I Modelli di Previsione
dei Mari Regionali Italiani utilizzati nel progetto PRIMI
E.Napolitano(A), R.Sorgente (C) , L.Fazioli (C) , A.Olita (C)
R.Iacono (A), A.Guarnieri (B) , P.Oddo (B)
INGV
CNR
(A) ENEA UTMEA_CLIM (Unità Tecnica di Modellistica Energetica e Ambientale- Laboratorio di Clima)
(B)INGV Istituto Nazionale di Geofisica e Vulcanologia, Bologna
(C)CNR - Istituto Ambiente Marino Costiero , Oristano
Implementazione nuovo metodo per assimilazione dati OS
CNR ISMAR-ISAC
(A. Griffa, E. Zambianchi)
Modelli Regionali Italiani
AREG
TYRR-POM
SCRMFS
Sistemi operativi regionali di previsione
dello stato dei mari Italiani
Modello
Risoluzione spaziale
Forzanti marini
POM-TYRR
Orizzontale 2km
Verticale 40 σ
MFS1671 (INGV)
SCRMFS
Orizzontale 3.5km
Verticale 30 σ
MFS1671 (INGV)
AREG
Orizzontale 2.2km
Verticale 31 σ
MFS1671 (INGV)
Forzanti atmosferici
ECMWF
ECMWF
(3) SKIRON– IASA
ECMWF
1) MFS- Model: Risoluzione spaziale 1/16° x 1/16°; risoluzione temporale 1d
2) ECMWF data: Risoluzione spaziale 1/4° x 1/4°;
risoluzione temporale 6h
3) SKIRON data: Risoluzione spaziale 1/10° x 1/10°; risoluzione temporale 1h
Catena Operativa
Forecast
End Users
Coastal
Weather Forecast
Models
ATMOSPHERIC FORCING
Data Assimilation
Sea Level Anomaly
Sea Surface Temperature
In situ temperature profile
Mediterranean OGCM
MFS1671
air-sea coupling
algorithms
Downscaling
WEB
Boundary
Conditions
WEB
SST
CNR-ISAC
OCEAN BASIN FORCING
Data assimilation
OCEAN 3d-VAR
SOFA
OCEAN REGIONAL FORCING
Modello a scala di bacino

REFERENCES:
•
Pinardi, N., Allen, I., Demirov, E., De May, P., Korres, G., Lascaratos, A.,
Le Traon, P.Y., Maillard, C.: The implementation ocean forecasting
system: first phase of implementation (1998.2001); Annales Geophysicae,
21, 3-20, 2003;
•
Dobricic, S., Pinardi, N., Adani, M., Tonani, M., Fratianni. C., Bonazzi,
A., Fernandez, V.: Daily oceanographic analyses by the Mediterranean
basin scale assimilation system, Ocean Sci., 3, 149-157, 2007.
•
Tonani, M., Pinardi, N., Dobricic, S., Pujol, I. And Fratianni, C.: A high
resolution free-surface model of the Mediterranean Sea, Ocean Sci., 4, 114, 2008;
MFS1671
U high  U
int
coarse
 (T , S )
 (T , S )
 U high
 0
t
n
int
H  coarse
g
int
int
high  coarse
(
)  U tide

 tide 
H   high
( H   high )
int
U high  U coarse
(T , S ) high  (T , S )int
coarse

REFERENCES:
•
Flather, R.A: A tidal model of the northwest European continental shelf,
Memories de la Societe Royale des Sciences de Liege, 6(10), 141-164, 1976;
•
Marchesiello, P., Mc Williamns, J. C., and Shchepetkin A.: Open boundary
conditions for long-term integration of regional oceanic models, Ocean
Modeling, 3, 1-20, 2001;
•
norm
U high
0
norm
U high
0
Oddo, P. and Pinardi, N.: Lateral open boundary conditions
for nested limited area models: A scale selective approach.
Ocean Modelling, 20, 134-156, 2008;
Condizioni alla superficie &
parametrizzazioni
Flusso di Momento:


u

Km

z z   0
Flusso di calore:
Kh
Flusso di sale:
T
z
Kh
S
z

z 
1
[(1  Tr )Qsol  Qb  Qh  Qe
C p
 ( E  P  R) S z 
z 

REFERENCES:
•
Hellerman, S. and Rosenstein, M: Normal wind stress over the world ocean
with error estimates, J. Phys. Ocean., 13, 1093-1104, 1983;
•
Reed, R. K.: On estimating insolation over ocean, J. Phys. Oceanogr., 17,
854-871, 1977;
•
Budyko, M.I.: Atlas of the heat balance of the earth, Glabnaia
Geofizicheskaia Observatoriia, Moscow, pp. 69, 1963;
•
Bignami, F., Marullo, S., Santoleri, R., and Schiano, M.A.: Long-wave
radiation budget in the Mediterranean Sea, J. Geophys. Res., 100(c2), 25012514, 1995;
•
May, P. W.: Climatological flux estimate in the Mediterranean
Sea: Part I. Winds and wind stresses. NORDA Tech, Rep., Vol.
54, oag. 58, 1982;
•
Castellari, S., Pinardi, N. And Leaman, K.: A model study of
air-sea interactions in the Mediterranean Sea, J. Mar. Syst., 18,
89-114, 2000;
AREG
Adriatic REGional Operational Forecasting System
Modello
Risoluzione orizzontale
Risoluzione verticale
Fiumi
Forzante Atmosfeico
Condizioni ai bordi laterali
Condizione iniziale
Previsioni (giornaliere)
Simulazioni
POM
2.2 Km
31 σ
Po: medie giornaliere osservate
Medie mensili climatologiche
ECMWF 6-h + precipitazioni climatologiche
MFS valori medi giornalieri
O.T.I.S snapshots orari per SSH
MFS interannual run
+7 giorni
+7 giorni
Alcuni risultati
AREG
*
Profili medi (2000…2007)
stazioni
mareografi
Validazione dell’elevazione superficiale
2003
Prodotti e Servizi:
AREG
http://gnoo.bo.ingv.it/afs
POM-TYRR
Tyrrenyan Operational Forecasting System
FCSTCAST
HINDCAST
M
Modello
Risoluzione orizzontale
Risoluzione verticale
Longitudine
Latitudine
Fiumi
Forzante Atmosfeico
Condizioni ai bordi
Condizione iniziale
Assimilazione
Previsioni (giornaliere)
POM
1/48°, 2 Km
41 σ
08.80°E - 16.29°E
36.68°N - 44.50°N
NO
ECMWF 0.25°, 6-h
MFS valori medi giornalieri
Interpolazione Bilineare
NO
+7 giorni
G
V
S
D
L
M
M
G
V
S
D
L M
Alcuni risultati
POM-TYRR
SST AVHRR
24h
72h
120h
Prodotti e Servizi:
POM-TYRR
http://clima.casaccia.enea.it
SCRMFS
The SiCily strait Regional Model Operational Forecasting System
Catena operativa
Cold start (VIFOP)
Warm start
Weather Forecast
Regional Forecast
J+1
J+1
J+3
J+2
J+2
J+3
J+5
J+4
J+4
J+5
J+6
…..
J+10
OGCM
FORECAST
MFS1671 Forecast
ECMWF Weather Forecast
Modello
Latitudine
Longitudine
Risoluzione orizzontale
Risoluzione verticale
Punti di griglia (x,y)
Fiumi
Forzante Atmosfeico
Condizioni ai bordi laterali
Condizione iniziale
Previsioni
POM
8.95°E-16.98°E
30.95°N-39.48°N
1/32°, ~ 3.5 Km
30 σ (double log)
257, 273
NO
SKIRON 1-h, ECMWF 6-h
MFS valori medi giornalieri
VIFOP (Slave mode)
+5 giorni
Spin-up time
Alcuni risultati
Level-2 MODIS - Aqua satellite data
SCRMFS
Validazione Off-line
VALIDAZIONE OFF-LINE:
SCRM & OPA Vs DATASET 1KM
17 Feb 2010
http://oceancolor.gsfc.nasa.gov/
Schema dei cicli di forecast
RMSE=(BIAS(x,y,t)2/N)
SSTSS=(1-RMSE2/STD2) 100
Conclusioni:
 Ogni giorno sono prodotti dai +5giorni ai +7giorni di campi di previsione in NRT
per il Mar Tirreno, Stretto di Sicilia e Mar Adriatico.
 Tutti i campi di previsione per i Mari regionali Italiani sono disponibili ogni
giorno in modalità grafica sul Web.
 I sistemi di previsione costituiscono la base per applicazioni quali:
»
»
»
»
Oil spill
Supporto alle attività di pesca
Save and rescue
Wheather-routing
Implementazione nuovo metodo per
assimilazione dati OS
CNR ISMAR-ISAC
(A. Griffa, E. Zambianchi)
•Lo scopo e’ di usare i dati da satellite insieme ai risultati dei modelli per
migliorare la predizione dell’evoluzione di macchie di petrolio.
• Immagini successive di una macchia rilevate da satellite vengono usate per
correggere la velocità u del modello e quindi il trasporto della macchia
stessa
• Il metodo e’ stato sviluppato e testato nel Mar Ligure
•I risultati sono stati pubblicati su Ocean Modelling, 33 (2010), pp. 190-203
(ovviamente citando il progetto PRIMI) [IF 2.236]
Esempio risultati
●
●
●
Il colore indica la concentrazione del tracciante (macchia d’olio).
Le osservazioni del tracciante da satellite simulate (“truth”) sono usate per
correggere il campo di velocita’ del modello (“model”)
I risultati ottenuti con la correzione (“estimate”) sono molto piu’ simili al
“truth”
Test effettuati
●
●
Dipendenza da intervalli tra osservazioni consecutive (Dtobs)
Dipendenza dal tipo di osservazione (concentrazione all’interno della macchia o solo
individuazione dei bordi)
●
Dipendenza da variabilità spaziale e temporale
●
Dipendenza da dinamica della macchia
Stima esemplare del miglioramento percentuale
della previsione dell’evoluzione della macchia