MODELLISTICA METEOROLOGICA
PER LO STUDIO DI
PRECIPITAZIONI INTENSE E ALLUVIONI
Silvio Davolio
Istituto di Scienze dell’Atmosfera e del Clima (ISAC–CNR), Bologna
Andrea Buzzi, Piero Malguzzi, Maurizio Fantini, Oxana Drofa,
Cristian Rendina, Daniele Mastrangelo
Lecce, 18 Ottobre 2011
Presso l'ISAC, sede di Bologna, è stata sviluppata, a partire
dagli anni '90, una famiglia di modelli meteorologici,
utilizzati sia per scopi di studio/ricerca sia come strumento
per le previsioni:
BOLAM, MOLOCH, GLOBO, BOLCHEM
comprende la chimica dell'atmosfera).
(quest'ultimo
OUTLINE
-Modelli operativi presso ISAC-CNR Bologna
- GLOBO, BOLAM, MOLOCH
-Studio di sistemi convettivi in presenza di orografia
- Case studies e simulazioni idealizzate
- Progetto MAP-DPHASE: previsione meteo-idrologica a alta risoluzione
- Accoppiamento con modelli idrologici per la previsione probabilistica di
piena
Modello globale GLOBO
-Modello di circolazione generale, idrostatico, a punti di griglia, sviluppato negli ultimi
anni a partire dal modello ad area limitata BOLAM
-Utilizzato per simulazioni e previsioni a 6 giorni su tutto il globo, con una risoluzione
orizzontale di circa 32 km (898x626 punti di griglia, 60 livelli verticali)
-Opera su una griglia in coordinate sferiche
-Previsioni a medio termine partendo dalle analisi NOAA-NCEP:
http://www.isac.cnr.it/dinamica/projects/forecasts/globo.html
- GLOBO è utilizzato anche per formulare previsioni mensili probabilistiche delle
anomalie di temperatura e precipitazione che vengono fornite al DPC. Ognuna di tali
previsioni richiede di effettuare 74 previsioni "deterministiche" globali della durata di
circa 35 giorni (32 forecats su analisi NCEP e 42 reforecasts su ERA-Interim).
http://www.isac.cnr.it/dinamica/projects/forecast_dpc/month_en.htm
Risoluzione orizzontale: 1.0° x 0.75°, 50 livelli verticali
Forzante di T dell'oceano: anomalia di SST sovrapposta a trend di SST climatologica,
con parziale rilassamento a quest'ultima.
Ghiaccio marino osservato nella condizione iniziale, variabile con la tendenza
climatologica durante i forecasts
Modello BOLAM
- modello ad area limitata, idrostatico, utilizzato per simulazioni e previsioni
su aree continentali.
- messo a confronto con analoghi modelli e con ottimi risultati, e utilizzato in
una quindicina di progetti internazionali.
- utilizzato per effettuare previsioni operative in numerosi centri nazionali e
regionali in Italia (ISPRA, CRA, ISAC per DPC, Regione Liguria, Sardegna,
Sicilia) e all'estero (Grecia, Vietnam, Etiopia).
- utilizzato quotidianamente presso l'ISAC per effettuare previsioni
sperimentali a 3 giorni nell'ambito dell'Intesa Operativa DPC-ISAC:
http://www.isac.cnr.it/dinamica/projects/forecasts/
Modello BOLAM:
BOLAM principali elementi della componente
dinamica
Equazioni primitive con u, v, Tv, q, ps, TKE come variabili
principali (+ 5 variabili per la microfisica)
Griglia ruotata C di Arakawa; coordinata verticale tipo σ ibrida
p=p0 σ –(p0-ps) σα, su griglia non uniforme, staggered di Lorenz
Schema di integrazione temporale split-explicit (per separare i
modi di gravità) e forward-backward per questi ultimi; schema di
avvezione WAF (Weighted Average Flux)
Diffusione orizzontale della divergenza
Schema di rilassamento per le condizioni al contorno laterali
Codice parallelizzato con tecnica decomposizione di dominio
per cluster HPC
Modello BOLAM:
BOLAM principali elementi della "fisica" e delle
parametrizzazioni
Radiazione: infrarossa e solare, interagente con le nubi, combinando
due diversi modelli di trasferimento radiativo per efficienza di calcolo
(Ritter & Geleyn and ECMWF RRTM - Rapid Radiative Transfer
Model).
Diffusione verticale: strato superficiale parameterizzazione dello
strato limite, in funzione del numero di Richardson (schema E-l).
Modello di suolo e vegetazione a 4 strati + livello skin. Include
diversi effetti della vegetazione, dinamica del manto nevoso, calcolo
dei flussi di acqua e calore nel suolo, ghiacciamento, formazione di
pozze, runoff etc.
Schema esplicito semplificato dei processi microfisici della
precipitazione con 5 idrometeore (acqua e ghiaccio di nube, pioggia,
neve, graupel).
Parametrizzazione dei processi convettivi: basata sullo schema di
Kain-Fritsch (Kain, 2004), riscritto (energia statica liquida) e
modificato.
Parametrizzazione del wave drag orografico.
72-h forecast
Initial/boundary conditions:
GFS 0.5° @ 00 UTC
http://www.isac.cnr.it/dinamica/projects/forecasts/
Modello MOLOCH
• Modello "locale", non idrostatico, utilizzato per simulazioni e previsioni ad
elevata risoluzione (fino a circa 1 km) su aree nazionali-regionali
• E' in grado di simulare esplicitamente i processi di convezione atmosferica e i
fenomeni orografici di piccola scala
• Viene operato generalmente su una griglia inserita in quella di BOLAM (nesting)
• E' utilizzato da diversi servizi operativi (tra cui ARPAL) ed è stato impiegato in
numerosi progetti internazionali, tra cui il MAP-DPHASE, dove è stato messo a
confronto con oltre una decina di modelli meteorologici ad elevata risoluzione
operanti simultaneamente
• Attualmente fornisce previsioni quotidiane su tutta l'Italia a 2 giorni presso ISAC,
ad una risoluzione di 2.3 km.
Modello MOLOCH (cont.)
Dinamica:
• non idrostatico, totalmente compressibile, variabili: u, v, w, T, P, q,
TKE;
• griglia di Arakawa C grid; coordinata terrain-following;
• split del passo temporale, implicito per le onde sonore che
propagano verticalmente,
forward-backward per le onde che
propagano orizzontalmente;
• avvezione WAF;
• dominio innestato in quello di BOLAM;
• codice parallelizzato con tecnica decomposizione di dominio per
cluster HPC.
Modello MOLOCH (cont.)
Coordinata verticale: di tipo 'terrain following', con graduale rilassamento verso
superfici orizzontali procedendo verso l'alto.
ζ = H (1 − e
−
z − h (1−ζ H )
H
);
h < z < ∞;
H=
Rd T0
g
Fisica del modello:
- schema di calcolo dei processi di trasferimento radiativo (Geleyn + ECMWF);
- schema di calcolo dei processi di scambio turbolento in verticale (E-l);
- schema di calcolo dei processi di scambio alla superficie terrestre;
- schema dei processi idro-termici del suolo in presenza di coltre vegetata e
nevosa;
- schema di calcolo dei processi microfisici relativi alla formazione delle nubi e
delle precipitazioni in fase liquida e ghiacciata (5 variabili: acqua di nube,
ghiaccio di nube, neve, graupel/grandine, pioggia). Idrometeore soggette ad
avvezione (WAF) e caduta (Drofa e Malguzzi, 2004, e sviluppi successivi);
- Schema di microfisica a 2 momenti (testing)
I processi convettivi possono essere rappresentati esplicitamente dalla dinamica
del modello ("convection-permitting").
45-h forecast
starting @ 03
UTC
nested in BOLAM
http://www.isac.cnr.it/dinamica/projects/forecasts/
Esempi di prodotti previsionali del modello MOLOCH
Nuvolosità
Precipitazione.
Vento a 10 m
Cross sections
ATTIVITA’ DI RICERCA FINALIZZATE ALLO STUDIO
DI PRECIPITAZIONI INTENSE
(in regioni caratterizzate da orografia complessa)
Studio di sistemi convettivi
Heavy precipitation systems
HPE are not uncommon over the Mediterranean region
-peculiar topography (steep orography surrounding the sea)
-geographical location (cyclogenesis and Atlantic influence)
-source of heat and moisture feeding convective and baroclinic systems
General factor leading to HPE
-conditionally or potentially unstable air masses
-moist LLJ impinging the orography
-steep orography
-slowly evolving synoptic pattern, maintaining the precipitation system
nearly stationary or slow-moving
-interaction between the above factors
Orographic forcing
HPE
convection (embedded)
MESOSCALE MODELLING
Mesoscale α: 200-2000 km
Mesoscale β: 20-200 km
Mesoscale γ: 2-20 km
The interest is focused on small scales
Many aspects of NWP models have made great advances, BUT progress in
QPF has been comparatively slow
-Precipitation involves a complex chain of interacting physical processes
extending on a wide range of scales (upward motions, condensation,
microphysics...)
-Some important small scale processes need suitable parameterizations
especially at very high-resolution (turbulence and microphysics)
-Orographic dynamical forcing needs to be adequately resolved
-Dependence on larger scale models (initial and boundary conditions)
Recent progresses Æ development of high-res CRM models (operational)
STARTING POINT: Gard flood, 8-9 Sep. 2002
Quasi-stationary MCS, more than 600 mm/24h
from: Schwarb et al, 2001 Hydrological Atlas of Switzerland
Max Obs prec: ≈ 690mm/24h
400mm/6h locally
REALISTIC SIMULATIONS: sensitivity to initial conditions
24h accumulated precipitation
RUN
FROM
00 UTC
Max: 246mm
OROGRAPHY
RUN
FROM
06 UTC
RUN
FROM
12 UTC
Max: 436mm
Max: 372mm
OROGRAPHY
NO OROGRAPHY
4h
forecast
CONTROL EXPERIMENT: higher static stability, flow around, blocked flow
obs
perpendicular
parallel
vento a 10 m
vento a 850 hPa
precipitazione static stability N
NO OROGRAPHY EXPERIMENT: lower static stability, flow over, non-blocked flow
Individuazione dei processi fisici e dinamici responsabili, primo fra tutti il ruolo dell’orografia
Posizione di origine del sistema convettivo
in funzione dell’altezza della montagna
Interpretazione in termini di flow over/around
in base al numero di Froude Fr=U/Nh
low orography
2D case
high orography
La presenza dell’orografia è necessaria
per lo sviluppo del sistema convettivo,
sebbene non sia il sollevamento
orografico la causa principale della sua
formazione
3D case
at 500 hPa
at 700 hPa
Low level flow
Impatto dell’orografia sulla formazione di sistemi convettivi quasi-stazionari
Più generale Æ idealizzato
MOLOCH
BOLAM
1200 km
450 km
1200 km
500 km
(inner part)
450 km
IC and BC: condizioni uniformi orizzonalmente, partendo da un profilo rappresentativo preso
dalle analisi ECMWF analysis (Gard flood - Sept. 8, 2002)
BOLAM utilizzato per definire uno stato base 3-D "basic state" in quasi-equilibrio con l’orografia,
ovvero una soluzione ragionevomente stazionaria in assenza di convezione (no rotazione, no sfc
fluxes, no radiazione)
MOLOCH usato per simulare lo sviluppo della convezione (full physics, ma no radiazione; no
rotazione per consistenza con la dinamica di BOLAM
•Stagnation area where the low level flow is
impinging the steeper part of the slope.
•Flow around regime: diffluence around the
mountain and reverse flow north of it.
•Convection starts at the foot of the slope, in
the stagnation area and propagates to the E.
PRECIPITAZIONE TOTALE CUMULATA IN 7 ORE
CNTR
orography
orography
x1.25
x1.5
VENTO A 10 m DOPO 5 ore
STABILITY DIAGRAM
H
UN
1.5
STA
B
LE
1.0
STA
0.5
1.10
1.11
1.12
B LE
1.13
1.14
1.15 Q
H and Q sono i fattori di moltiplicazione per l’altezza della montagna H e l’umidità Q
nei vari esperimenti
¾ Gli esperimenti riproducono un sistema convettivo realistico
¾ L’altezza della montagna deve essere sufficientemente grande affinché si
sviluppi convezione
¾ Il triggering della convezione avviene preferibilmente in prossimità o entro l’area
di convergenza localizzata upstream della barriera orografica, quando l’altezza
della monatgna è sufficiente
¾ L’intensità e il movimento del MCS dipende fortemente dall’altezza dell’orografia
¾ L’effetto dell’orografia è determinante sia per innsecare la convezione
(triggering) sia nel determinare l’intensità e il ciclo di vita del MCS
¾ Il set up sperimentale è in grado di descrivere i meccanismi di innesco
orografico della convezione, mentre le condizioni che portano alla quasistazionarietà del MCS richiedono una configurazione più complessa che arrivi a
descrivere l’interazione della cold pool e del gust front associato al sistema
convettivo, i quali propagano in direzione opposta al flusso medio incidente
26 SETTEMBRE 2007
MCS sulla Laguna Veneta
V-shape
Max: 324 mm in 12 h
MAP DPHASE Operations Period
AROME 140mm
MOLOCH 240mm
COSMOCH
MOLOCH 150mm
La buona previsione di precipitazione è strettamente correlata alla realistica
riproduzione del sistema precipitante e in particolare allo sviluppo verticale e
all’organizzazione del sistema stesso
In questo caso, il MCS è stato preceduto da convezione sparsa, prima di
organizzarsi in una struttura cosiddetta “V-shape” correttamente riprodotta nella
simulazione di MOLOCH
V 300 hPa
w 500 hPa
11 UTC
11 UTC
SENSITIVITY EXPERIMENTS
-Impatto delle condizioni iniziali, set up del modello, schemi fisici/dinamici
-Valutare il grado di predicibilità dell’evento
-Ruolo dell’orografia
position of observed
maximum
> 200 mm
150 - 200 mm
100 - 150 mm
radius ~50 km
encompasses all
the precipitation
maxima
RUOLO DELL’OROGRAFIA
CONTROL RUN: lee cyclogenesis over Liguria Sea
Low level flow confluence/convergence
SE low-level jet Æ warm and moist air
NE cold flow (barrier wind + flow around)
SW flow induced by the orog. cyclone
OROGRAPHY HEIGHT REDUCED to 25%:
lee cyclone and related convergence are
suppressed
cold front moves quickly south-eastward
severe convection does not develop
-Variabilità piuttosto significativa nella previsione della precipitazione
-La maggior parte delle simulazioni riproducevano in modo sostanzialmente corretto
quanto meno la natura convettiva dell’evento, seppur con errori di localizzazione e
intensità dei suoi effetti
- I risultati indicano chiaramente che la previsione di fenomeni di convezione intensa e
delle precipitazioni ad essi associate, con un anticipo di 24-48 ore è possibile, quanto
meno nei casi in cui la convezione è “embedded” in un flusso a scala più grande
(mesoscala) caratterizzato da sufficiente predicibilità.
“The relative success in forecasting seemingly unpredictable phenomenon such as
convection out to 36h seems most directly related to its strong connection to
identifiable and more predictable synoptic or subsynoptic features...” Weisman et al,
(2008) Wea. Forecasting
- Ruolo dell’orografia molto simile a quanto visto sul Massiccio Centrale: convergenza
dovuta alla deviazione del flusso incidente
I modelli ad alta risoluzione (2-4 km), convection-permitting hanno dimostrato:
-superiorità rispetto ai modelli a più bassa risoluzione, in particolare per gli eventi
caratterizzati da convezione e forcing orografico
-rappresentazione più realistica dell’evoluzione dei sistemi convettivi
-rimuovono il “danno” prodotto da parametrizzazioni non accurate
Maggiore realismo non significa necessariamente migliori previsioni di
precipitazione, in quanto la verifica è piuttosto complessa (tricky!): double-penalty
-Assimilazione dati:
>la notevole sensitivity alle condizioni iniziali suggerisce di porre molta attenzione
al miglioramento della definizione dello stato iniziale
>diversi studi hanno già dimostrato l’efficacia dell’assimilazione di osservazioni ad
alta risoluzione/non convenzionali (mesonet, radar, lidar), in temini di miglioramento
della successiva previsione di precipitazione
METEOROLOGIA
precipitazioni
IDROLOGIA
portate
FRAMEWORK
Accoppiamento modelli meteo-idrologici in bacini idrografici di piccole/medie dimensioni
(inferiori a 10000 km2) per la previsione di portata e di piena.
Bacini montani caratterizzati da tempi di risposta piuttosto brevi (alcune ore), dove la
sola osservazione della precipitazione (pluviometri o radar) non è appropriata per
guidare i modelli idrologici al fine di fornire tempestive previsioni e un adeguato piano di
emergenza.
ÆUtiilizzo della previsione di precipitazione come forcing per i modelli idrologici
Qualitative early warning: anticipo di alcuni giorni
Flood warning and alarm: 1–2 giorni di anticipo
Crisis management: alcune ore di anticipo
Issues:
Precisione della previsione quantitativa della precipitazione QPF
Gap tra risoluzione dei modelli idrologici (centinaia di m) e
modelli meteorologici
Non solo precipitazione
Valutazione/propagazione dell’incertezza
Mesoscale Alpine Programme - Demostration of Probabilistic Hydrological and
Atmospheric Simulation of flood Events in the Alpine region (Zappa et al. 2008, Rotach et al. 2009)
¾ Forecast and alert support decision system (experimental test)
Hydro-meteorological alert codes
Æ Return period at least 60 days
Æ Return period at least 180 days
Æ Return period at least 10 years
Visualisation platform during the MAP DPHASE
Cortesia di Giovanna Grossi
MOLOCH
-Umidità a 2m
-Radiazione solare netta
-Precipitazione
-Temperatuta a 2m
FEST-WB
rainfall-runoff distributed model
Alle piccole scale tipiche dell’idrologia la previsione di precipitazione è affetta da
errori che possono essere rilevanti
ERRORS
Initial condition
Model
Baroclinic & convective
instabilities
forecast errors
For LAMs
Lateral boundary conditions:
-sweeps in low-res information
-introduce model errors
-inconsistent physical parameterization
produces spurious gradients
-transient gravity modes
Lorenz:
-forecast error would grow more rapidly as the initial state estimate was improved and
successively smaller scales were resolved
-an increase in horizontal resolution yields a corresponding decrease in error-doubling
times
Increasingly rapid error growth Æ inherent finite limit to the predictability
“Bad news”
Zhang, Rotunno, Snyder et al
-small errors grow faster (non-linear behaviour)
-errors amplify faster in high-resolution convection-resolving simulations
-errors spread upscale from their origin at convective scale, contaminating the
mesoscale
-moist convection is the primary mechanism for forecast error growth at small scale
BUT!!!
There is substantial room for improving existing forecasts at both synoptic
and meso scale through:
-data assimilation of non-conventional observations
-new and more sophisticated data assimilation techniques
-improving forecast models (physical parameterization)
convective instability does not necessarily preclude predictability when it is connected
and organized by more predictable larger-scale features which establish the mesoscale
environment favourable for the convection and serve as primary triggering agents
“Limited atmospheric predictability is simply a fact of life we have to deal with”
Allo scopo di produrre una previsione che tenga in considerazione l’incertezza della
previsione dovuta alla crescita degli errori e che allo stesso tempo fornisca utili
informazioni per la gestione delle allerte, da diversi anni è stato sviluppato l’ensemble
forecasting.
L’ensemble forecasting fornisce una previsione probabilistica
-ensemble mean
-ensemble spread
Negli ultimi anni sono stati sviluppati differenti approcci per ensemble forecasting
applicati a modelli ad area limitata.
L’ensemble meteorologico fornisce diversi possibili scenari, i quali vengono utilizzati
dal modello idrologico per produrre un ensemble di previsioni di portata. In questo
modo l’incertezza propaga lungo la catena di previsione meteo-idrologica, fornendo
una previsione probabilistica contenente maggiori informazioni.
SCOPO: confrontare due ensemble meteorologici sia in termini di qualità della
previsione di pioggia che degli effetti idrologici.
Applicazione operativa
Short/medium range
Il confronto tra i due ensembles, in termini
di previsione di precipitazione e di portata,
è stato effettuato per un evento di intenso
maltempo che ha colpito il bacino del
Reno, nell’Appennino Tosco-Emiliano
COMPARING DIFFERENT METEOROLOGICAL
ENSEMBLE APPROACHES FOR
HYDROLOGICAL PREDICTIONS
S. Davolio, T. Diomede, C. Marsigli, M. M. Miglietta, A. Montani, A. Morgillo
TWO ENSEMBLE APPROACHES
1)A multi-model ensemble (15 members), based on three mesoscale models:
•BOLAM (developed and implemented at ISAC CNR)
•COSMO (COnsortium for Small scale MOdelling) implemented by ARPA-SIMC
•WRF (Weather Research and Forecasting Model) implemented by ISAC CNR
each of them initialized by 5 representative members of EPS-IFS.
2) A single-model approach, based on COSMO-LEPS (Limited-area Ensemble
Prediction System) ensemble, the operational forecasting system with the COSMO
model, driven by 16 representative members of EPS-IFS.
¾Similar integration domains
¾Similar horizontal resolution (7-8 km)
¾Same number of ensemble members (almost)
¾Real-time forecasting application using the same driving global ensemble prediction
system of ECMWF (IFS-EPS)
TOPKAPI distributed rainfall-runoff model for discharge prediction
BUILDING THE ENSEMBLE: SELECTION OF REPRESENTATIVE MEMBERS (2)
EPS 00 UTC
(51 members)
BOLAM
Cluster Analysis
EPS 12 UTC
(51 members)
5 Representative
Members
COSMO
WRF
Multimodel Ensemble
15 members
EPS 00 UTC
(51 members)
Cluster Analysis
EPS 12 UTC
(51 members)
16 Representative
Members
COSMO LEPS
Multianalysis
Model Perturbed
Ensemble
16 members
Common integration domain
AREA OF INTEREST
Reno river basin: location and characteristics
Discharge forecasts are evaluated at Casalecchio
Chiusa, the closure section of the upper basin,
near the city of Bologna
Emilia‐Romagna Region
clustering area
the upper Reno river
basin
(~ 1000 km2)
basin response time
~ 10‐12 h at Casalecchio
~ 36 h at the outlet
Alert thresholds:
0.8 m (∼ 80 m3/s) warning
1.6 m (∼ 630 m3/s) alarm
SYNOPTIC OVERVIEW OF THE EVENT
-
29 Nov - 2 Dec 2008
500 hPa geopotential height and sea level pressure
30/Nov/2008 - 00 UTC
01/Dec/2008 - 00 UTC
30/Nov/2008 - 00 UTC Meteosat
SW flow
-Deep trough elongated N-S
associated with cold air moving
toward the Mediterranean.
-Several frontal systems moving
in the cyclonic circulation over
western Mediterranean.
-Warm air advection on the east
side of the trough, sustained by
intense southerly moist flow.
-Lee orographic cyclogenesis
(Genoa low) in the second part
of the event.
-Blocking over Eastern Europe.
ENSEMBLES PERFORMANCE
METEOROLOGICAL PERSPECTIVE
Two analysed periods of intense precipitation
29 November 18 - 00 UTC
30 November 12 UTC - 01 December 12 UTC
Probability Maps: precipitation exceeding fixed thresholds
- 20 mm/6h (for 29 Nov. 2008)
- 50 mm/24h (for 30 Nov. 2008)
26 Nov
00
12
27 Nov
00
12
28 Nov
00
12
29 Nov
00
Three initialization times, 24-h apart
12
30 Nov
00
12
01 Dec
00
12
02 Dec
00
12
03 Dec
00
12
00
29 November 2008 18-24 UTC
Probability Total Precipitation > 20mm/6h
OBSERVED PRECIPITATION
MultiLEPS
I.C. 26 Nov 12 UTC
t+78-84 h
COSMO-LEPS
Reno river basin
EP
S
29 November 2008 18-24 UTC
Probability Total Precipitation > 20mm/6h
OBSERVED PRECIPITATION
MultiLEPS
I.C. 28 Nov 12 UTC
t+30-36 h
COSMO-LEPS
EP
S
30 November 2008 12 UTC - 1 December 2008 12 UTC
Probability Total Precipitation > 50mm/24h
OBSERVED PRECIPITATION
MultiLEPS
I.C. 26 Nov 12 UTC
t+96-120 h
COSMO-LEPS
EP
S
30 November 2008 12 UTC - 1 December 2008 12 UTC
Probability Total Precipitation > 50mm/24h
OBSERVED PRECIPITATION
MultiLEPS
I.C. 28 Nov 12 UTC
t+48-72 h
COSMO-LEPS
EP
S
SOME CONSIDERATIONS:
•
The shorter the forecast range, the higher the probability of having intense
precipitation over the Reno river basin (as expected) especially for the first 6h
analysed period.
•
ECMWF EPS probability maps provide little evidence of high precipitation over the
Reno river basin, even at short forecast range. This highlights that structural model
deficiencies (low resolution, orography representation) cannot be accounted for by
this kind of ensemble approach. Higher resolution models are needed => added
value of LAM ensembles.
•
6h probability maps (shorter forecast ranges, shorter period): in the Multimodel LEPS
forecasts generally broader areas are indicated as probably affected by heavy
precipitation, showing more uncertainty in the forecast. Though, the greater degree
of diversity of the Multimodel LEPS members provides useful additional information.
•
24h probability maps (longer forecast ranges, longer period): only the Multimodel
LEPS indicates some relevant probability of heavy precipitation on the target basin.
•
The probability of intense precipitation over the Reno river basin issued by the
Multimodel LEPS progressively increases as the forecast range decreases, thus
improving the confidence in the prediction as the event approaches. The Multimodel
LEPS identifies the Reno river basin as areas likely to be affected by intense
precipitation more than 3 days in advance.
A DEEPER ANALYSIS OF THE MULTIMODEL ENSEMBLE
RESULTS
....still meteorology
- subjective/qualitative evaluation of QPF
- try to explain the good performance?
- evaluate the impact of boundary conditions wrt model characteristics at
different forecast ranges
COSMO
I.C. 26 Nov 12 UTC
t+78-84 h
m3
m12
• underestimation over Apennine
• best: 36 (then 23 and 3)
• worst: 12
m23
m36
m35
BOLAM
I.C. 26 Nov 12 UTC
t+78-84 h
m3
m12
• good (overestimation over EAlps)
• best: 36 (then 3 and 35)
• worst: 12
m23
m36
m35
WRF
I.C. 26 Nov 12 UTC
t+78-84 h
• underestimation over Apennine
m3
m12
• best: 3 or 36 (then 35)
• worst: 12
m23
m36
m35
Forecasts driven by member 12 provide bad rainfall predictions at long range!
Large scale ECMWF fields
GPH 500hPa & T@850hPa
MEMBER 12
at 18 UTC, 29 Nov 2008
t+78h
ANALYSIS
MEMBER 36
t+78h
At long forecast range (day 3-5) the quality of
the multi-model ensemble members is
dominated more by the boundary conditions
than by the model used for the integration.
COSMO
I.C. 28 Nov 12 UTC
t+30-36 h
• underestimation over Apennine
m5
m15
• best: 45 (then 26 and 15)
• worst: 5
m26
m45
m44
BOLAM
I.C. 28 Nov 12 UTC
t+30-36 h
• overestimation over Alps
m5
m15
• best: 15 (then 45)
• worst: 44
m26
m45
m44
WRF
I.C. 28 Nov 12 UTC
t+30-36 h
• underestimation over Apennine
m5
m15
• members quite similar
• best: 5
• worst: 45
m26
m45
m44
¾Large variability among forecasts issued by different models
¾Weak variability among the 5 forecasts issued by each single model
Large scale ECMWF fields - GPH 500hPa & T@850hPa - at 18 UTC, 29 Nov 2008
ANALYSIS
MEMBER 5
t+30h
MEMBER 15
t+30h
MEMBER 26
t+30h
MEMBER 44
t+30h
MEMBER 45
t+30h
¾The large scale conditions are similar (short-range forecast!) and the spread of the ensemble is
provided by the different characteristics of the models
DISCHARGE FORECASTS
HYDROLOGICAL PERSPECTIVE
... back to small scale (basin scale)
I.C. 26 Nov 12 UTC
Long forecast range
EPS
I.C. 27 Nov 12 UTC
EPS
I.C. 28 Nov 12 UTC
Short forecast range
EPS
I.C. 26 Nov 12 UTC
Long forecast range
COSMO
P35
WRF
P3
P36
P35
P3
P36
BOLAM
P35
P3
P36
5 EPS representative members
I.C. 28 Nov 12 UTC
Short forecast range
COSMO
WRF
P44
P45
P44
P15
BOLAM
5 EPS representative members
P44
P45
P15
P26
P44
P45
P26
CONCLUSIONS
• Both mesoscale ensemble approaches remarkably improve the forecast quality in
terms of both probability of precipitation and discharge prediction, with respect to the
“driving” global model ensemble.
• Structural model deficiencies (low resolution, orography representation) cannot be
accounted for by coarse resolution ensembles. Higher resolution models are needed
=> added value of LAM ensembles.
• Multimodel LEPS provides better results with respect to COSMO-LEPS, being
characterized by a larger spread at short range due to different model characteristics.
At longer forecast range, the similar behaviour of the Multimodel LEPS members
indicates the relevant impact of the boundary conditions. The greater degree of
diversity of the Multimodel LEPS members is the added value of the multi-model
approach with respect to single-model COSMO-LEPS.
This results is limited to this single case study!!!
FUTURE PLANS
• Testing sensitivity to clustering analysis (e.g. clustering interval)
• Further case studies!
• Testing convection-resolving model ensemble for short range application.
SOP
HEAVY PRECIPITATION, FLOODS AND FLASH FLOODS
SOP 1
- Heavy precipitation and floods
- Ocean state prior the formation of
dense water
ÆSOP1.1: Sep-Nov 2012
ÆSOP1.2: Sep-Nov 2013
SOP 2
- Air-sea interaction
Dense water formation, ocean
convection
Cyclogenesis and local winds
ÆMarch-April 2013 & 2013
GRAZIE !