COMISIÓN NACIONAL DEL AGUA COORDINACIÓN GENERAL DEL SERVICIO METEOROLÓGICO NACIONAL DIRECCIÓN DE HURACANES Y TORMENTAS SEVERAS

Transcripción

1 COMISIÓN NACIONAL DEL AGUA COORDINACIÓN GENERAL DEL SERVICIO METEOROLÓGICO NACIONAL DIRECCIÓN DE HURACANES Y TORMENTAS SEVERAS SUBGERENCIA DE MONITOREO ATMOSFÉRICO AMBIENTAL 17DE NOVIEMBRE DE 2017

2 ACTUALIZACIÓN DEL MODELO WRF OPERATIVO EN LA CGSMN

3 Antecedentes La modelación numérica es la herramienta por excelencia fundamental usada por meteorólogos para generar el pronóstico operativo rutinario en cualquier centro meteorológico en todo el mundo.

4 Antecedentes Modelo Año Versión Características Equipo MM Malla madre: 45x45 Mallas anidadas: 15x15 Malla secundaria: 5x5 WRF Malla madre: 45x45 Mallas anidadas: 15x15 Malla secundaria: 5x5 Niveles: 23 WRF Datos: GFS de.5 Horas: 00Z y 12Z Resolución: 8 y 4 km Parametrización: Kain-Fritsch Niveles: 35 supercomputadora Silicon Graphics 8 procesadores RISC Modelo Origin 2000 Clúster HP 14 procesadores Equipo Dell T5500 RAM de 4GB Procesadores Intel xeon a 3.4 Ghz 8 cores

5 Antecedentes Modelo Año Versión Características Equipo WRF Datos: GFS de.5 Horas: 00Z, 06Z, 12Z y 18Z Resolución: 16, 8 y 4 km Parametrización: Kain-Fritsch Niveles: 35 Malla madre: 260x187 Malla anidada: 71x73 Malla anidada: 81x81 WRF Datos: GFS de.5 Horas: 00Z, 06Z, 12Z y 18Z Resolución: 16, 8 y 4 km Parametrización: Kain-Fritsch Niveles: 35 Malla madre: 260x187 Malla anidada: 71x73 Malla anidada: 81x81 DELL PowerEdge R710 Procesadores Intel Xeon de doble núcleo físico y doble virtual Configurado como clúster maestro + 10 clientes (264 cores) DELL PowerEdge R710 Procesadores Intel Xeon de doble núcleo físico y doble virtual Configurado como clúster maestro + 10 clientes (264 cores)

6 Antecedentes Clúster HP Clúster Rossby Blade (VM)

7 Objetivos A finales del 2016 se llevo a cabo el Curso de alcances y limitaciones de la predicción numérica usando el modelo WRF impartido por Jimy Dudhia y Wei Wang de NCAR. Dando como resultado la capacitación, actualización y fortalecimiento de las capacidades del personal técnico de la CGSMN en modelación numérica utilizando el modelo WRF. Por primera vez se implementa el modelo WRF en maquinas virtualizadas.

8 Objetivos

9 Desarrollo El modelo de pronóstico e investigación del tiempo (WRF) es un sistema numérico de predicción meteorológica de mesoescala de nueva generación diseñado para la investigación atmosférica y las aplicaciones de predicción operativa. El esfuerzo para desarrollar WRF comenzó en la última parte de la década de 1990 y fue una asociación de colaboración del Centro Nacional de Investigaciones Atmosféricas (NCAR), la Administración Nacional Oceánica y Atmosférica (representado por los Centros Nacionales de Predicción Ambiental (NCEP) y el entonces Laboratorio de Sistemas de Previsión (FSL)), la entonces Agencia Meteorológica de la fuerza Aérea (AFWA), el Laboratorio de Investigación Naval, la Universidad de Oklahoma y la Administración Federal de Aviación (FAA).

10 Desarrollo Un servidor virtual privado (VPS, del inglés virtual private server) es un método de particionar un servidor físico en varios servidores de tal forma que todo funcione como si se estuviese ejecutando en una única máquina. Cada servidor virtual es capaz de funcionar bajo su propio sistema operativo y además cada servidor puede ser reiniciado de forma independiente. Características de un Servidor VPS? Compatibilidad Aislamiento Encapsulamiento o portabilidad Independencia de hardware Ventajas de un Servidor VPS? Sacar mas provecho a los recursos Disminuir los costes reduciendo la infraestructura física y mejorando el índice de servidores que gestionar Aumentar la disponibilidad del hardware y las aplicaciones para mejorar la continuidad del negocio

11 Desarrollo Modelo Año Versión Características Equipo WRF Virtual WRF Virtual WRF Virtual Datos: GFS de.5 Horas: 00Z, 06Z, 12Z y 18Z Resolución: 16 km Parametrización: Kain-Fritsch Malla madre: 260x Datos: GFS de.5 Horas: 00Z, 06Z, 12Z y 18Z Resolución: 16 km Parametrización: Kain-Fritsch Malla madre: 260x Datos: GFS de.25 Horas: 00Z y 12Z Resolución: 8 km Parametrización: Kain-Fritsch Malla madre: 500x400 S.O.: CentOS 6.6 Memoria: 32 GB Procesadores: 12 cores Discos Duros: 1 Disco Duro Virtual de 300 GB Conexión: VNC y SSH S.O.: CentOS 6.6 Memoria: 32 GB Procesadores: 12 cores Discos Duros: 1 Disco Duro Virtual de 300 GB Conexión: VNC y SSH S.O.: CentOS 6.6 Memoria: 32 GB Procesadores: 12 cores Discos Duros: 1 Disco Duro Virtual de 300 GB Conexión: VNC y SSH

12 Dominio principal 260x187 Desarrollo

13 Desarrollo Configuración del modelo WRF para un pronóstico a 3 días: Versión: Resolución: 16 km Datos GFS:.50 Dominio: 260*187 WRF (Rossby) WRF (VM)

14 Desarrollo Nueva configuración del namelist.input: &domains target_cfl -> Paso del tiempo que el modelo puede utilizar mientras se mantiene el modelo numéricamente estable ajustándolo en el criterio de estabilidad horizontal y vertical (Condición CFL) max_step_increase_pct -> Porcentaje del paso del tiempo &physics mp_physics -> Opción de microfísica ra_lw_physics -> Radiación de onda larga ra_sw_physics -> Radiación de onda corta Topo_wind -> Corrección relacionada con la varianza del terreno &dynamics w_damping -> Bandera de amortiguación de velocidad vertical diff_opt -> Turbulencia y opción de combinación damp_opt -> Bandera de amortiguación de nivel superior

15 Desarrollo Configuración del modelo WRF para un pronóstico a 3 días: Versión: Resolución: 16 km Datos GFS:.50 Dominio: 260*187 Configuración del modelo WRF para un pronóstico a 1 día con cambios en el namelist.input: Versión: Resolución: 8 km Datos GFS:.25 Dominio: 500 x 400 WRF (VM) WRF (VM)

16 Desarrollo Zona horaria Hora de ejecución WPS Zona horaria Hora de ejecución WRFV3 Inicio Fin 00Z 01:05:04 01:13:19 06Z 06:05:02 06:13:56 12Z 12:05:03 12:13:17 18Z 18:05:03 18:14:28 Inicio Fin 00Z 01:25:02 03:34:46 06Z 06:25:02 08:34:14 12Z 12:25:02 14:51:45 18Z 18:25:02 20:34:54 Zona horaria Hora de ejecución VARIABLES Inicio Fin 00Z 03:45:02 03:53:46 06Z 08:45:02 08:53:14 12Z 14:55:02 14:53:45 18Z 20:45:02 20:52:54 Zona horaria Hora de ejecución CARTAS Inicio Fin 00Z 04:05:02 04:10:46 06Z 09:05:02 09:10:14 12Z 18:05:02 18:10:45 18Z 21:05:02 21:10:54

17 Caso de estudio Comparación de mapas de pronóstico de precipitación acumulada en 24 horas, para el día 06 de abril de 2017, realizados con datos del modelo WRF virtual a 0.25 (con 8 km de resolución) y 0.50 (con 16 km de resolución), utilizando las corridas de las 00z y 12z. Precipitación de mm hasta las 19 horas del 6 de abril mm en Tapijulapa de Tacotalpa Máxima histórica registrada de mm (5 de abril de 1974) La precipitación extraordinaria estuvo ligada a un entorno favorable para el desarrollo de convección profunda, debido a la interacción del sistema frontal No. 39 ubicado en el oriente del Golfo de México el cual ingresó al territorio nacional por la frontera de Veracruz y Tabasco hasta los estados del centro del país, con advección de humedad proveniente del Mar Caribe y forzamiento orográfico de la región; el cual se generó por los vientos de componente norte sobre la región montañosa comprendida entre Chiapas y Tabasco, superándose en este día la máxima histórica. Sistema frontal numero 39. Advección de humedad del Mar Caribe. Forzamiento orográfico (vientos de componente norte).

18 Verificación objetiva del modelo WRF Caso de estudio La verificación objetiva de los modelos numéricos de la atmosfera evalúa la calidad y habilidad de los pronósticos numéricos que son utilizados para la predicción del tiempo meteorológico. Los desarrollos para construir y probar la verificación se realizaron durante los años 2012, 2013 y comenzaron a implementarse operativamente a partir de enero del 2014.

19 Caso de estudio Los métodos con que se realiza la verificación de los modelos numéricos son sugeridos por la OMM en el documento WMO/TD No con nombre GUIDELINES ON PERFORMANCE ASSESSMENT OF PUBLIC WEATHER SERVICES en capítulo 4.

20 Caso de estudio Por qué hacer la verificación de los modelos numéricos? Para monitorear la calidad y habilidad del pronóstico. Para mejorar la calidad y habilidad del pronóstico. El primer paso para obtener un mejor pronóstico es descubrir que esta haciendo mal el modelo. Sirve para comparar la calidad de diferentes sistemas de pronóstico. Métodos estándares de verificación Métodos visuales. Métodos dicotómicos (si/no). Métodos multicategoría. Métodos de variables continuas.

21 Conclusión 1) 2) WRF 0.25 grados con 8 Km de resolución 00z WRF 0.25 grados con 8 Km de resolución 12z

22 Conclusión 3) 4) WRF 0.50 grados con 16 Km de resolución 00z WRF 0.50 grados con 16 Km de resolución 12z

23 Conclusión En conclusión el mejor pronóstico en este caso se vio reflejado con datos a 0.25 con la corrida de las 00Z y le siguió el pronóstico realizado con la corrida de las 12Z

24 Nuevos productos Modelo GFS a 0.5. Promedio de divergencia de 300, 250 y 200 hpa Modelo GFS a 0.5. Promedio de convergencia de 700, 850 y 925 hpa

25 Nuevos productos Modelo WRF a 16 km, Promedio de divergencia de 200 y 300 hpa Modelo WRF a 16 km, Promedio de convergencia de 700, 850 y 950 hpa

26 Nuevos productos Modelo GFS a 0.25, Índice GDI (Galvez-Davison Index) Modelo WRF a 16 km, Índice GDI (Galvez-Davison Index)

27 Nuevos productos Modelo ECMWF, Índice GDI (Galvez-Davison Index) Modelo GFS a CAPE + Lifted Index

28 Usuarios Imágenes. Textos. Netcdf. Shapefiles. Csv. Centro nacional de Previsión del Tiempo. Comisión Nacional Forestal. Centro Nacional de Prevención de Desastres. Instituto de investigaciones eléctricas. UNAM-geociencias. Sistema de Alerta Fitosanitaria del Estado de Guanajuato. Gerencia de Aguas Superficiales e Ingeniería de Ríos.

29 Trabajos futuros Se tiene programada una estancia inicial de dos semanas en NCAR con la finalidad de calibrar el modelo por temporada usando criterios de desempeño anual. Establecer un sistema de respaldo operativo del modelo WRF en las maquinas virtuales externas (otra sede) con la finalidad de mantener la continuidad del servicio en caso de un desastre natural. Desarrollar y automatizar transectos con un intervalo de 2 grados con datos del modelo GFS a 0.25 grados.

30 Anexos Características Caso de estudio: Software: ERDAS IMAGINE Índice NDVI (Normalized Difference Vegetation Index) Uso de un recorte de una imagen de satélite y el modelo digital de elevación. Características Blade: 2 Blade Server Chassis Tecal E9000 marca Huawei 30 Romley EP Compute Node, CH121 con : 2 procesadores SandyBridge EP Intel Xeon E MHz 6 Core 2 HDD 300GB 15K 48 GB RAM DDR3

31 Por su atención gracias M. EN C. HUMBERTO HERNANDEZ PERALTA DIRECTOR DE ÁREA DE HURACANES Y TORMENTAS SEVERAS MAT. CARLOS ROSALIO CARIO RAMIREZ JEFE DE PROYECTO DE MODELACIÓN NUMÉRICA L.I. JOSE LUIS SOLIS AGUIRRE MODELACIÓN NUMÉRICA OPERACIONAL I.I.F. NADIA ARACELI PINEDA FLORES MODELACIÓN NUMÉRICA OPERACIONAL L.G. ALEJANDRA LABRADA SANTANA MODELACIÓN NUMÉRICA OPERACIONAL

32 I.I.F. IVÁN CONDE SILVA MODELACIÓN NUMÉRICA OPERACIONAL MET. DARÍO RODRÍGUEZ RANGEL MODELACIÓN NUMÉRICA OPERACIONAL M.C. MARÍA ELENA BRAVO GASCA HURACANES Y TORMENTAS SEVERAS M.C. MA. TERESA FERNÁNDEZ GALICIA HURACANES Y TORMENTAS SEVERAS L.C. MARISSA SAITHE NÚÑEZ HURACANES Y TORMENTAS SEVERAS L.C. ERICK EUGENIO ROMERO HURACANES Y TORMENTAS SEVERAS