MM5 ve Data Asimilasyonu

1. MM5 ve Data Asimilasyonu BÜLENT YAĞCI MERAL SEZER Devlet Meteoroloji İşleri Genel Md Sayısal Hava Tahmini Şube Md.

2. İÇERİK • Sayısal Hava Tahmini Şube Müdürlüğü • Tahmin Sistemimiz • MM5 Tahmin Modeli • Ürünlerimiz • Data Asimilasyonu

3. Sayısal Hava Tahmini Şube Müdürlüğü • 07.04.2000 tarih ve 622 sayılı Bakanlar Kurulu Kararı ve makamın 01.02.2002 tarihli oluru ile Hava Tahminleri Daire Başkanlığı bünyesinde kurulmuştur. • Sayısal Hava Tahmin modelleri çalıştırmak suretiyle, hava ve deniz tahminine yönelik meteorolojik ürünler hazırlamak ve bu ürünleri kullanıcılara sunmak görevleri arasındadır.

4. Tahmin Sistemimiz • Orta vade Tahmin Sistemi (3 -10 gün) • IFS -ECMWF Deterministik Model Ürünleri • EPS –ECMWF Model Ürünleri (EPS:Ensemble Predicton System) • Kısa vadeli hava tahminine yönelik modeller (0-48 saat) • MM5 (Meso-scale model 5th Generation) • LM (local model) (araştırma amaçlı) • Dalga Tahmin Modeli • ECMWF Dalga modeli (0-120 saat) • METU3 Yerel Dalga Tahmin Modeli (0 – 72 saat)

5. MM5 • TEFER projesi kapsamında alınan HPC üzerinde • Günde 00UTC,06UTC,12UTC,18UTC de olmak üzere 4 defa • İki ayrı alanda iki farklı çözünürlükte eş zamanlı olarak (1.alan 27 km, 2.alan 9 km çözünürlükte) operasyonel olarak çalıştırılmaktadır.

6. Operasyonel Ürünler • Bütün basınç seviyelerinde : Sıcaklık, Rüzgar, Geopotansiyel yükseklik, Nem, Düşey velocity, Akış çizgileri, Diverjans, Vorticity, Kalınlık v.b. • Yer Seviyesi: MSLP, 2m sıcaklığı , 10 m rüzgarı, Toplam yağış, Kar karışma oranı, Yağışa geçebilir su miktarı v.b. • İstasyon bazlı ürünler: Meteogramlar, Temp diyagramları

7. MM5 Akış Diyagramı BC suite (ECMWF) Pre-Grid MM5 için data Formatını değiştirir. Pre-processing Yatay çözünürlüğü İstenilen değere çevirir. Regrider PROCESSING Interpf MM5 Basınç Seviyelerini Sigmaya çevirir.

8. MM5 Akış Diyagramı Temp Metogramlar ÜRÜNLER Post-Processing RIP PROCESSING Standart Haritalar MM5

9. Başlangıç ve Sınır Koşulları Sadece t+0 step’i tüm alan olarak, t+3’den t+48’e kadar ise önceden belirlenen çerçevenin içi boş olarak data alınmaktadır. Bu durum MM5’ın çalıştırılması için ekstradan çalışma gerektirmektedir. Sınırdaki datalar için bitmap kullanılması gereklidir. MM5 modeline input olarak verilen başlangıç ve sınır koşulları, “ECMWF Boundary Conditions (BC) suite ” projesi çerçevesinde alınmaktadır.

10. En Dıştaki Sınır Datası Yerleşimi

13. MM5 da Kullanılan Nest 2. ALAN (9 km çözünürlükte) • ALAN (27 km çözünürlükte)

16. Harita Projeksiyonu Lambert Conformal Polar Stereographic Mercator

17. Lambert Conformal

18. MM5 Parametrizasyon Setleri Mikrofizik parametrizasyon seçenekleri: • Dry • Stable • Warm microphysics • Simple ice • Mixed phase • Godcard • Reisner graupel • Schultz microphysics PBL (Planetary boundary Layer) Seçenekleri: • None • Buk • High-res.Blackadar • Burk-Thampson • Eta • MRF • Gayno-Seaman Radyasyon parametrizasyon Seçenekleri: • None • Simple cooling • Cloud-radiation • CCM2 • RRTM longwave Konvektif Parametrizasyon Seçenekleri • None • Anthes-Kuo • Grell • Arakawa-Schubert • Fritsch-Chappell • Kain-Fritsch • Betts-Miller • Shalbw Cumulus

22. Model Hataları Sistematik Hatalar • Fiziksel parametrizasyon problemleri • Çözünürlükten kaynaklanan problemler • Model topografyası ile gerçek topografya arasındaki farklar Sistematik Olmayan Hatalar • Başlangıç koşullarındaki hatalar

23. Niçin Data Asimilasyonu? • Daha doğru tahmin için iyileştirilmiş ve hatadan ayıklanmış başlangıç koşulları • Gözlemlerin yetersiz ve düzensiz olması

24. Data Asimilasyon State vektor, A priori İnformation, , and errors • Background state • Forecast Observations, , and errors • Sondes • Surface stations • Ships • Satellites Models (“ forward models”) • Linking model state to observations Assimilation Algorithm (“inverse model”) • Optimal Interpolation • Variational Data Assimilation • Kalman Filter

25. Data Asimilasyonu Önceki tahmin (background) Gözlemler Modelin başlangıç koşulları, önceki tahmin ve gözlemlerin istatistiksel yaklaşımla elde edilmesine data asimilasyonu denir. t=0 için Atmosferin durumunu gösteren bu tahmine analiz denir. Kalite Kontrol ve interpolasyon Bölgesel Analiz (istatiksel interpolasyon) ve dengeleme Başlangıç koşullları Global modelden sınır koşulları Bölgesel Tahmin Model T+1 tahmin Operasyonel tahmin

26. Method • Least Square Yaklaşımı (Optimal Interpolation) • Analiz hatasının varyansının minumumu • xa = xb+ W [yo – H xb] Analiz Gözlem operatoru Optimal Weight matrix Background B:Background error covariance matrix R: Observation error covariance matrix

27. Method • Variational Yaklaşım (3D-Var,4D-Var ) • Bayes’ teorem • Maksimum Olasılık minumum cost fonksiyon xa = min J 2 J= [H x - yo]TR–1[H x - yo] +[x - xb]T B-1 [x - xb] • Optimizasyon metodları (Gradient Methods, Adjoint Method )

28. MM5 – 3DVar Data Asimilasyonu Forecast MM5 Background Preprocessing 3DVar Observation Preprocessor Update Boundary Conditions B Background Error Calculation

29. Motivasyon MM5-3DVAR • 3DVAR çalışma süresi ve bilgisayar kapasitesi açısından daha etkin. • Açık kod olması • Gelecekte 4DVAR a geliştirilebilir olması

30. Background Covariance Matrix (B) • vektörünü bilmediğimiz için background hata vektörünü bilmiyoruz.Uygulamada • observation – background istatistikleri (Hollingsworth and Lönnbergmethod) • İki farklı tahmin farkının istatistikleri (NMC method) • Ensemble analizinden elde edilmiş background farklarının istatistikleri (The Analysis- Ensemble method) • B matrisinin boyutunun (~ ) büyük olması

31. Teşekkürler ….