290 likes | 441 Views
Costruzione di una base dati storica dei campi di vento sulla Provincia di Torino Realizzazione del progetto. S. Finardi. Articolazione del progetto. Raccolta, analisi e selezione delle osservazioni meteorologiche.
E N D
Costruzione di una base dati storica dei campi di vento sulla Provincia di TorinoRealizzazione del progetto S. Finardi
Articolazione del progetto • Raccolta, analisi e selezione delle osservazioni meteorologiche. • Costruzione della catena di modelli meteorologici: MINERVE + SURFPRO + Convertitore. • Esecuzione di simulazioni preliminari. • Costruzione di un Data-Base di campi di vento, temperatura e turbolenza atmosferica con risoluzione di 1 km e su base oraria. • Costruzione di un software interattivo per l’estrazione dei dati dal Data-Base. • Verifica di qualità del Data-Base. • Estrazione di mappe di ventosità del territorio provinciale.
Schema elaborazione Dati meteorologici della rete di rilevamento della Provincia Osservazioni locali: radiazione solare Data Base: Vento, temperatura, Stabilità, turbolenza Dati meteorologici del Servizio Meteorologico Regionale MINERVE + SURFPRO Dati sinottici del SMAM ed analisi ECMWF Orografia e uso del suolo
Analisi e selezione delle osservazioni meteorologiche • Dati meteorologici disponibili: • Analisi ECMWF; • Dati dell’Aeronautica Militare: SYNOP, TEMP; • Osservazioni della rete meteorologica regionale (Regione Piemonte); • Osservazioni della rete di qualità dell’aria della Provincia di Torino
Selezione delle postazioni meteo • Criteri di selezione: • numerosità dei dati; • rappresentatività spaziale delle osservazioni; • eventuale ridondanza di postazioni rispetto alla risoluzione di calcolo; • confronto con le postazioni vicine; • analisi delle simulazioni di prova
Dati meteorologici utilizzati • Vento: • Profili ECMWF; • Osservazioni al suolo (reti Provincia, Regione, SMAM); • Temperatura: • Profili SMAM Milano-Linate; • Osservazioni al suolo (reti Provincia, Regione, SMAM); Postazioni escluse 1) Le Selle; 2) Pietrastretta; 3) Finiere; 4) Prarotto; 5) Clot della Somma; 6) Beinasco; 7) Settimo; 8) Chieri; 9) Druento.
Modelli Meteorologici MINERVE Modello diagnostico di tipo Mass Consistent Ricostruzione dei campi 3D di vento e temperatura a partire da osservazioni al suolo e in quota, orografia e rugosità superficiale SURFPRO Pre-processore meteorologico diagnostico Ricostruzione dei parametri di scala della turbolenza atmosferica, classi di stabilità e altezza di rimescolamento a partire dai campi di vento, temperatura e dalle caratteristiche della superficie
Dominio di Calcolo Livelli verticali: 25 z_min = 12 m z_max = 10800 m Dimensione: 125 x 105 km2 Risoluzione: 1 km
Simulazioni preliminari • Scopi: • definizione dei parametri di controllo delle simulazioni: (ad es. scelta della modalità di interpolazione); • verifica del set di osservazioni selezionate; • Periodi selezionati: • 20-31/01/2000 - superamenti della soglia di attenzione per NO2 nel periodo 28-31. Föhn sulla regione alpina il 29-30. • 15-25/07/1999 - superamenti della soglia di attenzione per le concentrazioni medie orarie di O3.
Radiazione e Stabilità 30/01/2000 15:00 Solar radiation MO Length
Base Dati Periodo coperto: 01/06/1999 - 31/05/2000; Risoluzione spaziale: 1 km; Strato atmosferico coperto: 2000 m; frequenza temporale: 1 ora; Variabili 3D: 1. velocità (m/s) e direzione (deg) vento; 2. temperatura (K); Variabili 2D: 1. radiazione solare globale (W/m2), 2. flusso di calore sensibile (W/m2), 3. friction velocity - u* (m/s), 4. lunghezza di Monin-Obukhov (m), 5. velocità di scala convettiva - w* (m/s), 6. altezza di rimescolamento (m), 7. classe di stabilità di Pasquill/Gifford/Turner.
Schema estrazione Data Base: Vento, temperatura, Stabilità, turbolenza Variabili di Input (coordinate dei punti di estrazione, quote, ..) ESTRATTORE Serie storiche di dati meteorologici orari
Possibili Sviluppi Futuri • Ricostruzione dei campi meteorologici su altre aree • Utilizzo di tecniche modellistiche avanzate: • modelli meteorologici non-idrostatici; • tecniche di assimilazione dati; • utilizzo di differenti tipologie di osservazioni (immagini da satellite, remote sensing, radar, …) per la produzione di reanalisi a piccola scala;