150 likes | 361 Views
Högupplösta modeller. Räcker det inte med Hirlam? Problem med verifikation , r epresentationsproblemet. Fler detaljer men .... S torleken på området viktig. Beräkningskostnad – begränsningar. Vad finns det för modeller?.
E N D
Högupplösta modeller • Räcker det inte med Hirlam? • Problem med verifikation, representationsproblemet. • Fler detaljer men .... • Storleken på området viktig. • Beräkningskostnad – begränsningar. • Vad finns det för modeller?
Högupplösta modellerVad är det för fel på HIRLAM? Kan vi inte bara minska gridavståndet? Radar 2007012406 H11 2007012400+06 Obsar 2007012406 H05 2007012400+06
Högupplösta modellerVad är det för fel på HIRLAM? Kan vi inte bara minska gridavståndet? Konvektion sjöbris, brant terräng Det hydrostatiska antagandet gäller inte längre. Ger en mer komplicerad modell En icke-hydrostatisk modell
Högupplösta modellerVad är det för fel på HIRLAM? Kan vi inte bara minska gridavståndet? ~ 1 km ~ 1 km
Högupplösta modellerVerifikation, representationsproblemet En mer realistisk simulerad händelse något förskjuten i tiden eller i rummet ger sämre verifikation med de mått vi använder idag. Observation och högupplöst prognos Observation och lågupplöst prognos
Högupplösta modellerFler detaljer men…. • Högre upplösning ger fler detaljer, men inte per automatik rätt detaljer. • Tillståndet när vi startar prognosen och en korrekt beskrivning av marken blir allt viktigare. Vi behöver en MESOSKALIG assimilation. • Hög horisontell upplösning ger en bra respons på t.e.x vind, men för att beskriva moln bra, krävs också en högre vertikal upplösning. • Vi måste ju börja i någon ände …
Högupplösta modellerFler detaljer men…. 13 grader i Glan i början av Juli
Högupplösta modellerFler detaljer men…. Rätt kartläggning av vegetationen har också stor betydelse.
Mesoskalig assimilation För prognoser på korta tids- och rums-skalor blir drivningen från ytan allt viktigare. Eftersom vi inte kan mäta överallt blir assimilation av satellit- och radar-information allt viktigare. För att fånga snabba förändringar behöver vi hög tidsupplösning och 4DVAR, en assimilation som tar hänsyn till observationens tidpunkt.
MESOSKALIG ASSIMILATION Hur sprider vi observationer i modellen?Vi vill inte sprida havsobservationer över land eller motsvarande. HIRLAM 11 km MESAN
Mesoskaliga observationerHelsinki testbed • Observationskampanj med högupplöst observationsnät under 2006-2007. • Mesoskalig meteorologisk forskning inriktad på • Fenomen • Prognoser • Assimilation • Instrumentering • SYNOP, Radar, Vindprofilerare, Master, Molnhöjdsmätare, Regnmätare, Blixtpejling, Satellit ( METEOSAT, NOAA) Radar och synop 20070126
Storleken på området viktigModellområdet måste vara tillräckligt stort, exempel från Ungern RADAR SYNOP Litet område Stort område
Högupplösta modellerBeräkningskostnad - begränsningar • Fördubbla antalet gridpunkter 2*2 ggr • Kortare tidssteg 2 ggr • Mer avancerad fysik/dynamik 3 ggr • Totalt : 2*2*2*3 ~ 25 ggr dyrare • Att jämföra med 4DVAR som kostar ~5-10 ggr mer än 3DVAR. • Låt HIRLAM 5.5km bli AROME 2.5 km
Högupplösta modellerVad finns det för modeller? • MC2 – Kanadensisk modell • MM5 – Välanvänd modell från universitetsvärlden i USA (NCAR) • LM – DWD Lokal Modell – körs nu med 2.8 kms upplösning • UM – UKMO Unified Model – körs med 4 kms upplösning av met.no • TARTU – icke-hydrostatisk Hirlam • GEM – Kanadensisk modell • WRF – Efterföljaren till MM5 – Uppsamling av all kunskap i USA (NCAR) • COAMPS – US Navy • JMR – Japansk modell • RAMS – Amerikansk universitetsmodell (Colorado State) • NCEP-MESO (Eta) – National Weather Service • ALADIN/AROME – Meteo France mesoskaliga satsning i samarbete med Hirlam