Predicción del viento a escalas sub-kilométricas
Resumen
La continua mejora en la potencia de cálculo de los ordenadores nos permiten aumentar la resolución en los modelos de predicción numérica del tiempo, y de esta forma poder utilizar los modelos de mesoescala de forma operativa. Actualmente podemos hablar de un modelo de alta resolución para resoluciones por debajo de unos 4 km en los que se considera que la convección profunda puede tratarse explícitamente. El modelo HARMONIE es uno de estos modelos. HARMONIE es un modelo de área limitada espectral no-hidrostático, desarrollado por MeteoFrance y ALADIN, en colaboración con el Centro Europeo de Prediccion Meteorologia a Medio Plazo (European Centre for Medium-Range Weather Forecasts, ECMWF) y el consorcio HIRLAM. Las característica generales del modelo HARMONIE podemos encontrarlo en Morales et al. (2014) aunque describiremos brevemente algunas características. Esta construido sobre el núcleo dinámico ALADIN-NH (no-hidrostático), que es espectral biFourier (asumiendo una zona de extensión para la bi-periodicidad de los campos). En su parte temporal es semi-implicito y semi-lagrangiano de dos pasos de tiempo con una coordenada híbrida en la vertical Existen varias parametrizaciones posibles para la física. Nosotros utilizaremos la configuración AROME, adecuada para resoluciones por debajo de 2.5 km (ver Seity et al., 2011 para una descripción más detallada). En principio HARMONIE pueda ser ejecutado a muy alta resolución incluyendo simulaciones LES (Large Eddy Simulation) pero el modelo está especialmente preparado para resoluciones de unos 2.5 km. El objetivo de este trabajo es explorar el potencial del modelo HARMONIE para la predicción a escalas sub-kilométricas y en particular su utilización para simulaciones de viento a muy alta resolución. El aumento de la resolución horizontal requiere bases de datos topográficos y fisiográficos de resolución varias veces mayor a la del modelo. En la práctica el modelo utiliza una topografía media partiendo de estas bases de datos. Por otra parte se ha demostrado que es beneficioso suavizar algo esta topografía media resultante para evitar problemas de ruido en pequeña escala en los niveles inferiores del modelo, que pueden trasladarse a escalas mayores yniveles más altos (ondas de gravedad). Por eso HARMONIE realiza un suavizado espectral orográfico evitando así un posible aliasing. La resolución efectiva del modelo (Skamarock, 2004) es del orden de unas 6-8 veces el espaciado de la malla. Un problema frecuente es el de la aparición de inestabilidad numérica en los modelos cuando aumentamos la resolución horizontal debido a que el ruido puede producir una acumulación de energía en las escalas pequeñas. El trabajo está organizado como sigue. La sección 2 explica el diseño de los experimentos. En la sección 3 describe la topográfica del modelo, la actualización de las bases de datos orográficas por unas de mayor resolución. La sección 4 introduce el análisis espectral que será necesario para entender los problemas de estabilidad que pueden aparecer en alta resolución, y las estrategias seguidas para estabilizar el modelo se describen en la sección 5. Por último, resumen y conclusiones en la sección 6.
Citas
Se ha actualizado la base de datos topográfico para adecuarla a las necesitades de la modelización a muy alta resolución. Se han utilizado dos: la del IGN (200 m) con cobertura nacional, y ASTER (~30 m) con cobertura global, produciendo resultados prácticamente idénticos. Los experimentos con estas bases de datos de alta resolución dejan sentir más la influencia del terreno, y mejora la predicción de viento al aumentar la resolución. Hemos encontrado problemas de estabilidad a resoluciones de 1km o inferiores. Para solventar el problema hemos utilizado diversas difusiones horizontales, pero esto no ha sido suficiente para estabilizar el modelo, sólo logra retrasar su aparición. Reemplazar el esquema temporal operativo SETTLS por PC estabiliza el modelo, pero PC presenta mayor spinup y ruido. Además, Predictor-Corrector puede modificar sustancialmente los campos meteorológicos. La incorporación de las Condiciones de Contorno Superiores estabiliza el modelo incluso con el esquema temporal de referencia SETTLS y tiene poco impacto en los campos meteorológicos.
Referencias
Blažica, V., Žagar, N., Strajnar, B. and Cedilnik, J. 2013. Rotational and divergent kinetic energy in the mesoscale model ALADIN. Tellus A 2013, 65, 18918. Coiffier, J. 2011. Fundamentals of numerical weather prediction. Cambridge university press, new york, NY. Hardback, 340 PP. ISBN 978-1107-00103-9. Hortal, M. 2002. The development and testing of a new two-time-level semi-Lagrangian scheme (SETTLS) in the ECMWF forecast model. Quart. J. Roy. Meteor. Soc., 128, 1671-87. Lauritzen, P. H., C. Jablonowski, M. A. Taylor and R. D. Nair (Eds.). 2011. Numerical techniques for global atmospheric models. Lecture Notes in Computational Science and Engineering, Springer, Vol. 80, 556 pp. Morales, G. Martin, D. y Calvo, J. 2014. HARMONIE/AROME: Predicción operativa a escalas convectivas. En este volumen. O’Brien, E. 2012. Numerical Stability and Kinetic Energy Spectra in High-Resolution HARMONIE. HIRLAM Newsletter no. 59. Skamarock, W. C. 2004. Evaluating mesoscale NWP models using kinetic energy spectra. Mon. Wea. Rev. 132, 30193032. Vàňa, F., Bènard, P., Geleyn, J-F., Simon, A. and Seity, Y. 2008. Semi-lagrangian advection scheme with controlled damping: an alternative to nonlinear horizontal diffusion in a numerical weather prediction model. Q. J. R. Meteor. Soc. 134, 523537.
