DIRECCIÓN DE HURACANES Y TORMENTAS

SEVERAS

SUBGERENCIA DE MONITOREO ATMOSFÉRICO

AMBIENTAL

17DE NOVIEMBRE DE 2017

COMISIÓN NACIONAL DEL AGUA

COORDINACIÓN GENERAL DEL SERVICIO METEOROLÓGICO

NACIONAL

ACTUALIZACIÓN DEL MODELO WRF

OPERATIVO EN LA CGSMN

Antecedentes

La modelación numérica es la herramienta por excelenciafundamental usada por meteorólogos para generar elpronóstico operativo rutinario en cualquier centrometeorológico en todo el mundo.

Antecedentes

Modelo Año Versión Características Equipo

MM5 2000 3.3.0 • Malla madre: 45x45• Mallas anidadas: 15x15• Malla secundaria: 5x5

• supercomputadora SiliconGraphics

• 8 procesadores RISC12000

• Modelo Origin 2000

WRF 2009 2.2 • Malla madre: 45x45• Mallas anidadas: 15x15• Malla secundaria: 5x5• Niveles: 23

• Clúster HP• 14 procesadores

WRF 2012 3.3 • Datos: GFS de .5°• Horas: 00Z y 12Z• Resolución: 8 y 4 km• Parametrización: Kain-Fritsch• Niveles: 35

• Equipo Dell T5500• RAM de 4GB• Procesadores Intel xeon a

3.4 Ghz• 8 cores

Antecedentes

Modelo Año Versión Características Equipo

WRF 2014 3.6 • 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 ydoble virtual

• Configurado como clústermaestro + 10 clientes (264cores)

WRF 2017 3.9 • 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 ydoble virtual

• Configurado como clústermaestro + 10 clientes (264cores)

Antecedentes

Clúster HP Clúster Rossby Blade (VM)

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.

Objetivos

Desarrollo

El modelo de pronóstico e investigación del tiempo (WRF) es un sistema numéricode predicción meteorológica de mesoescala de nueva generación diseñado para lainvestigación atmosférica y las aplicaciones de predicción operativa.

El esfuerzo para desarrollar WRF comenzó en la última parte de la década de 1990 yfue una asociación de colaboración del Centro Nacional de InvestigacionesAtmosféricas (NCAR), la Administración Nacional Oceánica y Atmosférica(representado por los Centros Nacionales de Predicción Ambiental (NCEP) y elentonces Laboratorio de Sistemas de Previsión (FSL)), la entonces AgenciaMeteorológica de la fuerza Aérea (AFWA), el Laboratorio de Investigación Naval, laUniversidad de Oklahoma y la Administración Federal de Aviación (FAA).

Desarrollo

Un servidor virtual privado (VPS, del inglés virtual private server) es un método departicionar un servidor físico en varios servidores de tal forma que todo funcionecomo si se estuviese ejecutando en una única máquina. Cada servidor virtual es capazde funcionar bajo su propio sistema operativo y además cada servidor puede serreiniciado 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

Desarrollo

Modelo Año Versión Características Equipo

WRFVirtual

2016 3.6 • Datos: GFS de .5°• Horas: 00Z, 06Z, 12Z y 18Z• Resolución: 16 km• Parametrización: Kain-Fritsch• Malla madre: 260x187

• S.O.: CentOS 6.6• Memoria: 32 GB

Procesadores: 12 cores• Discos Duros: 1 Disco

Duro Virtual de 300 GB• Conexión: VNC y SSH

WRFVirtual

2017 3.9 • Datos: GFS de .5°• Horas: 00Z, 06Z, 12Z y 18Z• Resolución: 16 km• Parametrización: Kain-Fritsch• Malla madre: 260x187

• S.O.: CentOS 6.6• Memoria: 32 GB

Procesadores: 12 cores• Discos Duros: 1 Disco

Duro Virtual de 300 GB• Conexión: VNC y SSH

WRFVirtual

2017 3.9 • 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

Desarrollo

Dominio principal 260x187

Desarrollo

WRF (Rossby) WRF (VM)

Configuración del modelo WRF para un pronóstico a 3 días:–Versión: 3.9.1–Resolución: 16 km–Datos GFS: .50°–Dominio: 260*187

Desarrollo

Nueva configuración del namelist.input:

&domainstarget_cfl -> Paso del tiempo que el modelo puede utilizar mientras se mantiene el modelonuméricamente estable ajustándolo en el criterio de estabilidad horizontal y vertical (Condición CFL)max_step_increase_pct -> Porcentaje del paso del tiempo

&physicsmp_physics -> Opción de microfísicara_lw_physics -> Radiación de onda largara_sw_physics -> Radiación de onda cortaTopo_wind -> Corrección relacionada con la varianza del terreno

&dynamicsw_damping -> Bandera de amortiguación de velocidad verticaldiff_opt -> Turbulencia y opción de combinacióndamp_opt -> Bandera de amortiguación de nivel superior

Desarrollo

• Configuración del modelo WRF para un pronóstico a1 día con cambios en el namelist.input:

– Versión: 3.9.1– Resolución: 8 km– Datos GFS: .25– Dominio: 500 x 400

WRF (VM) WRF (VM)

Configuración del modelo WRF para un pronóstico a 3días:

–Versión: 3.9.1–Resolución: 16 km–Datos GFS: .50°–Dominio: 260*187

Desarrollo

Zona horaria

Hora de ejecuciónWPS

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

Zona horaria

Hora de ejecuciónWRFV3

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 ejecuciónVARIABLES

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 ejecuciónCARTAS

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

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 294.6 mm

hasta las 19 horas del 6 de abril..

Máxima histórica registrada de

170.7 mm (5 de abril de 1974)

368 mm en Tapijulapa de

Tacotalpa

La precipitación extraordinaria estuvo ligada aun entorno favorable para el desarrollo deconvección profunda, debido a la interacción delsistema frontal No. 39 ubicado en el oriente delGolfo de México el cual ingresó al territorionacional por la frontera de Veracruz y Tabascohasta los estados del centro del país, conadvección de humedad proveniente del MarCaribe y forzamiento orográfico de la región; elcual se generó por los vientos de componentenorte sobre la región montañosa comprendidaentre Chiapas y Tabasco, superándose en estedía la máxima histórica.

• Sistema frontal numero 39.• Advección de humedad del Mar Caribe.• Forzamiento orográfico (vientos de componente norte).

Caso de estudio

Verificación objetiva del modelo WRF

La verificación objetiva de los modelos numéricos de la atmosfera evalúa la calidad y habilidad de lospronósticos numéricos que son utilizados para la predicción del tiempo meteorológico. Los desarrollospara construir y probar la verificación se realizaron durante los años 2012, 2013 y comenzaron aimplementarse operativamente a partir de enero del 2014.

Caso de estudio

Los métodos con que se realiza la verificación de los modelos numéricos son sugeridos por la OMM en eldocumento WMO/TD No. 1023 con nombre GUIDELINES ON PERFORMANCE ASSESSMENT OF PUBLICWEATHER SERVICES en capítulo 4.

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.

Conclusión

1) 2)

WRF 0.25 grados con 8 Km de resolución 00z WRF 0.25 grados con 8 Km de resolución 12z

Conclusión

WRF 0.50 grados con 16 Km de resolución 00z WRF 0.50 grados con 16 Km de resolución 12z

3) 4)

Conclusión

En conclusión el mejor pronóstico en este caso se vio reflejado condatos a 0.25° con la corrida de las 00Z y le siguió el pronósticorealizado con la corrida de las 12Z

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

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

Nuevos productos

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

Nuevos productos

Modelo GFS a 0.25°. CAPE + Lifted IndexModelo ECMWF, Índice GDI (Galvez-Davison Index)

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.

Trabajos futuros

• Se tiene programada una estancia inicial de dos semanas en NCAR con la finalidadde calibrar el modelo por temporada usando criterios de desempeño anual.

• Establecer un sistema de respaldo operativo del modelo WRF en las maquinasvirtuales externas (otra sede) con la finalidad de mantener la continuidad delservicio en caso de un desastre natural.

• Desarrollar y automatizar transectos con un intervalo de 2 grados con datos delmodelo GFS a 0.25 grados.

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 E5-2630 2300MHz 6 Core• 2 HDD 300GB 15K• 48 GB RAM DDR3

Por su atención graciasM. 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

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