Mallinnus ja laskenta Ilmatieteen laitoksella Laitoksen riippuvuus laskennasta... Johan Silén,

Transkriptio

1 Mallinnus ja laskenta Ilmatieteen laitoksella Laitoksen riippuvuus laskennasta... Johan Silén,

2 Historia Taustaa Humboldt --> von Neumann Tavoite Mitä voidaan saavutta? Paljonko maksaa? Mihin voimme luottaa? Mittaukset ja mallit? Johtopäätöksiä Ilmatieteen laitos / PowerPoint ohjeistus

3 Ilmatieteen laitos Johan Jacob Nervander Humboldtin hypoteesi oli että magneettikenttä on jotenkin tekemisissä yläpilvien muodostumisen kanssa ja siten vaikuttaa ilmastoon. Ilmatieteen laitos / PowerPoint ohjeistus

4 Ilmatieteen laitos / PowerPoint ohjeistus

5 Ilmatieteen laitos / PowerPoint ohjeistus

6 Auringon aktiivisuus muokkaa heliosfäärin kokoa muuttaen kosmisen säteilyn määrän ja sitenc14 tuoton. Mahdollista mitata auringon teho menneisyydessä! Ilmatieteen laitos / PowerPoint ohjeistus

7 Total solar irradiance forcing Recent reconstructions have drastically reduced the range of solar variations from the Maunder Minimum to now! (MPI for Solar System Research, Krivova et al.) ~0.1% No effects of UV and IR bands implemented yet Courtesy: N. Krivova, 02/

8 Historia Vilhelm Bjerknes 1904 : On mahdollista ennustaa sää ratkaisemalla liikeyhtälöt. Lewis Fry Richardson ~1916 : ensimmäinen ennuste yhtälöiden ratkaisulla. 2. maailman sota kehitti toimintoja. Ensimmäiset tietokoneet: - ENIAC (USA), Colossus (UK) Ruotsi, 1954 : ensimmäiset operatiiviset ennusteet (C.G.Rossby) Nykyisin mesoskaalan ilmiöitä superlaskimilla (~ km) Markku Kangas/FMI

9 Numeerinen laskenta Ilmakehätilavuus erillisiksi pisteiksi - pisteiden väli = erottelukyky = tarkkuus Ilmakehän perusyhtälöt - jatkuvuus, lämpötila, liikemäärä, kosteus Ei suoraa ratkaisua kaikille ilmiöille - rajallinen erottelukyky (säämalleissa ~10-20 km) - parametrisointi pilvet, konvektio, turbulenssi vuorovaikutus maanpinnan kanssa Markku Kangas/FMI erottelukyky

10 Kaoottisuus Suuri herkkyys lähtötilanteelle ECMWF plumes : Helsinki - sää "eri kehityspolulle" Ensembe Prediction System (EPS) - parviennuste - häiritään alkutilaa ja/tai fysikaalisia parametreja - deterministisen ennusteen lisäksi 50 erilaista häirittyä ennustetta - kuvaavat sään muita mahdollisia kehityskaaria - hajonta riippuu ilmakehän tilan kehittymisen ennustettavuudesta Markku Kangas/FMI Madrid

11 Numerinen meteorologia Data-assimilation Oletukset Havainnot Start värden Ennuste laskenta Ennusteet Analyysit Data-assimilaatio kaoottiset yhtälöt ennustelaskennan alkutila tärkeä ongelma : havainnot harvoja, epätasaisesti jakautuneita avuksi : säämalli antaa periaatteessa koko ilmakehän tilan ratkaisu : yhdistetään alkutila optimaalisesti havainnoista ja aiemmasta ennusteesta (ennakkokenttä) kyseiselle ajanhetkelle - Hirlam : 4-dimensioinen variaatioanalyysi (4DVAR) - toistaiseksi käytössä vain 3-4 LAM-mallissa maailmassa Markku Kangas/FMI

12 Euroopan LAM-konsortiot HIRLAM HIRLAM (9) High Resolution Limited Area Model ALADIN (12) COSMO (5) UK (1) 9 maata - kehitys + operatiivinen käyttö - IL Lead Center for RCR (Hirlam referenssi operatiivisessa käytössä) ECMWF - European Centre for Medium-Range Weather Forecasts - globaali ennuste : reuna-arvot LAM-malleille Hirlam ver 1.0 v : Hirlam 6 Markku Kangas/FMI Hirlam HirlamAA+ Aladin = HARMONIE (1-3 km mesomalli)

13 Säämallit Ilmatieteen laitoksessa RCR = Hirlam Regular Cycle with the Reference system Säämallien laskenta-alueet RCR > MBE > AROME 538 x dh = 0.15o~16 km, dt = 6 min - 60 tasoa pystysuunnassa ( hpa) MBE = Hirlam Meso BEta model (MB71) 482 x x dh = 0.068o~ 7.5 km, dt = 3 min - 60 tasoa pystysuunnassa ( hpa) AROME - dh = 2.5 km, dt = 1 min - 40 tasoa pystysuunnassa ( hpa) - epähydrostaattinen, uuden sukupolven malli Markku Kangas/FMI ECMWF reunat

14 HIRLAM RCR -mallin käyttö 54 h ennuste : 00, 06, 12, 18 UTC Alkutilanteen tarkennus (4 krt/vrk) - ennakkokenttä ennusteille yhdistämällä globaalin mallin (ECMWF) havaintoanalyysiin Tietokantaan vienti, visualisointi - jatkokäsittely, jatkosovellukset - Markku Kangas/FMI

15 The Lorenz Attractor one flap of a sea-gull s wing may forever change the future course of the weather (Lorenz, 1963)

16 Scientific basis for Ensemble Predictions X = σx + σy Y = XZ + rx Y Z = XY bz IC IC cold warm cold IC warm cold warm In a non-linear dynamical system, the growth of uncertainties in initial conditions is flow dependant Markku Kangas/FMI

17 Kaoottiset yhtälöt: Edward Lorenz, ,506 (p.o. 0,506127) Markku Kangas/FMI Pienet virheet kasvavat

18 IL:n tietokonejärjestelmä Silicon Graphics Altix-3700 BX2 - Intel Itanium 2 -prosessori, 1.5 GHz, 4 Mtavun välimuisti, 6 GFlops / pros prosessoria 2 osassa : jumbo/256 + sambo/48 1 GB / 2 GB jaettua keskusmuistia/pros. Hirlam : jumbo/121 pros. - varakone = sambo/42 pros. - Novell Suse Linux, Intel-kääntäjät - LSF-eräajojärjestelmä Hirlam RCR ennuste: 25 min (seinäkelloaikaa) - Koko laskentasykli (tulokset ladattavissa tietokantaan ; havaintojen käsittely, analyysi, ennuste) odotusaikoineen: min

19 IBM 155 p / ECMWF Laskentatehon kehitys GFlops = 109 laskutoimitusta sekunnissa p p690/ GFlops VPP5000/100 + VPP700 p690/512 Gflops VPP700/46V Cray XT4 Altix PP700/46 T3E/ C-90/ Teho-PC 2008 (quad core) Y-MP/8 C-94/16 X-MP/ X-MP/2 CRAY-1 X-MP/ ECMWF Performance CSC Performance FMI Performance FMI Altix

20 IBM 155 p / ECMWF Laskentatehon kehitys GFlops = 109 laskutoimitusta sekunnissa p p690/ GFlops VPP5000/100 + VPP700 p690/512 Gflops VPP700/46V Cray XT4 Altix PP700/46 T3E/ C-90/ Teho-PC 2008 (quad core) Y-MP/8 C-94/16 X-MP/ X-MP/2 CRAY-1 X-MP/ ECMWF Performance CSC Performance FMI Performance FMI Altix

21 Source : Dominique Marbouty, Meteorology in a European context (MarboutyECMWF_Helsinki_ ppt) Ennustetarkkuuden kehitys ECMWF model scores : Anomaliakorrelaatio ; kuinka hyvin malli korreloi ilmakehässä tapahtuvien muutosten kanssa (%); 3, 5 ja 7 pv ennusteet Ennusteen parannus ~1 pv / 10v Anomaly correlation of 500 HPa height forecasts (%) Markku Kangas/FMI käytettavyyden raja = 60%

22 Tulevaisuus!?!?! Laskentakyvyn lisäys Erottelukyvyn parannus (~ km, < km) Markku Kangas/FMI

23 Tulevaisuus!?!?! Laskentakyvyn lisäys Erottelukyvyn parannus (~ km, < km) Ongelma : kasvava datamäärä superkone = tietokone, jossa laskentaongelma muuttuu dataongelmaksi => uudet tallennusmenetelmät

24 Tulevaisuus!?!?! Laskentakyvyn lisäys Erottelukyvyn parannus (~ km, < km) Ongelma : kasvava datamäärä superkone = tietokone, jossa laskentaongelma muuttuu dataongelmaksi => uudet tallennusmenetelmät Nowcasting hyvin lyhyen ajan ennusteet

25 Tulevaisuus!?!?! Laskentakyvyn lisäys Erottelukyvyn parannus (~ km, < km) Ongelma : kasvava datamäärä superkone = tietokone, jossa laskentaongelma muuttuu dataongelmaksi => uudet tallennusmenetelmät Nowcasting hyvin lyhyen ajan ennusteet Uudet havaintomenetelmät (data-assimilaatio) uudet satelliitit (sää-, GPS-), säätutkat (sade, tuuli)

26 Tulevaisuus!?!?! Laskentakyvyn lisäys Erottelukyvyn parannus (~ km, < km) Ongelma : kasvava datamäärä superkone = tietokone, jossa laskentaongelma muuttuu dataongelmaksi => uudet tallennusmenetelmät Nowcasting hyvin lyhyen ajan ennusteet Uudet havaintomenetelmät (data-assimilaatio) uudet satelliitit (sää-, GPS-), säätutkat (sade, tuuli) EPS todennäköisyys(parvi)ennusteet

27 Tulevaisuus!?!?! Laskentakyvyn lisäys Erottelukyvyn parannus (~ km, < km) Ongelma : kasvava datamäärä superkone = tietokone, jossa laskentaongelma muuttuu dataongelmaksi => uudet tallennusmenetelmät Nowcasting hyvin lyhyen ajan ennusteet Uudet havaintomenetelmät (data-assimilaatio) uudet satelliitit (sää-, GPS-), säätutkat (sade, tuuli) EPS todennäköisyys(parvi)ennusteet Kytketyt mallit ilmakehä + meri + kemia nyt jo ilmastomalleissa

28 Ilmastomalleja on monenlaisia Nollaulotteiset Tasapainoehdot Boksi-mallit Yksinkertaiset kytketyt mallit Globala Circulations modeller (GCM) Hydrodynamiikkaa + muuta Kytketyt ESM Maapallon simulointia Lisäämällä mallin monimutkaisuutta saadaan parempia sovituksia vaikka ennustettavuus voi heikentyä!

29 Planeettojen ilmasto Yksinkertainen hypoteettinen MEP malli. Luonto toimii siten että se avaa aina tarpeen mukaan uusia purkukanavia. DIMENSIONS ANALYS: DρCpHv/R, with H the scale height 8km, Cp is speci c heat capacity of 1kJkg 1K 1, ρ is surface atmospheric density of 1.25 kgm 3, average meridional wind v of 1 ms 1 and planetary radius R=6370km, we obtain 1.5 Wm 2K 1,

30 GCMs: Muista: Maapallo on Aqua planet jossa valtameri määrää Olemme kaloja 10 m syyvyydessä 2400 m syvässä meressä... Markku Kangas/FMI Global Circulation Models

31

32 Keskustelu kiivaana. Miten mitata? Johtopäätös? Mallit? Ilmatieteen laitos / PowerPoint ohjeistus Pitkät mittausjaksot, systemaattiset virheet?

33 Yritys pelkästään havainnoista vetää johtopäätöksiä. JGR, syyskuu 2008 Empirinen malli kuitenkin pohjalla... Ilmatieteen laitos / PowerPoint ohjeistus

34 Johan Silén ERIK PALMÉNIN AUKIO HELSINKI Puh. (09) Faksi (09) Ilmatieteen laitos / PowerPoint ohjeistus