Asimilación continua de datos en el ECMWF

Peter Lean se unió a ECMWF en 2014 para trabajar en el procesamiento de observaciones. Sobre la introducción de la asimilación continua de datos, dice que "es agradable trabajar en una organización en la que, cuando alguien tiene una buena idea, todos se unen y trabajan juntos para convertirla en realidad".

Un cambio en el Sistema de pronóstico integrado (IFS) planeado para junio de este año 2019 permitirá a ECMWF utilizar observaciones meteorológicas más actualizadas para ayudar a definir las condiciones iniciales de sus pronósticos.

Este cambio hacia una asimilación de datos más continua mejorará significativamente la calidad de los pronósticos, lo que dependerá de la precisión de las condiciones iniciales.

El cambio fue motivado por una charla interna dada por el científico del ECMWF, Peter Lean y es el resultado exitoso de un trabajo en equipo.

El interés de Peter en las observaciones meteorológicas se remonta a su adolescencia, cuando él y sus hermanos usaron un kit para construir un receptor de satélite meteorológico.

"Se parecía mucho y básicamente a una caja de cartón con cables que sobresalían", pero nos permitió ver imágenes en vivo de satélites meteorológicos de órbita polar tan lejanos como el Delta del Nilo y el norte de Groenlandia. Me pareció fascinante ", dice.

Peter estudió geofísica en su primer grado y se especializó en predicción numérica del tiempo para su maestría. Después de un doctorado sobre la previsibilidad de las tormentas convectivas sobre el océano, trabajó durante algunos años en el desarrollo de modelos en la Met Office del Reino Unido.

Fue durante el trabajo postdoctoral en el Laboratorio de Propulsión a Chorro de la NASA en California y como investigador de EUMETSAT en la Universidad de Reading, Reino Unido, cuando se reavivó su interés en trabajar con conjuntos de datos satelitales.

Desde que se unió al ECMWF en 2014, ha estado trabajando en varios aspectos del procesamiento de observación. Un día, a fines de 2017, impartió un seminario interno sobre cómo se emplea el tiempo en el sistema de asimilación de datos de ECMWF.

Lo que sucedió a continuación ilustra cómo el trabajo en equipo puede ayudar a convertir ideas innovadoras en realidad.

Trabajo en equipo

Intervalo de tiempo

El sistema de asimilación de datos 4D-Var del ECMWF / 4D-Var data assimilation system combina observaciones del tiempo con información del modelo para obtener la mejor estimación posible del estado actual del sistema de la Tierra.

Esa estimación, también llamada análisis, se utiliza como punto de partida para las predicciones meteorológicas, por lo que su precisión es crucial para la calidad de las predicciones.

"En mi presentación, señalé que hay un retraso considerable entre el momento en que se realizan las últimas observaciones meteorológica que influyen en el análisis y el momento en que nuestro superordenador comienza a calcular el pronóstico", recuerda Peter.

Explica que, en el sistema actual de ECMWF, los pronósticos se basan en observaciones realizadas durante un período de seis horas, por ejemplo, desde las 2100 UTC hasta las 0300 UTC para un pronóstico que comienza en las 0000 UTC.

Después del final de la ventana de seis horas, se permite una hora para que las observaciones desde esa ventana lleguen al ECMWF. Solo entonces el sistema de asimilación de datos entra en acción para verificar la calidad de los datos y calcular el análisis.

Esos cálculos tardan una hora más en completarse. Cuando comienzan los cálculos de pronóstico, las observaciones más recientes que han influido en el análisis tienen, por lo tanto, dos horas de antigüedad.

Trabajo en equipo

"Después del seminario, discutimos si había alguna forma de reducir este retraso", cuenta Peter.

Entre los asistentes se encontraba el científico del ECMWF, Tony McNally. Preguntó si había alguna razón por la que las observaciones que llegaban más tarde no pudieran agregarse entre los bucles utilizados en los cálculos del análisis iterativo. "Hubo algo de discusión y a nadie se le ocurrió ningún obstáculo fundamental", dice Peter.

Otro colega, Elías Hólm, sugirió que la ventana de asimilación podría extenderse hasta el inicio de los cálculos de pronóstico, para permitir el uso de más observaciones. Una vez más, parecía una buena idea.

Un tercer científico, Massimo Bonavita, había demostrado previamente que agregar una iteración extra en el bucle externo de la asimilación de los datos conducía a mejoras significativas en la calidad del análisis, aunque esto se consideraba inasequible.

Peter señaló que si las observaciones pueden llegar después de que hayan comenzado los cálculos de análisis, esos cálculos también podrían iniciarse antes para permitir el uso de configuraciones de asimilación de datos más costosas. Se acordó que esto también debería ser explorado.

"Es agradable trabajar en una organización donde, cuando alguien tiene una buena idea, todo el mundo trabaja en conjunto para convertirlo en realidad ", dice Peter.

Mientras pensaban cómo implementar las tres ideas sobre la mesa, Peter y sus colegas se dieron cuenta de que esta nueva configuración era una variante del concepto de asimilación continua de datos que había sido propuesto a mediados de los noventa por Heikki Järvinen, mientras trabajaba como investigador en el ECMWF.

Carlos Pires y sus colegas en Francia también desarrollaron ideas similares en paralelo, y luego la asimilación continua de datos se usó operativamente durante un tiempo en el Environment Canadá.

Pruebas

Los experimentos confirmaron que la nueva configuración permitiría un número mucho mayor de observaciones para influir en el análisis.

También mostraron que agregar observaciones mientras se realizan los cálculos de análisis no conduce a inestabilidades numéricas.

Finalmente, confirmaron una mejora significativa en los pronósticos como resultado de la nueva configuración, más continua.

“Las observaciones adicionales son en su mayoría particularmente recientes, ya que ahora podemos asimilar las observaciones que llegan aproximadamente una hora y media más tarde que en el sistema actual. Estas observaciones son especialmente valiosas para la asimilación de datos, ya que contienen la información más actualizada ", explica Peter.

Una vez que todos los aspectos de la nueva configuración se habían probado a fondo, se decidió incluirla en la próxima actualización de IFS, Ciclo 46r1 de IFS, programada para su implementación en junio de 2019.

Panorama

La implementación de IFS Cycle 46r1 no marca el final de los esfuerzos para hacer el mejor uso posible de las observaciones en la asimilación de datos.

Una de las opciones en las que se está trabajando es el procesamiento de observación más continuo. "Estamos avanzando hacia un marco casi continuo para el preprocesamiento y el control de calidad inicial de las observaciones meteorológicas", dice Peter.

Agrega que la asimilación continua de datos abre la puerta a nuevos desarrollos emocionantes, como el uso de configuraciones de asimilación de datos más costosas en términos computacionales pero más precisas.

"En principio, podemos prever un sistema de asimilación de datos que proporcione continuamente estimaciones actualizadas del estado actual del sistema de la Tierra basado en un flujo constante de nuevas observaciones".

Se pueden encontrar más detalles sobre la configuración de asimilación de datos continua en el Ciclo 46r1 de IFS y los planes para el futuro en la edición de invierno de 2018/19 del Boletín informativo de la ECMWF/ winter 2018/19 issue of the ECMWF Newsletter.

ECMWF https://www.ecmwf.int/