Advancements in mesoscale ensemble prediction strategies: Application to Mediterranean high-impact weather

Author

Hermoso Verger, Alejandro

Director

Homar Santaner, Víctor

Tutor

Romero March, Romualdo

Date of defense

2021-09-02

Pages

296 p.



Department/Institute

Universitat de les Illes Balears. Departament de Física

Abstract

[cat] La predictibilitat d'esdeveniments d'alt impacte a la regi o Mediterr ania ha millorat substancialment al llarg de les darreres d ecades. No obstant aix o, una representaci o precisa d'aspectes dels sistemes convectius rellevants per la societat, tals com el moment en qu e es produeixen, i la seva localitzaci o i intensitat encara suposen un repte. Aquestes febleses de la predicci o a escala convectiva provenen d'imprecisions a l'estimaci o de l'estat atmosf eric inicial, la formulaci o de processos f sics rellevants i la natura ca otica dels sistema associada a la seva no linealitat. En el marc probabil stic imposat per les incerteses intr nseques implicades en la predicci o num erica del temps, l'entitat matem atica que quanti ca la incertesa en l'estat atmosf eric es la funci o densitat de probabilitat. Malgrat aix o, el c alcul de la seva evoluci o temporal es inviable per situacions realistes amb els recursos computacionals disponibles actualment. La modesta aproximaci o habitual per estimar aquesta evoluci o es l' us d'un discret i petit nombre de mostres de l'estat del sistema, que es coneix com a predicci o per conjunts (ensemble forecasting). L'objectiu general d'aquesta Tesi es entendre millor els l mits de la predictibilitat i contribuir a una millora de la predicci o de temps sever a la regi o Mediterr ania. En primer lloc, s'avalua l'evoluci o temporal de les funcions densitat de probabilitat per sistemes de baixa complexitat amb un cert grau de realisme adoptant el formalisme de Liouville. En segon lloc, es dissenya una estrat egia de mostreig per crear pertorbacions a les condicions inicials per abastos de predicci o curts (24-36 h). La t ecnica es basa en el m etode de breeding, que utilitza la din amica completa no lineal per identi car modes de creixement r apid. La modi caci o proposada est a dirigida a ajustar l'escala de les pertorbacions per tal de cobrir l'ample rang d'escales rellevants per la predicci o de curt abast. En tercer lloc, s'investiga el potencial de varis m etodes per tenir en compte la incertesa en el model per a un episodi recent de precipitacions intenses i inundacions que va oc orrer al llarg de la costa Mediterr ania espanyola (12-13 setembre de 2019). S'avaluen m ultiples estrat egies estoc astiques en front l'aproximaci o ordin aria de multif sica en termes de diversitat i habilitat de l'ensemble. Les t ecniques considerades inclouen pertorbacions estoc astiques a les tend encies f siques i pertorbacions a par ametres in uents de l'esquema de microf sica. Finalment, aquestes estrat egies de generaci o d'ensembles s'utilitzen com a for cament meteorol ogic per a un model hidrol ogic per tal d'investigar la predictibilitat 21 22 CONTENTS hidrometeorol ogica de l'episodi del 12-13 setembre de 2019. Les t ecniques desenvolupades, juntament amb l'assimilaci o de dades mitjan cant Ensemble Kalman Filter es comparen amb altres estrat egies populars, tals com el downscaling d'un model global i l'aproximaci o de multif sica. Els resultats d'aquesta Tesi s on rellevants des d'una perspectiva te orica, ja que la soluci o de l'equaci o de Liouville revela estructures complexes per la funci o densitat de probabilitat que podrien comprometre les hip otesis de compacitat i suavitat assumides per la majoria d'eines d'interpretaci o i post proc es d'ensembles. Per altra banda, les estrat egies de generaci o d'ensembles desenvolupades mostren potencial per millorar la predicci o d'esdeveniments d'alt impacte, que es demostra per una major diversitat i habilitat dels ensembles comparades amb les estrat egies de refer encia. Aquests resultats prometedors posen les bases per un sistema avan cat d'alertes a la regi o Mediterr ania per encarar els esdeveniments de temps sever.


[spa] La predictibilidad de eventos de alto impacto en la regi on Mediterr anea ha mejorado sustancialmente a lo largo de las ultimas d ecadas. No obstante, una representaci on precisa de aspectos relevantes de los sistemas convectivos relevantes para la sociedad, como el momento en el que se producen, su localizaci on e intensidad a un suponen un reto. Estas debilidades de la predicci on a escala convectiva provienen de imprecisiones en la estimaci on del estado atmosf erico inicial, la formulaci on de los procesos f sicos relevantes y la naturaleza ca otica del sistema asociada a su no linealidad. En el marco probabilista impuesto por las incertidumbres intr nsecas implicadas en la predicci on num erica del tiempo, la entidad matem atica que cuanti ca la incertidumbre en el estado atmosf erico inicial es la funci on densidad de probabilidad. Sin embargo, el c alculo de su evoluci on temporal es inviable para situaciones realistas con los recursos computacionales disponibles actualmente. La modesta aproximaci on habitual para estimar esta evoluci on en el uso de un discreto y peque~no n umero de muestras del estado del sistema, lo que se conoce como predicci on por conjuntos (ensemble forecasting). El objetivo general de esta Tesis es entender mejor los l mites de la predictibilidad y contribuir a una mejora de la predicci on del tiempo severo en la regi on Mediterr anea. En primer lugar, se eval ua la evoluci on temporal de las funciones densidad de probabilidad para sistemas de baja complejidad con un cierto grado de realismo adoptando el formalismo te orico de Liouville. En segundo lugar, se dise~na una estrategia de muestreo para crear perturbaciones en les condiciones iniciales para alcances de predicci on cortos (24-36 h). La t ecnica se basa en el m etodo de breeding, que utiliza la din amica completa no lineal para identi car modos de crecimiento r apido. La modi caci on propuesta est a dirigida a ajustar la escala de las perturbaciones para cubrir el amplio rango de escalas relevantes para la predicci on de corto alcance. En tercer lugar, se investiga el potencial de varios m etodos para tener en cuenta la incertidumbre en el modelo para un episodio reciente de precipitaciones intensas e inundaciones que ocurri o a lo largo de la costa Mediterr anea espa~nola (12-13 de septiembre de 2019). Se eval uan m ultiples estrategias estoc asticas frente a la aproximaci on ordinaria de multif sica en t erminos de diversidad y habilidad del ensemble. Las t ecnicas consideradas incluyen perturbaciones estoc asticas en las tendencias f sicas y perturbaciones en par ametros in uyentes del esquema de microf sica. Finalmente, estas estrategias de generaci on de ensembles se usan como forzamiento meteorol ogico para un modelo hidrol ogico con el n de investigar la predictibilidad hidrometeorol ogica del episodio del 12-13 de septiembre de 2019. Las t ecnicas desarrolladas, junto a la asimilaci on de datos mediante Ensemble Kalman Filter se comparan con otras estrategias populares, como el dowscaling de un modelo global y la aproximaci on de multif sica. Los resultados de esta Tesis son relevantes desde una perspectiva te orica, ya que la soluci on de la ecuaci on de Liouville revela estructuras complejas para la funci on densidad de probabilidad que podr an comprometer las hip otesis de compacidad y suavidad asumidas por la mayor a de herramientas de interpretaci on y pos proceso de ensembles. Por otro lado, las estrategias de generaci on de ensembles desarrolladas muestran potencial para mejorar la predicci on de eventos de alto impacto, que se demuestra por una mayor diversidad y habilidad de los ensembles comparadas con las estrategias de referencia. Estos resultados prometedores sientan las bases para un sistema avanzado de alertas en la regi on Mediterr anea para afrontar los eventos de tiempo severo.


[eng] The predictability of meteorological high-impact events in the Mediterranean region has substantially improved over the last decades. Nevertheless, a precise representation of socially relevant aspects of convective systems, such as their timing, location, and intensity is still challenging. These weaknesses of convective-scale forecasting stem from inaccuracies in the estimation of the atmospheric initial state, formulation of relevant physical processes, and the chaotic nature of the system associated with its nonlinearity. In the probabilistic framework imposed by the intrinsic uncertainties involved in numerical weather prediction, the mathematical entity that quanti es the uncertainty in the atmospheric state is the probability density function. However, the computation of its time evolution is unfeasible for realistic situations with the current available computational resources. The usual modest approach to estimate this evolution is the use of a discrete and small number of samples of the state of the system, which is known as ensemble forecasting. The general aim of this Thesis is to better understand the predictability limits and contribute towards the improvement of severe weather forecasting in the Mediterranean region. Firstly, the time evolution of probability density functions for low complexity systems with a certain degree of realism is evaluated by adopting the Liouville formalism. Secondly, a sampling strategy to create initial condition perturbations for the short-range (24-36 h) is designed. The technique is based on the breeding method, which uses the full nonlinear dynamics to identify fast-growing modes. The proposed modi cation is aimed at tailoring the scale of the perturbations in order to cover the wide range of scales relevant for short-range forecasting. Thirdly, the potential of several methods to account for model uncertainty is investigated for a recent heavy precipitation and ash ood episode occurred along the Spanish Mediterranean coast (12-13 September 2019). Multiple stochastic strategies are evaluated against the ordinary multiphysics approach in terms of ensemble diversity and skill. The considered techniques include stochastically perturbed physics tendencies and perturbations to in uential parameters within the microphysics scheme. Finally, these ensemble generation strategies are used as the meteorological forcing for a hydrological model in order to investigate the hydrometeorological predictability of the 12-13 September 2019 episode. The developed techniques, along with data assimilation by means of Ensemble Kalman Filter are compared to other popular strategies, such as the downscaling from a global model and the multiphysics approach. The results of this Thesis are relevant from a theoretical perspective, as the solution of the Liouville equation reveals complex structures for the probability density function that could compromise the hypothesis of compactness and smoothness assumed by most current ensemble interpretation and postprocessing tools. Conversely, the ensemble generation strategies developed show potential to improve the forecasting of high-impact events, proven by higher ensemble diversity and skill compared to the benchmark strategies. These encouraging results lay the foundations for an advanced warning system in the Mediterranean region to deal with severe weather events.

Subjects

53 - Physics

Knowledge Area

Fisica

Documents

Hermoso_Verger_Alejandro.pdf

63.95Mb

 

Rights

ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.

This item appears in the following Collection(s)