El mundo sigue viendo un aumento de los fenómenos meteorológicos extremos, pero el clima sigue siendo un factor que se pasa por alto en muchas operaciones comerciales a nivel mundial. Este problema se debe principalmente a la incapacidad de los modelos modernos de predicción meteorológica numérica (PNT) para predecir fenómenos meteorológicos críticos localizados de manera rentable y oportuna.
NWP models are designed to split the world into a three-dimensional grid that contains billions of grid cells both horizontally and vertically. Within each grid cell, meteorological governing equations are used to calculate physical processes that characterize how the air moves (ie., how heat and moisture are exchanged in the atmosphere) as the model steps forward in time. Atmospheric conditions, such as temperature, pressure, humidity, etc., are the same in each grid cell. Models run at lower resolutions (ie., > 4 km), such as global weather prediction models, are computationally inexpensive but significantly lack the level of detail needed to accurately represent local scale weather features. In low resolution simulations, the grid cells are larger, which means a larger area will contain the same atmospheric conditions. This presents a significant issue for regional weather predictions because local scale processes are misrepresented and overlooked, especially over complex terrain (ie., mountains and coastal regions), where terrain driven processes greatly influence localized weather conditions (ie., lake-effect snow, pop-up thunderstorms, etc.).
Una forma de resolver este problema es ejecutar un modelo (regional) a una resolución más alta (es decir, < 4 km), ya que estos modelos pueden mejorar la representación de características climáticas críticas a escala local. Sin embargo, ejecutar modelos a resoluciones más altas tiene sus desventajas. Las celdas de la cuadrícula en los modelos de mayor resolución son más pequeñas, lo que significa que el dominio del modelo consta de más celdas de la cuadrícula de las que tendría si se ejecutara a una resolución más baja. Las celdas de cuadrícula más pequeñas permiten que el modelo caracterice las interacciones de los procesos físicos a escala local de manera más efectiva, pero aumenta considerablemente el costo computacional y el tiempo que llevará completar la simulación, ya que se realizan más cálculos.
TempoQuest, el proveedor líder de software de pronóstico meteorológico acelerado a escala local, está trabajando para resolver este problema mediante el desarrollo de su producto de software de pronóstico meteorológico mejorado, AceCAST, que es una versión acelerada del modelo de pronóstico e investigación meteorológica (WRF). AceCAST se ejecuta únicamente en Unidades de Procesador de Gráficos (GPU) en lugar de Unidades Centrales de Procesamiento (CPU) tradicionales, lo que permite a los usuarios ejecutar simulaciones de mayor resolución de cinco a quince veces más rápido a un costo mucho menor.
Los beneficios preeminentes de la predicción meteorológica localizada son evidentes en un evento meteorológico reciente que produjo inundaciones sustanciales localizadas y fuertes vientos en California del 24 al 25 de octubre de 2021. California tiene una amplia gama de topografía que crea mejoras locales en las condiciones de precipitación y viento. La pendiente ascendente, también conocida como elevación orográfica, es el mecanismo impulsor detrás de estas mejoras locales. La pendiente ascendente obliga al aire a elevarse a medida que fluye hacia terrenos elevados (es decir, montañas) y da como resultado una precipitación amplificada como se muestra.
La ilustración indica un proceso conocido como "pendiente ascendente", que el AceCAST está mejor equipado para manejar en contraste con los modelos meteorológicos tradicionales actuales, lo que puede atribuirse a la predicción localizada mejorada del AceCAST. La topografía jugó un papel importante al mejorar las precipitaciones que causaron las inundaciones justo al noreste de Yuba City, alrededor de Grass Valley, CA, del 24 al 25 de octubre de 2021.
En la mañana del 24 de octubre, se ejecutó AceCAST con una resolución de 1 km. El principal riesgo eran las inundaciones y los fuertes vientos con un fuerte sistema de baja presión que se desplazaba hacia el oeste de Estados Unidos. California tiene una amplia gama de topografía que puede crear mejoras locales tanto en el viento como en las precipitaciones. Higo. 2 (abajo) muestra la precipitación total prevista para 12 horas del AceCAST junto con una ilustración de cómo funcionan estas mejoras locales del terreno. Dado el patrón de flujo del viento en la región, se produce un proceso llamado pendiente ascendente en el lado de barlovento de una cadena montañosa. La región rodeada de un círculo negro indica áreas que se pronostica que recibirán de 2 a 7 pulgadas de lluvia en un período de 12 horas. Las regiones de color rojo oscuro, que indican entre 5 y 7 pulgadas de lluvia, están ubicadas cerca de las cadenas montañosas locales.
Según el Servicio Meteorológico Nacional, más de un pie de lluvia azotó Grass Valley durante un período de 72 horas el 24 de octubre de 2021; que incluyó la lluvia total de 12 horas simulada por AceCAST.
Otro ejemplo de cómo la topografía influyó durante la reciente tormenta de California son las velocidades del viento, como se muestra a continuación. Las elevaciones más altas son más susceptibles a vientos más fuertes junto con un terreno complejo que puede generar una amplia gama de velocidades del viento en una distancia corta. La última figura muestra los daños causados por los fuertes vientos durante este sistema de tormentas.
Pronóstico de viento de 10 metros a las 5:00 p. m. hora local del 24 de octubre de 2021 sobre California con una resolución de 1 km impulsada por AceCAST.
La rama de un árbol bloquea la calle 10 en el centro de Sacramento durante una tormenta el domingo 24 de octubre de 2021.
Acerca de AceCAST
AceCAST is a powerful cutting-edge software powered by Graphic Processing Units (GPUs) that enables the acceleration of the National Center for Atmospheric Research (NCAR) Weather Research and Forecasting Model (WRF). AceCAST is the product of a half-a-decade of punctilious research and development that empowers WRF users to secure striking performance optimizations using the superior massive parallelism of GPU hardware versus traditional Central Processing Unit (CPU) computation. AceCAST encompasses an ample set of refactored common WRF physics and dynamics modules, and namelist options with NVIDIA CUDA or OpenACC CPU programming techniques, allowing a wide swath of users to adopt AceCAST painlessly as a drop-in replacement for existing WRF configurations.
Acerca de TempoQuest
TempoQuest es un proveedor independiente de software meteorológico que se constituyó para revolucionar el modelado de pronóstico del tiempo de mesoescala y simplificar las tareas de pronóstico para los meteorólogos. TempoQuest ofrece dos productos de software, AceCAST, o software acelerado WRF, y WSV3, un software de seguimiento de tormentas y visualización meteorológica muy avanzado. Además, TempoQuest ofrece WRF On-Demand, una aplicación en la nube que simplifica y acelera enormemente la ejecución de simulaciones de CPU y GPU WRF.
