Show simple item record

dc.contributorEscuela de Ingenierias Industrial e Informaticaes_ES
dc.contributor.advisorGarcía Ortega, Eduardo 
dc.contributor.advisorGonzalo de Grado, Jesús 
dc.contributor.authorLorenzana Campillo, Jesús Ángel
dc.contributor.otherFisica Aplicadaes_ES
dc.date2017-09-08
dc.date.accessioned2017-11-17T14:22:59Z
dc.date.available2017-11-17T14:22:59Z
dc.date.issued2017-11-17
dc.date.submitted2017-09-08
dc.identifier.urihttp://hdl.handle.net/10612/6934
dc.description199 p.es_ES
dc.description.abstractLas sociedades avanzadas demandan unas previsiones meteorológicas cada vez más exactas. Ante eventos meteorológicos extremos, unas previsiones precisas salvan vidas, permiten gestionar de forma eficiente los equipos de emergencias y pueden ayudar a evitar las pérdidas económicas, permitiendo reaccionar con tiempo y proteger vidas y posesiones. Los beneficios para la sociedad, compensan los costes de la investigación científica necesaria para conocer mejor los procesos físicos que suceden en la atmósfera y poder representarlos de forma matemática. También el desarrollo de las costosas infraestructuras necesarias, tanto para la recopilación de observaciones (satélites de observación terrestre, por ejemplo) como para la resolución de los modelos mediante el uso de superordenadores, capaces de realizar unos cálculos cada vez más complejos en unos tiempos de ejecución cada vez menores, suponen una inversión imprescindible. En los últimos años se han multiplicado los instrumentos de observación atmosférica que son capaces de recoger información muy frecuentemente, sobre una gran cantidad de variables que definen de forma precisa el estado de la atmósfera. Esta información debe ser procesada y, mediante el uso de técnicas de asimilación de datos computacionalmente muy exigentes, ser introducida en los modelos numéricos de predicción que producen predicciones meteorológicas en función del estado inicial de la atmósfera. En paralelo, se ha hecho necesario considerar el comportamiento no lineal de la atmósfera y sus consecuencias en la generación de las predicciones numéricas. La incertidumbre asociada a ellas es un hecho que debe ser considerado, pasando de ser la predicción meteorológica, un problema determinista a un problema probabilista. Para determinar esta incertidumbre se han de ejecutar conjuntos de modelos meteorológicos ligeramente diferentes entre ellos para poder estimar la dispersión de los resultados obtenidos y así establecer la incertidumbre de la predicción. Este paradigma se denomina también predicción por conjuntos o ensembles. La predicción por ensembles, ejecuta un elevado número de modelos numéricos simultáneamente. Esto hace imprescindible el uso eficiente de la potencia de cálculo que proporcionan los superordenadores. En la presente Tesis Doctoral se ha realizado un trabajo de investigación centrado en el desarrollo de un sistema de predicción numérica meteorológica en un entorno de supercomputación HPC, abordando diferentes aspectos de su problemática tanto desde una orientación informática (adecuación del sistema diseñado al sistema de cálculo y sus características) como desde una perspectiva meteorológica (generación de una predicción por conjuntos con aplicación directa a la predicción de eventos de convección severa y campos de vientos). Una primera área de interés en la investigación realizada, ha sido la puesta en funcionamiento de un sistema de predicción probabilista en el superordenador Caléndula de la Fundación Centro de Supercomputación de Castilla y León (en adelante FCSCL) evolucionando desde la predicción determinista que ha venido ejecutándose en los últimos años. La potencia de cálculo disponible determina, en gran medida, el alcance de un sistema de predicción por conjuntos, ya que este tipo de predicción demanda muchos más recursos computacionales que las predicciones deterministas. Es por esto, por lo que se deben determinar las prestaciones de los recursos disponibles en el superordenador, mediante la caracterización de las capacidades de los distintos subsistemas que forman el sistema de cálculo: número de nodos de cálculo necesarios y garantizar su disponibilidad mediante la configuración apropiada en el sistema de gestión de trabajos, tipo de procesadores y su microarquitectura, memoria RAM con la que están equipados, capacidades de las redes de comunicaciones con las que interconectan. Finalmente, un importante factor, como es la capacidad y rendimiento del sistema de archivos donde se almacena la gran cantidad de información de datos de entrada (datos de análisis procedentes de otros modelos meteorológicos y datos de observaciones) y datos de salida producidos tras las simulaciones (predicciones realizadas). La dependencia sensible a las condiciones iniciales hace necesario obtener la mejor representación del estado inicial de la atmósfera en cada simulación. Por lo tanto, una segunda área de interés se centra en el diseño de un sistema de asimilación de datos, capaz de integrar información procedente de distintas fuentes de observación, tanto tradicionales (observaciones de aviones o barcos, estaciones meteorológicas, etc.) como de teledetección (instrumentos a bordo de satélites, radares meteorológicos, radiómetros, etc.). Este sistema de asimilación de datos permitirá determinar con mayor precisión las condiciones iniciales de la atmósfera utilizadas por los modelos numéricos para calcular su evolución a lo largo de un determinado periodo de tiempo. En las predicciones a corto plazo, la selección de las parametrizaciones físicas constituye un elemento fundamental para la obtención de predicciones coherentes y más precisas. En particular, la realización de análisis de sensibilidad a las parametrizaciones físicas es fundamental para el diseño de una predicción por conjuntos o ensemble. La identificación de las parametrizaciones físicas más adecuadas al tipo de predicción deseada y al área geográfica de interés, constituyó una tercera área de investigación. La aplicación de los resultados obtenidos en el desarrollo de esta Tesis Doctoral, ha permitido diseñar un sistema de asimilación, identificando las fuentes de observación más adecuadas y utilizando las mismas, en el flujo de trabajo automatizado para el cálculo de predicciones meteorológicas. Por otra parte, se ha diseñado un sistema de predicción por conjuntos o ensembles, a corto plazo, a partir de un análisis de sensibilidad a distintos esquemas de parametrizaciones físicas. Este diseño ha permitido determinar las características óptimas del ensemble para la predicción de eventos meteorológicos de convección severa. Finalmente, se realizó una aplicación del sistema de predicción por conjuntos desarrollado, para el cálculo óptimo de rutas aeronáuticas, es decir, determinar las trayectorias que deberían seguir los aviones que realizan sus rutas en el área de estudio para lograr minimizar el índice de coste aeronáutico, teniendo en cuenta el campo de vientos predicho a la altura de vuelo. El índice de coste es utilizado para determinar la velocidad óptima que permite minimizar los costes del vuelo, por lo que la precisión de las predicciones meteorológicas, en lo referente a los datos de viento a la altura de vuelo, es de gran importancia para los operadores aéreos.es_ES
dc.languagespaes_ES
dc.subjectFísicaes_ES
dc.subjectInformáticaes_ES
dc.subject.otherMesometeorologíaes_ES
dc.subject.otherMeteorología por satélitees_ES
dc.subject.otherSupercomputaciónes_ES
dc.titleMeteorología numérica en un entorno de supercomputación. Asimilación de datos y predicción por conjuntos multifísica = Numerical meteorology in a supercomputing environment. Data assimilation and multiphysics ensemble forecastes_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.identifier.doi10.18002/10612/6934
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record