El 2 de marzo se celebró el Seminario de la Cátedra Ciencia de datos y Aprendizaje Automático UAM-IIC, con la conferencia de Javier Calvo Sánchez, Jefe del Área de Modelización de la Agencia Estatal de Meteorología (AEMET).
En este seminario, Javier Calvo hablaó de HARMONIE-AROME, un modelo atmosférico no hidrostático convection-permitting, creado para mejorar la predicción del tiempo severo.
Descargar la presentación (PDF)
Modelo HARMONIE-AROME
HARMONIE-AROME es un modelo no hidrostático convection-permitting que se integra operativamente en AEMET a una resolución horizontal de 2.5 km. El modelo ha supuesto una mejora significativa en la predicción del tiempo severo en el entorno de la Península y las Islas Canarias.
Por otra parte, la modelización a estas escalas supone un desafío importante en la asimilación de datos, en las parametrizaciones físicas y en la optimización de los códigos en entornos de ordenadores masivamente paralelos. A su vez, la predictibilidad de las escalas convectivas es menor que la de las escalas sinópticas y se suele recurrir a sistemas de tipo probabilístico para hacer estimaciones de la incertidumbre de las predicciones.
En el seminario se abordarán estas cuestiones, así como la operativa general de HARMONIE-AROME y su accesibilidad para usuarios externos.
Biografía del ponente
Javier Calvo Sánchez, meteorólogo de la Agencia Estatal de Meteorología (AEMET), es Jefe del Área de Modelización y forma parte del consorcio europeo HIRLAM desde 1996 donde se ha especializado en la modelización de alta resolución y las parametrizaciones físicas.
Comments are closed.