文摘

基于每小时气象预测天气预报应用程序变量是现在使用的能源市场操作规划的天然气和电力供应,和可再生能源等。可用的气象和气候资料,以及降雨的关键阈值,也可能一个关键的角色在风险分类、边坡不稳定相关管道沿着路线和关键基础设施。本研究关注天气预报模型的性能在一个早期预警系统的框架(EWS)应用程序,它支持石油和天然气管道的完整性管理。这个EWS已经应用于特定区域:Val d 'Agri盆地巴斯利卡塔地区的南部意大利,这是广泛受到山体滑坡和洪水。每小时降水预报提供一个专门的气象模型,KALM-HD,使用两种不同的水平分辨率,1.25和5公里,分析可能影响网格的网格大小。在这个区域,几个气象站特别部署获得观测数据在一个地区水文地质灾害相关的资产管理。在观察和比较这些气象站的KALM-HD扩展预测六提出了评估模型的性能。此外,降水、气温和风速进行评估。预测分析是考虑执行两年的数据都在一个整体和季节性的基础上。结果表明,KALM-HD执行1.25公里网格,特别是在温度和风速变量。 Since weather stations can be gathered in two main sets depending on their positions, differences arise in the forecast quality of these two groups, related to orography and thermal effects, whose detection is difficult in the typical narrow valleys characterizing the area of study. This issue prevalently influences temperatures and local winds, which, these latter, are generally underestimated, while precipitation is mainly driven by synoptic circulation and its interaction with mesoscale meteorological features.

1。介绍

框架的一个早期预警系统(EWS)水和污染风险项目,旨在预防和减轻水文地质灾害在管道和战略地点位于其路由应用程序能够监视和预测这些危险的程度已被开发的埃尼公司。众所周知,一个最重要的地质灾害为陆上管道与地面运动引起的滑坡(1,2]。引起这些现象的原因往往是由于长时间或强烈的降雨3- - - - - -5,他们可以管道完整性(即妥协。,buckling, leaks, and structural failure) with associated economical loss due to service disruption, environmental pollution, and maintenance intervention [6- - - - - -9]。在1970 - 2019年期间,共有1411个事件被报道在欧洲天然气传输网络(142711公里),导致每年2.9×10的主要故障频率−4每公里(10),而在2010 - 2019年期间,绝大多数的“动作”是山体滑坡的特征。

因为这被认为由于全球变化(增加数量11,12),尤其是极端气象事件的强化(13,14在区域范围内),滑坡预测成为一个热门话题在科学界(15]。这需要更大的努力发展的早期预警程序,目的是及时发出的警告即将到来的危险事件暂时减少脆弱的人的接触或基础设施(16]。rainfall-triggered自然灾害的预测与快速发生山体滑坡和洪水等极大地受益于数值天气预报(nwp),特别是从短时预测和短期降雨预报提供预测提前几个小时(17]。尽管如此,真正的预测计划,尤其是在滑坡社区,稀缺(18,19]。

EWS已经初步实现在Val d 'Agri盆地,面积巴斯利卡塔地区的南部的意大利,也被进一步应用在其他意大利埃尼域(例如,SecureGas项目(20.),在2020年欧洲地平线的框架(21])。使用所有可用的水文地质、地貌和岩土数据,系统定义了临界雨量阈值,可以激活边坡不稳定(22,23),以及管道的风险分类。在这种背景下,降雨气象预测,因此,有必要提供一个预测的观点可能hydrogeological-related危害。

数值天气预报在这项研究中,来自一个非常高分辨率模型,命名KALM-HD,开发更一般的框架内预测系统(e-KMF®:eni-Kassandra流星预测,24])。60小时的预测降水进入EWS提前和降水阈值相比可能rainfall-induced山体滑坡。超过阈值问题的生成一个警告在任何的管道网络,用于资产完整性管理和相关危害的预防或缓解。

在这个框架中,很明显的降水预报中扮演着关键角色提出EWS:因此,基准分析评估的性能产生的天气预报KALM-HD气象模型需要在全面运作,这里描述的工作范围。

这项研究的主要结果的观察期间两年12月1日之间圣2018年,11月30日th2020,测量气象变量提供的天气预报KALM-HD模型相比,评估数据在整个时期和季节性的基础上没有任何校准和数据过滤。这个基准测试分析是进行温度、降水和风力预测,通过匹配数据来自6个气象站放置在Val d 'Agri区域。技巧的表演来理解这些天气预报的可靠性在铅时间+ 1天,考虑的第一12-36小时预测地平线,由于模型是每天12 UTC的初始化。这个警告的时间足以让一个干预以减轻或避免结构性故障引起的地面运动由于明显降雨。统计分析是评估使用模型数据在两个水平分辨率,1.25和5公里,气象预测变量比例在同一点气象站被放置的地方。

论文的结构如下:部分2描述了研究的领域是Val d 'Agri排水巴斯利卡塔地区的南部的意大利,一个复杂的、普遍地山区,在地中海盆地,高度受到洪水和山体滑坡等水文和地质风险。部分3强调了实现KALM-HD气象模型的主要特点和设置方案和来自六个气象站的观测测量安装在亚平宁山脉的南部地区。主要结果和讨论气象模型的性能比较与观测数据所示部分4详细分析的温度、降水和风变量。

2。区域的研究

2.1。Val d 'Agri地区,巴西利卡塔地区的南部(意大利)

巴斯利卡塔地区位于意大利半岛南部有两个访问(图1):西方的伊特鲁里亚和爱奥尼亚东部。这种地理情况影响气候。一方面,有大陆元素,占据高压力,确定干热的夏季和严重干燥的冬季;另一方面,地中海影响巴斯利卡塔西海岸与潮湿的天气几乎在所有季节。作为一个整体,季节的顺序就像一个不规则的气旋和反气旋,解释一种它的不可预见性和强烈的天气形成了鲜明对比。因此,该地区的所有地区都受此影响气象不稳定。


图1
应用案例研究在Val d 'Agri,巴斯利卡塔,意大利南部。蓝色的placemark对象识别7操作气象站专门安装在该地区。六,一个基准分析短期温度进行了预测。

此外,巴斯利卡塔正在经历越来越多的多日的极端天气情况(25),它也以极端水文和地质事件的最高频率26]。由于这些原因,这是一个最容易的意大利地区水文地质风险,其中近50%的城镇被列为高危暴露的滑坡和洪水27- - - - - -29日),由于其地质特征和动力学的沉淀,产生广泛的损害地区城市和基础设施(30.]。从历史分析31日),发现约80%的认为事件发生后降水持续时间从1到6天,其中约60% 2到3天,射程之间的平均降水强度的0.5毫米/小时和3.5毫米/小时;剩下的20%的担忧事件持续15天。此外,约60%的事件引发的山体滑坡被雨返回时间少于5年(特别是,有超过30%的人不到2年),而事件重现期大于20年约占25%。

在这种背景下,Val d 'Agri区域匹配所有提到的水文和地质灾害的特点与其他研究在地中海盆地(32,33]。众多活跃的山体滑坡出现在这片领土,和过去分析也证明上面所引的观察测量的重要性,降雨强度和持续时间。出于这个原因,进一步气象站安装了在这一领域的研究收集数据,其他近地表测量可用较低。这些测量相比,温度、降水、和风力预测,每日由KALM-HD模型。

3所示。材料和方法

项目旨在实现一个早期预警系统(EWS)地质灾害已由埃尼公司后需要支持石油和天然气管道的完整性管理,计划和管理可能沿着资产根据地区强烈影响了水文和地质事实。EWS能够预测潜在的水文和地质风险相关的自然事件(例如,洪水和边坡不稳定),重点关注可能的滑坡,由当地天气事件触发或重新激活。在这种背景下,气象观测和预测是实现系统数据集成的基本组件,如图2。


图2
早期预警系统的工作流图。淡黄色框突出气象组件的数据集成项目。

然而,为了确保高可靠性的天气预报EWS实现,有必要深入分析来评估其性能之前完全活跃。对比气象站数据和KALM-HD气象预测温度,降水,风已经在12月1日执行圣2018年,11月30日th,2020年。作为提出吉安达et al ., (34),为了计算模型性能,常用技能成绩从科学文献:平均误差(我),平均绝对误差(MAE)、均方根误差(RMSE),决定系数R2,Nash-Sutcliffe (NS)指数35- - - - - -37]。

值缩放点气象站安装,但没有校准和过滤器(38)以来,已用于这种比较的目的是验证性能模型本身没有任何后期处理校正算法。两年的数据可以给一个好的测试评估在不同的季节和天气模式,虽然不能得出一般结论EWS KALM-HD不确定性及其影响,因为只有一小部分严重的事件发生在这些分析。最后,可能的偏见被纠正突出显示和分析考虑两个不同的水平分辨率在1.25和5公里的KALM-HD模型。

3.1。KALM-HD气象模型

在e-KMF的框架®项目,最初建立的天气预测短期季节性规模(24- - - - - -39)、地蜡(数值预报预报系统)开发和实施几年前。这个系统的好处从全球范围内的初始和边界条件由e-KMF整体预测®。地蜡方法允许结合概率方法的好处和高分辨率数值预报模型的细节(LAM),和一个更好的地方特色的代表有一个关键的角色在一个良好的所有近地表参数预测。这个地蜡,连同它的不确定性问题,引发了一个应用程序,名为KALM (Kassandra高山模型),使用在阿尔卑斯山地区3公里水平分辨率。

这个原始模型是对局部地区的进一步发展,和一个新的改进版本,该KALM-HD(高清晰度)1.25公里分辨率,已经插在地质灾害中的应用为Val d 'Agri案例研究。计算在更大的领域在5公里水平分辨率为内部提供边界条件模型1.25公里,在这项研究中,它也一直在评估与观察相比更好地理解网格网格大小的影响(图3)在一个区域的特点是一个复杂的冷锋,狭窄的山谷,和强烈的磨损机理的影响。


图3
两个水平网格分辨率的气象模型KALM-HD(蓝点)1.25公里,5公里(红色方块)。六个气象站(黄点)中使用的基准分析表示在图中。

在这发展,PBL(行星边界层)计划,陆地表面过程、治疗山岳志,和选择的物理方案KALM-HD模型修改,显示其重要性水平等这些山区的决议。整体传播,这也是一个重要的问题,由于使用有限数量的成员,被认为是与传统的降尺度的联系机制。关于这方面,一个动力降尺度方法一直采用KALM-HD。然而,地方特色的知识和观测数据的定义是很重要的。后者可以用于定义动力学和热力学在本地域中,得到一个合理的可预见性,这通常是减少增加分辨率。此外,综观循环之间的相互作用的影响和中尺度大气变量和可能是显著的,特别是以地区近地表的地形特性相关的小规模的通量。

3.1.1。KALM-HD预报模型

正如上面提到的,本地集合预报系统(地蜡)KALM-HD模型所使用的方法是基于减少LAM的想法需要集成到一个数量级,保留大量的全球整体信息,和减少集合元素的数量受到林。建模从e-KMF链®全球预测系统,它使用multimodel和整体技术一样在24),但水平分辨率为0.5°;因此,整体系统的输出有相同的网格均匀间隔的经度。每个成员初始化相应的初始条件的gef的20名成员(由NCEP全球集合预报系统)(国家环境预报中心的)。40的成员的数量获得合奏可以翻倍使用两个数据的时滞技术运行于00和12 UTC,总共获得80个成员。计算考虑激励的使用预测基于滞后乐团,即预测初始化在不同起始日期,但验证在同一目标日期,取平均值。下一步是将全球乐团成员分组为几簇,然后选择一个代表(RM)内每一个成员。每个RM代表可能的进化与每个集群相关场景,提供了高分辨率初始和边界条件LAM集成。以下步骤是由KALM-HD中间计算模型为中心的领域在5公里水平分辨率对意大利提供边界条件在1.25公里内模型。在这个步骤中,没有数据同化进行降低计算成本。最后,KALM-HD模型可以计算预测的巴西利卡塔地区和在Val d 'Agri面积在1.25公里水平分辨率。

由于降水是主要推动任何水文地质应用程序变量;其定义的本地化和强度十分重要的局部范围的应用程序由KALM-HD Val d 'Agri;因此,该模型在1.25公里使预测60小时。这是因为在这样一个复杂的地形和分辨率与对流规模,可预见性可能很短。然而,的确,增加水平网格分辨率到convective-allowing政权可能导致对流预测指导重大改进,尤其是在这个区域。

3.2。数据同化的过程

KALM-HD模型中应该使用所有可用的测量数据同化,它提供了一个客观的方法结合观测和模型信息,给估计最可能的大气状态和它的不确定性。这种方法增加价值的观察,通过填写时空缝隙观察,与测量和模型,通过约束(40]。此外,当地电台数据也可以用于校准在这些点的预测。表面的观察(2 m空气温度和相对湿度、风、和压力)可能相对较好的空间(几公里)和时间分辨率(一个小时或者更少),但是他们的使用在大气数据同化大幅已被证明是困难的。KALM-HD,一个卡尔曼滤波器(EnKF, (41])方案已经应用,直接从预测模型中提取动态信息,和它产生分析增量取决于当地的PBL和其最近的历史。的主要优势EnKF提供预测和分析误差协方差的估计,这是比4 d-var更简单的实现。EnKF可以看作是一个近似版本的卡尔曼滤波器,国家分布是由样本或“合奏”分布本身。这个乐团,向前传播时通过时间和更新新的数据变得可用。合奏表示是一种降维,从而导致计算甚至非常高维系统的可行性。EnKF,背景之间的相对权重分析和观察,并观察离车站位置的影响,是由各向异性和非均匀背景协方差决定的。反过来,这些协方差估计的合奏本身短程预测,充分利用非线性模型和协方差,因此,随着PBL的发展变化,如图所示,黑客和斯奈德(42使用单列模型,Fujita [43EnKF]吸收实际表面的观察。此外,研究预测模型误差的作用,他们在中尺度特征的分析展示了重要的改进两个恶劣天气情况下以及改进持续6 - 12 h在随后的预测。孟和张44)简要地研究了表面的同化观测的案例研究中尺度对流涡,但他们没有发现影响短期预报。的有效性EnKF同化的表面观察和预测后的改进边界层和进一步高空以及表面,已经被一些研究证实(45]。表面压力观测反映质量的分布深度的垂直整合整个氛围,和他们使用EnKF被Dirren[探索46和混合涂料47例如,]。表面压力的同化应该提高天气预报的一个更好的动力表现,这反过来会影响所有其他参数。

的EnKF KALM-HD然后一直基于上面所引的数据同化研究开发模型。然而,本研究在很大程度上忽视了预测模型的实现系统错误,尽管他们可能在PBL和重要性,因此,在表面观察的同化。事实上,在本文,系统只包括一个时空上不同,自适应通货膨胀(48],它弥补了低估的方差分析EnKF以及在整体预测由于色散un-represented模型误差。有其他可能的方法专门针对EnKF代表模型的不确定性,采用多套房的物理参数化(43- - - - - -49),包括一个添加剂噪声或模型中的“后向散射”计划50]。这些方法可能会在未来的演化分析模型数据同化。

3.3。当地天气测量

六个气象站,表所示1和图4,2018年6月和8月之间被安装,而七分之一安装一年后,在2019年11月。出于这个原因,对比观察和预测数据进行了只有前六,覆盖一段两年作为一个可用的数据集。观察温度和风力数据与预测每小时的基础上,讨论了降雨雪聚合时每天规模。性能分析进行一天交货时间+ 1覆盖第一12-36 60小时整个视野,预测的模型运行在12日初始化UTC。

表1
地理位置和海拔的六个气象站安装在Val d 'Agri区域和用于分析模型的性能。

图4
六个气象站安装在Val d 'Agri盆地由埃尼公司。

所有气象站由埃尼在定期维护和控制服务人员和作者自己。然而,一些技术问题发生在这两年的数据集,因此,错过这个分析中忽略了天;这也解释了为什么总百分比分析事件对降水和风情节并不是100%,因为剩下的差异归因于那些日子和时间没有可用数据方便地过滤掉。

所有已安装的气象站(图4戴维斯)是有利的职业2现代科技,使主要的实时采集气象变量:空气温度和相对湿度、气压、降水、风速、方向,并进一步推导出参数如热指数、风寒,露点。通过GPRS调制解调器连接,传输数据可以被所有的运营商咨询EWS项目谁能实时查看当地的天气和环境条件(图5),让所有适当的行动和决策管理和规划的领土。


图5
概述实时监测控制的六个气象站的Val d 'Agri流域。

4所示。结果与讨论

下面的分析展示KALM-HD模型预测之间的比较,使用两个可用的水平分辨率在1.25公里和5公里,分别和六个气象站的气象观测数据位于Val d 'Agri对于一个整体的两年时间,从12月1日圣,2018年11月30日th、2020和每个季节。由于仓底部附近的山谷和山脉的边缘附近气象站分为两类:“谷站”(阿勒1面积Innesto 2和埃尼Cova)和“山站”(山丘要求2,蒙特Enoc 10日和科斯塔莫利纳2)。因此,因此显示以下结果是指这两个类。季节性特征的分析也进行了观察与每个可能的差异(DJF)为期三个月的冬天,春天(老妈),夏季环流),和秋天(儿子)包含在观察期。

值得记住,进行分析评估的性能KALM-HD原始值,使用这两种模型的水平分辨率没有任何后处理输出也在预测点校准。

4.1。KALM-HD比较预测和观察
以下4.4.1。温度分析

关于温度,结果显示高分辨率模型的一个更好的性能在所有六个气象站,就我而言,美,RMSE, R2和NS指数。一个重要的结果是更好的性能发现三山站相比,谷的。事实上,决定系数约为0.96对那些位于山的顶部,而对于其他的0.83和0.89之间的谷底是考虑到两个网格分辨率。相同的结果是观察NS指数高于0.80和0.90的山谷,山站,分别。关于美,这通常是在1.17°C和1.89°C之间的山,虽然2.29°C和2.79°C之间的山谷。后者分数当然可以提高自可接受阈值设置为焦点目标2°C的温度预测(34]。然而,这种缺陷主要是由于明显的影响主要出现在Val d 'Agri区域(见图3)。事实上,网站位于山谷的底部通常受到这些现象的复杂地形的影响,通常在中尺度α或β(51逆温等),在夜晚,沉降,由于当地风力和重力影响循环,难以正确地预见到即使是在这样一个天气模型解决1.25公里。因为它是如图6和7气象模型倾向于高估低温度(尤其是在寒冷的月份)谷站,与山的相比,在温度的值主要是受到天气模式的交互影响,通常更容易预测。尽管如此,相关评论,所有技能获得的分数KALM-HD模型和两个网格分辨率相当令人满意的比较这两年期间,尤其是在山的网站。


图6
KALM-HD模型的散点图与1.25公里网格分辨率与观测数据为每小时温度预测的6站一天+ 1作为整个交货时间两年的观察期。左边是“谷站”,右边是“山站”。

图7
KALM-HD模型的散点图与5公里网格分辨率与观测数据为每小时温度预测的6站一天+ 1作为整个交货时间两年的观察期。左边是“谷站”,右边是“山站”。

关于季节性行为,冬季预测误差大于其他季节的山谷,并强调解决逆温效应(数字8和9)。


图8
KALM-HD模型的散点图与1.25公里网格分辨率与观测数据为每小时温度预测冬天(DJF),在天+ 1 6站作为整个交货时间两年的观察期。左边是“谷站”,右边是“山站”。

图9
KALM-HD模型的散点图与1.25公里网格分辨率与观测数据为每小时温度预测夏季环流),在天+ 1 6站作为整个交货时间两年的观察期。左边是“谷站”,右边是“山站”。

在冬天,当地沉降在公平的天气条件起着重要的作用,由于该地区的地理构造,白天温度反演的分手是更加困难。众所周知,山谷出示自己的本地风系统由于热差异(52]。最发达和对称风系统可能预期在深,直谷南北轴。一些不对称可能会随着时间的推移,由于太阳辐射的日变化特征输入到西,东向的斜坡。在这种情况下,主要的山谷附近的计量点主要是东西向的,明智的太阳辐射的季节差异。在阳光的情况下,大规模风up-valley,上坡,通常白天形式由于表面加热。晚上,一般表面冷却导致排水在相反的方向流动。这也表示可能会受到小正交峡谷的存在可能与横向谷风组件交互与微分太阳能加热的山谷斜坡上。

在夜间活动的情况下,最冷的空气和密集落定的最低水平,而且,因此,潜在的温度随高度的谷底。在这个稳定的层状层大气,正常的绝热温度的降低通常与高度盛行。所有这些考虑,山站没有显示显著差异在所有季节。

由于这些topographic-induced繁殖特点和一些模型局限性狭窄河谷热循环温度预测谷站后处理可以提高预测数据,由当地观察校准。例如,这可以通过使用一个卡尔曼滤波器53为离散时间点在空间状态模型,已证明是非常有效的和计算效率。初步分析,这里没有显示,显著改善了技能的分数在硅谷站(例如,梅低于2°C的阈值),而只有很少或几乎没有改进取得了在山站。正如所料,春天和秋天已经显示一些中间夏季和冬季之间的特点,他们将不会显示在这里为了简洁。

4.1.2。降水分析

至于气温、降水预测了气象站所在的点和聚合在每日的规模。结果通常描述为KALM-HD非常相似的行为模式和两个网格分辨率,虽然略粗一个更好的性能被发现。这可以解释为考虑过多的小雨或小雨事件相关的对流模型高估长达1.25公里的未被发现的平滑网格在5公里。数据10和11清楚地显示美随着每日的降水阈值增加。大部分的分析数据是在第一本(< 1毫米),还包括那些日子没有降水(预测/观察到)。相反,一个很小的比例(< 1%)的严重事件发生在两年调查高雨量值还是一个挑战是预测;事实上,阈值大于40毫米显示平均绝对误差高于30毫米与决议KALM-HD模型。无显著差异在这里注意到山谷,山站的美,虽然可以找到一个很轻微的性能恶化在山谷气象站,KALM-HD模型表现出较低的预测能力,一些不稳定的条件;后者的特点可能是相当典型的山岳志地区明显。小尺度的本质上有限的可预测性,包括对流,不仅需要使用集合生成概率预测和评估他们的信心54,55),但这些乐团需要精致的初始条件,可获得的数据同化的空间密度观测(56]。它已被证明57]enKF同化雷达数据可能导致增加的预测能力,但是,为应用程序在Val d 'Agri,雷达数据差分辨率最高的领域,他们不能用于模型的数据同化。另一个影响可能来自潜热推动,而没有实现,由于其影响深对流。


图10
平均绝对误差两年的降水阈值的6个气象站的观测时期天+ 1的交货时间KALM-HD模型1.25公里。用红色值被称为分析事件的比例在每个垃圾箱。

图11
平均绝对误差两年的降水阈值的6个气象站的观测时期天+ 1的交货时间KALM-HD模型5公里。用红色值被称为分析事件的比例在每个垃圾箱。

看着季节性行为,更值的美再次发现降水阈值更高,尤其是在夏季和秋季赛季KALM-HD模型的网格分辨率(数字12和13),而冬季显示较低数量的降水误差阈值在每个垃圾桶,在协议与当地降雨的政权。中没有找到相关的季节性差异,根据天气的主要依赖降水或中尺度通量,并略微当地条件,也许除了一些例外的严重事件。然而,正如之前提到的,后一个元素可能与一些KALM-HD模型的局限性以及预测局部诱发不稳定的条件下,不相关的冬天比其他三个季节。


图12
季节性降水阈值的美两年的6个气象站的观测时期天+ 1的交货时间KALM-HD模型1.25公里。

图13
季节性降水阈值的美两年的6个气象站的观测时期天+ 1的交货时间KALM-HD模型5公里。
4.1.3。风分析

第三个考虑风速气象变量,这可能是重要的在几个方面,但是,在我们的情况下,它有一个显著的影响在这个典型的森林区域的植被的严重的风暴。因此,它的机械作用会破坏土壤增加泥石流和边坡不稳定的风险。在这项研究中,阈值是传统细分考虑那些风速度允许生成的能源生产,尽可能多的风电场安装了由埃尼公司周边地区的研究。通常情况下,风速低于10公里/小时不能用于风力发电,否则,值10 km / h和40 km / h是有用的能源生产,而强度40 km / h以上被认为是至关重要的条件。

至于温度,结果描述为模型更好的性能最高的分辨率,比较测量与预测6个气象站。在数据14和15,更深入调查我的风能预测显示了使用这两种模型的网格。所描述的人物,我很小,也就是说。,a good agreement between the model forecast and observed weather data, for low wind velocities which are the majority of analyzed cases. However, as for precipitation, increasing the wind speed threshold, the ME tends to grow. Clearly, it is worthwhile to mention that the KALM-HD has a general tendency to underestimate observed values over all six weather stations. This may be connected to the capability of the model to describe wind regimes in this terrain where the local topography represents a very complex and variable geometry. In fact, a systematic change of valley depth, width, and length induces differences in the cross- and along-valley flow field and thermal structure of the boundary layer, as we above noted discussing the analysis of temperatures. The deeper the valley, the stronger the up-valley winds, and more favored are the formation of vertically stacked circulation cells and an elevated valley inversion layer. Even if this latter characteristic cannot be verified in the Val d’Agri basin, due to a lack of observed vertical profiles and considering all available data including topography, this elevated inversion layer often seems disturbed by the interaction between mesoscale circulation and local thermally driven winds. Only, at Eni Cova station, a slight overestimation is found for low wind regimes in all seasons, due to its position at the bottom of the slope and the presence of drainage flows by a very small north-south oriented valley, not resolved by the model, which may reduce the real wind speeds at that place.


图14
意味着风速误差阈值的两年在六个气象站观测时期天+ 1的交货时间KALM-HD模型1.25公里。用红色值被称为分析事件的比例在每个垃圾箱。

图15
意味着风速误差阈值的两年在六个气象站观测时期天+ 1的交货时间KALM-HD模型5公里。用红色值被称为分析事件的比例在每个垃圾箱。

这个一般低估6个气象站的风速预测是证实了即使在季节性行为(这里没有显示为了简洁起见)。这可能取决于不同的原因:在冬季和夏季,这可能是由于一个上坡和下坡的政权估计不足,由于地形特性,等影响,而在秋天和春天由于通量之间的相互作用可以在当地sub-synoptic和中尺度环流引起的山岳形态学和热特征。如上所述的温度,预测误差通常是不怎么明显,山站,主要是受天气模式的交互影响,通常更容易预测。

5。结论

EWS的框架中,必不可少的数据来自一个天气预报模型运行在当地的规模。KALM-HD模型,基于当地的整体预测系统,已应用于研究预测性能Val d 'Agri地区,巴斯利卡塔地区,在意大利南部:亚平宁山脉的领土受到一些滑坡和洪水由于其地质特征和降雨的动力。

这项研究已经关注比较两小时和日常预测和观察到的数据,从12月1日圣,2018年11月30日th,2020天+ 1的交货时间预计在6个地方,气象站在哪里安装和预报值扩展到这些点。

基准分析是由使用不同的技能成绩,考虑两种不同的模式水平分辨率:1.25公里,5公里。

结果显示最好的成绩是如何实现1.25公里水平分辨率模型相比,5公里,关于温度和风力预测,主要是受到天气模式的交互影响,通常更容易预测,在细雨的高估或弱降水事件的性能稍差1.25公里。

关于温度数据,实现高分山站,在山谷的热条件几乎没有影响。相反,在硅谷,它可能是必要的应用程序的过滤方法来改善这个变量的预测,特别是在冬季(DJF),当局部沉降扮演重要的角色。关于沉淀,没有找到相关的季节性差异谷和山站之间的预测错误:这是同意过的依赖降雨主要是由天气和中尺度通量,并略微夏天非常当地条件和一些异常环流)和秋季(儿子)强烈的事件。关于风速,更难预测在底部的封闭的山谷,山点显示偏离观测值低于谷的,和一般低估几乎出现在所有季节和电台,除了在埃尼Cova站在略微高估低风速的预测。

总之,KALM-HD短期预测不确定性量化对原位测量。通过增加从5公里网格间距1.25公里,通常,KALM-HD更好地代表参考观察复杂的地形。我们相信KALM-HD有潜力作为一个输入模式迫使EWS所需的参数,我们将进一步调查这样的应用程序。EWS可以很容易地应用到其他感兴趣的领域,关键基础设施(管道)不仅可以预防或减轻可能的水文地质监控风险。事实上,同样的方法已经实现在SecureGas项目中,2020年欧洲地平线的框架,旨在从cyberphysical获得欧洲天然气网络威胁。在后面的这个项目,从KALM-HD预测数据模型提供了一个大区域覆盖意大利西北部的[58]。再次,气象预测和观察是一个必要的地质灾害建模系统的输入,这触发预警rainfall-induced山体滑坡的风险。其他应用程序利用所开发的知识和经验为Val d 'Agri区域,展示其能力普遍延长,关键基础设施可能会受到与天气有关的地质灾害的威胁。

数据可用性

气象数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

目前的工作项目的框架下开发水电和污染风险的早期预警系统,由埃尼公司达里奥Avagliano博士作者要感谢爱丽丝Pozzoli,安东内拉·Caputi·拉斯泰利,米歇尔Tricarico场上支持和维护服务的Val d 'Agri在过去三年。最后,作者也谢谢Eng。尼古拉斯·查维斯冈萨雷斯图形支持。