Página traducida con IA

Esta página fue traducida utilizando inteligencia artificial (IA). El contenido puede contener imprecisiones o interpretaciones erróneas. Para uso oficial o crítico, consulte al administrador del sitio para confirmar la información.

03 de Agosto de 2023

ACTAS 001/2023 - Revisión 002

Reunión del Comité Científico del Modelo de Pronóstico del Océano, la Superficie Terrestre y la Atmósfera. El 3 de agosto de 2023, a las 14:00, se reunieron virtualmente representantes del INPE (Instituto Nacional de Investigaciones Espaciales), INMET (Instituto Nacional de Meteorología), UFCG (Universidad Federal de Campina Grande), USP (Universidad de São Paulo), LNCC (Laboratorio Nacional de Computación Científica), UFRJ (Universidad Federal de Río de Janeiro), UFMS (Universidad Federal de Mato Grosso do Sul), UFPA (Universidad Federal de Pará), UFPel (Universidad Federal de Pelotas), UECE (Universidad Estatal de Ceará), FAB (Fuerza Aérea Brasileña), MB (Marina de Brasil), MCTI (Ministerio de Ciencia, Tecnología e Innovación) y SMN (Servicio Meteorológico Nacional de Argentina). Con el fin de impulsar el trabajo y las discusiones del Comité Científico ( CC ), así como la toma de decisiones sobre la adopción del modelo MPAS (Modelo de Predicción a Través de Escalas) como núcleo de la dinámica atmosférica del MONAN (Modelo para la Predicción Océano-Tierra-Atmósfera), estas actas registran la memoria de la reunión celebrada y recopilan la información insertada en el chat, como enlaces y otra información relevante para las discusiones mantenidas. Tras la apertura de la reunión, a cargo de los coordinadores institucionales Saulo Freitas/INPE y Pedro Dias/USP, este documento se orienta según las directrices establecidas por Saulo Freitas durante su presentación.

Al inicio de la 9.ª Reunión del Comité Científico de MONAN, Saulo Freitas dio la bienvenida a todos los participantes y anunció los temas a tratar durante la reunión del CC de MONAN. Destacó y agradeció la participación de Gilvan Sampaio, Coordinador de la Coordinación General de Ciencias de la Tierra (CGCT) del INPE, y de Antonio Mendonça, representante del MCTI. A continuación, Freitas anunció que explicaría brevemente la agenda, anunciaría a los nuevos miembros y haría una breve retrospectiva de las acciones tomadas para el desarrollo de MONAN, incluyendo la obtención de recursos para el programa. A continuación, presentaría la propuesta de adoptar el MPAS del NCAR (Centro Nacional de Investigaciones Atmosféricas) como base para sustentar el núcleo dinámico del componente atmosférico de MONAN; comenzando con dos presentaciones: una sobre los aspectos computacionales a cargo de Luiz Flávio/INPE y otra sobre la evaluación de los aspectos físicos a cargo de Ariane Frassoni/INPE. Una vez finalizadas las presentaciones, se abrirá un debate general sobre el CC, con el objetivo de tomar decisiones y confirmar su adopción para la adopción de MPAS como núcleo dinámico del componente atmosférico de MONAN. Saulo Freitas también hablará sobre la planificación de actividades para los próximos meses. Finalmente, el investigador Pedro Peixoto/USP anunciará el Curso sobre Métodos de Volumen Finito para Modelos Globales Multiescala con enfoque en MPAS, que impartirá a la comunidad. A continuación, se detallará lo que debería ser el primer curso en el ámbito de MONAN para una sólida comprensión de MPAS.

Agenda 1 - Nuevos miembros y actualizaciones generales

Saulo Freitas saluda y da la bienvenida a los nuevos miembros del MONAN CC: 1. Yanina García Skabar , Directora de Modelado Ambiental y Productos de Teledetección de la Dirección Nacional de Ciencia e Innovación en Productos y Servicios del Servicio Meteorológico Nacional (SMN) de Argentina; 2. Fabricio Pereira Härter de la UFPel, en representación de las universidades del sur de Brasil. Dado que Otávio Acevedo se encuentra en los Estados Unidos, es importante que Fabrício Härter pueda asumir este cargo; 3. Gilson de Paula e Silva como Secretario Ejecutivo en el Consejo Asesor Ejecutivo del Programa MONAN. Saulo Freitas agradece la participación de los investigadores Rafael Maroneze de la UFSM, como invitado y en representación del investigador Otávio Acevedo. Saulo Freitas comenta que los investigadores publicaron recientemente un artículo científico sobre una nueva parametrización de la turbulencia, algo prometedor para probar en el ámbito de MONAN. Respecto a FUNCEME, informa que los investigadores Alexandre Araújo y Francisco Vasconcelos, quienes no pudieron participar de esta reunión debido a sus agendas.

Agenda 2 - Acciones realizadas en la búsqueda de recursos para el proyecto MONAN

Saulo Freitas resume las acciones realizadas en el ámbito de MONAN. Destaca que el CC de MONAN se creó en 2021 con la participación de varias instituciones nacionales y que ahora también cuenta con la participación del SMN de Argentina. La intención es abrirse a otros centros meteorológicos y de investigación de Sudamérica y Latinoamérica, para que MONAN se convierta en un sistema para las Américas, trabajando en estas regiones. Esta es la novena reunión del CC; el desarrollo de MONAN está en la planificación estratégica del INPE y fue reconocido como un proyecto institucional del MCTI, con un presupuesto y una duración de 10 años. Se llevó a cabo una reorganización interna del INPE con énfasis en MONAN para el desarrollo de modelos numéricos que sirvan de base para la nueva generación de productos numéricos. Desde su creación, se han realizado cinco talleres internos en la DIMNT (División de Modelado Numérico del Sistema Terrestre) del CGCT/INPE, abordando temas como la atmósfera, los océanos y la criosfera, y la asimilación de datos, preparando al INPE internamente para el MONAN. Dado que el MONAN es un proyecto institucional del MCTI, en el presupuesto actual para 2023 se solicitaron R$5 millones, pero solo se aprobaron R$96.000,00. Por esta razón, los recursos son muy escasos, principalmente para involucrar a toda la comunidad nacional. Lo que se propuso es que en el próximo PPA (Plan Plurianual) de 2024 se asignarán R$6 millones y, a partir de entonces, R$6 millones anuales, y el compromiso es que el 50% del presupuesto del MONAN se asignará a la comunidad nacional a través de convocatorias del CNPq (Consejo Nacional de Desarrollo Científico y Tecnológico).

Saulo Freitas también comenta sobre el Proyecto RISC (Renovación de la Infraestructura de Supercomputación) e informa que existen dificultades para acceder a recursos financieros para la compra de la nueva supercomputadora, pero que, a pesar de ello, el proceso está en marcha. Saulo Freitas también comenta sobre el rechazo de la propuesta de establecer el MONAN como INCT (Instituto Nacional de Ciencia y Tecnología). Añade que se realizaron varias gestiones con el CNPq, el MCTI y la CAPES (Coordinación para el Perfeccionamiento del Personal de Educación Superior) para obtener apoyo, y que toda esta búsqueda de recursos culminó en una reunión con la SEPPE (Secretaría de Políticas y Programas Estratégicos) del MCTI. A este encuentro, realizado el 23 de junio de 2023, asistieron los investigadores Osvaldo Luiz Leal de Moraes , director del Departamento de Clima y Sostenibilidad del MCTI , Ricardo Magnus Osorio Galvão , presidente del CNPq, Olival Freire Junior , director científico del CNPq, Clezio Marcos de Nardin , director del INPE, Gilvan Sampaio de Oliveira , coordinador del CGCT/INPE, Saulo Ribeiro de Freitas, el coordinador de la DIMNT-CGCT/INPE y los investigadores Pedro da Silva Dias , Júlia Clarinda Paiva Cohen , Fabrício Pereira Härter , Enio Pereira Souza , Márcia Akemi Yamasoe , Vinícius Buscioli Capistrano , Karla Maria Longo de Freitas y el asesor administrativo de MONAN, Gilson de Paula e Silva. En esta reunión, a la que se invitó a representantes de la comunidad académica de las cinco regiones del país, se presentó detalladamente el proyecto MONAN y se planteó la demanda del proyecto modelo. En esta reunión, se propuso una nueva acción para el PPA 2024-2027: la creación de una plataforma computacional para la investigación e innovación en meteorología, clima y medio ambiente en Brasil, basada en MONAN, además de la estructura computacional diseñada por CENAPAD ^1.(Centro Nacional de Procesamiento de Alto Rendimiento) y el LNCC, como centros de procesamiento de alto rendimiento. Una plataforma de servicios de supercomputación para que la comunidad nacional acceda a los servicios de computación de alto rendimiento y participe eficazmente en el desarrollo, las aplicaciones y el uso del MONAN. Esta propuesta se alinea perfectamente con los lineamientos básicos del nuevo gobierno en el PPA, con una reducción de las asimetrías regionales, un enfoque en la implementación de sistemas multiusuario, la formación de recursos humanos y la aplicación de la ciencia y la tecnología para la sostenibilidad en temas ambientales. Una de las ideas es crear un nuevo CENAPAD, pero también instrumentar y modernizar los CENAPAD existentes, priorizando las regiones Norte y Noreste. Además, en la reunión se solicitaron programas de iniciación científica, maestrías, doctorados, becas de posdoctorado en el extranjero (para el desarrollo de jóvenes investigadores) y recursos para un plan de formación científica, además de infraestructura y equipo informático para los miembros.

A continuación, Saulo Freitas invita a Gilvan Sampaio a hablar sobre el PPA. Gilvan Sampaio destaca que se intentó negociar una nueva acción en el PPA. Si bien fue bien recibida por el MCTI, cuando la propuesta llegó al Ministerio de Planificación , surgieron varias dudas y la perspectiva actual es que no habría un aumento de presupuesto con una nueva acción, sino que esta terminaría compartiendo los recursos existentes con una posible nueva acción. Dado que ya existe un presupuesto para MONAN en la LOA (Ley Anual de Presupuesto) de 2023, sería mejor solicitar un aumento de presupuesto en el PLOA (Proyecto de Ley Anual de Presupuesto) de 2024 y trabajar desde ahora hasta 2024. Gilvan Sampaio agrega que es necesario esperar el monto del PLOA de 2024 para saber si se contempló o no. Además, Saulo Freitas comenta la importancia de esta acción con el MCTI para lograr este presupuesto y viabilizar la plataforma mencionada. Saulo Freitas agrega que es importante viabilizar la plataforma de acceso a los recursos computacionales para que las universidades del país puedan contribuir al desarrollo del MONAN.

Agenda 3 - Propuesta para adoptar MPAS/NCAR como base para la estructura y dinámica de datos del componente atmosférico de MONAN

Saulo Freitas anuncia las presentaciones que se realizarán en esta agenda e invita a Luiz Flávio a presentar el informe sobre la evaluación de los candidatos en los aspectos computacionales de los núcleos dinámicos probados. Luiz Flávio comienza su presentación agradeciendo a los miembros del equipo que trabajaron en las evaluaciones. Menciona a los tecnólogos Denis Magalhães de Almeida Eiras , Eduardo Georges Khamis , Carlos Renato de Souza y João Messias da Silva del GCC (Grupo de Computación Científica) del INPE, así como a los colaboradores del LNCC, Roberto P. Souto y Eduardo Lucio Mendes Garcia .

Evaluación de los requisitos de calidad del software para núcleos dinámicos (GCC)

Luiz Flávio explica que el enfoque se centra en los requisitos de calidad del software, esenciales para garantizar su supervivencia. Añade que suele utilizar como referencia el SCD-1 (Satélite de Recolección de Datos-1) de Brasil, que batió el récord como el satélite más antiguo en el espacio, con 30 años de servicio. Comenta que esto fue posible gracias a la preocupación por la calidad del software, en la que se emplearon métodos, procesos, técnicas y estándares para garantizar la calidad y los controles de calidad. Luiz Flávio añade que este es el cuidado que están poniendo en el trabajo de MONAN. Luiz Flávio explica que el primer paso para ello fue definir un documento técnico normativo. La versión presentada es de 2023, pero existe una versión más reciente que se está actualizando gracias al acuerdo de colaboración con la NOAA (Administración Nacional Oceánica y Atmosférica) y el NCAR. Este documento contiene el estándar de codificación que se utilizará en MONAN para mejorar la calidad del software, así como la documentación interna del código y su estructura. Añade que, con estos estándares, fue posible evaluar cada uno de los núcleos dinámicos probados y determinar cuál se ajusta mejor a los requisitos de software de MONAN . Comenta que todos los núcleos dinámicos aún tienen desarrollos por realizar, pero que, a pesar de ello, es necesario determinar cuál es el más compatible con el estado actual del arte en desarrollo y calidad de software.

En el contexto de la calidad del software, Luiz Flávio menciona los principios fundamentales de la norma ISO 9126 , que aborda la calidad interna y externa del software, así como aspectos relacionados con la funcionalidad, la fiabilidad, la usabilidad, la eficiencia, el rendimiento, la mantenibilidad y la portabilidad. Comenta que el GCC se centró en aspectos como el rendimiento, la eficiencia, el comportamiento del modelo en relación con el tiempo (si es rápido o lento), el coste computacional, si cumple con los estándares actuales de eficiencia de software, la mantenibilidad (si es fácil de entender y modificar), si es estable y si cumple con nuestro estándar. En cuanto a la portabilidad, menciona que existen muchas máquinas con diferentes procesadores y compiladores, y que se sabe que, al migrar de una máquina a otra, generalmente es necesario adaptar el software a la nueva máquina. Añade que este es un problema común que seguirá ocurriendo, ya que las máquinas evolucionan muy rápidamente. El DIMNT GAM (Grupo de Evaluación de Modelos), liderado por Ariane Frassoni, fue responsable de analizar los aspectos de funcionalidad, fiabilidad y usabilidad del modelo.

Con respecto a la elección del núcleo dinámico de MONAN, considerando los criterios de calidad del software y los requisitos no funcionales, Luiz Flávio informa que se eligieron herramientas gratuitas y de código abierto para probar los núcleos dinámicos. Luiz Flávio agrega que eligieron el MPAS de NCAR, con el que la mayoría de las personas están familiarizadas y que tiene la posibilidad de regionalización. Comenta que los modelos GEF (Global Eta Framework), basados en el modelo Eta de CPTEC , y el FV3 , actualmente adoptado por la NOAA, funcionan con una cuadrícula en forma de esfera cúbica y también se pueden regionalizar. Comenta que, alrededor de 2014, estos tres modelos habían sido evaluados por la NOAA para elegir su nuevo núcleo dinámico. Por lo tanto, se decidió enfocarse en los núcleos dinámicos de estos tres modelos, ignorando las parametrizaciones físicas y evaluando cómo se comportan los núcleos dinámicos en relación con la calidad del software.

Con respecto a la forma en que se realizaron las pruebas y evaluaciones, Luiz Flávio menciona las dificultades encontradas en relación con la infraestructura. Comenta que, lamentablemente, la supercomputadora CPTEC opera con limitaciones, pero que pronto se reactivará mediante un proyecto. Menciona que, durante las evaluaciones, no fue posible utilizar todos los nodos de la supercomputadora debido a su uso en las operaciones de CPTEC. Agrega que se utilizó el clúster Egeon (una máquina Dell adquirida por CPTEC en 2022), que cuenta con 33 nodos con dos CPU AMD Epyc cada uno. También menciona el uso del clúster Minerva, proporcionado por Dell para las pruebas (agradecemos públicamente a Dell por proporcionar la máquina para las pruebas). Esta máquina tiene 64 nodos, muy similares a los nodos del clúster Egeon de CPTEC. Agrega que también se utilizó el clúster Rattler, que cuenta con 7 nodos con GPU (cada nodo con 2 CPU AMD Epyc y 4 GPU NVIDIA A100). Luiz Flávio menciona que a pesar de los 7 nodos disponibles, lograron utilizar más nodos.

Luiz Flávio continúa su presentación presentando los resultados de las evaluaciones realizadas. En la evaluación de mantenibilidad, menciona que se examinaron aspectos como la analizabilidad para identificar la facilidad de diagnóstico de problemas y la capacidad de comprender e identificar fallas en el software, además de la facilidad de modificación de códigos. Destacó la importancia de una documentación completa para comprender claramente las estructuras de bucles y funciones (modificabilidad). También menciona que la reusabilidad se analizó en términos de la posibilidad de reutilizar fácilmente el software y su estabilidad, donde esta no se limita a que el modelo no falle, sino a la capacidad de los cambios para no causar efectos secundarios negativos. Agrega que se identificaron características que pueden causar efectos secundarios graves. En cuanto a la testabilidad, menciona que se consideró la capacidad de aislar el software para las pruebas, utilizando métricas como la complejidad ciclomática de McCabe y las métricas de software del RADC (Centro de Desarrollo Aéreo de Roma). Se utilizaron herramientas abiertas, adaptadas a las necesidades de evaluación de GCC y con los detalles presentes en el documento en el repositorio de GitHub monanadmin ² .

Luiz Flávio comenta que se evaluó la calidad del software y que los resultados se detallan en el documento que se publicará en la Biblioteca INPE. Menciona que los tres modelos se analizaron en relación con las subcaracterísticas de mantenibilidad. El modelo GEF, debido a la falta de recursos, tuvo el peor rendimiento y se abandonó, centrándose en los otros dos. La comparación entre los modelos FV3 y MPAS reveló que MPAS presentó ventajas en términos de analizabilidad y estabilidad. La usabilidad fue similar entre ambos, con una ligera ventaja para FV3 en términos de estabilidad en las métricas. MPAS demostró una ligera ventaja en la capacidad de prueba. En cuanto a la portabilidad, se verificaron problemas de interdependencia en diferentes arquitecturas, evaluando la adaptabilidad y la capacidad de instalación, considerando la confiabilidad de la portabilidad. Luiz Flávio añade que los procesadores AMD e Intel se evaluaron en relación con sus capacidades funcionales, otorgando puntos por cada procesador compatible. Se priorizó el software con menos paquetes de bibliotecas, ya que un mayor número de paquetes dificulta la instalación. Se destacó la necesidad de compatibilidad con MPI (Interfaz de Análisis Masivo), OpenMP y OpenACC , así como con los compiladores NVIDIA e Intel, puntuando cada biblioteca y compilador compatible. Los resultados finales indicaron que MPAS obtuvo la mejor puntuación general, 8,2 puntos, gracias a su compatibilidad con el compilador NVIDIA y un menor número de paquetes. FV3 obtuvo una puntuación general de 4,4 puntos, debido a la mayor cantidad de bibliotecas y la falta de compatibilidad con los compiladores NVIDIA.

Se evaluó la escalabilidad de los modelos, observando el aumento de nodos y el comportamiento de las curvas de rendimiento. Luiz Flávio comenta que la eficiencia de MPAS aumentó por encima del 100% a medida que aumentaban los nodos, con una curva superlineal, posiblemente relacionada con el uso de memoria. Comenta que la aceleración fue exitosa con el uso de GPU, y la eficiencia de MPAS cayó por debajo del 30% con un mayor número de nodos. Agrega que el rendimiento comparativo destacó que MPAS presentó un rendimiento inferior a FV3 con el uso de CPU, pero FV3 con GPU tuvo una extrapolación positiva a 150 segundos con 64 nodos. Se mencionó que la ausencia de resultados de GPU para FV3 se debió a la falta de acceso a los datos de NVIDIA. Se realizó la normalización de los criterios de mantenibilidad, portabilidad y rendimiento, destacando la superioridad de MPAS en mantenibilidad (152 puntos) y portabilidad (8,4 puntos) en comparación con FV3 (132 puntos y 4,4 puntos, respectivamente). En términos de rendimiento, MPAS superó a FV3 con CPU, y FV3 con GPU obtuvo el 90 % del rendimiento de MPAS. La siguiente figura muestra una comparación del rendimiento de los núcleos dinámicos de FV3 y MPAS en el clúster Minerva.

Cuadro de mando de SHiELD y MPAS — Comparación del rendimiento de los núcleos dinámicos FV3 y MPAS en el clúster Minerva.

Luiz Flávio menciona que las cifras detalladas no figuran en el informe presentado, pero que estarán disponibles en el informe final que se publicará en la biblioteca del INPE. Comenta que no se asignó un peso especial a criterios específicos y que las conclusiones se basaron en análisis de calidad del código, mantenibilidad, portabilidad y rendimiento. La siguiente tabla resume las puntuaciones finales normalizadas de los núcleos dinámicos FV3 y MPAS (la explicación de los valores de la tabla a continuación se encuentra en el minuto 31:56 del acta de la reunión del CC).

Criterio	Puntuación MPAS (mejor = 1.0)	Puntuación FV3 (Mejor = 1.0)
Mantenibilidad	152 (1.0)	132 (0,9)
Portabilidad	8.4 (1.0)	4.4 (0.5)
PEE (Rendimiento, Escalabilidad y Eficiencia)	239 / 150 ( CPU=0,7 )( GPU=1,0 )	166 ( CPU=1.0 )(GPU=0.9)
Puntuación final (Máximo de 3 puntos = Calificación 10)	CPU/CPU - Note 9, GPU/CPU - Note 10	CPU/CPU - Calificación 8, GPU/CPU - Calificación 7.6

Después de la presentación de Luiz Flávio, Saulo Freitas abre la palabra para algunas preguntas de los participantes.

Haroldo Fraga pregunta a Luiz Flávio si la prueba de rendimiento proporciona un informe más detallado sobre qué rutinas requieren más tiempo de procesamiento. Haroldo Fraga comenta que esta información es importante para comprender dónde se encuentran los cuellos de botella en el código. Luis Flávio responde que no. Comenta que existen resultados sobre la partición de los valores de cada rutina en las dinámicas evaluadas, pero que la parte física de los modelos no se incluyó en esta discusión. Añade que GCC ya ha estado trabajando para determinar si encuentra cuellos de botella específicos dentro de la dinámica de los modelos probados. También comenta que en ambos códigos no hay un responsable de los cuellos de botella, no hay ninguna rutina que aumente el tiempo de procesamiento de la dinámica, y el tiempo se distribuye de forma más o menos uniforme, es decir, todas las rutinas consumen mucho o por igual. Luiz Flávio explica que, para quienes ya trabajan con HPC (computación de alto rendimiento), es fácil encontrar, atacar y resolver cuando existe una rutina responsable. Cuando el rendimiento es uniforme, significa que es necesario abordarlo todo para mejorar el rendimiento general. Sin embargo, este es un trabajo que GCC deberá realizar más adelante, cuando ya esté trabajando con MONAN y ya no con MPAS ni FV3. Haroldo Fraga comenta que, a veces, no es posible tener solo una rutina, sino dos o tres que puedan afectar el rendimiento. Luiz Flávio coincide y comenta que hay otra información que no figura en el informe, pero que sí se encuentra en los documentos ² disponibles en el repositorio.

Fabrício Härter pregunta sobre la instalación de MPAS y si existen dificultades con la biblioteca PIO (E/S paralela). Luiz Flávio responde que sí y que la instalación de MPAS está documentada. Añade que, si se elige MPAS como núcleo dinámico del componente atmosférico de MONAN, la nueva versión de MPAS ya no necesita PIO, ya que se utiliza SMIOL (capa simple de E/S de MPAS). Pedro Peixoto comenta que ha estado trabajando en el repositorio MPAS-BR , que está destinado principalmente a desarrollos científicos, pero donde se pueden encontrar varios scripts de instalación de MPAS.

Saulo Freitas cede la palabra a Ariane Frassoni, quien hablará sobre los aspectos meteorológicos y físicos de los núcleos dinámicos probados y evaluados.

Evaluación de los requisitos de funcionalidad de software para núcleos dinámicos (GAM)

Ariane Frassoni comienza su presentación agradeciendo a todos por la oportunidad de participar en la reunión del MONAN CC. Menciona que presentará los resultados que generó GAM, enfocándose en la funcionalidad de los núcleos dinámicos probados. Menciona que su grupo está compuesto por ella y sus colaboradores Julio Pablo Reyes Fernandez , Marcelo Barbio Rosa , Bárbara Alessandra Gonçalves Pinheiro Yamada , así como miembros de otros grupos DIMNT: Carlos Frederico Bastarz y João Gerd Zell de Mattos del grupo de Asimilación de Datos, y también José Roberto Rozante de DIPTC (División de Pronóstico del Tiempo y el Clima), quien tiene mucha experiencia en la evaluación de precipitaciones. Aprovecha la oportunidad para agradecer al GCC, especialmente a Denis Magalhães de Almeida Eiras, quien la ayudó a comprender mejor las métricas de evaluación de la calidad del software.

Ariane Frassoni comenta que el objetivo principal fue analizar la funcionalidad de los modelos globales evaluados. Menciona el interés en cómo estos modelos satisfacen las necesidades de MONAN, considerando a los usuarios externos y colegas que los operarán diariamente.

En cuanto a los aspectos relacionados con la funcionalidad, Ariane Frassoni menciona la idoneidad, la interoperabilidad, la precisión y la facilidad de uso. Comenta que se evaluaron los núcleos dinámicos FV3, SHiELD (Sistema de Modelado de Alta Resolución para Dominios de la Tierra a Locales), MPAS y GEF. Añade que se tuvo en cuenta la aplicación de MONAN dentro del enfoque del sistema Tierra para satisfacer las necesidades de diversas instituciones en diversas escalas temporales y espaciales. En este sentido, comenta que MONAN involucrará a diversas instituciones académicas y de formulación de políticas, y sus productos se utilizarán para diversos servicios ambientales a diferentes escalas. Por lo tanto, los modelos deben satisfacer una amplia gama de necesidades, desde la escala local hasta la regional y los centros meteorológicos estatales. Las subcaracterísticas relacionadas con la funcionalidad son la idoneidad: si el software es adecuado para los objetivos propuestos, si es interoperable, si se comunica con otros componentes necesarios para el trabajo a realizar, la precisión (evaluada en términos estadísticos y meteorológicos) y la facilidad de uso (que se enmarca en la usabilidad).

Se entiende también que MONAN contará con la participación de diversas instituciones académicas públicas y privadas, así como de formuladores de políticas públicas en ciencia y meteorología, y que los productos numéricos se utilizarán para la prestación de una serie de servicios ambientales, en diferentes escalas temporales y espaciales. Por lo tanto, es necesario que satisfagan las necesidades a diferentes escalas, no solo locales, sino también regionales y locales, con miras a la utilización de los centros meteorológicos estatales.

En términos de operabilidad, en este enfoque del sistema terrestre, el núcleo dinámico de MONAN debe ser capaz de recibir otros componentes, como océanos, asimilación de datos y superficie, entre otros. Esta subcaracterística es importante para determinar si los modelos evaluados consideran esta capacidad de interoperabilidad.

En términos de usabilidad, es un aspecto más subjetivo, pero considera la capacidad del software para que el usuario comprenda su funcionamiento. Se menciona la pregunta de Fabrício Härter sobre algunos desafíos en la instalación de MPAS: si este software es apropiado, cómo se puede usar en las diversas actividades del usuario y si es fácil de entender. Si el usuario puede comprender lo que propone el software, si se puede operar y si cumple con los estándares preestablecidos. Además de estos aspectos mencionados, incluimos la usabilidad y la capacidad de colaboración, es decir, la facilidad de comunicación y de contribución a otros centros. Todo esto implica este modelo, por lo que nos centramos en la posibilidad de una mayor interacción entre los grupos que desarrollan este software.

En términos de precisión, el enfoque se centró en la medida de evaluación estadística de los experimentos numéricos realizados. Con respecto a los experimentos, Ariane Frassoni menciona que comprenden escalas de corto plazo; en este momento, para el objetivo inicial de MONAN, es la escala de predicción numérica del tiempo. Se consideraron estos modelos con aproximadamente 15 km de resolución horizontal y los niveles verticales disponibles, con un período de pronóstico de hasta 10 días. El grupo propuso realizar evaluaciones de hasta 10 días de pronóstico a partir de las 00 UTC y las condiciones iniciales utilizadas provinieron del reanálisis Era5 , para un período de evaluación de un año de julio de 2021 a junio de 2022. Dentro de este período, debido a los recursos computacionales disponibles, fue necesario reducir el número de casos evaluados y se seleccionaron algunos días de este período. Cada cinco días, el modelo se inicializó de nuevo para componer 64 casos experimentales. La resolución temporal adoptada fue de 6 horas y la resolución espacial se interpoló a 0,25 grados de latitud y longitud, con el único fin de permitir la comparación directa con el reanálisis de Era5. Para visualizar los resultados, se posprocesaron algunas variables esenciales para cumplir con los objetivos del análisis de precisión, considerando ciertos aspectos.

En cuanto a las parametrizaciones físicas utilizadas, se adoptaron las opciones predeterminadas de los modelos. Ariane Frassoni aclara que no se realizaron pruebas de sensibilidad, ya que el objetivo no era analizar la física de los modelos, sino comprender cómo se comportan con sus opciones predeterminadas, en términos estadísticos y meteorológicos. Además, añade, la física debería desarrollarse en el CPTEC en colaboración con varios socios. A continuación, Ariane Frassoni enumera las opciones de física predeterminadas de los modelos para la radiación, la superficie continental y los procesos superficiales. Para el modelo SHiELD, que es un modelo simplificado que calcula los flujos superficie-océano y atmosférico, la microfísica de las nubes, la convección superficial y profunda, las ondas de gravedad, la capa límite planetaria y la química de los aerosoles, aunque ambos modelos (MPAS y SHiELD) tienen condiciones ejecutadas con estos dos componentes (química y aerosoles), se desactivaron.

En cuanto a las recomendaciones de la OMM (Organización Meteorológica Mundial), Ariane Frassoni explica que existen ciertas métricas y áreas espaciales para evaluar los pronósticos de variables continuas y dicotómicos, que son pronósticos binarios (sí o no, ocurre o no ocurre). Añade que se consideraron todos los aspectos recomendados por la OMM en los manuales del Sistema Integrado de Procesamiento y Predicción (WIPPS) y otros manuales también disponibles por la OMM.

Los datos de referencia utilizados en las evaluaciones fueron Era5 para las variables meteorológicas, excepto para la precipitación, para la cual se consideró la GPM (Misión Global de Medición de Precipitaciones) para el dominio global. Para el dominio sudamericano, se consideró MERGE ³ , un producto desarrollado en CPTEC y en constante mejora.

En cuanto a la inicialización de los modelos, estos fueron inicializados a las 00 UTC, pero para poder evaluar la precipitación considerando principalmente el MERGE, los pronósticos de precipitación fueron acumulados a partir de 12 horas de integración, de manera que nuestros pronósticos de 24 horas presentados son los pronósticos de 36 horas, los pronósticos de 48 horas son los pronósticos de 60 horas y así sucesivamente.

Para evaluar las parametrizaciones físicas, también se utilizaron métricas de evaluación recomendadas por la OMM, como la correlación de anomalías, el sesgo y el error cuadrático medio para variables continuas. Para simplificar, explica, se presentará un diagrama de rendimiento que resume algunos de estos índices dicotómicos. Además de estas métricas conocidas y recomendadas por la OMM, Ariane Frassoni explica que también se calculó la distancia de Mahalanobis , implementada por Marcelo Barbio. La distancia de Mahalanobis consiste en una métrica multivariante que considera la diferencia entre una serie de variables. Ariane Frassoni explica que esta métrica se utilizó para proporcionar una visión general de cómo se comportan los errores de estos dos modelos.

En cuanto a los resultados obtenidos, la primera métrica considerada se refiere a aspectos de algunas subcaracterísticas. Se evaluó si el núcleo dinámico de los modelos cumplía con las necesidades del proyecto MONAN. Para ello, explica, se consideró que este modelo debía cumplir con las escalas global y regional y, por lo tanto, es necesario que el núcleo dinámico no fuera hidrostático. Añade que, como explicó Luiz Flávio, estos ítems se calificaron y se asignaron tres puntos tanto a SHiELD como a MPAS y un punto a GEF, que en este caso se consideró inadecuado para las aplicaciones previstas para MONAN. Como resultado, el modelo GEF dejó de evaluarse en los demás ítems en términos de precisión, principalmente debido al tiempo de cálculo requerido. Además, Ariane Frassoni menciona los manuales técnicos de los modelos y si están disponibles y son fácilmente accesibles. Por lo tanto, continúa, si el manual técnico del modelo estuviera disponible y fuera fácilmente accesible, recibiría 3 puntos; si no estuviera disponible, no fuera fácilmente accesible o utilizable, o ambas cosas, recibiría 1 punto. Así, en términos de comparación, MPAS recibió 3 puntos y SHiELD solo 1, debido a la dificultad para encontrar información que permitiera comprender aspectos del modelo, como la instalación y el posprocesamiento. Además de lo mencionado, Ariane Frassoni también menciona otros aspectos relevantes, como la comprensión del uso del modelo y la estabilidad numérica. En cuanto a la estabilidad numérica, comenta que ambos modelos obtuvieron puntuaciones máximas y no presentaron ningún tipo de inestabilidad durante el tiempo de integración. Añade que, básicamente, los modelos considerados tienen aplicaciones y posibilidades de aplicación muy similares, con variaciones en una u otra aplicación (p. ej., olas oceánicas, clima urbano, calidad del aire, agricultura, pronóstico del tiempo) y sus puntuaciones finales son muy similares. Durante su presentación, Ariane Frassoni explica que no se mostraron todas las métricas evaluadas, pero que todos los resultados de estas métricas estarán disponibles en el informe final que se publicará en la biblioteca del INPE.

Continuando con su presentación, Ariane Frassoni presenta los resultados de los pronósticos de los modelos considerados. Comienza con la intensidad promedio de la precipitación a lo largo de 24 y 120 horas en el dominio global, en mm/día, comparada con los datos GPM y MERGE. En términos generales, en comparación con el GPM, los modelos representan satisfactoriamente la distribución espacial de la precipitación, donde se pueden identificar aspectos a gran escala de la precipitación, como las zonas de convergencia intertropical, las zonas de convergencia del Pacífico Sur y el Océano Atlántico. También añade que se pueden identificar áreas de precipitación asociadas con el paso de sistemas frontales, lo cual se considera un aspecto general a gran escala bien representado. Al observar la región de los trópicos con más detalle, es evidente que el modelo SHiELD tiende a sobreestimar la precipitación, mientras que el modelo MPAS tiende a subestimarla. Estas características opuestas se reflejan numéricamente en la comparación de los promedios de MPAS y SHiELD con el promedio de MERGE. En la explicación, Ariane Frassoni explica que MPAS tiene una precipitación de 3,1%, correspondiente a una diferencia en relación a MERGE de -3,2%, mientras que SHiELD presenta una diferencia en la intensidad media de precipitación de aproximadamente 3,5%. Todavía en términos de la diferencia porcentual, explica, el valor más alto encontrado fue 8,5% del modelo SHiELD en relación a MERGE (en el promedio del pronóstico de 24 horas). Para 120 horas de integración, se observó que MPAS tiende a sobreestimar la intensidad de precipitación para períodos de pronóstico más largos, con una diferencia porcentual de 3,2%, mientras que SHiELD aumenta esta diferencia a 15%. Comparando todos los períodos de integración, se observó que el modelo MPAS - en comparación con el modelo SHiELD, tiende a ser más consistente en términos de la representación de la intensidad media de precipitación por día. En este sentido, el modelo SHiELD tiende a aumentar la precipitación media a lo largo del tiempo de integración.

En cuanto a los índices de pronóstico dicotómico en términos de diagramas de desempeño, se muestran Bias y Frequency Bias, mostrando la frecuencia de ocurrencia de precipitación versus la probabilidad de ocurrencia de eventos. También se presentan otras métricas como POD (Probabilidad de Detección), SR (Ratio de Éxito), CSI (Índice Crítico de Éxito), entre otras. Comenta que la evaluación de estos índices se realizó sobre el dominio global, pero también sobre áreas de Sudamérica, en donde se utilizaron datos de MERGE. Ariane Frassoni comenta que las áreas de Sudamérica elegidas para las evaluaciones se basan en el trabajo de Figueroa et al. (2016) ⁴ . Durante la presentación, Ariane Frassoni señala las áreas de interés: área B1, correspondiente a parte de Argentina y región sur de Brasil, Paraguay y Uruguay; área B2 al este de Brasil, área B3 corresponde a parte de la región centro-sur y parte de la región central de Bolivia, Paraguay, norte de Paraguay; área B4 correspondiente a la mayor parte del Noreste; y el área B5, correspondiente a la mayor parte de la región amazónica.

Debido a la gran cantidad de resultados, Ariane Frassoni presenta solo algunos. Muestra los pronósticos de 36 horas (que en realidad son pronósticos de 24 horas) para todas las áreas B1, B2, B3, B4 y B5 y los umbrales de precipitación, con círculos del menor al mayor, cada uno representando un umbral de precipitación que va de 0,5 a 50 mm. El modelo SHiELD está representado en negro y el modelo MPAS en rojo. En general, el MPAS tiende a subestimar la precipitación para algunos umbrales, mientras que el MPAS sobreestima o subestima, dependiendo de los umbrales de precipitación. Por ejemplo, para la región B1, sur de Brasil y noreste de Argentina, el MPAS tiene un mejor desempeño hasta 20 mm y tiene un sesgo cercano a 1, mientras que el sesgo de SHiELD en esta región indica una subestimación de la precipitación para estos umbrales de 2 a 20 mm. En términos de eventos raros, para pronósticos de 50 mm, SHiELD presenta un sesgo mayor que el MPAS. En este sentido, para el área B1, la tendencia es que el modelo SHiELD presente un desempeño superior en relación a la probabilidad de detección.

En las demás áreas, por ejemplo, en el área B5 (Amazonía), existe una mayor dispersión de estos umbrales. Existe una tendencia a la sobreestimación, ya que existen umbrales bajos y medios, y para umbrales superiores a 5 mm, el sesgo se acerca más a 1. Ariane Frassoni destaca que existe una mayor probabilidad de detectar SHIELD en comparación con MPAS, pero, por otro lado, existe una sobreestimación de SHIELD en comparación con MPAS en toda la región.

Para precipitaciones de hasta 10 mm (dominio global), el sesgo se mantiene cercano a 1 durante todo el tiempo de integración para MPAS, mientras que aumenta para SHiELD. El POD de MPAS presenta un signo positivo en comparación con SHiELD, a pesar de evaluarse el umbral de 10 mm en este caso. Por otro lado, la probabilidad de ocurrencia (SR), que representa la probabilidad del evento observado dado que fue predicho, es mayor para MPAS y menor para SHiELD. El CSI también es un buen indicador para estos umbrales de precipitación, aunque no lo es para umbrales de precipitación más altos y eventos poco frecuentes. En este caso, el MPAS predomina para umbrales de precipitación más bajos.

Para precipitaciones superiores a 35 mm, el comportamiento de los modelos cambia. Considerando que el POD es un buen indicador de eventos poco frecuentes, se observó que SHiELD tiene un mejor rendimiento para estos eventos, como precipitaciones más intensas. En cuanto al sesgo, el modelo MPAS comienza a subestimar la precipitación a partir de este umbral, mientras que el modelo SHiELD también la subestima.

En general, se encontró un rendimiento ligeramente superior de SHiELD en comparación con MPAS. La siguiente figura resume los resultados de esta evaluación.

En cuanto a la distancia de Mahalanobis, se consideraron las variables de viento y temperatura a lo largo de la columna atmosférica para los pronósticos de 48 horas de los modelos MPAS y SHiELD. Los períodos considerados fueron verano (diciembre, enero y febrero), e invierno (junio, julio y agosto). Ariane Frassoni explica que, para las distancias de Mahalanobis, a mayor distancia, mayor es la diferencia entre el pronóstico y la observación (en este caso, la referencia es el reanálisis de Era5). Por lo tanto, la distancia de Mahalanobis muestra un mejor rendimiento cuando el color predominante en los gráficos es el azul, y cuanto menor sea la distancia, mejor.

Para el período de pronóstico de 48 horas, las distancias son menores en el período de verano, siendo más predominantes en la región central de Brasil cerca de la región donde ocurre la Zona de Convergencia y en el sur de América del Sur, para ambos modelos. Para el invierno, también ocurre un patrón similar, pero con algunas diferencias. Para los períodos de pronóstico iniciales, la distancia es menor, mientras que para períodos de pronóstico más largos, la distancia tiende a aumentar. Observando las regiones más sensibles, por ejemplo, los Andes, comparando verano e invierno, el MPAS muestra una mayor distancia en esta región. Ariane Frassoni comenta que este fue uno de los factores que llamó la atención y que ya se había destacado en una reunión interna del DIMNT y que posiblemente esté asociado con la coordenada vertical del modelo. Ariane Frassoni destaca que este es un punto sensible que debe ser considerado por el MONAN CC y que es importante invertir en la evaluación y mejora de la coordenada vertical del modelo. En relación con esta parte, concluye que ambos modelos tienden a presentar mayores valores de distancia en la región andina, siendo el modelo MPAS el que presenta los mayores valores. Para el período de pronóstico de 120 horas, existe una tendencia a que estas distancias presenten valores mayores, con mayor variabilidad en la región sur de Sudamérica, mientras que la variabilidad es menor en la región tropical y estas diferencias se acentúan en la región andina.

Ariane Frassoni enumera algunas de las ventajas y limitaciones de los modelos evaluados. Comenta que el modelo SHiELD tiene la ventaja de ser el modelo operativo del NCEP (Centro Nacional de Predicciones Ambientales), con coordenadas verticales lagrangianas. Menciona que el modelo MPAS también está operativo, pero en una empresa privada, que cuenta con un buen apoyo del NCAR, lo cual, a lo largo del trabajo, quedó demostrado por el apoyo del NCAR para la comprensión de algunos procesos. Otra ventaja del modelo MPAS, como mencionó Luiz Flávio, es el uso de GPU para su procesamiento, un punto fundamental, especialmente considerando el escenario actual de evolución de máquinas y supercomputadoras y la tendencia al aumento del uso de GPU. En cuanto a las desventajas, comenta que SHiELD no cuenta con un buen soporte ni documentación, menciona las deficiencias encontradas con las coordenadas verticales del modelo MPAS y que ambos modelos son limitados en cuanto a las opciones de posprocesamiento.

Ariane Frassoni menciona que también se verificaron las correlaciones de las anomalías en los modelos. Comenta que ambos modelos presentan, en promedio, 8 días de pronóstico útil. Además, comenta que las diferencias en los campos de precipitación de los modelos podrían estar asociadas a las parametrizaciones físicas probadas. Respecto a los errores en las topografías, comenta que es necesario investigarlos más a fondo. Añade que también es necesario complementar el estudio con un cálculo de significancia para determinar si las diferencias, principalmente en los diagramas de rendimiento, son estadísticamente significativas.

Ariane Frassoni finaliza su presentación informando que se publicará un informe completo en la biblioteca del INPE y que estará disponible para el CC de MONAN.

Discusión sobre la selección del núcleo dinámico de MONAN

Tras las presentaciones de Luiz Flávio y Ariane Frassoni, Saulo Freitas inicia las conversaciones con los miembros del Comité de Coordinación de MONAN para definir el núcleo dinámico que se adoptará para el componente atmosférico de MONAN. En la grabación de la reunión del Comité de Coordinación de MONAN, las conversaciones comienzan en el minuto 1:18:15 . Saulo Freitas expresa su opinión y afirma que existe una dirección clara hacia el modelo MPAS, pero que la decisión debe ser colectiva.

Pedro Dias comenta que ha aplicado el modelo MPAS con sus estudiantes y que la documentación y la facilidad de uso de MPAS son factores muy importantes. En cuanto a FV3, comenta que también ha recibido informes sobre dificultades en el uso y la resolución de problemas, debido a la falta de documentación de FV3. Respecto al problema con las coordenadas verticales señalado por Ariane Frassoni, comenta que se trata de un desafío que debe abordarse y que ha conversado sobre el tema con Pedro Peixoto y cree que MONAN puede contribuir a la solución de este problema, que no solo se presenta en los Andes, sino también en regiones con topografía muy escarpada. Añade que la solución a este problema debe considerarse con la máxima prioridad.

Pedro Peixoto comenta que, a pesar de sus deficiencias, el CC busca un modelo que sirva de base para MONAN, de modo que la comunidad científica de MONAN pueda desarrollarlo de forma sostenible. Añade que percibe que el modelo FV3 tiene varios aspectos positivos en términos de rendimiento, pero que su base fue diseñada de forma más compleja, lo que lo hace menos accesible en este sentido. Por otro lado, afirma que el modelo MPAS tiene una base más manejable y que, en este sentido, la decisión de utilizar MPAS parece ser una decisión acertada por parte del CC de MONAN. También comenta que, si la opción a adoptar fuera un modelo sin problemas ni desafíos, la comunidad de MONAN simplemente sería usuaria de este modelo. De esta manera, la comunidad científica de MONAN tiene el potencial de ayudar a resolver estos problemas.

Saulo Freitas contribuye informando sobre una discusión sobre las aplicaciones del modelo FV3 a escala convectiva y los problemas y desafíos que la NOAA ha enfrentado con este. Comenta que, según un crítico de la organización NOAA ⁵ ⁶ , a pesar de que Estados Unidos ha realizado una gran inversión en pronósticos meteorológicos y climáticos, aún no ha logrado, con el tiempo, mejorar su desempeño en comparación, por ejemplo, con el ECMWF (Centro Europeo de Pronósticos Meteorológicos a Mediano Plazo). Añade que los problemas del FV3 son intrínsecos a la formulación del modelo y que la propia NOAA está considerando adoptar el MPAS para reemplazarlo. También comenta que para la comunidad MONAN es muy difícil adoptar un modelo que ya ha recibido fuertes críticas y que es difícil obtener apoyo y colaboración. Concluye su contribución diciendo que Brasil desea alcanzar un nivel de madurez global, que quiere dejar de ser un usuario y convertirse en un desarrollador, y que el MPAS, a pesar de sus defectos, representa una oportunidad para ello.

Haroldo Fraga comenta que es necesario elegir un modelo que proporcione una estructura de software que permita alcanzar los objetivos propuestos por MONAN. Cita como ejemplo la aplicación de mallas no estructuradas para regionalizar el modelo y detallar las áreas de interés. Añade que, en su opinión, es más fácil cooperar con NCAR que con NCEP. En su posición, afirma, se decanta por el modelo MPAS.

Luciano Pezzi aporta su opinión. Comenta que su grupo (Océano, Hielo Continental y Marino) ha considerado adoptar el modelo MOM6 (Modelo Modular Oceánico 6) como usuario. Añade que, en el caso del componente atmosférico, entiende que, debido al aspecto comunitario y al deseo de MONAN de contribuir eficazmente a los desarrollos, así como de recibir retroalimentación de la comunidad de usuarios del modelo, cree que elegir MPAS es más interesante. Saulo Freitas comenta que el equipo que desarrolla MPAS es el mismo que desarrolló el WRF (Modelo de Investigación y Pronóstico del Tiempo). Dado que el modelo WRF se utiliza y aplica ampliamente en todo el mundo, esto demuestra que su base de usuarios es amplia, ya que recibe apoyo y retroalimentación del equipo de desarrollo, lo cual también es una ventaja. Pedro Dias añade que el modelo MPAS también ha recibido desarrollos para acoplarse con el modelo MOM6, lo que puede hacer que el acoplamiento entre los componentes sea más integrado.

Caio Coelho cuestiona si las aplicaciones del modelo a escalas subestacional, estacional y climática se están considerando al elegir el nuevo núcleo dinámico para el componente atmosférico de MONAN. Caio Coelho explica que esta elección también debe considerar estas aplicaciones y que es importante comenzar a desarrollar MONAN junto con la parte climática. Caio Coelho cita CESM (Communit Earth System Model) como punto de partida para desarrollar MONAN para aplicaciones a escala climática, dado que CESM ya tiene el modelo MOM6 acoplado a él. Saulo Freitas argumenta que el propio NCAR tiene en su plan de trabajo asegurar que CESM también tenga MPAS como núcleo dinámico de CESM. Agrega que Brasil ya tiene experiencia con el modelo MOM6 y que estos factores también respaldan la elección de MPAS como núcleo dinámico del componente atmosférico de MONAN. Pedro Dias respalda los argumentos de Saulo Freitas y agrega que tener MPAS como núcleo dinámico de CESM es una de las prioridades de NCAR. Caio Coelho agradece las respuestas y comentarios de que el panorama es prometedor.

Enio Pereira comenta que, en su opinión, la elección de MPAS es la correcta. Pregunta cuándo y cómo se realizará la transición de MPAS a MONAN. Luiz Flávio comenta que ha estado discutiendo con Pedro Peixoto el uso de un repositorio común para poder difundir herramientas adecuadas para el preprocesamiento y posprocesamiento de MPAS. Añade que regionalizar el modelo utilizando la cuadrícula Voronoi de MPAS no es una tarea fácil, además de la necesidad de preparar los datos para su uso, entre otros aspectos. También comenta que el GCC está trabajando en la logística de interacción con NCAR para poder obtener las actualizaciones de física y código para su aplicación en MONAN. Asimismo, esta logística también incluye las contribuciones de MONAN a MPAS. En resumen, comenta que MPAS es el punto de partida del código MONAN y que la idea es tener el primer lanzamiento de MONAN en septiembre de 2023. Los comentarios de Luiz Flávio se pueden encontrar en el registro de la reunión del CC de MONAN en 1:43'46" .

Pedro Peixoto comenta que, desde un punto de vista práctico, el INPE debería gestionar el repositorio principal de MONAN . Añade que cuenta con un repositorio MPAS-BR donde ha desarrollado herramientas para el preprocesamiento de MPAS, que ahora pueden incorporarse al repositorio de MONAN. En su opinión, ambos repositorios deberían comunicarse, junto con el repositorio oficial de MPAS , para que las contribuciones se centralicen en el repositorio de MONAN. De esta manera, el repositorio de MPAS también puede utilizar los desarrollos de MONAN que son importantes para el NCAR. Concluye diciendo que es importante concentrar esfuerzos y evitar esfuerzos innecesarios para acelerar la curva de aprendizaje de los participantes.

Haroldo Fraga y Pedro Peixoto comentan sobre la generación de la cuadrícula MPAS. Pedro Peixoto comenta que ya existe una herramienta lista para usar, lo que reduce considerablemente el esfuerzo y las dificultades en la generación de las cuadrículas para el modelo, y que debería estar disponible para todos. Haroldo Fraga comenta que es necesario tener una página para MONAN con todos los manuales e instrucciones para la creación del modelo. En su opinión, es importante consolidar estos aspectos para que el modelo comience a ser verdaderamente comunitario, de modo que colegas de Sudamérica y Latinoamérica también puedan usar y contribuir a MONAN.

Caio Coelho cuestiona si el Memorando de Entendimiento (MOU) entre el INPE y el NCAR incluye el CESM o si menciona explícitamente solo las MPAS. Luiz Flávio comenta que el MOU aún no está finalizado y que hay margen para incluir otros aspectos en el acuerdo entre ambas instituciones.

Tras los debates, Saulo Freitas instruyó a la reunión para que tomara una decisión formal sobre la elección del núcleo dinámico del componente atmosférico de MONAN. Entre los temas de la reunión, mencionó la propuesta de que el CC de MONAN adopte el MPAS como base para MONAN, además de las parametrizaciones físicas del modelo de superficie y atmósfera ya incorporadas en el MPAS. Con esto, el siguiente paso es la organización de la versión inicial de MONAN y el versionado del código por parte del GCC. Posteriormente, esta versión del MONAN atmosférico será operacionalizada, de forma experimental, por el DIPTC del CGCT/INPE para su evaluación de rendimiento. Añadió que, por el momento, por razones computacionales, no será posible configurar MONAN con una resolución variable, por lo que el dominio del modelo será global, con una resolución de entre 10 y 20 km (dependiendo del coste computacional), con una integración de hasta 10 días. A medida que se integre el modelo, los resultados se informarán al CC de MONAN.

Saulo Freitas anuncia, de acuerdo con el entendimiento mutuo del CC de MONAN, la aprobación de MPAS como estructura de datos para la dinámica atmosférica de MONAN.

Otros asuntos

Pedro Peixoto anuncia la oferta de un curso intensivo en línea, que se impartirá durante un mes (tres veces por semana), sobre la parte horizontal del modelo MPAS. Según él, el contenido del curso comienza con un modelo de advección unidimensional en volúmenes finitos, luego avanza a la dimensión bidimensional en aguas someras y continúa con la esfera en este tipo de malla. El curso también aborda las mallas MPAS y amplía la conexión de estos conceptos con el código MPAS. Puede encontrar más información sobre el curso en https://www.ime.usp.br/~pedrosp/modelagem-numerica-atmosfera/ .

Actividades para los próximos 6 a 12 meses

Firma del convenio entre NCAR y INPE;
Implementación experimental de MONAN;
Definición de los componentes del océano y la criosfera y del componente de la superficie continental;
Sistema de asimilación de datos, el grupo GAD (Data Assimilation Group) está estudiando la adopción del sistema JEDI (Joint Effort for Data Assimilation Integration);
Desarrollo de la versión inicial de MONAN atmosférico, con sistema de control de versiones y disponibilidad para la comunidad;
Si hay recursos disponibles, se realizará un taller de capacitación durante el próximo semestre. En cuanto a los recursos, se necesitará otra forma de financiamiento, ya que los disponibles hasta la fecha son insuficientes para realizar este taller. El taller sería un punto de partida importante para que la comunidad comience a utilizar el sistema MPAS, a instalarlo y a obtener resultados.

Archivos adjuntos

En Brasil, actualmente existen nueve CENAPAD que integran el programa SINAPAD (Sistema Nacional de Procesamiento de Alto Rendimiento). ↩︎
Se puede encontrar otra información, además de los scripts utilizados en las evaluaciones, en https://github.com/monanadmin/monan/wiki y https://github.com/monanadmin/monan/tree/main/tools/qas_eval . ↩︎↩︎
José Roberto Rozante, Enver Ramirez Gutierrez, Alex de Almeida Fernandes & Daniel A. Vila (2020) Desempeño de productos de precipitación obtenidos a partir de combinaciones de observaciones satelitales y de superficie, International Journal of Remote Sensing, 41:19, 7585-7604, DOI: 10.1080/01431161.2020.1763504. ↩︎
Figueroa, SN y coautores, 2016: El Modelo Atmosférico Global Brasileño (BAM): Rendimiento para el Pronóstico de Lluvia Tropical y Sensibilidad al Esquema Convectivo y la Resolución Horizontal. Wea. Forecasting, 31, 1547–1572, https://doi.org/10.1175/WAF-D-16-0062.1. ↩︎
Mass, C., 2006: El gigante descoordinado: Por qué la investigación y la predicción meteorológica en EE. UU. no alcanzan su potencial. Bull. Amer. Meteor. Soc., 87, 573–584, https://doi.org/10.1175/BAMS-87-5-573. ↩︎
Mass, C., 2023: El Gigante Descoordinado II: Por qué la predicción numérica del tiempo operacional en EE. UU. sigue retrasada y cómo solucionarlo. Bull. Amer. Meteor. Soc., 104, E851–E871, https://doi.org/10.1175/BAMS-D-22-0037.1. ↩︎