2024. április 25. csütörtök
Hírek a meteorológia világából

HungaroMet: 2013. július 8. 16:38

2014 közepétől új szuperszámítógép az ECMWF-ben

Az ECMWF a világ vezető előrejelző központja, melynek előrejelzéseit nagyteljesítményű szuperszámítógépeken készíti. Az ECMWF 2011-2020 időszakra szóló Stratégiai Tervével összhangban az ECMWF előrejelzéseinek további javítása érdekében új nagyteljesítményű szuperszámítógép 2014-beli installálására vonatkozó szerződés született a Cray UK Ltd és az ECMWF között.

A Középtávú Időjárás Előrejelzések Európai Központja (European Centre for Medium-Range Weather Forecasts, ECMWF) 1975-ben jött létre 18 európai ország összefogásának eredményeként. Magyarország és az ECMWF 1994-ben együttműködési megállapodást kötött, melynek keretében az Országos Meteorológiai Szolgálatnak (OMSZ) korlátlan hozzáférése van az ECMWF által operatívan készített összes előrejelzéshez.

Az ECMWF 2011-2020 közötti stratégiai terve alapján az ECMWF alapvető célja a globális középtávú időjárás előrejelzések jelenlegihez hasonló gyors ütemű fejlesztése, hogy

  • az ECMWF tagállamok meteorológiai szolgálatai  a veszélyes időjárási eseményekre vonatkozóan megbízható és korai (azaz megfelelő időelőnnyel rendelkező) középtávú előrejelzést biztosíthassanak;
  • lehetővé tegye tagállamok követelményeinek megfelelően a felszínközeli meteorológiai paraméterek, mint a hőmérséklet és a csapadékmennyiség nagy megbízhatóságú előrejelzését.

Kiegészítő célok az alábbiak:

  • a havi és évszakos előrejelzések fejlesztése;
  • a föld-légkör rendszer modern reanalizíse az éghajlat monitoringjának támogatása céljával;
  • a Globális Megfigyelő Rendszer további optimalizálásához való hozzájárulás;
  • a tagállamok nemzeti meteorológiai szolgálataiban készülő regionális időjárás előrejelző modellek támogatása megfelelő oldalsó peremfeltétel előrejelzések biztosításával;
  • a légköri összetevők analízise és előrejelzése.

A jelen, Cray UK Ltd és az ECMWF közötti megállapodás tehát azt a célt szolgálja, hogy a fejlődés töretlen maradjon a fenti célok elérésével.


Cray UK Ltd és az ECMWF között történt megállapodás

2014 közepén az ECMWF-ben két Cray XC30 szuperszámítógép (a két gép az operatív modell futtatások megbízhatóságát növeli) kerül installálásra. A szuperszámítógéppel egy időben Cray Sonexion tároló rendszer is telepítve lesz. Az új rendszer segíti az ECMWF előrejelzések további fejlesztését, támogatja modell térbeli felbontásának növekedését, az ensemble alapú adatasszimiláció, valamint fizikai folyamatok modellbeli jobb reprezentációját és a műholdas megfigyelési adatok használatának további növelését.

A megállapodás 2013. június 24-i aláírásakor Alan Thorpe az ECMWF igazgatója az alábbiakat mondta: „Bizakodással tekintek a Cray számítógépre alapozott munkára, mely lehetővé teszi számunkra, hogy folytassuk az időjárás előrejelzéseink sikerességének további növelését. A Cray rendszer biztos alapot nyújt az operatív és kutatási stratégiai céljainak megvalósításához. A szuperszámítógépek ECMWF-beli használata 1979-re nyúlik vissza, amikor az első operatív középtávú előrejelzés készült. Természetesen a tagállamaink az új szuperszámítógép révén továbbra is részesülnek a világ élvonalába tartozó kutatási eredményeinkből.

Az ECMWF alapszerződés módosítását követően 2010. június óta lehetővé vált a társult országok számára a teljes jogú tagsági státusz elnyerése. 2012 elejéig 15 társult országból - sorrendben – Izland, Szlovénia és Horvátország csatlakozott a szervezethez.  Magyarország teljes jogú tagfelvételi kérelmének benyújtását a 1492/2011. (XII. 27.) Korm. Határozat tette lehetővé: “Magyarország Kormánya és a Középtávú Időjárás Előrejelzések Európai Központja (ECMWF) között Magyarországnak az ECMWF Egyezményhez való csatlakozásáról és az azzal kapcsolatos feltételekről szóló megállapodás szövegének végleges megállapítására adott felhatalmazásról”. Teljes jogú csatlakozásunkat követően a többi tagállamhoz hasonlóan az új szuperszámítógép közvetlen használata is lehetővé válik számunkra.


Forrás: ECMWF

Kapcsolódó oldalak: