Big data, clima y meteorología -...
Transcript of Big data, clima y meteorología -...
![Page 1: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/1.jpg)
Big data, clima y meteorología
Facultad de Ciencias Físicas
Leopoldo Carro CalvoRicardo García HerreraNatalia Calvo FernándezDavid Barriopedro CeperoCarlos Ordóñez García
![Page 2: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/2.jpg)
2/15
Valor
Big Data
Volumeny
VariedadTamaño de los datosy diversidad de tipos
VelocidadVelocidad a la que se
generan/procesan los datos
Características del Big Data
![Page 3: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/3.jpg)
3/15
Volumen y Variedad
Datos estructurados
Datos no estructurados
Modelos.
Reanálisis
Datos satélite.
Redes de observación.
Fuentes documentales.
Datos de proxy climáticos.
![Page 4: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/4.jpg)
4/15
Velocidad
Medio y largo plazo
Corto plazo => Predicción meteorológica. Ejecutar el modelo de predicción en un intervalo de tiempo determinado.
Ejecutar modelos cada día mas complejos y a la vez aumentar el número de simulaciones.
Por ejemplo: PALEOSTRAT: proyecto para realizar un conjunto de simulaciones de 1.000 años
Restricción temporal para obtener los
resultados
![Page 5: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/5.jpg)
5/15
Valor
Mejor comprensión del sistema climático que rige nuestra atmósfera
Conseguimos información sobre como está cambiando el clima
cómo cambió en el pasado y cómo cambiará en el futuro
Entendemos mejor los eventos extremos y sus impactos
Así como el papel de la meteorología en la calidad del aire.
![Page 6: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/6.jpg)
6/15
Valor
El desarrollo de técnicas de Machine-Learning nos ofrece nuevas y robustas herramientas de extracción de conocimiento.
Clasificación automática(MLP,SVM-C)
Optimización evolutiva(HS, CRO)
Clustering supervisado y no supervisado
Técnicas de regresión(ELM, GMDH, ε-SVM)
![Page 7: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/7.jpg)
7/15
Valor (El recurso eólico)
Caracterización del recurso eólico a largo plazo.
Extraction of synoptic pressure patterns for long-term wind speed estimation in wind farms using evolutionary computingL. Carro-Calvo et al. Energy. 2011
Wind speed reconstruction from synoptic pressure patterns using an evolutionary algorithmL. Carro-Calvo et al. Applied Energy 2012
Multi-decadal variability in a centennial reconstruction of daily windN. Kirchner-Bossi, et al. Applied Energy 2013
![Page 8: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/8.jpg)
8/15
Valor (El recurso eólico)
Estimación del recurso eólico con alta resolución temporal.
Very fast training neural-computation techniques for real measure-correlate-predict wind operations in wind farms.Saavedra-Moreno, et al. Journal of Wind Engineering and Industrial Aerodynamics 2013
Surface wind speed reconstruction from synoptic pressure fields: machine learning versus weather regimes classification techniquesB. Saavedra-Moreno, et al. Wind Energy 2014
![Page 9: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/9.jpg)
9/15
Valor (El recurso eólico)
Feature selection in wind speed prediction systems based on a hybrid coral reefs optimization – Extreme learning machine approach.S. Salcedo-Sanz, et al. Energy Conversion and Management 2014
Estimación del recurso eólico con alta resolución temporal.
![Page 10: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/10.jpg)
10/15
Valor (PALEOSTRAT)
PALEOSTRAT investigará el impacto de la estratosfera en el clima usando simulaciones del último milenio.
Pasos de simulación de 30 minutos a lo largo de 1000 años
Resolución espacial 1.9ºx2.5º
66 niveles verticales (0-140 km)
![Page 11: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/11.jpg)
11/15
Meses de CPU usando 1024 núcleos y capacidad de almacenamiento necesario en función del número de simulaciones WACCM y CAM.
Valor (PALEOSTRAT)
![Page 12: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/12.jpg)
12/15
Valor (Paleostrat)
MareNostrum BSC (Barcelona Supercomputing Center)
Ranking Top500 List / Green List 91 / 185
Max. / Peak Performance 0.9 / 1.1 PFLOPS
Arquitecture Computer Cluster IBM iDataPlex DX360M4
Processor Intel SandyBridge Xeon E5-2670 8C 2.6GHz
Nodes / Processors 3,056 / 48,896
Memory 100.8 TB
Disk / Archive Storage 2,000 / 8,500 TB
Interconnection Infiniband FDR10, GbE
OS SUSE Linux Es
![Page 13: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/13.jpg)
13/15
Yellowstone NCAR (National Center for Atmospheric Research)
Ranking Top500 List / Green List 57 / 198
Max. / Peak Performance 1.3 / 1.5 PFLOPS
Arquitecture Computer Cluster IBM iDataPlex DX360M4
Processor Intel SandyBridge Xeon E5-2670 8C 2.6GHz
Nodes / Processors 4,536 / 72,576
Memory 144.6 TB
Disk / Archive Storage 16,000 TB
Interconnection Infiniband FDR10, GbE
OS Red Hat Linux
Valor (Paleostrat)
![Page 14: Big data, clima y meteorología - UCMnuclear.fis.ucm.es/.../documentos/14_L_Carro_etal_BigdataMeteorologia.pdf · Big data, clima y meteorología Facultad de Ciencias Físicas Leopoldo](https://reader030.fdocuments.net/reader030/viewer/2022040118/5e217914685e00736420ef8f/html5/thumbnails/14.jpg)
14/15
Valor (Calidad del aire)
Encontramos que patrones climáticos tienen un efecto sobre las concentraciones de ozono en Europa.
Estudio de los factores meteorológicos en la calidad del aire
Los algoritmos de clustering nos permiten obtener regionalizaciones definidas por los
diferentes comportamiento de los contaminantes entre las regiones.