Immagine METEOSAT | La Terra vista dallo Spazio
LaTerra vista dallo Spazio, da circa 36000 km di distanza. E' qui che si trova il satellite Meteosat in orbita geostazionaria. Non privo di fascino è vedere... Leggi tutto...

Il VIDEO-METEO del Capitano Sottocorona

Immagine Dicembre 2013: inverno assente e temperature miti
Dicembre dal "volto" autunnale, più che invernale, è la sintesi del rapporto stilato in questi... Leggi tutto...
Immagine Alta pressione e bassa pressione: il "bello" ed il "cattivo" tempo
Le previsioni meteo negli ultimi tempi hanno subìto una forte accelerazione, grazie ai mass media,... Leggi tutto...
Immagine Webcam - Monte Montasio (Udine)
Il Jôf di Montasio è una montagna delle Alpi Giulie alta 2.754 m, situata in Friuli-Venezia... Leggi tutto...
Immagine Webcam - Pomezia (Roma)
Webcam a Pomezia, in provincia di Roma (RM), Lazio.
Immagine Meteo e Clima in Provincia di Vercelli
La provincia di Vercelli oggi è suddivisa sostanzialmente in 3 aree geografiche: Le Grange,... Leggi tutto...
Immagine Dati meteo xml, csv e sql
Molti clienti, utenti, appassionati, usano i prodotti offerti da Centrometeo, che sposando il mondo... Leggi tutto...

Stimare la PROBABILITA' di PRECIPITAZIONI con la tecnica ENSEMBLE

Stimare la PROBABILITA' di PRECIPITAZIONI con la tecnica ENSEMBLE

Mappa ensemble precipitazioni prevista per Domenica 3 NovembreVi presentiamo un prodotto prognostico utile per avere una stima della probabilità di precipitazioni su una certa area geografica. Chi conosce gli "spaghetti" delle corse ensemble dei modelli, sa perfettamente che i modelli matematici sono piuttosto sensibili (purtroppo) agli errori, in particolare quelli sulle condizioni iniziali.

Per valutare l'affidabilità di una certa simulazione, opportunamente e deliberatamente si vanno quindi a modificare tali condizioni iniziali per vedere quanto le soluzioni divergono rispetto alla corsa principale. Ne esce così un ventaglio (spaghetti...) di soluzioni di un certo parametro (altezze geopotenziali, temperature, ecc...) che in alcune zone magari divergono parecchio (scarsa affidabilità previsionale) e in altre no (alta affidabilità previsionale). Nel modello GFS sono attualmente 20 le corse utilizzate (a più bassa risoluzione rispetto al GFS "operativo") + il run di controllo. In queste mappe calcoliamo, punto (griglia) per punto, l'accumulo delle precipitazioni nelle 24 ore previste da ognuna delle 21 corse. Poi stabiliamo una soglia oltre la quale diciamo che c'è "segnale" precipitativo (ad esempio: 1mm, 5mm, 10mm ecc...).

In generale, alcune soluzioni supereranno la soglia, altre no. Andiamo dunque a tracciare il rapporto tra il numero di corse che superano la soglia rispetto al totale, ottenendo così la percentuale di corse che danno segnale su una certa area.

Il termine "probabilistica" lo abbiamo messo tra virgolette perché in effetti più è alta la percentuale, più ci sono soluzioni che convergono verso l'evento "pioggia sì" e quindi più è probabile che piova (specie se la soglia scelta è medio-alta). Tuttavia non va preso alla lettera, perché, ad esempio, se tutte le corse ensemble forniscono segnale precipitativo, la percentuale diventa 100% (21/21), ma ciò non va certo interpretato come pioggia certa! Anche i mm usati come soglia non vanno presi alla lettera, ma solo per individuare le zone con la maggiore intensità del segnale modellistico.


Esempio pratico con la mappa riportata qui: al momento in cui scriviamo, per la giornata di Domenica 3 Novembre 2019, nell'arco delle 24 ore, la "probabilità" di precipitazioni maggiore (con soglia > 5mm) l'abbiamo su Alpi e Prealpi centro-orientali, ovest Sardegna, regioni tirreniche dalla Toscana alla Campania. In particolare le zone blu sono quelle in cui più dell'85% delle corse ensemble mostrano segnale oltre i 5mm. Le zone di tonalità verde sono quelle con le percentuali sotto il 50%. Per inciso nelle mappe riportiamo anche la pressione atmosferica slm media, di quel giorno, delle 21 corse.

Riteniamo che questo tipo di stima, assieme al run principale operativo a più alta risoluzione (più, magari, qualche LAM, come il nostro modello WRF), possa aiutare ad individuare meglio non solo le aree a maggior rischio di preciitazioni, ma anche a capire quando non è il caso di avventurarsi nella previsione e aspettare che le "probabilità" diventino più elevate per poter sciogliere una prognosi. E per chi è interessato, questo è il link per le mappe precipitative probabilistiche ensemble.

Stampa