Video rubrica Tempo al Tempo

Il VIDEO-METEO del Capitano Sottocorona

Iscriviti al nostro canale Youtube!

Immagine Meteosat. Italia. Canale: VIS (visibile)
Immagine dell'Italia nel canale visibile (VIS) del satellite MSG (Meteosat Second Generation) di... Leggi tutto...
Immagine Webcam - Potenza (PZ)
Webcam a Potenza (PZ), regione Basilicata.
Immagine WRF MSLP 3hSnow (ita) - ARW by ICON
Mappa sull'Italia del modello WRF-ARW con altezza dello zero termico e l'accumulo di neve (in cm)... Leggi tutto...
Immagine WRF CAPE - CIN (ita) - 7km ARW by GFS
Modello WRF-ARW-7km (dati GFS) con la mappa sull'Italia di due tipici indici termodinamici: il CAPE... Leggi tutto...
Immagine Meteo e Clima in America Settentrionale (USA)
Gli Stati Uniti d'America (USA, United States of America, sono una repubblica federale... Leggi tutto...
Immagine Meteo e Clima in Provincia di Lucca
La provincia di Lucca è una provincia italiana della Toscana ed è la terza della regione per... Leggi tutto...

Le ultimissime dal Televideo RAI

Anteprima Televideo RAI

ESTREMI METEO OGGI. RETE LMT

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 30 le corse utilizzate (con circa 25km di risoluzione, 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 31 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% (31/31), 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 (quando le corse erano solo 21, ma l'esempio ovviamente vale ancora): 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 precipitazioni, 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