Immagine Analisi climatologica Aprile 2013, Milano e Bologna
Il secondo mese della primavera è stato particolarmente dinamico. La prima decade ha seguito il trend di marzo, ovvero è stata caratterizzata da... Leggi tutto...

Il METEO dei PROSSIMI GIORNI

Vai alle previsioni per la tua regione!

Immagine Webcam - Martina Franca (Taranto)
Webcam a Martina Franca, in provincia di Taranto (TA), regione Puglia.
Immagine Webcam nel Lazio
Una selezione delle webcam disponibili nella regione Lazio Acquapendente (VT)Frosinone... Leggi tutto...
Immagine WRF Li-K (centro-nord)
Modello WRF-NMM con la mappa per il Centro-Nord del Lifted Index e del K index, entrambi indici... Leggi tutto...
Immagine WRF MSLP - 500hPa Temp (centro-sud) - ARW by GFS
Modello WRF-ARW con la mappa per il Centro-Sud della temperatura e dell'altezza geopotenziale a 500... Leggi tutto...
Immagine Meteo e Clima in Provincia di Potenza
La provincia di Potenza è più estesa della provincia di Matera e si caratterizza per la... Leggi tutto...
Immagine Meteo e Clima in Provincia di Lecce
La provincia di Lecce è la terza provincia per estensione della Puglia dopo quelle di Foggia... Leggi tutto...

Iscriviti al nostro canale Youtube!

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