Giornate di Studio del Gruppo Italiano di Idraulica
La validazione nella modellistica idraulica e idrologica
7-8 Giugno 2012 -Arcavacata di Rende (CS)
Confronto e validazione degli output di vari
modelli climatici regionali su bacini idrologici
rappresentativi nel Mediterraneo
(Attività svolte nel Progetto CLIMB FP7)
R. Deidda1,3, M. Marrocu2, G.N. Caroletti1,3,4,
V. Lucarini1,5, M. Puliga1,3, G. Pusceddu2, A. Speranza1,6
1)  CINFAI, Consorzio Interuniversitario Nazionale per la Fisica delle Atmosfere
e delle Idrosfere
2)  CRS4, Centro di Ricerca, Sviluppo e Studi Superiori in Sardegna
3)  Università di Cagliari
4)  University of Bergen, Norway
5)  University of Hamburg, Germany
6)  Università di Camerino
Deidda et al. – Confronto e validazione degli output di modelli climatici
1
OUTLINE
•  Introduzione e note sui modelli climatici
•  I modelli del progetto ENSEMBLES
•  I dataset di confronto (E-OBS)
•  Confronti e risultati
•  Conclusioni
Deidda et al. – Confronto e validazione degli output di modelli climatici
2
I bacini del progetto CLIMB
!
Map with countries taking part in the CLIMB project, and location of study sites
Deidda et al. – Confronto e validazione degli output di modelli climatici
3
Modelli meteorologici e modelli climatici
•  Assimilabili nella struttura delle equazioni e parametrizzazioni:
- Equazioni prognostiche (differenziali nel tempo): es. N.S.
- Equazioni diagnostiche: es. [idrostatica], continuità, conservazione dell’umidità,
termodinamica etc.
- Parametrizzazioni (processi non risolti esplicitamente): radiazione, precipitazione,
riaggiustamenti convettivi secchi, diffusioni orizzontali, diffusioni verticali e
strato limite planetario, processi superficiali etc.
•  Limiti di predicibilità e di rappresentazione spaziale
- Caoticità delle equazioni di N.S. (Edward Norton Lorenz, 1963, 1967, 1969 …)
- Scarsa densità della rete di osservazione per le condizioni iniziali (modelli meteo)
- Diffusioni numeriche spesso molto spinte per smorzare le instabilità dovute
a campi non bilanciati (es. campo di geopotenziale e di moto)
- La risoluzione dei processi fisici non corrisponde al passo di griglia
I modelli meteorologici sono ottimizzati per la predicibilità nel breve periodo
I modelli climatici sono ottimizzati per riprodurre le caratteristiche medie del tempo
Deidda et al. – Confronto e validazione degli output di modelli climatici
4
Modelli globali e regionali
General Circulation Model (GCM) e Global Climate Model (GCM)
hanno bisogno solo delle condizioni iniziali
Limited Area Model (LAM) e Regionali Climate Model (RCM)
richiedono anche delle condizioni al contorno fornite dai GCM (nesting)
Deidda et al. – Confronto e validazione degli output di modelli climatici
5
Verifiche dei modelli meteorologici
Deidda et al. – Confronto e validazione degli output di modelli climatici
6
Verifiche dei modelli meteo-/climatologici
Le verifiche dei modelli meteorologici caratterizzano la predicibilità a breve
•  Il campo del geopotenziale è il campo più importante per la verifica
•  La precipitazione è in genere parametrizzata, solo alcuni dei più recenti modelli
meteorologici ad altissima risoluzione (qualche km) la risolvono esplicitamente,
ma non sempre all’incremento di risoluzione corrisponde un miglioramento
- Tradizionalmente la precipitazione è poco considerata nelle verifiche
- Per l’Italia l’unico interlocutore dell’ECMWF è l’Aereonautica Militare,
la cui rete osservativa coincide di fatto con gli aeroporti.
- Mancano confronti sistematici sulle precipitazioni a diverse scale di spazio
e tempo, compatibilmente con le scale di risposta dei bacini/modelli idrologici.
Le verifiche dei modelli climatici devono essere effettuate su grandi scale temporali
(sui campi medi, sui bilanci idrologici di lungo periodo)
o sulle distribuzioni statistiche delle variabili
(non è possibile confrontare cronologicamente serie osservate con le serie generate)
Deidda et al. – Confronto e validazione degli output di modelli climatici
7
OUTLINE
•  Introduzione e note sui modelli climatici
•  I modelli del progetto ENSEMBLES
•  I dataset di confronto (E-OBS)
•  Confronti e risultati
•  Conclusioni
Deidda et al. – Confronto e validazione degli output di modelli climatici
8
I modelli del progetto ENSEMBLES (EU-FP6)
Il progetto ENSEMBLES ha l’obiettivo di standardizzare
gli output di diversi modelli climatici regionali (RCM)
e di renderli disponibili attraverso un portale web
•  I Modelli Climatici Regionali sono accoppiati a diversi GCM (che
forniscono le c.c.)
•  Le forzanti per tutte le simulazioni si basano sullo scenario A1B
•  I domini di tutti gli RCM coprono il Mediterraneo e tutta l’Europa.
•  Sebbene l’estensione dei domini possa differire lievemente fra gli RCM,
i grigliati sono perfettamente coincidenti nei punti comuni.
•  Risoluzione spaziale circa 22 km alle medie latitudini.
•  Risoluzione temporale: dati giornalieri.
•  Le variabili dovrebbero essere standardizzate per tutti i modelli
•  Periodo di simulazione: 1951-2100
Deidda et al. – Confronto e validazione degli output di modelli climatici
9
I modelli del progetto ENSEMBLES (EU-FP6)
Alcuni problemi riscontrati
•  Non tutte le variabili sono disponibili per tutti i modelli (talvolta
mancano i file, altre volte sono vuoti, alcuni file vengono tuttora
aggiunti/aggiornati)
•  Non tutti i modelli coprono l’intero periodo di simulazione
1051-2100 (alcuni modelli terminano nel 2050, la maggior parte
hanno qualche tipo di problema nell’ultimo anno o nell’ultimo
decennio)
•  Disomogeneità nel ciclo annuale (alcuni modelli utilizzano un
ciclo di 12 mesi di 30 giorni, gli altri il calendario gregoriano, ma
alcuni hanno errori nel calcolo dei bisestili)
Deidda et al. – Confronto e validazione degli output di modelli climatici
10
THE EMISSION SCENARIOS OF
THE IPCC SPECIAL REPORT ON EMISSION SCENARIOS (SRES)
A1. The A1 storyline and scenario family describes a future world of very rapid
economic growth, global population that peaks in mid-century and declines
thereafter, and the rapid introduction of new and more efficient technologies. Major
underlying themes are convergence among regions, capacity building and increased
cultural and social interactions, with a substantial reduction in regional differences
in per capita income. The A1 scenario family develops into three groups that
describe alternative directions of technological change in the energy system. The
three A1 groups are distinguished by their technological emphasis: fossil-intensive
(A1FI), non-fossil energy sources (A1T) or a balance across all sources (A1B)
(where balanced is defined as not relying too heavily on one particular energy
source, on the assumption that similar improvement rates apply to all energy
supply and end use technologies).
A2. The A2 storyline and scenario family describes a very heterogeneous world.
The underlying theme is self- reliance and preservation of local identities. Fertility
patterns across regions converge very slowly, which results in continuously
increasing population. Economic development is primarily regionally oriented and
per capita economic growth and technological change more fragmented and slower
than other storylines.
Deidda et al. – Confronto e validazione degli output di modelli climatici
11
THE EMISSION SCENARIOS OF
THE IPCC SPECIAL REPORT ON EMISSION SCENARIOS (SRES)
B1. The B1 storyline and scenario family describes a convergent world with the
same global population, that peaks in mid-century and declines thereafter, as in the
A1 storyline, but with rapid change in economic structures toward a service and
information economy, with reductions in material intensity and the introduction of
clean and resource-efficient technologies. The emphasis is on global solutions to
economic, social and environmental sustainability, including improved equity, but
without additional climate initiatives.
B2. The B2 storyline and scenario family describes a world in which the emphasis
is on local solutions to economic, social and environmental sustainability. It is a
world with continuously increasing global population, at a rate lower than A2,
intermediate levels of economic development, and less rapid and more diverse
technological change than in the B1 and A1 storylines. While the scenario is also
oriented towards environmental protection and social equity, it focuses on local and
regional levels.
Deidda et al. – Confronto e validazione degli output di modelli climatici
12
GCM & RCM involved in the A1B scenario
for the ENSEMBLES project.
Model(GCM)
HCH
HCS
HCL
ARP
ECH
BCM
Description
Hadley Centre for Climate Prediction, Met Office,
UK, HadCM3 Model (high sensitivity)
Hadley Centre for Climate Prediction, Met Office,
UK, HadCM3 Model (standard sensitivity)
Hadley Centre for Climate Prediction, Met Office,
UK, HadCM3 Model (low sensitivity)
Meteo-France, Centre National de Recherches
Meteorologiques, CM3 Model Arpege
Max Planck Institute for Meteorology, Germany,
ECHAM5 / MPI OM
Bjerknes Centre for Climate Research, Norway,
BCM2.0 Model
Model(RCM)
Description
RCA
RCA Sweden
HIR
HIRAM5 Denmark
CLM
CLM Switzerland
HRM
HadRM3Q3 UK
RMO
RACMO2 Netherlands
REM
REMO Germany
Deidda et al. – Confronto e validazione degli output di modelli climatici
13
GCM-RCM combination of models involved in
the A1B scenario for the ENSEMBLES project.
GCM
RCM
HadRM
!
REMo
"
HIRha
m #
CLM
!
RacMO
"
RCA 3
#
HadleyC,
Std.
HadleyC,
Low
HadleyC,
High
HCS_HR
M!
HCL_HR
M!
HCH_HR
M!
HCS_HIR
#
HCS_CLM
!
ECHam 5
ARPege
BCM
ECH_REM
"
ECH_HIR
#
ARP_HI
R#
BCM_HIR
#
ECH_RM
O"
HCL_RCA HCH_RCA ECH_RCA
#
#
#
BCM_RC
A#
•  Stesso colore >>> stesso GCM
•  Stesso simbolo >>> stesso RCM
Deidda et al. – Confronto e validazione degli output di modelli climatici
14
OUTLINE
•  Introduzione e note sui modelli climatici
•  I modelli del progetto ENSEMBLES
•  I dataset di confronto (E-OBS)
•  Confronti e risultati
•  Conclusioni
Deidda et al. – Confronto e validazione degli output di modelli climatici
15
E-OBS gridded dataset (version 6.0)
E-OBS è un dataset ottenuto dalla analisi oggettiva delle
osservazioni giornaliere di precipitazione, temperatura e
pressione al livello medio del mare su tutta l’Europa.
Sviluppato nell’ambito dei progetti ENSEMBLES (EU-FP6)
ed EURO4M (EU-FP7)
•  Di recente è stata rilasciata una versione con lo stesso grigliato dei
RCM di ENSEMBLES
•  Risoluzione spaziale circa 22 km alle medie latitudini.
•  Risoluzione temporale: dati giornalieri.
•  Periodo: 1950-2011
Deidda et al. – Confronto e validazione degli output di modelli climatici
16
Un esempio di campo E-OBS
The maximum temperature in Europe on 4 August 2003 (E-OBS v2.0)
Deidda et al. – Confronto e validazione degli output di modelli climatici
17
Haylock, M. R., N. Hofstra, A. M. G. Klein
Tank, E. J. Klok, P. D. Jones, and M. New
(2008), A European daily high- resolution
gridded data set of surface temperature and
precipitation for 1950–2006, J. Geophys. Res.,
113, D20119, doi:10.1029/2008JD010201.
E-OBS version 6.0 – Rete pluviometrica
Deidda et al. – Confronto e validazione degli output di modelli climatici
18
Haylock, M. R., N. Hofstra, A. M. G. Klein
Tank, E. J. Klok, P. D. Jones, and M. New
(2008), A European daily high- resolution
gridded data set of surface temperature and
precipitation for 1950–2006, J. Geophys. Res.,
113, D20119, doi:10.1029/2008JD010201.
E-OBS version 6.0 – Rete termometrica
Deidda et al. – Confronto e validazione degli output di modelli climatici
19
OUTLINE
•  Introduzione e note sui modelli climatici
•  I modelli del progetto ENSEMBLES
•  I dataset di confronto (E-OBS)
•  Confronti e risultati
•  Conclusioni
Deidda et al. – Confronto e validazione degli output di modelli climatici
20
Confronti RCM-ENSEMBLES vs E-OBS
Precipitazione media mensile nel trentennio 1951-1980 nel Riu Mannu
Deidda et al. – Confronto e validazione degli output di modelli climatici
21
Metriche di errore per ciclo medio e fluttuazioni
Errore assoluto delle medie mensili:
AE
M
ij
1 12 M
0
= ∑ µ ijm − µ ijm
12 m =1
Errore assoluto per le fluttuazioni mensili:
AEFijM
1 12 M
0
= ∑ σ ijm − σ ijm
12 m =1
•  i,j = indici di latitudine e longitudine
•  m = indice di mese
•  ηijm e σijm = media e deviazione standard mensile della precip. o temp.
Nota: alla deviazione standard è stata sostituita la differenza fra i percentili 84% e
16% (che per distribuzione Gaussiana corrisponde ad una deviazione standard)
Una metrica globale e adimensionale
⎛
•  εi = errore adimensionale e normalizzato modello i ⎜ P
T
ε
ε
1
⎜
•  εiP = errore precipitazione modello i
ε i = ⎜ NMODi + NMODi
2
T
•  εiT = errore temperatura modello i
ε
⎜⎜ ∑ ε Pj
∑ j
⎝
j =1
Deidda et al. – Confronto e validazione degli output di modelli climatici
j =1
⎞
⎟
⎟
⎟
⎟⎟
⎠
22
Validazione del campo di precipitazione
!
Riu Mannu: AE-AEF skill scores plot for each of the 14 RCM models (see
color and symbol legend within the box plot) for climatic period 1951-2010
Deidda et al. – Confronto e validazione degli output di modelli climatici
23
Validazione del campo di temperatura
!
Riu Mannu: AE-AEF skill scores plot for each of the 14 RCM models (see
color and symbol legend within the box plot) for climatic period 1951-2010
Deidda et al. – Confronto e validazione degli output di modelli climatici
24
Metrica normalizzata per prec. e temp.
!
Riu Mannu: AE-AEF skill scores plot for each of the 14 RCM models (see
color and symbol legend within the box plot) for climatic period 1951-2010
Deidda et al. – Confronto e validazione degli output di modelli climatici
25
Metrica normalizzata – Rank modelli
!
!
!
!
!
!
!
!
"#$%!
&'()*!
+*,*!
%-.*/0(!
$-./!
"(12*331!
4'*1!
456!
7!
!"#$%!&'
#"($#)%'
!"#$%"*'
!"#$%!&'
!"#$%!&'
!"#$%"*'
8&9:"5;!
<!
!"#$%&+'
!"#$%&+'
!"#$%&+'
#"($",&'
#"#$%"*'
!"#$%&+'
8&9:"85!
=!
!"#$%"*'
!"#$%!&'
!"#$#)%'
#",$#%&'
*%-$#)%'
#",$%"*'
8&9:"&#!
>!
#"($",&'
."&$#)%'
#"#$%"*'
!"#$%&+'
!"#$%&+'
#"#$%"*'
9&9:"&#!
?!
#"#$%"*'
!"#$%"*'
!"#$%!&'
#"($#)%'
!"#$%"*'
."&$%"*'
#"6:9@"!
A!
*%-$#)%'
#"($",&'
#",$%"*'
."&$#)%'
#",$#%&'
*%-$#)%'
9&B:9@"!
C!
."&$%"*'
#"#$#%&'
*%-$#)%'
*%-$#)%'
#"($#%&'
."&$#)%'
9&D:9"5!
E!
!"#$#)%'
#"($#%&'
#",$#%&'
#"#$%"*'
."&$%"*'
#"($#)%'
9&D:"&#!
F!
#"($#%&'
#"#$%"*'
#"($#)%'
!"#$%"*'
."&$#)%'
!"#$%!&'
G&5:9@"!
7H!
#"($#)%'
*%-$#)%'
#"($",&'
#"($#%&'
#"($#)%'
#",$#%&'
9&B:9"5!
77!
."&$#)%'
#",$%"*'
#"($#%&'
#",$%"*'
#"($",&'
#"($#%&'
9&B:&D5!
7<!
#",$%"*'
#",$#%&'
."&$%"*'
."&$%"*'
!"#$#)%'
!"#$#)%'
8&9:9@"!
7=!
#",$#%&'
!"#$#)%'
#"#$#%&'
#"#$#%&'
#",$%"*'
#"($",&'
9&9:9"5!
7>!
#"#$#%&'
."&$%"*'
."&$#)%'
!"#$#)%'
#"#$#%&'
#"#$#%&'
G&5:"&#!
'
Deidda et al. – Confronto e validazione degli output di modelli climatici
26
Estremi nei modelli climatici
Klein Tank, A.M.G., F.W. Zwiers and X. Zhang, 2009: Guidelines on Analysis of
extremes in a changing climate in support of informed decisions for adaptation.
WMO-TD No. 1500, 56 pp.
•  R95pTOT: precipitation due to very wet days (> 95th percentile) Let RRwj be
the daily precipitation amount on a wet day w (RR ≥ 1 mm) in period j and let
RRwn95 be the 95th percentile of precipitation on wet days in the base period n
(1961-1990). Then R95pTOTj = sum (RRwj), where RRwj > RRwn95.
•  R99pTOT: precipitation due to extremely wet days (> 99th percentile) Let RRwj
be the daily precipitation amount on a wet day w (RR ≥ 1 mm) in period j and let
RRwn99 be the 99th percentile of precipitation on wet days in the base period n
(1961-1990). Then R99pTOTj = sum (RRwj), where RRwj > RRwn99.
Riteniamo discutibile l’utilizzo di soglie indipendenti dalla climatologia locale:
abbiamo utilizzato metriche di errore sui quantili dell’intera distribuzione (0 inclusi).
Con metriche adimensionalizzate analoghe a quelle per i campi medi, il confronto
basato sui quantili ha evidenziato le migliori performance degli stessi quattro modelli
Deidda et al. – Confronto e validazione degli output di modelli climatici
27
Conclusioni
I migliori quattro modelli sono risultati:
ECH_REM, ECH_RMO, HCH_RCA e ECH_RCA
GCM:
•  ECH = Max Planck Institute for Meteorology, Germany, ECHAM5 /
MPI OM
•  HCH = Hadley Centre for Climate Prediction, Met Office, UK,
HadCM3 Model (high sensitivity)
RCM:
•  RCA = RCA Sweden
•  REM = REMO Germany
•  RMO = RACMO2 Netherlands
Grazie per l’attenzione
Deidda et al. – Confronto e validazione degli output di modelli climatici
28
HESS Special Issue
"Precipitation uncertainty and variability:
observations, ensemble simulation and
downscaling”
Guest editors: R. Deidda, A. Bàrdossy, A. A. Carsteanu,
G. Grossi, A. Langousis, and F. Pappenberger
Deadline for submission: 31 May 2013
Deidda et al. – Confronto e validazione degli output di modelli climatici
29