VALIDAZIONE E ESPLORAZIONI SIMULAZIONI 2005 Validazione dei campi meteorologici Massimo D’Isidoro, Sandro Finardi, Giandomenico Pace, Celina Vitali Plenaria del Progetto MINNI, 24 marzo 2011 Sintesi delle attività di validazione effettuate sui campi meteorologici 2005 • Confronto, per le principali variabili meteorologiche, con gli indicatori annuali e mensili prodotti da ISPRA nell’ambito del sistema SCIA. 48 MILANO_LINATE • Confronto su cinque siti (uno per ciascuna macroregione) con dati da radiosondaggio. 44 40 PRATICA_DI_MARE BRINDISI CAGLIARI TRAPANI 36 5 • Confronto statistico sulla macroregione del Nord Italia, effettuato nell’ambito del progetto POMI (Po-Valley Modelling Intercomparison Exercise ). • Confronti con i dati meteorologici forniti dalle Regioni (attualmente Piemonte, Friuli Venezia Giulia, Lombardia, Emilia Romagna e Lazio). Confronti orari su ciascuna stazione. 10 15 20 Confronto con indicatori ANNUALI e MENSILI Confronto, per le principali variabili meteorologiche, con gli indicatori annuali e mensili prodotti da ISPRA nell’ambito del sistema SCIA. Temperatura media annuale(°C): confronto tra campi simulati e osservazioni ISPRA-SCIA (simboli colorati) Direzione prevalente del vento su base annuale: confronto tra campi simulati (blu, una freccia ogni 6 punti griglia) e osservazioni ISPRA-SCIA (rosso). Velocita media annuale (m/s): confronto tra campi simulati e osservazioni ISPRA-SCIA (simboli colorati) Confronto con dati da RADIOSONDAGGIO 48 MILANO_LINATE Confronto su cinque siti (uno per ciascuna macroregione) con dati da radiosondaggio. (Vitali et al. Poster presentation at the European Geosciences Union (EGU) General Assembly 2008. Vienna, 13 – 18 April 2008). 44 PRATICA_DI_MARE BRINDISI 40 CAGLIARI TRAPANI 36 505 m 105 m 10 m 505 m 105 m - RH Radiosounding Model RH 10 m TModel - TRadiosounding 5 4 2 0 -2 -4 4 2 0 -2 -4 4 2 0 -2 -4 1 20 10 0 -10 -20 -30 10 0 -10 -20 -30 10 0 -10 -20 -30 1 2 2 3 4 5 6 7 8 9 10 11 12 1 3 4 5 6 7 8 9 10 11 12 1 MONTHS + DAY FRACTION BRINDISI 2 2 3 4 5 6 7 8 5 6 7 8 2 3 9 10 11 12 1 2 3 9 10 11 12 1 2 3 3 4 5 6 7 8 9 10 11 12 1 MONTHS + DAY FRACTION 2 3 4 5 6 7 8 9 10 11 12 1 MONTHS + DAY FRACTION 2 3 4 5 6 7 8 9 10 11 12 1 MONTHS + DAY FRACTION 2 3 4 5 6 7 8 9 10 11 12 MONTHS + DAY FRACTION CAGLIARI 4 5 6 7 8 MILANO/LINATE 4 5 6 15 9 10 11 12 1 TRAPANI 4 10 7 8 20 9 10 11 12 13 PRATICA DI MARE Bias medi di T (sopra) ed RH (sotto) calcolati per RAMS (nero) e LAPS (rosso) sui 5 siti considerati. I Bias sono calcolati per ogni mese e a 4 diverse ore della giornata 00, 06, 12, 18. Confronti nell’ambito del progetto POMI Confronto statistico sulla macroregione del Nord Italia, effettuato nell’ambito del progetto POMI (Po-Valley Modelling Intercomparison Exercise , Thunis et al., 2009) Bias medio della Temperatura e Distribuzione di frequenza dei Bias per differenti tipologie di stazione. Confronto con dati meteorologici forniti dalle REGIONI/1 Confronti con i dati meteorologici forniti dalle Regioni (attualmente Piemonte, Friuli Venezia Giulia, Lombardia, Emilia Romagna e Lazio). Confronti orari su ciascuna stazione. Confronto con dati meteorologici forniti dalle REGIONI/2 Cosa viene prodotto? Per l’intero data set cioè considerando insieme tutte le stazioni di uno studio [ad esempio regionale] 1) calcolo di un set di indici statistici, calcolati : • sull’intero dat set dei dati validi (tutte le ore) • su sottoinsiemi dei dati riferiti alle quattro ore standard (00,06,12,18) 2) scatter plots 3) analisi dei residui (studio delle prestazioni del modello al variare di un parametro di interesse [analisi effettuate al variare di: mese, ora del giorno, quota della stazione usata per il confronto, distanza dalla più vicina stazione i cui dati sono stati acquisiti da LAPS] Confronto con dati meteorologici forniti dalle REGIONI/3 Cosa viene prodotto? Per ciascun sito di validazione 1) calcolo di un set di indici statistici, calcolati : • sull’intero dat set dei dati validi per quella stazione (tutte le ore) • su sottoinsiemi dei dati riferiti alle quattro ore standard (00,06,12,18) 2) scatter plots 3) vari confronti tra valori osservato, simulato a 20 km, simulato a 4 km : • andamenti orari • andamenti delle medie, dei massimi e dei minimi giornalieri • andamenti dei valori medi a ciascuna ora ( ‘giorno tipo’) 4) confronti più specifici tra vento misurato, simulato a 20 km, simulato a 4 km: • rose dei venti • conteggio delle calme di vento Confronto con dati meteorologici forniti dalle REGIONI/4 Per quali variabili viene effettuato il confronto? • Temperatura • Umidità • Intensità del vento • (Direzione del vento) non tutte le analisi descritte…. Confronto con dati meteorologici forniti dalle REGIONI/5 Set di indici statistici utilizzati FB CO C P 0.5 (C O C P ) Fractional Baias 1 (CPi COi ) 2 i n C (1 kˆi ) 2 ln Pi i C NNR ( with kˆi e Oi ) ˆ i ki RMSE NR i IOA 1 (1 kˆi ) 2 i R n RMSE 2 Pi Normalized mean square error of the Normalized Ratios Mean square error of the Normalized Ratios n C Root Mean Square Error CO COi CO (CO C O )( CP C P ) CP CO 2 Index of Agreement Correlation coefficient Coefficient of determination r 2 R2 C oi : Observed values set : Observed values C pi : Predicted values set Confronto con dati meteorologici forniti dalle REGIONI/6 REGIONE FRIULI VENEZIA GIULIA Vitali et al. Poster presentation at the 13th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes. Paris, June 2010. Indici statistici calcolati per ogni stazione a quattro diverse ore della giornata (00,06,12,18) Indici statistici calcolati per RAMS (nero) e LAPS (rosso) per ogni stazione a quattro diverse ore della giornata (00,06,12,18) Confronto con dati meteorologici forniti dalle REGIONI/7 REGIONE LOMBARDIA/1 Milano, ARPA LOMBARDIA , 12 novembre 2010 Dal 2009 i dati misurati dalla Rete vengono validati quotidianamente, attraverso un insieme di test automatici e non. I dati per gli anni 2003, 2005, 2007 ci sono stati forniti per 38 stazioni (dati controllati da Christian Lussana). 22 44 60 70 79 80 90 107 114 122 133 162 182 187 192 201 205 206 211 221 238 256 571 Bormio 106 Varzi_(ersaf) 570 Tirano_viale_Italia 552 Varese_Vidoletti 129 Capo_di_ponte 135 Minoprio 141 Vertemate 142 Caiolo 562 Mariano_Comense 512 Carate_Brianza 559 Somma_Lombardo_MXP 573 Colico 132 Bergamo_Stezzano 108 Samolaco_(ersaf) 557 Lonate_Pozzolo 646 Como_Villa_Gallia 586 Costa_Volpino 513 Trezzo_d_Adda 596 Osio_Sotto 530 Agrate 619 Cassano_d_Adda_AEM_suolo 502 Milano_via_Juvara 614 Rodano 644 Vigevano_viale_Petrarca 121 Certosa_di_Pavia 102 S.Colombano_al_Lambro_(ersaf) 629 Crema_via_XI_febbraio 653 Brescia_via_Ziziola 109 S.Angelo_Lodigiano 136 Persico_Dosimo 680 Mantova_Liceo_Virgilio_(CODIMA) Confronto con dati meteorologici forniti dalle REGIONI/8 0,035 REGIONE LOMBARDIA/2 0,03 Temperatura 0,025 0,02 FB 0,015 0,01 0,005 0 -0,005 all - LAPS -0,01 all - RAMS -0,015 274 310 322 362 382 449 500 1225 CO C P 0.5 (C O C P ) 22 44 60 70 79 90 107 114 122 133 140 159 162 182 187 192 201 206 207 211 221 238 256 571 Bormio 106 Varzi_(ersaf) 570 Tirano_viale_Italia 552 Varese_Vidoletti 129 Capo_di_ponte 141 Vertemate 142 Caiolo 562 Mariano_Comense 512 Carate_Brianza 559 Somma_Lombardo_MXP 573 Colico 132 Bergamo_Stezzano 585 Dalmine_via_Tofane 108 Samolaco_(ersaf) 646 Como_Villa_Gallia 586 Costa_Volpino 513 Trezzo_d_Adda 596 Osio_Sotto 530 Agrate 593 Ciserano 900 Chiari 619 Cassano_d_Adda_AEM_suolo 502 Milano_via_Juvara 614 Rodano 644 Vigevano_viale_Petrarca 121 Certosa_di_Pavia 629 Crema_via_XI_febbraio 653 Brescia_via_Ziziola 109 S.Angelo_Lodigiano 136 Persico_Dosimo 680 Mantova_Liceo_Virgilio_(CODIMA) Confronto con dati meteorologici forniti dalle REGIONI/9 REGIONE LOMBARDIA/3 0,4 Velocità del vento 0,2 0 FB -0,2 -0,4 -0,6 -0,8 -1 all - LAPS all - RAMS -1,2 274 310 362 382 449 500 1225 CO C P 0.5 (C O C P ) Confronto con dati meteorologici forniti dalle REGIONI/10 REGIONE LOMBARDIA/3 rosso: QA e meteo coincidenti azzurro: QA e meteo rappresentativi della stessa area verde : interessanti per QA Cosa abbiamo imparato… • Risultati soddisfacenti nelle aree costiere, pianeggianti e collinari. • Errori crescenti al crescere della complessità orografica (confronto con le stazioni localizzate nelle valli ed a quote elevate). • Qualità dei risultati condizionata dalla densità e dalla rappresentatività delle stazioni SYNOP/METAR (risultati migliori in Friuli che in Piemonte). • Incompatibilità di alcune postazioni di misura delle reti regionali con stazioni della rete SMAM che possono rendere problematici i confronti. • Generale miglioramento dei campi meteorologici analizzati da LAPS rispetto ai campi di background generati da RAMS.