La previsione del vento nei
modelli meteorologici
T.Col. Lucio Torrisi
CNMCA – Pratica di Mare
Sommario
Il processo di previsione e il modello numerico
• Il sistema operativo di previsione numerica del
CNMCA
• L'accuratezza delle previsioni di vento
• L'approccio probabilistico.
•
Il processo di previsione
Dati (raccogliere tutte le osservazioni disponibili)
Analisi (che cosa sta accadendo)
Modelli di previsione: numerici o soggettivi
(come i fenomeni atmosferici evolveranno)
Verifica (previsione corretta?, come migliorare?)
Il processo di previsione
numerica
Modello numerico
L'atmosfera è un sistema dinamico con molti gradi di libertà.
Lo stato dell'atmosfera è definito dalla distribuzione spaziale di
vento (u,v,w), temperatura T, pressione p e altre variabili.
La loro evoluzione temporale è descritta da un insieme di
relazioni matematiche (equazioni) che rappresentano i
processi fisico/dinamici agenti nell'atmosfera. Esse sono
derivate applicando le leggi di conservazione della quantità di
moto, del calore, della massa e dell’acqua (e di altri gas e
aerosol).
Le equazioni non possono essere risolte analiticamente; si fa
uso di metodi numerici.
Modello numerico: rappresentazione matematica dei processi
dinamici, fisici e chimici agenti nell’atmosfera.
Equazioni di un modello
 Velocitàorizzontale del vento
 Temperatura
 1 Eh
 u
u
1 p' 1 p0 p' 
 
Mu

vV

a
t
 

   
  acos
acos
 

1 Eh
 v 1 p' 1 p0 p' 
v


Va  
     Mv
t
a





a




 Velocitàverticale
w 
w w g 0 p'
 1  w


u vcos
 

      
t
a
cos










g 0 T T0 T0p'  Rv  v l
f





1
q

q

q


R

Tp
  T
0
 d 

 Perturbazione dellapressione
 cpd 
 1  p'
p'
p'  p'




u vcos
 
g0w
pv





t
 
 
acos
cvd 
T  1  T
T  T 1

 
u  vcos   
p v QT
t
   cvd
acos  
 Vapore acqueo
 1  qv
qv
qv  qv
u  vcos  
 
 Sl  S f  Mqv
t
  
acos  
 Acqua allo stato solido e liquido
 1  ql, f
ql, f
ql, f
u
 
 vcos
t

acos  
 ql, f g 0 Pl, f
 

 Sl, f  Mql , f

  

 Densità totale dell’aria

 
 
 Rv  v l

1q  q  q f T 1 
 Rd 
 

  pRd 1 

 
ove  
p0
1 2 2

1 v 
, Eh  u  v  e Va 
  ucos  f .

2
acos  

Equazioni di un modello
Tendenza di u = Avvezione di u + Coriolis +Gradiente di pressione+ Fx
Tendenza di v = Avvezione di v + Coriolis +Gradiente di pressione+ Fy
Tendenza di w = Avvezione di w +Coriolis+Gradiente di pressione+Gravità+Fz
Tendenza di T = Avvezione di T + Moti adiabatici + Q
Tendenza di ρ = Avvezione di ρ + Convergenza / Divergenza
Tendenza di qv = Avvezione di qv + Sv
Tendenza di qw = Avvezione di qw + Sw
Tendenza di qi = Avvezione di qi + Si
Dove:
Fx, Fy, Fz sono termini di attrito nelle direzioni x, y, e z, rispettivamente, rappresentanti
il contributo superficiale and e quello turbolento dovuto al trasporto orizzontale e
verticale di quantità di moto tramite vortici di varie dimensioni.
Q è la somma dei contributi diabatici dovuti al rilascio di calore latente causato dai moti
risolti (nubi e precipitazione a grande scala – grid scale) e dai moti non risolti (nubi e
precipitazione “convettive” – sub-grid scale) dal modello, effetti radiativi e flusso di
calore sensibile dalla superficie.
Sv, Sw, Si sono le sorgenti o i pozzi delle varie fasi dell’acqua dovuti ai processi
microfisici (grid scale e sub-grid scale), flussi dalla superficie, ecc.
Assimilazione dati
Tipicamente l’atmosfera è rappresentata tramite un grigliato
tridimensionale, dove vengono integrate le equazioni.
La soluzione del sistema di equazioni richiede la
conoscenza delle condizioni iniziali.
I valori iniziali delle variabili atmosferiche da specificare su
ogni punto del grigliato sono ottenute tramite complesse
procedure che fanno uso delle osservazioni.
Rappresentazione superficie
Es. orografia
E’ appiattita rispetto
a quella reale.
Impatto sulla
previsione di vento,
nubi e precipitazione.
Si utilizzano le
parametrizzazioni fisiche
per tener conto degli
effetti dei fenomeni non
risolti
Sistema di previsione numerica
CNMCA
Assimilazione Dati: 3DVAR PSAS FGAT (T,u,v,qv,ps) every 3h using
TEMP, PILOT, SYNOP, SHIP, BUOY, Wind Profiler,
AMSUA rad., AMDAR-ACAR-AIREP, MSG/MODIS
AMV, METOP/QUIKSCAT/ERS2 scatt. winds
+ Land SAF snow mask,
IFS SST analysis once a day
2.8 km
50 v.l.
14 km
40 v.l.
- hydrostatic equations
- parameterized convection
7 km
40 v.l.
- compressible equations
- parameterized convection
Modelli ad alta risoluzione:
COSMO
- compressible equations
- explicit convection
Post-Processing
LM-
AWI
-
DMO
COSMO-ME
ww
cloud type
temperature, humidity, cloudiness,
wind, pressure, precipitation, etc
Grid point
correction (det./statis.)
NETTUNO sign.height Text / Graphics
mean dir, etc • FFAA / NATO/ NURC
3'
• Civilian Protection Department
BC fields
wind
COSMO-IT
Field dissemination
(rotation / interp.)
wind
DMO
MFS (Oceanic Model)
NETTUNO sign.height
mean dir, etc
1'
prec., etc
Field dissemination
Graphics
• RAI3 Regional Forecast (TV)
• EUMETSAT-HSAF
• SRNWP-PEPS
• COSMO verification WG
• RAI Teletext
• Intranet - prometeo.meteoam.it
• Internet - www.meteoam.it
• Other users
Uso del vento previsto
Modelli oceanici
Modelli stato del mare
Es. vento previsto
COSMO-ME
Es. vento previsto
COSMO-IT
Verifica del vento previsto
Quota
COSMO-ME
Modelli oceanici
Giugno,
Luglio,
Agosto
2009
Modelli stato del mare
Verifica del vento previsto
Superficie (terra)
Modelli in
oceanici
Confronto con osservazione
superficie SYNOP in Giugno, Luglio,
Agosto 2009
.
Modelli stato del mare
Verifica del vento previsto
Superficie (mare)
Confronto con
osservazione da
satellite QSCAT.
COSMO-ME
sottostima
debolmente
l’intensità del vento
sul mare (come
gran parte dei
modelli atmosferici
operativi!)
Previsione di ensemble
L'atmosfera è un sistema caotico.
oceanici
Piccoli errori nelleModelli
condizioni
iniziali (dovuti al limitato
numero e alla non omogenea distribuzione delle
osservazioni) possono crescere rapidamente durante
la previsione.
La predicibilità è limitata anche dagli errori dei modelli
numerici (processi fisici descritti con un certo grado di
accuratezza e rappresentati con una certa risoluzione
spaziale e temporale, anche per limiti nelle risorse di
calcolo).
Modelli stato del mare
Queste due sorgenti di incertezza limitano
la qualità di una singola previsione deterministica.
Previsione di ensemble
Evoluzione della funzione densità di probabilità (pdf)
Initial condition
Forecast time
Forecast
Le condizioni iniziali non saranno mai conosciute esattamente.
Anche se il modello fosse perfetto, due stati iniziali, che differiscono
leggermente, possono determinare due previsioni che divergono
rapidamente col tempo. Con l’approccio ensemble si cerca di stimare
la pdf degli stati previsti usando un numero finito di prev. determ.
Previsione probabilistica
Grazie per l'attenzione!
Circolazione a scala globale
Circolazione a scala sinottica
Ciclone extra-tropicale
Uragano
Circolazione locale
Temporale
Circolazione locale
Downburst
Tornado