1 / 72

LEGGERE E CAPIRE LE PREVISIONI DEL TEMPO A.Raimondi , L.S. Pacinotti-CA

LEGGERE E CAPIRE LE PREVISIONI DEL TEMPO A.Raimondi , L.S. Pacinotti-CA 6/06/2011-Terminal Crociere Cagliari. Predicibilità: il battito d ’ ali di una farfalla in Brasile genera un tornado in Texas? (Lorenz E., 1992). L ’ atmosfera è un sistema caotico CAOS DETERMINISTICO

cybill
Download Presentation

LEGGERE E CAPIRE LE PREVISIONI DEL TEMPO A.Raimondi , L.S. Pacinotti-CA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. LEGGERE E CAPIRE LE PREVISIONI DEL TEMPO A.Raimondi, L.S.Pacinotti-CA 6/06/2011-Terminal Crociere Cagliari A. Raimondi (L.S. Pacinotti-CA)

  2. Predicibilità: il battito d’ali di una farfalla in Brasile genera un tornado in Texas?(Lorenz E., 1992) A. Raimondi (L.S. Pacinotti-CA)

  3. L’atmosfera è un sistema caotico CAOS DETERMINISTICO Fenomeni basati su leggi deterministiche si evolvono in maniera da generare andamenti complessi e imprevedibili tanto che non siamo in grado di distinguerli da eventi casuali. A. Raimondi (L.S. Pacinotti-CA)

  4. SENSIBILITÀ ALLE CONDIZIONI INIZIALI […] può accadere che piccole differenze nelle condizioni iniziali ne producano di grandissime nei fenomeni finali. Un piccolo errore nelle prime produce un errore enorme nei secondi. La previsione diventa impossibile e si ha un fenomeno fortuito (Poincaré, 1902) A. Raimondi (L.S. Pacinotti-CA)

  5. Non esistono cause individuabili dei fenomeni atmosferici • L’atmosfera è un sistema caotico • Le equazioni che descrivono l’evoluzione dell’atmosfera non possono essere risolte esattamente • Rinunciamo a prevedere i fenomeni meteo ? A. Raimondi (L.S. Pacinotti-CA)

  6. A. Raimondi (L.S. Pacinotti-CA)

  7. Numerical Weather Prediction OSSERVAZIONI Equazioni primitive http://www.meted.ucar.edu/nwp/model_structure/navmenu.php?tab=1&page=1.3.0 COMUNICAZIONE UTENTI A. Raimondi (L.S. Pacinotti-CA)

  8. MODELLO Un modello è una rappresentazione concettuale (spesso una semplificazione) del mondo reale o di una sua parte, nel tentativo di spiegarne il funzionamento o di effettuare previsioni MODELLO OUTPUT INPUT L'efficacia del modello può essere “misurata” comparando i dati finali con il risultato effettivo dell'evoluzione del fenomeno (?) A. Raimondi (L.S. Pacinotti-CA)

  9. IBM-NOAA supercomputers: 69,7*1018 operazioni al secondo 2,4*108 osservazioni globali giornaliere 180 milioni di dollari A. Raimondi (L.S. Pacinotti-CA)

  10. Modelli ad area limitata (LAM) A. Raimondi (L.S. Pacinotti-CA)

  11. Modelli ad area limitata (LAM) 2500 Km2 A. Raimondi (L.S. Pacinotti-CA)

  12. Modelli ad area limitata (LAM) Pioverà a Cagliari? A. Raimondi (L.S. Pacinotti-CA)

  13. A. Raimondi (L.S. Pacinotti-CA)

  14. A. Raimondi (L.S. Pacinotti-CA)

  15. Rappresentazione dell’orografia A. Raimondi (L.S. Pacinotti-CA)

  16. Vortici, turbolenze e altre difficoltà A. Raimondi (L.S. Pacinotti-CA)

  17. L’input del modello: l’assimilazione MODELLO Il processo di assimilazione dei dati inizia il ciclo di previsione del modello, contribuendo alla definizione delle condizioni iniziali. Tenta di effettuare una discriminazione dei dati trasmessi dalla rete di osservazioni A. Raimondi (L.S. Pacinotti-CA)

  18. A. Raimondi (L.S. Pacinotti-CA)

  19. I satelliti meteo A. Raimondi (L.S. Pacinotti-CA)

  20. Distribuzione geografica delle stazioni meteo terrestri A. Raimondi (L.S. Pacinotti-CA)

  21. Media delle temperature misurate all’interno del grid-box Distribuzione disomogenea delle stazioni all’interno di una maglia della griglia A. Raimondi (L.S. Pacinotti-CA)

  22. Terra o acqua? A. Raimondi (L.S. Pacinotti-CA)

  23. Interazione della radiazione con l’atmosfera e la superficie terrestre A. Raimondi (L.S. Pacinotti-CA)

  24. Rappresentazione della superficie A. Raimondi (L.S. Pacinotti-CA)

  25. Processi convettivi A. Raimondi (L.S. Pacinotti-CA)

  26. PROCESSI CONVETTIVI UniTre Mogoro, 3/06/2011

  27. PROCESSI SU PICCOLA SCALA UniTre Mogoro, 3/06/2011

  28. Errori del modello Natura caotica dell’atmosfera Conoscenza non precisa delle condizioni iniziali + + INCERTEZZA DELLA PREVISIONE UniTre Mogoro, 3/06/2011

  29. Ensemble Prediction System (EPS) Piccole differenze nello stato iniziale dell’atmosfera possono evolversi in stati finali completamente diversi Per migliorare la previsione, è possibile tenere conto della sensibilità alle condizioni iniziali perturbandole leggermente Un fenomeno meteo non può essere previsto deterministicamente. Possiamo solo definire la probabilità che si verifichi in un dato periodo in una determinata zona UniTre Mogoro, 3/06/2011

  30. Una rappresentazione dell’output dell’EPS: “spaghetti plot” UniTre Mogoro, 3/06/2011

  31. Previsione degli eventi meteo A. Raimondi (L.S. Pacinotti-CA)

  32. Previsione delle conseguenze degli eventi meteo A. Raimondi (L.S. Pacinotti-CA)

  33. Il processo comunicativo delle previsioni: ambiguità della terminologia • Temperaturein sensibilevariazione; Precipitazioni intense; Venti moderati;Nelle prime ore del pomeriggio… • AnticicloneBel tempo (To try to define ‘good’ weather is to invite more questions than answers (WMO, 2008)) • “È poco probabile che domani piova”=“É molto probabile che domani non piova”? • people’s interpretation of probability descriptors depends on the background frequency of an event. Hence, people interpret a ‘slight chance’ of rain in London as meaning a higher numeric probability than a ‘slight chance’of rain in Madrid(Patt. et al., 2003) • A 30% chance of rain tomorrow: how does the public understand probabilistic weather forecast?(Gigerenzer et al., 2005) • Sono possibili precipitazioni ma non sono probabili(Meteorologo di una rete televisiva nazionale) A. Raimondi (L.S. Pacinotti-CA)

  34. Capire gli eventi e capire la probabilità Se per domani è prevista pioggia con una probabilità di pioggia del 30% significa che: (Gigerenzer et al., 2005, Joslyn et al., 2009) Pioverà nel 30% della zona interessata dalla previsione ? Pioverà il 30% della giornata ? Pioverà nel 30% delle giornate come domani ? L’affidabilità della previsione è del 30% ? A. Raimondi (L.S. Pacinotti-CA)

  35. . Il ruolo dei media Canale 527 dicembre 2008 A. Raimondi (L.S. Pacinotti-CA)

  36. . Il ruolo dei media • febbraio 2009: Grandinata a Palermo. “La 7” parla di neve a seguito di un’errata notizia di agenzia • marzo 2009: in un servizio sulle piogge che hanno colpito la Sardegna, il Radio giornale Rai della Sardegna dice che “Quest’anno le precipitazioni in Sardegna sono state le più elevate degli ultimi 205 anni” 15/10/87 13/02/08 A. Raimondi (L.S. Pacinotti-CA)

  37. A. Raimondi (L.S. Pacinotti-CA)

  38. A. Raimondi (L.S. Pacinotti-CA)

  39. A. Raimondi (L.S. Pacinotti-CA)

  40. L’uragano Charley (agosto 2004) No-name storm ( marzo 1993) 1,5*1013 $ di danni; 30 mortiprevisto con 28 ore di anticipo 1*1013 $ di danni; 300 morti; prevista con 5 giorni di anticipo A. Raimondi (L.S. Pacinotti-CA)

  41. Il processo comunicativo delle previsioni: l’uragano Charley NRC, 2006 A. Raimondi (L.S. Pacinotti-CA)

  42. NONAME STORM http://imageshack.us/photo/my-images/69/brezza.jpg/ UniTre Mogoro, 3/06/2011

  43. Nubifragio a Capoterra (22 ottobre 2008) 1,1*107 euro di danni; 5 morti; previsto (?) con 22 ore di anticipo A. Raimondi (L.S. Pacinotti-CA)

  44. Il processo comunicativo delle previsioni: il nubifragio di Capoterra www.sardegna-clima.it A. Raimondi (L.S. Pacinotti-CA)

  45. Il processo comunicativo delle previsioni: il nubifragio di Capoterra A. Raimondi (L.S. Pacinotti-CA)

  46. A. Raimondi (L.S. Pacinotti-CA)

  47. A. Raimondi (L.S. Pacinotti-CA)

  48. A. Raimondi (L.S. Pacinotti-CA)

  49. A. Raimondi (L.S. Pacinotti-CA)

  50. A. Raimondi (L.S. Pacinotti-CA)

More Related