Cosa sono i modelli meteorologici?
I modelli meteorologici sono simulazioni computerizzate dell'atmosfera per la ricerca e la previsione meteorologica.
Prevedere il meteo è molto difficile. Per fare previsioni accurate, i meteorologi utilizzano i dati meteo attuali e passati per prevedere lo stato futuro dell'atmosfera e il suo impatto sui modelli meteorologici. Ma quali dati meteo sono necessari per fare una previsione accurata? I meteorologi raccolgono osservazioni meteo su temperatura, pressione atmosferica, umidità, precipitazioni, velocità del vento e altro, da stazioni meteorologiche, satelliti meteorologici e palloni meteorologici in tutto il mondo. Poiché le condizioni meteorologiche continuano a cambiare nel tempo, viene generata un'enorme quantità di dati.
Per trasformare questi dati in previsioni meteorologiche accurate è necessario modellare le interazioni tra migliaia o persino milioni di variabili che sono in uno stato di flusso costante, un calcolo che, in matematica, è noto come "equazione differenziale idrodinamica". Queste equazioni matematiche sono così complesse e coinvolgono così tanti dati che vengono eseguite su supercomputer.
Le previsioni meteorologiche basate su queste equazioni sono chiamate previsioni meteorologiche numeriche e i programmi informatici che le eseguono sono chiamati modelli meteorologici.
Le ultime notizie e insight sull'AI
Scopri notizie e insight selezionati da esperti in materia di AI, cloud e molto altro nella newsletter settimanale Think.
I modelli meteorologici sono simulazioni informatiche dell'atmosfera.
L'atmosfera terrestre è uno strato di gas che si trova a circa 96 km di altezza, in cui l'aria, sotto forma di fluido, si sposta da un luogo all'altro come risultato di complessi meccanismi chimici, termodinamici e fluidi. In teoria, questi flussi d'aria possono essere calcolati utilizzando le leggi della fisica e della matematica, se si dispone di abbastanza dati, potenza di calcolo e di un'equazione in grado di descrivere con precisione l'interazione tra i diversi elementi.
Le tre parti integranti di qualsiasi modello di previsione meteo sono i dati meteorologici, la potenza di calcolo e un'equazione matematica che simula le interazioni di diverse condizioni meteorologiche nell'atmosfera.
Affinché un programma informatico fornisca previsioni sullo stato futuro dell'atmosfera, ha innanzitutto bisogno dei dati meteo attuali relativi alla regione che sarà descritta dal modello. In generale, i modelli meteorologici si dividono in due tipi: modelli locali, che si concentrano su una località specifica, e modelli globali, che mirano a fornire previsioni meteorologiche accurate su tutto il pianeta.
Entrambi i tipi di modelli utilizzano un processo simile; la differenza è la scala. Le osservazioni meteorologiche vengono eseguite attraverso stazioni meteorologiche, palloni sonda, boe, radar, satelliti meteorologici e molto altro e i dati raccolti riguardano precipitazioni e temporali, velocità e direzione del vento, temperatura e pressione dell'aria e così via. Questi dati iniziali, presi da un’istantanea temporale, sono noti come le “condizioni iniziali” del modello. Questi dati iniziali vengono aggiornati periodicamente, in fasi temporali regolari e ricorrenti.
I dati di queste condizioni iniziali sono allineati in una griglia, un insieme di punti tridimensionali che coprono la regione del modello e si estendono verso l'alto nell'atmosfera. I punti della griglia non sono i punti in cui sono state fatte osservazioni meteorologiche; al contrario, sono un insieme di posizioni generate dal computer, equidistanti nello spazio e disposte in direzione orizzontale e verticale. In ogni punto della griglia, il programma informatico esegue un modello per generare una previsione numerica per tale posizione, e il processo viene ripetuto per ogni punto della griglia fino a quando non vengono eseguiti calcoli per l'intera griglia.
A partire da queste condizioni iniziali, il modello può quindi fare progressi incrementali nel tempo per iniziare a prevedere i flussi dell'atmosfera e le condizioni meteorologiche che potrebbero derivarne.
Il numero di punti della griglia e lo spazio tra ogni punto della griglia influiscono sulla precisione del modello di previsione: un modello con un numero elevato di punti della griglia viene chiamato ad "alta risoluzione" e presenta una maggiore precisione, ma le griglie a risoluzione più elevata richiedono anche una maggiore potenza di calcolo.1
Anche i modelli di previsione più semplici utilizzano complesse equazioni matematiche e, più dati utilizza un modello, maggiore è la potenza di calcolo richiesta. I modelli di previsione più sofisticati e accurati al mondo, come l'European Center for Medium-Range Weather Forecas (ECMWF) o l'High-Resolution Rapid Refresh (HRRR) utilizzato dal NOAA, sono basati su supercomputer in grado di eseguire 12 quadrilioni di calcoli al secondo.2 Ma i modelli meteorologici più semplici, con meno punti dati, richiedono meno potenza di calcolo e non necessitano di essere eseguiti su supercomputer.3
Il meteo è quello che viene definito un sistema caotico; coinvolge così tante variabili correlate che piccole variazioni nelle condizioni iniziali (ad esempio, la differenza tra la velocità del vento misurata a 6 chilometri orari rispetto a 6.2 chilometri orari), possono moltiplicarsi rapidamente e avere grandi effetti sul resto del sistema, rendendo i suoi comportamenti difficili da prevedere nel tempo.
A causa del numero di variabili e di incognite coinvolte in un sistema meteorologico, i meteorologi si affidano spesso a quelle che vengono chiamate "previsioni d'insieme". Nelle previsioni d'insieme, vengono eseguite più esecuzioni del modello, ognuna con parametri diversi, per tenere conto delle incertezze. L'insieme completo di queste previsioni può essere utilizzato per modellare la gamma di possibili stati futuri dell'atmosfera e fornire una previsione probabilistica delle condizioni meteorologiche future.4
I meteorologi utilizzano molti modelli diversi per le previsioni, spesso a seconda di ciò che sperano di prevedere esattamente. Un modello locale eseguito su una regione specifica fornisce informazioni molto diverse rispetto a un modello globale che abbraccia l'intera Terra. Ogni modello meteorologico comporta la scelta di quali dati includere, quali equazioni matematiche creeranno le migliori simulazioni dei fenomeni atmosferici e come dare priorità ai tipi di previsioni più importanti.
Nessun modello può prevedere ogni evento meteorologico con elevata precisione. Al contrario, i meteorologi fanno delle scelte su ciò che vogliono prevedere e progettano il modello in modo che abbia un'elevata precisione per quel tipo di risultato. Di conseguenza, un tipo di accuratezza può andare a scapito di altri tipi. Ad esempio, i modelli sono progettati per avere un'elevata precisione per le previsioni a breve termine (fino a 3 giorni in anticipo), le previsioni a medio termine (3-15 giorni in anticipo) o le previsioni a lungo termine (da 10 giorni a 2 anni in anticipo) e ogni tipo richiede decisioni diverse. Un meteorologo che ha bisogno di effettuare previsioni a breve termine potrebbe scegliere di utilizzare un modello su mesoscala, che incorpora dati meteorologici raccolti fino a 1000 km di altezza nell'atmosfera, perché i dati su mesoscala forniscono previsioni a breve termine più accurate. Per una previsione a lungo termine più affidabile, un meteorologo potrebbe preferire un modello non mesoscala, che escluda le osservazioni meteorologiche dall'atmosfera ad alta quota.
I meteorologi cercano sempre di migliorare i modelli meteorologici esistenti e potrebbero creare nuovi modelli informatici per la ricerca e le previsioni meteorologiche. Poiché le equazioni matematiche del modello sono pensate per essere simulazioni dell'atmosfera, i meteorologi testano e adattano gli algoritmi per vedere quali generano le previsioni meteorologiche più accurate. Alcune di queste formule sono open source, mentre altre sono proprietarie.
I due modelli globali più noti sono il modello Global Forecast System (GFS) del National Weather Service e il modello European Center for Medium-Range Weather Forecast (ECMWF), noti più comunemente come modello americano e modello europeo.
Il GFS si aggiorna quattro volte al giorno ed effettua previsioni fino a sedici giorni. L'ECMWF si aggiorna solo due volte al giorno e genera una previsione di 10 giorni, ma ha una risoluzione più elevata rispetto al GFS e, storicamente, ha generato previsioni più precise.
Un altro modello di previsione molto noto è il North American Mesoscale Model (NAM), un modello regionale a corto raggio che copre tutto il Nord America e genera previsioni a 61 ore di distanza. NAM si basa sul modello Weather Research and Forecasting (WRF), un modello di previsione open source che alimenta anche due modelli ampiamente utilizzati dalla National Oceanic and Atmospheric Administration (NOAA): il modello Rapid Refresh (RR o RAP) e l'HRRR.
Ci sono altri modelli meteorologici: il modello Canadian Meteorological Centre (CMC), il modello UK Met Office, il modello German Weather Service (DWD), il modello Australian Bureau of Meteorology (BoM) e molti altri. Ogni modello diverso è progettato per effettuare previsioni accurate incentrate su aspetti diversi, incorporare dati diversi e calcolare con diverse equazioni matematiche per produrre il tipo di accuratezza desiderato. Ognuno ha i propri punti di forza e i propri limiti.