Logo MeteoLive

Il forum di MeteoLive.it
Il più autorevole ed antico forum di Meteorologia italiano, il primo creato in Italia, attivo fin dal 29 novembre 1998

Spaghetti per Roma
Satellite moviola VISIBILE

atten.gif (177 byte)atten.gif (177 byte)  Ti ricordiamo che il forum è moderato e i messaggi contrari al regolamento verranno cancellati.
Non inserire link o pubblicità ad altri siti meteo ITALIANI. Mantieni sempre un comportamento educato e rispettoso e sarai stimato da tutti! SEGNALA ABUSI AL MODERATORE!

Sat moviola Regolamento GFS HR PLUS WRF Inser. img statiche

Segnala il tempo!  

Nowcasting
NORD-OVEST

  Nowcasting
NORD-EST
  Nowcasting
CENTRO-SUD
 
 
MeteoLive.it :: Leggi argomento - Occasioni neve adriatica 2021/22
Log in Registra FAQ Cerca Indice del forum

Occasioni neve adriatica 2021/22
Vai a Precedente  1, 2, 3 ... 380, 381, 382 ... 425, 426, 427  Successivo
 
Nuovo argomento   Rispondi    Indice del forum » Previsioni meteo e meteorologia
Precedente :: Successivo  
Autore Messaggio
ducaneve
*Forumista TOP*


Registrato: 31/01/12 21:24
Messaggi: 10623
Residenza: urbino

MessaggioInviato: Tue Jan 18, 2022 8:12 pm    Oggetto: Rispondi citando


Gfs nella mia zona ci crede a quattro fiocchi.


Top
Profilo Invia messaggio privato
picchio70
*Forumista TOP*


Registrato: 26/01/14 19:25
Messaggi: 25067
Residenza: Città Sant'Angelo 317mt

MessaggioInviato: Tue Jan 18, 2022 8:13 pm    Oggetto: Rispondi citando

ducaneve ha scritto:
Gfs nella mia zona ci crede a quattro fiocchi.

Facciamo ancora in tempo Laughing Laughing


Top
Profilo Invia messaggio privato
ducaneve
*Forumista TOP*


Registrato: 31/01/12 21:24
Messaggi: 10623
Residenza: urbino

MessaggioInviato: Tue Jan 18, 2022 8:14 pm    Oggetto: Rispondi citando


5 cm li può anche fare


Top
Profilo Invia messaggio privato
ducaneve
*Forumista TOP*


Registrato: 31/01/12 21:24
Messaggi: 10623
Residenza: urbino

MessaggioInviato: Tue Jan 18, 2022 8:17 pm    Oggetto: Rispondi citando

picchio70 ha scritto:
ducaneve ha scritto:
Gfs nella mia zona ci crede a quattro fiocchi.

Facciamo ancora in tempo Laughing Laughing

Fossi in te sarei contento perchè sei più in mezzo alla colata, potrebbe scapparci qualcosa di più corposo, il problema è che gli altri modelli vedono un pò meno o niente.


Top
Profilo Invia messaggio privato
ducaneve
*Forumista TOP*


Registrato: 31/01/12 21:24
Messaggi: 10623
Residenza: urbino

MessaggioInviato: Tue Jan 18, 2022 8:42 pm    Oggetto: Rispondi citando

[img][/img]
Urbino zona santa Lucia, c'è ancora la neve dell'altra volta
Quel posto è incredibile se non tira lo scirocco non si scioglie mai!


Top
Profilo Invia messaggio privato
ducaneve
*Forumista TOP*


Registrato: 31/01/12 21:24
Messaggi: 10623
Residenza: urbino

MessaggioInviato: Tue Jan 18, 2022 8:47 pm    Oggetto: Rispondi citando

Sapete cosa dicevano gli antichi del posto? Quando la neve non si scioglie vuol dire che aspetta la prossima! Cool


Top
Profilo Invia messaggio privato
picchio70
*Forumista TOP*


Registrato: 26/01/14 19:25
Messaggi: 25067
Residenza: Città Sant'Angelo 317mt

MessaggioInviato: Tue Jan 18, 2022 11:02 pm    Oggetto: Rispondi citando

Per Duca.


I modelli non rappresentato (e non rappresenteranno mai) il valore reale dell’ atmosfera, ma solo una approssimazione. Questo fatto è il motivo principale perché i modelli deterministici sono definiti caotici visto che la loro dinamica è governata da uno strano attrattore. Una delle caratteristiche del sistema caotico è l’apparente impredicibilità delle traiettorie, dovute alla forte sensibilità rispetto alle condizioni iniziali: un piccolo errore di partenza può determinare una grande inesattezza nelle previsioni a lungo termine. Per cercare di calcolare le diverse variabili si utilizza il metodo degli spaghi.
Con la tecnica Ensembles (spaghetti) si prende il primo run elaborato, un cluster “puro”, chiamato anche run di controllo e visualizzato con lo spago blu. Si fa girare più volte il run di controllo (tot corse = tot cluster), variando volutamente un determinato set di condizioni iniziali, inserendo degli “errori”. Il risultato è un ventaglio statistico formato da altri run, che in teoria dovrebbe comprendere la previsione esatta. In poche parole vedendo gli spaghi, sappiamo che all’interno di essi è presente la previsione “giusta”, cosa che sarebbe impossibile determinare osservando un solo run. Tutti i cluster derivano da quello Blu.
Dove le variabili (cluster) sono più vicini, aumenta la possibilità di una buona previsione, mentre le soluzioni isolate invece hanno meno possibilità di riuscita.
La media degli spaghi è visualizzata con il cluster bianco, mentre lo spago rosso è la media trentennale delle temperature a 850hpa.
Il fatto che all’interno degli spaghi ci sia anche il run ufficiale (spago verde chiaro grosso), è un fattore pratico per agevolare il confronto, in realtà il run ufficiale è un modello indipendente, non centra nulla con gli spaghi (che si chiamano GEFS), sono due modelli.

GFS: T382/L64 (0-180 h) che equivale a ad una griglia orizzontale di circa 35 km e a 64 livelli verticali, T190/L64 (180-364 h)
Gli spaghi hanno una risoluzione minore di T126 (circa 80km) estesa oltre le 180h.


il run ufficiale è il migliore dal punto di vista “operazionale”, ha una griglia più dettagliata, ed è stato sviluppato per essere la “punta di diamante” del modello. Tutto ciò che gli gira attorno, altri run o cluster, sono variabili al run di controllo (spago blu).
Il fatto che il run ufficiale non mantenga la stessa visione e “balli” ad ogni uscita, dipende dalle caratteristiche del modello, l’orografia e altre cose, ma soprattutto è un problema di natura deterministica.
Una volta che si impostano i dati di partenza, cioè si compone la griglia (principalmente con dati di back-ground o di “first-guest” utilizzando il metodo dell’optmal interpolation) si procede allo sviluppo del run. A proposito, la differenza tra i vari run 00z, 06z, 12z, 18z in termini di affidabilità è minima, praticamente inesistente grazie al first-guest.
In seguito ottenuta la griglia, tramite le risoluzione delle equazioni di Navier-Stokes, della termodinamica, di continuità, di evoluzione del vapore acqueo, del stato dei gas, di idrostatica ecc… si crea una possibile interpretazione, cioè una visione probabile e non manipolata di quello che succederà.

Metodo first guest e ETBV (Ensemble Transform Bred Vectors)
I migliori GM (global model) in realtà non utilizzano ad ogni corsa come input le misurazioni sinottiche, ma dati di background (metodo first guest), che consiste nel prelevare i dati della corsa precedente, trasformandoli come iniziali. Questo metodo elimina, le differenze di affidabilità tra vari run.
Questi dati di background, vengono confrontati con la stima delle rilevazioni sinottiche, implementate da fattori statistici per comporre la griglia, metodo detto OI (optimal interpolation). Si fa questo per ovviare al problema di fondo, ciò quello dell’impossibilità di coincidere una rete sparsa di stazioni meteorologiche, con dei punti precisi (nodi della griglia della risoluzione modellistica).
Questo procedimento di assimilazione “standard”, tuttavia contiene degli errori di fondo, in quanto non tiene conto dell’instabilità del flusso, ma corregge i valori di first guest con dati statistici cioè costanti (sia nel tempo che nello spazio). Per ovviare a questo problema i maggiori modelli come GFS, utilizzano il Kalman Filter (KF), un procedimento che consente di ottenere un risultato atteso, in un determinato ordine. Tale metodo è adoperato per il filtraggio dei dati, costruito sulla base di una media ragionata tra il prossimo valore predetto e il prossimo valore stimato. In questo modo l’algoritmo offre la stima dello stato più probabile dell’atmosfera, quindi la matrice di covarianza del background non è più determinata statisticamente, ma è anch’essa il risultato del modello (sistema dinamico).
Per questi motivi, è possibile affermare che GFS non presenta run con diversa affidabilità, in quanto non esistono corse deterministiche più o meno ricche di dati sinottici, in base ad orari.
Nelle ENS GEFS si utilizza il metodo chiamato Ensemble Transform Bred Vectors, si adopera un algoritmo simile al filtro di Kalmar, il EnKF (ensemble kalman filter), dove la covarianza del background non viene stimata da un dato, ma da un numero finito di traiettorie non lineari. Tutto questo in modalità esclusivamente random. Quindi non vi è alcuna scelta a priori dei disturbi o errori extra-modellistici da inserire ai dati iniziali (run di controllo). Le stesse perturbazioni sono immesse dal modello in maniera autonoma, sempre con lo scopo di ottenere un ventaglio di possibili soluzioni. Teniamo presente che il run di controllo non è ne migliore ne peggiore rispetto agli altri clusters (lo è rispetto al run ufficiale GFS, che è un altro modello).
Altro metodo usato sui modelli ensemble a corto raggio è il “breeding cycle”… ma qui il discorso si complica.


In fisica dell'atmosfera i modelli numerici di previsione meteorologica sono modelli matematici dell'atmosfera terrestre che utilizzano le condizioni meteorologiche attuali (stato atmosferico) come input o inizializzazione delle equazioni fondamentali del modello stesso per la previsione meteorologica in momenti o istanti successivi (prognosi).


Un esempio di previsione a un'altezza geopotenziale di 500 mbar basata su un modello numerico di previsione meteorologica
Sono detti numerici perché la risoluzione delle equazioni del modello, non possibile per via analitica data la loro complessità e non linearità, passa attraverso opportune tecniche di analisi numerica e all'uso congiunto di supercalcolatori, vuoi anche per l'ingente mole di dati da elaborare in tempi brevi. Si tratta di un campo di ricerca applicata aperto e in continua evoluzione delle scienze atmosferiche assieme a d'usoDeskto modellizzazione atmosferica (meteorologia dinamica).

Numerosi modelli di previsione, sia su scala globale che regionale, sono fatti funzionare per contribuire a creare previsioni per le nazioni in tutto il mondo. L'uso di previsioni basate su un insieme di modelli (previsioni di ensemble) aiuta a determinare e ridurre l'incertezza delle previsioni stesse ed estendere così l'intervallo temporale della previsione meteorologica più in là nel futuro di quanto sarebbe altrimenti possibile con i risultati di un singolo modello.

Anche se i primi sforzi in tal senso risalgono agli anni venti, fu solo con l'avvento del computer e della simulazione al computer che questo tipo di previsioni divenne praticabile in tempo reale. Manipolare le enormi serie di dati ed effettuare i complessi calcoli necessari per ottenere una risoluzione abbastanza fine da rendere utili i risultati, richiede infatti l'uso di alcuni dei più potenti supercomputer del mondo e relative tecniche di elaborazione desunte dall'analisi numerica.

Il matematico britannico Lewis Fry Richardson fu il primo nel 1922 a proporre un modello matematico per le previsioni meteorologiche. Richardson tentò di formulare senza successo una previsione basata su calcoli matematici. La prima previsione ottenuta con modelli numerici ad avere successo fu elaborata, nel 1950, da un gruppo di meteorologi statunitensi composto da Jule Charney, Philip Thompson e Larry Gates, oltre che dal meteorologo norvegese Ragnar Fjörtoft e dal matematico John von Neumann, che si avvalsero del computer digitale ENIAC. Per il calcolo utilizzarono una formula semplificata delle dinamiche atmosferiche basata sull'equazione della vorticità barotropica. Tale semplificazione permise la riduzione dei tempi e della memoria richiesta dal computer, consentendo l'esecuzione dei calcoli da parte delle apparecchiature relativamente rudimentali che erano disponibili in quell'epoca. I modelli successivi poterono utilizzare equazioni complete della dinamica atmosferica e della termodinamica atmosferica.

Previsioni meteorologiche basate su modelli matematici iniziarono a essere utilizzate per un uso pratico nel 1955, nell'ambito di un progetto comune dell'aeronautica militare, della Marina e dello Weather Bureau degli Stati Uniti[1].

Un modello meteorologico è costituito da un insieme (set) di equazioni fisico-matematiche, anche dette equazioni primitive, che descrivono differenti proprietà e processi dei vari costituenti e aspetti dell'atmosfera:

l'aria è un fluido e come tale la sua dinamica è descritta dalle equazioni di Navier-Stokes (vedi meteorologia dinamica); la dinamica dell'atmosfera e dei suoi principali parametri (pressione, temperatura, umidità, densità, venti) è descritta da un set di 5 equazioni fondamentali (differenziali alle derivate parziali non-lineari).
il vapore acqueo presente in atmosfera si condensa in nubi che possono dar luogo a precipitazioni o dissolversi senza nessun fenomeno rilevante (Microfisica delle nubi).
nell'atmosfera ci sono tante particelle solide che svolgono ruoli fondamentali; si tratta di sale, granelli di polvere e inquinamento, chiamati aerosol atmosferico e che a loro volta svolgono l'azione di nuclei di condensazione.
lo strato limite planetario (Planet Boundary Layer) è particolarmente turbolento e necessita particolari attenzioni e parametrizzazioni.
il motore di tutto questo è il Sole che riscaldando la superficie terrestre le permette di irradiare all'aria la sua energia sotto forma di calore (trasferimento radiativo).

Supercalcolatore
L'atmosfera è dunque un fluido e l'idea che sta alla base dei modelli numerici di previsione meteorologica è quella di campionare lo stato del fluido in un dato momento e di usare le equazioni della dinamica dei fluidi e della termodinamica per stimare lo stato del fluido stesso in qualche momento del futuro. I modelli sono utilizzati per ottenere una previsione dell'evoluzione dello stato dell'atmosfera nel futuro a partire dallo stato presente iniziale. Essi vengono cioè inizializzati a partire dai dati ricavati dalla strumentazione meteorologica, opportunamente filtrati (data assimilation) e, tramite risoluzione numerica (discretizzazione) su supercalcolatori delle equazioni che descrivono il moto dell'atmosfera, producono una risposta, sulla base della quale è possibile formulare una previsione meteorologica. Le previsioni sono però affette da errori, soprattutto nel lungo termine, poiché nei modelli vengono inevitabilmente operate alcune approssimazioni su alcuni processi (parametrizzazioni) e l'atmosfera stessa è propriamente un sistema caotico che amplifica gli inevitabili errori di arrotondamento/troncamento sui valori delle condizioni iniziali. I molteplici e differenti modelli meteorologici in uso nascono da diversi metodi di risoluzione numerica del set di equazioni fondamentali e/o da diverse parametrizzazioni di alcuni processi fisici.

Modello empirico – Un modello rappresentato da processi semplificati basati su osservazione, misure o esperienza pratica piuttosto che su principi o teoria. Un modello indifferenziato è un esempio.
Modello analogico – Un modello basato su similarità tra il sistema allo studio e un altro sistema o processo.
Modello concettuale – Una rappresentazione semplificata del sistema che viene esaminato.
Modello analitico – Un modello che usa metodi classici come il calcolo o l'algebra per risolvere una serie di equazioni.
Modello numerico – Un modello che usa un metodo numerico per risolvere una serie di equazioni, in opposizione ad un modello analitico. I risultati dei modelli numerici sono spesso approssimazioni, mentre i modelli analitici producono soluzioni esatte.
Modello continuo - Un modello che usa la simulazione continua, in opposizione ad un modello ad evento singolo.
Modello deterministico - Un modello che produce lo stesso output per un dato input senza considerazioni di rischio o incertezza.
Modello pseudodeterministico – Un modello semidistribuito.
Modello del bilancio delle masse – Un modello basato sulla conservazione della massa e che si focalizza sul bilanciamento degli input e degli output provenienti dall'area del modello. Noto anche come modello zero-dimensionale.

Un esempio di previsione a un'altezza geopotenziale di 500 mbar basata su un modello numerico di previsione meteorologica.
Modello esplicito – Un modello numerico che usa valori parametro o variabili ignote all'inizio di uno stadio temporale negli algoritmi computazionali.
Modello implicito – Un modello numerico che usa valori parametro o variabili ignote alla fine di uno stadio temporale negli algoritmi computazionali.
Modello unidimensionale – Un modello che include solo una dimensione spaziale.
Modello bidimensionale – Un modello che include due dimensioni spaziali, solitamente orizzontale e verticale che si uguagliano.
Modello stocastico matematico – Un modello che include elementi statistici e produce una serie di output per una data sequenza di input. L'output rappresenta una sequenza di valori attesi.
Lo stesso argomento in dettaglio: Equazioni primitive dei moti geofisici.

Una previsione su 96 ore alla temperatura e all'altezza geopotenziale di 850 mbar basata sul Global Forecast System.
Un modello, in questo contesto, è un programma per computer che produce informazioni meteorologiche per momenti futuri a determinate posizioni e altitudini. Il dominio spaziale orizzontale di un modello è detto globale, se copre l'intera Terra, o regionale, se copre solo una parte limitata del pianeta. I modelli regionali sono conosciuti anche come modelli di area limitata (LAM).

Le previsioni sono computate usando equazioni differenziali matematiche per la fisica e la dinamica dell'atmosfera dette anche equazioni primitive dei moti atmosferici: si tratta di equazioni non lineari, impossibili da risolvere esattamente cioè analiticamente, perciò, i metodi utilizzati, propri dell'analisi numerica, ottengono soluzioni approssimate cioè con inevitabili errori. Modelli diversi utilizzano metodi numerici di soluzione diversi; alcuni modelli globali usano metodi spettrali per le dimensioni orizzontali e metodi delle differenze finite per la dimensione verticale, mentre i modelli regionali e altri modelli globali usano metodi delle differenze finite in tutte e tre le dimensioni. I modelli regionali possono utilizzare anche griglie a risoluzioni spaziali più raffinate, per risolvere esplicitamente fenomeni meteorologici su scala più ridotta, in quanto non devono risolvere equazioni valide per l'intero globo potendo così sfruttare al massimo la potenza di calcolo del computer.

I modelli sono inizializzati (vedi problema di Cauchy) usando dati osservati da radiosonde, satelliti meteorologici e osservazioni meteorologiche di superficie ovvero stazioni meteorologiche su terraferma e oceano (boe e navi). Le osservazioni, compiute su spaziature irregolari, sono elaborate mediante assimilazione di dati e metodi di analisi obiettivi, che effettuano il controllo di qualità e ricavano i valori presenti nelle località utilizzabili dagli algoritmi matematici del modello (di solito una griglia a spazi uniformi). I dati sono poi usati nel modello come punto di partenza per una previsione. Le equazioni primitive dei modelli sono inizializzate dall'analisi dei dati e sono determinati i tassi di variazione. Questi permettono di predire lo stato dell'atmosfera a un breve intervallo nel futuro. Questo nuovo stato atmosferico diviene il nuovo punto di partenza a cui sono applicate le equazioni per trovare nuovi tassi di variazione, che permettono a loro volta di predire lo stato atmosferico a un ulteriore intervallo nel futuro. Questa procedura per "passi temporali" è ripetuta continuamente finché la soluzione non raggiunge il momento desiderato della previsione. La lunghezza del passo temporale è collegata alla distanza tra i punti della griglia computazionale. I passi temporali per i modelli climatici globali possono essere dell'ordine di decine di minuti, mentre quelli per i modelli regionali possono oscillare da pochi secondi a pochi minuti. I risultati (output) dei modelli sono visualizzati su carte meteorologiche pronte all'uso per il meteorologo.

Limiti di validità

Attrattore di Lorenz

Decadimento esponenziale
Come proposto da Edward Lorenz nel 1963, anche ammettendo di saper risolvere analiticamente le equazioni fondamentali dell'atmosfera (cosa non ancora raggiunta), è impossibile predire indefinitivamente (cioè deterministicamente una volta per tutte) lo stato dell'atmosfera a causa della natura non-lineare dunque caotica delle equazioni della dinamica dei fluidi che amplifica esponenzialmente l'inevitabile errore di inizializzazione del modello ovvero sulle condizioni iniziali. Come ulteriore fonte di incertezza si aggiunge il fatto che le reti di osservazione esistenti hanno una copertura o risoluzione spaziale limitata ovvero non omogenea, specialmente sulle grandi superfici d'acqua come l'Oceano Pacifico e l'emisfero meridionale, il che introduce maggiore incertezza sul reale stato iniziale dell'atmosfera.

Attualmente il limite temporale massimo di predicibilità dello stato dell'atmosfera da parte di un qualunque modello numerico meteorologico è non superiore ai 15 giorni con un grado di affidabilità che decade nel tempo e varia anche in funzione del tipo di condizioni atmosferiche da prevedere. Al di sopra di questo limite si entra nel campo delle cosiddette previsioni stagionali e dei relativi modelli, che giungono a coprire un arco temporale di 3-6 mesi basandosi però su principi fisici, considerazioni base e approcci diversi da quelli dei modelli meteorologici: l'idea di fondo è quella delle anomalie termiche oceaniche come forcing della circolazione atmosferica sotto forma di teleconnessioni atmosferiche e relative anomalie atmosferiche termiche, bariche e precipitative: essi hanno cioè una risoluzione spazio-temporale inferiore ai modelli meteorologici ovvero offrono una prognosi di semplice 'tendenza' risultando più simili ai modelli climatici e sono tuttora in fase di sperimentazione e sviluppo[2].

Previsione per insiemi Modifica
Per tenere conto dell'incertezza insita nei metodi e nei modelli di previsione, cercare di aumentarne l'affidabilità e al contempo spingere in avanti il limite di validità della previsione è attualmente in uso la cosiddetta previsione stocastica o "per insiemi" (ensemble forecasting), che implica previsioni multiple create o con uno stesso modello a partire da condizioni iniziali diverse, comprese all'interno di una certa gamma di valori possibili, o con gruppi di modelli diversi tra loro per diverse parametrizzazioni fisiche utilizzate (multimodel ensemble forecasting) oppure incrociando tra loro entrambi i metodi.

Solitamente, la previsione per insiemi è valutata in termini di media d'insieme (ossia la media pesata con la verosimiglianza della condizione iniziale oppure con la probabilità di successo del modello precedentemente valutata statisticamente) di una variabile previsionale, e del divario o ampiezza (spread) all'interno dell'insieme, che rappresenta il grado di accordo tra varie previsioni nel sistema degli insiemi, note come elementi dell'insieme. Un fraintendimento comune consiste nel credere che una bassa dispersione tra gli elementi dell'insieme implichi necessariamente un maggior grado di confidenza nella media dell'insieme. Sebbene a volte esista una relazione divario-attendibilità, la relazione tra il divario dell'insieme e il grado di attendibilità o capacità previsionale (forecast skill) varia in modo sostanziale in base a fattori quali il modello di previsione e la regione alla quale si applica la previsione.


Top
Profilo Invia messaggio privato
ducaneve
*Forumista TOP*


Registrato: 31/01/12 21:24
Messaggi: 10623
Residenza: urbino

MessaggioInviato: Tue Jan 18, 2022 11:38 pm    Oggetto: Rispondi citando

picchio70 ha scritto:
Per Duca.


I modelli non rappresentato (e non rappresenteranno mai) il valore reale dell’ atmosfera, ma solo una approssimazione. Questo fatto è il motivo principale perché i modelli deterministici sono definiti caotici visto che la loro dinamica è governata da uno strano attrattore. Una delle caratteristiche del sistema caotico è l’apparente impredicibilità delle traiettorie, dovute alla forte sensibilità rispetto alle condizioni iniziali: un piccolo errore di partenza può determinare una grande inesattezza nelle previsioni a lungo termine. Per cercare di calcolare le diverse variabili si utilizza il metodo degli spaghi.
Con la tecnica Ensembles (spaghetti) si prende il primo run elaborato, un cluster “puro”, chiamato anche run di controllo e visualizzato con lo spago blu. In poche parole vedendo gli spaghi, sappiamo Si fa girare più volte il run di controllo (tot corse = tot cluster), variando volutamente un determinato set di condizioni iniziali, inserendo degli “errori”. Il risultato è un ventaglio statistico formato da altri run, che in teoria dovrebbe comprendere la previsione esatta.che all’interno di essi è presente la previsione “giusta”, cosa che sarebbe impossibile determinare osservando un solo run. Tutti i cluster derivano da quello Blu.
Dove le variabili (cluster) sono più vicini, aumenta la possibilità di una buona previsione, mentre le soluzioni isolate invece hanno meno possibilità di riuscita.
La media degli spaghi è visualizzata con il cluster bianco, mentre lo spago rosso è la media trentennale delle temperature a 850hpa.
Il fatto che all’interno degli spaghi ci sia anche il run ufficiale (spago verde chiaro grosso), è un fattore pratico per agevolare il confronto, in realtà il run ufficiale è un modello indipendente, non centra nulla con gli spaghi (che si chiamano GEFS), sono due modelli.

GFS: T382/L64 (0-180 h) che equivale a ad una griglia orizzontale di circa 35 km e a 64 livelli verticali, T190/L64 (180-364 h)
Gli spaghi hanno una risoluzione minore di T126 (circa 80km) estesa oltre le 180h.


il run ufficiale è il migliore dal punto di vista “operazionale”, ha una griglia più dettagliata, ed è stato sviluppato per essere la “punta di diamante” del modello. Tutto ciò che gli gira attorno, altri run o cluster, sono variabili al run di controllo (spago blu).
Il fatto che il run ufficiale non mantenga la stessa visione e “balli” ad ogni uscita, dipende dalle caratteristiche del modello, l’orografia e altre cose, ma soprattutto è un problema di natura deterministica.
Una volta che si impostano i dati di partenza, cioè si compone la griglia (principalmente con dati di back-ground o di “first-guest” utilizzando il metodo dell’optmal interpolation) si procede allo sviluppo del run. A proposito, la differenza tra i vari run 00z, 06z, 12z, 18z in termini di affidabilità è minima, praticamente inesistente grazie al first-guest.
In seguito ottenuta la griglia, tramite le risoluzione delle equazioni di Navier-Stokes, della termodinamica, di continuità, di evoluzione del vapore acqueo, del stato dei gas, di idrostatica ecc… si crea una possibile interpretazione, cioè una visione probabile e non manipolata di quello che succederà.

Metodo first guest e ETBV (Ensemble Transform Bred Vectors)
I migliori GM (global model) in realtà non utilizzano ad ogni corsa come input le misurazioni sinottiche, ma dati di background (metodo first guest), che consiste nel prelevare i dati della corsa precedente, trasformandoli come iniziali. Questo metodo elimina, le differenze di affidabilità tra vari run.
Questi dati di background, vengono confrontati con la stima delle rilevazioni sinottiche, implementate da fattori statistici per comporre la griglia, metodo detto OI (optimal interpolation). Si fa questo per ovviare al problema di fondo, ciò quello dell’impossibilità di coincidere una rete sparsa di stazioni meteorologiche, con dei punti precisi (nodi della griglia della risoluzione modellistica).
Questo procedimento di assimilazione “standard”, tuttavia contiene degli errori di fondo, in quanto non tiene conto dell’instabilità del flusso, ma corregge i valori di first guest con dati statistici cioè costanti (sia nel tempo che nello spazio). Per ovviare a questo problema i maggiori modelli come GFS, utilizzano il Kalman Filter (KF), un procedimento che consente di ottenere un risultato atteso, in un determinato ordine. Tale metodo è adoperato per il filtraggio dei dati, costruito sulla base di una media ragionata tra il prossimo valore predetto e il prossimo valore stimato. In questo modo l’algoritmo offre la stima dello stato più probabile dell’atmosfera, quindi la matrice di covarianza del background non è più determinata statisticamente, ma è anch’essa il risultato del modello (sistema dinamico).
Per questi motivi, è possibile affermare che GFS non presenta run con diversa affidabilità, in quanto non esistono corse deterministiche più o meno ricche di dati sinottici, in base ad orari.
Nelle ENS GEFS si utilizza il metodo chiamato Ensemble Transform Bred Vectors, si adopera un algoritmo simile al filtro di Kalmar, il EnKF (ensemble kalman filter), dove la covarianza del background non viene stimata da un dato, ma da un numero finito di traiettorie non lineari. Tutto questo in modalità esclusivamente random. Quindi non vi è alcuna scelta a priori dei disturbi o errori extra-modellistici da inserire ai dati iniziali (run di controllo). Le stesse perturbazioni sono immesse dal modello in maniera autonoma, sempre con lo scopo di ottenere un ventaglio di possibili soluzioni. Teniamo presente che il run di controllo non è ne migliore ne peggiore rispetto agli altri clusters (lo è rispetto al run ufficiale GFS, che è un altro modello).
Altro metodo usato sui modelli ensemble a corto raggio è il “breeding cycle”… ma qui il discorso si complica.


In fisica dell'atmosfera i modelli numerici di previsione meteorologica sono modelli matematici dell'atmosfera terrestre che utilizzano le condizioni meteorologiche attuali (stato atmosferico) come input o inizializzazione delle equazioni fondamentali del modello stesso per la previsione meteorologica in momenti o istanti successivi (prognosi).


Un esempio di previsione a un'altezza geopotenziale di 500 mbar basata su un modello numerico di previsione meteorologica
Sono detti numerici perché la risoluzione delle equazioni del modello, non possibile per via analitica data la loro complessità e non linearità, passa attraverso opportune tecniche di analisi numerica e all'uso congiunto di supercalcolatori, vuoi anche per l'ingente mole di dati da elaborare in tempi brevi. Si tratta di un campo di ricerca applicata aperto e in continua evoluzione delle scienze atmosferiche assieme a d'usoDeskto modellizzazione atmosferica (meteorologia dinamica).

Numerosi modelli di previsione, sia su scala globale che regionale, sono fatti funzionare per contribuire a creare previsioni per le nazioni in tutto il mondo. L'uso di previsioni basate su un insieme di modelli (previsioni di ensemble) aiuta a determinare e ridurre l'incertezza delle previsioni stesse ed estendere così l'intervallo temporale della previsione meteorologica più in là nel futuro di quanto sarebbe altrimenti possibile con i risultati di un singolo modello.

Anche se i primi sforzi in tal senso risalgono agli anni venti, fu solo con l'avvento del computer e della simulazione al computer che questo tipo di previsioni divenne praticabile in tempo reale. Manipolare le enormi serie di dati ed effettuare i complessi calcoli necessari per ottenere una risoluzione abbastanza fine da rendere utili i risultati, richiede infatti l'uso di alcuni dei più potenti supercomputer del mondo e relative tecniche di elaborazione desunte dall'analisi numerica.

Il matematico britannico Lewis Fry Richardson fu il primo nel 1922 a proporre un modello matematico per le previsioni meteorologiche. Richardson tentò di formulare senza successo una previsione basata su calcoli matematici. La prima previsione ottenuta con modelli numerici ad avere successo fu elaborata, nel 1950, da un gruppo di meteorologi statunitensi composto da Jule Charney, Philip Thompson e Larry Gates, oltre che dal meteorologo norvegese Ragnar Fjörtoft e dal matematico John von Neumann, che si avvalsero del computer digitale ENIAC. Per il calcolo utilizzarono una formula semplificata delle dinamiche atmosferiche basata sull'equazione della vorticità barotropica. Tale semplificazione permise la riduzione dei tempi e della memoria richiesta dal computer, consentendo l'esecuzione dei calcoli da parte delle apparecchiature relativamente rudimentali che erano disponibili in quell'epoca. I modelli successivi poterono utilizzare equazioni complete della dinamica atmosferica e della termodinamica atmosferica.

Previsioni meteorologiche basate su modelli matematici iniziarono a essere utilizzate per un uso pratico nel 1955, nell'ambito di un progetto comune dell'aeronautica militare, della Marina e dello Weather Bureau degli Stati Uniti[1].

Un modello meteorologico è costituito da un insieme (set) di equazioni fisico-matematiche, anche dette equazioni primitive, che descrivono differenti proprietà e processi dei vari costituenti e aspetti dell'atmosfera:

l'aria è un fluido e come tale la sua dinamica è descritta dalle equazioni di Navier-Stokes (vedi meteorologia dinamica); la dinamica dell'atmosfera e dei suoi principali parametri (pressione, temperatura, umidità, densità, venti) è descritta da un set di 5 equazioni fondamentali (differenziali alle derivate parziali non-lineari).
il vapore acqueo presente in atmosfera si condensa in nubi che possono dar luogo a precipitazioni o dissolversi senza nessun fenomeno rilevante (Microfisica delle nubi).
nell'atmosfera ci sono tante particelle solide che svolgono ruoli fondamentali; si tratta di sale, granelli di polvere e inquinamento, chiamati aerosol atmosferico e che a loro volta svolgono l'azione di nuclei di condensazione.
lo strato limite planetario (Planet Boundary Layer) è particolarmente turbolento e necessita particolari attenzioni e parametrizzazioni.
il motore di tutto questo è il Sole che riscaldando la superficie terrestre le permette di irradiare all'aria la sua energia sotto forma di calore (trasferimento radiativo).

Supercalcolatore
L'atmosfera è dunque un fluido e l'idea che sta alla base dei modelli numerici di previsione meteorologica è quella di campionare lo stato del fluido in un dato momento e di usare le equazioni della dinamica dei fluidi e della termodinamica per stimare lo stato del fluido stesso in qualche momento del futuro. I modelli sono utilizzati per ottenere una previsione dell'evoluzione dello stato dell'atmosfera nel futuro a partire dallo stato presente iniziale. Essi vengono cioè inizializzati a partire dai dati ricavati dalla strumentazione meteorologica, opportunamente filtrati (data assimilation) e, tramite risoluzione numerica (discretizzazione) su supercalcolatori delle equazioni che descrivono il moto dell'atmosfera, producono una risposta, sulla base della quale è possibile formulare una previsione meteorologica. Le previsioni sono però affette da errori, soprattutto nel lungo termine, poiché nei modelli vengono inevitabilmente operate alcune approssimazioni su alcuni processi (parametrizzazioni) e l'atmosfera stessa è propriamente un sistema caotico che amplifica gli inevitabili errori di arrotondamento/troncamento sui valori delle condizioni iniziali. I molteplici e differenti modelli meteorologici in uso nascono da diversi metodi di risoluzione numerica del set di equazioni fondamentali e/o da diverse parametrizzazioni di alcuni processi fisici.

Modello empirico – Un modello rappresentato da processi semplificati basati su osservazione, misure o esperienza pratica piuttosto che su principi o teoria. Un modello indifferenziato è un esempio.
Modello analogico – Un modello basato su similarità tra il sistema allo studio e un altro sistema o processo.
Modello concettuale – Una rappresentazione semplificata del sistema che viene esaminato.
Modello analitico – Un modello che usa metodi classici come il calcolo o l'algebra per risolvere una serie di equazioni.
Modello numerico – Un modello che usa un metodo numerico per risolvere una serie di equazioni, in opposizione ad un modello analitico. I risultati dei modelli numerici sono spesso approssimazioni, mentre i modelli analitici producono soluzioni esatte.
Modello continuo - Un modello che usa la simulazione continua, in opposizione ad un modello ad evento singolo.
Modello deterministico - Un modello che produce lo stesso output per un dato input senza considerazioni di rischio o incertezza.
Modello pseudodeterministico – Un modello semidistribuito.
Modello del bilancio delle masse – Un modello basato sulla conservazione della massa e che si focalizza sul bilanciamento degli input e degli output provenienti dall'area del modello. Noto anche come modello zero-dimensionale.

Un esempio di previsione a un'altezza geopotenziale di 500 mbar basata su un modello numerico di previsione meteorologica.
Modello esplicito – Un modello numerico che usa valori parametro o variabili ignote all'inizio di uno stadio temporale negli algoritmi computazionali.
Modello implicito – Un modello numerico che usa valori parametro o variabili ignote alla fine di uno stadio temporale negli algoritmi computazionali.
Modello unidimensionale – Un modello che include solo una dimensione spaziale.
Modello bidimensionale – Un modello che include due dimensioni spaziali, solitamente orizzontale e verticale che si uguagliano.
Modello stocastico matematico – Un modello che include elementi statistici e produce una serie di output per una data sequenza di input. L'output rappresenta una sequenza di valori attesi.
Lo stesso argomento in dettaglio: Equazioni primitive dei moti geofisici.

Una previsione su 96 ore alla temperatura e all'altezza geopotenziale di 850 mbar basata sul Global Forecast System.
Un modello, in questo contesto, è un programma per computer che produce informazioni meteorologiche per momenti futuri a determinate posizioni e altitudini. Il dominio spaziale orizzontale di un modello è detto globale, se copre l'intera Terra, o regionale, se copre solo una parte limitata del pianeta. I modelli regionali sono conosciuti anche come modelli di area limitata (LAM).

Le previsioni sono computate usando equazioni differenziali matematiche per la fisica e la dinamica dell'atmosfera dette anche equazioni primitive dei moti atmosferici: si tratta di equazioni non lineari, impossibili da risolvere esattamente cioè analiticamente, perciò, i metodi utilizzati, propri dell'analisi numerica, ottengono soluzioni approssimate cioè con inevitabili errori. Modelli diversi utilizzano metodi numerici di soluzione diversi; alcuni modelli globali usano metodi spettrali per le dimensioni orizzontali e metodi delle differenze finite per la dimensione verticale, mentre i modelli regionali e altri modelli globali usano metodi delle differenze finite in tutte e tre le dimensioni. I modelli regionali possono utilizzare anche griglie a risoluzioni spaziali più raffinate, per risolvere esplicitamente fenomeni meteorologici su scala più ridotta, in quanto non devono risolvere equazioni valide per l'intero globo potendo così sfruttare al massimo la potenza di calcolo del computer.

I modelli sono inizializzati (vedi problema di Cauchy) usando dati osservati da radiosonde, satelliti meteorologici e osservazioni meteorologiche di superficie ovvero stazioni meteorologiche su terraferma e oceano (boe e navi). Le osservazioni, compiute su spaziature irregolari, sono elaborate mediante assimilazione di dati e metodi di analisi obiettivi, che effettuano il controllo di qualità e ricavano i valori presenti nelle località utilizzabili dagli algoritmi matematici del modello (di solito una griglia a spazi uniformi). I dati sono poi usati nel modello come punto di partenza per una previsione. Le equazioni primitive dei modelli sono inizializzate dall'analisi dei dati e sono determinati i tassi di variazione. Questi permettono di predire lo stato dell'atmosfera a un breve intervallo nel futuro. Questo nuovo stato atmosferico diviene il nuovo punto di partenza a cui sono applicate le equazioni per trovare nuovi tassi di variazione, che permettono a loro volta di predire lo stato atmosferico a un ulteriore intervallo nel futuro. Questa procedura per "passi temporali" è ripetuta continuamente finché la soluzione non raggiunge il momento desiderato della previsione. La lunghezza del passo temporale è collegata alla distanza tra i punti della griglia computazionale. I passi temporali per i modelli climatici globali possono essere dell'ordine di decine di minuti, mentre quelli per i modelli regionali possono oscillare da pochi secondi a pochi minuti. I risultati (output) dei modelli sono visualizzati su carte meteorologiche pronte all'uso per il meteorologo.

Limiti di validità

Attrattore di Lorenz

Decadimento esponenziale
Come proposto da Edward Lorenz nel 1963, anche ammettendo di saper risolvere analiticamente le equazioni fondamentali dell'atmosfera (cosa non ancora raggiunta), è impossibile predire indefinitivamente (cioè deterministicamente una volta per tutte) lo stato dell'atmosfera a causa della natura non-lineare dunque caotica delle equazioni della dinamica dei fluidi che amplifica esponenzialmente l'inevitabile errore di inizializzazione del modello ovvero sulle condizioni iniziali. Come ulteriore fonte di incertezza si aggiunge il fatto che le reti di osservazione esistenti hanno una copertura o risoluzione spaziale limitata ovvero non omogenea, specialmente sulle grandi superfici d'acqua come l'Oceano Pacifico e l'emisfero meridionale, il che introduce maggiore incertezza sul reale stato iniziale dell'atmosfera.

Attualmente il limite temporale massimo di predicibilità dello stato dell'atmosfera da parte di un qualunque modello numerico meteorologico è non superiore ai 15 giorni con un grado di affidabilità che decade nel tempo e varia anche in funzione del tipo di condizioni atmosferiche da prevedere. Al di sopra di questo limite si entra nel campo delle cosiddette previsioni stagionali e dei relativi modelli, che giungono a coprire un arco temporale di 3-6 mesi basandosi però su principi fisici, considerazioni base e approcci diversi da quelli dei modelli meteorologici: l'idea di fondo è quella delle anomalie termiche oceaniche come forcing della circolazione atmosferica sotto forma di teleconnessioni atmosferiche e relative anomalie atmosferiche termiche, bariche e precipitative: essi hanno cioè una risoluzione spazio-temporale inferiore ai modelli meteorologici ovvero offrono una prognosi di semplice 'tendenza' risultando più simili ai modelli climatici e sono tuttora in fase di sperimentazione e sviluppo[2].

Previsione per insiemi Modifica
Per tenere conto dell'incertezza insita nei metodi e nei modelli di previsione, cercare di aumentarne l'affidabilità e al contempo spingere in avanti il limite di validità della previsione è attualmente in uso la cosiddetta previsione stocastica o "per insiemi" (ensemble forecasting), che implica previsioni multiple create o con uno stesso modello a partire da condizioni iniziali diverse, comprese all'interno di una certa gamma di valori possibili, o con gruppi di modelli diversi tra loro per diverse parametrizzazioni fisiche utilizzate (multimodel ensemble forecasting) oppure incrociando tra loro entrambi i metodi.

Solitamente, la previsione per insiemi è valutata in termini di media d'insieme (ossia la media pesata con la verosimiglianza della condizione iniziale oppure con la probabilità di successo del modello precedentemente valutata statisticamente) di una variabile previsionale, e del divario o ampiezza (spread) all'interno dell'insieme, che rappresenta il grado di accordo tra varie previsioni nel sistema degli insiemi, note come elementi dell'insieme. Un fraintendimento comune consiste nel credere che una bassa dispersione tra gli elementi dell'insieme implichi necessariamente un maggior grado di confidenza nella media dell'insieme. Sebbene a volte esista una relazione divario-attendibilità, la relazione tra il divario dell'insieme e il grado di attendibilità o capacità previsionale (forecast skill) varia in modo sostanziale in base a fattori quali il modello di previsione e la regione alla quale si applica la previsione.


In poche parole vedendo gli spaghi, sappiamo Si fa girare più volte il run di controllo (tot corse = tot cluster), variando volutamente un determinato set di condizioni iniziali, inserendo degli “errori”. Il risultato è un ventaglio statistico formato da altri run, che in teoria dovrebbe comprendere la previsione esatta.che all’interno di essi è presente la previsione “giusta”, cosa che sarebbe impossibile determinare osservando un solo run. Tutti i cluster derivano da quello Blu.

Ho preso questo passaggio solo per dire che tutti i cluster prendono spunto dal controllo, partono da lì, il che vuol dire che quella è la matrice, in fondo c'è scritto che il controllo è uguale alle altre corse come affidabilità, ma è un contro senso, se si fa girare sempre la corsa del controllo ci sarà un motivo, vuol dire che è quella pulita e si inseriscono errori in quella e non negli altri spaghi, da me 2+2 fa 4.


Top
Profilo Invia messaggio privato
picchio70
*Forumista TOP*


Registrato: 26/01/14 19:25
Messaggi: 25067
Residenza: Città Sant'Angelo 317mt

MessaggioInviato: Wed Jan 19, 2022 7:40 am    Oggetto: Rispondi citando

Duca il motivo è che uno se ne deve prendere per iniziare
a fare girare gli altri, che viene denominato controllo.
Io ho capito così, ma la discussione è risultata per me molto utile Wink


Top
Profilo Invia messaggio privato
ducaneve
*Forumista TOP*


Registrato: 31/01/12 21:24
Messaggi: 10623
Residenza: urbino

MessaggioInviato: Wed Jan 19, 2022 8:07 am    Oggetto: Rispondi citando

picchio70 ha scritto:
Duca il motivo è che uno se ne deve prendere per iniziare
a fare girare gli altri, che viene denominato controllo.
Io ho capito così, ma la discussione è risultata per me molto utile Wink

Buongiorno, discussione molto utile, già discussa altre volte in passato, quando si guarda gefs, si guarda sempre il controllo, altrimenti potremmo prendere anche il perturbatore numero 12 o altro, delle volte guardando i perturbatori si riesce a capire che hanno intrapreso altre strade rispetto al controllo e appaiono sballati, altre volte invece proprio uno di loro riesce a prendere le previsione giusta, servono a questo, per stillare una media e per contemplare un pò tutte le possibilità. Questa è l'idea che mi sono fatto nel corso degli anni leggendo i vari forum meteo, potrei anche aver capito male o chi ne ha parlato prima di me sbagliava, solo chi lavora lì dentro sa come vanno le cose.

Per quanto riguarda la prossima strisciata anche secondo gfs si sta rivelando davvero evanescente.
Credo che mi prenderò una pausa fino a Febbraio.


Top
Profilo Invia messaggio privato
Diamond_Sea



Registrato: 26/03/09 19:34
Messaggi: 4450
Residenza: Roseto Degli Abruzzi(TE)

MessaggioInviato: Wed Jan 19, 2022 8:14 am    Oggetto: Rispondi citando

Comunque sia il fronte freddo di Venerdì e confermatissimo, secondo me già sarà un buon passaggio per le colline. Eliminata invece la reiterazione del freddo nel week-end, ma era prevedibile dal momento che solo GFS insisteva su quella possibilità. Ora però si riaprono spiragli di retrogressione ad inizio settimana stavolta vista anche dell'Europeo. Non mi sembra così tragica la situazione, anzi ci sono ancora ottime possibilità nel medio termine.


Top
Profilo Invia messaggio privato
estofex



Registrato: 12/12/17 11:55
Messaggi: 3499
Residenza: S. Filippo del Mela

MessaggioInviato: Wed Jan 19, 2022 8:15 am    Oggetto: Rispondi citando

Diamond_Sea ha scritto:
Comunque sia il fronte freddo di Venerdì e confermatissimo, secondo me già sarà un buon passaggio per le colline. Eliminata invece la reiterazione del freddo nel week-end, ma era prevedibile dal momento che solo GFS insisteva su quella possibilità. Ora però si riaprono spiragli di retrogressione ad inizio settimana stavolta vista anche dell'Europeo. Non mi sembra così tragica la situazione, anzi ci sono ancora ottime possibilità nel medio termine.


la retrogressione rimane comunque pericolosamente in bilico.


Top
Profilo Invia messaggio privato
Stefano1986
Forumista senior


Registrato: 06/01/13 21:57
Messaggi: 7537
Residenza: Bologna/di P.S.Giorgio

MessaggioInviato: Wed Jan 19, 2022 9:17 am    Oggetto: Rispondi citando

estofex ha scritto:
Diamond_Sea ha scritto:
Comunque sia il fronte freddo di Venerdì e confermatissimo, secondo me già sarà un buon passaggio per le colline. Eliminata invece la reiterazione del freddo nel week-end, ma era prevedibile dal momento che solo GFS insisteva su quella possibilità. Ora però si riaprono spiragli di retrogressione ad inizio settimana stavolta vista anche dell'Europeo. Non mi sembra così tragica la situazione, anzi ci sono ancora ottime possibilità nel medio termine.


la retrogressione rimane comunque pericolosamente in bilico.


Troppo ahimé. La sensazione dopo le emissioni 00 è che sarà un flop, almeno per il centro e nord. Il sud se la gioca alla grande.


Top
Profilo Invia messaggio privato
gemi65
***SUPER FORUMISTA TOP***


Registrato: 09/11/11 12:31
Messaggi: 38682
Residenza: Treia-Macerata

MessaggioInviato: Wed Jan 19, 2022 12:07 pm    Oggetto: Rispondi citando

A 700 metri neanche stoica resistenza
http://www.cingolimeteo.com/foscam/FoscamCamera_00626EEE0217/snap/webcamlogo.php
Come detto da Duca, se non arriva il libeccio non è il sole il peggior nemico della neve.


Top
Profilo Invia messaggio privato
Febbraio2012



Registrato: 03/11/15 23:17
Messaggi: 2398
Residenza: Macerata

MessaggioInviato: Wed Jan 19, 2022 1:56 pm    Oggetto: Rispondi citando

Ciao ragazzi, c'è un modo per vedere gli spaghi del febbraio 2012? Ho un pò di nostalgia Laughing


Top
Profilo Invia messaggio privato
Mostra prima i messaggi di:   

Nuovo argomento   Rispondi    Indice del forum » Previsioni meteo e meteorologia Tutti i fusi orari sono GMT + 1 ora
Vai a Precedente  1, 2, 3 ... 380, 381, 382 ... 425, 426, 427  Successivo
Pagina 381 di 427

 
Vai a:  
Non puoi inserire nuovi argomenti
Non puoi rispondere a nessun argomento
Non puoi modificare i tuoi messaggi
Non puoi cancellare i tuoi messaggi
Puoi votare nei sondaggi



Powered by phpBB © 2001- 2004 phpBB Group
Theme created by phpBBStyles.com | Themes Database
phpbb.it