Modelli: pregi e difetti!

[eb717]

Apro un td per non inquinare il td dei modelli Live!
Ne abbiamo parlato spesso, è vero. Ma quello che sta accadendo con questa saccatura, o strisciata (forse!), è veramente qualcosa che non ricordo da quando seguo la meteo. Mancano circa 2gg all'evento e ancora è impossibile stabilire la direzione e il preciso asse della saccatura.

ECMWF ritenuto il migliore e il più performante (e a ragione) ha mostrato stranamente grossi limiti in questa fase...ma non per un singolo run, le sue ensemble (e sono 52 in totale) sono cambiati radicalmente anche oltre i 5 gradi con un run.
Prima non ci credeva granchè al freddo, poi ha iniziato a mostrare spaghi al ribasso...di colpo ha tolto tutto e stamattina ha rimesso una -4 in Adriatico! A 48h!

Prendo ad esempio gli spaghi di Pescara.
Questi sono di stamattina (run 00):



Questi di ieri sera (run 12):



Quanto a Gfs, solito ballerino, è stato il primo a fiutare qualcosa fin dalle 300h...poi ha shiftato a suo piacimento: prima troppo a est, poi troppo ad ovest per poi tornare sui suoi passi diverse volte! Che caos!
Sono 2 giorni che con qualche limatura confermava una lieve strisciata, salvo poi togliere quasi tutto, proprio ora che l'Europeo stava facendo lo stesso.

Questi gli ultimi spaghi sempre di Pescara:



C'è una forbice tra gli spaghi più ampia ora che una settimana fa! Ancora 12 gradi di spread tra il più caldofilo e quello più preddofilo...sempre a 2gg dall'evento.

Per gli altri modelli minori, a partire da Ukmo, Gem e gli altri la situazione è praticamente la stessa.

Da cosa è dovuta questa crisi modellistica quasi all'unisono? Errori di partenza sui dati di imput?? Parliamone qua...ogni vostro contributo è ben accetto!

Un saluto

[nocerameteouno]

Penso che sia un problema di "vecchiaia" nel senso che non vedono l'input del cambiamento climatico in atto su una buona fetta d'Europa.
Infatti sarebbe utile vedere se la stessa schizzofrenia avvenga per esempio per New York o Mosca.

[the hurricane]

Penso che sia un problema di "vecchiaia" nel senso che non vedono l'input del cambiamento climatico in atto su una buona fetta d'Europa.
Infatti sarebbe utile vedere se la stessa schizzofrenia avvenga per esempio per New York o Mosca.

No, perchè il cambiamento climatico non modifica le leggi fisiche dell' atmosfera usate nei modelli che possono essere usati praticamente con qualsiasi condizioni iniziali.

A vedere le ens, mi sembra che bastino piccole variazioni delle condizioni iniziali e far evolvere l' atmosfera in modo diverso.



Dubito che ci siano grossi errori di input iniziali, o almeno non più del solito a meno che non ci siano stato qualche grosso guasto di cui non c' è notizia
Ovviamente i dati iniziali misurati dalle centraline, radiosonde e boe non possono essere controllati con cura prima di essere inseriti nei modelli per cui qualche dato sballato rischia di finirci dentro...

[eb717]

Grazie ragazzi, un saluto particolare a The Hurricane.

Comunque è una situazione surreale a queste distanze temporali e la mappa da te postata è emblematica. Qualche dato sballato ci può anche stare...ma x tutti i modelli?? Può essere ma allora ci sarebbe qualcosa che non va. Diciamo che sono inaffidabili, anche se poi li guardiamo sempre ovviamente! Ma con scarti del genere a 2 gg...facciamo prima a guardare fuori dalla finestra direi

[nocerameteouno]

Penso che sia un problema di "vecchiaia" nel senso che non vedono l'input del cambiamento climatico in atto su una buona fetta d'Europa.
Infatti sarebbe utile vedere se la stessa schizzofrenia avvenga per esempio per New York o Mosca.

No, perchè il cambiamento climatico non modifica le leggi fisiche dell' atmosfera usate nei modelli che possono essere usati praticamente con qualsiasi condizioni iniziali.

A vedere le ens, mi sembra che bastino piccole variazioni delle condizioni iniziali e far evolvere l' atmosfera in modo diverso.



Dubito che ci siano grossi errori di input iniziali, o almeno non più del solito a meno che non ci siano stato qualche grosso guasto di cui non c' è notizia
Ovviamente i dati iniziali misurati dalle centraline, radiosonde e boe non possono essere controllati con cura prima di essere inseriti nei modelli per cui qualche dato sballato rischia di finirci dentro...

Domanda sciocca. Ma la tempesta di questi giorni ha potuto influire sulle centraline di rilevamento?

[Paolo_61]

Ciao a tutti.
Parere di chi conosce poco (beh, insomma, più o meno) la meteo ma conosce molto meglio come funzionano i modelli matematici.
La premessa fondamentale è che anche il miglior modello non potrà mai essere più preciso dei dati di input che riceve.
Come sappiamo i modelli fisici dell'atmosfera (deterministici) si basano su osservazioni intervallate nel tempo e nello spazio dei principali parametri fisici. Ma dato che l'atmosfera non è composta da celle separate temporalmente e spazialmente, il modello deve trasformare questi input discreti in input continui, utilizzando algoritmi più o meno complessi. A partire da questo punto, utilizzando le equazioni della fluidodinamica, si arriva all'output previsionale.
A mio parere quando tutti i modelli subiscono una "virata" dalle caratteristiche simili vuol dire che l'errore viene da uno dei dati di input. Quando invece è un singolo modello a "ballare", più probabile che l'errore sia nell'algoritmo di trasformazione degli input da discreti a continui.
Tenete conto che l'atmosfera è un sistema talmente complesso che per arrivare all'output del modello vengono prese in considerazioni molteplici variabili (ricordo che nell'ultimo aggiornamento di GFS vennero inserite nuove tipologie di alberi, perché evidentemente anche la composizione di un bosco o di una foresta, nell'arco dell'intervallo previsionale, può evidentemente portare a variazioni dei risultati).
Per queste ragioni è sempre fondamentale visualizzare lo spread generato dalle ensable. In questo modo è infatti possibile comprendere se, o per meglio dire in che misura, un eventuale errore nei dati di input può generare una sostanziale variazione dei risultati.

[eb717]

Grazie Paolo interessante la disamina!

[nocerameteouno]

Grazie Paolo interessante la disamina!

E pensare che nel live quando parlo di spread attorcigliano il naso

[the hurricane]

Ciao a tutti.
Parere di chi conosce poco (beh, insomma, più o meno) la meteo ma conosce molto meglio come funzionano i modelli matematici.
La premessa fondamentale è che anche il miglior modello non potrà mai essere più preciso dei dati di input che riceve.
Come sappiamo i modelli fisici dell'atmosfera (deterministici) si basano su osservazioni intervallate nel tempo e nello spazio dei principali parametri fisici. Ma dato che l'atmosfera non è composta da celle separate temporalmente e spazialmente, il modello deve trasformare questi input discreti in input continui, utilizzando algoritmi più o meno complessi. A partire da questo punto, utilizzando le equazioni della fluidodinamica, si arriva all'output previsionale.
A mio parere quando tutti i modelli subiscono una "virata" dalle caratteristiche simili vuol dire che l'errore viene da uno dei dati di input. Quando invece è un singolo modello a "ballare", più probabile che l'errore sia nell'algoritmo di trasformazione degli input da discreti a continui.
Tenete conto che l'atmosfera è un sistema talmente complesso che per arrivare all'output del modello vengono prese in considerazioni molteplici variabili (ricordo che nell'ultimo aggiornamento di GFS vennero inserite nuove tipologie di alberi, perché evidentemente anche la composizione di un bosco o di una foresta, nell'arco dell'intervallo previsionale, può evidentemente portare a variazioni dei risultati).
Per queste ragioni è sempre fondamentale visualizzare lo spread generato dalle ensable. In questo modo è infatti possibile comprendere se, o per meglio dire in che misura, un eventuale errore nei dati di input può generare una sostanziale variazione dei risultati.

Non sono completamente d' accordo, se il problema fosse nei dati iniziali mi aspetterei di vedere delle virate da un run all' altro, però con un basso spread quanto meno nelle 72 ore.

Secondo me, potrebbe essere che, in questa situazione, tutti i modelli siano fortemente sensibili ai dati iniziali anche perchè la base fisica dei modelli e gli algoritmi sono simili per tutti i modelli, ovviamente qualche differenza c' è dalla risoluzione spazio-temporale, ai metodi di risoluzioni, parametri, approssimazioni..

Poi ovviamente è una mia opinione da "esterno"...

[the hurricane]

Domanda sciocca. Ma la tempesta di questi giorni ha potuto influire sulle centraline di rilevamento?

sinceramente non lo so

[Paolo_61]

Ciao a tutti.
Parere di chi conosce poco (beh, insomma, più o meno) la meteo ma conosce molto meglio come funzionano i modelli matematici.
La premessa fondamentale è che anche il miglior modello non potrà mai essere più preciso dei dati di input che riceve.
Come sappiamo i modelli fisici dell'atmosfera (deterministici) si basano su osservazioni intervallate nel tempo e nello spazio dei principali parametri fisici. Ma dato che l'atmosfera non è composta da celle separate temporalmente e spazialmente, il modello deve trasformare questi input discreti in input continui, utilizzando algoritmi più o meno complessi. A partire da questo punto, utilizzando le equazioni della fluidodinamica, si arriva all'output previsionale.
A mio parere quando tutti i modelli subiscono una "virata" dalle caratteristiche simili vuol dire che l'errore viene da uno dei dati di input. Quando invece è un singolo modello a "ballare", più probabile che l'errore sia nell'algoritmo di trasformazione degli input da discreti a continui.
Tenete conto che l'atmosfera è un sistema talmente complesso che per arrivare all'output del modello vengono prese in considerazioni molteplici variabili (ricordo che nell'ultimo aggiornamento di GFS vennero inserite nuove tipologie di alberi, perché evidentemente anche la composizione di un bosco o di una foresta, nell'arco dell'intervallo previsionale, può evidentemente portare a variazioni dei risultati).
Per queste ragioni è sempre fondamentale visualizzare lo spread generato dalle ensable. In questo modo è infatti possibile comprendere se, o per meglio dire in che misura, un eventuale errore nei dati di input può generare una sostanziale variazione dei risultati.

Non sono completamente d' accordo, se il problema fosse nei dati iniziali mi aspetterei di vedere delle virate da un run all' altro, però con un basso spread quanto meno nelle 72 ore.

Secondo me, potrebbe essere che, in questa situazione, tutti i modelli siano fortemente sensibili ai dati iniziali anche perchè la base fisica dei modelli e gli algoritmi sono simili per tutti i modelli, ovviamente qualche differenza c' è dalla risoluzione spazio-temporale, ai metodi di risoluzioni, parametri, approssimazioni..

Poi ovviamente è una mia opinione da "esterno"...

Il mio esempio di "virata di massa" si riferiva a, se ricordo bene, settimana scorsa quando nel giro di 12 ore (2 run GFS e 1 ECWFM) una colata gelida era scomparsa completamente, per poi ricomparire - anche se attenuata - nei run successivi.
Il discorso dell'ampiezza dello spread a breve termine viene, a mio parere, dal fatto che i modelli mal digeriscono un dato fuori trend rispetto a quelli circostanti in termini di spazio e di tempo. Molto probabilmente nei modelli sono presenti dei sistemi di correzione degli errori (taglio degli outlier) ma è inevitabile che un dato sballato aumenti l'incertezza anche nel breve.
Certo mi piacerebbe "mettere le mani" quanto meno sulla struttura di base utilizzata per valutare i dati di input

[scand++]

Ciao a tutti.
Parere di chi conosce poco (beh, insomma, più o meno) la meteo ma conosce molto meglio come funzionano i modelli matematici.
La premessa fondamentale è che anche il miglior modello non potrà mai essere più preciso dei dati di input che riceve.
Come sappiamo i modelli fisici dell'atmosfera (deterministici) si basano su osservazioni intervallate nel tempo e nello spazio dei principali parametri fisici. Ma dato che l'atmosfera non è composta da celle separate temporalmente e spazialmente, il modello deve trasformare questi input discreti in input continui, utilizzando algoritmi più o meno complessi. A partire da questo punto, utilizzando le equazioni della fluidodinamica, si arriva all'output previsionale.
A mio parere quando tutti i modelli subiscono una "virata" dalle caratteristiche simili vuol dire che l'errore viene da uno dei dati di input. Quando invece è un singolo modello a "ballare", più probabile che l'errore sia nell'algoritmo di trasformazione degli input da discreti a continui.
Tenete conto che l'atmosfera è un sistema talmente complesso che per arrivare all'output del modello vengono prese in considerazioni molteplici variabili (ricordo che nell'ultimo aggiornamento di GFS vennero inserite nuove tipologie di alberi, perché evidentemente anche la composizione di un bosco o di una foresta, nell'arco dell'intervallo previsionale, può evidentemente portare a variazioni dei risultati).
Per queste ragioni è sempre fondamentale visualizzare lo spread generato dalle ensable. In questo modo è infatti possibile comprendere se, o per meglio dire in che misura, un eventuale errore nei dati di input può generare una sostanziale variazione dei risultati.

Sai che risoluzione planare e altimetrica hanno i gm?
Ad esempio ECMWF che presenta la risoluzione migliore:
-planimetrica: 9 km, 904000000 di punti;
-altimetrica: 91 livelli su una colonna di 30km.
Secondo te un albero può inficiare la soluzione di un gm?

[Paolo_61]

Ciao a tutti.
Parere di chi conosce poco (beh, insomma, più o meno) la meteo ma conosce molto meglio come funzionano i modelli matematici.
La premessa fondamentale è che anche il miglior modello non potrà mai essere più preciso dei dati di input che riceve.
Come sappiamo i modelli fisici dell'atmosfera (deterministici) si basano su osservazioni intervallate nel tempo e nello spazio dei principali parametri fisici. Ma dato che l'atmosfera non è composta da celle separate temporalmente e spazialmente, il modello deve trasformare questi input discreti in input continui, utilizzando algoritmi più o meno complessi. A partire da questo punto, utilizzando le equazioni della fluidodinamica, si arriva all'output previsionale.
A mio parere quando tutti i modelli subiscono una "virata" dalle caratteristiche simili vuol dire che l'errore viene da uno dei dati di input. Quando invece è un singolo modello a "ballare", più probabile che l'errore sia nell'algoritmo di trasformazione degli input da discreti a continui.
Tenete conto che l'atmosfera è un sistema talmente complesso che per arrivare all'output del modello vengono prese in considerazioni molteplici variabili (ricordo che nell'ultimo aggiornamento di GFS vennero inserite nuove tipologie di alberi, perché evidentemente anche la composizione di un bosco o di una foresta, nell'arco dell'intervallo previsionale, può evidentemente portare a variazioni dei risultati).
Per queste ragioni è sempre fondamentale visualizzare lo spread generato dalle ensable. In questo modo è infatti possibile comprendere se, o per meglio dire in che misura, un eventuale errore nei dati di input può generare una sostanziale variazione dei risultati.

Sai che risoluzione planare e altimetrica hanno i gm?
Ad esempio ECMWF che presenta la risoluzione migliore:
-planimetrica: 9 km, 904000000 di punti;
-altimetrica: 91 livelli su una colonna di 30km.
Secondo te un albero può inficiare la soluzione di un gm?

Il singolo albero ovviamente no, ma non mi pare incredibile che una foresta di abeti comporti delle variazioni rispetto a una foresta di querce. Purtroppo non riesco più a trovare la descrizione dell'aggiornamento del modello GFS - sono passati credo 2 o 3 anni - ma mi aveva colpito il fatto che fossero scesi a questo livello di dettaglio

[scand++]

Ciao a tutti.
Parere di chi conosce poco (beh, insomma, più o meno) la meteo ma conosce molto meglio come funzionano i modelli matematici.
La premessa fondamentale è che anche il miglior modello non potrà mai essere più preciso dei dati di input che riceve.
Come sappiamo i modelli fisici dell'atmosfera (deterministici) si basano su osservazioni intervallate nel tempo e nello spazio dei principali parametri fisici. Ma dato che l'atmosfera non è composta da celle separate temporalmente e spazialmente, il modello deve trasformare questi input discreti in input continui, utilizzando algoritmi più o meno complessi. A partire da questo punto, utilizzando le equazioni della fluidodinamica, si arriva all'output previsionale.
A mio parere quando tutti i modelli subiscono una "virata" dalle caratteristiche simili vuol dire che l'errore viene da uno dei dati di input. Quando invece è un singolo modello a "ballare", più probabile che l'errore sia nell'algoritmo di trasformazione degli input da discreti a continui.
Tenete conto che l'atmosfera è un sistema talmente complesso che per arrivare all'output del modello vengono prese in considerazioni molteplici variabili (ricordo che nell'ultimo aggiornamento di GFS vennero inserite nuove tipologie di alberi, perché evidentemente anche la composizione di un bosco o di una foresta, nell'arco dell'intervallo previsionale, può evidentemente portare a variazioni dei risultati).
Per queste ragioni è sempre fondamentale visualizzare lo spread generato dalle ensable. In questo modo è infatti possibile comprendere se, o per meglio dire in che misura, un eventuale errore nei dati di input può generare una sostanziale variazione dei risultati.

Sai che risoluzione planare e altimetrica hanno i gm?
Ad esempio ECMWF che presenta la risoluzione migliore:
-planimetrica: 9 km, 904000000 di punti;
-altimetrica: 91 livelli su una colonna di 30km.
Secondo te un albero può inficiare la soluzione di un gm?

Il singolo albero ovviamente no, ma non mi pare incredibile che una foresta di abeti comporti delle variazioni rispetto a una foresta di querce. Purtroppo non riesco più a trovare la descrizione dell'aggiornamento del modello GFS - sono passati credo 2 o 3 anni - ma mi aveva colpito il fatto che fossero scesi a questo livello di dettaglio

Ah ecco la tipologia di albero...questo si, in quanto non tutte le piante hanno la stessa capacità di traspirazione, immagazzinamento di umidità al suolo, rifrazione di raggi solari con terreno innevato ecc...su grandi aree ha un certo grado d'influenza...
Riguardo ai procedimento di filtro o peso di soluzione dei vari run dei gm ho scritto un post nel live dei modelli 2 o 3 giorni fa in risposta d Iniestas, se vuoi dagli una letta.

[Paolo_61]

Sai che risoluzione planare e altimetrica hanno i gm?
Ad esempio ECMWF che presenta la risoluzione migliore:
-planimetrica: 9 km, 904000000 di punti;
-altimetrica: 91 livelli su una colonna di 30km.
Secondo te un albero può inficiare la soluzione di un gm?

Il singolo albero ovviamente no, ma non mi pare incredibile che una foresta di abeti comporti delle variazioni rispetto a una foresta di querce. Purtroppo non riesco più a trovare la descrizione dell'aggiornamento del modello GFS - sono passati credo 2 o 3 anni - ma mi aveva colpito il fatto che fossero scesi a questo livello di dettaglio

Ah ecco la tipologia di albero...questo si, in quanto non tutte le piante hanno la stessa capacità di traspirazione, immagazzinamento di umidità al suolo, rifrazione di raggi solari con terreno innevato ecc...su grandi aree ha un certo grado d'influenza...
Riguardo ai procedimento di filtro o peso di soluzione dei vari run dei gm ho scritto un post nel live dei modelli 2 o 3 giorni fa in risposta d Iniestas, se vuoi dagli una letta.

Grazie, appena ho tempo vado a cercarlo.