Le previsioni del tempo sono difficili da ottenere. Per fare previsioni accurate, i meteorologi utilizzano i dati meteorologici del presente e del passato, per prevedere lo stato futuro dell’atmosfera e il suo impatto sui pattern meteorologici. Ma quali dati meteorologici sono necessari per fare una previsione accurata? I meteorologi raccolgono osservazioni meteo sulla temperatura, la pressione dell'aria, l'umidità, le precipitazioni, la velocità del vento e molto altro da stazioni meteorologiche, satelliti e palloni sonda sparsi in tutto il mondo. Poiché queste condizioni meteorologiche continuano a cambiare nel tempo, ciò si traduce in un’enorme quantità di dati.
Per trasformare questi dati in previsioni meteorologiche accurate è necessario modellare le interazioni tra migliaia o addirittura 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 implicano così tanti dati che in genere 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.
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 usando le leggi della fisica e della matematica, se si dispone di dati sufficienti, potenza di calcolo e un'equazione in grado di descrivere con precisione l'interazione tra i diversi elementi.
Queste sono le tre parti integranti di qualsiasi modello di previsione meteo: 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 produca previsioni sullo stato futuro dell'atmosfera, deve innanzitutto inserire i dati meteorologici attuali per la regione che verrà descritta dal modello. Generalmente, i modelli meteorologici sono di due tipi: modelli locali, focalizzati su una posizione specifica, e modelli globali, che mirano a fornire previsioni accurate del tempo in 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 disposti in una griglia, un insieme tridimensionale di punti 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; piuttosto, sono un insieme di posizioni generate dal computer, equidistanti nello spazio e in esecuzione in direzioni orizzontali e verticali. 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 fino a quando non vengono eseguiti calcoli per l'intera griglia.
A partire da queste condizioni iniziali, il modello può quindi fare passi avanti 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 fanno uso di complicate equazioni matematiche e maggiore è la quantità di dati utilizzati da un modello, maggiore è la potenza di calcolo richiesta. I modelli di previsione più sofisticati e accurati al mondo, come l'ECMWF o l'High-Resolution Rapid Refresh (HRRR) utilizzati dal NOAA, vengono eseguiti 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 devono essere eseguiti su supercomputer.3
Il tempo è uno dei cosiddetti sistemi caotici: poiché coinvolge così tante variabili correlate, 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 del tempo, spesso a seconda di ciò che esattamente si spera di prevedere. Un modello locale eseguito su una regione specifica fornisce informazioni molto diverse rispetto a un modello globale che si estende su tutto il pianeta. Ogni modello meteorologico prevede scelte su 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 raggio (fino a 3 giorni in avanti), le previsioni a medio raggio (3-15 giorni in avanti) o le previsioni a lungo raggio (da 10 a 2 anni in avanti) e ogni tipo richiede scelte diverse. Un meteorologo alla ricerca di previsioni a breve termine potrebbe scegliere di utilizzare un modello su mesoscala, che incorpora dati meteorologici raccolti da punti fino a 1.000 km di altezza nell’atmosfera, perché questi dati su mesoscala producono 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 computerizzati 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 risultano 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 e prevede 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 è basato sul modello Weather Research and Forecasting (WRF), un modello di previsione open source che alimenta anche due modelli ampiamente utilizzati gestiti dal modello National Oceanic and Atmospheric Administration (NOAA): il modello Rapid Refresh (RR o RAP) e l'High Resolution Rapid Refresh (HRR).
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 miglior tipo di precisione desiderata. Ognuno ha i propri punti di forza e le proprie limitazioni.
Acquisisci conoscenze in ambito climatico e meteorologico per prevedere condizioni ambientali estreme, gestire proattivamente il rischio e sviluppare operazioni più sostenibili.
Pianifica e preparati per eventi meteorologici estremi utilizzando i dati meteorologici più accurati al mondo
Prodotti di previsione meteorologica accurati per aiutare ogni settore a prendere decisioni aziendali più rapide e intelligenti
Eventi meteorologici gravi e sconvolgimenti legati al clima possono incidere sui profitti. Ma ci sono cose che puoi fare per mitigare i rischi.
La ricerca della NASA mira a trovare modelli di fondazione regolabili e riutilizzabili che facilitino l'estrazione di vasti dataset alla ricerca di nuove conoscenze che favoriscano il progresso scientifico e che ci aiutino ad adattarci a un ambiente in continua evoluzione.
Ondate di caldo opprimenti, inondazioni devastanti e incendi incontrollabili: le ripercussioni del cambiamento climatico sono qui.
Per essere all'avanguardia in un ambiente in rapida evoluzione, le aziende puntano sempre più sull'integrazione della tecnologia operativa (OT) con i dati IT.
Gli eventi meteorologici estremi da record ci ricordano costantemente che le nostre persone e la nostra economia globale sono inestricabilmente legate all'ambiente circostante.
Le società di servizi pubblici hanno bisogno di dati meteorologici per sapere quando mobilitarsi e quando no.
Note a piè di pagina
1 Weather Models, National Oceanic and Atmospheric Administration, 18 maggio 2023. (link esterno a ibm.com)
2 Charlotte Hu, NOAA’s powerful new weather forecasting supercomputers are now online, Popular Science, 30 giugno 2022. (link esterno a ibm.com)
3 Steve Brenner, What are the WRF - ARW weather model hardware and software requirements?, Research Gate, 2015. (link esterno a ibm.com)
4 About Models, National Weather Service. (link esterno a ibm.com)