Ondate di tempesta: l’uragano Sandy

Ondate di tempesta: l’uragano Sandy

Ripropongo qui sul mio blog la traduzione in italiano di un interessante post pubblicato ieri 29 ottobre 2014 su Real Climate, in questo sito. Con l’intento di pubblicizzare un libro sulle conseguenze dell’uragano Sandy negli USA, sono stati estratti da tale libro alcuni passaggi chiave di poche righe nei quali si discute in modo (a mio giudizio) molto chiaro sul funzionamento dei modelli per le previsioni meteorologiche, sui collegamenti tra eventi estremi e cambiamenti climatici, e sulla questione dell’importanza delle politiche di adattamento e mitigazione nella prevenzione dei danni futuri. La questione assume particolare rilevanza pensando che, non più tardi di tre settimane fa, diverse aree del nostro paese hanno subito ancora una volta danni ingenti ad opera di fenomeni estremi. Anche se la genesi dei fenomeni era diversa, la discussione sulla relazione tra il verificarsi di tali eventi ed i cambiamenti climatici in corso appare del tutto adatta, così come appare scritta appositamente per noi anche la discussione sulle opere di mitigazione ed adattamento necessarie per minimizzare danni e vittime.

Ho tradotto la parola inglese “surge” del titolo originale del post (Storm surge: Hurricane Sandy) con l’espressione italiana “ondate”. Non si tratta di una traduzione letterale, ma la scelta è stata veicolata dalla considerazione che il principale effetto distruttivo dell’uragano sulla terraferma è stato causato dalla violenza delle ondate lungo le aree costiere, e dall’allagamento delle zone sotterranee e, talora, anche superficiali da parte di acqua marina proveniente dall’oceano.

Allo stesso tempo, ho tradotto “storm” con “tempesta”, da intendersi non nel senso di grandine ma in quello di sistema meteorologico in grado di provocare danni a causa dell’estrema intensità del vento e, talora, anche delle precipitazioni ad essa associate.

Infine, ricordo che “uragano” (hurricane) è il modo americano di chiamare i cicloni tropicali atlantici, che invece in Asia sono chiamati tifoni (typhoon) ed in Oceania semplicemente cicloni (cyclones o cyclonic storms). Questi sistemi hanno una genesi e dinamica completamente diversa da quelli che si verificano invece alle medie latitudini, e che sono sempre chiamati cicloni ma extratropicali (extratropical cyclones): in quelli tropicali, infatti, l’energia del sistema deriva dalla condensazione del vapore acqueo “aspirato” dal sistema sopra la superficie del mare (e questo è il motivo per il quale, generalmente, tali sistemi si dissipano quando si trovano su mari più freschi o sopra la teraferma, dove la quantità di vapore acqueo è minore), mentre in quelli extratropicali l’energia è insita alla baroclinicità del sistema e proviene dalla differenza di temperatura tra la massa d’aria calda (tipicamente subtropicale) e quella fredda (tipicamente subpolare, talora artica) dal cui scontro ha origine il sistema. Per concludere questa breve digressione, ricordiamo che anche nel Mediterraneo possono formarsi dei cicloni tropicali (vengono chiamati Medicane – crasi di Mediterranean hurricane – oppure TLC – acronimo di Tropical Like Cyclones: si veda questo mio post scritto in occasione dell’ultimo evento verificatosi sul Mediterraneo, nel novembre 2011), anche se sono piuttosto rari (mediamente nell’ultimo quarantennio se ne sono verificati circa uno all’anno); poiché sia la temperatura superficiale sia l’estensione del Mediterraneo sono notevolmente inferiori a quelle di un oceano tropicale, tali sistemi hanno una genesi mista e generalmente rimangono di debole intensità per tutta la loro breve vita.

Veniamo ora alla traduzione del post di Real Climate.

copertina libro Adam Sobel "Storm Surge: Hurricane Sandy, Our Changing Climate, and Extreme Weather of the Past and Future"

La copertina del nuovo libro di Adam Sobel “Storm Surge: Hurricane Sandy, Our Changing Climate, and Extreme Weather of the Past and Future”

Nel secondo anniversario del giorno in cui il Superstorm Sandy ha toccato terra [NdT: 29 ottobre 2012], abbiamo preparato alcuni estratti del nuovo libro di Adam Sobel “Storm Surge: Hurricane Sandy, Our Changing Climate, and Extreme Weather of the Past and Future”. Si tratta di un’ottima lettura che spazia dalla meteorologia dell’evento, alla preparazione, alle risposte e implicazioni per il futuro.

Estratti

Il 28 ottobre 2012, un uragano gigante e deforme ha fatto una svolta a sinistra rispetto alla sua precedente traiettoria verso nord sull’Oceano Atlantico e si è diretto verso la costa del New Jersey. La sera del 29 ottobre, a seguito di un percorso mai osservato in precedenza in 160 anni di osservazioni di uragani sull’Atlantico, il centro della tempesta ha toccato terra nei pressi di Atlantic City.

La dimensione della tempesta, così come la traiettoria, non hanno precedenti nella memoria scientifica. Sandy è stato il più grande uragano mai osservato nei diversi decenni in cui esistono misure di buona qualità delle dimensioni degli uragani atlantici.

Uragano Sandy

Immagine dell’uragano Sandy (fonte: NASA)

Quando toccò terra, venti di burrasca interessarono una gran parte della costa orientale e un enorme gruppo di costruzioni sull’oceano. A nord del centro del ciclone, le correnti orientali di Sandy si spinsero per oltre mille miglia sul mare prima di arrivare a terra, creando enormi ondate: una serie gigante di lente ondate che hanno letteralmente trascinato l’oceano verso l’interno, come un’enorme alta marea, sommergendo alcuni dei territori più densamente popolati, economicamente attivi, e preziosi.

L’entità del disastro è stata storica. A New York, l’acqua non era mai arrivata così in alto almeno dal 1821, se poi. Per le persone nelle zone più colpite, si è trattato di un evento che gli ha rovinato la vita, in alcuni casi letteralmente.

Mentre il bilancio delle vittime è stato contenuto rispetto all’uragano Katrina, ed estremamente basso rispetto a quello dei peggiori disastri causati da cicloni tropicali nella storia recente di tutto il mondo [NdT: si veda, ad esempio, il caso del tifone Haiyan sulle Filippine, nel 2013, che ha fatto oltre seimila vittime], è stato comunque abbastanza alto da essere gravemente scioccante qui, a New York City, dove perdere la vita per un uragano era visto come un qualcosa che accade solo in luoghi lontani. Molte, moltissime persone hanno visto le loro case distrutte, e in alcuni casi interi quartieri. L’uragano ha paralizzato le infrastrutture di uno dei più vivaci centri economici e culturali del mondo per settimane intere. Il danno economico è stato conteggiato in almeno cinquanta miliardi di dollari, e forse ancora di più: 65 miliardi.

Vista aerea della distruzione causata da Sandy nelle aree costiere del New Jersey scattatadurante una missione del 1-150 Assault Helicopter Battalion, New Jersey Army National Guard, il giorno 30 ottobre 2012  (foto U.S. Air Force di Master Sgt. Mark C. Olsen/Released).

Vista aerea della distruzione causata da Sandy nelle aree costiere del New Jersey scattatadurante una missione del 1-150 Assault Helicopter Battalion, New Jersey Army National Guard, il giorno 30 ottobre 2012 (foto U.S. Air Force di Master Sgt. Mark C. Olsen/Released).

Le lezioni fondamentali che possiamo trarre da Sandy ruotano attorno alle previsioni: come facciamo le previsioni del comportamento dell’atmosfera, e il modo in cui vi rispondiamo una volta che sono state fatte. Fare le previsioni del tempo è un’impresa unica. La gente fa previsioni di molti tipi: sui risultati delle elezioni, o sulle partite di baseball, o sulle fluttuazioni del mercato azionario, o su questioni economiche ancor più grandi. Alcune di queste previsioni si basano su modelli matematici. La maggior parte di questi modelli matematici sono statistici, nel senso che usano regole empiriche sulla base di quanto è successo in passato. I modelli utilizzati per le previsioni del tempo (e i loro parenti stretti, i modelli per la previsione del clima), al contrario, sono dinamici. Usano le leggi della fisica per prevedere come il tempo cambia da un momento all’altro. Le leggi che regolano le elezioni o il mercato – le regole del comportamento della moltitudine di persone che determinano i risultati – non sono conosciute bene, se esistono. I modelli devono quindi essere costruiti sull’ipotesi che l’esperienza passata sia indicativa dei risultati futuri. Se le previsioni meteorologiche fossero ancora fatte in questo modo, sarebbe stato semplicemente impossibile da prevedere, giorni prima dell’evento, che l’uragano Sandy svoltasse a sinistra e colpisse la costa americana durante il suo moto verso ovest. Nessun meteorologo aveva mai visto succedere una cosa del genere, perché nessuna tempesta si era mai comportata così. Per la stessa ragione, nessun modello statistico addestrato sulla base del comportamento passato avrebbe riprodotto quanto accaduto come risultato probabile.

Nel caso di Sandy, i meteorologi non solo sono riusciti a vedere questo risultato come una possibilità già oltre una settimana prima del tempo, ma erano abbastanza sicuri che ciò accadesse da quattro o cinque giorni prima che l’uragano arrivasse [NdT: a New York]. Le previsioni, come quelle che abbiamo visto, che hanno previsto come Sandy si è formato e come si è trasferito fin sulla costa, non nascono dal cielo. Sono invece il risultato di un secolo di notevole successo scientifico, a partire dai primordi in Norvegia nei primi anni del 1900 [NdT: la teoria della ciclogenesi della famiglia Bjerkenes]. Il fondamento intellettuale di tutta la costruzione delle previsioni del tempo era l’idea che le leggi della fisica avrebbero potuto essere utilizzate per capire il tempo; un’idea radicale agli inizi del XX secolo. Realizzare questo obbiettivo ha richiesto moltissimi progressi concettuali, nel corso dei decenni, e miglioramenti nella tecnologia (in particolare i computer digitali).

I più gravi problemi evidenziati da Sandy non sono consistiti nelle attività di preparazione subito prima del disastro, o nella risposta all’emergenza immediatamente dopo. Ma sono invecelegati alla costruzione delle nostre coste nell’arco di molti decenni. A lungo termine, inoltre, ci sono state ottime previsioni di ciò che potrebbe accadere al nostro ambiente costruito lungo l’acqua costiera nella zona di New York City. Non si tratta, in questo caso, di previsioni di un singolo evento in una data e ora specifiche, ma piuttosto di valutazioni scientifiche dei rischi di una tempesta così violenta come è stata Sandy, o ancora peggio. Si sapeva da decenni, almeno, che New York è vulnerabile a inondazioni indotte da una tempesta o un uragano. Così come erano anche note le conseguenze che ne sarebbero derivate, a grandi linee. L’inondazione delle linee della metropolitana, ad esempio, era stata immaginata sin dal 1990.

Sandy non ha avuto bisogno dei cambiamenti climatici per verificarsi, e la storia del disastro non ha bisogno di cambiamenti climatici per renderlo importante. Il tema principale di questo libro è Sandy, e si può leggere gran parte del libro senza vedere menzionati i cambiamenti climatici. Ma è un fatto che i cambiamenti climatici si delineano protagonisti sullo sfondo quando cerchiamo di pensare a cosa significhi Sandy per il futuro.

Sandy non è stato solo un estremo colpo di sfortuna, qualcosa che si può supporre non accadrà ancora per qualche centinaio di anni. D’altra parte, non rappresenta neppure “la nuova normalità”, cioè qualcosa che è sicuro che accadrà di nuovo presto, e spesso d’ora in poi.

Quasi certamente si tratta di una via di mezzo. Sarà molto improbabile vedere un altro Sandy quest’anno, o l’anno prossimo, o anche nel prossimo decennio, o nei prossimi due. Non siamo molto più vulnerabili oggi di quanto non lo eravamo un paio di decenni fa. Ma, quando è arrivato Sandy, abbiamo capito di essere più vulnerabili di quanto immaginassimo. E il ritmo del cambiamento sta accelerando.

A causa [NdT: della crescita] del livello del mare, soprattutto, il rischio di ulteriori catastrofi tipo Sandy è in aumento. La scienza degli uragani e dei cambiamenti climatici è ancora giovane, e alcune delle caratteristiche che hanno reso Sandy e le sue ondate così grandi (le loro enormi dimensioni, il carattere ibrido, la svolta a sinistra e l’approdo con traiettoria verso ovest) sono questioni per le quali le connessioni con il clima sono meno note. Ma, a causa dell’innalzamento del livello del mare, si sa che i grandi eventi alluvionali lungo le coste diventeranno più frequenti, quasi indipendentemente da quali siano queste connessioni.

Per quanto riguarda il potenziale di allagamento, ogni metro di innalzamento del livello del mare è equivalente ad un sostanziale aumento dell’intensità delle tempeste. Usando la vecchia scala di intensità degli uragani Saffir-Simpson, quando teneva ancora conto dell’altezza delle ondate di una tempesta (prima che fosse semplificata [NdT: nel 2009] nel tener soltanto conto della velocità massima del vento), il passaggio dalla prima alla seconda categoria, o dalla seconda alla terza, ha fatto diventare molto probabile il vedere un incremento permanente di tre piedi [NdT: circa un metro] del livello del mare, e anche un incremento di sei piedi [NdT: circa due metri] non è affatto fuori questione. Questo è più o meno equivalente ad un aumento di una o due categorie nell’intensità degli uragani.

D’altra parte, il livello del mare sale lentamente. Abbiamo tempo per prepararci. Se ci adattiamo ad esso, poi nel futuro l’innalzamento del livello del mare di un piede [NdT: circa 30 cm] non avrà gli stessi effetti di un innalzamento equivalente oggi, perché saremo più protetti. Potremmo mettere in atto altre difese che avrebbero lo stesso effetto come se avessimo sollevato le nostre città e paesi lungo il mare. Pertanto, un aumento di quattro piedi [NdT: 1.30 m circa] nel futuro non provocherà un disastro come lo farebbe un aumento di quattro piedi oggi. Si tratta di adattamento al cambiamento del clima. Nel linguaggio della politica climatica, la parola “adattamento” si riferisce a qualsiasi azione intrapresa per ridurre i danni del riscaldamento.

Ancora meglio, si potrebbe fare allo stesso tempo anche la mitigazione del clima … Se dovessimo ridurre abbastanza [NdT: le emissioni di gas serra], si potrebbe rallentare in modo significativo il rateo del riscaldamento globale, e conseguentemente il tasso di innalzamento del livello del mare. Una parte del riscaldamento e dell’innalzamento del livello del mare sono già inevitabili, a causa del carbonio che abbiamo già immesso in atmosfera. Ma se dovessimo raggiungere un accordo internazionale serio per trasformare i nostri sistemi energetici in modo che siano più efficienti e facciano più affidamento su fonti rinnovabili come l’energia solare ed eolica – o anche quella nucleare, anche se questo porta un altro insieme di rischi – potremmo intaccare in maniera significativa questo problema.

Però, riusciremo mai a fare qualcosa di tutto ciò?

Annunci
Che cosa sono i modelli meteorologici?

Che cosa sono i modelli meteorologici?

Un modello meteorologico di previsione numerica (Numerical Weather Prediction model, NWPm) è un algoritmo che risolve numericamente, usando un opportuno linguaggio di programmazione (nel caso dei modelli meteorologici, è molto spesso – udite udite – ancora il vecchio e bistrattato Fortran, che non ha rivali) un insieme di equazioni differenziali, spesso chiamate primitive, tra le quali figurano, oltre alle leggi di conservazione (della quantità di moto – anche chiamate di Navier-Stokes, dell’energia e della massa, quest’ultima spesso suddivisa anche per ogni fase dell’acqua: solida, liquida e gassosa), anche l’equazione di stato e tutta una serie di equazioni supplementari che tengono conto di processi a piccola scala.

Esempio di equazioni primitive di un modello meteorologico.

Esempio di equazioni primitive di un modello meteorologico.

Le equazioni vengono risolte dai modelli su un grigliato tridimensionale, che spesso comprende l’intera atmosfera terrestre. Quest’ultima si estende, approssimativamente, per circa 500 km nello spazio, con densità e pressione via-via decrescenti, in modo quasi esponenziale, allontanandosi dalla superficie. Tuttavia la porzione di atmosfera in cui avvengono i principali fenomeni meteorologici comprende i primi 20 km di essa, ed in genere i modelli meteorologici considerano principalmente questo strato. Un modello suddivide questo volume di atmosfera in tanti piccoli volumetti (somiglianti a parallelepipedi, anche se sono porzioni di calotte sferiche), ed esegue i calcoli nel baricentro di ogni volumetto, in maniera tale che però esso diventi rappresentativo di tutto il volumetto.

Nella realtà, i modelli globali, come l’IFS e il GFS che descriveremo poco innanzi, non risolvono direttamente le equazioni sui punti griglia, ma eseguono delle trasformazioni di coordinate molto complesse in maniera da descrivere gli stati presenti e futuri dell’atmosfera usando equazioni matematiche la cui soluzione è una sovrapposizione di onde. Anche se tale approccio può sembrare strano, i modelli spettrali sono più in sintonia con i movimenti ondulatori dell’atmosfera. Inoltre, cosa molto importante (in quanto risulta ottimale avere la soluzione dell’integrazione del modello in anticipo…), come risultato della loro forma matematica trasformata, i modelli spettrali fanno risparmiare tempo di calcolo. Tuttavia, la trattazione matematica è estremamente complicata da spiegare e, per gli scopi di questo post, i modelli spettrali possono essere assimilati ai modelli su punti griglia.

Esempio di grigliato tridimensionale. Il numero di volumetti è puramente indicativo, ed il loro spessore è volutamente ingigantito per renderli visibili.

Esempio di grigliato tridimensionale. Il numero di volumetti è puramente indicativo, ed il loro spessore è volutamente ingigantito per renderli visibili.

Per avere un’idea, presso l’European Centre for Medium-Range Weather Forecasts (ECMWF, il centro europeo situato a Reading, ridente cittadina inglese ad un’oretta di treno da Londra) gira il modello globale IFS (Integrated Forecasting System – è questo il nome del modello, anche se il pubblico lo chiama “l’inglese”, dimenticandosi che anche il modello del MetOffice è inglese), la cui configurazione corrente è la TL1279L91, che corrisponde ad una distanza tra punti griglia di circa 0.18° di risoluzione orizzontale in latitudine e longitudine (pari a circa 20 km alle nostre latitudini) e 91 livelli verticali. Questo significa che, sul globo, ad ogni livello verticale ci sono due milioni di punti griglia, ed in tutto ce ne sono circa 182 milioni (maggiori dettagli li trovate qui). Su ognuno di tali punti griglia vengono risolte tutte le equazioni ad ogni time step (normalmente di qualche secondo), le quali necessitano di dati di input che debbono essere forniti anch’essi su ogni punto griglia, a partire dalle osservazioni (ci sono meno di mille stazioni di radiosondaggio verticale che operano due volte al giorno, e qualche decina di migliaia di stazioni meteo che inviano regolarmente i loro dati alla rete meteorologica mondiale), con opportuni algoritmi interpolativi.

Stazioni di superficie che inviano i dati al Global Telecommunication System, l’organismo del WMO (World Meteorological Organisation) finalizzato allo scambio delle osservazioni in tempo reale su scala mondiale (cortesia ECMWF). L'immagine si riferisce alle ore 00 UTC del 13 febbraio 2012, ma può essere considerata rappresentativa di una giornata qualunque. Tra le stazioni sono comprese quelle synop, quelle Metar (ovvero quelle di interesse aeroportuale) e le ship (stazioni su nave).

Stazioni di superficie che inviano i dati al Global Telecommunication System, l’organismo del WMO (World Meteorological Organisation) finalizzato allo scambio delle osservazioni in tempo reale su scala mondiale (cortesia ECMWF). L’immagine si riferisce alle ore 00 UTC del 13 febbraio 2012, ma può essere considerata rappresentativa di una giornata qualunque. Tra le stazioni sono comprese quelle synop, quelle Metar (ovvero quelle di interesse aeroportuale) e le ship (stazioni su nave).

Il modello Global Forecasting System (GFS), sviluppato dal National Weather Service (NWS) della National Oceanic and Atmospheric Administration (NOAA), e noto al pubblico come “l’americano” (anche in questo caso, in America di modelli ce ne sono una caterva), diffonde i propri dati, relativi alla simulazione standard (che si riferisce alla versione T574) su un grigliato di 1760×880 punti e 64 livelli verticali, con una distanza tra punti griglia pari a 0.204° in latitudine e longitudine (alle nostre latitudini, significano circa 23 km). In questo caso, il numero di punti griglia è inferiore a quello dell’IFS: in totale, sono 1566400 punti in orizzontale, e circa 100 milioni complessivamente (maggiori dettagli li trovate qui).

Oltre all’IFS ed al GFS, ci sono altri modelli che forniscono mappe relative all’intero globo terrestre. Senza avere la pretesa di essere esaustivo, cito il NAVy Global Environmental Model (NAVGEM) della marina statunitense, il Global Modell tedesco (GME), l’Arpège francese, l’UKMET-UKV del Met Office inglese, il Global Environmental Model (GEM) canadese, il Japan Meteorological Agency model giapponese (JMA), il Coupled Ocean/Atmosphere Mesoscale Prediction System (COAMPS) californiano, l’Australian Community Climate and Earth-System Simulator (ACCESS), e tanti altri.

Esempio di grigliato: i modelli effettuano i calcoli nel baricentro di ogni volumetto di aria, assegnandone i risultati al baricentro, che rappresenta la media dell’aria di tutto il volume (cortesia: Nimbus, vol. 29-30, pag. 16).

Esempio di grigliato: i modelli effettuano i calcoli nel baricentro di ogni volumetto di aria, assegnandone i risultati al baricentro, che rappresenta la media dell’aria di tutto il volume (cortesia: Nimbus, vol. 29-30, pag. 16).

Non tutti i modelli considerano l’intera atmosfera terrestre. Quelli che lo fanno sono i modelli globali, in gergo noti come General (o Global) Circulation Models (GCM). Per ottenere una risoluzione maggiore, esistono altri modelli, detti ad area limitata (Limited Area Models, o LAM) oppure alla mesoscala, che studiano soltanto una porzione di atmosfera, normalmente limitata ai bordi laterali. Il vantaggio di questi modelli è che possono, a parità di risorse di calcolo, dettagliare maggiormente la previsione, risolvendo anche processi a scala più piccola del grigliato dei modelli globali. Il calcolo è presto fatto: partendo dal numero di punti griglia del modello globale GFS e immaginando di farlo girare su un’area comprendente l’Europa (per esempio nel “rettangolo” compreso tra le latitudini 30°N e 75°N, e le longitudini 30°O e 45°E), si ottiene che, imponendo lo stesso numero di punti griglia del modello globale, essi risulterebbero spaziati di circa 0.011° in latitudine e longitudine, ovvero poco più di un chilometro. E infatti i LAM più risoluti oggigiorno ormai hanno proprio passi griglia dell’ordine di 1 km, o anche meno.

Lo svantaggio è che i LAM necessitano di essere inizializzati con una mole maggiore di dati, e inoltre necessitano dei dati al contorno sui loro bordi, i quali ovviamente sono ignoti in quanto si riferiscono al futuro. La soluzione è, normalmente, quella di usare le uscite dei GCM per inizializzare i LAM. Questo ovviamente significa che, se le uscite del GCM sono errate, ovviamente anche la simulazione dei LAM inizializzati con tali uscite sono errate. Inoltre, sui bordi del grigliato si comette sempre un errore di interpolazione, in quanto il grigliato del LAM è più fitto rispetto al grigliato del GCM, e quindi i dati vanno interpolati. Questi errori in genere si propagano lentamente dal bordo del grigliato fin verso il centro del dominio, alterando la qualità dei campi prodotti e rendendo erronei i risultati. È questo il principale motivo per il quale le corse dei LAM sono più brevi rispetto a quelle dei GCM (in genere, i LAM si fanno girare per 2-5 giorni, a seconda del dominio e della zona). Per lo stesso motivo, anche se diversi centri meteo usano gli stessi modelli LAM, spesso preferiscono farsi le loro corse al fine di posizionare il dominio in maniera da porre la zona di interesse al centro del dominio, nel tentativo di minimizzare l’errore proveniente dalle condizioni al contorno. Operando in questo modo, si possono creare delle vere e proprie catene modellistiche, nelle quali il primo e principale anello è rappresentato da un GCM, e quelli successivi possono essere uno o più LAM. Tra l’altro, quasi tutti i LAM sono ormai dotati dell’opzione nesting, che permette di effettuare simulazioni secondarie a maggiore risoluzione (corse innestate) contemporaneamente alla corsa principale; in questo modo, il modello si autoalimenta fornendo le sue stesse uscite della corsa principale a quelle innestate, in catena.

Esempio di una catena modellistica: per avere una previsione a scala locale, per esempio relativa ad una o più province, si usano le uscite di un GCM per inizializzare un LAM, e a cascata eventualmente altri LAM fino ad arrivare al dettaglio desiderato.

Esempio di una catena modellistica: per avere una previsione a scala locale, per esempio relativa ad una o più province, si usano le uscite di un GCM per inizializzare un LAM, e a cascata eventualmente altri LAM fino ad arrivare al dettaglio desiderato.

Esempio di processi fisici non risolti esplicitamente dai GCM. Uno dei più rilevanti è rappresentato dalla nuvolosità, che nessun modello calcola direttamente (essa viene dedotta indirettamente mediante algoritmi numerici a partire dalle variabili).

Esempio di processi fisici non risolti esplicitamente dai GCM. Uno dei più rilevanti è rappresentato dalla nuvolosità, che nessun modello calcola direttamente (essa viene dedotta indirettamente mediante algoritmi numerici a partire dalle variabili).

Naturalmente, il dettaglio ricavabile da un LAM è infinitamente maggiore di quello dei GCM. Malgrado ormai anche un GCM sia in grado di elaborare delle previsioni che risentono di effetti alla mesoscala, è evidente che i fenomeni che avvengono alle scale più piccole rispetto al grigliato dei modelli non possono essere risolti dagli stessi. Questo fatto diventa evidente guardando, a titolo esemplificativo, come cambia l’orografia al variare del grigliato. Ad esempio, l’IFS ed il GFS, non sono ancora in grado di risolvere esplicitamente fenomeni come la convezione cumuliforme, o gli scambi con la superficie terrestre in co rrispondenza di superfici molto disomogenee, oppure ancora i processi che avvengono su territori orograficamente complessi.

Non sto qui a passare in rassegna i vari LAM esistenti nel mondo perché non la finirei più; mi limito quindi a citare soltanto quelli che sono più usati dalle nostre parti: il Weather Research and Forecasting (WRF), il Bologna Limited Area Model (BOLAM, modello tutto italiano sviluppato dalla sezione ISAC-CNR bolognese), il Regional Atmospheric Modeling System americano (RAMS), il MOdello LOCale in coordinate H bolognese-ligure (MOLOCH, uno sviluppo successivo di BOLAM) ed i vari modelli del Consortium for Small-scale Modeling (COSMO).

Come si vede, malgrado la meteorologia numerica sia una scienza molto giovane, soprattutto nell’ultimo ventennio ha sfornato diverse generazioni di modelli, sempre più complessi, e, come dicevamo all’inizio, l’utente medio si trova ad avere facile accesso a pletore di modelli e con un’informazione così sovrabbondante che rischia di saturare e di creare confusione. Un esempio sono i siti tedeschi della meteorologia (wetterzentrale e wetter3), dove si possono trovare tutte le mappe di oltre dieci modelli globali, oltre a qualche regionale. Ma perché ci sono tanti modelli? Non dovrebbero essere tutti uguali, visto che si basano sulle stesse equazioni di base che regolano la fisica dei processi?

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo: le altezze di geopotenziale a 500 hPa (fasce colorate e linea nera scura, con i valori espressi in decametri); pressione a livello del mare (linee bianche, in hPa); e isoterme a 500 hPa (tratti punto-linea grigi). La mappa si riferisce alle ore 12 UTC del 4 dicembre 2013. Cortesia wetterzentrale.

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo: le altezze di geopotenziale a 500 hPa (fasce colorate e linea nera scura, con i valori espressi in decametri); pressione a livello del mare (linee bianche, in hPa); e isoterme a 500 hPa (tratti punto-linea grigi). La mappa si riferisce alle ore 12 UTC del 4 dicembre 2013. Cortesia wetterzentrale.

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo: le temperature (fasce colorate e linee nere scure) e le altezze di geopotenziale (linee bianche, con i valori espressi in decametri) a 850 hPa. La mappa si riferisce alle ore 12 UTC del 4 dicembre 2013. Cortesia wetterzentrale.

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo: le temperature (fasce colorate e linee nere scure) e le altezze di geopotenziale (linee bianche, con i valori espressi in decametri) a 850 hPa. La mappa si riferisce alle ore 12 UTC del 4 dicembre 2013. Cortesia wetterzentrale.

La risposta è… ni. Nel senso che è vero che le equazioni di base sono le stesse, ma i modelli differiscono per vari altri aspetti “di contorno” la cui importanza non è però trascurabile. Tra essi, citiamo: gli schemi numerici adottati per la soluzione delle equazioni; il tipo di grigliato usato, spesso dipendente dalla localizzazione geografica del sito in questione; le parametrizzazioni dei processi fisici di scala troppo piccola per essere risolti dal modello. In particolare, quest’ultimo è forse il punto che differenzia maggiormente i modelli l’uno dall’altro. I processi “sottogriglia”, per essere risolti esplicitamente, richiederebbero delle conoscenze di variabili che il modello non possiede, per cui vengono usate delle equazioni semplificate in cui compaiono dei parametri empirici (per questo si chiamano parametrizzazioni), i valori dei quali sono determinati in particolari esperimenti condotti dalla comunità scientifica. Ecco allora che lo stesso modello, a seconda del luogo in cui funziona, può adottare parametrizzazioni differenti (si pensi, ad esempio, ad un ambiente orograficamente semplice come il deserto australiano, o complesso come le Alpi, o innevato come la Siberia, o paludoso, oppure ancora ricoperto dal mare).

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo i valori della temperatura di rugiada a 2 m di altezza sul suolo. Cortesia wetterzentrale.

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo i valori della temperatura di rugiada a 2 m di altezza sul suolo. Cortesia wetterzentrale.

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo la nuvolosità (espressa in percentuale e plottata in toni di grigio) e la i pressione a livello del mare (linee bianche, in hPa), oltre che lo spessore (in decametri) dei primi 500 hPa (linee verdi). Cortesia wetterzentrale.

Mappa relativa alle analisi per il modello GFS. Al suo interno troviamo la nuvolosità (espressa in percentuale e plottata in toni di grigio) e la i pressione a livello del mare (linee bianche, in hPa), oltre che lo spessore (in decametri) dei primi 500 hPa (linee verdi). Cortesia wetterzentrale.

L’ultimo punto che vorrei sottolineare è che cosa si ricava da un modello. Il modello risolve delle equazioni e fornisce dei dati su ogni punto griglia. Tra essi, citiamo: la pressione, la temperatura, l’umidità, le tre componenti della velocità del vento, l’altezza di geopotenziale (una grandezza riconducibile alla quota geometrica), la radiazione solare ed infrarossa, ed altre ancora. Altre variabili vengono poi elaborate sulla base delle uscite del modello: tra esse, la nuvolosità, distinta in bassa, media ed alta, il rateo di precipitazione sotto forma di pioggia o neve, ecc. Naturalmente, tutto questo per ogni punto griglia.

È poi compito del previsore rielaborare queste informazioni e presentarle sotto forma grafica, e scegliere quali sottolineare ai fini della previsione. Questo viene fatto o manualmente o tramite opportuno software di postprocessing dei dati. Un esempio di quest’ultimo software è l’algoritmo che, partendo dalle valutazioni del modello e talora con l’ausilio dalle immagini satellitari, ricostruisce le posizioni dei fronti atmosferici, creando le cosiddette mappe dei fronti (nelle quali, ricordiamolo, sono disegnate le posizioni dei fronti nei pressi della superficie terrestre: ricordiamo infatti che i fronti, soprattutto nella loro fase matura, sono molto inclinati rispetto alla verticale, come si può facilmente vedere confrontando la posizione dei minimi in superficie ed in quota).

Ma queste cose, ed altre ancora, le approfondiremo nei prossimi post. Rimanete sintonizzati!!!