L’effetto della primavera sulle previsioni meteorologiche

Un modello di previsione meteorologica diventa praticamente inutile se non esiste un metodo per verificare la sua attendibilità. La domanda che ci poniamo ogni giorno, infatti, non è quanto un modello riesce ad essere evoluto MA se le previsioni che produce rispecchiano effettivamente quello che succede nella realtà che osserviamo coi nostri occhi.

Nel corso degli anni sono state sviluppate numerose tecniche automatizzate che permettono di valutare la “performance” di un modello tramite osservazioni oggettive. Senza entrare nei dettagli, che richiedono un po’ di matematica e fisica, la tecnica più utilizzata consiste nel prendere una particolare variabile caratteristica (ad esempio, la pressione) e valutare la differenza tra valore previsto e valore osservato su un certo intervallo temporale. In generale, per trascurare la variabilità regionale o locale, si media questo valore su aree molto grandi come l’intero emisfero. Quello che si ottiene è quindi un numero da 0 ad 1, o analogamente una percentuale da 0 al 100% che indica quanto un modello è buono nel prevedere quella determinata variabile.

Con queste semplici definizioni si possono fare due immediate osservazioni:

• una previsione con affidabilità minore del 60% è praticamente inutile, in quanto non permette di distinguere in modo efficace tra due condizioni meteorologiche differenti. Sotto questa soglia, decidere la previsione in base al lancio di una moneta avrebbe la stessa affidabilità.
• l’affidabilità diminuisce all’aumentare del tempo su cui si fa la previsione: oltre i 7-8 giorni si scende sotto la soglia del 60%, come mostrato nella figura sottostante, e dunque la previsione diventa inutile.

Correlazione anomalie dell’altezza di geopotenziale a 500 hPa per l’emisfero Nord al variare del giorno di previsione

Fissando un intervallo di previsione, ad esempio 5 giorni, è possibile valutare l’affidabilità di un modello al variare del giorno, settimana o, meglio, stagione meteorologica. Abbiamo più volte sottolineato come la primavera, trattandosi di un periodo di transizione, sia per sua natura poco prevedibile. Questa particolare caratteristica è ben evidente se si considera l’andamento dell’affidabilità previsionale dei due modelli più utilizzati (quello americano, GFS, e quello europeo, ECMWF) nell’ultimo mese. L’immagine sottostante mostra infatti un calo vistoso di questa percentuale di affidabilità fino a valori inferiori all’80%.

Andamento della anomaly correlation per i mesi di febbraio, marzo ed aprile 2015