La quantificazione dell incertezza nelle previsioni. Passo Tonale, 26/5/2008 Andrea Piazza - Meteotrentino

Transcript

1 La quantificazione dell incertezza nelle previsioni Passo Tonale, 26/5/2008 Andrea Piazza - Meteotrentino

2 Dal libro Il tempo in montagna - Kerkmann e Kappenberger ed. Zanichelli

3 Lo scopo di questo intervento è illustrare I pregi ed i limiti del prevedere il tempo. Che chi fa le previsioni non è (o meglio non dovrebbe essere) un semplice trascrittore dei risultati dei modelli matematici. Perché si fanno tanti bollettini. L importanza della comunicazione. L importanza della cultura dell utenza.

4 Le previsioni meteo sono utili WMO stima 1/25 guadagno investimenti in meteo 2000 e 2002 gestione bacini anche su previsioni 5.50 NOVEMBER 2002: HYDROMETER PONTE S.LORENZO (TRENTO) BY SERVIZIO OPERE IDRAULICHE Ma oggi non siamo interessati alle previsioni giuste

5 Nevicata 11 marzo 2004 Prevista correttamente tempistica già 2 giorni prima Previsione aggiornata alla sera del 10 peggiore del mattino (capita) Sottostimata intensità specie a Sud. Previsti correttamente effetti: decisione di invio messaggio informativo per gestione strade, ed attesa giorno successivo per valanghe. Disagi causati da mezzi pesanti senza catene. TENTATIVO DI ROGO FALLITO!

6 ROGO RIUSCITO (giustamente) Domenica di Pasqua 11/4/2004 Previsioni con troppo anticipo e poco incerte troppa confidenza nei modelli perché consistenti. (violazione regola 5 di Persson e troppo dettaglio a lungo termine - Metoffice) Condizioni di instabilità di difficile previsione, poca considerazione climatico.

7 Metodi di previsione Climatico e Persistenza (settoni) Una previsione è potenzialmente utile se è migliore dei metodi precedenti. Previsione di pioggia al 95% nel deserto è pessima. Albergatori hanno ragione perché da noi in un luogo il tempo è climaticamente più bello che brutto: esempio brutto 30% giorni su 100 previ, affid.90%: 7 giorni pessimisti e 3

8 Classificazione delle previsioni Nowcasting (brevissimo e breve termine): 2 (12) ore radar, satellite, stazioni meteo, rilev. fulmini, finestra, modelli, esperienza, conoscenza... Medio termine: (10) giorni satellite, modelli (ensemble), conoscenza climatica Prossimo futuro: Stagionali: giorni modelli accoppiati, ensemble Verso il 2050 Climatiche: anni modelli accoppiati complessi, ensemble?

9 Conoscenza del Tempo Futuro

10 Importantissimo il passaggio di presentazione e la fiducia dell utente

11 L incertezza Il sistema atmosferico si trova in uno stato ben predicibile ma i fenomeni possibili sono di difficile previsione. Il sistema atmosferico si trova in uno stato difficilmente predicibile. Combinazioni dei due casi precedenti.

12 Limiti delle previsioni 1. Rete di rilevamento

13 1. Rete di rilevamento

14 Un po di fisica l L atmosfera è complicata

15

16

17 Data Dissemination

18 Current Computer Configuration

19 Dati da satellite migliorano l emisfero sud

20 Principal Goal Maintain the current, rapid rate of improvement of its global, medium-range weather forecasting products, with particular effort on early warnings of severe weather events.

21

22

23 Vertical discretization Variables are discretized on terrain-following pressure based hybrid eta-levels L60 L Vertical resolution of the operational ECMWF model: 91 hybrid eta-levels resolving the atmosphere up to 0.01hPa (~80km) (upper mesosphere) Pressure (hpa) levels 91 levels Level number

24 Deterministic model grid (T799) EPS model grid (T399)

25 LAMI (Limited Area Model Italy)

26 Relative cost of different model components at the operational resolution of T T799L Physics RHS comp in GP semi-lag computations Transpositions Spectral transforms Comp in spec space Others 9.72

27 ECMWF s operational analysis and forecasting system Numerical scheme: TL799L91 (799 waves around a great circle on the globe, 91 levels 0-80 km) semi-lagrangian formulation Time step: 12 minutes Prognostic variables: wind, temperature, humidity, cloud fraction and water/ice content, pressure at surface grid-points, ozone Grid: Gaussian grid for physical processes, ~25 km, 76,757,590 grid points

28 ECMWF model suites Deterministic high-resolution global atmospheric model T L levels; range=10 days Medium-range ensemble prediction system T L 399 / T L levels; range=15 days control + 50 perturbed members Monthly forecast system T L level (atm.), 1.4 º x º, 29 vertical levels (ocean) 51-member ensemble; range=32 days Seasonal forecast system T L level (atm.), 1.4 º x º, 29 vertical levels (ocean)

29 Data Assimilation Observations Background Analysis Analysis 12-hour forecast True state of the atmosphere 00 UTC 5 May 12 UTC 5 May 00 UTC 6 May 12 UTC 6 May Model variables, e.g. temperature

30

31

32 La probabilità è potente ma molto difficile!!! Io ho 2 figli a casa. Uno è maschio. Qual è la probabilità che l altro sia femmina? Supporre che la probabilità di nascere maschio sia il 50%. Risposta: 50 o 66.7%? Se avessi detto il primogenito è maschio? Risposta: 50%

33 Previsioni probabilistiche da modelli deterministici L importanza della verifica dei modelli e del confronto col metodo climatico.

34 osservata (% ) Trento (corsa 00 e 12): prob. pioggia 0 mm (media 64%) prevista (mm) Grafico 1

35 osservata (% ) Trento (corsa 12): prob. pioggia 0 mm (media 64%) prevista (mm) Grafico 2

36 Trento(corsa 00 e 12): prob. pioggia >20mm (media 5%) osservata ( % ) >40 prevista (mm) Grafico 3

37 Trento(corsa 12): prob. pioggia >20mm (media 5%) osservata ( % ) prevista (mm) Grafico 4

38 Precipitazioni >40mm/24h 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 POD FAR ore

39

40

41 AP/MP WEATHER REPORT issued on Thursday 10 th January A high pressure field will affect the Alps in the following days determining mostly sunny weather, calm or light winds and low temperatures due to thermal inversion. No snowfalls are forecasted and only high clouds are possible. PHENOMENA THU 10 FRI 11 SAT 12 SUN 13 MON 14 Predazzo Tmin (8 a.m.) -5 C -6 C -6 C -6 C -6 C Predazzo Tmax (2 p.m.) 7 C 6 C 6 C 6 C 6 C RAINFALLS SNOWFALLS WINDY LEGEND 0 very low probability (less than 10 %) 1 low probability (10-40 %) 2 medium probability (40-80 %) 3 high prob. (more than 80 %) clear partly cloudy Cloudy mostly cloudy overcast snow rain haze Thunderstorm

42 E sufficiente che uno dei criteri sotto elencati di ciascuna categoria sia verificato per porre il codice 3 (solo per oggi, domani e dopodomani). I criteri sopra descritti vengono applicati ai dati del centro europeo di Reading (ECMWF). 1. Precipitazioni >40mm/24h Presenza di un forte flusso in quota dai quadranti meridionali, elevata umidità e massimo dei millimetri previsti sul Trentino > 50 mm. 2. Rovesci e temporali >20 mm/1h. Precipitazione max convettiva sul Trentino > 15 mm/24h. Presenza di goccia fredda in quota o passaggio di un fronte freddo con temperatura di rugiada superiore a 20 C. 3. Nevicate >10 cm/24h Precipitazione max sul Trentino >30mm/24h. codice uguale a 3 per rovesci >20 mm. 4. Vento forte in valle >10 m/s Previsioni da modello a 10 mt superiori a 12 m/s. Gradiente barico sulle Alpi superiore a 8 hpa con flusso da Nord. Codice uguale a 3 per rovesci >20 mm. 5. Vento forte in quota >10 m/s Previsioni da modello a 700 hpa superiori a 12 m/s. Codice uguale a 3 per rovesci >20 mm.

43 Prossim o bollettino: mercoledì, 17 ottobre 2001 BOLLETTINO METEOROLOGICO SPERIMENTALE GIORNALIERO PER LA PROTEZIONE CIVILE EMESSO martedì, 16 ottobre 2001 ENTRO LE ORE 14 Evoluzione: sulle regioni alpine perm ane l'influsso della circolazione anticiclonica. PRECIPITAZIONI SUPERIORI a 40 mm/24h FENOMENO mar - 16 mer - 17 gio - 18 ven - 19 sab ROVESCI O TEMPORALI SUPERIORI a 20 mm/h VENTO FORTE IN VALLE (Sup. a 10 m/s) VENTO FORTE IN QUOTA (Sup. a 10 m/s) NEVICATE SUP. a 10 cm/24h 0 dai - m QUOTA PREVISTA DELLO ZERO TERMICO dai - m 0 dai - m 0 dai - m 0 dai - m 3500 m 3400 m 3300 m 3500 m 3500 m LEGENDA DEI SIMBOLI 0 Probabilità bassissima (inf. 1 % ) 1 Probabilità bassa (tra 1 e 30 %) 2 Probabilità media (tra 30 e 70 %) 3 Probabilità alta (sup. a 70 % )

44 Ensemble forecast Nel caso il sistema sia di difficile previsione è utile la tecnica dell ensemble prediction system (EPS)

45

46

47 errors 26 th June th June 1994 ECMWF ensemble forecast - Air temperature Date: 26/06/1995 London Lat: 51.5 Long: 0 Control Analysis Ensemble ECMWF ensemble forecast - Air temperature Date: 26/06/1994 London Lat: 51.5 Long: 0 Control Analysis Ensemble 10 8 UK UK Forecast day Forecast day If the forecasts are coherent (small spread) the atmosphere is in a more predictable state than if the forecasts diverge (large spread)

48

49 EPS probabilities of wind, precipitation and temperature

50 Come sapere se il sistema è predicibile? Consistenza tra diversi modelli (temporale?) EPS Esperienza Esempio del piano inclinato

51

52

53 LAMI Risoluzione orizzontale: 7 km (0.625 ) Risoluzione verticale: 35 livelli I.C. e B.C.: GME dominio di integrazione assimilazione a mesoscala (nudging) Two runs a day 00 and 12 UTC 72 hours fc. range

54

55

56 COSMO-LEPS consistency maps COSMO-LEPS consistency maps prob of tp 24h above 100 mm

57 Lothar: Natale 1999 la previsione che costò la ZDF al DWD

58

59

60

61

62

63

64

65 A recent 500 hpa cluster map

66

67 The tubing system

68

69

70

71 Il meteorologo non deve fare solo le previsioni ma aiutare la gente a prendere decisioni: bollettini diversi per utenti diversi ovviamente probabilistici.

72

73 Conoscendo i costi di prevenzione e danno il gioco sarebbe fatto ma l utenza non è ancora pronta

74

75 Costs when weather forecasts are available A best C best B best Esempio hollywood, ticchiolatura del melo, etc.

76 Bollettino generale Protezione civile albergatori A using Probabilities

77 Come decidere con le probabilità C= costo protezione e L= costo danno decido in base a C/L es: C=15 lire e L=100 lire C/L=15% faccio la protezione quando la prob.15% es: su 100 giorni 25 casi di danno no prot lire, sempre prot lire perfetta prev. 375 lire

78

79 Conditional probabilities Breast cancer screening: The facts: - Probability that a woman aged has breast cancer = 0.8% - If a woman has breast cancer, probability of positive test = 90% - If a woman does not have breast cancer, prob. of positive test=7 Imagine a woman with a positive test. What is the probability, that she actually has breast cancer? Solution (with Bayes Theorem): - p(disease) = p(pos disease) = p(pos no disease) = 0.07 p(disease) * p(pos disease) - p(disease pos) = p(disease) * p(pos disease) + p(no disease) * p(pos no disease) 0.09

80 Frequency formulation Breast cancer screening: The facts: - Probability that a woman aged has breast cancer = 0.8% - If a woman has breast cancer, probability of positive test = 90% - If a woman does not have breast cancer, prob. of positive test=7% Solution: 1000 women 8: disease 992: no disease 7: positive 1: negative 69: positive 923: negative p(disease pos) = 7 / (7+69) 0.09

81 Imagine a climate model (with 90% accuracy) predicts droug Historically, there is 10% chance of drought What is the chance that drought will occur in next season? Solution: 100 seasons 10: drought 90: no drought 9: drought FC 1: no-drought FC 81: no-drought FC 9: drought FC p(drought drought FC) = 9 / (9+9) = 0.50

82 Imagine a climate model (with 90% accuracy) predicts droug Historically, there is 10% chance of drought What is the chance that drought will occur in next season? Challenge to convince user that Model was correct 90% of time the probability of a drought next season was only 50% Remember: only for equally likely events, accuracy translates into probabilities

83 Diffusione delle previsioni Radio, TV, internet, telefono, fax giornali (ritardo)

84 Ottima la telefonata (da testa a testa) Il meteorologo riesce a capire dov è la zona interessata (in Trentino molti climi) Il meteorologo riesce a capire se l utente ha capito la previsione e a cosa gli serve. Negli altri casi: bollettini scritti e registrati (catena lunga), a volte, si farfuglia per non fare danni!

85 La pressione dei media Un po caldo o un po freddo deve essere eccezionale. La causa è l effetto serra. Chi non soddisfa queste richieste non va in onda Si assiste... ad una dittatura della mediocrità, con la banalizzazione dell eccezionale e l esaltazione del banale. LATOUCHE, la megamacchina, 1995

86 Le previsioni deterministiche sono sempre sbagliate Esempio: il modello prevede domani a Trento 100 mm di pioggia. La probabilità che cadano esattamente 100 mm è quasi nulla ed è l 80% circa che ne cadano tra 30 e 300 mm. GIOVEDÌ 13 (previsione di Martedì 11/5/2003) Stato del cielo: da nuvoloso a localmente molto nuvoloso Precipitazioni: deboli sparse, più probabili al mattino Temperature: stazionarie o lieve aumento le massime Venti: da deboli a moderati nordorientali; in valle variabili

87 Le previsioni probabilistiche sono sempre giuste! La probabilità non è mai zero!!! Al rogo non si va!!!!

88 Prossim o bollettino: mercoledì, 17 ottobre 2001 BOLLETTINO METEOROLOGICO SPERIMENTALE GIORNALIERO PER LA PROTEZIONE CIVILE EMESSO martedì, 16 ottobre 2001 ENTRO LE ORE 14 Evoluzione: sulle regioni alpine perm ane l'influsso della circolazione anticiclonica. PRECIPITAZIONI SUPERIORI a 40 mm/24h FENOMENO mar - 16 mer - 17 gio - 18 ven - 19 sab ROVESCI O TEMPORALI SUPERIORI a 20 mm/h VENTO FORTE IN VALLE (Sup. a 10 m/s) VENTO FORTE IN QUOTA (Sup. a 10 m/s) NEVICATE SUP. a 10 cm/24h 0 dai - m QUOTA PREVISTA DELLO ZERO TERMICO dai - m 0 dai - m 0 dai - m 0 dai - m 3500 m 3400 m 3300 m 3500 m 3500 m LEGENDA DEI SIMBOLI 0 Probabilità bassissima (inf. 1 % ) 1 Probabilità bassa (tra 1 e 30 %) 2 Probabilità media (tra 30 e 70 %) 3 Probabilità alta (sup. a 70 % )

89 Come leggere i bollettini: i trucchi del linguaggio Bollettino meteorologico sintetico Emesso mercoledì 12 maggio 2004 alle ore 8:57 primo aggiornamento entro le ore 9:20 secondo aggiornamento entro le ore Oggi nubi irregolari in aumento dal pomeriggio quando saranno possibili deboli rovesci. Giovedì ancora nubi e qualche rovescio o temporale, migliora in serata. Venerdì soleggiato al mattino, nubi e qualche rovescio al pomeriggio. In prevalenza soleggiato per il fine settimana. Osservate: manca (per non appesantire) previsione temperature, vento, visibilità, quota neve etc.

90 Come non sbagliare MAI le previsioni Domani nuvolosità variabile ed irregolare, localmente intensa e persistente. Possibili precipitazioni sparse, localmente abbondanti. Temperature senza variazioni di rilievo. Venti deboli o moderati variabili con temporanei rinforzi. Unico neo: non serve a nessuno!

91 Come non sbagliare troppo le previsioni Utilizzo di aggettivi tipo variabile, generalmente, occasionale. Non dettagliare. Purtroppo regola 3 di Persson impone di emettere una previsione. Spesso nei casi dubbi si possono almeno quasi escludere i casi estremi. La previsione è comunque utile per qualcuno.

92 Chi è il migliore meteorologo? Ovviamente Andrea Piazza Invece state tutti pensando ai personaggi della tv. Nel mondo scientifico è migliore chi pubblica molto e su buone riviste, fuori chi parla bene in tv. Tutti i centri previsionali hanno a disposizione moderne tecniche di monitoraggio ed i risultati dei migliori modelli. I più bravi sono quelli che non si limitano al trasferimento del risultato numerico su un bollettino ma conoscono la climatologia locale ed adattano il linguaggio per aiutare l utenza a prendere le decisioni.

93 Concludendo Perché le previsioni sono sbagliate? Perché il modello è sbagliato (A.Toniazzo ufficio idrografico Bolzano) Spesso: Perché l idea della previsione che ha in testa il meteorologo è diversa da quella che si forma l utente anche a causa del lungo cammino. (comunicazione, cultura utente) Oppure: Per una lettura affrettata delle previsioni (ci si limita al simbolo).

94 Lo scopo di questo intervento era illustrare I pregi ed i limiti del prevedere il tempo. Che chi fa le previsioni non è (o meglio non dovrebbe essere) un semplice trascrittore dei risultati dei modelli matematici. Perché si fanno tanti bollettini. L importanza della comunicazione. L importanza della cultura dell utenza.

95 Summary Nothing is certain in this world there is nothing certain but death and taxes. (Benjamin Franklin) In many situations, decisions have to be based on probabilities the theory of probabilities is at bottom only common sense reduced to calculus. (Pierre-Simon, Marquis de Laplace) Interpretation of probabilities is sometimes not straightforward math is hard, let s go shopping. (Barbie) Appropriate presentation can help to make the right decisions solving a problem simply means representing it so as to make the solution transparent. (Herbert A. Simon)

96 mi basterebbe che... La realtà è che nella meteorologia appena si esce dall ovvio si entra nell assurdamente complesso. GIOVANNI BADINO, 1995

97 Questa è la F I N E