Confronto tra stime da campi di modello e osservazioni della rete regionale lombarda

Transcript

1 Confronto tra stime da campi di modello e osservazioni della rete regionale lombarda Classificazione delle stazioni per rappresentatività riferita a COSMO-I7 e ECMWF-0125 Francesco Uboldi + Cristian Lussana, Marta Salvati e Umberto Pellegrini di ARPA Lombardia uboldi@magritte.it 5 Giugno ARPA Emilia Romagna

2 Rappresentatività

3 Rappresentatività Le osservazioni da stazioni distribuite sul territorio sono influenzate sia dalla dinamica dell'atmosfera a grande scala e alla mesoscala, ovvero fenomeni che i modelli di circolazione sono in grado di simulare, sia dalla dinamica di piccola scala, e da fenomeni locali. Si tratta di fenomeni reali e non di errori del sensore. Possono avere qualche importanza meteorologica oppure no.

4 Rappresentatività Le osservazioni da stazioni distribuite sul territorio sono influenzate sia dalla dinamica dell'atmosfera a grande scala e alla mesoscala, ovvero fenomeni che i modelli di circolazione sono in grado di simulare, sia dalla dinamica di piccola scala, e da fenomeni locali. Si tratta di fenomeni reali e non di errori del sensore. Possono avere qualche importanza meteorologica oppure no. Sono considerati come parte dell'errore osservativo, quando si confrontano le osservazioni con i campi di modello, per analisi, assimilazione, verifica.

5 Rappresentatività Le osservazioni da stazioni distribuite sul territorio sono influenzate sia dalla dinamica dell'atmosfera a grande scala e alla mesoscala, ovvero fenomeni che i modelli di circolazione sono in grado di simulare, sia dalla dinamica di piccola scala, e da fenomeni locali. Si tratta di fenomeni reali e non di errori del sensore. Possono avere qualche importanza meteorologica oppure no. Sono considerati come parte dell'errore osservativo, quando si confrontano le osservazioni con i campi di modello, per analisi, assimilazione, verifica. D'altra parte è utile capire quali fenomeni reali ogni modello è in grado di simulare e quali no. In altre parole, se si è interessati proprio alle scale locali non risolte dal modello, occorre cambiare (perfezionare o sostituire) il modello.

6 Rappresentatività Le osservazioni da stazioni distribuite sul territorio sono influenzate sia dalla dinamica dell'atmosfera a grande scala e alla mesoscala, ovvero fenomeni che i modelli di circolazione sono in grado di simulare, sia dalla dinamica di piccola scala, e da fenomeni locali. Si tratta di fenomeni reali e non di errori del sensore. Possono avere qualche importanza meteorologica oppure no. Sono considerati come parte dell'errore osservativo, quando si confrontano le osservazioni con i campi di modello, per analisi, assimilazione, verifica. D'altra parte è utile capire quali fenomeni reali ogni modello è in grado di simulare e quali no. In altre parole, se si è interessati proprio alle scale locali non risolte dal modello, occorre cambiare (perfezionare o sostituire) il modello. Un particolare tipo di errori di rappresentatività ha origine dalla differenza tra orografia del modello e orografia reale.

7 Campi di modello Campi di analisi di temperatura a 2 metri dal suolo del sistema di previsione numerica (configurazione operativa di modello, condizioni al contorno e assimilazione dati) ECMWF0125 e COSMO-I7. Tutti i campi disponibili per un anno dal 1 Giugno 2010 al 31 Maggio 2011 alle ore 0000 UTC e alle ore 1200 UTC. PERCHÈ L'ANALISI: 1) I campi di analisi, in particolare di ECMWF0125, ma anche di COSMO-I7, derivano da un sistema di assimilazione che usa il modello stesso: contengono già le scale dinamiche che il modello è in grado di simulare. 2) Evitiamo così, in questa fase, di affrontare il problema dell'errore di previsione (e della sua crescita nel tempo).

8 Osservazioni Osservazioni di temperatura a 2 metri dal suolo della rete regionale (comprese alcune stazioni esterne fino a 60km dal confine amministrativo). Le osservazioni di partenza sono medie orarie. per le 00 UTC: [ media(23 UTC 00UTC) +media(00 UTC 01UTC) ] /2 per le 12 UTC: [ media(11 UTC 12UTC) +media(12 UTC 13UTC) ] /2 Il fatto di usare medie orarie, che filtrano le scale veloci, compensa in parte l'errore di rappresentatività. Per avere dati già filtrati dai controlli di qualità si sono usati i valori osservati riportati in output dal programma di analisi della temperatura (sono disponibili quindi anche i valori di analisi e di analisi-cv). Coordinate spaziali: Quota reale della stazione come da anagrafica Longitudine e latitudine della stazione Stima della quota sulla verticale della stazione nell'orografia ECMWF0125 e COSMO-I7 Parametri topografici non considerati: pendenza/esposizione versanti, vicinanza a masse d'acqua, isole di calore, vegetazione, suolo...

9 ECMWF0125 non risolve le maggiori valli alpine in Lombardia, COSMO-I7 in parte sì

10 Stima della quota della stazione nell'orografia dei modelli ECMWF0215 e COSMOI7 I campi di ECMWF0125 sono disponibili su un grigliato regolare in longitudine e latitudine, con passo di gradi, corrispondente a circa 14 km in direzione S-N e a circa 9 km in direzione E-W (al centro del dominio). Per stimare da un campo su grigliato regolare su un punto "stazione" (non appartenente al grigliato), anche nel caso di ECMWF0125, come per COSMO-I7, si è usata l'interpolazione bilineare (x,y dei 4 punti di griglia a SW, SE, NW, NE della stazione). L'interpolazione bilineare non tiene conto della quota. Per tener conto in modo appropriato della quota o di altre caratteristiche topografiche, occorre usare metodi più raffinati, che necessitano di più punti del grigliato e/o di opportune ipotesi fisiche.

11 Interpolazione bilineare Noti i valori sui punti SW, SE, NW, NE ("punti di griglia") si stima il valore sul punto P ("stazione"): 1) Si trova il valore sul punto H per interpolazione lineare tra i punti SW e SE. 2) Si trova il valore sul punto K per interpolazione lineare tra i punti NW e NE. 3) Si trova il valore sul punto P per interpolazione lineare tra i punti H e K. Equivalentemente si trovano i punti L ed M e si interpola tra quelli. La procedura corrisponde a trovare i coefficienti della conica: axy+bx+cy+d La stima è funzione lineare (attraverso i coefficienti a,b,c,d) dei valori sui 4 punti. Non si tratta di una funzione lineare delle coordinate x,y. Si può usare per confrontare la quota "vista" dal modello con la quota effettiva della stazione.

12 Zbilin quota della stazione stimata per interpolazione bilineare dall'orografia del modello.

13 Entrambi i modelli hanno un maggiore IQR rispetto alla distribuzione delle quote effettive: l'orografia reale (in particolare i fondovalle dove sono situate molte stazioni) risulta per lo più sommersa dalle orografie dei modelli (necessariamente smooth) con l'eccezione delle creste più alte.

14 Entrambi i modelli hanno un maggiore IQR rispetto alla distribuzione delle quote effettive: l'orografia reale (in particolare i fondovalle dove sono situate molte stazioni) risulta per lo più sommersa dalle orografie dei modelli (necessariamente smooth) con l'eccezione delle creste più alte. (Z ECMWF0125 -Z) ha un maggior numero di outlier, ma minore IQR, rispetto a (Z COSMO-I7 -Z)

15 Stima della temperatura Inter-Quartile Range Median Considerando tutte le stazioni insieme, la stima da modello riproduce approssimativamente la variabilità naturale, per come è osservata dalle stazioni.

16 Classificazione delle stazioni in relazione alla variabilità spaziale locale dell'orografia Si usa un HRDEM (high resolution digital elevation model) a 250 m. Si considerano 4 parametri: Z: quota della stazione H: media delle quote dei punti HRDEM in una box di 7 km attorno alla stazione S: deviazione standard rispetto ad H delle quote dei punti HRDEM nella box R: rapporto S/H Punti di VALLE hanno valori ALTI di S ed R. Punti di PIANURA hanno valori BASSI di S ed R. Ogni stazione è assegnata a una sola delle classi: P V M Sono classificate come stazioni di MONTAGNA anche stazioni di quota relativamente bassa, nella zona Appenninica, o in zone Alpine Collaborazione con Cristian Lussana

17 STIMA DELLA TEMPERATURA per stazioni di Pianura/Valle/Montagna, e per stagione-ora SOPRA: distribuzioni delle differenze T bilin - T o SOTTO: distribuzioni delle stime da modello, T bilin (box a sinistra) e valori osservati, T o (box a destra) Inverno: mesi di dicembre 2010, gennaio 2011, febbraio 2011 (djf, dgf) djf00: inverno ore 00 - grigio; djf12: inverno ore 12 - marrone; Estate: mesi di giugno, luglio, agosto 2010 (jja, gla) jla00: estate ore 00 - ciano; jla12: estate ore12 rosso. (da questa parte dello studio sono esclusi primavera e autunno)

18 ECMWF0125: Distribuzioni di (Tbilin-To) per stazioni di Pianura, Valle, Montagna, e per stagione-ora

19 COSMO-I7: Distribuzioni di (Tbilin-To) per stazioni di Pianura, Valle, Montagna, e per stagione-ora

20 periodo modello mediana P IQR P mediana V IQR V mediana M IQR M anno 06/ /2011 COSMO-I anno 06/ /2011 ECMWF periodo modello mediana P IQR P mediana V IQR V mediana M IQR M DGF h00 COSMO-I DGF h00 ECMWF periodo modello mediana P IQR P mediana V IQR V mediana M IQR M DGF h12 COSMO-I DGF h12 ECMWF periodo modello mediana P IQR P mediana V IQR V mediana M IQR M GLA h00 COSMO-I GLA h00 ECMWF periodo modello mediana P IQR P mediana V IQR V mediana M IQR M GLA h12 COSMO-I GLA h12 ECMWF Tutti i valori sono in C

21 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA ECMWF0125 Stazione di MONTAGNA SEL1B

22 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA COSMO-I7 Stazione di MONTAGNA SEL1B

23 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA ECMWF0125 Stazione di MONTAGNA SEL1B

24 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA COSMO-I7 Stazione di MONTAGNA SEL1A

25 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA ECMWF0125 Stazione di MONTAGNA SEL1B

26 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA COSMO-I7 Stazione di MONTAGNA DEL

27 Colico

28 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA ECMWF0125 Stazione di VALLE IQR ALTO per variabilità di alta frequenza (inverno) SEL2B

29 SINGOLA STAZIONE: SERIE TEMPORALE E BOXPLOT PER STAGIONE-ORA COSMO-I7 Stazione di VALLE IQR ALTO per variabilità di alta frequenza SEL2B

30 classificazione delle stazioni per la possibilità di confronto con campi di ECMWF0125 Per poter essere classificata, ogni stazione deve avere abbastanza dati, ovvero almeno 45 su circa 90 osservazioni in ogni stagione-ora del periodo dal 1 Giugno 2010 al 31 Maggio 2011: Inverno: dgf00; dgf12; Primavera: mam00; mam12; Estate: gla00; gla12; Autunno: son00; son12. Si tratta di 174 stazioni, di cui: Classi PVM: P: 80; V: 35; M: 59 Aree di allerta: A: 12= 0P + 2V +10M B: 9= 0P + 5V + 4M C: 35= 10P +16V + 9M D: 48= 48P + 0V + 0M E: 3= 0P + 0V + 3M F: 19= 19P + 0V + 0M G: 29= 0P +12V +17M H: 19= 3P + 0V +16M Tra queste, si valutano mediana e l'inter-quartile Range (IQR) della distribuzione di (Tbilin-To) su tutto l'anno. Selezione dati per progetti e obiettivi specifici: può essere opportuno valutare mediana e IQR separatamente per ogni stagione-ora di interesse.

31 classificazione delle stazioni per la possibilità di confronto con campi di ECMWF0125 : 1giu mag =80P+35V+59M stazioni con un numero sufficiente di dati SEL1: stazioni direttamente confrontabili con valori Tbilin di ECMWF0125 SEL2, SEL3: stazioni eventualmente confrontabili con valori Tbilin di ECMWF0125 dopo correzione bias DEL: stazioni NON confrontabili con valori Tbilin di ECMWF0125 DEL: IQR > 4.0 1= 1P +0V +0M 15= 1P +6V +8M 16 SEL3: 3.5 < IQR 4.0 7= 4P +1V +2M 9= 0P +2V +7M 16 SEL2: 2.5 < IQR = 9P +2V +5M 35= 4P +14V +17M 51 SEL1: IQR = 48P +1V +9M 33= 13P +9V+ 11M 91 median 1 A median > 1 B

32 classificazione delle stazioni per la possibilità di confronto con campi di COSMO-I7 : 1giu mag =78P+35V+59M stazioni con un numero sufficiente di dati SEL1: stazioni direttamente confrontabili con valori Tbilin di COSMO-I7 SEL2, SEL3: stazioni eventualmente confrontabili con valori Tbilin di COSMO-I7 dopo correzione bias DEL: stazioni NON confrontabili con valori Tbilin di COSMO-I7 DEL: IQR > 4.0 3= 1P +0V +2M 24= 1P +3V +20M 27 SEL3: 3.5 < IQR 4.0 7= 4P +1V +2M 19= 1P +7V +11M 26 SEL2: 2.5 < IQR = 18P +1V +0M 42= 8P +18V +16M 61 SEL1: IQR = 34P +0V +6M 18= 11P +5V+ 2M 58 median 1 A median > 1 B

33 classificazione delle stazioni per la possibilità di confronto con campi di COSMO-I7: anno =85P+32V+52M stazioni con un numero sufficiente di dati SEL1: stazioni direttamente confrontabili con valori Tbilin di COSMO-I7 SEL2, SEL3: stazioni eventualmente confrontabili con valori Tbilin di COSMO-I7 dopo correzione bias DEL: stazioni NON confrontabili con valori Tbilin di COSMO-I7 DEL: IQR > =0P+7V+15M 22 SEL3: 3.5 < IQR =2P+7V+9M 18 SEL2: 2.5 < IQR =18P+0V+3M 45=11P+14V+20M 66 SEL1: IQR =39P+0V+4M 20=15P+4V+1M 63 median 1 A median > 1 B

34 scelta restrittiva: SEL1: IQR 2.5 ECMFW0125: 91 stazioni, COSMO-I7:58 stazioni A: mediana 1 : stazioni direttamente confrontabili con valori Tbilin di ECMWF0125 B: mediana > 1 : stazioni eventualmente confrontabili con valori Tbilin di ECMWF0125 dopo correzione bias Aree di allerta: restano quasi completamente scoperte le aree A e B.

35 SEL2: 2.5 < IQR 3.5 ECMFW0125: 51 stazioni, COSMO-I7: 61 stazioni A: mediana 1 : stazioni direttamente confrontabili con valori Tbilin di ECMWF0125 B: mediana > 1 : stazioni eventualmente confrontabili con valori Tbilin di ECMWF0125 dopo correzione bias

36 Utile per applicazioni e prodotti specifici. SEL3: 3.5 < IQR 4.0 ECMFW0125: 16 stazioni, COSMO-I7: 26 stazioni A: mediana 1 : stazioni direttamente confrontabili con valori Tbilin di ECMWF0125 B: mediana > 1 : stazioni eventualmente confrontabili con valori Tbilin di ECMWF0125 dopo correzione bias Una grande variabilità della differenza modello-osservazioni può essere dovuta a differenze nei valori della mediana nelle diverse stagioni e ore: calibrazione variabile per stagione-ora?

37 DEL: IQR> 4.0 ECMFW0125: 16 stazioni, COSMO-I7: 27 stazioni A: mediana 1 : stazioni direttamente confrontabili con valori Tbilin di ECMWF0125 B: mediana > 1 : stazioni eventualmente confrontabili con valori Tbilin di ECMWF0125 dopo correzione bias Una grande variabilità della differenza modello-osservazioni può essere dovuta a differenze nei valori della mediana nelle diverse stagioni e ore: calibrazione variabile per stagione-ora?

38 Bias delle stime da modello: relazione della mediana di (T bilin -T o ) con la differenza di quota Per la calibrazione si sottrae, dalla stima (Tbilin) da modello, la mediana della differenza modello-osservazioni. La differenza sistematica tra stima (Tbilin) da modello e osservazioni può essere attribuita, per molte stazioni, alla differenza tra la stima (Zbilin) ottenuta dall'orografia del modello e la quota effettiva della stazione. Non è esattamente così per tutte le stazioni: la stima da modello su alcune è evidentemente affetta da altri errori sistematici.

39 Bias delle stime da modello: relazione della mediana di (T bilin -T o ) con la differenza di quota Per la calibrazione si sottrae, dalla stima (Tbilin) da modello, la mediana della differenza modello-osservazioni. La differenza sistematica tra stima (Tbilin) da modello e osservazioni può essere attribuita, per molte stazioni, alla differenza tra la stima (Zbilin) ottenuta dall'orografia del modello e la quota effettiva della stazione. Non è esattamente così per tutte le stazioni: la stima da modello su alcune è evidentemente affetta da altri errori sistematici.

40 CONCLUSIONI

41 CONCLUSIONI Differenza di quota: L'orografia del modello è diversa dall'orografia reale. La differenza tra la quota effettiva della stazione e il valore di orografia dei modelli può essere di centinaia di metri.

42 CONCLUSIONI Differenza di quota: L'orografia del modello è diversa dall'orografia reale. La differenza tra la quota effettiva della stazione e il valore di orografia dei modelli può essere di centinaia di metri. Complessivamente (un anno di dati) le analisi della temperatura a 2m riproducono abbastanza bene la variabilità osservata dalle stazioni della rete ARPA, anche usando una semplice stima bilineare.

43 CONCLUSIONI Differenza di quota: L'orografia del modello è diversa dall'orografia reale. La differenza tra la quota effettiva della stazione e il valore di orografia dei modelli può essere di centinaia di metri. Complessivamente (un anno di dati) le analisi della temperatura a 2m riproducono abbastanza bene la variabilità osservata dalle stazioni della rete ARPA, anche usando una semplice stima bilineare. Per molte stazioni la stima della temperatura dai campi di analisi del modello vicino al suolo è evidentemente affetta da errore sistematico rispetto ai valori osservati. L'errore sistematico è soprattutto, ma non soltanto, dovuto alla differenza tra orografia del modello e quota effettiva delle stazioni di osservazione.

44 CONCLUSIONI Differenza di quota: L'orografia del modello è diversa dall'orografia reale. La differenza tra la quota effettiva della stazione e il valore di orografia dei modelli può essere di centinaia di metri. Complessivamente (un anno di dati) le analisi della temperatura a 2m riproducono abbastanza bene la variabilità osservata dalle stazioni della rete ARPA, anche usando una semplice stima bilineare. Per molte stazioni la stima della temperatura dai campi di analisi del modello vicino al suolo è evidentemente affetta da errore sistematico rispetto ai valori osservati. L'errore sistematico è soprattutto, ma non soltanto, dovuto alla differenza tra orografia del modello e quota effettiva delle stazioni di osservazione. Classi: "PIANURA", "VALLE", "MONTAGNA" (variabilità spaziale locale dell'orografia in una box di 7 km). Le classi PVM non dipendono da modello nè dalla variabile: classificazione caratteristica della rete.

45 CONCLUSIONI Differenza di quota: L'orografia del modello è diversa dall'orografia reale. La differenza tra la quota effettiva della stazione e il valore di orografia dei modelli può essere di centinaia di metri. Complessivamente (un anno di dati) le analisi della temperatura a 2m riproducono abbastanza bene la variabilità osservata dalle stazioni della rete ARPA, anche usando una semplice stima bilineare. Per molte stazioni la stima della temperatura dai campi di analisi del modello vicino al suolo è evidentemente affetta da errore sistematico rispetto ai valori osservati. L'errore sistematico è soprattutto, ma non soltanto, dovuto alla differenza tra orografia del modello e quota effettiva delle stazioni di osservazione. Classi: "PIANURA", "VALLE", "MONTAGNA" (variabilità spaziale locale dell'orografia in una box di 7 km). Le classi PVM non dipendono da modello nè dalla variabile: classificazione caratteristica della rete. Le caratteristiche delle distribuzioni delle stime da modello (Tbilin), delle osservazioni (To) e della loro differenza (Tbilin-To) cambiano per classe PVM, per stagione (inverno /estate) e per ora (00 / 12). In particolare la mediana, usata per stimare l'errore sistematico, e l'iqr (Inter-Quartile Range), usato per stimare la variabilità.

46 CONCLUSIONI 2 Stazioni di PIANURA: nella maggior parte dei casi, le stime da modello appaiono direttamente confrontabili con i valori osservati, con piccoli errori sistematici (mediana) e bassa variabilità (IQR) della differenza. C'è, comunque una certa differenza tra inverno ed estate e soprattutto tra giorno e notte.

47 CONCLUSIONI 2 Stazioni di PIANURA: nella maggior parte dei casi, le stime da modello appaiono direttamente confrontabili con i valori osservati, con piccoli errori sistematici (mediana) e bassa variabilità (IQR) della differenza. C'è, comunque una certa differenza tra inverno ed estate e soprattutto tra giorno e notte. Stazioni di MONTAGNA e di VALLE: sono presenti sia grandi errori sistematici, sia grandi variabilità nella differenza tra stime e osservazioni.

48 CONCLUSIONI 2 Stazioni di PIANURA: nella maggior parte dei casi, le stime da modello appaiono direttamente confrontabili con i valori osservati, con piccoli errori sistematici (mediana) e bassa variabilità (IQR) della differenza. C'è, comunque una certa differenza tra inverno ed estate e soprattutto tra giorno e notte. Stazioni di MONTAGNA e di VALLE: sono presenti sia grandi errori sistematici, sia grandi variabilità nella differenza tra stime e osservazioni. Classificazione delle stazioni per rappresentatività riferita a ciascun modello, basata su mediana e IQR della differenza tra stime e osservazioni di ogni singola stazione.

49 CONCLUSIONI 2 Stazioni di PIANURA: nella maggior parte dei casi, le stime da modello appaiono direttamente confrontabili con i valori osservati, con piccoli errori sistematici (mediana) e bassa variabilità (IQR) della differenza. C'è, comunque una certa differenza tra inverno ed estate e soprattutto tra giorno e notte. Stazioni di MONTAGNA e di VALLE: sono presenti sia grandi errori sistematici, sia grandi variabilità nella differenza tra stime e osservazioni. Classificazione delle stazioni per rappresentatività riferita a ciascun modello, basata su mediana e IQR della differenza tra stime e osservazioni di ogni singola stazione. Calibrazione, intesa come correzione dell'errore sistematico, delle stime da modello, anche specifica sulle particolari stagione e ora (previsione automatica di temperature, studi specifici tipo HUMIDEX, FWI...)

50 CONCLUSIONI 2 Stazioni di PIANURA: nella maggior parte dei casi, le stime da modello appaiono direttamente confrontabili con i valori osservati, con piccoli errori sistematici (mediana) e bassa variabilità (IQR) della differenza. C'è, comunque una certa differenza tra inverno ed estate e soprattutto tra giorno e notte. Stazioni di MONTAGNA e di VALLE: sono presenti sia grandi errori sistematici, sia grandi variabilità nella differenza tra stime e osservazioni. Classificazione delle stazioni per rappresentatività riferita a ciascun modello, basata su mediana e IQR della differenza tra stime e osservazioni di ogni singola stazione. Calibrazione, intesa come correzione dell'errore sistematico, delle stime da modello, anche specifica sulle particolari stagione e ora (previsione automatica di temperature, studi specifici tipo HUMIDEX, FWI...) Le analisi di ECMWF0125 sono in maggiore accordo con le osservazioni rispetto a COSMO-I7. Questo è dovuto anche a una migliore stima della quota delle stazioni, nonostante la (apparente?) peggiore risoluzione (eccezione per stazioni di VALLE, valori estivi diurni).

51 CONCLUSIONI 2 Stazioni di PIANURA: nella maggior parte dei casi, le stime da modello appaiono direttamente confrontabili con i valori osservati, con piccoli errori sistematici (mediana) e bassa variabilità (IQR) della differenza. C'è, comunque una certa differenza tra inverno ed estate e soprattutto tra giorno e notte. Stazioni di MONTAGNA e di VALLE: sono presenti sia grandi errori sistematici, sia grandi variabilità nella differenza tra stime e osservazioni. Classificazione delle stazioni per rappresentatività riferita a ciascun modello, basata su mediana e IQR della differenza tra stime e osservazioni di ogni singola stazione. Calibrazione, intesa come correzione dell'errore sistematico, delle stime da modello, anche specifica sulle particolari stagione e ora (previsione automatica di temperature, studi specifici tipo HUMIDEX, FWI...) Le analisi di ECMWF0125 sono in maggiore accordo con le osservazioni rispetto a COSMO-I7. Questo è dovuto anche a una migliore stima della quota delle stazioni, nonostante la (apparente?) peggiore risoluzione (eccezione per stazioni di VALLE, valori estivi diurni). Alcune aree di allerta (A, B) risultano solo parzialmente coperte da osservazioni di temperatura rappresentative: problema di rappresentatività nelle valli alpine, in particolare la Valtellina.

52 SVILUPPI COSMO-I2 (risoluzione 2.8 km) / MOLOCH (risoluzione 2.2 km) Studio per la temperatura a 2m con i campi di forecast (influenza dell'errore di previsione sulla capacità delle stime da modello di riprodurre la variabilità delle osservazioni) Studio di soluzioni praticabili per una stima automatica del bias per stagione-ora, da applicarsi anche a temperature previste confronto (?) con filtro di Kalman...

53 SVILUPPI COSMO-I2 (risoluzione 2.8 km) / MOLOCH (risoluzione 2.2 km) Studio per la temperatura a 2m con i campi di forecast (influenza dell'errore di previsione sulla capacità delle stime da modello di riprodurre la variabilità delle osservazioni) Studio di soluzioni praticabili per una stima automatica del bias per stagione-ora, da applicarsi anche a temperature previste confronto (?) con filtro di Kalman... IDEE? discussione (?) Metodi di stima più complessi (OI locale?) o con parametrizzazioni (PBL) più sofisticate, con l'uso di altri parametri topografici (usi del suolo), eventualmente usando anche campi di modello in atmosfera libera? (?) altre variabili: vento a 10m (capacità delle stime da modello di riprodurre la variabilità delle osservazioni di vento) (quali? Medie orarie? Medie su 10 minuti? Solo il modulo?). Forecast? È pensabile una calibrazione in postprocessing? (?) altre variabili:...precipitazione... (?) (?) (?)