Confronto tra stime da campi di modello e osservazioni della rete regionale lombarda
|
|
- Natalia Cara
- 5 anni fa
- Visualizzazioni
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... (?) (?) (?)
Applicazioni dei modelli CTM: analisi di scenario
Applicazioni dei modelli CTM: analisi di scenario Sommario Cos è un analisi di scenario Esempio di applicazione: il progetto City-Delta Scelte tecniche (impostazione di un analisi di scenario) Validazione
DettagliSTUDI DI PREFATTIBILITA NEL CAMPO EOLICO: DESCRIZIONE DELLE ATTIVITÀ PREVISTE
STUDI DI PREFATTIBILITA NEL CAMPO EOLICO: DESCRIZIONE DELLE ATTIVITÀ PREVISTE Indice 1. Censimento preliminare e acquisizione dati/stime di vento 1.1 Censimento preliminare dati nel sito 1.2 Estensione
Dettagli4. Impatti degli scenari emissivi sulla qualità dell aria 4.1 Lo scenario BASE: valutazione della qualità dell aria biossido di azoto ozono PM10
4. Impatti degli scenari emissivi sulla qualità dell aria In questo capitolo sono analizzati gli impatti sulle concentrazioni di biossido di azoto, ozono e PM10, dei diversi scenari emissivi simulati.
DettagliGruppo. Ingegneria per l Ambiente ed il Territorio Att. integrativa di Protezione Idraulica del Territorio Anno Universitario 2014/2015
Ingegneria per l Ambiente ed il Territorio Att. integrativa di Protezione Idraulica del Territorio Anno Universitario 2014/2015 Gruppo Ø Cosa Stefano s211176 Ø Berruero Matteo s205876 Ø Cernigliaro Marco
Dettagli6. Conclusioni 6.1 Il metodo utilizzato 6.2 Efficacia delle misure locali
6. Conclusioni 6.1 Il metodo utilizzato In questo studio, il sistema modellistico NINFA (cap.1, pag.4 e segg.) è stato utilizzato per valutare la qualità dell aria in Emilia - Romagna e in tutta la pianura
DettagliALLEGATO J ATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA STUDIO DI IMPATTO AMBIENTALE
1 / 13 ST-001 ALLEGATO J ATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA 2 / 13 ST-001 CARATTERIZZAZIONE METEOCLIMATICA Condizioni meteoclimatiche Nel seguito vengono descritte le condizioni meteoclimatiche
DettagliATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA
1 / 20 ST-001 ALLEGATO I ATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA 2 / 20 ST-001 DESCRIZIONE DELLE CONDIZIONI METEOCLIMATICHE Gli impianti di trattamento e di compressione gas della Concessione Stoccaggio
DettagliLe potenzialità delle previsioni meteorologiche numeriche nella gestione delle risorse idriche
Misura 124HC PROGETTO PIRAM Le potenzialità delle previsioni meteorologiche numeriche nella gestione delle risorse idriche G.B. Chirico 1, E. Ortiz 2 & A. Pelosi 3 1 Università di Napoli Federico II; 2
DettagliIl Servizio Meteorologico Regionale. Orietta Cazzuli UO Meteoclimatologia ARPA Lombardia
Il Servizio Meteorologico Regionale Orietta Cazzuli UO Meteoclimatologia ARPA Lombardia SERVIZIO METEOROLOGICO REGIONALE ARPA Lombardia svolge attività di informazione ambientale che consistono, tra l
DettagliNAUSICA interim. ARPA FVG CRMA Centro Regionale di Modellistica Ambientale
NAUSICA interim ARPA FVG CRMA Centro Regionale di Modellistica Ambientale crma@arpa.fvg.it Anna Chiara Goglio Palmanova, Dicembre 2018 Indice o Introduzione Obiettivi NAUSICA Obiettivi o Database Campi
DettagliIL CAMBIAMENTO CLIMATICO SUL CUNEESE Osservazioni e scenari futuri. Paolo A. Bertolotto Arpa Piemonte Dipartimento Rischi Naturali e Ambientali
IL CAMBIAMENTO CLIMATICO SUL CUNEESE Osservazioni e scenari futuri Paolo A. Bertolotto Arpa Piemonte Dipartimento Rischi Naturali e Ambientali Global Warming e Hotspot Il trend lineare della temperatura
DettagliLa simulazione annuale con NINFA Uso dei prodotti
La simulazione annuale con NINFA Uso dei prodotti Michele Stortini ARPA-SIM Caratteristiche della simulazione Periodo: 2 aprile 2003-30 marzo 2004 Risoluzione orizzontale: 10*10 km Dominio: 640*410 km2
DettagliTorna alla presentazione. La modellazione numerica dei campi di vento
Torna alla presentazione La modellazione numerica dei campi di vento 1 Wind speed (m/s) Università degli Studi di Genova Dipartimento di Fisica La modellazione numerica dei campi di vento Prof. Corrado
DettagliCorso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica. a.a. 2015/2016
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Indici di posizione GLI INDICI DI POSIZIONE sono indici sintetici che evidenziano le caratteristiche essenziali
DettagliEvoluzione delle tecniche di osservazione e previsione meteorologica per il il sistema elettrico.
Torna al sommario Meteorologia e sistema elettrico Mercoledì,, 19 19 marzo 2003 Evoluzione delle tecniche di osservazione e previsione meteorologica per il il sistema elettrico. Paolo Bonelli 1982 2002
DettagliIl cambiamento climatico in Emilia-Romagna, evidenze e scenari previsti
Il cambiamento climatico in Emilia-Romagna, evidenze e scenari previsti Rodica Tomozeiu Servizio IdroMeteoClima - Arpae Emilia-Romagna Clima e il cambiamento climatico Clima: valore medio delle grandezze
DettagliLe previsioni meteorologiche in MAPVIC
Le previsioni meteorologiche in MAPVIC Dott. Elenio Avolio * * CRATI S.c.r.l. - Università della Calabria, 87036 Rende - (CS) crati@crati.it - e.avolio@crati.it WP1: Le previsioni meteorologiche Obbiettivo:
DettagliEsercitazioneII. In questa esercitazione faremi un ripasso generale: rappresentazioni grafiche, medie e varianze;
EsercitazioneII In questa esercitazione faremi un ripasso generale: rappresentazioni grafiche, medie e varianze; la correlazione; la regressione; introduzione alla probabilità. 1 Esercizio 1 Gli stipendi
DettagliLa Spezia, 24 Gennaio 2019
La Spezia, 24 Gennaio 2019 Profilo climatico Comune della Spezia Mauro Rossi Consiglio Nazionale delle Ricerche Istituto di Ricerca per la Protezione Idrogeologica PROFILO CLIMATICO Quali sono i contenuti
DettagliScenari di cambiamento climatico in ambiente urbano con un focus sulla città di Sassari
Sassari, 26 giugno 2018 Scenari di cambiamento climatico in ambiente urbano con un focus sulla città di Sassari Guido Rianna, Paola Mercogliano Fondazione CMCC Il cambiamento climatico è un fenomeno in
DettagliProiezioni regionali e sul Mediterraneo di temperatura e precipitazione
Proiezioni regionali e sul Mediterraneo di temperatura e precipitazione Informazioni e grafici tratte dal IV rapporto IPCC (Intergovernmental Panel on Climate Change): Climate Change 2007: The Physical
DettagliLe previsioni e quando fare scattare l allarme
Le previsioni e quando fare scattare l allarme Stefano Marchesi Stefano Zauli Sajani Struttura tematica di Epidemiologia ambientale ARPA Emilia Romagna Schema di flusso di una previsione Raccolta delle
DettagliAvvezioni termiche di masse d aria ricche di aerosol in una valle alpina: considerazioni teoriche ed evidenze sperimentali
Agenzia Regionale per la Protezione dell Ambiente della Valle d Aosta - Sezione Aria e Atmosfera Avvezioni termiche di masse d aria ricche di aerosol in una valle alpina: considerazioni teoriche ed evidenze
DettagliTEMPORALI DA LINEA DI CONVERGENZA OROGRAFICA. Dott. Francesco MONTANARO
TEMPORALI DA LINEA DI CONVERGENZA OROGRAFICA Dott. Francesco MONTANARO Linea di convergenza orografica Questo soggetto meteo si sviluppa a piccola o meso scala, cioè con dimensioni lineari comprese da
DettagliScenari di cambiamento climatico in ambiente urbano con un focus sulla città di Alghero
Alghero, 25 giugno 2018 Scenari di cambiamento climatico in ambiente urbano con un focus sulla città di Alghero Guido Rianna, Paola Mercogliano Fondazione CMCC-REMHI Il cambiamento climatico è un fenomeno
DettagliRapporto dell evento meteorologico del 24 giugno 2013
Rapporto dell evento meteorologico del 24 giugno 2013 A cura di Unità Radarmeteorologia, Radarpluviometria, Nowcasting e Reti non convenzionali Unità Sala Operativa Previsioni Meteorologiche Area Centro
DettagliIl sistema modellistico NINFA2015 per la qualità dell aria
Il sistema modellistico NINFA2015 per la qualità dell aria Michele Stortini CTR Qualità dell aria, Arpa Emilia-Romagna Ottobre 2015 Novità nella versione NINFA2015 NINFA (Network dell Italia del Nord per
DettagliScale di Misurazione Lezione 2
Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile
DettagliGli scenari climatici generati nell ambito di AGROSCENARI
SCENARI DI ADATTAMENTO DELL AGRICOLTURA ITALIANA AI CAMBIAMENTI CLIMATICI AGROSCENARI Acquisizione, calibrazione e downscaling di scenari climatici futuri a livello locale. Gli scenari climatici generati
DettagliStima della frazione evaporativa delle colture in Lombardia da dati meteo e satellitari MODIS nell ambito del progetto Space4Agri
18 a Conferenza Nazionale ASITA Stima della frazione evaporativa delle colture in Lombardia da dati meteo e satellitari MODIS nell ambito del progetto Space4Agri Francesco Nutini (*), Daniela Stroppiana
DettagliCartografia IGM in formato digitale
Cartografia IGM in formato digitale E formata da dati: - in formato vettoriale acquisiti da cartografia esistente mediante digitalizzazione; - in formato raster acquisiti da cartografia esistente mediante
DettagliREGIONE AUTÒNOMA DE SARDIGNA REGIONE AUTONOMA DELLA SARDEGNA. Dipartimento Meteoclimatico
REGIONE AUTÒNOMA DE SARDIGNA REGIONE AUTONOMA DELLA SARDEGNA AGENTZIA REGIONALE PRO S AMPARU DE S AMBIENTE DE SARDIGNA AGENZIA REGIONALE PER LA PROTEZIONE DELL AMBIENTE DELLA SARDEGNA ARPAS Dipartimento
DettagliLe precipitazioni intense in Lombardia
Le precipitazioni intense in Lombardia Progetto Interreg I-CH SRADA Milano, Comitato di Pilotaggio del 18 aprile 2013 Angela Sulis (1), Roberto Serra (2) - Arpa Lombardia-Servizio Idrografico Contributo
DettagliSTUDI DI AGGIORNAMENTO SULL INGEGNERIA OFF-SHORE E MARINA Nuove tecnologie, Nuove applicazioni, Nuove normative
STUDI DI AGGIORNAMENTO SULL INGEGNERIA OFF-SHORE E MARINA Nuove tecnologie, Nuove applicazioni, Nuove normative 28 e 29 novembre 2016 Università degli Studi di Salerno Ordine degli Ingegneri di Salerno
DettagliMeteorologia in Adriatico, modellistica e cambiamenti climatici
Meteorologia in Adriatico, modellistica e cambiamenti climatici Silvio Davolio CNR ISAC Il Sistema marino costiero Networking territoriale della conoscenza: un opportunità per la Regione Emilia Romagna
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliCarte e scale.
Carte e scale http://www.sapere.it/ Le carte geografiche possono essere classificate in base alla scala di riduzione o in base al loro contenuto. In termini generali si distinguono: carte a grande scala,
DettagliIl sistema modellistico NINFA per la qualità dell aria
Il sistema modellistico NINFA per la qualità dell aria Michele Stortini ARPA-SIM Il sistema NINFA Modello di qualità dell aria= modello di chimico e di trasporto + modello meteorologico + moduli di interfaccia
DettagliCAMPAGNA ANEMOMETRICA DEL PARCO EOLICO: MISURAZIONI PER ANALISI ENERGETICHE E FUNZIONALI
CAMPAGNA ANEMOMETRICA DEL PARCO EOLICO: MISURAZIONI PER ANALISI ENERGETICHE E FUNZIONALI Nel Campo Eolico Sperimentale di Trento sono presenti due torri anemometriche, di altezza pari a 18 m. Sulle torri
DettagliConfronto stime-misure
Confronto stime-misure L approccio modellistico adottato per la stima del campo di vento ha previsto, nella fase di configurazione del modello CALMET utilizzato per il downscaling, una verifica delle stime
DettagliParte VII 1 La componente geologica, idrogeologica e sismica
1 1 Inquadramento climatico 1.1 Il clima del territorio di Giussano Parte VII 1 La componente geologica, idrogeologica e sismica Il territorio del Comune di Giussano, ricade nel cosiddetto mesoclima padano,
DettagliSettembre Il Clima in Piemonte. Arpa Piemonte Sistemi Previsionali
Il Clima in Piemonte Settembre 2014 In Piemonte il mese di Settembre 2014 è stato caratterizzato da temperature superiori alla norma e precipitazioni inferiori alla climatologia del periodo 1971-2000.
Dettagli(Elaborazioni grafiche a cura di G. Bonafè - ARPA - SIMC)
Elaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto 21 3 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA (Elaborazioni grafiche a cura di G. Bonafè - ARPA
DettagliUso di Big data in Epidemiologia ambientale ed occupazionale. Progetto BEEP ATTIVITÁ 3.1.
Uso di Big data in Epidemiologia ambientale ed occupazionale Progetto BEEP ATTIVITÁ 3.1. Protocollo operativo per la determinazione di mappe di concentrazione di inquinanti atmosferici e di parametri meteorologici
DettagliElaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto Figura Dislocazione delle stazioni meteorologiche
Elaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto 1 3 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA 3.1 - Gli indicatori meteorologici per lo studio della
DettagliIl profilo climatico locale per l'adattamento dell'agricoltura bolognese
Il profilo climatico locale per l'adattamento dell'agricoltura bolognese Rodica Tomozeiu, Lucio Botarelli ARPA-SIMC, Emilia-Romagna Bologna, 17/12/13 Il cambiamento in atto a livello globale Tendenze nella
DettagliDipartimento di Fisica Corso di Laurea Magistrale Interateneo in Fisica
UNIVERSITÀ DEGLI STUDI DI TRIESTE Dipartimento di Fisica Corso di Laurea Magistrale Interateneo in Fisica Tesi di Laurea Studio delle cause di precipitazioni di intensità eccezionale e di breve durata
DettagliCapitolo 3 Sintesi e descrizione dei dati quantitativi
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 3 Sintesi e descrizione dei dati quantitativi Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e tecnologie Alimentari" Unità
DettagliSimulazione della dispersione di inquinanti in atmosfera ad altissima risoluzione spaziale
Simulazione della dispersione di inquinanti in atmosfera ad altissima risoluzione spaziale Università degli studi di Trieste ARPA FVG gruppo CRMA 18 marzo 2019 1/20 INDICE Scale meteorologiche Modelli
DettagliGli aspetti meteoclimatici
Gli aspetti meteoclimatici Zauli Sajani S., Marchesi S. PATOLOGIE CRONICHE Bologna, 25 maggio 2017 Monitoraggi microclima e qualità dell aria indoor PATOLOGIE CRONICHE Sono stati collocati 96 punti di
Dettagli7 VALUTAZIONE DELLA DIFFUSIONE DEGLI INQUINANTI DI ORIGINE INDUSTRIALE NELLA ZONA DI CERASOLO AUSA IN PROVINCIA DI RIMINI
7 VALUTAZIONE DELLA DIFFUSIONE DEGLI INQUINANTI DI ORIGINE INDUSTRIALE NELLA ZONA DI CERASOLO AUSA IN PROVINCIA DI RIMINI 7.1 Introduzione I modelli sono uno strumento per la valutazione della qualità
DettagliRapporto interno. Data 14/4/2015. Numero 1. Versione [numero, data] 2.1, 14/4/2015. Autore Arturo Pucillo
Rapporto interno Verifica delle prestazioni dei modelli sulle aree geografiche relative al QPF del Settore Meteo del Centro Funzionale Decentrato di Protezione Civile del FVG Arturo Pucillo Data 14/4/2015
DettagliLA RETE DI MONITORAGGIO DELLA QUALITA DELL ARIA
LA RETE DI MONITORAGGIO DELLA QUALITA DELL ARIA CONFIGURAZIONE DELLA RETE Il sistema di controllo della qualità dell aria in Valle d Aosta è finalizzato al monitoraggio della qualità dell aria dell intero
DettagliSituazione meteorologica
Situazione meteorologica Ad integrazione della presentazione dei dati rilevati nella rete di monitoraggio della qualità dell aria, si riportano in maniera sintetica i dati relativi ai parametri meteorologici
DettagliReport campagne di misura CEM per il sito: via Ricci Signorini,4 balcone 3 piano - Comune: Massa Lombarda Periodo:
Report campagne di misura CEM per il sito: via Ricci Signorini,4 balcone 3 piano - Comune: Massa Lombarda Periodo: 2005-2007 1. PARAMETRI IDENTIFICATIVI DELLA CAMPAGNA DI MISURA - Luogo dei rilievi: abitazione
DettagliLa precipitazione. Misura della precipitazione
La precipitazione. Misura 2. Distribuzione nello spazio (afflusso) 3. Disponibilità di dati storici 4. Caratterizzazione del clima Misura della precipitazione 2 Misura della Precipitazione Strumenti Pluviometro
DettagliMODELLI DI VALUTAZIONE DELLA QUALITÀ DELL'ARIA IMPIANTO DISCARICA DI CUPINORO (BRACCIANO)
MODELLI DI VALUTAZIONE DELLA QUALITÀ DELL'ARIA IMPIANTO DISCARICA DI CUPINORO (BRACCIANO) 1. INQUADRAMENTO TERRITORIALE E METEOROLOGICO La discarica di Cupinoro è situata a 6 km a sud di Bracciano, comune
DettagliMisure di dispersione (o di variabilità)
08/04/014 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x 9 range31-74 x 9 range50-941
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliBiostatistica Laurea Magistrale in Biologia
Biostatistica Laurea Magistrale in Biologia Risultati dell esame del 1 Giugno 2016 Matricola 704922 715340 718052 7263 735674 741637 751823 751833 752143 752451 7537 7534 766091 766657 767606 781510 797434
DettagliElementi di meteorologia. Corso per docenti delle scuole primaria, secondaria di I e II grado
Elementi di meteorologia Corso per docenti delle scuole primaria, secondaria di I e II grado 1 BOLLETTINO METEO Il sole riscalda la terra 2 Come si crea il tempo meteorologico? 3 Il sole riscalda la terra
DettagliESPERIMENTI DI MREA07 - MREA08 NEL MARE LIGURE
ESPERIMENTI DI MREA07 - MREA08 NEL MARE LIGURE Nicoletta Fabbroni (1), Nadia Pinardi (1)(2), Paolo Oddo (2) (1) Laboratorio Sincem, Università di Bologna (2) INGV, Bologna Roma, 2 Dicembre 2008 Marine
DettagliCarte meteorologiche, fronti, instabilità
Carte meteorologiche, fronti, instabilità Le scale meteorologiche Le masse d aria Alte e basse pressioni Le carte meteorologiche I sistemi frontali Plampincieux, 28 maggio 2007 Le scale meteorologiche
DettagliDalla scala regionale alla microscala: accoppiamento di un modello fotochimico euleriano a un modello gaussiano di dispersione atmosferica
Dalla scala regionale alla microscala: accoppiamento di un modello fotochimico euleriano a un modello gaussiano di dispersione atmosferica P. Brotto 1, F. Cassola 1, M. Burlando 3, A. Mazzino 2, Paolo
DettagliLa previsione meteorologica di eventi di precipitazione alluvionali
Federal Department of Home Affairs FDHA Federal Office of Meteorology and Climatology MeteoSwiss La previsione meteorologica di eventi di precipitazione alluvionali Paolo Ambrosetti, Meteo Locarno 1978-2008:
DettagliOttobre Il Clima in Piemonte. Arpa Piemonte Sistemi Previsionali
Il Clima in Piemonte Ottobre 2013 In Piemonte il mese di Ottobre 2013 è risultato moderatamente caldo e secco, con anomalie simili a quelle dei mesi di Agosto e Settembre. Nella serie storica degli ultimi
DettagliValutazione dell impatto sull atmosfera ed ottimizzazione delle attività di controllo di inceneritori con l ausilio di modelli numerici
Valutazione dell impatto sull atmosfera ed ottimizzazione delle attività di controllo di inceneritori con l ausilio di modelli numerici WORKSHOP I controlli di Arpa agli impianti di incenerimento dei rifiuti
DettagliValutazione dell'incremento di mortalità in Italia nel 2015: l analisi dei dati del Sistema di Sorveglianza Mortalità Giornaliera (SiSMG) in 32 città
Valutazione dell'incremento di mortalità in Italia nel 2015: l analisi dei dati del Sistema di Sorveglianza Mortalità Giornaliera (SiSMG) in 32 città P. Michelozzi Dipartimento di Epidemiologia SSR, ASLRM1
DettagliMODELLI DI VALUTAZIONE DELLA QUALITÀ DELL'ARIA IMPIANTO DISCARICA LE FORNACI (VITERBO)
MODELLI DI VALUTAZIONE DELLA QUALITÀ DELL'ARIA IMPIANTO DISCARICA LE FORNACI (VITERBO) 1. INQUADRAMENTO TERRITORIALE E METEOROLOGICO La discarica Le Fornaci si trova nei pressi della città di Viterbo popolata
DettagliCORSO DI METEOROLOGIA GENERALE E AERONAUTICA 6 - Le Correnti a Getto
CORSO DI METEOROLOGIA GENERALE E AERONAUTICA 6 - DEFINIZIONE - ANALISI - GETTO POLARE GETTI A BASSA QUOTA - GETTO SUBTROPICALE GETTO TROPICALE DA EST C.A.T. - CLEAR AIR TURBULENCE Dr. Marco Tadini meteorologo
DettagliEVENTO TEMPORALESCO DEL 2 LUGLIO 2016
EVENTO TEMPORALESCO DEL 2 LUGLIO 2016 A cura del Dipartimento Sistemi Previsionali. Torino, 15 luglio 2016 IL SISTEMA DI GESTIONE QUALITA E CERTIFICATO ISO 9001:2008 DA SAI GLOBAL ITALIA ARPA Piemonte
DettagliEstate Il Clima in Piemonte. Arpa Piemonte. Sistemi Previsionali
Il Clima in Piemonte Estate 2013 L Estate 2013 è stata l ottava più calda degli ultimi 56 anni in Piemonte, superiore di circa 1 C rispetto alla norma 1971-2000. Tuttavia i record termometrici di temperatura
DettagliL ANOMALIA TERMICA DELLA PRIMA DECADE DI APRILE 2011
L ANOMALIA TERMICA DELLA PRIMA DECADE DI APRILE 2011 30 25 20 C 15 10 5 0 1813 1833 1853 1873 1893 1913 1933 1953 1973 1993 Temperature medie della prima decade di aprile registrate a Bologna dal 1813
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliCONTENUTO 4 GLI ELEMENTI METEOROLOGICI 17 LE MASSE D ARIA 37 I FRONTI 46 IL MEDITERRANEO 53 PREVISIONI METEO
CONTENUTO 4 GLI ELEMENTI METEOROLOGICI 6 La 11 La temperatura 14 Umidità 17 17 I sistemi barici 20 Il vento 25 Circolazione generale dell atmosfera 27 Stabilità e instabilità dell aria 30 Le nubi 34 Classificazione
DettagliNuovo impianto di produzione di Combustibile Solido Secondario sito in Cavaglià (BI)
ICA Società di ingegneria Chimica per l Ambiente S.r.l. Via Stezzano, 87-24126 Bergamo (Bg) c/o: Parco Scientifico Tecnologico Kilometro Rosso Tel (+39) 035 313523 - E-mail: info@studioica.it web: www.studioica.it
DettagliGLI ERRORI NELLE ANALISI CHIMICHE. University of Messina, Italy. Chimica Analitica 5
GLI ERRORI NELLE ANALISI CHIMICHE Valutazione dei dati analitici Ogni misura fisica è affetta da un certo grado di incertezza. Non esistono metodi semplici e generalmente applicabili per stimare con certezza
DettagliModelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
Dettagli1/4 Capitolo 4 Statistica - Metodologie per le scienze economiche e sociali 2/ed Copyright 2008 The McGraw-Hill Companies srl
1/4 Capitolo 4 La variabilità di una distribuzione Intervalli di variabilità Box-plot Indici basati sullo scostamento dalla media Confronti di variabilità Standardizzazione Statistica - Metodologie per
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliATTIVITA A2: Modelli per lo studio della variabilità climatica.
ATTIVITA A2: Modelli per lo studio della variabilità climatica. Carlo Cacciamani, ARPA-SIM Emilia Romagna Coordinatore Attività A2 In collaborazione con C. Ronchi, ARPA-Piemonte SEDEMED, Palermo, 22 Ottobre
DettagliValutazione dei modelli matematici
Valutazione dei modelli matematici Andrea Onofri 30 aprile 2013 Indice 1 Introduzione 2 2 Metodi grafici di valutazione 2 3 Metodi numerici 3 3.1 Il coefficiente di determinazione................... 5
DettagliPrecipitazioni estive quasi inesistenti per tutta la stagione: solo 3 giorni di pioggia per complessivi 18 mm di pioggia in 3 mesi
Andamento meteorologico dell estate a Bologna - dati aggiornati a agosto 2017 - Estate con temperature decisamente più alte rispetto al trentennio di riferimento 1961-90: temperature massime +4,2 gradi
Dettaglied in Lombardia: dalla misura puntuale alla valutazione dell esposizione
La valutazione della qualità dell aria a Brescia ed in Lombardia: dalla misura puntuale alla valutazione dell esposizione Guido Lanzani Responsabile UO Qualità dell Aria Settore Monitoraggi Ambientali
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliQuesti indicatori sono stati elaborati in relazione al territorio della Provincia di Ravenna.
3 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA (Elaborazioni grafiche a cura di G. Bonafè - ARPA - SIMC) 3.1 - Gli indicatori meteorologici per lo studio della qualità dell
Dettagli1 Stima parametri modali per modelli MDOF
1 Stima parametri modali per modelli MDOF 11 Effetto residui FRF misurata in un RANGE IN FREQUENZA ben definito in cui sono presenti M modi Se ricostruissimo (sintesi) la FRF con i modi sperimentali stimati
DettagliAndamento meteorologico dell estate a Bologna dati aggiornati ad agosto 2010
Andamento meteorologico dell estate a Bologna dati aggiornati ad agosto 2010 I dati meteo registrati ad agosto nella stazione di Bologna-Borgo Panigale e comunicati dal Servizio IdroMeteoClima dell'arpa
DettagliL'evento massimo probabile (PMS) Il problema è diverso per bacini piccoli e per bacini grandi.
L'evento massimo probabile (PMS) Il problema è diverso per bacini piccoli e per bacini grandi. Nel caso dei bacini piccoli basta assegnare la distribuzione della pioggia nel tempo. La distribuzione della
DettagliIndici di variabilità relativa
Fonti e strumenti statistici per la comunicazione Prof.ssa Isabella Mingo A.A. 2014-2015 Indici di variabilità relativa Consentono di effettuare confronti sulla variabilità di fenomeni che presentano unità
Dettagliutilizzano i dati relativi ad una sola stazione a terra e quelli che utilizzano due stazioni a terra più i profili verticali RASS e SODAR.
Capitolo 5 Applicazione di modelli diffusionali al caso di studio pag. 173 utilizzano i dati relativi ad una sola stazione a terra e quelli che utilizzano due stazioni a terra più i profili verticali RASS
DettagliIndice di Paterson. Luigi Mariani, Simone Gabriele Parisi. Università degli Studi di Milano DISAA - Dipartimento di Scienze Agrarie e Ambientali
Indice di Paterson Luigi Mariani, Simone Gabriele Parisi Università degli Studi di Milano DISAA - Dipartimento di Scienze Agrarie e Ambientali Il calcolo dell indice di Paterson o indice C.V.P. (Clima-Vegetazione-Produzione),
Dettagli3.2. Individuazione dell area di interesse ai fini della modellistica diffusionale
Capitolo 3 Caratterizzazione delle sorgenti pag. 53 3.2. Individuazione dell area di interesse ai fini della modellistica diffusionale 3.2.1. Metodologia di individuazione dell area Ai fini dell individuazione
DettagliAnticipazioni sui divieti di spandimento invernale Riflessioni agrometeorologiche. Lorenzo Craveri Arpa Lombardia - U.O.
Anticipazioni sui divieti di spandimento invernale Riflessioni agrometeorologiche Lorenzo Craveri Arpa Lombardia - U.O. Meteoclimatologia Definizioni Tempo (meteorologico): stato fisico dell'atmosfera
DettagliSTATISTICA DESCRITTIVA (variabili quantitative)
STATISTICA DESCRITTIVA (variabili quantitative) PRIMO ESEMPIO: Concentrazione di un elemento chimico in una roccia. File di lavoro di STATVIEW Cliccando sul tasto del pane control si ottiene il cosiddetto
Dettagli