La modellazione a scala locale ha fatto sicuramente grandi passi negli ultimi 20 anni, le indicazioni che oggi possiamo ottenere attraverso le simulazioni a scala ridotta anche con risorse economiche limitate, sono di sicuro interesse e trovano svariati campi di applicazione. Come mostrato, l'indice di affidabilità di una previsione è decisamente elevato specie se consideriamo un lasso temporale inferiore alle 48 ore. Tutto questo però non deve darci l'erronea percezione di poter contare su certezze meteorologiche, sarebbe un grave errore.
Le prospettive future in ambito di modellazione dell'atmosfera stanno scommettendo di pari passo su due facce della medesima medaglia: affinare le potenzialità predittive sul medio e lungo termine fino a spingere il campo di indagine ad orizzonti stagionali ed incrementare la precisione della simulazione a breve e brevissimo termine tanto da poterla rendere disponibile come strumento di “quasi- nowcasting”.
A favore A sfavore
• Potenza di calcolo a costi più bassi
• Infittimento delle rilevazioni da terra
• Ausilio di dati dallo spazio • Possibilità di parametrizzare
in modo più efficiente
• Richieste sempre più onerose esigenti in termini di precisione ed estensione temporale
• Incremento di fenomeni ad alto contenuto energetico su piccola scala
Tabella 5.1 Prospettive future della modellazione ad area limitata, fattori a favore e sfavore.
Una grande spinta in tutto ciò seguita ad arrivare dai continui progressi in campo informatico e tecnologico: la capacità di calcolo ha un prezzo sempre più basso mentre la rilevazione dei dati atmosferici, come abbiamo visto necessari ad inizializzare i processi di simulazione, sta divenendo sempre più fine e di rapido accesso. I punti più deboli su cui intervenire a livello dei metodi di modellazione sono sicuramente le parametrizzazioni dei fenomeni non lineari, speice quelli a scala più piccola; oltretutto, proprio nell'ultimo decennio si è avuto un forte incremento di eventi meteorici “ad alta energia e piccola scala” quali ad esempio temporali particolarmente violenti, trombe d'aria, alluvioni lampo, tutti eventi di difficile previsione (se non quasi impossibile) ma di forte impatto sul territorio e le persone. La necessità di puntare alla risoluzione anche se parziale delle lacune che i modelli presentano in queste situazioni è sempre più auspicabile anche se di difficile attuazione.
E' stato molto interessante durante questa ultima stagione autunno-invernale verificare come l'istituto meteorologico americano e russo si siano fronteggiati prevedendo, a novembre, un inverno mite e piovoso il primo e freddo ed asciutto il secondo: che sia stata veritiera la previsione americana conta fino ad un certo punto, deve invece far riflettere come ancora, nonostante tutto ed a parità di risorse tecniche e di know-how, si riescano a trovare soluzioni così divergenti.
Il codice del solutore WRF di cui abbiamo trattato in questa esposizione è esso stesso oggetto di continui update grazie anche ai non trascurabili contributi degli utilizzatori; nell'ottica di un piccolo centro di calcolo, l'obbiettivo dei prossimi 3 anni sarà quello di potenziare ulteriormente la struttura hardware e la connettività così da ridurre i tempi di trasferimento dati e di calcolo al fine di compensare, almeno in parte, la maggior richiesta computazionale che, fisiologicamente, le migliorie introdotte a livello solutorio determineranno.
Un'altra considerazione dal respiro più ampio riguarda quanto oggi la nostra società sia condizionata dal tempo meteorologico: sicuramente non poco. Si affidano alle previsioni meteorologiche ruoli sempre più importanti spesso chiedendo fin troppo; questo deve far riflettere sulla necessità di potare avanti programmi di ricerca ed incentivare lo studio della materia anche sul territorio nazionale giacchè gran
parte dei risultati che oggi si sono raggiunti derivano da contributi esteri.
Saremo mai padroni del tempo? Sicuramente la previsione meteorologica conserva ampi margini di miglioramento raggiungibili anche in tempi piuttosto brevi ma la certezza matematica di poter conoscere in ogni suo dettaglio “le volontà” dell'atmosfera sarà ben difficile da ottenere: le variabili in gioco sono veramente molte, interconnesse ed in molti casi di difficile manipolazione. Mentre la Cina da tempo rende pubblici esperimenti sull'inseminazione delle nubi (ma qui si tratta di modificare il clima e non prevederne le mosse) ed il Giappone studia le previsioni per i vari quartieri di Tokyo, la verità è che la strada verso la previsione “quasi perfetta” è ancora molto lunga; del resto la sfida tra l'uomo ed il clima è sempre stata una delle battaglie più combattute e probabilmente tale rimarrà per molto tempo ancora.
Bibliografia
[Abbe 01] C. Abbe. “The Physical Basis of Long-Range Weather Forecasts”.Mon.Wea. Rev., Vol. 29, No. , pp. 551–561,1901.
[Ande 74] D. Anderson and B. Fattahi. “A comparison of numerical solutions of the advective equations”. J. Atmos. Sci., Vol. 31,pp. 1500–1506, 1974.
[Ande 95] J. D. Anderson, Jr. Computational Fluid Dynamics -The Basics with Applications. McGraw-Hill International
Edition, 1995.
[Arak 77] A. Arakawa and V. Lamb. “Computational design and the basic dynamical processes of the UCLA general circulation Model.”. Methods in Computational Physics, Vol. 17, p. 173,1977.
[Brad 08] S. Bradley. Atmospheric Acoustic Remote Sensing. CRC Press, Taylor and Francys Group, 2008.
[Char 47] J. D. Charney. “The dynamics of long waves in a baroclinicwesterly current”. J. Meteor., Vol. 4, pp. 135–162, 1947.
[Comi 08] G. Comini, G. Croce, and E. Nobile. Fondamenti di Termofluidodinamica Computazionale. SGEditoriali, Padova, 2008.
[Cour 67] R. Courant, K. Friedrichs, and H. Lewy. “On the Partial Difference Equations of Mathematical Physics”. IBM, Vol. 11, pp. 215–234, 1967.
[Dale 91] R. Daley. Atmospheric Data Analysis. Cambridge University Press., 1991. [Davi 83] H. C. Davies. “Limitations of some common lateral boundary schemes used in regional NWP models.”. Monthly Weather Review, No. 111, pp. 1002–1012, 1983.
[Dudh 05] J. Dudhia, D. Gill, K. Manning, W. Wang, and C. Bruyere. PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and User’s Guide: MM5 Modeling System Version 3. Mesoscale and Microscale Meteorology Division National Center for Atmospheric Research, January 2005.
[Durr 83] R. D. Durran and J. B. Klemp. “A compressible model for the simulation of moist mountain waves”. Monthly Weather Review, No. 111, pp. 2341–2361, 1983. [Farr] T. G. Farr, P. A. Rosen, E. Caro, R. Crippen, R. Duren, S. Hensley, M. Kobrick, M. Paller, E. Rodriguez, L. Roth, D. Seal, S. Shaffer, J. Shimada, J. Umland, M. Werner, M. Oskin, D. Burbank, and D. Alsdorf. “The Shuttle Radar Topography Mission”. Tech. Rep., Jet Propulsion Laboratory, Pasadena, California. [Gerr 73] J. P. Gerrity. “On Map Projections for Numerical Weather Prediction”. Tech. Rep. Office Note 87, U.S. Department of Commerce, NOAA, National Weather Service, National Meteorological Center, July 1973. Scaricabile da: http://www.ncep.noaa.gov/officenotes/NOAA-NPM-NCEPON 0001/013FD8E4.pdf.
[Holt 04] J. H. Holton. An Introduction To Dynamic Meteorology. Elsevier Academic Press, iv Ed., 2004.
[Hong 04] S. Y. Hong, J. Dudhia, and S. Chen. “A Revised Approach to Ice Microphysical Processes for the Bulk Parameterization of Clouds and Precipitation”. Monthly Weather Review, Vol. 132, No. 1, pp. 103–120, January 2004.
[Hong 06] S. Y. Hong and J. O. J. Lim. “The WRF Single-Moment 6-Class Microphysics Scheme (WSM6)”. J. Korean Meteor. Soc., No. 42, pp. 129–151, 2006. [Hund 95] W. Hundsdorfer, B. Koren, M. vanLoon, and J. G. Verwer. “A Positive [Jime 07] B. Jimenez, F. Durante, B. Lange, T. Kreutzer, and J. Tambke.
[Kaim 94] J. C. Kaimal and J. J. Finnigan. Atmospheric Boundary Layer Flows - Their Structure and Measurements. Oxford University Press, 1994.
[Kain 04] J. S. Kain. “The Kain-Fritsch convective parameterization: An update.”. J. Appl. Meteor., No. 43, pp. 170–181, 2004.
[Kasa 67] A. Kasahara andW. M.Washington. “NCAR global general circulation model of the atmosphere”. Mon. Wea. Rev.,
Vol. 95, pp. 389–402, 1967.
[Kasa 74] A. Kasahara. “Various Vertical Coordinate Systems Used for NWP”. Mon. Wea. Rev., Vol. 102, pp. 509–522, 1974.
[Keys 77] D. Keyser and R. A. Anthes. “The applicability of a mixedlayer model of the planetary boundary layer to real-data forecasting.”. Monthly Weather Review, Vol. 105, No. 11, pp. 1351–1371, November 1977.
[Klem 07] J. B. Klemp, W. C. Skamarock, and J. Dudhia. “Conservative Split- Explicit Time Integration Methods for the Compressible Nonhydrostatic Equations”. Monthly Wea- ther Review, Vol. 135, No. 8, pp. 2897–2913, 2007. http://journals.ametsoc.org/doi/abs/10.1175/MWR3440.1.
[Klem 78a] J. B. Klemp and D. K. Lilly. “Numerical Simulation of
Hydrostatic Mountain Waves”. Journal of the Atmospheric Sciences, Vol. 35, No. 1, pp. 78–107, 1978. Scaricabile da:http://journals.ametsoc.org/doi/abs/10.1175/1520 0469%281978%29035%3C0078%3ANSOHMW%3E2.0.CO%3B2.
[Klem 78b] J. B. Klemp and R. B. Wilhelmson. “The Simulation of
Three-Dimensional Convective Storm Dynamics”. Journal of the Atmospheric Sciences, Vol. 35, No. 6, pp. 1070–1096,
1978.http://journals.ametsoc.org/doi/abs/10.1175/15200469%281978%29035%3C10 70%3ATSOTDC%3E2.0.CO%3B2.
[Lapr 92] R. Laprise. “The Euler Equations of Motion with Hydrostatic
Pressure as an Independent Variable”. Monthly Weather Review, Vol. 120, No. 1, pp. 197–207,http://journals.ametsoc.org/doi/abs/10.1175/1520-
0493%281992%29120%3C0197%3ATEEOMW%3E2.0.CO%3B2.
[Lars 82] S. E. Larsen, J. Hojstrup, and C. H. Gibson. Fast-responsetemperature sensors. Plenum Press, New York, 1982. Air-Sea interaction: instruments and methods.
[Lync 08] P. Lynch. “The Origins of Computer Weather Predictionand Climate Modeling”. Journal of Computational Phisics,Vol. 227, No. , pp. 3431–3444, 2008. [Marc 67] Marchuk. Numerical methods in weather prediction.Academic Press, 1967.
U. S. P. US, O. F. Hansen,K. Enevoldsen, and L. G. Youssef. “Wind atlas for Egypt: measurements micro and mesoscale modelling.”.2006. European Wind Energy ConferenceEWEC2006http://www.ewec2006proceedings.info/allfiles2/104_Ewec20 06-fullpaper.pdf.
[Ooya 90] K. V. Ooyama. “A Thermodynamic Foundation for Modeling the Moist Atmosphere”. J. Atmos. Sci., Vol. 47,pp. 2580–2593, 1990.
[Phil 56] N. A. Phillips. “The General Circulation of the Atmosphere:A Numerical Experiment”. Quarterly J. Royal Meteorological Society, Vol. 82, pp. 64–123, 1956. [Rabu 03] B. Rabus, M. Eineder, A. Roth, and R. Bamler. “The shuttle radar topography mission–a newclass of digital elevation models acquired by spaceborne radar”. ISPRS Journal of
Photogrammetry and Remote Sensing, No. 57, pp. 241–262,2003. [Rich 04] L. F. Richardson. Weather Prediction by Numerical Process. Cambridge Mathematical Library, ii Ed., 2004.
[Rodr 05] E. Rodriguez, C. Morris, J. Belz, E. Chapin, J. Martin,W. Daffer, and S. Hensley. “An assessment of the SRTMtopographic products”. Tech. Rep., Jet Propulsion Laboratory,
Pasadena, California, 2005. Technical Report JPLD-31639.
[Skam 06] W. C. Skamarock. “Positive-Definite and Monotonic Limitersfor Unrestricted- Time-Step Transport Schemes”.Monthly Weather Review, Vol. 134, pp. 2241–2250, 2006.
[Skam 08a] W. C. Skamarock, J. B. Klemp, J. Dudhia, D. O. Gill, D. M.Barker, M. G. Duda, X. Huang, W. Wang, and J. G. Powers.A Description of the Advanced Research WRF Ver-sion 3. National Center for Atmospheric Research, Boulder,Colorado, USA, June 2008. NCAR Technical NoteNCAR/TN475+STR. [Skam 08b] W. C. Skamarock and M. L. Weisman. “The impact ofpositive-definite moisture transport on NWP precipitationforecasts”. Monthly Weather Review, Vol. 137, pp. 488–494,2008.
[Skam 09] B. Skamarock. “Time Integration Schemes”. May 2009.SNU Lecture. [Skam 92] W. C. Skamarock and J. B. Klemp. “The Stability of Time-
Split Numerical Methods for the Hydrostatic and the Nonhydrostatic
Elastic Equations”. Monthly Weather Review,Vol. 120, pp. 2109–2127, 1992.[Smit 07] R. K. Smith.Lectures on Dynamical Meteorology. December2007.
[Smol 92] P. K. Smolarkiewicz and J. A. Pudykiewicz. “A Classof Semi-Lagrangian Approximations for Fluids”. Jour-nal of the Atmospheric Sciences, Vol. 49, pp. 2082–2096,November 1992.
[Sozz 02] R. Sozzi, T. Georgiadis, and M. Valentini. Introduzione alla Turbolenza Atmosferica - Concetti Stime Misure. Pitagora Editrice Bologna, 2002.
[Stan 91] A. Staniforth and J. Cˆot´e. “Semi-Lagrangian integration schemes for atmospheric models”. Monthly Weather Review,Vol. 119, pp. 2206–2223, 1991. [Stau 90] D. R. Stauffer and N. Seaman. “Use of four-dimensional data assimilation in a limited-area mesoscale model. I – Experiments with synoptic-scale data”. Mon. Wea. Rev., Vol. 118, pp. 1250–1277, 1990.
[Stau 91] D. R. Stauffer, N. Seaman, and F. Binowski. “Use of fourdimensional data assimilation in a limited-area mesoscale model. II - Effects of data assimilation within the planetary boundary layer”. Mon. Wea. Rev., Vol. 119, pp. 734–754, 1991.
[Sten 09] D. J. Stensrud. Parameterization Schemes - Keys to Under-standing Numerical Weather Prediction Models. Cambridge University Press, i Ed., 2009.. [Vren 01] A. Vrenios. Linux Cluster Architecture. SAMS, 2001.
[Wang 10] W. Wang, C. Bruy`ere, M. Duda, J. Dudhia, D. Gill, H.-C. Lin, J. Michalakes, S. Rizvi, X. Zhang, J. D. Beezley, J. L.Coen, , and J. Mandel. ARW Modeling System Version
3.3. National Center for Atmospheric Research, Boulder, Colorado, USA, July 2010. [Warn 11] T. T. Warner. Numerical Weather and Climate Prediction. Cambridge University Press, iv Ed., 2011.
[Wick 02] Wicker, J. Louis, and W. C.Skamarock. “Time-Splitting Methods for Elastic Models Using Forward Time Schemes”.
Monthly Weather Review, Vol. 130, No. 8, pp. 2088–2097, 2002.http://journals.ametsoc.org/doi/abs/10.1175/1520-
0493%282002%29130%3C2088%3ATSMFEM%3E2.0.CO%3B2.
[Wick 98] Wicker, J. Louis, and W. C. Skamarock. “A Time-Splitting Scheme for the Elastic Equations Incorporating Second- Order Runge-Kutta Time Differencing”. Monthly Weather Review, Vol. 126, pp. 1992–1999, 1998.