Che io sappia le verifications sono tutte fatte sui GPT a 500 hPa, solitamente a livello emisferico oltre i 20°N (nella zona tropicale questo parametro perde rilevanza). I canadesi le calcolano anche per il Nord America, ma non sono a conoscenza di analisi specifiche per l'Europa.
In generale però non dovrebbe esserci una grossa differenza geografica, nel lungo termine l'atmosfera è unica e gli errori si propagano rapidamente.
Anche la differenza del 3% secondo me è più significativa di quanto credi, alla fine a 120h le zone con spread significativo sono poche e saranno quelle zone a fare la differenza nelle correlazioni (prendo una mappa di dicembre a caso perché adesso ci sono spread insolitamente alti)
La differenza tra GM nel medio termine quindi sarà concentrata nelle zone con dinamiche più difficili, nelle altre zone tutti i modelli vedranno valori simili. E se in media la differenza è 3% in quelle zone più pesanti probabilmente è molto di piu.
Questo non garantisce che ECMWF veda sempre meglio di GFS, specie a livello locale, ma statisticamente sul lungo termine sarà così.
Inviato dal mio SM-G930F utilizzando Tapatalk
Inoltre non è vero che sono fatte solo su geopotenziali a 500hPa
NCEP EMC Global Model Verification
Errore mio, volevo dire che viene sempre mostrato questo e per le nostre latitudini è il parametro più importante, nelle zone tropicali se ne usano altri. Teoricamente si possono calcolare correlazioni per qualunque variabile.
Lo spread mostra l'incertezza della previsione e quindi è correlato con l'errore di previsione.
Lo ho mostrato soltanto per far vedere che su gran parte dell'emisfero l'incertezza nel medio termine generalmente è bassa (da ciò le correlazioni totali molto elevate) e quindi anche i margini di differenza tra i modelli sono minimi, tutti avranno valori prossimi a 1.
Ma nelle zone in cui la previsione è più difficile ci sarà una correlazione molto minore e maggiori differenze anche tra modelli, sono quelle le situazioni in cui può emergere maggiormente la differenza tra le capacità previsionali di due modelli.
Ribaltando la prospettiva potrei dire che uno perde il 7% di correlazione è uno il 10%, entrambi fanno molto bene ma la differenza è netta, specialmente considerato quanto è costante nel tempo questo divario.
Inviato dal mio SM-G930F utilizzando Tapatalk
Ultima modifica di snowaholic; 28/01/2019 alle 22:18
Residenza: Altavilla Vicentina (VI)
Lavoro: Brendola - casello di Montecchio Maggiore (VI)
http://meteoaltavillavicentina.altervista.org/
Semplificando al massimo concetto delle anomaly correlations è proprio quello, per ogni punto della griglia valuto quanto il modello è distante dal risultato reale e faccio una media di tutti i punti.
Un indice di pari a 1 indicherebbe una previsione perfetta per ogni punto della griglia. Zero indica nessun potere predittivo, quindi anomalie sostanzialmente casuali.
Ma in ogni momento avremo punti con migliore o peggiore correlazione, che cambieranno di giorno in giorno sulla base della difficoltà che trova il modello a prevedere quello specifico punto. Questo è anche il motivo per cui generalmente si guarda il dato emisferico, quelli regionali sarebbero molto più volatili e andrebbero considerati solo su periodi abbastanza lunghi.
Grazie mille, gentilissimo.
Ultimi chiarimenti.
Correlazione a 500 hPa: se ad esempio si prevedono in quel punto 1002.3 hPa e vengono misurati proprio 1002.3 hPa, mi aspetto un indice di correlazione pari ad 1.
Per avere tale indice ad esempio a 0.93, vuol dire che la pressione sarà sbagliata del 7%, o sto dicendo una cavolata?
Residenza: Altavilla Vicentina (VI)
Lavoro: Brendola - casello di Montecchio Maggiore (VI)
http://meteoaltavillavicentina.altervista.org/
No, no, 7% del totale sarebbe una cosa mostruosa, equivarrebbe a circa 70 hPa di errore medio sui valori di pressione.
Le correlazioni valutano quanta della variabilità atmosferica in quel momento è spiegata dal modello in proporzione alla variabilità totale, quindi la percentuale riguarda le anomalie e non i valori assoluti.
In verità le formule sono piuttosto complesse, quindi non si può tradurre direttamente dal singolo punto alla correlazione totale, però il concetto più o meno è quello.
verifica del nuovo gfs, per AC è un poco meglio nel breve dove la differenza è significativa al 95% mentre è simile dalle 144h , migliore per rmse fino alle 144h(95%):
cor_day6_HGT_P500_G2NHX.png
rmsdieoff_HGT_P500_G2NHX.png
le temperature a 850hpa hanno un bias negativo nel semestre freddo più consistente nel periodo ottobre 2018-aprile2019 mentre da maggio è molto vicino alle osservazioni, il vecchio gfs ha un bias positivo nel periodo maggio-settembre.
bias_fhr144_P850T_gnh.png
bias_fhr144_P850T_gnh.png
rmse migliore anche nel periodo con il bias negativo:
rms_fhr144_P850T_gnh.png
Segnalibri