In questo caso l'errore di GFS non è stato causato da una sovrastima del getto in Atlantico, che non faceva "sfuggire" quella LP a sud della Groenlandia?
Comunque ECMWF conferma il run mattutino e praticamente ci regala un'altra ondata fredda come quella di fine dicembre, ovvero freddo secco e vento.
Anche io non mi spiego le differenze così grandi fra i modelli. Provo a esprimere i miei dubbi in maniera um pò grossolana, sperando che mi possiate aiutare a comprenderne le ragioni.
Se ho ben capito tutti i modelli utlizzano le stesse equazioni (che sono quelle della termodinamica per tutti). Le equazioni sono differenziali e per riuscire a risolverle è necessario linearizzarle modellando l'atmosfera in tanti cubetti di cui devono conoscere le condizioni iniziali agli spigoli (temperatura, umidità, pressione,...) e nei punti in cui incontrano il terreno e i rilievi. Tanto più sono piccoli i cubetti, tanto maggiore deve essere la capacità di calcolo dei computer e tanto più numerosi devono essere i dati di input con le condizioni iniziali.
Se quanto detto sopra è vero, non è possibile che un modello fiuti l'anti-zonalità o sopravvaluti Coriolis: le equazioni sono le stesse per tutti e le differenze devono dipendere dalla risoluzione (quanto piccoli sono i cubetti) oppure dai dati iniziali che per i vari modelli forse non sono gli stessi. Forse sono proprio le condizioni iniziali non affidabili la causa del problema? I modelli non prendono i dati iniziali dalle stesse fonti?
Fra le 96 e le 120h in ECMWF c e una -7-8 sulle centrali Adriatiche, non é visibile perché il run scala di ogni 24 ore. Decisamente il migliore, vediamo che margini ci sono.
Inviato dal mio SM-G970F utilizzando Tapatalk
Esattamente, tieni conto che nessun dato, neppure quelli misurati direttamente, è immune da errori, per quanto infinitesimali possano essere e che tali errori vengono propagati nei calcoli e tendono ad amplificarsi. Se il modello è semplice, i dati di input sono pochi e la distanza temporale è ridotta vi sono metodi algebrici e statistici che consentono di stimare l'ampiezza di tali errori, operando una correzione, che però a sua volta non è immune da ulteriori errori, a loro volta soggetti a propagazione e amplificazione... per cui pensa cosa può succedere con modelli che prevedono una quantità enorme di dati in ingresso e una quantità enorme di equazioni differenziali. In realtà ha poco senso chiedersi perché i modelli sbagliano, bisognerebbe chiederlo ai modelli ma dubito che potrebbero risponderci...
Reading è da neve finita in montagna per un bel po', e periodo che già continua da un 10 giorni
Segnalibri