In merito agli eventi stratosferici poi occorrerebbe operare una...."sezione" a parte in quanto connotati quali estremi e pertanto abbastanza al di fuori degli schemi anche se ovviamente influenzati dalle forzanti teleconnettive.
La propagazione Dw (downward) di un ESE tende, qualora di tipo cold/warm a produrre un intenso raffreddamento/riscaldamento della fascia polare con conseguente iniziale innalzamento/abbassamento della corrente a getto che tende a intensificare/rilassare il jet stream polare a ragione proprio dal rinforzo/ dalla diminuzione di gradiente termico rispetto le fasce sottostanti.
La tendenza ad avere una consistenza risalita/discesa degli indicatori AO/NAO rispondono a quanto sopra evidenziato.
Data la forte correlazione tra gli indici AO e NAO, la corrente a getto in condizioni di AO positiva/negativa tende sovente ad evidenziare una corrente a getto molto tesa/debole alle alte latitudini nell'oceano atlantico e correlativamente all'opposto alle latitudini medie o addirittura subtropicali.
In caso di Ese warm ovvero di Mmw di tipo split il passaggio tra un getto alto e uno che scorre alle basse latitudini è sovente preceduto da eventi di blocking in grado di generare una divergenza del getto in sede atlantica con progressivo travaso di vorticità verso le medie latitudini.
Gli eventi MMw displacement risultano sovente molto blandi quanto ad effetto in troposfera in quanto la risonanza degli stessi o viene bloccata all'altezza della tropopausa o, diversamente, risultano poco incisivi al di sotto dei 60°N a causa del limitato trasferimento di momento easterlies.
Matteo
Non ne so nulla, mi spiace. Però mi sembra strano.
Se posso dire, la tendenza ormai è un'altra, o quanto meno noi seguiamo una strada diversa. Invece che sbatterci a fare un modello migliore (investimenti enormi per migliorie trascurabili), puntiamo sul post processing. Probabilmente dentro ecmwf hanno fatto qualcosa del genere, ossia la corsa del modello deterministico ad alta risoluzione resta quella, "pura", poi l'output dato ai clienti può essere una "media intelligente" di più run, in modo da non sbarellare troppo.
I Clienti odiano quasi quasi di più uno stravolgimento o continui stravolgimenti piuttosto che una previsione sbagliata (entro certi limiti).
Con questo non voglio far passare l'idea che non sia giusto investire per migliorare i modelli, ma è un discorso lungo e complicato, totalmente offtopic.
Se non ricordo male fu Fabio Campanella a parlarne.
Potrei dire anche una sciocchezza ma forse riguardava l'inizializzazione di una corsa sulla base della previsione della precedente.
Riguardo la nuova tendenza potrebbe essere una spiegazione alla convinzione di un ecmwf più stabile.
Il problema è che noi guardiamo sempre la corsa ad alta risoluzione. Perchè quella che vediamo è la corsa ad alta risoluzione, o no?
E allora te ne faccio un'altra
C'è una cosa che ogni tanto chiedo ma non ho mai avuto praticamente risposta, magari me la dai tu.
Come vengono inizializzati i singoli membri delle ens? Su quali parametri si agisce? O è il modello che viene "perturbato" nella sua elaborazione? Mai capita questa cosa.
Da quel poco che ne so, i membri dell'ens sono esattamente lo stesso modello usato per il determinismo, ma con una risoluzione orizzontale minore e meno layer verticali, questo per il semplice motivo che dovendo far girare più modelli, molti di più, la potenza di calcolo non sarebbe sufficiente per avere i risultai in tempi "decorosi" o utili che dir si voglia.
Dopo di che quello che cambia tra un membro e l'altro è l'inizializzazione. In buona sostanza l'idea è questa: dal momento che lo stato iniziale è esso stesso soggetto ad errori, anche grossolani, vediamo che succede se perturbo un pò questo stato iniziale, entro i range tipici dell'incertezza legata alla "misura" dell'istante zero.
Come faccio concretamente questa perturbazione? (enne perturbazioni tante quante sono i membri dell'ens). C'è tutta una notevole matematica dietro, ma il concetto è che devo andare a cercare i modi più instabili e lì applicare dei vettori di regressione per andare a vedere dove va a parare la mia inizializzazione.
Provo a semplificare: se enne bambini a passo cadenzato marciano su un ponte, questo ponte può incredibilmente cadere. Come diavolo è possibile? Semplice, la struttura del ponte risponde con enne "modi di vibrare" in base alle sollecitazioni. Senza un ingegnere degno di questo nome che calcola i modi di vibrare, certe soluzioni divergono all'infinito, alias il ponte crolla. Devo mettere uno smorzatore elastico che intercetti i modi di vibrare le cui soluzioni divergono all'infinito.
Allo stesso modo l'atmosfera "vibra" e certe soluzioni divergono in base al modo di vibrare. E' li che intervengo modificando lo stato iniziale. Come farlo matematicamente non lo so ed è materia per modellisti con i contro....
Sempre l'idea di base è che il sistema ens deve essere "buono", cioè la "verità" deve essere contenuta nel range di variabilità di tutti i membri, e non fuori (nella realtà spesso non è così). Quindi se vado a modificare dove il sistema è più instabile, allora ha più chance che cambiando poco poco all'inizio, poi la soluzione diverga talmente tanto che la "verità" ci caschi dentro.
Spero di essere stato chiaro
Sempre detto tra di noi, un sistema multimodel che in realtà è sempre e solo lo stesso modello con condizioni iniziali diverse, serve a poco. Nella prassi, quante volte avete visto che a fronte di cambi di scenario netti, tutti i membri dell'ens se ne vanno in una sola direzione?
Molto più sensato è avere un sistema multmodel con enne modelli diversi, nella speranza che enne centri di calcolo diversi abbiano ognuno "un punto forte" e che quindi un sistema multimodel accoppiato con intelligenza artificiale, sappia riconoscere in quali circostanze scgliere un modello, in quali l'altro etc...
Noi facciamo così
Reti neurali cosi complesse sono reti multiple vi è una rete che riceca gli iperparametri ottimali per la rete( funzione di attivazione, num di layer ,tipo di layer tipo di rete che connessione tra i livelli etcc.)
Avevo postato tempo fà dei papers con il metodo usato per generare i membri dell'ens ed è un metodo matematico-ML(bisogna partire dal presupposto che quello che noi pensiamo sia una soluzione è gia stata pensata valutata ed implementata migliaia di volte dalle migliai di ricercatori che lavorano nei centri di calcolo).
Ogni modello poi addestra le reti neurali con set che implementano loro(anche se è possibile generare reti neurali per creare set di addestramento)
Se ritrovo i papers li riposto
Uno è questo https://www.ecmwf.int/file/260735/do...token=2wEdibUc da quì si ritrovano tutti gli altri se siete interessati.
Segnalibri