160 likes | 286 Views
Validazione e Esplorazioni simulazioni 2005 Validazione dei campi meteorologici. Massimo D’Isidoro, Sandro Finardi, Giandomenico Pace, Celina Vitali Plenaria del Progetto MINNI, 24 marzo 2011. Sintesi delle attività di validazione effettuate sui campi meteorologici 2005.
E N D
Validazione e Esplorazioni simulazioni 2005Validazione dei campi meteorologici Massimo D’Isidoro, Sandro Finardi, Giandomenico Pace, Celina Vitali Plenaria del Progetto MINNI, 24 marzo 2011
Sintesi delle attività di validazione effettuate sui campi meteorologici 2005 • Confronto, per le principali variabili meteorologiche, con gli indicatori annuali e mensili prodotti da ISPRA nell’ambito del sistema SCIA. • Confrontosucinquesiti (uno per ciascunamacroregione) con datidaradiosondaggio. • Confrontostatisticosullamacroregione del Nord Italia, effettuatonell’ambito del progetto POMI (Po-Valley ModellingIntercomparison Exercise ). • Confronti con i dati meteorologici forniti dalle Regioni (attualmente Piemonte, Friuli Venezia Giulia, Lombardia, Emilia Romagna e Lazio). Confronti orari su ciascuna stazione.
Confronto con indicatori Annuali e Mensili Confronto, per le principali variabili meteorologiche, con gli indicatori annuali e mensili prodotti da ISPRA nell’ambito del sistema SCIA. Direzioneprevalente del ventosu base annuale: confrontotracampisimulati (blu, unafrecciaogni 6 puntigriglia) e osservazioni ISPRA-SCIA (rosso). Temperatura media annuale(°C): confronto tra campi simulati e osservazioni ISPRA-SCIA (simboli colorati) Velocita media annuale(m/s): confrontotracampisimulati e osservazioni ISPRA-SCIA (simbolicolorati)
Confronto con dati da Radiosondaggio Confrontosucinquesiti (uno per ciascunamacroregione) con datidaradiosondaggio. (Vitali et al. Poster presentation at the European Geosciences Union (EGU) General Assembly 2008. Vienna, 13 – 18 April 2008). Bias medidi T (sopra) ed RH (sotto) calcolati per RAMS (nero) e LAPS (rosso) sui 5 siticonsiderati. I Bias sonocalcolati per ognimese e a 4 diverse ore dellagiornata 00, 06, 12, 18.
Confronti nell’ambito del progetto Pomi Confrontostatisticosullamacroregione del Nord Italia, effettuatonell’ambito del progettoPOMI (Po-Valley ModellingIntercomparison Exercise , Thunis et al., 2009) Bias mediodellaTemperatura e Distribuzionedifrequenzadei Bias per differentitipologiedistazione.
Confronto con dati meteorologici forniti dalle Regioni/1 • Confronti con i dati meteorologici forniti dalle Regioni (attualmente Piemonte, Friuli Venezia Giulia, Lombardia, Emilia Romagna e Lazio). • Confronti orari su ciascuna stazione.
Confronto con dati meteorologici forniti dalle Regioni/2 • Cosa viene prodotto? • Per l’intero data set • cioè considerando insieme tutte le stazioni di uno studio [ad esempio regionale] • 1) calcolo di un set di indici statistici, calcolati : • sull’intero dat set dei dati validi (tutte le ore) • su sottoinsiemi dei dati riferiti alle quattro ore standard (00,06,12,18) • 2) scatterplots • 3) analisi dei residui (studio delle prestazioni del modello al variare di un parametro di interesse [analisi effettuate al variare di: mese, ora del giorno, quota della stazione usata per il confronto, distanza dalla più vicina stazione i cui dati sono stati acquisiti da LAPS]
Confronto con dati meteorologici forniti dalle Regioni/3 • Cosa viene prodotto? • Per ciascun sito di validazione • 1) calcolo di un set di indici statistici, calcolati : • sull’intero dat set dei dati validi per quella stazione (tutte le ore) • su sottoinsiemi dei dati riferiti alle quattro ore standard (00,06,12,18) • 2) scatterplots • 3) vari confronti tra valori osservato, simulato a 20 km, simulato a 4 km : • andamenti orari • andamenti delle medie, dei massimi e dei minimi giornalieri • andamenti dei valori medi a ciascuna ora ( ‘giorno tipo’) • 4) confronti più specifici tra vento misurato, simulato a 20 km, simulato a 4 km: • rose dei venti • conteggio delle calme di vento
Confronto con dati meteorologici forniti dalle Regioni/4 • Per quali variabili viene effettuato il confronto? • Temperatura • Umidità • Intensità del vento • (Direzione del vento) non tutte le analisi descritte….
: Observed values set : Predictedvalues set Confronto con dati meteorologici forniti dalle Regioni/5 Fractional Baias Set di indici statistici utilizzati Root Mean Square Error Normalized mean square error of the Normalized Ratios Mean square error of the Normalized Ratios Index of Agreement Correlation coefficient Coefficient of determination : Observed values set
Confronto con dati meteorologici forniti dalle Regioni/6 Regione Friuli Venezia Giulia Vitali et al. Poster presentation at the 13th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes. Paris, June 2010. Indici statistici calcolati per ogni stazione a quattro diverse ore della giornata (00,06,12,18) Indici statistici calcolati per RAMS (nero) e LAPS (rosso) per ogni stazione a quattro diverse ore della giornata (00,06,12,18)
Confronto con dati meteorologici forniti dalle Regioni/7 Regione Lombardia/1 Milano, ARPA LOMBARDIA , 12 novembre 2010 Dal 2009 i dati misurati dalla Rete vengono validati quotidianamente, attraverso un insieme di test automatici e non. I dati per gli anni 2003, 2005, 2007 ci sono stati forniti per 38 stazioni (dati controllati da Christian Lussana).
Confronto con dati meteorologici forniti dalle Regioni/8 Regione Lombardia/2 Temperatura
Confronto con dati meteorologici forniti dalle Regioni/9 Regione Lombardia/3 Velocità del vento
Confronto con dati meteorologici forniti dalle Regioni/10 Regione Lombardia/3 rosso: QA e meteo coincidenti azzurro: QA e meteo rappresentativi della stessa area verde: interessanti per QA
Risultati soddisfacenti nelle aree costiere, pianeggianti e collinari. Errori crescenti al crescere della complessità orografica (confronto con le stazioni localizzate nelle valli ed a quote elevate). Qualità dei risultati condizionata dalla densità e dalla rappresentatività delle stazioni SYNOP/METAR (risultati migliori in Friuli che in Piemonte). Incompatibilità di alcune postazioni di misura delle reti regionali con stazioni della rete SMAM che possono rendere problematici i confronti. Generale miglioramento dei campi meteorologici analizzati da LAPS rispetto ai campi di background generati da RAMS. Cosa abbiamo imparato…