Validazione di un modello previsionale di temperatura e precipitazione

VALIDATION OF A MODEL FOR TEMPERATURE AND PRECIPITATION FORECAST VALIDAZIONE DI UN MODELLO PREVISIONALE DI TEMPERATURA E PRECIPITAZIONE Francesca Ventura1*, Roberto Solone1, Alberto Bertozzi2, Ivano Valmori3 Dipartimento di Scienze Agrarie, Università di Bologna, Viale Fanin 44, 40127, Bologna MeteoCenter, Parco delle Arti e delle Scienze “TORRICELLI”, Via Albert Einstein, 8 (edificio Modulo 3), 48018 Faenza RA 3 Direttore Responsabile Image Line, Via Gallo Marcucci, 24, 48018 Faenza RA * francesca.ventura@unibo.it 1 2

Abstract One of the main aspects of the development of a model is the verification its reliability. It allows to know the behaviour of the model in different weather situations and to assess its performances in terms of both average and extremes. The verification helps to figure out where to intervene to make improvements. The quantitative prediction of precipitation has a fundamental role in agriculture and therefore its verification becomes particularly relevant.

Aim of this study was to calculate daily precipitation and temperature data by the model, for two years and three agro-meteorological stations of the University of Bologna. The data were compared with measurements collected at the stations themselves. Statistical indexes useful for assessing the model performances, both annually and seasonally, showed good correspondence for the temperatures, quite good for precipitation.

Keywords: forecasting models, precipitation, temperature, statistical indexes.

Parole chiave: modelli previsionali, precipitazione, temperatura, indici statistici.

Introduzione Il lavoro qui presentato parte dal servizio offerto dalla ditta Image Line di previsioni meteorologiche personalizzate in tutta Italia, in collaborazione con MeteoCenter, azienda specializzata nella fornitura di previsioni meteo. Il sistema di raccolta ed elaborazione dati che sta alla base del servizio MeteoGest integra informazioni provenienti da modelli globali, modelli di previsione, modelli di previsione nazionale, che rendono disponibili informazioni con una risoluzione di 11 x 11 km; per alimentare i modelli vengono utilizzati i dati dalle reti nazionali e regionali per le osservazioni meteorologiche. Tutte queste informazioni vengono elaborate da MeteoCenter e rese disponibili per gli utenti della Community di Image Line Network due volte al giorno, con previsioni a 7 giorni su una maglia di 12,5 x 12,5 km. Questo servizio ha carattere strettamente applicativo, ad esempio i dati vengono utilizzati in seconda battuta per modelli fitopatologici o per l’assistenza agli agricoltori. La loro validità è dunque importante, ed è molto utile confrontarli con dati “veri” anche per l’implementazione della modellistica meteorologica a piccola scala.

dei 570 mm/y) l’altro sopra la media (dell’ordine di 940 mm/y, confrontati con i 700 mm/y della media). I dati previsti sono stati trasformati da orari in giornalieri, considerando come “giorno” l’intervallo temporale dalle 8 del mattino alle 8 del mattino successivo, per poter confrontare i dati previsti con quelli osservati da stazioni meccaniche.

Sono state calcolate le T medie annue e i totali annui, mensili e stagionali per P. Successivamente sono stati calcolati indici statistici specifici per valutare i modelli (Wilks, 2005): • RMSE, Scarto Quadratico Medio o Deviazione Standard; • MAE, Errore Assoluto Medio; • EF, Efficienza della Modellazione (valore ottimale: 1.0); • CRM, Coefficiente di Massa Residua (valore ottimale: 0.0); • Retta di regressione, con i parametri coefficiente angolare (b1), intercetta (b0) ed R2; Gli ultimi 3 indici danno una valutazione sulla capacità previsionale del modello. Essi sono stati calcolati solo su base annua per le temperature; annua, stagionale e mensile per le precipitazioni, data la maggiore complicazione nel prevedere quest’ultima grandezza meteorologica.

Risultati e Discussione Temperature I risultati relativi al confronto tra temperature misurate e previste nelle tre stazioni e nei due anni considerati sono molto simili tra di loro. A titolo di esempio si riporta in Fig. 1 il confronto tra T simulata e misurata nella stazione di Ozzano Valle nell’anno 2011. In tutti i casi la deviazione standard è dell’ordine di ±1.6, ±1.7 °C (per il 2013, 1.7 – 2.0 °C), gli errori assoluti medi di ±1.3, ±1.4°C (1.4 – 1.5 °C per il 2013). I valori di EF calcolati sono molto vicini a quelli ottimali (1.0), mostrando che i valori previsti dal modello sono molto vicini a quelli reali. Infine anche gli altri indici di capacità previsionale del modello sono vicini ai valori ottimali, denotando che il mo-

Materiali e Metodi La validazione del modello è stata effettuata utilizzando dati previsti e osservati di temperatura dell’aria (T) e precipitazione (P) delle stazioni agrometeorologiche dell’Università di Bologna a Cadriano, Ozzano Monte e Ozzano Valle per gli anni 2011 e 2013. Le stazioni sono rappresentativa di due situazioni di pianura (Cadriano e Ozzano Valle) e una di collina (Ozzano Monte, 200 m s.l.m.). Per suddividere in modo corretto le stagioni si è fatto partire l’anno dal 1/12, e terminare il 30/11, in modo da avere le stagioni standard utilizzate dal WMO (WMO, 1992). I due anni considerati differiscono per le precipitazioni, essendo uno piuttosto siccitoso (dell’ordine 67

base annuale, mediamente di circa 40 mm/y nelle tre stazioni nell’anno più asciutto, e circa 100 mm/y nell’altro. Considerando i dati su base annua l’unica differenza considerevole è nel RMSE, che cresce da Cadriano (3.1 mm / 4.9 mm) a Ozzano pianura (4.7 mm / 5.3 mm) a Ozzano Collina (6.2 mm / 6.8 mm) rispettivamente per l’anno asciutto e per quello piovoso. La Fig. 2 mostra a titolo di esempio le precipitazioni cumulate per la stazione di Cadriano nei due anni 2011 e 2013, confrontando dati osservati e simulati. In entrambi i casi le differenze non sono eclatanti, raggiungendo gli 83mm nel 2011 e gli 86 mm nel 2013. Considerando l’entità della precipitazione annua si ha che la sovrastima nell’anno asciutto è del 15% circa, ed è dell’8% nel 2013. Andamenti opposti si hanno nelle altre due stazioni, nelle quali le stime sono molto prossime al vero nel 2011, e sono maggiori di circa il 12-13% nell’anno piovoso. Dal grafico si evincono le sovrastime in alcuni eventi particolari.

Dal punto di vista modellistico è più interessante considerare le precipitazioni su base mensile o stagionale, in quanto quelle estive hanno carattere convettivo, sono più circoscritte nel tempo e nello spazio e dunque più difficili da simulare, e la loro performance potrebbe influenzare negativamente il risultato annuale. In realtà nei due anni si sono verificate estati simili come quantità osservate, ed in entrambi i casi il modello sovrastima, dando però le performance peggiori tra tutte le stagioni (R2 dell’ordine di 0.1 – 0.2). Nelle altre stagioni il 2013 ha quantità doppie o triple di pioggia, e comportamenti diversi del modello rispetto all’osservato, come si vede in Fig. 2. Ad esempio in ottobre 2013, si nota un evento bel previsto ma sottostimato, mentre nel settembre 2011 si notano eventi non previsti.

Fig. 1 - Mean annual temperature observed (Tm oss) and modelled (Tm prev) for the Ozzano Valle station.

Fig. 1 - Temperature medie annue osservate (Tm oss) e simulate (Tm prev) per la stazione Ozzano Valle.

Fig. 2 - Cumulative rainfall for the Cadriano station in the two years 2011 and 2013 by comparing the observed (solid line) and simulated (dashed line) data.

Fig. 2 - Precipitazioni cumulate per la stazione di Cadriano nei due anni 2011 e 2013, confrontando dati osservati (linea continua) e simulati (linea tratteggiata).

Conclusioni Il presente lavoro analizza il confronto tra due anni di dati, con caratteristiche diverse, di temperature e precipitazioni giornaliere, simulate e osservate in tre stazioni agrometeorologiche prossime a Bologna. Il modello dà risultati molto buoni per quanto riguarda le temperature dell’aria, mentre per le precipitazioni tende alla sovrastima, in particolare nell’anno più asciutto in inverno/primavera. Il comportamento nelle tre stazioni, delle quali due sono di pianura e una di collina, è sostanzialmente omogeneo.

I risultati del modello verranno utilizzati dagli sviluppatori del modello stesso per migliorarne le performances nella stima delle precipitazioni.

dello stima con accuratezza le temperature. Il coefficiente di massa residua è sempre positivo, ovvero il modello tende a sottostimare i dati misurati. Questa tendenza è confermata dal valore dei coefficienti angolari delle rette di regressione, sempre inferiori ad 1.00 (R2= 0.96 per tutte e tre le stazioni per il 2013 e R2= 0.97 per tutte e tre le stazioni per il 2011). Inoltre, osservando i dati giornalieri a confronto, si nota che il modello tende a sottostimate in particolare i dati di temperatura nel periodo fine marzo – fine settembre, per tutte le stazioni.

References Wilks, D.S., 2005: Statistical Methods in the Atmospheric Sciences. 2nd Edition. Elsevier, 627 pp.

WMO, 1992. Standardized Verification System (Svs) For Long-Range Forecasts (Lrf). ATTACHMENT II.8.

Precipitazioni Anche in questo caso il modello, nel rapporto tra dati simulati e osservati, presenta caratteristiche simili per le tre stazioni. In particolare esso sovrastima quando considerato su

68