Meteo, una singola previsione non basta: perché abbiamo bisogno di ensemble per prevedere il tempo

I modelli numerici sono una parte essenziale per prevedere il tempo e il clima. Senza di essi è impossibile immaginare i progressi nelle previsioni a breve, medio e lungo termine, e ancor meno le proiezioni climatiche per la fine del secolo.

Tuttavia, le informazioni provenienti dai modelli numerici presentano diverse fonti di incertezza. Conoscere e ridurre tali incertezze è compito fondamentale quando si vogliono realizzare previsioni meteorologiche affidabili.

In questo contesto, una pratica molto efficace è non basare le previsioni su un’unica uscita di un modello, ma analizzare insieme più simulazioni e confrontare le informazioni tra diversi modelli per ottenere scenari più solidi e affidabili.

Un problema di condizioni iniziali

La previsione numerica del tempo dipende fortemente dalle condizioni iniziali: ciò che si osserva oggi influisce su ciò che accadrà più avanti. Con il passare del tempo, questa influenza diminuisce, ma non scompare mai del tutto, segnando sempre l’evoluzione futura dell’atmosfera.

L’evoluzione da quella condizione iniziale fino a un momento futuro dipende da molti fattori, tra cui l’aleatorietà di un sistema caotico come l’atmosfera. Più osservazioni precise e di qualità abbiamo di queste condizioni iniziali, meglio potremo prevedere il futuro.

Ma misurare in ogni luogo del mondo tutte le variabili necessarie affinché i modelli di previsione funzionino bene non è un compito semplice. Sono necessarie stazioni di superficie, imbarcazioni, palloni radiosonda, satelliti, boe, ecc. Il che rende inevitabilmente questo processo molto suscettibile a errori o guasti. Ma non vogliamo che le previsioni siano influenzate da tali possibili errori.

Per questo si introducono i membri degli ensemble, in italiano noti anche come "spaghetti", simulazioni "sorelle" dello stesso modello che differiscono tra loro nelle condizioni iniziali. In ogni membro si introduce una piccola perturbazione casuale e si avvia il modello. Questa procedura viene ripetuta decine di volte.

Grazie ai membri dell’ensemble, essendo molteplici, è possibile fare statistica e conoscere aspetti come la dispersione del modello, la probabilità di osservare un certo valore estremo e, soprattutto, avere una stima di ciò che il modello considera “variabilità”. Quel range “naturale” che funge da margine fisico per le diverse variabili.

Facciamo ora un esempio. Supponiamo che in questo momento, in media, abbiamo una temperatura di 15 °C e che per domani la previsione del modello indichi una temperatura di 32 °C. È un cambiamento piuttosto grande. Se cambiare quei 15 °C con valori simili e vicini, come 13, 14, 16 o 17 °C, produce previsioni di 30, 31 o 33 °C, significa che quel grande cambiamento si verifica indipendentemente dalle variazioni nelle condizioni iniziali. È un cambiamento reale, dovuto a ragioni fisiche e non a qualcosa di casuale o legato solo al valore iniziale. Ora possiamo avere maggiore sicurezza nella previsione.

Il problema degli estremi

Prevedere gli eventi estremi è sempre un problema. La stessa definizione di estremo è complicata: si tratta di qualcosa di insolito. Questo rende difficile avere una climatologia solida degli eventi estremi. Per i modelli previsionali è sempre complicato catturare gli estremi, poiché spesso dipendono da parametri o scale che non sono rappresentati correttamente nei modelli. Se inoltre utilizziamo solo un’uscita o la media delle uscite di un modello, il problema peggiora.

Consideriamo un esempio. La figura seguente mostra la previsione delle precipitazioni per una località qualsiasi, estratta dal modello ECMWF. Si vede che i vari membri dell’ensemble concordano sul fatto che pioverà, ma differiscono molto sulla quantità. Alcuni membri indicano piogge scarse, altri invece mostrano precipitazioni molto più abbondanti.

Se usassimo la media per riassumere l’informazione, diremmo che pioveranno 29 mm. Notate che se avessimo usato la corsa principale del modello (Main run), quella che non incorpora alcuna perturbazione iniziale, avremmo previsto solo 15

A questo punto la domanda è: qual è la probabilità di avere un evento intenso in questo caso? Alcuni membri dell’ensemble dicono che potrebbero cadere più di 70 mm: si tratta di un valore significativamente più alto rispetto ai 29 mm della media. Dunque, l'eventualità di un evento forte non è da escludere: è poco probabile, ma non nulla.

Considerando che gli eventi intensi o estremi hanno, per definizione, frequenze molto basse, una probabilità del 5% deve essere valutata con cautela. Se non avessimo utilizzato i membri dell’ensemble, una previsione di 80mm sembrerebbe qualcosa “fuori scala” o “impossibile”, mentre in realtà non lo è.

Per queste e altre ragioni, è sempre necessario osservare i risultati dei diversi membri di un modello, per avere un quadro completo delle possibilità all'interno della previsione che si vuole realizzare.