V ALIDAZIONE E E SPLORAZIONI SIMULAZIONI 2005 Validazione dei campi meteorologici Massimo DIsidoro,...

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

• Confronto, per le principali variabili meteorologiche, con gli indicatori annuali e mensili prodotti da ISPRA nell’ambito del sistema SCIA.

5 1 0 1 5 2 0

3 6

4 0

4 4

4 8

B R I N D I S I

T R A P A N I

C A G L I A R I

M I L A N O _ L I N A T E

P R A T I C A _ D I _ M A R E• Confronto su cinque siti (uno per ciascuna macroregione)

con dati da radiosondaggio.

• Confronti con i dati meteorologici forniti dalle Regioni (attualmente Piemonte, Friuli Venezia Giulia, Lombardia, Emilia Romagna e Lazio). Confronti orari su ciascuna stazione.

• Confronto statistico sulla macroregione del Nord Italia, effettuato nell’ambito del progetto POMI (Po-Valley Modelling Intercomparison Exercise ).

SintesiSintesi delle attività di validazione effettuate sui campi meteorologici 2005

Temperatura media annuale(°C): confronto tra campi simulati e osservazioni ISPRA-SCIA (simboli colorati)

Direzione prevalente del vento su base annuale:

confronto tra campi simulati (blu, una freccia ogni 6 punti griglia) e osservazioni ISPRA-SCIA (rosso).

Confronto, per le principali variabili meteorologiche, con gli indicatori annuali e mensili prodotti da ISPRA nell’ambito del sistema SCIA.

Velocita media annuale (m/s): confronto tra campi simulati e

osservazioni ISPRA-SCIA (simboli colorati)

Confronto con indicatori ANNUALIANNUALI e MENSILIMENSILI

5 1 0 1 5 2 0

3 6

4 0

4 4

4 8

B R I N D I S I

T R A P A N I

C A G L I A R I

M I L A N O _ L I N A T E

P R A T I C A _ D I _ M A R E

1 2 3 4 5 6 7 8 9 10 11 12- 4- 2024

10

m

- 4- 2

024

10

5 m

- 4- 2

024

50

5 m

TM

od

el -

TR

adio

sou

nd

ing

1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 13

1 2 3 4 5 6 7 8 9 10 11 12MO NTHS + DAY FRACTI O N

BR I NDI S I

- 30- 20- 10

010

10

m

- 30- 20- 10

010

10

5 m

- 30- 20- 10

01020

50

5 m

RH

Mod

el -

RH

Rad

ioso

un

din

g

1 2 3 4 5 6 7 8 9 10 11 12MONTHS + DAY FRACTI ON

TRAPANI

1 2 3 4 5 6 7 8 9 10 11 12MO NTHS + DAY FRACTI O N

CAGLI AR I


MI LANO/ LI NATE


PRATI CA DI MARE

Bias medi di T (sopra) ed RH (sotto) calcolati per RAMS (nero) e LAPS (rosso) sui 5 siti considerati. I Bias sono calcolati per ogni mese e a 4 diverse ore della giornata 00, 06, 12, 18.

Confronto con dati da RADIOSONDAGGIORADIOSONDAGGIO

Confronto su cinque siti (uno per ciascuna macroregione) con dati da radiosondaggio.

(Vitali et al. Poster presentation at the European Geosciences Union (EGU) General Assembly 2008. Vienna, 13 – 18 April 2008).

Bias medio della Temperatura e Distribuzione di frequenza dei Bias per differenti tipologie di stazione.

Confronto statistico sulla macroregione del Nord Italia, effettuato nell’ambito del progetto POMI (Po-Valley Modelling Intercomparison Exercise , Thunis et al., 2009)

Confronti nell’ambito del progetto POMIPOMI

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 REGIONIREGIONI/1

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) scatter plots

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]


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) scatter plots

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


Per quali variabili viene effettuato il confronto?• Temperatura• Umidità• Intensità del vento• (Direzione del vento) non tutte le analisi descritte….


i OOOP CCCC

RMSEnIOA

ii

2

2

1

i i

i i

k

kNNR

ˆ)ˆ1( 2

n

kNR i i

2)ˆ1(

)(5.0 PO

PO

CC

CCFB

oiC

OP CC

PPOO CCCCR

))((

22 Rr

i OP ii

CCn

RMSE 2)(1

Fractional Baias

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

oiC : Observed values setpiC : Predicted values set

Set di indici statistici utilizzati

)ˆ(ln

Oi

Pi

C

C

i ekwith



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)

Vitali et al. Poster presentation at the 13th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes. Paris, June 2010.

REGIONE FRIULI VENEZIA GIULIA


REGIONE LOMBARDIA/1

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).

Milano, ARPA LOMBARDIA , 12 novembre 2010


REGIONE LOMBARDIA/2

Temperatura

)(5.0 PO

PO

CC

CCFB

-0,015

-0,01

-0,005

0

0,005

0,01

0,015

0,02

0,025

0,03

0,035

680

Man

tova

_Lic

eo_V

irgi

lio_(

COD

IMA

)

136

Pers

ico_

Dos

imo

109

S.A

ngel

o_Lo

digi

ano

653

Bres

cia_

via_

Zizi

ola

629

Crem

a_vi

a_XI

_feb

brai

o

102

S.Co

lom

bano

_al_

Lam

bro_

(ers

af)

121

Cert

osa_

di_P

avia

644

Vige

vano

_via

le_P

etra

rca

614

Roda

no

502

Mila

no_v

ia_J

uvar

a

619

Cass

ano_

d_A

dda_

AEM

_suo

lo

530

Agr

ate

596

Osi

o_So

tto

513

Trez

zo_d

_Add

a

586

Cost

a_Vo

lpin

o

646

Com

o_Vi

lla_G

allia

557

Lona

te_P

ozzo

lo

108

Sam

olac

o_(e

rsaf

)

132

Berg

amo_

Stez

zano

573

Colic

o

559

Som

ma_

Lom

bard

o_M

XP

512

Cara

te_B

rian

za

562

Mar

iano

_Com

ense

142

Caio

lo

141

Vert

emat

e

135

Min

opri

o

129

Capo

_di_

pont

e

552

Vare

se_V

idol

etti

570

Tira

no_v

iale

_Ita

lia

106

Varz

i_(e

rsaf

)

571

Borm

io

22 44 60 70 79 80 90 107 114 122 133 162 182 187 192 201 205 206 211 221 238 256 274 310 322 362 382 449 500 1225

all - LAPS

all - RAMS


REGIONE LOMBARDIA/3

Velocità del vento

)(5.0 PO

PO

CC

CCFB

-1,2

-1

-0,8

-0,6

-0,4

-0,2

0

0,2

0,4

680

Man

tova

_Lic

eo_V

irgi

lio_(

COD

IMA

)

136

Pers

ico_

Dos

imo

109

S.A

ngel

o_Lo

digi

ano

653

Bres

cia_

via_

Zizi

ola

629

Crem

a_vi

a_XI

_feb

brai

o

121

Cert

osa_

di_P

avia

644

Vige

vano

_via

le_P

etra

rca

614

Roda

no

502

Mila

no_v

ia_J

uvar

a

619

Cass

ano_

d_A

dda_

AEM

_suo

lo

900

Chia

ri

593

Cise

rano

530

Agr

ate

596

Osi

o_So

tto

513

Trez

zo_d

_Add

a

586

Cost

a_Vo

lpin

o

646

Com

o_Vi

lla_G

allia

108

Sam

olac

o_(e

rsaf

)

585

Dal

min

e_vi

a_To

fane

132

Berg

amo_

Stez

zano

573

Colic

o

559

Som

ma_

Lom

bard

o_M

XP

512

Cara

te_B

rian

za

562

Mar

iano

_Com

ense

142

Caio

lo

141

Vert

emat

e

129

Capo

_di_

pont

e

552

Vare

se_V

idol

etti

570

Tira

no_v

iale

_Ita

lia

106

Varz

i_(e

rsaf

)

571

Borm

io

22 44 60 70 79 90 107 114 122 133 140 159 162 182 187 192 201 206 207 211 221 238 256 274 310 362 382 449 500 1225

all - LAPS

all - RAMS


REGIONE LOMBARDIA/3

rosso: QA e meteo coincidentiazzurro: QA e meteo rappresentativi della stessa areaverde : 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…

V ALIDAZIONE E E SPLORAZIONI SIMULAZIONI 2005 Validazione dei campi meteorologici Massimo DIsidoro,...

Documents

Transcript of V ALIDAZIONE E E SPLORAZIONI SIMULAZIONI 2005 Validazione dei campi meteorologici Massimo DIsidoro,...