+39 0862 433012 / 433073
Fax: +39 0862433089
cetemps@strutture.univaq.it

Una buona stima dello stato iniziale dell’atmosfera è un passaggio chiave per una corretta previsione meteorologica. Una recente linea di ricerca sviluppata presso il CETEMPS si occupa di assimilazione dati, ovvero inglobare osservazioni convenzionali (ad es. dati da stazioni a terra o in quota) e non (dati satellitari o radar) in un modello meteorologico al fine di migliorare la stima del flusso dell’atmosfera e dell’oceano al tempo iniziale.

È questo lo scopo di una recente pubblicazione che ha come primo autore Vincenzo Mazzarella, afferente CETEMPS e dottorando presso l’Università degli Studi di Napoli “Parthenope”. Lo studio dal titolo “Comparison between 3D-Var and 4D-Var data assimilation methods for the simulation of a heavy rainfall case in central Italy“, pubblicato sulla rivista Advances in Science and Research (ASR) della European Meteorological Society (EMS), illustra i risultati preliminari di un confronto tra due tecniche di assimilazione dati ad approccio variazionale, 3D-Var e 4D-Var, implementate nel modello numerico Weather Research and Forecasting (WRF).

Accumuli pluviometrici osservati del giorno 14 settembre 2012 [mm/24h]

I dati misurati dal radar Doppler meteorologico di Monte Midia (AQ) e le osservazioni convenzionali a terra ed in quota acquisite dalla rete Global Telecomunication System (GTS), sono stati assimilati nel modello di previsione WRF per la simulazione di un evento meteorologico severo sul centro Italia, verificatosi alla fine dell’estate del 2012. Al fine di confrontare le prestazioni delle due metodologie nella stima delle precipitazioni, sono state realizzate nove simulazioni e la validazione dei risultati è stata effettuata mediante un approccio statistico di tipo puntuale, che confronta la precipitazione stimata dal modello in corrispondenza del dato pluviometrico misurato. Questi primi risultati indicano che la tecnica 4D-Var permette una migliore stima degli accumuli pluviometrici e lascia ben presagire sui futuri sviluppi.

Distribuzione dei tre indici statistici (POD, CSI e FAR) per le 9 simulazioni effettuate