previsioni mensili di temperatura e precipitazioni a...

PROGETTO “TEMPIO”

PREVISIONI MENSILI DI TEMPERATURA E PRECIPITAZIONI A SUPPORTO DELLA PIANIFICAZIONE DELL’ATTIVITÀ AGRICOLA

www.cra-cma.it/Tempio

Sintesi finale dei risultati

Coordinatore

Dott. Stanislao Esposito (CRA-CMA) e-mail: [email protected]

Unità Operative:

• CRA-CMA - Consiglio per la Ricerca e la Sperimentazione in Agricoltura - Unità di ricerca per la climatologia e la meteorologia applicate all’agricoltura (ex CRA-UCEA), Responsabile: Stanislao Esposito Collaboratori: Edmondo Di Giuseppe, Maria Carmen Beltrano, Sara Giavante, Sara Quaresima • CNR-Ibimet - Consiglio Nazionale delle Ricerche - Istituto di Biometeorologia di Firenze, Responsabile: Marina Baldi Collaboratori: Paolo Coccimiglio, Marco Gaetani, Giovannangelo Dalu, Massimiliano Pasqui, Riccardo Benedetti, Lorenzo Genesio, Francesca Guarnieri, Jacopo Primicerio

mailto:[email protected]�

Progetto Tempio – Relazione finale di sintesi 2

Sommario Introduzione ......................................................................................................................................... 3 1) Obiettivi generali del progetto ......................................................................................................... 4 2) Il modello di previsione stagionale Multireg-TEMPIO .................................................................. 6 3) Valutazione della capacità di predizione del modello Multireg-TEMPIO .................................... 10 4) Confronto tra il modello Multiregr-TEMPIO ed il modello IRI ................................................... 14 5) Il sistema operativo sperimentale ................................................................................................. 18 6) Conclusioni .................................................................................................................................... 21 Pubblicazioni e partecipazioni a convegni ......................................................................................... 22


Introduzione Il Progetto di ricerca TEMPIO rappresenta una risposta all’esigenza di una conoscenza delle caratteristiche climatiche che, in tutte le zone ad attitudine agraria, costituisce un aspetto importante per la definizione delle scelte necessarie alla resa ottimale delle attività agricole. In particolare, la disponibilità di previsioni climatiche che si spingano oltre i 7-10 giorni fino ad includere intere stagioni, 1-3 mesi, apre per il mondo agricolo la possibilità di fare scelte importanti come, ad esempio, il tipo e la tempistica di semina, gli investimenti da fare nel campo delle attrezzature (impianti irrigui, di protezione per il gelo, ecc…) o dei prodotti da utilizzare al fine di ottimizzare la resa delle colture (fertilizzanti, pesticidi,…), senza trascurare l’impatto economico a livello della distribuzione e commercializzazione delle derrate. Una previsione delle anomalie, per esempio estati precoci e particolarmente calde, o inverni particolarmente freddi o molto piovosi, conduce sia ad un’ottimizzazione dello sfruttamento delle risorse idriche con notevoli risparmi in termini economici, che ad una riduzione degli impatti ambientali. Quindi l’uso di previsioni stagionali di qualità favorisce un aumento dei profitti legati ad attività agricole, sia per i produttori che per gli operatori di mercato.

La ricerca effettuata nell’ambito del Progetto TEMPIO fornisce un’analisi climatica della regione Mediterranea e del territorio Nazionale ed uno strumento efficace alla pianificazione agricola a scala nazionale. Infatti, il Progetto di ricerca TEMPIO è stato elaborato con l’intento di sviluppare un modello di previsioni meteorologiche a lungo termine finalizzate a coadiuvare le scelte strategiche delle aziende agricole dislocate sul territorio italiano ed ha avuto come prodotto finale:

• sviluppo di nuove tecniche di previsione meteorologiche a lungo termine (1-3 mesi) a supporto della pianificazione agricola;

• allestimento di un servizio pre-operativo di previsione stagionale calibrato per l’area italiana.


1) Obiettivi generali del progetto Le finalità del Progetto TEMPIO sono sostanzialmente quelle di contribuire, da un lato, allo sviluppo operativo e al miglioramento degli strumenti e degli output delle previsioni meteorologiche a lungo termine e ad una risoluzione calibrata sul territorio nazionale e, dall’altro, verificare il loro possibile utilizzo nella programmazione delle attività agricole. Le attività programmate in sede di elaborazione della proposta progettuale erano state articolate secondo 3 fasi successive. Nella prima fase ci si proponeva di individuare i regimi climatici prevalenti della regione mediterranea, focalizzandosi sul bacino centrale del Mediterraneo e di studiare l’ evoluzione del clima in questa regione negli ultimi 50 anni, ondate di calore e siccitose nella stagione calda, evoluzione e distribuzione statistica delle precipitazioni nella stagione fredda. Nella seconda fase ci si proponeva di identificare dei predittori di comportamenti su scala stagionale come ad esempio di stagioni secche o umide, periodi di avvezione di masse d’aria fredda valutando in termini quantitativi la mutua interazione delle sorgenti di variabilità climatica per mezzo di un modello spettrale per le onde planetarie. Infine, nella terza fase di mettere a punto un Sistema previsionale su una scala spaziale subnazionale e su una scala temporale che va da uno a tre mesi. Nel dettaglio erano state previste tre linee di ricerca portanti, per ciascuna delle quali le attività erano state suddivise secondo lo schema seguente: a) Raccolta e organizzazione di dati meteo-climatici da stazione a terra su territorio nazionale;

Raccolta ed analisi dati

Raccolta delle rianalisi atmosferiche globali NCEP-NCAR e/o ECMWF-ERA40 e sulla regione Euro-Mediterranea; Analisi della variabilità e delle tendenze dei grandi sistemi di circolazione sulla scala Euro-

Mediterranea per mezzo delle rianalisi atmosferiche globali NCEP-NCAR e ERA40; Analisi della variabilità e delle tendenze climatiche sul Mediterraneo con particolare

riferimento al bacino centrale tramite: o l’individuazione dei pattern di circolazione prevalenti o le connessioni delle suddette componenti del clima con i grandi sistemi di

circolazione; Analisi dei seguenti fenomeni atmosferici: ondate di calore, ondate di freddo, periodi secchi,

periodi umidi.

b) Identificazione ed attribuzione delle trasformazioni correnti del clima nel bacino del

Mediterraneo;

Modellistica teorica

Individuazione degli indici predittori della variabilità stagionale;


Sviluppo di un modello concettuale per la previsione stagionale dei regimi pluviometrici e termici;

Validazione del modello previsionale. c) Sviluppo di un algoritmo che permetta di passare dal modello concettuale di previsione ad

un modello numerico di previsione;

Sistema previsionale

Messa a punto di una catena pre-operativa per la produzione di previsioni mensili e stagionali per finalità agronomiche.


2) Il modello di previsione stagionale Multireg-TEMPIO L’identificazione delle trasformazioni correnti del clima nel bacino del Mediterraneo ha riguardato

studi sulla modellistica della dinamica delle onde planetarie ed analisi della loro importanza per la

climatologia del bacino Mediterraneo. In particolare è stato impostato e messo a punto un

opportuno modello fisico analitico con il quale sono state studiate le onde planetarie, come mezzo

di trasporto delle perturbazioni e di connessione tra regioni distanti. La regione sulla quale si è

concentrata l’attenzione è stata quella Euro-Mediterranea.

Il motivo fondamentale alla base dello studio delle onde planetarie, le loro oscillazioni e le

vacillazioni ad esse associate in caso di intenso flusso zonale, è il ruolo che esse hanno nel deviare

perturbazioni (storms) apportatrici di precipitazioni dal loro cammino favorendone l’ingresso nella

regione Euro-Mediterranea

Il modello ci fornisce due informazioni fondamentali:

• quando il flusso zonale e’ debole (basso indice zonale), le onde perturbate dal loro stato di

equilibrio, tendono a collassare nuovamente in questo stato

• viceversa, quando il flusso zonale e’ intenso (alto indice zonale), le onde planetarie, se

perturbate, vacillano in modo caotico con uno pseudo periodo di 40-60 giorni. All’arrivo di

“travelling waves” di ampiezza finita, questo pseudo periodo diviene circa un mese o

inferiore.

La variabilità della temperatura superficiale sull’Europa, ed in particolare sul Mediterraneo, è stata investigata per mettere in luce gli effetti dovuti ai meccanismi di circolazione atmosferica a grande scala. Partendo dai meccanismi di collegamento tra circolazione atmosferica e anomalie di temperatura al suolo è stato effettuato uno studio approfondito sulla climatologia termica estiva durante l’ultimo cinquantennio utilizzando dati osservati dalle reti di stazioni di misura distribuite sul territorio italiano. Dai risultati si è evidenziata una relazione, statisticamente significativa, di causa ed effetto tra la posizione e la morfologia della corrente a getto sub tropicale e gli eventi di ondate di calore/freddo. Tale relazione è importante in quanto la genesi delle correnti a getto troposferiche, ed in particolare quelli sub tropicali, è causata dai gradienti termici delle masse d’aria che esistono tra le regioni polari e quelle delle medie latitudini. L’interazione tra masse d’aria di diversa natura determina, conseguentemente, la variabilità termica e pluviometrica al suolo osservata. Poiché è ragionevole asserire che parte della variabilità delle correnti a getto dipenda dalle anomalie climatiche a grande scala, per loro natura a bassa frequenza, è plausibile attendersi che, identificando correttamente quelle anomalie climatiche, sia possibile calcolare numericamente


scenari climatici con un anticipo anche di qualche mese. Oltre alla citata variabilità dei getti troposferici anche i cosiddetti sistemi semi – permanenti di alte e basse pressioni, che si sviluppano in risposta alla circolazione a scala planetaria, concorrono a determinare la variabilità termo-pluviometrica osservata in una determinata regione del globo. Primo e fondamentale passaggio per la definizione del modello di previsione è l’identificazione e la

successiva costruzione della lista dei predittori. Ognuno dei predittori, o indici climatici, considerati

può essere rappresentato da un vettore monodimensionale i cui elementisono la sequenza mensile di

valori osservati per il periodo temporale di riferimento. Gran parte degli indici utilizzati sono

estratti direttamente da archivi disponibili online, altri invece sono calcolati direttamente utilizzando

le metodologie descritte sulle pubblicazioni scientifiche di riferimento. La lista completa dei

predittori e la loro descrizione è mostrata in Tabella 1.

Il primo passaggio è quello di una destagionalizzazione degli indici: ovvero l’estrazione, dalla

sequenza completa mensile, di serie annuali riferite a mesi fissati. Una volta estratte le sequenze

mensili dei predittori per ciascun mese, ognuna di queste sequenze viene sottoposta ad un test di

normalità tramite il test di Shapiro-Wilks con significatività al 95%; se la sequenza temporale in

oggetto di analisi supera il test viene ammessa allo step successivo della correlazione 1 a 1 tra

predittore e campo predittando. Anche le sequenze temporali dei predittandi, temperatura e

precipitazione, quest’ultima previa trasformazione di Cox – Box, vengono testate per evidenziare

limiti all’ipotesi di normalità.


Abbreviazione Nome Completo Origine

MED Mediterraneo, 1st EOF SST(1) CPC(6)

AMO Atlantic Multidecadal Oscillation (Enfield et al., 2001) CDC(7)

MEI Multivariate ENSO Index (Wolter & Timlin, 1993) CDC

NAO North Atlantic Oscillation (Barnston and Livezey, 1987) CPC

SV-NAM Seasonally Varying Northern Hemisphere Annular Mode (Ogi et al., 2004) HOK(8)

MZI Modified Zonal Index (J. P. Li & Wang, 2003) IRI(9)

TRI Tripolo Atlantico, 1st EOF SST (Deser & Timlin, 1997) IRI

GUI Golfo di Guinea, 1st EOF SST(2) IRI

IND Oceano Indiano 1st EOF SST(3) IRI

NASCI Indice di copertura nevosa del Nord America(4) IRI

SISCI Indice di copertura nevosa siberiana(5) IRI

Tabella 1: Lista dei predittori utilizzati nel sistema di previsione stagionale

(1)-(3) Dalle Extended Reconstructed Sea Surface Temperature del NOAA (SST) V2, la prima componente delle Empirical Orthogonal Function è calcolata sulle aree: 5W - 36E;30N – 44N (1) , 30W - 5E;15S – 10N (2) 5W - 36E;30N – 44N

(4)-(5) Estratto dal: “MONTHLY Diagnostic surface accumulated snow - NOAA NCEP-NCAR CDAS-1: Climate Data Assimilation System I; (4) NCEP-NCAR Reanalysis Project.” Sull’area: 65W-165W 35N-75N e 40E-150E 40N-75N;(5) viene calcolata la prima componente delle Empirical Orthogonal Function.

(6) Climate Prediction Center: www.cpc.ncep.noaa.gov (7) Climate Diagnostics Center: www.cdc.noaa.gov (8) Hokkaido University: http://wwwoa.ees.hokudai.ac.jp/people/yamazaki/SV-NAM/index.html (9) IRI/LDEO Climate Data Library: http://iridl.ldeo.columbia.edu/ Il passaggio successivo consiste in un’analisi di correlazione lineare tra i potenziali predittori ed il

predittando. Tale calcolo viene ripetuto con per tutti i lag che variano da 2 a 12 mesi, per ognuna

delle 6 zone climatiche individuate (Fig. 1) e per ciascuno dei

predittandi in studio: temperatura e precipitazione media mensile.

Selezionando gli indici climatici con un’elevata correlazione si

ottiene la matrice finale dei predittori.

La matrice di predizione viene a questo punto sottoposta ad un’

analisi per componenti principali al fine di evitare di utilizzare

predittori che possiedono un significativo grado di collinearità,

eventualità questa che inficerebbe i risultati dell’applicazione del

modello multiregressivo stesso.

Figura 1 – Le sei aree climatiche in cui è suddiviso il territorio nazionale e sulle quali vengono elaborate le previsioni mensili.


L'ultimo passaggio consiste in una riduzione della dimensione dello spazio dei predittori alle componenti

principali più significative. A partire dalla prima componente e per tutte le altre vengono stimati i

parametri della regressione lineare e calcolata la bontà di tale stima per mezzo della Cross Entropy scelto

come misura di attendibilità o “score”. Tra i risultati ottenuti, viene identificata quella componente

principale che genera il valore dello score più alto. Attraverso un procedimento step-wise a questa prima

componente principale ne vengono aggiunte successivamente le rimanenti calcolandone lo score. Questo

procedimento viene ripetuto calcolando successivamente gruppi sempre crescenti di componenti

principali dei predittori finché l’introduzione della N+1-esima componente non causa un peggioramento

del risultato dello score. Il modello ad N componenti principali dei predittori viene quindi eletto Best

Model.


3) Valutazione della capacità di predizione del modello Multireg-TEMPIO Lo studio di validazione del modello multiregressivo è stato condotto per il periodo di riferimento 1971 –

2006 attraverso una procedura one-leave-out. Tale procedura consiste nel calcolare la previsione per un

determinato mese di un determinato anno, escludendo il valore dell’anno in questione nel calcolo dei

coefficienti del modello. I risultati relativi a classi di previsione (3 terzili per la temperatura e mediana per

la precipitazione) sono confrontati con i dati da stazione.

Per ciascuna area climaticamente omogenea sono confrontati i valori mensili previsti con 2 mesi di

anticipo: ad esempio la previsione del mese di marzo, viene calcolata a partire dai valori dei predittandi

climatici osservati nel gennaio precedente.

Di seguito vengono mostrate alcune tabelle con i valori calcolati di tre indici di verifica: il “Probability

Of Detection” (in seguito POD), il “False Alarm Rate” (in seguito FAR) e alla Cross Entropy in seguito

CE). Identificando come evento occorso la coincidenza della classe osservata e quella prevista, la

Probability of Detection (POD) è il rapporto tra il numero di eventi correttamente previsti ed il numero

totale di eventi analizzati. Questo indice deve essere necessariamente associato al FAR, suo

complementare, per una corretta interpretazione dei risultati. Il FAR, infatti, è calcolato come il rapporto

tra il numero di eventi erroneamente previsti ed il numero di eventi totali analizzati (Wilks, 1995).

Pertanto, la qualità delle previsioni risulterà più buona se, per una determinata scadenza temporale e una

determinata area di interesse, ad un POD alto è associato un corrispondente valore di FAR basso.

Sebbene una più corretta valutazione della bontà delle previsioni del modello sia da perseguire nel quadro

della trattazione probabilistica, e quindi attraverso la sola CE, spesso, nelle applicazioni in ambito

agricolo, è richiesto l’utilizzo diretto dei valori previsti di temperatura e precipitazione piuttosto che la

loro interpretazione probabilistica. Ecco perché si è deciso di introdurre anche il POD e del FAR come

stima della bontà del modello previsionale.

Area \ Mese 1 2 3 4 5 6 7 8 9 10 11 12Italia 0.56 0.44 0.58 0.33 0.50 0.47 0.56 0.53 0.61 0.61 0.69 0.58Nord Ovest 0.44 0.44 0.53 0.42 0.44 0.44 0.58 0.47 0.50 0.50 0.64 0.50Nord Est 0.39 0.56 0.53 0.42 0.47 0.50 0.47 0.42 0.50 0.47 0.69 0.53Pianura Padana 0.64 0.44 0.50 0.50 0.53 0.44 0.44 0.56 0.47 0.53 0.44 0.44Centro 0.56 0.56 0.50 0.42 0.53 0.42 0.58 0.39 0.58 0.47 0.67 0.53Sud Ovest 0.58 0.44 0.58 0.39 0.50 0.58 0.50 0.42 0.42 0.53 0.50 0.61Sud Est 0.56 0.44 0.56 0.53 0.64 0.67 0.58 0.47 0.44 0.50 0.50 0.53

Probability of Detection della Temperatura

Tabella 2 - Valori del POD per la temperatura



False Alarm Rate della Temperatura

Tabella 3 - Valori del FAR per la temperatura


Probability of Detection della Precipitazione

Tabella 4 - Valori del POD per la precipitazione


False Alarm Rate della Precipitazione

Tabella 5 - Valori del FAR per la precipitazione


Cross Entropy della Temperatura

Tabella 6 - Valori della CE per la temperatura. In giallo il valore minimo, in verde il valore massimo ottenuto

Area \ Mese 1 2 3 4 5 6 7 8 9 10 11 12Italia -0.09 2.28 0.82 0.65 0.48 0.96 0.92 0.49 1.51 2.30 1.56 0.45Nord Ovest 0.79 0.03 1.25 0.70 -0.42 0.74 0.39 -0.11 2.49 2.34 2.81 1.92Nord Est -0.35 0.97 1.19 1.22 0.57 0.94 0.91 1.24 2.42 1.64 2.21 0.61Pianura Padana 1.91 2.54 -0.25 1.20 1.96 0.74 1.85 -0.10 1.53 1.26 0.34 1.49Centro 0.22 2.78 1.64 0.51 2.70 0.98 0.29 0.18 0.63 0.89 2.47 1.09Sud Ovest 1.95 2.85 1.78 1.76 1.08 1.84 1.09 1.36 1.56 1.15 1.61 -0.08Sud Est 1.20 0.63 -0.59 0.84 0.86 0.82 0.27 0.86 1.87 0.91 0.71 2.18

Cross Entropy della Precipitazione

Tabella 7 - Valori della CE per la precipitazione. In rosso i valori negativi (quando l’informazione della previsione risulta peggiore di quella puramente climatologica), in verde il valore massimo ottenuto

Per quanto riguarda la valutazione dei risultati deducibile tramite gli indicatori POD e FAR, si ha che il

semestre autunno – invernale è, ad esclusione delle 2 aree settentrionali, quello in cui si ottengono i

risultati di previsione migliore sia per la temperatura che per la precipitazione. In questo periodo sono

prevalenti i regimi atmosferici governati dalle anomalie delle temperature superficiali dell’Atlantico


settentrionale oltre che l’intensità e la struttura del vortice polare. Meccanismi piuttosto ben descritti dai

predittori utilizzati. Il semestre primaverile – estivo invece, quando la dinamica atmosferica delle regioni

tropicali prende maggior vigore, risulta di minor qualità generale. Ci sono due importanti peculiarità da

sottolineare. La prima è la buona performance del modello nei mesi autunnali, mesi chiave per capire ed

interpretare la fase climatica relativamente agli apporti di pioggia fondamentali per la ricarica delle falde

sotterranee e il rinascimento dei fiumi su tutto il territorio nazionale. Identificare e stimare il rischio di

possibili eventi estremi dovuti a carenze o surplus pluviometrici è fondamentale per tutta la

programmazione dell’uso dell’acqua per il comparto agricolo duranti i mesi successivi. La seconda

peculiarità è rappresentata dal valore buono di previsione di temperatura durante tutto l’arco temporale

annuale, con alcuni massimi di attendibilità proprio per il semestre estivo. Questo ultimo risultato è

importante per la possibilità di monitorare e stimare in anticipo possibili anomalie termiche proprio nel

periodo estivo quando le colture diventano più vulnerabili a periodi di eccessivo caldo.

La ridotta capacità del modello di prevedere le anomalie pluviometriche estive è facilmente imputabile

sia alla ridotta intensità del segnale sul bacino del Mediterraneo tutto e sull’Italia in particolare, sia alla

citata azione dei meccanismi climatici tropicali che più difficilmente possono essere identificati tramite

indicatori semplici (ad esempio unidimensionali) e la cui interazione possa essere descritta tramite

semplici modelli lineari.

L’analisi del modello effettuata tramite l’indicatore CE può essere fatta confrontando il valore ottenuto

della CE della previsione con il suo corrispondente valore relativo alla climatologia, cioè la probabilità di

essere in una classe specifica di temperatura o precipitazione ricavato dalla frequenza climatologica di

quella particolare classe (p=0,33 per le tre classi di temperatura e p=0,5 per le due classi di

precipitazione). Per l'indicatore CE, ogni valore positivo mostra il miglioramento fornito dalla previsione

rispetto all’informazione climatica, mentre i valori negativi mostrano un peggioramento della medesima.

Per la temperatura i valori sempre positivi di CE garantiscono, per l’intero arco temporale annuale, il

calcolo di previsioni con un contenuto informativo incrementato rispetto ai valori climatologici. Ciò è

vero per tutte le aree selezionate.

La precipitazione invece pone alcuni limiti del modello di previsione, quando, per un numero limitato di

aree e di mesi, non esiste un aumento del contenuto informativo delle previsioni rispetto al valore

puramente climatico. Ottimo il risultato per il periodo autunnale.

Emergono poi alcuni elementi importanti per la valutazione generale del modello: la sostanziale

differenza di comportamento delle aree Ovest (nord e sud) rispetto alle altre, con valori di CE bassi per i

mesi di Gennaio e Febbraio rispetto a quelli di Marzo-Aprile. Il comportamento anomalo dell’area Sud-


Est, che presenta un andamento della bontà di previsione più altalenante, probabilmente imputabile sia

alla bassa intensità del segnale di precipitazione, sia alla grande variabilità termica per effetto, durante i

mesi invernali e primaverili alla sua diretta esposizione alle circolazioni di matrice nord orientale. Per la

precipitazione è invece interessante notare il valore di CE per il mese di febbraio, basso sulle regioni

settentrionali elevato per le regioni centro meridionali. Anche qui una possibile spiegazione può essere

ricercata sulla base dei regimi di circolazione giornalieri: in febbraio si registra il maggio numero di

giornate con caratterizzate da circolazioni anticicloniche a cui è associata quindi scarsità di precipitazioni

e elevate escursioni termiche giornaliere, soprattutto sulle regioni settentrionali.


4) Confronto tra il modello Multiregr-TEMPIO ed il modello IRI Per poter valutare in maniera più esaustiva le capacità del modello di previsioni stagionali

sviluppato nell’ambito di questo progetto è stata eseguito un confronto con un altro modello di

previsione di riferimento di tipologia differente, vale a dire basato su un modello accoppiato

atmosfera-oceano. La particolare sensibilità dei dati delle previsioni stagionali limita,

immotivatamente, la fruibilità degli stessi in maniera libera e completa. Pochi sono gli Istituti di

ricerca che hanno sviluppato modelli accoppiati ed ancor meno quelli che mettono a disposizione

liberamente i dati in tempo reale. Inoltre i sistemi di previsione stagionale basati completamente su

modellistica numerica forniscono i campi previsti aggregati trimestralmente. Questa scelta dipende

essenzialmente dalle limitate capacità di questa classe di sistemi di calcolo di ricostruire la

variabilità atmosferica ed oceanica a scala mensile. Una possibile scelta per condurre uno studio di

confronto è rappresentata dal modello di previsioni del International Research Institute for Climate

and Society (IRI - http://portal.iri.columbia.edu/portal/server.pt). Attraverso il portale LDEO – Data

Library (http://iridl.ldeo.columbia.edu/index.html) è possibile infatti accedere liberamente ai dati

del modello di previsione stagionale di tipo MultiModel Ensembles. Il modello fornisce le

previsioni, in formato probabilistico, dell’occorrenza di ciascuna dei terzili: sopra la norma, nella

norma e sotto la norma, a partire dal settembre 1997, e con un passo regolare di griglia di 3.75°.

Solamente la temperatura viene fornita con un passo temporale di un mese. La precipitazione invece

è aggregata unicamente in trimestri. Pertanto, per poter confrontare i risultati del modello di

previsioni sviluppato in questo progetto e quello mantenuto dall’IRI, secondo le seguenti

assunzioni:

1. data la ridotta risoluzione spaziale del modello IRI, tre aree target sono state selezionate per

il confronto: ITALIA, NORD_OVEST e SUD_OVEST, per evidenziare eventuali

eterogeneità spaziali nel comportamento. Solo le regioni occidentali sono mostrate per

semplicità, visto che risultati del tutto analoghi sono stati ottenuti per le regioni orientali;

2. la limitata estensione temporale dell’archivio IRI permette solo una valutazione complessiva

e non dettagliata a livello stagionale. Ogni valore degli indici di bontà è quindi riferito

all’intero periodo settembre 1997 – settembre 2006;

3. per omogeneità sono stati confrontate le previsioni dei due sistemi con il medesimo lag

temporale: 2 mesi;

http://portal.iri.columbia.edu/portal/server.pt�

http://iridl.ldeo.columbia.edu/index.html�


4. nelle figure seguenti (Fig. 2, 3, 4) viene riportato l’andamento, per ciascuna delle aree target

identificate, dei valori osservati e quelli previsti dal sistema di previsioni mensili della

temperatura per il periodo preso in esame;

5. in tutte le occasioni in cui il modello IRI assegnava pari probabilità alle tre classi, viene

identificata, come dominante, la classe centrale. Tale approssimazione sovrastima la

capacità del modello IRI, ma rappresenta, seppur in maniera soggettiva, una scelta

verosimile.

AREA - ITALIA

0

3

6

9

12

15

18

21

24

27

Jan-97 Jun-97 Dec-97 Jun-98 Dec-98 Jun-99 Dec-99 Jun-00 Dec-00 Jun-01 Dec-01 Jun-02 Dec-02 May-03 Nov-03 May-04 Nov-04 May-05 Nov-05 May-06 Nov-06

Anni

Tem

pera

tura

Are

ale

[°C]

Prev-MultiRegr

Oss

Figura 2 - Confronto tra la temperatura media mensile dell’Area Italia osservata (in nero) e quella prevista dal modello Multiregressivo (in rosso): le barre di errore associate alla previsione rappresentano l’ampiezza di ± σ

AREA - Nord Ovest

0

3

6

9

12

15

18

21

24

27


Anni

Tem

pera

tura

Are

ale

[°C]

Prev-MultiRegr

Oss

Figura 3 - Confronto tra la temperatura media mensile dell’Area Nord Ovest osservata (in nero) e quella prevista dal modello Multiregressivo (in rosso): le barre di errore associate alla previsione rappresentano l’ampiezza di ± σ


AREA - Sud Ovest

6

9

12

15

18

21

24

27

30


Anni

Tem

pera

tura

Are

ale

[°C]

Prev-MultiRegr

Oss

Figura 4 - Confronto tra la temperatura media mensile dell’Area Sud Ovest osservata (in nero) e quella prevista dal modello Multiregressivo (in rosso): le barre di errore associate alla previsione rappresentano l’ampiezza di ± σ.

Come evidenziato nel precedente paragrafo il modello multiregressivo riesce a ricostruire bene sia

la variabilità stagionale che quella interannuale. Un confronto rappresentativo tra le previsioni del

modello multiregressivo e quello dell’IRI può essere condotto direttamente comparando le classi di

temperatura previste con entrambi i modelli e quelle osservate. Utilizzando poi gli indici di

affidabilità presentati nel precedente paragrafo: POD, FAR e CE, è possibile giungere ad un’analisi

delle performance.

MultiReg - TEMPIO Cross Entropy POD FARArea Italia 28.70 0.49 0.51

Area Nord Ovest 28.72 0.45 0.55Area Sud Ovest 28.70 0.49 0.51

Tabella 8 - Indici di valutazione, relativi al modello multiregressivo, calcolati per l’intero arco temporale di analisi (settembre 1997 – dicembre 2006), per le varie aree prese in considerazione

IRI - Model Cross Entropy POD FARArea Italia 7.44 0.38 0.63

Area Nord Ovest 6.17 0.38 0.62Area Sud Ovest 8.54 0.39 0.61

Tabella 9 - Indici di valutazione, relativi al modello IRI, calcolati per l’intero arco temporale di analisi (settembre 1997 – dicembre 2006), per le varie aree prese in considerazione

Come ragionevolmente atteso entrambi i modelli migliorano il contenuto informativo rispetto alla

sola climatologia: per tutte le zone infatti si ottengono valori della Cross Entropy superiori allo 0,

valore di riferimento per la previsione fatta utilizzando esclusivamente la climatologia. Emergono

però chiaramente le differenze nella performance dei due modelli considerati: il contenuto


informativo delle previsioni ottenuto dal multiregressivo è notevolmente maggiore di quello

ottenuto dal modello dell’IRI tenuto conto che della scala logaritmica della CE. Ciò si ottiene da

due elementi differenti: una buona performance nel prevedere correttamente la classe degli eventi

stimati, e assegnare una probabilità elevata terzile dominante. Di conseguenza il modello

multiregressivo non solo prevedere correttamente circa la metà di tutti i casi analizzati, ma quando

lo fa gli associa una probabilità significativamente superiore a quella climatica (pari a p=0.33). Va

ricordato inoltre che l’assunzione e) precedentemente descritta, aumenta notevolmente il numero di

successi del modello dell’IRI. Come detto, seppure soggettivamente, risulta così un “strategia” di

miglioramento dell’informazione di previsione del modello IRI. Infine l’analisi del POD e del FAR

evidenzia nuovamente come il multiregressivo risulti globalmente migliore del IRI model. Per

quanto riguarda l’eterogeneità dei risultati, come detto risulta modesta sul territorio nazionale.


5) Il sistema operativo sperimentale Il sistema di previsioni mensili di temperatura e precipitazioni realizzato in Tempio è stato

implementato e reso operativo, a partire da marzo 2010, come servizio sperimentale su web

all’indirizzo www.cra-cma.it/tempio (Fig. 5).

Figura 5 - Home page del Progetto TEMPIO

Il sito del progetto TEMPIO è articolato in sei sezioni: la prima sezione riguarda la “Presentazione”

generale del Progetto con pagine di dettaglio in cui sono indicati gli obiettivi specifici e delle

attività da svolgere. La seconda sezione riguarda le specifiche attività di ricerca svolte dalle due

“Unità Operative” partecipanti al progetto, il CRA-CMA e il CNR-IBIMET;

Dalla sezione “Previsioni” è possibile selezionare le pagine “Mensili Italia” relative alle previsioni

mensili di temperatura e precipitazioni riportate sottoforma tabellare per i tre mesi successivi delle

sei aree climatiche omogenee del territorio nazionale, mentre la selezione “Mensili Europa”

consente il collegamento alle previsioni sull’Europa elaborate a cura del CNR-Ibimet.

I dati riportati nella tabella indicano la percentuale di probabilità che in quel mese e per quel

parametro (temperatura media mensile o precipitazione cumulata mensile) sia inferiore, compresa o

superiore ai valori soglia indicati. Con riferimento alla stessa area climatica nella tabella sono anche

riportati i valori climatici di riferimento per la temperatura e la precipitazioni riferiti al periodo

1971-2000 e quelli riguardanti l’intero territorio nazionale.

Un esempio relativo al mese di aprile è riportato in Fig. 6 per l’area “Centro” in cui si può osservare

che la probabilità della temperatura media mensile di superare i 17,5 °C è del 57%, così come per le

precipitazioni in maggio la probabilità di superare i 38,1 mm è del 45 %.

http://www.cra-cma.it/tempio�


Nella stessa sezione si trovano anche le previsioni relative all’intera Europa e un archivio delle

previsioni pregresse a partire dal mese di febbraio 2010.

Figura 6 – Pagina di presentazione delle previsioni mensili di temperatura e precipitazione delle sei aree geografiche per tre mesi successivi per l’area “Centro”.

Nella sezione “Anomalie climatiche” sono disponibili funzioni di interrogazione che riportano per

ciascuna delle sei aree climatiche e per l’intero territorio nazionale le “Ondate di caldo” sia per le

temperature minime che per quelle massime, le “Ondate di gelo” e i “Periodi secchi” dal 1961 al

2007. Le ondate di caldo sono definite come le sequenze di almeno 6 giorni consecutivi che hanno

fatto registrare una temperatura superiore al valore critico pari al 90° percentile. Le ondate di gelo

riguardano le sequenze di almeno 2 giorni consecutivi che abbiano fatto registrare una temperatura

minima inferiore a 0 °C. Sono definiti periodi secchi le sequenze di almeno 2 giorni consecutivi con

precipitazione inferiore a 5 mm. A

livello di area i periodi secchi sono

stati calcolati tenendo conto che

almeno il 74% delle stazioni

insistenti nell’area Italia o in una

delle 6 sub aree oggetto di studio

abbiano registrato un dato giorno

come “secco”.

Figura 7 – Pagina di interrogazione delle anomalie climatiche nella quale è mostrato un esempio

relativo all’area “Nord-Ovest” con selezione del campo “ ondate di gelo” per l’anno 1980.


6) Conclusioni Il Progetto di ricerca TEMPIO è stato ideato con l'intento di costituire un sistema pre-operativo di

previsioni stagionali su una scala subregionale per favorire l'ottimizzazione organizzativa delle

attività agricole. A tal fine un modello statistico multiregressivo di previsione stagionale è stato

sviluppato prendendo in esame una serie di indici dello stato del mare, del suolo e della atmosfera.

I risultati applicativi ottenuti dalla presente ricerca sono stati:

1) disponibilità di serie storiche di dati termo-pluviometrici integrate nella BDAN;

2) tabelle e grafici relativi al territorio nazionale riguardanti le anomalie mensili, stagionali di precipitazione e temperatura minima e massima e gli aspetti inerenti la variabilità e la tendenza di tali anomalie;

3) analisi della variabilità e delle tendenze climatiche sul Mediterraneo con particolare riferimento al bacino centrale tramite l’individuazione dei pattern di circolazione prevalenti e della variazione dei regimi dinamici e le connessioni delle suddette componenti climatiche con i sistemi di circolazione a grande scala;

4) modellistica della dinamica delle onde planetarie ed analisi della loro importanza per la climatologia del bacino Mediterraneo;

5) classificazione del territorio agricolo nazionale in aree sottoposte, per determinati periodi, a fenomeni critici quali ondate di calore ovvero di periodi particolarmente siccitosi;

6) produzione sperimentale di previsioni climatiche mensili emesse tramite il sito web http://www.cra-cma.it/Tempio/

La misura delle performance del modello multiregressivo stagionale TEMPIO ha evidenziato dei

risultati promettenti ed, inoltre, il contenuto informativo delle previsioni ottenuto dal

multiregressivo è risultato notevolmente maggiore di quello ottenuto dal modello equivalente

dell’IRI -International Research Institute for Climate and Society.

Infine, un' analisi per ricondurre le informazioni ad una scala temporale giornaliera è stata effettuata

con l'intento di produrre dei dati previsivi in un formato ritagliato per successive analisi di

sostenibilità delle colture dal punto di vista della resa media, del rischio e costi produttivi, della

disponibilità delle risorse idriche e della difesa fitosanitaria. I risultati di questa analisi hanno

evidenziato delle oggettive difficoltà che necessitano di sviluppi futuri.


Pubblicazioni e partecipazioni a convegni Nel corso dei due anni e mezzo di attività del progetto, i risultati sono stati presentati a convegni nazionali e internazionali sia come comunicazioni orali che come poster, nonché pubblicati su riviste tecnico-scientifiche; di seguito se ne riporta l’elenco:

1) Beltrano M.C., Di Giuseppe E., Esposito S., Vento D., 2007: “Anomalie mensili di temperatura e precipitazione calcolate su differenti basi climatiche”, Rivista Italiana di Agrometeorologia, anno 11 (supplemento al n.1 febbraio 2007), Quaderno degli abstract 10° Convegno Nazionale “Agrometeorologia, sostenibilità ambientale e desertificazione”, Isola Capo Rizzuto, Italia 29-31 Maggio 2007.

2) Beltrano M.C., Di Giuseppe E., Esposito S., Vento D., 2007: “Cambiamento della distribuzione di frequenza delle anomalie di precipitazione e temperatura utilizzando le basi climatiche 1961-1990 e 1971-2000”, Convegno nazionale di fisica della terra fluida e problematiche affini, Ischia, Italia 11-15 Giugno 2007, sezione 5 Climatologia applicata e storica.

3) Beltrano M.C., Di Giuseppe E., Esposito S., Vento D., 2007: “Anomalie di temperatura e precipitazioni mensili calcolate sulle basi climatiche 1961-1990 e 1971-2000 in Italia”, Osservatorio Agrometeorologico n. 2/2007, Supplemento al settimanale Agricoltura Informazione n. 46, pagg. 9-13, CO.DI.VA.BRI. Brindisi, Italia.

4) Coccimiglio P., M. Baldi, A. Crisci, 2008: Reconstruction of daily climatic time series: a novel methodology and application to a Mediterranean coastal region. European Geosciences Union General Assembly, April 2008, Wien. Geophysical Research Abstracts, Vol. 10, EGU2008-A-02937.

5) Dalu G.A., M. Baldi, 2008: Influence of the snow cover in the Northern Hemisphere on the climate in Western Europe during the cold season. European Geosciences Union General Assembly, April 2008, Wien. Geophysical Research Abstracts, Vol. 10, EGU2008-A-02939.

6) Gaetani M., M. Baldi, P. Coccimiglio, G.A. Dalu, 2008: Configuration of the jetstream and rainfall anomalies in the Mediterranean. 2nd HyMeX workshop, Palaiseau, France, June 2008.

7) Dalu, G., 2008: Storms and planetary flow in the Southern Hemisphere NIWA Report: AKL2008-061, July 2008.

8) Baldi, M., S. Esposito, E. Di Giuseppe, M. Pasqui, G. Maracchi, D. Vento, 2008: “Seasonal forecasting climatic anomalies for agriculture in Italy: the TEMPIO Project.” Presented at EMS, Amsterdam, September 2008.

9) Pasqui, M, E. Di Giuseppe, S. Quaresima, F. Guarnieri, S. Giavante, S. Esposito, 2008: "An atmospheric regime characterization of monthly seasonal forecast in Italy based on weather type classification", Presented at Advanvces in weather and circulation type classifications and applications (COST 733 Mid-term Conference), Krakow, Poland, 22-25 October 2008.

10) Baldi, M., M. Gaetani, G. Dalu, G. Maracchi, 2008: Jetstream and seasonal anomalies in the Mediterranean. Bollettino Geofisico, a. XXXI, n. 1-4 gennaio-dicembre 2008, 51-69.

11) Pasqui M., J. Primicerio, R. Benedetti, A. Crisci, L. Genesio and G. Maracchi, 2009: "Seasonal forecasting precipitation in the Mediterranean basin", Presented at “Managing water in a changing world” Conference hosted by The Commission for Water Sustainability International Geographical Union (IGU) Torino, Italy, July 27-31, 2009.

12) Primicerio, J., M. Pasqui, R. Benedetti, A. Crisci, L. Genesio and G. Maracchi, 2009: "Seasonal forecasting precipitation in the Mediterranean basin using atmospheric and oceanic teleconnections" Pesented at MedClivar Conference: Feedbacks of the Mediterranean Dynamics in the Global Climate System Sesimbra, Portugal, 28-30 September, 2009.

13) Baldi M., J. Salinger, 2009: Analisi e confronto delle caratteristiche climatiche degli areali di produzione di actinidia in Italia e Nuova Zelanda. Italus Hortus, 16 (5), 168-170. IX Convegno Nazionale dell'Actinidia. Viterbo-Latina, 6-8 ottobre 2009.

14) Baldi M. and G.A. Dalu, 2009: “Nonlinear dynamics of density currents in an f-plane, two-layer model with a rigid


lid”, Geophysical Research Abstracts, Vol. 11, EGU2009-0, 2009 EGU General Assembly 2009 – Wien, April 2009.

15) Gaetani M., Baldi, M; G.A. Dalu, 2009: “Configuration of the jetstream and rainfall seasonal anomalies in the Mediterranean”, European Geosciences Union General Assembly, Wien, April 2009 Geophysical Research Abstracts, Vol. 11, EGU2009-A-8406.

16) Baldi, M., S. Esposito, M. Pasqui, E. Di Giuseppe, F. Guarnieri, J. Primicerio, P. Coccimiglio, 2010: “An operational seasonal forecast service for agriculture in Italy: the TEMPIO Project.” Presented at the WMO Technical Conference on Changing Climate and Demands for Climate Services for Sustainable Development. Antalya, Turkey, 16-18 February 2010.

17) Dalu, G., M. Baldi, 2010: “Steady-State Dynamics of a Density Current in an f-Plane Nonlinear Shallow-Water Model”, J. Atmos. Sci., 67, 500-514.

18) Dalu, G., M. Baldi, 2010: “Nonlinear dynamics of the Hadley cell in shallow water models”, Geophysical Research Abstracts Vol. 12, EGU2010-8842, 2010 EGU General Assembly 2010 – Wien.

19) Baldi M, G.A. Dalu, M. Gaetani, and G. Maracchi, 2010: Mechanisms leading to rainfall anomalies in the Mediterranean region Accepted for presentation at HyMeX Workshop 8-10 June 2010 CNR, Bologna, Italy.

previsioni mensili di temperatura e precipitazioni a...

Documents