Ensemble forecast

Con un articolo scientifico apparso nell’ormai lontano 1963, il meteorologo Edward Lorenz introdusse per la prima volta la “teoria del caos”. Lorenz cominciò a mettere in discussione il concetto che l’atmosfera si comporta in modo deterministico, ma affermò anzi che, essendo un sistema enormemente complesso, a prima vista non è prevedibile. Gli sviluppi degli ultimi anni della teoria del caos hanno tentato di scorgere una logica che possa legare fenomeni apparentemente irregolari, quali ad esempio il processo formativo di una nube o la scarica di un fulmine. I processi molto complessi sono tali da risentire fortemente della precisione dei dati iniziali. Due stati di partenza molto vicini tra loro possono in tempi brevi portare a due stati molto diversi tra loro, tanto che una valutazione iniziale poco diversa dalla realtà può condurre a una valutazione prevista del tutto errata. Si può dimostrare che il tempo di raddoppio dell’errore è proporzionale al logaritmo della precisione.
Consideriamo un insieme di stati iniziali rappresentativi di condizioni dell’atmosfera poco diverse tra loro ma tutte relative al tempo zero. Assimiliamo questi stati a una piccola nuvola di punti. Dopo un prefissato tempo t, da ciascuno di questi punti il calcolo ci porterà a un nuovo punto rappresentativo di un nuovo stato dell’atmosfera. Poiché il sistema è caotico, non tutti i nuovi punti (stati) saranno tra loro vicini, ma anzi alcuni saranno lontani (ovvero condizioni molto diverse dalle altre). Se associamo il concetto di probabilità a quello di densità della nuvola di punti -cosa logica e intuitiva- potremo concludere che i nuovi stati dell’atmosfera si addenseranno intorno a certe posizioni più probabili, mentre esisteranno altri stati più isolati, poco o comunque meno probabili. Le posizioni di maggiore probabilità vengono chiamate “attrattori”. Un esempio figurativo di uno stato attrattore di tutte le posizioni di un pendolo in libera oscillazione ma frenata dalla resistenza dell’aria, è la posizione centrale (verticale). Altri esempi sono le pressocché infinite forme geometriche dei cristalli di neve, mentre la configurazione esagonale costituisce l’attrattore del novero delle possibilità. Così anche gli esseri umani sono tutti diversi l’uno dall’altro, ma hanno tutti dei comuni denominatori fisici (testa, busto, due braccia, due gambe), appunto i nostri attrattori genetici.
Tornando al caso dell’atmosfera, possiamo artatamente perturbare lo stato iniziale (sommando o sottraendo piccole quantità nelle misure e simulando in questo modo la possibilità dell’errore strumentale). Il processo di calcolo genererà nuvole di nuovi scenari (“clusters”), ma quelli più vicini tra loro saranno i più probabili e tale probabilità potrà essere calcolata in base alla densità della nube. La soluzione, per concludere, non è più univoca ma costituita da un insieme di soluzioni più o meno probabili. Si perde in nitidezza ma si guadagna in termini di probabilità. Questo tipo di previsioni si chiama “d’insieme” o “ensemble forecast”. Per fare un esempio, in base a questi metodi si possono rappresentare non posizioni calcolate di determinate isobare, ma fasci di isobare corrispondenti alle maggiori probabilità (gli americani chiamano queste rappresentazioni “isobare-spaghetti”).

Guido Caroselli – da “Il tempo, il clima e la previsione meteorologica” – Convegno di meteorologia del Friuli venezia Giulia, marzo 2001.

Consigli di lettura

consigli di lettura
Libri sulla METEOROLOGIA e la CLIMATOLOGIA

Canale Youtube

Canale youtube
I miei video sul canale Youtube