Multimodel SuperEnsemble è un fit autoregressivo lineare che, utilizzando i dati osservati della rete al suolo italiana, calcola la media ponderata dei vari DMO in un periodo chiamato “di training

I modelli utilizzati per il SuperEnsemble operativo sono i seguenti:

  • ECMWF IFS (run 00 e 12 UTC)
  • COSMO-I5 (run 00 e 12 UTC)
  • COSMO-2I (run 00 e 12 UTC)
  • BOLAM (run 00 UTC)
  • MOLOCH (run 03 UTC)

Il periodo di training o apprendimento (dinamico) è di 40 giorni (può essere variato, se necessario). Tale elaborazione è necessaria in quanto l’uso diretto dell’output prodotto da modelli meteorologici a scala globale (GCM) o ad area limitata (LAM) non fornisce risultati ottimali, soprattutto per i parametri meteorologici superficiali. Ciò è dovuto alle approssimazioni introdotte negli schemi di parametrizzazione, alla differenza tra l’orografia utilizzata dal modello e l’orografia reale ed a una rappresentazione insufficientemente accurata dello stato del suolo. Un approccio utilizzato per fornire una previsione più accurata è quindi necessariamente lo sviluppo di schemi di post-elaborazione, studiando una opportuna correzione statistica agli output diretti del modello (DMO) di queste variabili.

Fino a oggi, molti test sono stati effettuati nel corso degli anni, con combinazioni di diversi modelli (LAM da soli o LAM assieme a ECMWF), con diverse corse (00UTC e 12UTC), con diversi tipi di periodi di “training” (fissi o dinamici), con diverse lunghezze del periodo di “training” stesso. I risultati dei test hanno portato all’articolazione della procedura operativa con le seguenti caratteristiche:

  • deve essere incluso il modello globale ECMWF-IFS;
  • Le previsioni Multimodel mostrano un valore aggiunto rispetto all’output dei singoli modelli aggiungendo fino a 8 modelli circa;
  • l’apprendimento dinamico consente di considerare la variazione stagionale delle prestazioni del modello, nonché le sue possibili variazioni di configurazione avvenute in corso d’opera;

Le osservazioni utilizzate sono più di 3000, e provengono, come si è accennato, dalla rete dei Centri Funzionali della Protezione Civile Italiana, ottimizzati con un controllo di qualità operativo. I modelli BOLAM e MOLOCH sono le versioni rilasciate da ISAC-CNR, ovvero con inizializzazione sul modello globale GFS.

Multimodel SuperEnsemble è un fit autoregressivo lineare che, utilizzando i dati osservati della rete al suolo italiana, calcola la media ponderata dei vari DMO in un periodo chiamato “di training”. L’assunzione alla base è che questo errore sarà lo stesso, o perlomeno molto simile, nel periodo “di forecast”. In questo modo, è possibile ottenere una previsione facendo la media dei vari modelli disponibili, pesati ognuno con il suo errore sistematico, dopo aver costruito una matrice di errore relativa al periodo di “training”.

I pesi vengono ricalcolati ogni giorno sui 40 giorni precedenti, per ogni stazione e per ogni intervallo di tempo esaminato. La previsione del Multimodel SuperEnsemble viene effettuata quotidianamente sulle stazioni meteorologiche della Rete della Protezione Civile Italiana (DEWETRA) ed è in grado di fornire un output anche in assenza di uno o più modelli in input.Un semplice Ensemble Forecast mediato (detto poor man Ensemble) avrebbe la seguente forma:

Indicando con S la previsione di output, N il numero di previsioni di input, Fi le previsioni di input dei singoli modelli, F1 la media aritmetica delle previsioni di input. Un’evoluzione del Poor Man Ensemble è l’Ensemble corretto dall’errore sistematico, che usa questa espressione:

L’equazione Multimodel SuperEnsemble è la seguente, dove introduciamo i pesi ai: