Products, help and information

Temperatura dell'aria

Sensibilità agli orari previsti

Le prestazioni del modello generalmente diminuiscono con l'aumento del numero di ore previste. La precisione della temperatura dell'aria di 2 m nella scelta del meteoblue Learning Multimodel (mLM) è di 1,2 K per la previsione sulle 24 ore e di 2,0 K per la previsione sui 6 giorni. Ciò significa che la previsione su 24 ore del mLM è buona quanto la previsione su 6 giorni di modelli di previsione meteo numerici autonomi.

MAE [K] basato sulle ore previste per il mLM per un singolo giorno di analisi e sulla media (nero). Viene visualizzato anche l'errore di previsione su 24 ore per i modelli MOS (blu) e grezzi (rosso).

Una rapida introduzione al meteoblue Learning Multimodel può essere scaricata qui sotto:

mlm_leaflet.pdf (6,96 MB)

Previsione 24 ore su 24 dei dati storici e previsionali

I nostri risultati mostrano che il meteoblue Learning Multimodel (mLM), che viene utilizzato nelle previsioni operative, funziona significativamente meglio delle simulazioni MOS e del modello storico di rianalisi ERA5 (MAE = 1,2 K contro MAE = 1,5 K). La precisione dei modelli numerici autonomi di previsione del tempo (ad esempio NEMS, GFS) è notevolmente inferiore a quella dei modelli MOS e mLM in particolare.

Oltre il 90% di tutte le stazioni meteorologiche hanno una precisione migliore di 2 K utilizzando meteoblue Learning Multimodel (mLM). Questo numero è ridotto all'85% utilizzando il modello di rianalisi ERA5 e al 50% (36%) utilizzando il modello autonomo di previsione meteorologica numerica NEMS (GFS).

Le regioni continentali e di alta quota sono generalmente meno ben simulate delle regioni marittime e di bassa quota. Gli errori in Europa e Nord America sono generalmente inferiori a quelli dell'emisfero australe. Le temperature dell'aria sono generalmente più basse nell'emisfero settentrionale in inverno che in estate.

Prestazioni del modello di previsione di 24 ore del mLM (pannello superiore), del modello di rianalisi ERA5 (in basso a sinistra) e del modello numerico di previsione meteo GFS (in basso a destra) per settembre - ottobre 2018.

Temperatura

NEMS Global 25km - verifica della temperatura

Simulazioni di temperatura con MOS:

  • Corregge la maggior parte degli errori
  • 92% delle stazioni con un MAE* < 2,0°C
  • Miglioramento rispetto a RAW = 0,8°C
  • 85% degli errori di tempo < 2,0°C

Utilizzato per tutte le previsioni meteoblue.

meteoblue prevede più del 70% di tutte le temperature con meno di 2°C di differenza dalle temperature misurate - 3 giorni (72 ore) in anticipo. Come per 12 ore in anticipo, oltre l'80% di tutte le previsioni di temperatura ha una differenza inferiore a 2°C rispetto alle misurazioni - su base oraria. L'RMSE (errore quadrato medio) della previsione oraria corrisponde a meno di 2,5°C fino a 3 giorni di previsione e a 2°C per un giorno di previsione (questi dati sono validi per l'Europa e il Nord America).

Personalmente: se pensate di notare differenze di temperatura di più di 2°C (solo sentendolo), allora 2/3 di tutte le nostre previsioni di temperatura oraria sono già corrette con 3 giorni di anticipo! Questo significa che quando si guarda una previsione meteoblue per le prossime 72 ore, si verificano almeno 54 ore delle stesse temperature della previsione meteoblue.
Tecnicamente: se si intercettano le misure di temperatura da una stazione meteorologica ogni 3 ore in dati orari e li si confrontano con le misurazioni orarie correnti, l'RMSE sarà di 1,5-2,0°C. L'errore di previsione meteoblue è in media di 2,2°C. Ciò significa che la previsione della temperatura è già buona almeno quanto le misurazioni.

MAE* : Mean absolute error (errore medio assoluto)

Esempio di utilizzo

Nell'esempio seguente viene mostrata la probabilità di un episodio di gelo.

Esempio ipotetico: Siete interessati a temperature inferiori a 0°C, al gelo, perché siete agricoltori e siete preoccupati per il vostro raccolto. L'errore del modello è +/- 2°C nell'85% dei casi. Ciò significa che con un rischio del 15%, la temperatura può variare di oltre 2°C. Ma siete interessati solo ad abbassare le temperature, quindi il rischio di variazioni di temperatura in direzione negativa è solo la metà: 7,5%. Precisamente, ad una temperatura di 2°C avete il 7,5% di probabilità che la temperatura scenda sotto gli 0°C. Se la temperatura critica per il vostro raccolto è di -1°C, il rischio è ancora più basso: 3,75%; così come per una temperatura critica di -2°C: 1,875%.

La stessa riflessione può essere fatta con un errore di 1°C nell'85% dei casi. C'è una diminuzione della probabilità che la temperatura scenda al di sotto di 0°C; il rischio è del 3,75% a 0°C.

Se la previsione è valida solo per il 60% dei casi, il rischio è il seguente: Ad una temperatura di 2°C si ha una probabilità del 20% che la temperatura scenda al di sotto di 0°C; 10% per una temperatura inferiore a -1°C.

Tutte queste considerazioni presuppongono che stimiate il rischio di temperature inferiori a 0°C ad una temperatura effettiva di 2°C. Se questi calcoli vengono eseguiti a 1°C, ad esempio, il rischio cambia.

Nel grafico sottostante, questi fatti sono illustrati visivamente:

Visualizzazione del rischio che la temperatura scenda al di sotto di 0°C.