• L'approccio meteoblue MultiModel aumenta notevolmente l'accuratezza della previsione.
• La previsione della velocità del vento su 24 ore di meteoblue è la migliore nel confronto con i modelli grezzi.
• I diversi modelli grezzi per la velocità e la direzione del vento hanno prestazioni molto simili.
• Tra i modelli di previsione confrontati, ICON ha nel complesso le prestazioni più elevate.
• GFS05 prevede la velocità del vento con un'accuratezza di 1.5 m/s superiore agli altri modelli grezzi.
• La previsione della velocità del vento è meno accurata su isole e catene montuose.
• La previsione della velocità del vento è generalmente più accurata in luoghi continentali che in prossimità degli oceani.
• Esistono variazioni regionali tra i modelli grezzi, particolarmente evidenti nel modello NEMSGLOBAL.
• The model performance of wind speed prediction models becomes less reliable with the increase of wind speed.

La variabile meteorologica del vento svolge un ruolo fondamentale nella ricerca meteorologica ed energetica. L'aumento del consumo di energia e il cambiamento climatico in atto portano a un crescente interesse per le energie rinnovabili. I settori dell'energia solare ed eolica sono in rapida crescita. I dati relativi alla velocità del vento sono essenziali per individuare i luoghi adatti alla collocazione delle turbine eoliche.

Inoltre, si prevede che in futuro gli eventi meteorologici estremi saranno sempre più frequenti. Aziende come assicurazioni o produttori agricoli dipendono da dati affidabili sulle condizioni del vento. Inoltre, la conoscenza delle dinamiche del vento aiuta a capire l'influenza del vento su altre variabili meteorologiche, come la temperatura o le precipitazioni, e a comprendere in generale il sistema atmosferico.

Poiché una previsione precisa del vento è fondamentale per molti dei nostri clienti (dalle aziende produttrici di energia eolica agli appassionati di outdoor), è essenziale per noi che i nostri clienti possano comprendere e interpretare le nostre previsioni e le loro prestazioni. Sono stati condotti diversi studi di verifica, illustrati nelle sezioni seguenti. In questi studi sono stati confrontati diversi modelli meteorologici numerici.

Analisi delle previsioni del vento a livello globale

I seguenti risultati si basano sulla tesi di laurea magistrale di Brigitte Häuser del 2021. Sono stati confrontati su scala globale diversi modelli di simulazione meteorologica della velocità del vento, come ICON, MFGLOBAL, GFS05, modelli della famiglia NEMS (NEMS4 e NEMS12) e il modello di rianalisi ERA5. Per la verifica sono state utilizzate oltre 5.000 misurazioni METAR orarie provenienti da luoghi di tutto il mondo e per l'intero anno 2020.

Per il confronto sono stati calcolati e utilizzati diversi indicatori di errore statistico e di performance previsionale. Ulteriori analisi spaziali indicano le prestazioni dei modelli di previsione meteorologica su base regionale. Infine, è stato testato un approccio MultiModel rispetto ad altri approcci, al fine di analizzare la loro rispettiva accuratezza.

Confronto tra modelli grezzi

Per confrontare i modelli grezzi, sono stati calcolati l'errore assoluto medio (MAE) e il mean bias error (MBE). La figura seguente mostra che ICON e ERA5 hanno il MAE più basso, seguiti da GFS05 e MFGLOBAL. La performance previsionale della velocità del vento di NEMSGLOBAL è la peggiore, rispetto agli altri modelli di previsione meteorologica.

La maggior parte dei modelli di previsione meteorologica tende a sottostimare la velocità del vento (vedi grafico seguente).

Per un'ulteriore analisi delle prestazioni, sono stati calcolati POD (Probability of Detection), FAR (False Alarm Ratio) e HSS (Heidke Skill Score). Le soglie di 5, 15, 20 e 30 m/s sono state impostate per valutare le prestazioni delle previsioni per velocità del vento più elevate. I risultati principali sono riassunti nella tabella seguente.

Come per POD, la velocità del vento superiore a 5 m/s è stata prevista con maggiore precisione da NEMSGLOBAL, seguito da GFS05, ERA5, ICON e MFGLOBAL. Tuttavia, tenendo conto del HSS e degli alti valori FAR, gli alti valori POD di NEMSGLOBAL sono probabilmente causati da una sovrastima generale della velocità del vento.

In confronto, ERA5 mostra una buona capacità di previsione per la velocità del vento superiore a 5 m/s, mentre per la velocità del vento più elevata, GFS05 offre le migliori prestazioni. Tuttavia, la probabilità e la capacità generale di rilevare una velocità del vento superiore a 15 m/s diminuisce significativamente per tutti i modelli, il che significa che tutti hanno difficoltà nel prevedere eventi di velocità del vento elevata.

POD, FAR e HSS per tutti i modelli grezzi calcolati per i dati di misurazione di oltre 5000 stazioni a livello globale nel 2020.

Dominio	POD_5	POD_15	POD_20	FAR_5	FAR_15	FAR_20	HSS_5	HSS_15	HSS_20
ERA5	0.479	0.045	0.021	0.276	0.503	0.503	0.419	0.039	0.019
GFS05	0.551	0.116	0.053	0.368	0.74	0.759	0.412	0.08	0.035
ICON	0.466	0.055	0.026	0.302	0.903	0.906	0.413	0.037	0.017
MFGLOBAL	0.37	0.069	0.04	0.286	0.691	0.674	0.31	0.047	0.028
NEMSGLOBAL	0.636	0.205	0.082	0.456	0.907	0.949	0.381	0.063	0.023

Analisi spaziale

La distribuzione spaziale del MAE è mostrata di seguito per i modelli ERA5 e NEMSGLOBAL, in quanto differiscono in modo più significativo l'uno dall'altro. La sovrapposizione di stazioni vicine è stata evitata calcolando la media delle metriche di errore in celle della griglia 3x3°, risultando in una griglia consistente sovrapposta alla mappa del mondo.

b) Modello di previsione NEMSGLOBAL

Il MAE di ERA5 è spazialmente distribuito equamente in tutto il mondo. Tuttavia, NEMSGLOBAL presenta i valori di MAE più elevati in Canada e Nord Europa, sebbene la distribuzione del MAE sia paragonabile a quella di ERA5, solo con contrasti più elevati. Entrambe le mappe mostrano prestazioni inferiori nella previsione della velocità del vento sulle isole e (in particolare nella mappa di NEMSGLOBAL) nelle regioni montuose come le Montagne Rocciose.s regions such as the Rocky Mountains. In general, certain models In generale, alcuni modelli mostrano modelli spaziali più marcati, mentre altri meno. Per informazioni più dettagliate, si prega di consultare la tesi di laurea (2,5 MB).

Approccio MultiModel

Nell'approccio MultiModel, diversi modelli grezzi vengono combinati e ponderati in modo diverso, il che di solito porta a un miglioramento dell'accuratezza della previsione. Come dimostrato nella sezione precedente, i modelli grezzi tendono ad avere risultati spaziali diversi. La combinazione delle previsioni di più modelli per un luogo specifico può portare alla cosiddetta "cancellazione dell'errore". Ad esempio, due modelli (uno che sovrastima la variabile e l'altro che la sottostima) possono bilanciarsi a vicenda, determinando un errore di previsione inferiore. In questa sezione, i modelli di previsione meteorologica GFS05, MFGLOBAL, NEMSGLOBAL e ICON sono stati combinati per ottimizzare il MAE e convalidati anche rispetto alle stazioni METAR.

Lo studio mostra che ICON ha l'impatto più elevato in questo approccio a livello globale, in quanto è stato ponderato al massimo per quasi tutti i luoghi, ad eccezione di quelli della Russia e del Canada settentrionale. Grazie alla sua elevata ponderazione, GFS05 ha una grande rilevanza anche nell'approccio MultiModel. Facendo la media dei MultiModel più performanti di tutte le stazioni (cioè tutte le combinazioni MultiModel specifiche delle stazioni con il MAE più basso), si ottiene una combinazione MultiModel ottimizzata, in cui ICON è ponderato al 50-60%, GFS05 al 20-30% e MFGLOBAL e NEMSGLOBAL al 10%. Questo MultiModel è stato, nella fase finale, verificato con tutte le stazioni METAR.

La tabella seguente mostra che questo approccio può migliorare la previsione della velocità del vento. Mentre il MultiModel è stato ottimizzato per il MAE, anche altre metriche di errore come MBE, RMSE (root mean square error) e MAPE (mean absolute percentage error) sono risultate inferiori rispetto ai modelli grezzi. La correlazione (Cor) è una metrica di errore che indica la misura in cui due serie di dati sono correlate o concordano tra loro. Più alto è il numero (cioè più vicino a 1), migliore è la previsione. La tabella mostra che il MultiModel supera i due modelli più performanti ICON e ERA5.

Metriche dell'errore medio per diversi modelli grezzi e per il MultiModel globale ottimizzato. I calcoli si basano sui dati di misurazione orarie di oltre 5.000 stazioni a livello globale nel 2020.

Dominio	MAE	MBE	RMSE	MAPE	Cor	Cor >3 m/s
NEMSGLOBAL	1.866	0.657	2.421	0.607	0.596	0.501
MFGLOBAL	1.617	-0.490	2.070	0.474	0.612	0.514
GFS05	1.563	0.130	2.002	0.483	0.635	0.537
ERA5	1.460	-0.152	1.860	0.429	0.652	0.577
ICON	1.453	-0.355	1.925	0.422	0.682	0.577
MM GLobal Weight	1.369	-0.122	1.768	0.401	0.703	0.598

Confronto tra fornitori

Per classificare le nostre previsioni operative della velocità del vento, le abbiamo confrontate con le prestazioni dei modelli grezzi e con quelle di altri fornitori di previsioni meteorologiche. La figura seguente mostra il MBE di diversi modelli di previsione (NEMSGLOBAL, ICON, GFS05, MFGLOBAL e UMGLOBAL), del modello di rianalisi ERA5 e delle previsioni di meteoblue. I risultati del modello sono stati confrontati con le misurazioni orarie di oltre 450 stazioni METAR in tutto il mondo. L'analisi si basa su dati di previsione di 24 ore e su dati di velocità del vento misurati ogni ora per l'anno 2021.

Previsioni meteoblue vs. modelli grezzi

La figura precedente mostra che per la maggior parte dei modelli il MBE è negativo, quindi i modelli sottostimano la velocità del vento, mentre il picco più alto per le previsioni meteoblue è vicino allo zero. Questo dato dimostra che le previsioni di meteoblue superano quelle del modello di rianalisi ERA5.

Previsioni di meteoblue vs. altri fornitori di dati meteorologici

La tabella seguente fornisce una sintesi delle metriche di errore MAE e MBE per le previsioni di meteoblue e di altri 6 fornitori di dati meteorologici. Nel caso del MAE, la previsione di meteoblue ha i valori più bassi e quindi supera gli altri fornitori, anche se sottostima la velocità del vento più di quanto facciano gli altri fornitori.

MAE [m/s] e MBE [m/s] di diversi fornitori di servizi meteorologici e le previsioni e misurazioni orarie di meteoblue di oltre 450 stazioni globali per l'anno 2021.

Fornitore	MAE [m/s]	MBE [m/s]
meteoblue	1.36	-0.53
Fornitore_D	1.41	-0.42
Fornitore_F	1.38	-0.29
Fornitore_C	1.41	-0.36
Fornitore_G	1.48	-0.09
Fornitore_B	1.40	-0.14
Fornitore_H	1.51	-0.11