Cari lettori, come molti di voi sapranno la previsione di un temporale è una delle cose più difficili in assoluto. Sapere con precisione, anche a poche ore dall’evento, quanta pioggia cadrà è estremamente complicato, così come lo è in inverno stabilire con esattezza la quota neve. Non è raro, infatti, osservare mappe meteo che indicano pochi millimetri di precipitazione mentre gli indici atmosferici evidenziano condizioni favorevoli allo sviluppo di temporali molto intensi. Viceversa, capita altrettanto spesso che in alcune giornate i modelli vedano tantissima pioggia e poi, all’ultimo momento, ribaltino completamente lo scenario. In questo articolo proviamo ad analizzare per bene come mai accadono queste cose e, soprattutto, come conviene muoversi in questo delicato campo delle previsioni. Chi segue con costanza l’argomento lo sa: gli indici atmosferici restano una fonte preziosissima di informazioni, ma da soli non bastano mai a fugare ogni dubbio, come raccontiamo anche in questo approfondimento.
La prima cosa da considerare
Il primo elemento da tenere presente è la risoluzione dei modelli meteo, perché non sono affatto tutti uguali. I modelli globali, come GFS, ECMWF e UKMO – su cui trovate un confronto diretto in questo articolo dedicato a GFS ed ECMWF e in questo approfondimento sulle differenze tra i due modelli – suddividono il territorio in celle di diversi chilometri di lato e calcolano la precipitazione media prevista all’interno di ciascuna di esse. Se un temporale estremamente intenso scarica, ad esempio, 100 millimetri di pioggia su un’area molto limitata, il modello distribuisce quell’accumulo sull’intera cella di calcolo. Di conseguenza, le mappe possono mostrare accumuli modesti anche quando, nella realtà, un singolo comune potrebbe essere interessato da precipitazioni eccezionali. Può capitare, ad esempio, che un comune riceva una pioggia torrenziale mentre a soli cinque chilometri di distanza non cada praticamente una goccia. Un modello a scala globale vede l’intera zona interessata da piogge a intermittenza, ma alcuni comuni vengono letteralmente allagati e il modello non riesce a cogliere questo dettaglio.
L’altro aspetto da non sottovalutare
I modelli globali non sono in grado di simulare direttamente ogni singolo cumulonembo o supercella. Utilizzano invece algoritmi matematici che stimano la probabilità e l’intensità media della convezione all’interno della griglia. Questo approccio funziona bene per i fenomeni estesi: i modelli, infatti, risultano molto precisi nelle perturbazioni autunnali e invernali. È capitato addirittura che alcuni riuscissero a stimare l’esatta precipitazione al millimetro di una determinata città in un mese freddo come Novembre o Dicembre. Questa modalità, però, tende a sottostimare i temporali isolati, che per loro natura sono molto localizzati e difficili da rappresentare. Talvolta non li vede proprio, soprattutto nel caso della convezione esplosiva, ovvero di temporali violentissimi che nascono dal nulla grazie all’immane calore atmosferico presente in quel momento – un tema che anche gli esperti internazionali indicano ancora tra i grandi limiti della meteorologia moderna, come spieghiamo in questo articolo sui limiti della previsione dei temporali.
Parliamo di parametri
Un altro fattore determinante è il wind shear, ovvero la variazione di intensità e direzione del vento con la quota. In presenza di wind shear elevato è facile che nasca una supercella, una struttura che tende a deviare di circa 30 gradi il percorso delle correnti in quota – il meccanismo è spiegato bene in questo articolo sul rischio supercelle e in questo approfondimento su come nascono le supercelle in Italia. Una supercella, inoltre, può muoversi rapidamente, anche oltre i 60 chilometri orari, attraversando una determinata località in pochi minuti. Il modello interpreta questo rapido passaggio come un accumulo complessivo ridotto, ma è probabile che cadano nubifragi violentissimi, capaci di durare pochi minuti e di provocare comunque danni o allagamenti – lo stesso meccanismo che, come raccontato in questo articolo sulla grandine di grosse dimensioni, può portare anche a chicchi di dimensioni ragguardevoli.
Parliamo invece di estensione areale
Anche la dinamica atmosferica su larga scala contribuisce a questi errori intrinseci. I modelli meteo prevedono con maggiore affidabilità vaste aree di precipitazione quando è presente una perturbazione ben organizzata, come un fronte freddo o un ciclone mediterraneo autunnale-invernale. In situazioni prefrontali, invece, l’atmosfera può risultare estremamente instabile ma priva di un forte meccanismo di sollevamento su scala sinottica. In questi casi il modello tende a simulare poche precipitazioni, perché non riesce a individuare un innesco diffuso, dato che la pressione rimane pressoché costante. Ne consegue che la previsione di un fronte piovoso a Ottobre o Gennaio risulta nettamente più affidabile e plausibile – magari anche a 5 o 7 giorni di distanza – rispetto a quella estiva, dove diventa difficilissimo simulare una pioggia violenta anche a poche ore dall’evento.
Arrivano in soccorso i nuovi modelli
Alla luce di quanto esposto in questo nostro nuovo articolo, per fortuna esistono modelli che analizzano proprio la scala locale. Ecco perché anche accumuli apparentemente modesti possono nascondere il rischio di fenomeni meteo estremi, con nubifragi violentissimi e improvvisi e le famigerate grandinate di grosse dimensioni, che restano comunque difficili da prevedere con largo anticipo – come confermato anche dallo studio sull’aumento futuro delle supercelle in Europa. In queste situazioni, AROME o MOLOCH sono modelli a scala locale che simulano esplicitamente la convezione e riescono a rappresentare con maggiore precisione la formazione e l’evoluzione dei temporali violenti.
Credit:
- NOAA National Severe Storms Laboratory – Thunderstorm Forecasting
- ECMWF – Physical Processes, il funzionamento dello schema di convezione
- American Meteorological Society – Operational Implementation of the AROME Model
- NOAA Storm Prediction Center – Convection-Allowing Model Evaluation Strategies
- AGU – WoFSCast: A Machine Learning Model for Predicting Thunderstorms