ECMWF migliore di GFS?

[Gigiometeo]

Originariamente Scritto da Peval

io invece credo che guido guidi abbia preso una cantonata bella grossa, valutare 2 modelli basandosi sulla correlazione dell'altezza geopotenziale per di più su un periodo temporale di poco più di 30 giorni (!!!) non ha alcun senso.
Detto questo ECMWF è ancora migliore di gfs.

A quello mi riferivo quando parlavo di 'macello'....

[luca_mo]

Originariamente Scritto da Peval

io invece credo che guido guidi abbia preso una cantonata bella grossa, valutare 2 modelli basandosi sulla correlazione dell'altezza geopotenziale per di più su un periodo temporale di poco più di 30 giorni (!!!) non ha alcun senso.
Detto questo ECMWF è ancora migliore di gfs.

Una volta tempo fa mi ero addentrato a vedere le varie correlazioni a piu giorni e anche di altri parametri e ricordo che ECMWF fosse avanti in tutte..

[Peval]

Originariamente Scritto da luca_mo

Una volta tempo fa mi ero addentrato a vedere le varie correlazioni a piu giorni e anche di altri parametri e ricordo che ECMWF fosse avanti in tutte..

ECMWF è migliore di gfs. Quello che stiamo criticando è l'uso che si fa delle verification, che evidentemente continua a non essere compreso del tutto.

[luca_mo]

Originariamente Scritto da Peval

ECMWF è migliore di gfs. Quello che stiamo criticando è l'uso che si fa delle verification, che evidentemente continua a non essere compreso del tutto.

Si ho capito quel che intendi dire, mi riferivo al fatto del confronto tra i modelli solo in base a un parametro

[jackmeteo]

Originariamente Scritto da Gigiometeo

più che altro avrebbe più senso valutare un nuovo modello NCEP rispetto alla versione precedente dello stesso modello NCEP, e non rispetto ad un altro modello.
Poi continuo a vedere che delle verifications si fa carne da macello, ma pazienza.
In ogni caso nulla che non si sapesse già.

Anche io ieri ci avevo pensato riguardo a un confronto fra il nuovo e il vecchio modello NCEP..sarebbe interessante

[Peval]

Originariamente Scritto da luca_mo

Si ho capito quel che intendi dire, mi riferivo al fatto del confronto tra i modelli solo in base a un parametro

luca, giurerei di aver scritto le stesse cose circa 2 mesi fa, ma tant'è.....

le verification vengono fatte utilizzando il root mean square error tra la forecast (output del modello ad un tempo t) e l'analisi allo stesso tempo t. L'analisi non è altro che lo stato iniziale da cui viene fatto partire il modello, ed è fatto dalla corsa di background (il run precedente del modello) + le osservazioni da tutte le stazioni meteorologiche disponibili a quel determinato tempo. Il processo che mtte tutto assieme (background+osservazioni) si chiama data assimilation. E' evidente come l'analisi non sia di certo lo stato reale dell'atmosfera, ma si cerca di ricreare quanto di puù possibili "vicino" alla realtà. Tuttavia l'analisi è appunto un'approssimazione, poichè lo stato reale dell'atmosfera (le variabili temperatura pressione ecc....) vengono approssimate e discretizzate nel dominio spaziale del modello (viene fatta la media dei campi per ogni grid box, i campi vengono decomposti in armoniche sferiche se il modello è spettrale ecc ecc...). Tutta questa pugnetta per arrivare a dire che l'analisi è parte del modello stesso, quando fai le verification non è che confronti 'output del modello con la realtà, ma con le condizioni iniziali del modello stesso. Ora che senso ha confrontare le verification del root mean square error di ECMWF con quelle di gfs, se tanto li si confronta con le analisi che CIASCUN modello produce?!? chiaramente l'analisi di GFS viene prodotta dal modello GFS che ha schemi e risoluzione diversa da quelle di ECMWF....le verification come sottolinea giustamente gigio servono per fare paragoni RIMANENDO SU QUEL MODELLO, della serie cambio uno schema, una parametrizzazione un qualcosa e vedo come si comportano le verification sull'analisi che il mio modello produce. Spero di aver chiarito, scusate i caps lock, ma voglio enfatizzare i punti chiave di ste benedette verification, che sono uno dei puù grossi misunderstanding, assieme alla famosa wave1=HP aleutinico wave 2=HP delle azzorre

[gibo]

Originariamente Scritto da Peval

luca, giurerei di aver scritto le stesse cose circa 2 mesi fa, ma tant'è.....

le verification vengono fatte utilizzando il root mean square error tra la forecast (output del modello ad un tempo t) e l'analisi allo stesso tempo t. L'analisi non è altro che lo stato iniziale da cui viene fatto partire il modello, ed è fatto dalla corsa di background (il run precedente del modello) + le osservazioni da tutte le stazioni meteorologiche disponibili a quel determinato tempo. Il processo che mtte tutto assieme (background+osservazioni) si chiama data assimilation. E' evidente come l'analisi non sia di certo lo stato reale dell'atmosfera, ma si cerca di ricreare quanto di puù possibili "vicino" alla realtà. Tuttavia l'analisi è appunto un'approssimazione, poichè lo stato reale dell'atmosfera (le variabili temperatura pressione ecc....) vengono approssimate e discretizzate nel dominio spaziale del modello (viene fatta la media dei campi per ogni grid box, i campi vengono decomposti in armoniche sferiche se il modello è spettrale ecc ecc...). Tutta questa pugnetta per arrivare a dire che l'analisi è parte del modello stesso, quando fai le verification non è che confronti 'output del modello con la realtà, ma con le condizioni iniziali del modello stesso. Ora che senso ha confrontare le verification del root mean square error di ECMWF con quelle di gfs, se tanto li si confronta con le analisi che CIASCUN modello produce?!? chiaramente l'analisi di GFS viene prodotta dal modello GFS che ha schemi e risoluzione diversa da quelle di ECMWF....le verification come sottolinea giustamente gigio servono per fare paragoni RIMANENDO SU QUEL MODELLO, della serie cambio uno schema, una parametrizzazione un qualcosa e vedo come si comportano le verification sull'analisi che il mio modello produce. Spero di aver chiarito, scusate i caps lock, ma voglio enfatizzare i punti chiave di ste benedette verification, che sono uno dei puù grossi misunderstanding, assieme alla famosa wave1=HP aleutinico wave 2=HP delle azzorre

Io me lo ero perso questo discorso ed ora è tutto molto chiaro, soprattutto il perchè quei grafici non possono essere usati come misura di qualità di un modello rispetto all'altro.

Una domanda : ma quei picchi in basso che un po' tutti i modelli presentano a cosa sono dovuti? Potrebbero essere dovuti ad una non corretta o scarsa qualità della data assimilation?

[Peval]

Originariamente Scritto da gibo

Io me lo ero perso questo discorso ed ora è tutto molto chiaro, soprattutto il perchè quei grafici non possono essere usati come misura di qualità di un modello rispetto all'altro.

Una domanda : ma quei picchi in basso che un po' tutti i modelli presentano a cosa sono dovuti? Potrebbero essere dovuti ad una non corretta o scarsa qualità della data assimilation?

ci sono "stati" dell'atmosfera che sono di più difficile previsione di altri e in cui l'"errore" (sempre il famoso rmse, root mean square error) è più elevato. In genere, i processi che accelerano di più la crescita dell'errore, ovvero del discostamento tra la previsione e ciò che poi effettivamente si verifica sono quelli su piccola scala e sulla mesoscala. In particolare convezione, fronti, ed extratropical cyclones (se rimaniamo alle medie latitudini) sono i processi in cui una piccola differenza nelle condizioni iniziali si manifesta poi in una grossa divergenza nella previsione dallo stato reale. Sono quindi questi i processi in cui comportamento caotico e sensibilità alle condizioni iniziali si manifestano "prima" (scala di qualche giorno per un ciclone, nella convezione addirittura la scala in cui la previsione inizia a divergere dalla realtà è di qualche ora!) e che poi vanno ad influenzare la dinamica a larga scala, fino alle Rossby waves, gravity waves ecc.... Evidentemente i picchi negativi nella correlazione sono dovuti ad una situazione atmosferica più "incerta" rispetto ad un altra, come per esempio intensa attività di cicloni nel nord atlantico con associati fronti attivi e convezione ecc....in questi casi il modello fa "fatica" e magari la corsa deterministica va in una direzione che è sbagliata (il ciclone con annessa anomalia nell'h geopotenziale il modello lo vede in un punto, poi in realtà il ciclone va 1000 km piu a sud, per dire) per cui vedi una correlazione più bassa nelle verification. spero si capisco gibo, ho scritto in fretta

[Peval]

aggiungo che l'ensemble forecasting appunto è nato per far fronte a queste situazioni, della serie faccio partire il run deterministico più una serie di run con delle perturbazioni (differenze nelle condizioni iniziali) e vedo come va a finire, magari il deterministico scazza, ma qualche membro dell'ensemble invece va nella direzione giusta

[cicciod]

oh io non sono tanto competente, ma sono pienamente d'accordo con peval....

mi sembra come dire che la Ferrari è meglio della Mercedes perchè nelle ultime 6 gare del mondiale ha cambiato gomme in un tempo medio di 2.9 contro 3.1 dei tedeschi.....
Sarà anche importante la pressione prevista ma non è tutto, e poi guardiamo un po di più di un mese....