La crescente necessità in ambito ambientale, sociale ed economico di conoscere l’evoluzione delle condizioni meteo-climatiche a lungo termine, per fini gestionali e non, si scontra con l’intrinseca e non eliminabile incertezza, connessa alla previsione delle masse d'aria in gioco, la quale tende ad aumentare necessariamente nel tempo, vista la natura “caotica” regolare degli stati dell'atmosfera.
Tuttavia, attraverso un confronto ragionato delle indicazioni derivanti da una selezione di modelli numerici di previsione stagionale, prodotti di punta nel settore specifico e diffusi dai maggiori Centri Meteorologici Internazionali, è possibile ottenere alcune informazioni utili, sull’andamento più probabile di precipitazioni e temperature atteso per i prossimi mesi.
Una previsione a lungo termine su aree geografiche poco estese e climaticamente "di confine", come è il caso della regione Piemonte, aggiunge un ulteriore elemento di complessità a questo scopo.
In questo senso lo sforzo di Arpa Piemonte è quello di realizzare e presentare questo confronto critico tra le principali simulazioni numeriche disponibili, traendo da dati quantitativi, seppur ad affidabilità limitata nel tempo, stime qualitative relative all'ambito regionale, usufruibili dagli utenti.
Questo prodotto è quindi uno sguardo sui possibili scenari che si prospettano nel trimestre a venire.
I commenti e le valutazioni riportate nelle tabelle si riferiscono al Piemonte e quindi, partendo sempre da una visione a scala europea, si cerca di focalizzare l’analisi delle mappe di temperatura e precipitazione previste sull’area subalpina italiana (Italia settentrionale), tenendo conto anche delle caratteristiche climatiche peculiari locali: per le precipitazioni, ad esempio, il Piemonte viene più facilmente interessato dalle piogge in arrivo dal Mediterraneo occidentale (Europa sud-occidentale) e di conseguenza possono pesare maggiormente, nella valutazione generale, i "segnali" atmosferici provenienti da quella zona.
I Modelli numerici utilizzati sono tratti dal Copernicus Climate Change System (C3S) Data Storage e sono forniti da nove centri meteorologici nazionali o internazionali individuati dall’Organizzazione Meteorologica Mondiale come Centri Produttori Mondiali di previsioni a lungo termine (Global Producing Centre, GPC, of long-range forecasts):
- ECMWF Sesonal Forecast System 5
- UK Met Office Global seasonal forecasting system (GloSea6)
- Deutscher Wetterdienst German Climate Forecast System 2.2
- NOAA - NCEP Climate Forecast System (CFSv2)
- Japan Meteorological Agency CPS3
- Environment and Climate Change Canada (ECCC) modello CanESM5.1p1bc (system 4) e GEM5.2-NEMO (system 5)
- Centro Euro-Mediterraneo sui Cambiamenti Climatici (CMCC) SPS4
- Métèo-France system 9
- Australian Bureau of Meteorology (BOM) modello ACCESS-S2
Con questo set di modelli C3S produce le previsioni “multi-system”, delle quali periodicamente vengono utilizzate le mappe del geopotenziale a 500 hPa come anomalia della media dell’ensemble di questi nove membri. La combinazione dei modelli nel multi-system è pesata in modo che ogni modello contribuisca nello stesso modo alla varianza totale del sistema (nota: https://confluence.ecmwf.int/display/CKB/C3S+seasonal+forecast+product+descriptions).
Il multimodel ARPA parte dai dati delle anomalie di temperatura a 2m, precipitazione e neve prodotte dai singoli modelli. Le climatologie dei modelli (o hindcast) sono differenti come periodo e modalità di calcolo da parte dei singoli centri, però C3S uniforma il calcolo delle anomalie sull’intervallo temporale comune a tutte le climatologie in modo che siano confrontabili. Considerando la documentazione il periodo utilizzato per la climatologia è 1993-2016, quindi di soli 23 anni anziché i 30 canonici.
Arpa per ogni modello non scarica la media dell’ensemble già calcolata, ma i singoli membri che sono variabili tra 20 e i 150 a seconda del modello dell’anomalia delle variabili (quindi la differenza tra il valore della variabile e la media climatologica sul periodo di climatologia comune tra tutti i modelli). Con questi per ogni ensemble si può costruire una mappa di probabilità e la mediana. Le probabilità sono definite utilizzando tre categorie per le anomalie: sotto la media, in media e sopra la media, con i valori riassunti in tabella:
| anomalie | Temperature (°C) | Precipitazioni (mm) | Neve (cm) |
| Sopra la media | Maggiore di 0.5 | Maggiore di 5 | Maggiore di 10 |
| Nella media | Tra -0.2 e 0.5 | Tra -10 e 5 | Tra -10 e 10 |
| Sotto la media | Minore di -0.2 | Minore di -10 | Minore di -10 |
In questo si modo si classificano i singoli membri nelle tre classi, e per ogni punto griglia e per ogni istante temporale è possibile ottenere la probabilità di avere valori sopra, sotto o in media. Se una di queste tre classi supera il 70% di probabilità la previsione è molto affidabile se tra 50 e 70% la previsione ha una affidabilità più bassa (rappresentata con il barrato nelle figure), se invece le tre classi sono equamente rappresentate o la più popolosa è inferiore al 50% la previsione viene definita poco affidabile e le figure sono mascherate con il grigio.
Le figure solitamente mostrate di temperatura, precipitazioni e neve rappresentano poi la media dell’ensemble o in molti casi la mediana per rimuovere le possibili influenze di membri estremi ma poco affidabili.
Note
Ultima modifica 29 Maggio 2026