Capita di prendersela coi meteorologi quando le previsioni del meteo non si avverano. Ma è davvero colpa loro? Scopriamolo insieme.
Consulti le previsioni del meteo, ma poi ti ritrovi senza ombrello sotto la pioggia. Sarà mica colpa dei meteorologi? Non è detto. Spesso, infatti, l’efficacia di una previsione può dipendere dalla percezione che hai della stessa: è bene, dunque, essere più consapevoli di come queste vengono realizzate.
A proposito del monitoraggio della Terra, guarda il nuovo satellite per la rilevazione delle acque dispiegarsi nello spazio.
Immagina palloni meteorologici che vengono regolarmente lanciati ogni giorno da varie stazioni meteo nel mondo: mentre viaggiano verso l’alto, registrano come la pressione, la temperatura, la velocità e la direzione del vento variano con l’altitudine.
Il numero di stazioni presenti, però, è così ridotto che, tanto per fare un esempio, nello stato dell’Indiana c’è una distesa di circa 500 chilometri tra le due stazioni di osservazione aerea superiore più vicine allo stato, che si trovano a Wilmington, Ohio e Lincoln, Illinois. I dati raccolti, pertanto, possono solo approssimare il comportamento delle variabili meteorologiche tra le stazioni.
I modelli numerici che poi elaborano tali misure, inoltre, devono far fronte alla cosiddetta natura non-lineare dell’atmosfera e alle sue complesse interazioni con la biosfera e gli oceani. In particolare, la prima implica che la sua evoluzione temporale dipende fortemente dalle condizioni iniziali, ovvero dalle osservazioni (le quali, come abbiamo appena visto, possono essere molto approssimate).
Tali modelli predittivi, inoltre, applicano le loro equazioni iterativamente nel tempo: in questo modo, il valore futuro stimato per ogni grandezza meteorologica viene poi usata come valore iniziale per l’iterazione successiva. Così facendo, gli errori di misura si propagano, cioè ogni nuovo valore calcolato ‘accumula’ in qualche modo le incertezze dei valori utilizzati per calcolarlo: cosicché gli errori crescono e, per via della suddetta non linearità, questo incremento è già significiativo dopo un numero di cicli relativamente piccolo.
Tornando alla dipendenza dalle condizioni iniziali, possiamo dire, in altre parole, che lievi cambiamenti nelle condizioni iniziali possono portare a previsioni molto diverse. Durante l’Annual Meeting of the American Association for the Advancement of Science del 1979 a Washington, il meteorologo statunitense Edward Lorenz descrisse quest’ultimo fenomeno come ‘effetto farfalla’: per rendere l’idea, egli affermò che il battito d’ali di una farfalla potrebbe causare un tornado a grandi distanze.
Perciò si applica una tecnica nota come ‘ensemble predictions’ (traducibile come ‘previsioni di insieme’) che consiste nel modificare leggermente gli input iniziali (cioè le osservazioni effettuate dalle stazioni meteorologiche) prima di eseguire un modello. Tale operazione viene compiuta un certo numero di volte, ottenendo così diversi possibili scenari futuri: così, per un particolare modello, una probabilità del 10 per cento che piova sta a indicare che il 10 per cento delle volte è stata prevista la pioggia.
Ma non finisce qui. I modelli disponibili sono numerosi, ognuno coi propri punti di forza e debolezza, in base al modo in cui trattano i processi su piccola scala: il comportamento delle gocce d’acqua è l’esempio di un processo troppo piccolo perché il modello possa apprezzarlo dalle misure dirette, pertanto non può che essere approssimato e ogni modello lo fa in un modo unico.
Con l’esperienza, i meteorologi imparano anche a riconoscere le situazioni in cui un particolare modello è poco efficace: ad esempio, quando c’è una copertura nevosa al suolo, alcuni modelli sopravvalutano la temperatura perché non sanno che vi un deposito di neve. Un meteorologo che lavora in un ufficio locale, invece, è a conoscenza di ciò e sa che l’energia del Sole viene parzialmente utilizzata per sciogliere la neve – invece di riscaldare l’aria – facendo salire le temperature più lentamente.
Questi sono alcuni dei motivi principali per cui le applicazioni del meteo spesso ti forniscono informazioni inaffidabili anche dopo soli pochi giorni.
Fonti: Scientific American, INFN.
Se il lavoro che stiamo facendo ti sembrerà utile, per te e per tutti, potrai anche decidere di esserne partecipe e di abbonarti a Passione Astronomia. Possiamo prometterti che con il tuo aiuto ci saranno sempre più contenuti per seguire e capire meglio l’universo.
