Cos'è e a cosa serve un modello meteo
La fisica dell'atmosfera è una scienza esatta, nel senso che le leggi che la governano sono note. Tuttavia le equazioni che la descrivono sono molto complesse e non possono essere risolte con la matematica ad oggi nota. In ogni caso, anche se questo fosse possibile, per poterlo fare sarebbe necessario conoscere con esattezza le condizioni attuali, cioè le condizioni di pressione, temperatura, umidità, vento, ecc., per ogni punto dell'atmosfera per poter poi calcolarne l'evoluzione futura. Questo ovviamente non è e non sarà mai possibile, da qui nasce la necessità di semplificare il problema, creando un modello, cioè un artificio matematico che si comporti il più possibile in modo simile al fenomeno fisico.
Per potersi avvicinare al fenomeno fisico, il modello dovrà prevedere tutte le variabili in gioco, come l'orografia, le dinamiche alle varie quote, comprese quelle stratosferiche, la temperatura del mare, ecc. I modelli che funzionano meglio sono ovviamente quelli che considerano il maggior numero di queste variabili e ne simulano in modo più possibile realistico le azioni sull'evoluzione del meteo. Tali modelli, per poter funzionare, devono necessariamente simulare l'intero globo, dato che le condizioni in un punto influenzano teoricamente tutta l'atmosfera dopo un certo periodo di tempo. Per limitare la complessità dei calcoli, che già così necessitano di supercomputer tra i più potenti mai costruiti, i modelli meteo globali hanno una risoluzione spaziale piuttosto larga, cioè mediano i valori su dei "tasselli" di vari Km quadrati (per esempio per l'americano GFS sono quadrati di 28 Km per lato). Queste griglie a volte vengono rese più fitte in regioni di particolare interesse, per esempio raddoppiando la risoluzione sull'Europa o sugli Stati Uniti in modo da poter fare previsioni più precise localmente.
Oltre ai modelli globali, che come detto sono dei veri propri simulatori di atmosfera, esistono dei modelli locali che, inizializzati con i valori prelevati dai modelli globali, ne calcolano l'evoluzione in un'area ristretta: sono i cosiddetti modelli LAM (Local Area Model). Grazie alla riduzione dell'area interessata, questi modelli possono avere risoluzioni spaziali e temporali molto più alte, anche dell'ordine di 1 o 2 Km. In questo modo essi possono tenere conto in modo molto più preciso dell'orografia locale e comunque riescono a fare previsioni localmente più precise.
In ogni caso nessun modello può riprodurre la realtà in modo fedele, così essi si discostano man mano dalla realtà, quanto maggiore è il periodo a cui vengono "spinti". Le previsioni vengono eseguite, infatti, per step temporali (da 1 a 12 ore a seconda del modello) e ogni step simulato funge da condizione iniziale per lo step successivo: è ovvio quindi che più si va avanti con la simulazione e più gli errori si propagano, rendendo inaffidabile la previsione. Per i modelli globali, grazie alla bassa risoluzione ed alla lunghezza del singolo step temporale, anche gli errori vengono mediati, quindi la previsione di massima può essere affidabile anche a distanza di giorni, soprattutto in condizioni di tempo stabile. Per i modelli LAM ad alta risoluzione, considerando che gli step temporali sono molto più ravvicinati, gli errori si propagano molto più rapidamente, rendendo assolutamente inutile usare questi modelli oltre le 48/72 ore.
Nelle moderne previsioni meteorologiche non si può prescindere dai modelli meteo, anche se l'esperienza del meteorologo gioca ancora un fattore decisivo nelle previsioni, grazie all'osservazione diretta e delle immagini satellitari. Ovviamente la Natura è in grado di sorprendere e non può essere "ingabbiata" dentro un modello matematico deterministico, capita quindi che anche il modello migliore sbagli clamorosamente una previsione anche con pochissimo anticipo, oppure stravolga le previsioni ogni volta: per questi casi e per poter fare previsioni di massima a più lungo termine esiste un'altra famiglia di modelli: i cosiddetti modelli probabilistici, ma ne parleremo in un'altra lezione.
