Negli obiettivi del progetto c’è anche quello di mettere a punto un set-up del modello meteorologico WRF (Weather Research and Forecasting model) ad alta risoluzione spaziale, in grado di descrivere fedelmente i fenomeni meteorologici in terreno complesso di alta montagna.
Il modello è composto da diversi sotto-programmi, ma le due parti principali sono il preprocessore (o WPS, WRF pre-processing system) e dai due programmi real.exe e wrf.exe, il primo prende tutti i dati elaborati dal WPS e genera le condizioni al contorno che guideranno la simulazione, ovvero i calcoli delle variabili fisiche sul grigliato del modello fatti da wrf.exe.
I dati statici e WPS
Per far funzionare WRF con un passo griglia inferiore al chilometro, è stato necessario apportare alcune modifiche già nei dati statici utilizzati da WPS. In particolare le modifiche apportate hanno coinvolto:
- i dati di topografia, inserendo un modello di elevazione del terreno alla risoluzione di 90 m (NASA SRTM DEM), in vece del già incluso dataset a 990 m di passo griglia.
- i dati di uso del suolo, o tipologia di terreno, raccolti nei dataset di landuse o land cover, anch’essi ad una risoluzione massima di 990 metri, sono stati sostituiti dal recente Corine Land Cover, che però ha una rappresentatività solo per i territori dell’Unione Europea.
WRF e parametrizzazioni
La seconda parte importante per avere un modello ad alta risoluzione affidabile è che possa rappresentare nel modo più fedele possibile i fenomeni atmosferici. Data la complessità dell’atmosfera essi vengono in parte o in tutto parametrizzati con procedure più o meno complesse. Trovare la combinazione giusta di queste parametrizzazioni è l’obiettivo di questo progetto, e al momento la concentrazione è stata focalizzata sul PBL.
Dati al contorno e meteorologica sinottica
Il modello WRF necessita, per lavorare su scala regionale, dei dati meteorologici in ingresso da un modello globale come per esempio IFS o GFS. Di questi si possono utilizzare le analisi (desunte dai dati misurati e assimilati dal modello), le previsioni (ottenute con un run del modello a partire dall’analisi), o le re-analisi (utilizzando quindi dati nel passato ri-assimilati con il modello meteorologico).
Esempi di questa ultima categoria possono essere le reanalisi di ERA5, o di NCEP. Nei casi studio fino ad ora trattati si sono utilizzate le reanalisi ERA5 HRES del centro ECMWF, che rispetto al modello operativo (IFS cycle 47r2) presenta meno problemi nella distribuzione della neve, parametro fondamentale nelle previsioni sul terreno alpino.
Italiano 
English (UK)
Devi effettuare l'accesso per postare un commento.