Una previsione meteorologica esterna può sembrare già pronta per essere utilizzata.

Un servizio fornisce temperatura, precipitazioni, vento, nuvolosità e magari anche un simbolo che rappresenta il tempo previsto. A prima vista potrebbe quindi sembrare sufficiente prendere quei dati e mostrarli direttamente agli utenti.

La nuova pipeline di Meteo Gesualdo segue invece una strada diversa.

Le informazioni provenienti dai modelli meteorologici vengono considerate una sorgente fondamentale, ma non vengono accettate passivamente come previsione finale.

Devono prima essere interpretate, normalizzate e trasformate nel linguaggio meteorologico utilizzato dal resto del sistema.

Questo è il compito di Lira 4.

Un modello non è un’icona

Quando vediamo il simbolo di un sole, di una nube o di un temporale su un’app meteorologica stiamo osservando il risultato di un processo che ha già trasformato numerosi valori numerici in una classificazione comprensibile.

Ma sotto quell’icona esistono molte più informazioni.

Un modello meteorologico può fornire dati relativi a temperatura, umidità, pressione, vento, raffiche, precipitazioni, copertura nuvolosa, radiazione solare e altre variabili atmosferiche.

Lira lavora proprio su questo livello.

Non chiede semplicemente:

“Quale simbolo ha scelto il servizio esterno?”

Cerca invece di capire:

“Che cosa raccontano, nel loro insieme, le variabili previste dal modello?”

È una differenza importante.

In questo modo Meteo Gesualdo non dipende dalla classificazione grafica già scelta da una sorgente esterna, ma può interpretare i dati secondo le proprie regole meteorologiche e secondo lo stesso linguaggio utilizzato dal resto della pipeline.

Guardare oltre Gesualdo

Vertumno parte da ciò che la stazione sta realmente osservando sul territorio.

Lira svolge invece il compito complementare.

Guarda ciò che i modelli meteorologici descrivono su una scala atmosferica più ampia.

Questa differenza è fondamentale.

Una stazione può dirci con grande precisione che cosa sta accadendo a Gesualdo in questo momento, ma non può osservare direttamente una struttura atmosferica che si trova molto lontano e che potrebbe raggiungere l’area nelle ore o nei giorni successivi.

I modelli numerici servono proprio a questo: simulano l’evoluzione dell’atmosfera e permettono di seguire nel futuro masse d’aria, variazioni di pressione, precipitazioni, vento, nuvolosità e altri elementi meteorologici.

Lira porta questa visione all’interno della pipeline.

Una grande quantità di numeri

Il punto di partenza di Lira non è una singola previsione sintetica.

È un insieme di variabili.

Tra le informazioni utilizzabili troviamo, ad esempio:

• temperatura;
• umidità relativa;
• punto di rugiada;
• pressione atmosferica;
• precipitazioni;
• vento;
• raffiche;
• copertura nuvolosa;
• radiazione solare;
• indice UV.

Queste grandezze devono essere lette insieme.

Una probabilità di precipitazione, da sola, non descrive necessariamente il tipo di fenomeno.

La copertura nuvolosa non ci dice automaticamente se quelle nubi produrranno pioggia.

Una determinata velocità del vento può assumere un significato diverso a seconda della persistenza e delle raffiche previste.

Come accade in Vertumno con i dati della stazione, anche qui vale quindi un principio fondamentale:

nessuna variabile deve diventare da sola l’intera previsione.

Tradurre i modelli nel linguaggio di Meteo Gesualdo

Una delle funzioni più importanti di Lira è la normalizzazione.

Vertumno e Lira partono da mondi completamente diversi.

Vertumno utilizza osservazioni locali e storico della stazione.

Lira utilizza invece informazioni numeriche provenienti dai modelli meteorologici.

Se ciascuno producesse il proprio risultato in una forma differente, Efesto non potrebbe confrontarli correttamente.

Per questo Lira trasforma i dati esterni nello stesso contratto meteorologico utilizzato dal resto della pipeline.

Il risultato viene organizzato in valori fisici, distribuzioni probabilistiche, fenomeno principale, famiglie meteorologiche, fenomeni secondari e informazioni sulla confidenza.

Alla fine del processo, quindi, Vertumno e Lira possono avere idee diverse sul futuro, ma parlano la stessa lingua.

Dal numero al fenomeno meteorologico

Interpretare un modello significa anche passare da valori numerici a una descrizione meteorologica.

Una combinazione di copertura nuvolosa, precipitazioni, temperatura e altre variabili deve poter diventare, per esempio, una situazione di cielo sereno, nuvoloso, coperto, piovoso o temporalesco.

Lira organizza questa interpretazione attraverso diverse famiglie meteorologiche.

Tra le principali troviamo quelle legate a:

• cielo;
• pioggia;
• temporali;
• neve.

Da queste informazioni viene costruita una distribuzione di possibilità e successivamente una classificazione principale coerente con il vocabolario utilizzato da Meteo Gesualdo.

Il sistema non deve soltanto scegliere “piove” oppure “non piove”.

Deve cercare di distinguere scenari differenti e conservare anche informazioni sull’incertezza tra le alternative disponibili.

Il fenomeno principale non racconta tutto

Una previsione meteorologica può contenere più informazioni contemporaneamente.

Una giornata può essere prevalentemente serena ma caratterizzata da vento sostenuto.

Una fase nuvolosa può essere accompagnata da nebbia.

Un temporale può presentare grandine o raffiche particolarmente importanti.

Per questo Lira non produce soltanto un fenomeno principale.

Può anche riconoscere fenomeni secondari che arricchiscono la descrizione della situazione prevista.

Il contratto della pipeline permette così di distinguere ciò che descrive principalmente il cielo o le precipitazioni da condizioni aggiuntive che possono essere meteorologicamente rilevanti.

Questa separazione sarà poi conservata nelle fasi successive della pipeline.

Non tutte le ore devono essere interpretate isolate

Uno dei problemi dei dati numerici è che un singolo valore può produrre un cambiamento molto brusco se viene osservato senza contesto.

Immaginiamo una sequenza di ore nella quale il modello descrive una situazione abbastanza stabile e, per una sola fascia, compare un valore molto differente.

Quel picco potrebbe rappresentare un cambiamento reale.

Ma potrebbe anche essere un segnale isolato che non dovrebbe trasformare completamente la classificazione meteorologica per un’unica ora.

Per alcune decisioni Lira osserva quindi anche il contesto temporale delle ore adiacenti.

Questo permette di valutare se un segnale sia coerente con ciò che avviene immediatamente prima e dopo.

L’obiettivo non è cancellare i cambiamenti rapidi.

È evitare che ogni oscillazione numerica venga automaticamente trasformata in un fenomeno meteorologico completamente diverso.

Un modello può essere incerto

Una previsione non dovrebbe comunicare soltanto ciò che sembra più probabile.

Dovrebbe anche cercare di rappresentare quanto quel risultato sia stabile.

Per questo Lira utilizza anche informazioni provenienti dagli ensemble.

Un ensemble può essere immaginato come un insieme di evoluzioni possibili prodotte partendo da condizioni leggermente differenti.

Se molte di queste evoluzioni rimangono simili tra loro, il segnale può essere considerato relativamente stabile.

Se invece iniziano a divergere molto, significa che l’atmosfera simulata presenta una maggiore incertezza.

Lira utilizza questa dispersione come una delle informazioni utili a valutare la confidenza della previsione.

Non significa che un ensemble concorde garantisca che la previsione sarà corretta.

Significa semplicemente che, all’interno delle simulazioni disponibili, esiste un maggiore accordo su quella particolare evoluzione.

La confidenza non è una percentuale di verità

Parlare di confidenza può essere facilmente frainteso.

Una previsione con confidenza elevata non significa che il sistema possieda una probabilità matematica certa che quel fenomeno si verificherà.

La confidenza rappresenta piuttosto quanto le informazioni disponibili risultino coerenti, stabili e sufficientemente supportate.

La dispersione degli ensemble, la qualità dei dati disponibili e la struttura della previsione contribuiscono a costruire questo indicatore.

La confidenza diventerà importante anche più avanti.

Quando Efesto confronterà Lira con Vertumno, infatti, non avrà soltanto due risultati meteorologici da osservare.

Avrà anche informazioni su quanto ciascuna sorgente sostiene il proprio risultato.

Precipitazioni: molto più di un sì o un no

Le precipitazioni sono uno degli esempi migliori per capire perché sia necessario interpretare i dati del modello.

Non basta conoscere una quantità prevista.

Bisogna inserirla in un contesto più ampio.

La distribuzione temporale delle precipitazioni, la copertura nuvolosa, la temperatura e altri segnali permettono di distinguere scenari meteorologici differenti.

Una precipitazione debole e persistente non descrive lo stesso fenomeno di un episodio breve e più intenso.

Una previsione con segnale temporalesco richiede una lettura diversa rispetto a una semplice fase di pioggia stratiforme.

Il compito di Lira è quindi trasformare i valori grezzi in una struttura meteorologica che possa essere compresa e utilizzata dal resto della pipeline.

Anche il vento deve essere interpretato

Lo stesso principio vale per il vento.

Una singola velocità non racconta necessariamente tutta la situazione.

È importante osservare anche le raffiche e la persistenza del segnale.

Una breve accelerazione non deve necessariamente trasformare un’intera fascia in una situazione di vento forte.

Viceversa, un vento abbastanza costante accompagnato da raffiche importanti può meritare una classificazione più significativa.

Lira utilizza quindi le informazioni disponibili per ricondurre anche il vento alle classi e ai fenomeni secondari utilizzati da Meteo Gesualdo.

Radiazione e indice UV completano il quadro

Radiazione solare e indice UV possono sembrare variabili meno direttamente legate alla classica domanda “che tempo farà?”.

In realtà contribuiscono a descrivere meglio le condizioni atmosferiche previste.

Una forte riduzione della radiazione può essere coerente con una copertura nuvolosa importante.

Durante le ore diurne questi valori possono quindi fornire ulteriori informazioni sullo stato previsto del cielo.

Naturalmente devono essere letti tenendo conto dell’ora del giorno e del normale ciclo solare.

Ancora una volta, il significato nasce dal contesto e non dal singolo numero.

Lira e Vertumno devono rimanere indipendenti

Un principio importante dell’architettura è che Lira non deve adattare la propria previsione a quella prodotta da Vertumno.

I due componenti lavorano in parallelo.

Vertumno non conosce il risultato dei modelli esterni mentre costruisce la propria previsione locale.

Lira, allo stesso modo, non modifica la propria interpretazione per renderla più simile a quella della stazione.

Questa indipendenza è necessaria perché il confronto successivo abbia un vero significato.

Se una sorgente influenzasse già l’altra, Efesto riceverebbe due risultati apparentemente concordi ma non realmente indipendenti.

La pipeline vuole invece sapere:

• che cosa suggerisce il territorio;
• che cosa suggeriscono i modelli.

Solo successivamente questi due punti di vista verranno messi insieme.

Quando Lira diventa sempre più importante

La forza di Vertumno è particolarmente evidente vicino al momento presente.

La forza di Lira cresce invece quando bisogna guardare più lontano.

Una stazione locale può osservare perfettamente l’atmosfera che la circonda adesso, ma non può conoscere da sola l’intera evoluzione sinottica dei giorni successivi.

Un modello meteorologico nasce proprio per descrivere questa evoluzione su una scala spaziale e temporale più ampia.

Per questo, andando avanti nell’orizzonte previsionale, le informazioni elaborate da Lira diventano progressivamente più importanti per la pipeline.

Questo non significa che Lira “prenda il controllo” a una determinata ora precisa.

La transizione verrà gestita successivamente da Efesto in maniera progressiva, confrontando le due sorgenti e il loro livello di affidabilità.

La risoluzione di un modello non è il territorio reale

Per quanto sofisticato, un modello meteorologico rimane una rappresentazione dell’atmosfera.

Il territorio reale è molto più complesso.

Orografia, esposizione, vallate, vegetazione, urbanizzazione e microclima possono produrre differenze che una simulazione su scala più ampia non riesce sempre a rappresentare perfettamente.

È proprio qui che diventa evidente il motivo per cui Meteo Gesualdo utilizza sia Lira sia Vertumno.

Lira può vedere molto più lontano.

Vertumno può vedere molto più da vicino.

Nessuno dei due punti di vista è sufficiente in ogni situazione.

Non correggere il modello: interpretarlo

È importante distinguere il ruolo di Lira da quello che avrà successivamente Metis.

Lira non cerca nello storico quanto i modelli abbiano sbagliato in passato per applicare una correzione appresa.

Quel compito appartiene a un altro livello della pipeline.

Lira si occupa invece di interpretare correttamente ciò che i modelli stanno dicendo adesso.

Riceve i dati numerici, li organizza, valuta l’incertezza disponibile e produce una previsione meteorologica strutturata.

Solo più avanti, dopo la fusione con Vertumno, Metis potrà confrontare il risultato con gli errori realmente osservati nello storico validato.

Dal modello a una distribuzione di possibilità

Uno degli aspetti meno visibili all’utente è che la pipeline non ha bisogno soltanto di sapere quale fenomeno abbia ottenuto il punteggio maggiore.

Ha bisogno anche di conservare le alternative.

Una situazione può essere classificata principalmente come nuvolosa, ma avere una possibilità non trascurabile di evolvere verso condizioni più coperte o verso precipitazioni.

Conservare queste distribuzioni permette alle fasi successive di lavorare con più informazione rispetto a una semplice etichetta.

Efesto potrà confrontare non soltanto il risultato vincente di Vertumno e Lira, ma anche quanto le due sorgenti siano realmente vicine o distanti nelle possibilità che stanno descrivendo.

Preparare il terreno per Efesto

Quando Lira termina il proprio lavoro, la pipeline possiede una seconda previsione autonoma.

La prima, prodotta da Vertumno, nasce dai dati locali.

La seconda, prodotta da Lira, nasce dai modelli meteorologici esterni.

Entrambe utilizzano però una struttura compatibile.

Questo significa che possono finalmente essere confrontate sullo stesso piano.

Temperatura con temperatura.

Pressione con pressione.

Vento con vento.

Distribuzioni meteorologiche con distribuzioni meteorologiche.

Fenomeni secondari con fenomeni secondari.

Confidenza con confidenza.

Ed è proprio questo il risultato che Efesto aspetta.

Interpretare prima di fondere

Lira 4 rappresenta quindi il ponte tra il mondo dei modelli numerici e il linguaggio interno della pipeline di Meteo Gesualdo.

Riceve una grande quantità di dati.

Li mette in relazione.

Osserva l’incertezza.

Considera il contesto temporale.

Costruisce famiglie meteorologiche.

Assegna fenomeni principali e secondari.

Produce valori e distribuzioni confrontabili con quelle della previsione locale.

Alla fine Lira non consegna a Efesto semplicemente “la previsione di un servizio esterno”.

Consegna l’interpretazione che Meteo Gesualdo ha costruito partendo dai modelli meteorologici.

Ed è solo quando questa seconda voce incontra quella di Vertumno che può iniziare una delle fasi più delicate dell’intera pipeline:

decidere come fondere due previsioni che possono essere d’accordo, oppure raccontare due futuri diversi.