Meteo e Previsioni meteo Price, carbon
meteo Price, carbon, allerta meteo Price, carbon, meteo 16 giorni Price, carbon
Dati Price, carbon e Previsioni meteo Price, carbon con aggiornata allerta meteo Price, carbon ed incendi.
Modelli meteo Price, carbon ad alta risoluzione WRF,CFS,WWW3 per eolico, fotovoltaico, protezione civile.
Il modello per le previsioni meteo 16 giorni Price, carbon è aggiornato regolarmente secondo una cadenza atipica.
Inoltre sono disponibili previsioni meteo 16 giorni Price, carbon per 7000 comuni italiani e 8000 location nel mondo
Previsioni meteo Price, carbon
meteo Price, carbon
meteo 16 giorni Price, carbon
Datameteo e NESA saranno presenti al Meteorological World Expo 2013 in svolgimento a Bruxelles dal 15 al 17 Ottobre 2013.
Il meglio della tecnologia meteorologica di rilevamento, presentazione e previsione modellistica sarà a disposizione di un pubblico che seppur di nicchia abbraccia sempre di più settori profondamente diversi tra di loro come il mobility, l' energia o l' ambiente.
In questo stimolante contesto ad alta innovatività e competitività l'Italia sarà presente con alcune società del settore servizi alla navigazione aerea, remote sensing radar meteo e rilevamento parametri atmosferici attraverso stazioni meteorologiche professionali di qualità tra cui anche NESA, impegnata a consolidare la sua presenza in campo internazionale, con un occhio attento ai mercati emergenti come quello russo ed asiatico.
Sul fronte delle possibili interazioni tra l'utilizzo del dato meteorologico o satellitare l'Italia è un pò una cenerentola non essendo presente alcun "weather provider nostrano" se non Datameteo che presenta con NESA un aggiornamento della piattaforma dati attuali e previsione a breve termine Datameteo NOW
.
In anni di grande fermento climatologico e tecnologico Datameteo e NESA hanno voluto fornire una nuova chiave di lettura scalare, intuitiva ed economica ad una interfaccia tra dato misurato da una stazione a terra e dato meteo "virtuale" di marca satellitare. La meteorologia applicata al remote sensing satellitare ha fatto passi da gigante in questi ultimi anni, permettendo di disporre di rilevamenti ad altissima frequenza (campioni ogni 15 min) con una imbattibile griglia di rilevamento che per i sensori all'infrarosso dei satelliti Meteosat arriva ad un punto ogni 3 Km.
Questa densità di consistenza del dato satellitare è difficilmente riproducibile su vaste aree, attraverso una rete di stazioni meteorologiche terrestri sia per ragioni di tipo economico e manutentivo.
Ad una analisi superficiale la risposta parrebbe scontata usiamo a manetta i satelliti ed evitiamo costose installazioni di stazioni di rilevamento al suolo. Nella realtà dei fatti l'immagine sopra è alquanto eloquente: la stazione della NESA funge un pò da sentinella meteorologica del territorio. Allo stesso modo abbiamo pensato di farla divenire una sentinella al suolo dei parametri rilevati dai satelliti. In questa ottica, grazie ad una sinergia comune, è stata sviluppata una piattaforma che, partendo dai dati attuali di una rete di stazioni esistente o settata ad hoc può fungere da sistema di validazione e controllo dei dati satellitari
Fino a qui non parrebbe esserci alcuna novità ma qui entra in azione le potenzialità che offre l'interazione tra una griglia di stazioni meteo al suolo collocate secondo un algoritmo che tiene conto della peculiarità climatologica delle varie zone dell'area in studio e la versatilità e scalarità dei modelli meteorologici.
In questa ottica si è in pratica sfruttata la loro capacità di riprodurre previsioni meteorologiche realistiche ad alta risoluzione partendo da dati di contorno.Queste tecnologie non sono affatto esenti da errori e una loro trattazione sistematica può migliorare sia l'affidabilità delle previsione sul breve e medio termine, sia aumentare la disponibilità dei dati di contorno di estrazione satellitare incrementandone l'accuratezza.Sappiamo benissimo che un approccio corretto e soprattutto globale ad una previsione meteorologica "ragionata" passa attraverso la disponibilità dei migliori dataset disponibili . Non abbiamo usato sinora il vocabolo previsione corretta poichè è praticamente impossibile ottenere delle previsioni meteorologiche automatiche, con performances ottimali in ogni luogo,utilizzando solo la pura tecnologia dei modelli meteo.
Con dei buoni dati meteorologici posso quindi far ragionare meglio il modello a patto che le reti di rilevamento meteorologico elaborino dati congruenti e validabili. Come potete vedere dal grafico sopra ecco un esempio operativo riferito alla stazione di Bari di validazione del dato di temperatura della stazione ( in rosso) rispetto al dato del sat point (in giallo). Come potete vedere gli andamenti sono molto correlati contando anche la consistenza oraria del dato.
La piattaforma gestisce le derive e gli errori sistematici e ne proietta i miglioramenti sui punti di griglia dell'area che non hanno una validazione supportata da dati delle stazioni a terra.
La sinergia sviluppata tra Datameteo e NESA permette di avere stazioni meteo e dati di qualità che hanno passato i più severi cross-check di validazione del dato meteo inviatoci dalle varie reti di rilevamento. Spesso infatti la scarsa manutenzione, implementazioni approssimative, problemi di trasmissione del dato o sensori di scarsa qualità producono dati meteorologici assolutamente inutilizzabili.Il protocollo di validazione è un tassello molto importante nella nostra piattaforma in quanto permette di ridurre al minino le anomalie e di mantenere e consistenti gli archivi , la vera memoria meterologica del clima
Grazie a questa memoria meteorologica abbiamo già spiegato come mantenere "lucida" la memoria dei satelliti che spesso in condizioni meteorologiche difficili (forti ed stratifcate inversioni termiche, ghiacci estesi al suolo etc..) . Nell'immagine sotto potete vedere un grafico che rappresenta l'andamento della radiazione misurata dalla stazione meteo in azzurro e la previsione della radiazione ricavata dal sat point in giallo. Gli andamenti sono quasi sempre ben correlati e le differenze riscontrate nei giorni 5 e 6 ottobre tra misura reale e previsione virtuale serviranno per aggiustare in modo efficace la previsione delle prossime ore.
Per non annoiarvi con troppi numeri e grafici vi facciamo vedere nell'immagine sotto la distribuzione dei punti di rilevamento sat (circa 374 sull'Italia ) interfacciati con qualche centinaio di stazioni meteorologiche a terra. La distribuzione non a griglia dei punti ma secondo poligonali climatiche permette di coprire il territorio nazionale, con una distribuzione che predilige punti più fitti su zone orograficamente complesse come rilievi e colline.
Pensate con questo algoritmo circa 2000 stazioni meteo potrebbero coprire aree poligonali di circa 3 Km ( su rilievi ) e 10 Km ( su pianura ) ed essere interfacciate direttamente con la griglia di punti sat, sfruttabile al meglio della risoluzione
Come si è potuto capire la strada da percorrere per avere previsioni sempre più affidabili è quella di utilizzare al meglio le fonti che possono aiutarci a capire maggiormente lo stato caotico dell'atmosfera come ad esempio i dati da satellite. Forse non tutti sanno che le immagini che venono trasmesse dal satellite meteorologico possono essere trasformate in dati sullo stato dell'atmosfera, costantemente aggiornati da una buona risoluzione.
Con questa tecnologia Datameteo corregge ogni ora la previsione a breve termine di temperatura dell'aria ,radiazione solare, nuvolosità per le prossime 2-8 ore.
Parametri come la ventosità e l'ammontare delle precipitazioni non sono convenientemente stimabili con il solo aiuto della fonte satellitare in quanto il responso su queste due variabili è ancora alquanto approssimativo. Per queste variabili può essere integrato un approccio tramite diverso ad esempio tramite l'integrazione dei segnali di precipitazione provenienti dalle reti radar-meteorologiche.
Datameteo oggi per determinati tipi di previsione a fine energetico ad esempio per la nuova frontiera dello storage di energia da fonte rinnovabile ( eolico, solare ) utilizza flussi di previsione aggiornati ogni ora con step temporale a 10-15 min ( 5-6 diversi campioni di previsione ogni ora ) per le prossime 2- 8 ore, tramite la piattaforma Datameteo NOW con utilizzo anche di tecnologie di miglioramento della stessa previsione su punto tramite correlazioni statistiche o neurali. Queste frontiere permettono di avere previsioni specifiche ad area limitata affidabili in qualsiasi condizione climatica ed ad alto valore economico, dovendo prevedere con precisione il trend di disponibilità della fonte energetica rinnovabile e in sua mancanza switcchando l'approvigionamento sulla griglia di storage.
Stiamo ad oggi lavorando ad una piattaforma globale di previsione ragionata secondo i canoni che abbiamo esposto sopra.L'affrontare una tale sfida comporta una serie infinita di problematiche, al fine di trovare il miglior assetto modellistico, sistemi di correzzione in relazione anche alle risorse e alle tempistiche di calcolo.
Queste tecnologie sono di facile accessibilità e applicabilità in ogni parte del mondo e Datameteo copre ad alta risoluzione quasi tutto il globo.
Lo stesso dicasi per i modelli..L'intelligenza umana sempre al centro anche nel valutare una previsione..
