mite con poche occasioni di freddi intensi e secco
moderatamente freddo con alcune occasioni di neve
freddo mite con sbalzi termici ma senza neve copiosa
con almeno 1 mese molto freddo , con due o piu' occasioni d'avvezioni fredde anche siberiane
freddo a norma ma piu' piovoso del solito , ossia degli ultimi trascorsi
molto mite e sopranorma e in genere , secco .. .
CHE INVERNO SARA' IL 23'/2024 ?' PRIMISSIMA PROIEZ. CON BASE A.I. e QBO-MJO //
Previsioni meteorologiche globali con reti 3D
Abbiamo stabilito il nostro sistema di previsioni del tempo tramite il deep learning. La metodologia prevede l'addestramento di reti neurali profonde per acquisire i dati meteorologici di rianalisi in un determinato momento come input e quindi produrre dati meteorologici di rianalisi in un momento futuro come output. Abbiamo utilizzato un singolo punto nel tempo sia per l'input che per l'output. La risoluzione temporale dei dati ERA5 è di 1 h; nel sottoinsieme di addestramento (1979-2017), c'erano ben 341.880 punti temporali, la quantità di dati di addestramento in un'epoca. Per alleviare il rischio di over-fitting, abbiamo permutato in modo casuale l'ordine del campione dai dati di addestramento all'inizio di ogni epoca. Abbiamo addestrato quattro reti profonde con lead time (la differenza di tempo tra input e output) rispettivamente di 1 h, 3 h, 6 h e 24 h. Ciascuna delle quattro reti profonde è stata addestrata per 100 epoche,L'architettura della nostra rete profonda è mostrata in Fig. 1a . Questa architettura è nota come trasformatore 3D specifico per la Terra (3DEST). Abbiamo alimentato tutte le variabili meteorologiche incluse, inclusi 13 strati di variabili dell'aria superiore e variabili di superficie, in un'unica rete profonda. Abbiamo quindi eseguito l'incorporamento di patch per ridurre la risoluzione spaziale e combinato i dati sottocampionati in un cubo 3D. I dati 3D vengono propagati attraverso un'architettura codificatore-decodificatore derivata dal trasformatore Swin 19 , una variante di un trasformatore di visione 20, che ha 16 blocchi. L'output è suddiviso in variabili di superficie e variabili di superficie ed è sovracampionato con il recupero di patch per ripristinare la risoluzione originale. Per iniettare priori specifici della Terra nella rete profonda, abbiamo progettato un pregiudizio posizionale specifico della Terra (un meccanismo di codifica della posizione di ciascuna unità; dettagliato in Metodi ) per sostituire il pregiudizio posizionale relativo originale di Swin. Questa modifica aumenta il numero di parametri di polarizzazione di un fattore 527, con ciascuna rete profonda 3D contenente circa 64 milioni di parametri. Rispetto alla linea di base, tuttavia, 3DEST ha lo stesso costo computazionale e ha una maggiore velocità di convergenza.
Fig. 2: Pangu-Weather produce una maggiore precisione rispetto a IFS e FourCastNet operativi nelle previsioni deterministiche sui dati ERA5.
Per dimostrare il nostro vantaggio, abbiamo introdotto un concetto chiamato "guadagno di tempo di previsione", che corrisponde alla differenza media tra i tempi di consegna di Pangu-Weather e di un concorrente quando riportano la stessa precisione. Pangu-Weather mostra in genere un guadagno di tempo previsto di 10-15 ore rispetto all'IFS operativo e per alcune variabili come l'umidità specifica, il guadagno è superiore a 24 ore. Ciò implica la difficoltà che i metodi NWP convenzionali hanno nella previsione di variabili specifiche, ma i metodi basati sull'intelligenza artificiale traggono vantaggio dall'apprendimento di modelli efficaci da un'abbondanza di dati di addestramento. Rispetto a FourCastNet, il guadagno di tempo di previsione di Pangu-Weather è pari a 40 ore, mostrando il vantaggio significativo del nostro design tecnico, derivante in particolare dalle reti profonde 3D e dall'avanzata strategia di aggregazione temporale.
Fig. 3: Visualizzazione dei risultati della previsione.
DUE LE TELECONNESSIONI DI RILIEVO , LE ALTRE IVI COMPRESA LA N.A.O. VIENE IN 2a LINEA -- INSIEME ALLA M.J.O. C'E' IN PRIMIS LA QUASI BIENNAL OSCILLATION [ Q.B.O. ] --
Il quadro generale che abbiamo discusso negli articoli precedenti e nell'ultimo decennio ai nostri abbonati e clienti è l'idea che a partire dal 2017 siamo entrati nel primo Grande ciclo solare minimo (periodo pluridecennale di minore produzione solare) dal Dalton minimo che si è verificato oltre 200 anni fa in un ciclo ricorrente con migliaia di anni di storia e verificato da studi sulle carote di ghiaccio e sugli anelli degli alberi.
L'escalation della volatilità climatica a cui abbiamo assistito è qualcosa di cui abbiamo avvertito anni fa ed è una caratteristica comune riscontrata durante questi periodi di minore produzione di macchie solari che in genere dura dai 30 ai 50 anni prima di terminare. Questa volatilità climatica è una funzione di come il raffreddamento della stratosfera restringe la circonferenza dell'atmosfera terrestre e così facendo altera le correnti a getto dell'emisfero settentrionale e meridionale in una struttura ondulata meridionale da nord a sud da un flusso zonale d'onda più segno.
Permessi di Scrittura
Rispondi Citando
