Chiosa
Machine Learning

Le previsioni dei cicloni localizzano le tempeste, ma ne sottostimano l’intensità

2 min
Pubblicato su Chiosa Aggiornato

In parole semplici

L’articolo confronta modelli probabilistici che prevedono i cicloni tropicali. Invece di considerare soltanto la traiettoria media prevista da ciascun modello, gli autori verificano se l’insieme completo delle traiettorie possibili assegna probabilità alle posizioni in cui la tempesta è stata osservata.

In un test retrospettivo sulle tempeste del 2025, FGN ha assegnato maggiore probabilità alle posizioni osservate rispetto alla previsione numerica di IFS-ENS in circa il 90% delle 41 tempeste che rispettavano i criteri di tracciamento dello studio. I modelli tendevano comunque a prevedere venti di picco più deboli rispetto al riferimento.

La ricerca

Quando una previsione propone diverse traiettorie possibili per un ciclone, la traiettoria media ci dice se la tempesta osservata rientrava tra quelle possibilità?

Un confronto utile deve anche valutare se il modello colloca correttamente i venti più forti e le pressioni più basse della tempesta, e se ne prevede con precisione l’intensità.

Il benchmark valuta gli ensemble in base alla probabilità assegnata alle traiettorie osservate dei cicloni, poi confronta localizzazione, intensità, struttura e dipendenza tra vento e pressione.

Gli autori hanno verificato se le previsioni probabilistiche dei cicloni rappresentassero le traiettorie e la struttura osservate, e non soltanto le posizioni medie.

Hanno confrontato tre modelli meteorologici di AI con l’ensemble operativo basato sulla fisica IFS-ENS, usando tempeste storiche selezionate, traiettorie osservate e riferimenti su griglia.

Nel confronto del 2025, FGN ha assegnato maggiore probabilità alle posizioni osservate rispetto a IFS-ENS in circa il 90% delle 41 tempeste mantenute nell’analisi. Anche i suoi punteggi spaziali basati sui percentili sono risultati i migliori, ma alle scadenze brevi e intermedie FGN e GenCast hanno continuato a sottostimare i venti di picco rispetto a HRES-fc0.

Le evidenze sostengono una migliore localizzazione e posizione relativa per questi gruppi di tempeste, non un miglioramento uniforme delle previsioni dei cicloni.

Sono confronti retrospettivi tra cicloni noti selezionati, non test per stabilire se i modelli prevedano il verificarsi di un ciclone o siano pronti a generare allerte operative.

I punteggi di localizzazione includono solo i membri della previsione le cui traiettorie rilevate sono state associate a una tempesta osservata.

Analisi

Dettagli

Paper successivoA reporting framework shows how return timing shifts financial NLP labels