Fino a che orizzonte temporale è possibile fare delle previsioni meteorologiche attendibili? Qual è il limite della prevedibilità e dell'utilità di fenomeni e parametri meteorologici come temporali, nebbia e nuvolosità, velocità del vento, precipitazioni o temperatura?
Le previsioni meteorologiche del giorno d'oggi si basano su modelli matematici e numerici sviluppati a partire dalla metà del XX secolo. La previsione meteorologica numerica consiste nel prevedere lo stato futuro dell'atmosfera proiettato su una griglia utilizzando modelli matematici e fisici, basati sulla conoscenza delle leggi della fisica atmosferica e sulla conoscenza delle condizioni iniziali.
Il limite di prevedibilità, che rappresenta il ritardo entro il quale una previsione è utile, è già stato studiato dal meteorologo Edward Lorenz, il quale nel 1963 ha evidenziato l'aspetto caotico della meteorologia (per caso!). Egli ha dimostrato che un cambiamento minimo nei dati iniziali (dell'ordine dell'uno per mille) porta a risultati molto diversi in un luogo e momento lontano. Ha così dimostrato la grande sensibilità dei modelli meteorologici alle condizioni iniziali. In breve, viene spiegato che i più piccoli cambiamenti in una condizione o stato iniziale possono avere nel tempo grandi effetti su un intero sistema. Questo è spesso rappresentato dal cosiddetto effetto farfalla.
Nel 2019 una pubblicazione del professor Fuqing Zhang dell'Università della Pennsylvania insieme a molti altri scienziati descrive proprio il imite di pevedibilità delle previsioni meteorolgoiche alle medie latitudini, basandosi su modelli ad alta risoluzione (il modello ECMWF - European Centre for Medium-Range Weather Forecasts - con una risoluzione di 9 km e il modello americano con una risoluzione di 3 km).
Le previsioni meteorologiche sono migliorate notevolmente dall'introduzione della previsione numerica. Questo risultato è stato raggiunto grazie alla crescente potenza di calcolo, al miglioramento dei modelli numerici di previsione che operano a una risoluzione sempre maggiore. La rappresentazione dei processi fisici atmosferici è più accurata e gli algoritmi di assimilazione dei dati quadridimensionali sono più sofisticati (sono i processi che forniscono le condizioni iniziali a cui i modelli sono sensibili) e possono ingerire volumi sempre più grandi di osservazioni acquisite in situ e a distanza.
La qualità dei modelli di previsione viene costantemente misurata, in particolare presso l'ECMWF. Oggi si stima che un modello di previsione deterministico fornisca informazioni pertinenti fino a 10 giorni. Trent'anni fa si stimava che questo periodo fosse di 7 giorni.
Il miglioramento dei modelli può avere importanti benefici socio-economici, in quanto consente di prevedere meglio il verificarsi di catastrofi naturali, salvando vite umane e proteggendo le infrastrutture. Ad esempio, il miglioramento della previsione dei cicloni tropicali è in gran parte dovuto al miglioramento dei modelli numerici. L'accuratezza delle previsioni delle traiettorie dei cicloni tropicali del Centro Nazionale Uragani (National Hurricane Center - NHC) statunitense è migliorata in media di un giorno per decennio: l'errore medio annuale di previsione delle traiettorie per 5 giorni nel bacino atlantico nel 2016 è inferiore all'errore delle traiettorie per 2 giorni calcolate nel 1990.
Tuttavia, esistono dei limiti al miglioramento dei modelli. Secondo Lorenz e Zhang, il concetto di "limite di prevedibilità atmosferica" può essere suddiviso in due categorie: la prevedibilità intrinseca e la prevedibilità pratica. La prevedibilità intrinseca si riferisce alla "capacità di prevedere - data una rappresentazione quasi perfetta del sistema dinamico (da parte di un modello di previsione) e condizioni iniziali quasi perfette - un limite che è intrinseco alla natura caotica dell'atmosfera e non può essere esteso con nessun mezzo". La prevedibilità pratica, comunemente chiamata anche capacità di previsione meteorologica, è "la capacità di prevedere, date incertezze realistiche nel modello di previsione e nelle condizioni iniziali".
La prevedibilità pratica può essere estesa riducendo i principali errori come la scarsa conoscenza delle condizioni iniziali e gli errori del modello. Questi sono già stati notevolmente ridotti e potrebbero essere ulteriormente ridotti con modelli sempre migliori, utilizzando osservazioni ad alta risoluzione, una migliore assimilazione dei dati e una maggiore potenza di calcolo.
Tuttavia, è naturale chiedersi se esista una prevedibilità intrinseca del tempo alle medie latitudini. Se sì, qual è questo limite intrinseco (calcolato con modelli quasi perfetti e condizioni iniziali quasi perfette)?
Per stimare questo limite di prevedibilità intrinseca di una previsione deterministica, si utilizzano gli ensemble, ossia simulazioni eseguite più volte con condizioni iniziali molto simili. Il limite sarà raggiunto quando la deviazione tra queste simulazioni quasi identiche diventerà grande quanto la deviazione tra alcuni stati scelti a caso, ma dinamicamente e statisticamente possibili.
La promettente conclusione dello studio è che, supponendo che gli attuali modelli di previsione siano in grado di catturare i processi fisici più essenziali, l'accuratezza delle previsioni di eventi meteorologici giornalieri può essere migliorata fino a cinque giorni, riducendo le incertezze delle condizioni iniziali. Tuttavia, c'è molto meno spazio per migliorare la previsione di fenomeni su piccola scala come i temporali. Lo studio suggerisce che il limite ultimo della prevedibilità è ancora lontano e che c'è ancora molto da fare per migliorare la prevedibilità meteorologica giornaliera.
Lo studio si concentra sulla questione della possibilità di raggiungere un limite di previsione deterministico di oltre due settimane, concentrandosi sul tempo giornaliero. Se l'"orizzonte di previsione utile" è definito come il momento in cui le previsioni di ensemble cessano di essere statisticamente più abili di una distribuzione climatologica, l'orizzonte di prevedibilità può superare le due settimane per alcune variabili sinottiche e globali su larga scala.