Valutazione attuale: 4 / 5

Stella attivaStella attivaStella attivaStella attivaStella inattiva
 
climate




Introduzione al problema:
I modelli climatici predicono per il prossimo secolo dei significativi cambiamenti del clima terrestre, ma c'è un ampio margine di incertezza in queste previsioni. Come dovremo comportarci vista questa incertezza?
Se i modelli sovra-stimano la velocità e la scala (intensità) dei cambiamenti climatici, noi potremmo farci inopportunamente prendere dal panico e investire enormi risorse finanziarie tentando di evitare un problema che non si dimostrerà poi così grande come ipotizzato.
Al contrario se i modelli sotto-stimano il cambiamento, noi finiremmo per fare troppo poco e troppo tardi nell'errata convinzione che i cambiamenti saranno graduali e tenuti sotto controllo con facilità.

Per far fronte a questo problema è necessario valutare l'affidabilità delle previsioni dei modelli climatici. In altre parole dobbiamo quantificare l'incertezza di queste previsioni.

Persino con l'incredibile velocità degli odierni supercomputer, i modelli climatici devono utilizzare delle semplificazioni per includere nella simulazione gli effetti dei processi che avvengono su piccola scala (ad es. le nuvole). La semplificazione avviene mediante introduzione di parametri ma c'è un margine di incertezza sui valori di molti dei parametri utilizzati; in effetti non si conosce esattamente quale esatto valore sia il più realistico. Talvolta il margine può essere anche di un ordine di grandezza rispetto al valore utilizzato (i.e. Param = 10 +- 100). Questo significa che ogni singola previsione rappresenta solo uno dei molti possibili modi in cui il clima si evolve.

Come si può stimare e ridurre il margine di incertezza? Ci sono due approcci complementari a questo problema:
  • Affinare la parametrizzazione riducendo il margine di incertezza. Questo è un proceso continuo che richiede:
    • Affinare i modelli e utilizzare per i calcoli supercomputer più veloci mano a mano che si rendono disponibili.
    • Raccogliere sempre più dati (meglio se da satellite) su un gran numero di parametri atmosferici (ad es: velocità del vento, dimensioni delle nuvole, temperatura...)
  • Effettuare un gran numero di simulazioni per studiare evoluzioni del clima note (già avvenute) in cui i parametri variano all'interno del loro margine di incertezza. Vengono così scartati i valori dei parametri che non fanno combaciare il modello alla realtà. I restanti vengono utilizzati per simulare i futuri cambiamenti climatici.
Scopo del progetto:
Il secondo approccio è quello di climateprediction.net. La nostra intenzione è quella di effettuare centinaia di migliaia di simulazioni utilizzando i modelli climatici allo stato dell'arte attuale (cioè quelli odierni) variando di volta in volta leggermente le proprietà fisiche dei soggetti in gioco (nuvole, correnti, etc..). In questo modo si otterranno tutti i risultati possibili "causati" dall'incertezza dei parametri usati. Questa tecnica è nota come Ensemble forecasting, una sorta di previsione probabilistica contrapposta a quella deterministica illustrata precedentemente (qui una spiegazione in italiano).
L'E.F. però richiede una enorme potenza di calcolo, di molto superiore a quella attualmente sviluppabile anche dai supercomputer di ultima generazione. L'unica soluzione praticabile è appellarsi al circuito del calcolo distribuito che combina la potenza di calcolo di migliaia di PC "normali", ognuno dei quali si farà carico di una piccola ma significativa parte dell'intero problema.

Il modello matematico
Il modello atmosferico (GCM = General Circulation Model o Global Climate Model) procede calcolando la situazione climatica (in termini di vento, temperatura, umidità, etc...) in un numero finito di punti sulla superficie terrestre, nell'atmosfera e negli oceani. Si crea praticamente una griglia e si ipotizza che in ogni rettangolo le condizioni siano le stesse.
Il modello unificato è lo stesso che l'ufficio metereologico inglese utilizza per le sue previsioni. Ci sono ovviamente delle differenze tra il modello utilizzato per le previsioni commerciali e quello utilizzato per gli studi sul clima: la principale è la risoluzione.

 

climate_gbgrid
La figura mostra la differenza tra la griglia utilizzata per la previsione delle precipitazioni sulla Gran Bretagna nel caso di climateprediction.net (sinistra) e quella utilizzata per le previsioni metereologiche regionali (destra). La risoluzione utilizzata da climateprediction.net non riuscirà ovviamente a predire quanto pioverà su Manchester (per esempio).

 

Più rettangoli ci sono e meglio si potranno rappresentare gli eventi climatici in piccola scala. Sfortunatamente una risoluzione molto fine genera molti calcoli e, a parità di computer, un tempo di elaborazione più lungo. Inoltre le previsioni metereologiche commerciali coprono un tempo di una settimana, quelle sui cambiamenti del clima decenni.

 

E' necessario quindi un compromesso, ecco perchè la Gran Bretagna è "rappresentata" da soli 5-6 rettangoli e la Terra da qualche migliaio.
climate_tempcell
Una tipica rappresentazione della temperatura sulla superficie del globo terrestre

 

Dobbiamo poi considerare l'altitudine. La pressione dell'aria non varia in modo proporzionale all'altitudine perchè mano a mano che ci si allontana dalla superficie terrestre l'aria è sempre più rarefatta. Volendo analizzare meglio i cambiamenti la griglia sarà quindi più concentrata dove questi avvengono e cioè nelle vicinanze della superficie terrestre.
Uno studio del clima deve quindi forzatamente passare per un'analisi di una griglia tridimensionale. Vi sono 19 livelli unificati per l'atmosfera e 20 per gli oceani.
climate_3dgrid
La griglia 3D sulla Gran Bretagna

 

Climateprediction.net parte da un modello con certe condizioni iniziali e calcola cosa succederà dopo un certo intervallo di tempo predefinito, poi un altro, poi ancora un altro e così via. Se l'intervallo di tempo (passo temporale) è piccolo le previsioni sono più accurate ma nel caso si voglia predire i cambiamenti climatici di anni il costo computazionale sarà enorme. Viceversa se volessi procedere velocemente con la simulazione potrei utilizzare un passo temporale ampio (ad es. una settimana) ma la simulazione sarebbe instabile e le soluzioni inutilizzabili perchè ci sono fenomeni che durano meno del passo temporale scelto (ad es. un temporale) e perchè le due griglie devono armonizzarsi (ad es. una massa d'aria potrebbe passare sulla Gran Bretagna in poche ore e io non riuscirei a coglierne gli effetti sul clima).
E' stato quindi deciso di utilizzare un passo temporale di mezz'ora.

Ultimo aspetto da considerare: la rappresentazione della superficie terrestre (non sferica). E' stato scelto di utilizzare la proiezione cilindrica equidistante.
climate_cylindrical
Una tipica rappresentazione della temperatura sulla superficie terrestre mediante la proiezione cilindrica equidistante

 

Metodo di ricerca

Il progetto climateprediction.net comprende 3 esperimenti separati: uno per testare modello utilizzato, il secondo per verificare quanto bene il modello duplica le variazioni climatiche del nostro passato, il terzo infine per prevedere il clima del 21mo secolo.

Ogni modello distribuito verrà utilizzato per tutti e tre gli esperimenti. Ogni modello distribuito è unico, differente da tutti gli altri per 3 aspetti: condizioni iniziali, le forzature e i parametri.

Condizioni iniziali: se si prende in considerazione il famoso "butterfly effect" ci si rende conto che per prevedere cosa succederà al clima è necessario tenere conto delle precise condizioni iniziali. Ma dal momento che non si ha la perfetta conoscenza della situazione attuale (non certo per ogni singola "farfalla" ) allora per prevedere tutto quello che potrebbe verificarsi in futuro si è costretti a tenere conto di tutto quello che potrebbe verificarsi ora. Si avranno dunque il maggior numero possibile di condizioni iniziali.
Forzature: alcuni eventi condizionano pesantemente il clima (eruzioni vulcaniche, attività solare, composizione dell'atmosfera, etc..) quindi bisogna tenerne conto.
Parametri: i modelli climatici fanno praticamente delle parametrizzazioni. In sostanza non solo si prevedono valori finiti (temperatura, pressione, etc..) ma anche altre caratteristiche climatiche: queste sono espresse mediante rapporti tra grandezze (parametri appunto) quali ad esempio numero di gocce in una nuvola rapportato ai millimetri/ora di precipitazione. Questi parametri non hanno un valore fisso ma un campo di valori. Alcuni valori o combinazioni di valori riescono a replicare bene l'andamento del clima passato ma forniscono diverse previsioni per il futuro, alcune creano instabilità del modello (temperatura oscillante), altre producono previsioni non realistiche (la Terra si mette a bollire).

 

Esperimento 0: applicabilità al calcolo distribuito (pilota) già concluso.
Esperimento 1: studio della sensibilità del modello ai parametri utilizzati (partito nel 2003).
Esperimento 2: applicazione del modello al periodo 1920-2000 (partito nel 2005).
Esperimento 3: applicazione del modello per predire il periodo 2000-2080.


Per commentare questo post nel forum devi effettuare il login

Articoli

Written on 31/05/2020, 10:32 by boboviz
multisessioni-boinc-su-pcIn questa guida vedremo come creare dei client multipli su una distribuzione GNU/Linux tramite l’utilizzo dei container Docker. E come gestirli tramite...

Ultime dal Blog

Written on 19/06/2017, 14:38 by boboviz
addio-lugano-bellaCari sodali scaccolatori,come alcuni di voi sanno, il sottoscritto, oltre ad essere appassionato di Boinc, è anche "appassionato" di HPC e, visto che il...