Skill Evaluation of Extended Range Forecasts for Northeast Monsoon Rainfall across Smaller Spatial Domains of South Peninsular India

Sintesi Tecnica: Valutazione delle Competenze delle Previsioni a Medio Termine per le Precipitazioni del Monsone di Nordest su Domini Spaziali Ridotti del Sud della Penisola Indiana

Definizione del Problema
La previsione affidabile delle precipitazioni del Monsone di Nordest (NEM) a tempi di anticipo estesi è fondamentale per la pianificazione agricola, la gestione delle risorse idriche e la riduzione del rischio di catastrofi nel Sud della Penisola Indiana. A differenza del Monsone di Sud-Ovest, il NEM presenta un'eterogeneità spaziale e una forte concentrazione in specifiche suddivisioni come Tamil Nadu, Kerala e l'Andhra Pradesh costiero. Sebbene la ricerca precedente abbia fatto progressi nella comprensione della climatologia del NEM e della previsione stagionale, le valutazioni diagnostiche sistematiche delle Previsioni a Medio Termine (ERF) su scale spaziali più fini rimangono limitate. Le attuali previsioni operative spesso si basano su suddivisioni meteorologiche più ampie, il che può oscurare la variabilità locale essenziale per il processo decisionale specifico per la regione. Questo studio affronta tale lacuna valutando le prestazioni delle ERF operative su 11 domini spaziali più piccoli e granulari all'interno del Sud della Penisola Indiana attraverso stagioni monsoniche contrastanti.

Metodologia
Lo studio valuta il sistema operativo di Previsione a Medio Termine (ERF) del Departamento Meteorologico dell'India (IMD), che utilizza il modello accoppiato CFSv2 (basato su NCEP's CFSv2, con componenti oceaniche MOM4 e atmosferiche GFS). Il sistema genera previsioni settimanali fino a quattro settimane in anticipo, con inizializzazione ogni mercoledì.

• Area di Studio e Periodo: L'analisi copre 11 regioni specifiche nel Sud della Penisola Indiana (ad esempio, Nord/Sud Kerala, varie suddivisioni del Tamil Nadu, Coastal/Rayalaseema Andhra Pradesh e l'interno del Karnataka) durante le stagioni del NEM del 2015 (precipitazioni sostanzialmente sopra la norma), 2016 (precipitazioni severamente deficitarie) e 2017 (precipitazioni sotto la norma).
• Fonti dei Dati: Le previsioni sono verificate rispetto ai dati di precipitazione IMD-GPM fusi a risoluzione di 1°, che combinano stime di pluviometri e satelliti.
• Categorizzazione: Per tenere conto dell'elevata variabilità alle scale più fini, le precipitazioni sono categorizzate in tre gruppi basati sulle scostamenti settimanali dalla Media del Lungo Periodo (LPA): Sopra la Norma (AN, >20%), Norma (NN, -19% a +19%) e Sotto la Norma (BN, <-20%).
• Metriche di Verifica: La prestazione è valutata utilizzando punteggi di verifica categorica derivati da tabelle di contingenza 2x2. Le metriche includono Accuratezza della Previsione, Bias Score (BS), Probabilità di Detezione (POD), Rapporto di Falso Allarme (FAR), Indice di Successo Critico (CSI) e Equitable Threat Score (ETS).

Risultati Chiave
La valutazione rivela una chiara dipendenza della competenza della previsione dal tempo di anticipo (lead time), dalla posizione spaziale e dalle caratteristiche interannuali del monsone:

• Dipendenza dal Lead Time: La competenza della previsione è massima alla Settimana-1 e degrada sistematicamente attraverso la Settimana-4. Le previsioni della Settimana-1 dimostrano un'accuratezza superiore al 65–75%, con la categoria Norma (NN) che performa meglio (70–80% di accuratezza). Alla Settimana-4, la competenza scende a circa il 40–50%.
• Prestazioni delle Categorie:
  • Norma (NN): Mostra costantemente l'accuratezza e la POD più elevate in tutti i tempi di anticipo e gli anni, con Bias Score vicini all'unità (errore sistematico minimo).
  • Sopra la Norma (AN): Mostra un'accuratezza moderata ma una tendenza a un leggero sovrastima (Bias > 1), particolarmente ai tempi di anticipo più lunghi.
  • Sotto la Norma (BN): Esibisce la competenza più bassa, specialmente ai tempi di anticipo più lunghi, con una tendenza alla sottostima (Bias < 1) e rapporti di Falso Allarme più elevati.
• Variabilità Interannuale:
  • 2016 (Severamente Deficitaria): Ha dimostrato la maggiore prevedibilità e coerenza spaziale tra i tre anni, con una competenza utile che si estende fino alla Settimana-3.
  • 2017 (Sotto la Norma): Ha mostrato una prestazione intermedia, migliore rispetto al 2015 ma con maggiore variabilità rispetto al 2016.
  • 2015 (Sostanzialmente Sopra la Norma): Ha esibito la competenza più bassa e l'incertezza più elevata. Questa ridotta prevedibilità è attribuita alla dominante variabilità su scala sinottica e alle forti interazioni tra disturbi sinottici e modi a bassa frequenza, difficili da catturare per i modelli a tempi di anticipo estesi.
• Variabilità Spaziale: Le regioni costiere hanno generalmente mostrato una maggiore prevedibilità rispetto alle regioni interne, in particolare ai tempi di anticipo più lunghi.

Significatività e Rivendicazioni
Il documento conclude che il sistema operativo ERF possiede una significativa competenza predittiva per le precipitazioni del NEM su piccoli domini spaziali nel Sud della Penisola Indiana, in particolare fino a un tempo di anticipo di 2–3 settimane. Lo studio evidenzia che, sebbene l'incertezza della previsione aumenti con il lead time, il sistema rimane capace di distinguere tra regimi di precipitazione (AN, NN, BN) con una ragionevole affidabilità, specialmente per le condizioni normali.

Gli autori affermano che questi risultati supportano il potenziale impiego delle ERF nei servizi operativi di consulenza agro-meteorologica e nelle previsioni basate sull'impatto. Fornendo prospettive settimanali affidabili per specifiche suddivisioni, il sistema può assistere gli stakeholder nell'ottimizzazione delle attività agricole, come la programmazione dell'irrigazione e le decisioni sulla semina, nonché nella preparazione ai rischi di inondazioni o siccità. Lo studio sottolinea che, sebbene il sistema non sia perfetto, il suo attuale livello di competenza offre uno strumento prezioso per il processo decisionale nella regione, a condizione che gli utenti tengano conto del degrado della competenza oltre la seconda settimana e delle specifiche sfide poste da stagioni sinottiche altamente attive come il 2015.