La previsione di marea a Venezia: metodi statistici, deterministici e 4D-Var

Abstract

Questa tesi descrive vari metodi sviluppati per la previsione della marea a Venezia. Alcuni di essi sono funzionanti all'Istituzione Centro Previsioni e Segnalazioni Maree (ICPSM) del comune di Venezia e all'Istituto Superiore per la Protezione e la Ricerca Ambientale (ISPRA) di Roma, mentre altri non sono ancora in fase operativa, ma solo di sviluppo. In particolare la tesi descrive l'applicazione di un modello agli elementi finiti al Mar Mediterraneo, ad alta risoluzione nel Mar Adriatico e all'interno della laguna veneta. Il modello è stato validato e si sono compiuti alcuni lavori per migliorare la qualità delle forzanti. Si sono poi sviluppati dei metodi di assimilazione locale di dati, detti di post-processing, in grado di migliorare le previsioni giornaliere del livello marino sfruttando le osservazioni effettuate il giorno precedente. Uno di questi metodi è basato sull'utilizzo di una rete neurale, mentre un altro su di un filtro di Kalman unidimensionale. Infine si è testato l'utilizzo di campi di vento di ensemble per forzare il modello e si è sviluppato e validato il codice aggiunto del modello idrodinamico. Il codice prodotto permetterà la creazione di un sistema di assimilazione dati basato sulla tecnica del 4D-Var. I risultati evidenziano come l'accuratezza iniziale del modello sia migliorata, grazie all'applicazione delle procedure di post-processing, per tutti gli anticipi di previsione. In particolare per il primo giorno di previsione si ha un'accuratezza doppia rispetto a quella iniziale, e paragonabile ai modelli statistici in uso al Centro ICPSM. Inoltre il sistema mantiene una buona capacità predittiva fino a 5 giorni di distanza. La deviazione standard degli scarti, del modello operativo al Centro ICPSM, ha un valore medio di circa 4.7 cm per il primo giorno di previsione e arriva ad un massimo di circa 9 cm al quinto giorno.

This thesis describes the application of a finite elements model to the Mediterranean Sea and the Venice lagoon to predict the sea level in Venice. Moreover, several local data assimilation methods have been developed. These methods use sea level observations to improve the local forecast. In a non-operational context, ensemble wind forecast fields have been used to force the model, and the adjoint code of the model has been created and validated. This will allow the creation of a 4D-Var system. Results show improvements due to the data assimilation procedures. In the first forecast day the accuracy is double with respect to the model without data assimilation. The system is able to maintain good forecast skills up to 5 days in advance. The standard deviation of the differences has a value of 4.7 cm for the first forecast day and reaches a maximum value of 9 cm for the fifth day.