Logo Logo
Help
Contact
Switch language to German
Extreme precipitation in Northern Italy. genesis, classification and predictability
Extreme precipitation in Northern Italy. genesis, classification and predictability
Weather prediction is a fundamental scientific challenge and crucial to society. Predicting extreme weather events is one of the outstanding achievements of science. Despite the enormous progress made by modern meteorology, the precise prediction of certain critical phenomena, like extreme precipitation, can still be uncertain even at shorter time ranges. This research aims to identify the relevant atmospheric processes for the formation of extreme precipitation. We investigate the relationship between the predictable large-scale dynamics that create the right conditions for the genesis of extreme events, and fast small-scale processes, such as convection, which rapidly destroy predictability and pose a challenge for a correct forecast. In the aim to identify common dynamical states, we designed a systematic investigation on extreme precipitation events (EPEs), based on a very large number of episodes (> 800), which occurred between 1979 and 2015 in northern-central Italy, used as a test region. Through the optimal blending of ECMWF reanalysis of meteorological fields and high resolution gridded daily precipitation (ARCIS), we classify, with a machine learning approach, extreme precipitation events into three categories (Cat1, Cat2, Cat3). The categories do not only differ locally, successfully reflecting the precipitation processes on the region (frontal and orographic precipitation, frontal precipitation and embedded deep convection, diurnal or weakly forced convection), but also in the dynamical evolution of their precursor: the upper-level wave, and the associated wave packet. So far, this is the first attempt to classify EPEs on physical processes and make connections with predictability. We show that EPEs falling in Cat1 and Cat2 are associated with upper-level wave packets propagating from remote regions, while for EPEs in Cat3 local instability is dominating. The strongest EPEs, mostly populating Cat2, are characterised by a recurrent dynamic evolution consisting of a substantial upstream wave amplification in the N. Atlantic, arguably due to diabatic heating sources. Cat2 events are more predictable than moderate events falling into the other two categories in the region under investigation. This original result has important practical implications. It shows that not all extreme precipitation events have the same level of predictability. The uncertainty does not depend on the intensity of the phenomenon but on the particular dynamic evolution., Die Wettervorhersage ist eine grundlegende wissenschaftliche Herausforderung und für die Gesellschaft von großer Bedeutung. Die Vorhersage von Extremwetterereignissen ist eine der herausragenden Leistungen der Wissenschaft. Trotz des enormen Gesamtfortschritts der modernen Meteorologie kann die präzise Vorhersage bestimmter kritischer Phänomene, wie z. B. extremer Niederschläge, auch bei kürzeren Vorhersagezeiträumen noch unsicher sein. Diese Forschung zielt darauf ab, die relevanten atmosphärischen Prozesse für die Bildung von Extremniederschlägen zu identifizieren. Wir untersuchen die Beziehung zwischen vorhersagbarer großskaliger Dynamik, die die richtigen Bedingungen für die Bildung von Extremereignissen schafft, und schnellen kleinskaligen Prozessen, wie Konvektion, die die Vorhersagbarkeit schnell zerstören und eine Herausforderung für eine korrekte Vorhersage darstellen. Mit dem Ziel, gemeinsame dynamische Zustände zu identifizieren, haben wir eine systematische Untersuchung vieler (> 800) extremer Niederschlagsereignisse (EPEs) entworfen, die zwischen 1979 und 2015 in Nord- und Mittelitalien. Durch die optimale Kombination von ECMWF-Reanalysen meteorologischer Felder und hochaufgelöstem, gerastertem Tagesniederschlag (ARCIS) klassifizieren wir mit einem maschinellen Lernansatz extreme Niederschlagsereignisse in drei Kategorien (Cat1, Cat2, Cat3). Die Kategorien unterscheiden sich nicht nur lokal und spiegeln erfolgreich die Niederschlagsprozesse in der Region wider (frontaler und orographischer Niederschlag, frontaler Niederschlag und eingebettete tiefe Konvektion, tageszeitliche oder schwach erzwungene Konvektion), sondern auch in der dynamischen Entwicklung ihres Vorläufers: der atmosphärische Rossby-Welle und des zugehörigen Wellenpakets. Bislang ist dies der erste Versuch, EPEs nach physikalischen Prozessen zu klassifizieren und mit der Vorhersagbarkeit in Verbindung zu bringen. Wir zeigen, dass EPEs, die in Cat1 und Cat2 fallen, mit Wellenpaketen aus der oberen Atmosphäre, assoziiert sind, die sich aus entfernten Regionen ausbreiten, während bei EPEs in Cat3 lokale Instabilität dominiert. Die stärksten EPEs, die meist in Cat2 fallen, sind durch eine wiederkehrende dynamische Entwicklung gekennzeichnet, die aus einer erheblichen stromaufwärts gerichteten Wellenverstärkung im Nordatlantik besteht, die vermutlich auf diabatische Heizquellen zurückzuführen ist. Cat2-Ereignisse sind in der untersuchten Region besser vorhersagbar als gemäßigte Ereignisse, die in die beiden anderen Kategorien fallen. Dieses Ergebnis hat wichtige praktische Implikationen. Es zeigt, dass nicht alle extremen Niederschlagsereignisse den gleichen Grad an Vorhersagbarkeit haben. Die Unsicherheit hängt nicht von der Intensität des Phänomens ab, sondern von der jeweiligen dynamischen Entwicklung., La previsione del tempo è una sfida scientifica cruciale per la nostra società. La previsione di eventi meteorologici estremi è una delle conquiste più importanti della scienza. Nonostante gli enormi progressi fatti dalla meteorologia moderna, la previsione precisa di alcuni fenomeni critici, come le precipitazioni estreme, può essere incerta anche a brevi intervalli temporali. Questa ricerca mira a identificare i processi atmosferici rilevanti per la formazione di precipitazioni estreme. In particolare, lo studio approfondisce la relazione tra le dinamiche prevedibili su larga scala che creano le giuste condizioni per la genesi di eventi estremi, e i processi veloci su piccola scala, come la convezione, che distruggono rapidamente la prevedibilità e rappresentano una sfida per una corretta previsione. Al fine di identificare gli stati dinamici comuni, abbiamo realizzato un'indagine sistematica sugli eventi estremi di precipitazione (EPEs), basata su un numero molto elevato di episodi (> 800), avvenuti tra il 1979 e il 2015 nell'Italia centro-settentrionale, utilizzata come regione test. Attraverso la fusione ottimale delle rianalisi ECMWF dei campi meteorologici e delle precipitazioni giornaliere del dataset ARCIS, classifichiamo, con un approccio di machine learning, gli eventi di precipitazione estrema in tre categorie (Cat1, Cat2, Cat3). Le categorie non differiscono solo localmente, riflettendo con successo i diversi processi che danno origine alla precipitazione sulla regione (precipitazione frontale e orografica, sinergia fra precipitazione frontale e convezione profonda, convezione diurna o debolmente forzata), ma anche nell'evoluzione dinamica del loro precursore: l'onda di Rossby e il pacchetto d'onda associato. Questo risulta essere il primo tentativo di classificare gli EPE e mettere in relazione la loro prevedibilità con la particolare evoluzione dinamica. Si osserva che gli EPE che cadono in Cat1 e Cat2 sono associati a pacchetti d'onda di Rossby che si propagano da regioni remote, mentre negli EPE in Cat3 domina l'instabilità locale. Gli EPE più forti, che popolano principalmente la Cat2, sono caratterizzati da un'evoluzione dinamica ricorrente che consiste in una sostanziale amplificazione di un'onda di Rossby nell'Atlantico settentrionale, probabilmente dovuta a fonti di riscaldamento diabatico. Gli eventi Cat2 sono più prevedibili degli eventi moderati che rientrano nelle altre due categorie nella regione in esame. Questo risultato, originale in letteratura, ha importanti implicazioni pratiche. Mostra che non tutti gli eventi di precipitazione estrema hanno lo stesso livello di prevedibilità. L'incertezza non dipende dall'intensità del fenomeno ma dalla particolare evoluzione dinamica.
meteorology, extreme precipitation, Rossby waves packets, potential vorticity tendencies, predictability
Grazzini, Federico
2021
English
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Grazzini, Federico (2021): Extreme precipitation in Northern Italy: genesis, classification and predictability. Dissertation, LMU München: Faculty of Physics
[img]
Preview
PDF
Grazzini_Federico.pdf

49MB

Abstract

Weather prediction is a fundamental scientific challenge and crucial to society. Predicting extreme weather events is one of the outstanding achievements of science. Despite the enormous progress made by modern meteorology, the precise prediction of certain critical phenomena, like extreme precipitation, can still be uncertain even at shorter time ranges. This research aims to identify the relevant atmospheric processes for the formation of extreme precipitation. We investigate the relationship between the predictable large-scale dynamics that create the right conditions for the genesis of extreme events, and fast small-scale processes, such as convection, which rapidly destroy predictability and pose a challenge for a correct forecast. In the aim to identify common dynamical states, we designed a systematic investigation on extreme precipitation events (EPEs), based on a very large number of episodes (> 800), which occurred between 1979 and 2015 in northern-central Italy, used as a test region. Through the optimal blending of ECMWF reanalysis of meteorological fields and high resolution gridded daily precipitation (ARCIS), we classify, with a machine learning approach, extreme precipitation events into three categories (Cat1, Cat2, Cat3). The categories do not only differ locally, successfully reflecting the precipitation processes on the region (frontal and orographic precipitation, frontal precipitation and embedded deep convection, diurnal or weakly forced convection), but also in the dynamical evolution of their precursor: the upper-level wave, and the associated wave packet. So far, this is the first attempt to classify EPEs on physical processes and make connections with predictability. We show that EPEs falling in Cat1 and Cat2 are associated with upper-level wave packets propagating from remote regions, while for EPEs in Cat3 local instability is dominating. The strongest EPEs, mostly populating Cat2, are characterised by a recurrent dynamic evolution consisting of a substantial upstream wave amplification in the N. Atlantic, arguably due to diabatic heating sources. Cat2 events are more predictable than moderate events falling into the other two categories in the region under investigation. This original result has important practical implications. It shows that not all extreme precipitation events have the same level of predictability. The uncertainty does not depend on the intensity of the phenomenon but on the particular dynamic evolution.

Abstract

Die Wettervorhersage ist eine grundlegende wissenschaftliche Herausforderung und für die Gesellschaft von großer Bedeutung. Die Vorhersage von Extremwetterereignissen ist eine der herausragenden Leistungen der Wissenschaft. Trotz des enormen Gesamtfortschritts der modernen Meteorologie kann die präzise Vorhersage bestimmter kritischer Phänomene, wie z. B. extremer Niederschläge, auch bei kürzeren Vorhersagezeiträumen noch unsicher sein. Diese Forschung zielt darauf ab, die relevanten atmosphärischen Prozesse für die Bildung von Extremniederschlägen zu identifizieren. Wir untersuchen die Beziehung zwischen vorhersagbarer großskaliger Dynamik, die die richtigen Bedingungen für die Bildung von Extremereignissen schafft, und schnellen kleinskaligen Prozessen, wie Konvektion, die die Vorhersagbarkeit schnell zerstören und eine Herausforderung für eine korrekte Vorhersage darstellen. Mit dem Ziel, gemeinsame dynamische Zustände zu identifizieren, haben wir eine systematische Untersuchung vieler (> 800) extremer Niederschlagsereignisse (EPEs) entworfen, die zwischen 1979 und 2015 in Nord- und Mittelitalien. Durch die optimale Kombination von ECMWF-Reanalysen meteorologischer Felder und hochaufgelöstem, gerastertem Tagesniederschlag (ARCIS) klassifizieren wir mit einem maschinellen Lernansatz extreme Niederschlagsereignisse in drei Kategorien (Cat1, Cat2, Cat3). Die Kategorien unterscheiden sich nicht nur lokal und spiegeln erfolgreich die Niederschlagsprozesse in der Region wider (frontaler und orographischer Niederschlag, frontaler Niederschlag und eingebettete tiefe Konvektion, tageszeitliche oder schwach erzwungene Konvektion), sondern auch in der dynamischen Entwicklung ihres Vorläufers: der atmosphärische Rossby-Welle und des zugehörigen Wellenpakets. Bislang ist dies der erste Versuch, EPEs nach physikalischen Prozessen zu klassifizieren und mit der Vorhersagbarkeit in Verbindung zu bringen. Wir zeigen, dass EPEs, die in Cat1 und Cat2 fallen, mit Wellenpaketen aus der oberen Atmosphäre, assoziiert sind, die sich aus entfernten Regionen ausbreiten, während bei EPEs in Cat3 lokale Instabilität dominiert. Die stärksten EPEs, die meist in Cat2 fallen, sind durch eine wiederkehrende dynamische Entwicklung gekennzeichnet, die aus einer erheblichen stromaufwärts gerichteten Wellenverstärkung im Nordatlantik besteht, die vermutlich auf diabatische Heizquellen zurückzuführen ist. Cat2-Ereignisse sind in der untersuchten Region besser vorhersagbar als gemäßigte Ereignisse, die in die beiden anderen Kategorien fallen. Dieses Ergebnis hat wichtige praktische Implikationen. Es zeigt, dass nicht alle extremen Niederschlagsereignisse den gleichen Grad an Vorhersagbarkeit haben. Die Unsicherheit hängt nicht von der Intensität des Phänomens ab, sondern von der jeweiligen dynamischen Entwicklung.

Abstract

La previsione del tempo è una sfida scientifica cruciale per la nostra società. La previsione di eventi meteorologici estremi è una delle conquiste più importanti della scienza. Nonostante gli enormi progressi fatti dalla meteorologia moderna, la previsione precisa di alcuni fenomeni critici, come le precipitazioni estreme, può essere incerta anche a brevi intervalli temporali. Questa ricerca mira a identificare i processi atmosferici rilevanti per la formazione di precipitazioni estreme. In particolare, lo studio approfondisce la relazione tra le dinamiche prevedibili su larga scala che creano le giuste condizioni per la genesi di eventi estremi, e i processi veloci su piccola scala, come la convezione, che distruggono rapidamente la prevedibilità e rappresentano una sfida per una corretta previsione. Al fine di identificare gli stati dinamici comuni, abbiamo realizzato un'indagine sistematica sugli eventi estremi di precipitazione (EPEs), basata su un numero molto elevato di episodi (> 800), avvenuti tra il 1979 e il 2015 nell'Italia centro-settentrionale, utilizzata come regione test. Attraverso la fusione ottimale delle rianalisi ECMWF dei campi meteorologici e delle precipitazioni giornaliere del dataset ARCIS, classifichiamo, con un approccio di machine learning, gli eventi di precipitazione estrema in tre categorie (Cat1, Cat2, Cat3). Le categorie non differiscono solo localmente, riflettendo con successo i diversi processi che danno origine alla precipitazione sulla regione (precipitazione frontale e orografica, sinergia fra precipitazione frontale e convezione profonda, convezione diurna o debolmente forzata), ma anche nell'evoluzione dinamica del loro precursore: l'onda di Rossby e il pacchetto d'onda associato. Questo risulta essere il primo tentativo di classificare gli EPE e mettere in relazione la loro prevedibilità con la particolare evoluzione dinamica. Si osserva che gli EPE che cadono in Cat1 e Cat2 sono associati a pacchetti d'onda di Rossby che si propagano da regioni remote, mentre negli EPE in Cat3 domina l'instabilità locale. Gli EPE più forti, che popolano principalmente la Cat2, sono caratterizzati da un'evoluzione dinamica ricorrente che consiste in una sostanziale amplificazione di un'onda di Rossby nell'Atlantico settentrionale, probabilmente dovuta a fonti di riscaldamento diabatico. Gli eventi Cat2 sono più prevedibili degli eventi moderati che rientrano nelle altre due categorie nella regione in esame. Questo risultato, originale in letteratura, ha importanti implicazioni pratiche. Mostra che non tutti gli eventi di precipitazione estrema hanno lo stesso livello di prevedibilità. L'incertezza non dipende dall'intensità del fenomeno ma dalla particolare evoluzione dinamica.