1,721,148 research outputs found
Retrospective analysis of the accuracy of SEAS5 ECMWF seasonal forecasts and their bias correction: An application to Sicily
No full textNowadays, seasonal forecasts (SFs) have become indispensable tools in many fields of life and science, including hydrology, hydraulic risk mitigation, and water resource management; their ability to forecast climate variables up to six months in advance is more valuable than ever since the presence of the effects of climate change. SFs play a crucial role not only in predicting floods and droughts but also in the water resource management, where they enhance decision-making processes, mitigate risks, optimize resource use, and secure water supplies, particularly in areas vulnerable to water scarcity and climate variability (Francipane et al. 2023).
Despite their importance, the reliability of SFs remains a key concern. Biases inherent in climate models can compromise forecast accuracy, making retrospective analyses essential for evaluating forecasts by comparing them with observed values. When systematic errors are detected, various bias correction techniques, such as quantile mapping, linear regression, mean bias correction, the MOS-Analog method, and mean and variance adjustment, can be applied to adjust the forecasts (Marcos et al. 2018). In addition to the previous methods, this study also explores an innovative approach using Artificial Neural Networks (ANN), which may offer superior performance by capturing the nonlinear relationships (Moghim and Bras 2017).
Here ECMWF SEAS5 SFs relative to monthly precipitation, P, and temperature, T, have been analyzed on different areas of Sicily, which include four river basins whose reservoirs serve the Palermo metropolitan area's water system, specifically Piana degli Albanesi, Rosamarina, Poma, and Scanzano; for these river basins the SFs have been compared with observed precipitation and temperature data provided by the Sicilian regional basin authority (AdB)
Landslide susceptibility mapping: a comparison of logistic regression and neural networks methods in a small sicilian catchment
Full text linkCombining a data-driven approach with seasonal forecast data to predict reservoir water volume in the Mediterranean area
Full text linkProlonged droughts and water scarcity have become more frequent in recent years, exacerbating the problem of artificial reservoir management in the Mediterranean area. This study proposes a methodology that combines a Nonlinear AutoRegressive network with eXogenous input (NARX) data-driven model with seasonal forecast (SF) data, with the aim to predict the water volume stored in reservoirs at a mid-term scale, as requested by the local authority. The methodology is applied to four Sicilian reservoirs that experienced water scarcity in the recent past. SFs produced at the European Centre for Medium-Range Weather Forecasting are used to force the NARX models. Also, the reservoirs are in a typical data-scarce environment, where very few or no measurements at all are available. The results show that the NARXs have the capability to reproduce the volumes stored in the considered reservoirs for the investigated period up to four months in advance. The performance of the modelling system strictly depends on: (i) the quality of climate forecasts and (ii) the strength of the autocorrelation for the water volumes.</p
Smart Data Blending Framework to Enhance Precipitation Estimation through Interconnected Atmospheric, Satellite, and Surface Variables
Full text linkAccurate precipitation estimation remains a challenge, though it is fundamental for most hydrological analyses. In this regard, this study aims to achieve two objectives. Firstly, we evaluate the performance of two precipitation products from the Integrated Multi-satellitE Retrievals for Global Precipitation Measurement (GPM-IMERG) for Sicily, Italy, from 2016 to 2020 by a set of categorical indicators and statistical indices. Analyses indicate the favorable performance of daily estimates, while half-hourly estimates exhibited poorer performance, revealing larger discrepancies between satellite and ground-based measurements at sub-hourly timescales. Secondly, we propose four multi-source merged models within Artificial Neural Network (ANN) and Multivariant Linear Regression (MLR) blending frameworks to seek potential improvement by exploiting different combinations of Soil Moisture (SM) measurements from the Soil Moisture Active Passive (SMAP) mission and atmospheric factor of Precipitable Water Vapor (PWV) estimations, from the Advanced Microwave Scanning Radiometer-2 (AMSR2). Spatial distribution maps of some diagnostic indices used to quantitatively evaluate the quality of models reveal the best performance of ANNs over the entire domain. Assessing variable sensitivity reveals the importance of IMERG satellite precipitation and PWV in non-linear models such as ANNs, which outperform the MLR modeling framework and individual IMERG products
Sistemi di monitoraggio meteorologico per l'analisi del campo di precipitazione in aree urbane finalizzati al preannuncio precoce di dissesti idrogeologici
Full text linkLo sviluppo dei sistemi informativi territoriali, insieme con quello di avanzate tecniche di monitoraggio ambientale, potrebbe risultare molto utile nell'ambito del preavviso e/o della mitigazione del rischio idrogeologico. Questo lavoro presenta un sistema integrato per il preannuncio del rischio idrogeologico il cui punto di forza risiede in un sistema di monitoraggio climatico e idrologico/geotecnico costituito da diversi sensori wireless che registrano una serie di informazioni relative a grandezze di tipo meteorologico, idrologico e geotecnico. I dati registrati e inviati ad una piattaforma web sono utilizzati per alimentare una rete neurale artificiale,
opportunamente creata e addestrata, che esegue il controllo in tempo reale della stabilità di una data area di studio. I risultati restituiti dalla rete neurale artificiale permettono di prevedere se e quando una frana si potrebbe attivare a seguito di precipitazioni intense e di lanciare automaticamente un messaggio di potenziale pericolo. Il sistema è organizzato secondo tre livelli che interagiscono tra di loro e, in particolare: un primo livello costituito dall'acquisizione dei dati dai sensori, un secondo livello di processamento dei dati e, infine, un livello di lancio del warning. Il sistema sviluppato è stato testato in un sito pilota nei pressi dell’area urbana di
Palermo. I primi risultati ottenuti hanno permesso di verificare il perfetto funzionamento del sistema nelle sue singole componenti ma anche nel suo insieme
Projecting the current Depth-Duration-Frequency curves in the future climate for Sicily (Italy)
Full text linkPrecipitazione e pattern di circolazione atmosferica in Sicilia
Full text linkGli eventi di precipitazione intensa possono spesso causare perdita di vite umane e ingenti danni di
tipo economico, soprattutto nei casi in cui questi colpiscano piccoli bacini caratterizzati da bassi tempi
di corrivazione.
Dal momento che alcuni schemi di circolazione atmosferica comportano un accumulo di umidità in
certe parti dell’atmosfera, a seguito del quale possono scatenarsi eventi di particolare entità, la
circolazione atmosferica può essere utilizzata come un indicatore del verificarsi di eventi di
precipitazione intensa.
Nel presente lavoro si è cercato di trovare una relazione tra alcuni pattern di circolazione atmosferica,
sviluppati dal UK Met Office, e i massimi annuali di precipitazione registrati dalla rete di stazioni
pluviografiche siciliane dell’Osservatorio delle Acque. Le analisi condotte hanno portato
all’identificazione di pattern specifici di circolazione atmosferica che determinano l’occorrenza di
massimi annuali per le cinque durate canoniche (1, 3, 6, 12 e 24 ore).
Attraverso l’utilizzo di due indici di rianalisi forniti dall’archivio ERA-Interim del European Centre
for Medium-Range Weather Forecast (ECMWF), il Convective Available Potential Energy (CAPE) e
il Vertical Integral of Divergence of Moisture Flux (VIDMF), inoltre, è stato possibile distinguere gli
eventi di precipitazione convettiva (bassa durata ed elevata intensità) da quelli stratiformi (elevate
durate e basse intensità), facendo anche un’analisi stagionale degli eventi, dal momento che la Sicilia è
caratterizzata da eventi convettivi che si registrano prevalentemente in estate e da eventi stratiformi
che si verificano durante la stagione invernale.
In definitiva, lo studio ha permesso di trovare una relazione tra eventi di particolare intensità e pattern
atmosferici che potrebbe essere utilizzata per mettere a punto un sistema per la previsione di eventi
potenzialmente dannosi per i loro effetti a terra (es., possibili inondazioni o piene lampo) una volta
noti i pattern di circolazione atmosferica previsti
Predicting reservoir water volumes in the Mediterranean area by combining a data-driven approach with seasonal forecasts data
No full text- …
