Questi sono i modelli di previsione disponibili in PredictWind.

Il nostro obiettivo è quello di fornirvi l'accesso ai dati previsionali più accurati disponibili. Nessun singolo modello previsionale sarà il più preciso in ogni situazione, quindi confrontare diversi modelli previsionali leader di mercato può darvi maggiore sicurezza nelle vostre previsioni e nel vostro processo decisionale.

Dal 2008, PredictWind è leader di mercato per le previsioni accurate nel settore della nautica da diporto. Utilizzando il modello CSIRO CCAM con 450 domini ad alta risoluzione in tutto il mondo, PredictWind copre la maggior parte degli utenti di imbarcazioni da diporto più diffusi a livello globale.

PWG è il modello meteorologico proprietario di PredictWind che utilizza le condizioni iniziali globali NCEP , elaborate tramite il modello CSIRO CCAM, per generare le previsioni PWG.

PWE è il modello meteorologico proprietario di PredictWind che utilizza le condizioni iniziali globali ECMWF , elaborate tramite il modello CSIRO CCAM, per generare le previsioni PWE.

Le condizioni iniziali ECMWF e dell'NCEP forniscono un'istantanea dello stato attuale dell'atmosfera terrestre. Utilizziamo queste condizioni iniziali per eseguire i nostri modelli meteorologici proprietari a livello globale, avvalendoci di una tecnologia esclusiva di PredictWind nel settore privato delle previsioni meteorologiche.

PWAi è il modello di previsione globale proprietario di PredictWind, basato sull'intelligenza artificiale. Combina le informazioni provenienti da ECMWF , AIFS, Fengwu e GraphCast per generare un'unica previsione ottimizzata che copre tutto il mondo.

PWAi offre intervalli di tempo di 1 ora per i primi tre giorni e si comporta particolarmente bene negli studi di validazione su periodi di previsione a breve e medio termine e su aree di grandi dimensioni.

È possibile visualizzare questa valutazione , che rappresenta la prima fase di validazione. I risultati sono molto incoraggianti e PredictWind continuerà a perfezionare il modello attraverso test in condizioni reali e feedback degli utenti.

ECMWF è l'acronimo di Centro europeo per le previsioni meteorologiche a medio termine . Il suo modello di previsione globale ha una risoluzione di 9 km ed è molto apprezzato da meteorologi e navigatori professionisti di tutto il mondo. Ottiene costantemente ottimi risultati nella verifica delle previsioni globali ed è l'unico modello di previsione globale disponibile a questa alta risoluzione.

GFS è l'acronimo di Global Forecast System ed è un sistema prodotto dai National Centers for Environmental Prediction (NCEP) degli Stati Uniti. GFS è un modello numerico globale di previsione meteorologica ed è ampiamente utilizzato da servizi meteorologici, siti web e applicazioni in tutto il mondo. Quando visualizzi l'etichetta GFS in PredictWind, visualizziamo il modello GFS-FV3.

Il modello GFS-FV3 è in grado di simulare movimenti verticali come le correnti ascensionali, una componente chiave dei fenomeni meteorologici estremi, con una risoluzione molto elevata. I test suggeriscono che il modello FV3 offre previsioni a cinque giorni più accurate, nonché previsioni migliori delle traiettorie e dell'intensificazione degli uragani. Sebbene il nuovo nucleo del modello FV3 abbia mostrato miglioramenti rispetto al GFS, rimane al terzo posto per accuratezza, dietro ECMWF (1°) e all'UKMO (2°).

UKMO si riferisce al modello di previsione globale prodotto dal Met Office del Regno Unito . Conosciuto anche come Modello Unificato, vanta una solida reputazione come uno dei principali modelli meteorologici globali al mondo.

ICON è il modello numerico globale di previsione meteorologica (NWP) della Germania, sviluppato dal Servizio meteorologico tedesco (DWD) in collaborazione con l'Istituto Max Planck di meteorologia (MPI-M).

ICON utilizza una griglia icosaedrica che fornisce una copertura approssimativamente uniforme su tutto il globo. Questo aiuta a evitare alcune delle distorsioni e delle inefficienze computazionali che possono verificarsi vicino ai poli con le tradizionali griglie di latitudine e longitudine.

AIFS è un sistema globale di previsioni meteorologiche basato sull'intelligenza artificiale, sviluppato dal Centro europeo per le previsioni meteorologiche a medio termine ( ECMWF ) .

Utilizza l'intelligenza artificiale e l'apprendimento automatico per generare previsioni globali e offre prestazioni particolarmente elevate in mare aperto, catturando modelli meteorologici su larga scala a medio e lungo termine.

HRRR è l'acronimo di High-Resolution Rapid Refresh . Si tratta del modello meteorologico ad alta risoluzione di 3 km della NOAA, che copre gli Stati Uniti continentali e viene aggiornato ogni ora per fornire previsioni dettagliate a breve termine.

HRRR integra osservazioni radar ed è progettato per rilevare sistemi meteorologici su piccola scala e in rapido sviluppo. Per ulteriori informazioni, si prega di consultare questovideo .

NAM è l'acronimo di North American Mesoscale Forecast System ed è uno dei modelli meteorologici regionali della NOAA che copre il Nord America.

Essendo un modello mesoscalare, NAM può rappresentare il territorio e altre caratteristiche geografiche con una risoluzione più elevata rispetto a molti modelli globali, fornendo previsioni regionali più dettagliate.

AROME è un modello numerico regionale ad alta risoluzione per la previsione meteorologica, sviluppato da Météo-France. È progettato per previsioni dettagliate a breve termine ed è particolarmente utile per prevedere fenomeni meteorologici su scala ridotta ed eventi meteorologici estremi come le intense precipitazioni mediterranee (eventi delle Cévenole).

Confrontare le previsioni di diversi modelli può aiutare a valutare l'affidabilità delle previsioni stesse. Quando modelli diversi mostrano condizioni simili, l'affidabilità della previsione è generalmente maggiore. Quando invece le differenze sono significative, è opportuno monitorare i successivi aggiornamenti delle previsioni e considerare la gamma di condizioni possibili.

Quando si visualizzano le tabelle di previsione di PredictWind, il menu contenente le diverse variabili di previsione si comprime scorrendo i giorni di previsione. Ciò consente di visualizzare più intervalli temporali di previsione sullo schermo.

Quando il menu è compresso, i nomi dei modelli di previsione vengono abbreviati:

Per visualizzare nuovamente i nomi completi dei modelli, scorri completamente verso sinistra.