Le moderne previsioni del tempo e gli studi sul clima si basano molto su simulazioni al computer che implementano modelli fisici. Questi modelli devono fare previsioni coese su larga scala, ma includere anche dettagli su piccola scala sufficienti per essere pertinenti e attuabili. Data l'enorme complessità fisica dei sistemi meteorologici e del clima, simulazione stocastica realistica di eventi idroambientali nello spazio e nel tempo, come pioggia, è una sfida significativa.

Un approccio statistico è un'alternativa naturale per descrivere l'enorme variabilità dei sistemi meteorologici e del clima. I modelli statistici sono più facili da usare e non richiedono enormi risorse computazionali e quindi forniscono a scienziati e decisori informazioni operative, strumenti di facile utilizzo per studiare i problemi urgenti legati al clima. Ciò nonostante, i modelli statistici spesso fanno ipotesi semplificatrici.

Sebbene queste ipotesi possano rendere il compito di modellazione più gestibile, portano anche a ulteriori divergenze dai sistemi fisici che intendono rappresentare. Papalexiou et al. descrivere i miglioramenti al cosiddetto framework Complete Stochastic Modeling Solution (CoSMoS) che introducono una generalità significativamente maggiore per un'ampia gamma di simulazioni idroambientali.

Un'aggiunta importante è il supporto per i campi di velocità spazialmente variabili. Questi campi di velocità regolano il movimento dei pacchetti di fluido, come aria o acqua, in tutta la regione simulata. Tali gradienti sono estremamente comuni in natura; l'espansione dell'aria mentre si riscalda, Per esempio, crea un modello di velocità divergente verso l'esterno. Allo stesso modo, la rotazione di un uragano o di un tornado richiede un campo di velocità che curva nello spazio.

Gli autori descrivono anche la gestione dell'anisotropia, in cui le proprietà del processo fisico possono variare non solo con la distanza da un punto di riferimento, ma anche con la direzione. Combinando l'anisotropia con campi di velocità spazialmente variabili, una simulazione può riprodurre fenomeni meteorologici complessi, come le tempeste o la struttura rotante e a spirale di un uragano.

Dopo aver introdotto questi progressi, gli autori dimostrano il loro potenziale attraverso una serie di esperimenti numerici. Queste simulazioni illustrano l'ampia varietà di strutture fluide e modelli di evoluzione che una tale piattaforma può fornire. Tuttavia, restano le sfide, compresi gli elevati costi computazionali della simulazione di grandi strutture ad alta risoluzione e la necessità di sviluppare modelli aggiuntivi con l'obiettivo di simulazioni su scala globale.

Questa storia è ripubblicata per gentile concessione di Eos, ospitato dall'American Geophysical Union. Leggi la storia originale qui.