Ogni giorno, il grafico (scatter-plot) sopra mostrato, viene aggiornato calcolando la distanza tra le precipitazioni piovose misurate (Sardegna Clima) e le corrispondenti previsioni modellistiche, con riferimento al giorno precedente. I valori dell’osservazione (asse-X) e della relativa previsione (asse-Y) sono rappresentati da un unico simbolo blu per ogni stazione. La diagonale in “rosso” rappresenta la retta lungo la quale previsione e osservazione sarebbero perfettamente coincidenti. I simboli blu situati nella parte superiore (inferiore) della diagonale indicano una sovrastima (sottostima) quantitativa del modello.
Nel secondo pannello della figura, vengono sintetizzate le performance modellistiche attraverso indici statistici ottenuti applicando il metodo delle previsioni dicotomiche (tecnica di verifica per previsioni deterministiche di tipo discreto). Il metodo di verifica si basa sul criterio binario della frequenza di occorrenze “si” e “no” di un evento. Tale evento viene definito da soglie quantitative predefinite, come ad esempio “precipitazioni > 1mm”. Il criterio viene ben sintetizzato dalle quattro combinazioni di previsione si/no e osservazione si/no incluse nella nota tabella di contingenza:

   Tabella di contingenza

Un sistema di previsione perfetto produrrebbe solo risultati positivi e negativi corretti, senza errori o falsi allarmi. La tabella di contingenza è un modo utile per ottenere una grande varietà di statistiche categoriali calcolate combinando gli elementi della tabella. Gli indici che ne conseguono determinano le tipologie di errore commesso dal modello, rispondendo inoltre alle domande più frequenti sull’attendibilità di una previsione di pioggia. Di seguito vengono illustrati gli indici attualmente considerati per la verifica in near-real-time delle previsioni di MoSarT.

“Quale frazione degli eventi "sì" osservati è stata correttamente prevista?”
Frazione(%) delle precipitazioni correttamente previste (HITS) rispetto tutte le precipitazioni osservate (HITS+MISSING).


Quale frazione degli eventi "no" osservati è stata erroneamente prevista come "sì"?
Frazione(%) delle precipitazioni previste ma non osservate (FALSE ALARM) rispetto a tutte le non osservate(FALSE ALARM+REJECT).


Quale frazione degli eventi "sì" previsti in realtà erano falsi allarmi?
Frazione(%) dei FALSE ALARM rispetto l’insieme delle precipitazioni correttamente previste(HITS) e dei FALSE ALARM.


Nel complesso, quale frazione delle previsioni é corretta?
Frazione(%) della previsione corretta (HITS+REJECT) rispetto al numero totale N di previsioni(per tutte le stazioni incluse nel calcolo).


Quale frazione degli eventi "sì" previsti sono stati correttamente osservati?
Frazione(%) delle HITS rispetto tutte le previsioni di precipitazione, osservate e non osservate (HITS+FALSE ALARM).


Come si confronta la frequenza prevista degli eventi "sì" con la frequenza osservata degli eventi "sì"?
Indice per la stima del BIAS o rapporto tra le previsioni di precipitazione prevista (HITS+FALSE ALARM) e quelle osservate (HITS+MISS). FBI>1 (FBI<1) indica una sovrastima (sottostima) del modello; FBI=1 il perfect score.