Calcolo numerico e simulazioni atmosferiche operative

Introduzione

Poco più di un secolo fa, nel 1904, Vilhelm Bjerknes pubblicò il lavoro di fisica matematica su cui ancora poggiano le attuali simulazioni numeriche dell’evoluzione atmosferica. Il contributo di Bjerknes è sui fondamenti teorici del problema, quindi sul modo in cui va costruito il modello matematico che include tutti i principi fisici coinvolti nella descrizione dell’atmosfera terrestre. Ci vollero ancora un paio di decenni affinché le tecniche di calcolo, applicate al modello, venissero affinate al punto di poter affrontare con efficacia la soluzione delle equazioni. Fu Lewis Fry Richardson che nel 1922 presentò l’approccio contemporaneo per il calcolo numerico delle previsioni meteorologiche. Purtroppo la capacità di calcolo di quegli anni rendeva la soluzione proposta da Richardson scarsamente efficiente, ovvero inutile per gli scopi pratici, visto che i calcoli venivano eseguiti da persone con il solo ausilio di carta, penna e tavole numeriche impiegando tempi lunghissimi rispetto a quelli imposti dalle esigenze applicative. Ad ogni modo, come spesso accade nella storia delle grandi conquiste scientifiche, gli sforzi di Bjerknes e di Richardson produssero importanti risultati molto tempo dopo, ovvero nella metà del XX secolo, quando venne realizzata la prima previsione meteorologica tramite una macchina calcolatrice.

Dalla prima simulazione dell’era moderna ai giorni nostri

Dopo la seconda guerra mondiale, il calcolo svolto per mezzo di macchine ebbe una svolta, a seguito degli importanti contributi concettuali del matematico John von Neumann, i quali sono il fondamento del calcolo elettronico. Le strategiche applicazioni dei calcolatori in ambito militare, condussero, in quegli anni, gli Stati Uniti d’America alla realizzazione del primo calcolatore moderno. Ubicato al U.S. Army’s Ballistics Research Laboratories e noto con il suo acronimo, ENIAC [1], ovvero Electronic Numerical Integrator and Computer, che era una macchina di parecchie tonnellate composta da valvole, dispositivi elettrici e meccanici, decisamente lontana dalla moderna idea di computer, ma che alla pari dei calcolatori che usiamo quotidianamente eseguiva un grandissimo numero di semplici operazioni, nel tempo più breve possibile, per produrre dei calcoli complessi. ENIAC era il calcolatore più potente in quegli anni e la brillante intelligenza di von Neumann e di altri cinque ricercatori, che si dedicavano alle problematiche atmosferiche, portò all’uso di quel dispositivo per la realizzazione della prima previsione meteorologica numerica. Era il 1950 e l’esperienza fu talmente stimolante e promettente di ricadute pratiche che in pochi anni le previsioni meteorologiche numeriche divennero una realtà che si è sviluppata ininterrottamente e ha accompagnato la storia dell’Uomo fino ad oggi.

Gli anni che seguirono beneficiarono del poderoso sviluppo tecnologico nella realizzazione dei computer. L’aumento della potenza di calcolo ha progressivamente incrementato il dettaglio spaziale e temporale con il quale viene simulata l’evoluzione dell’atmosfera terrestre, producendo i risultati in tempi utili per gli sopi pratici. Nell’esperimento condotto con ENIAC venne adottato un modello meteorologico molto semplice, con un solo livello verticale e una discretizzazione della superficie sferica del pianeta in punti che distavano tra di loro circa 800 km l’uno dall’altro. Questa simulazione, eseguita per prevedere l’evoluzione meteorologica delle successive 24 ore, aveva impiegato 24 ore di calcolo.

Attualmente i modelli atmosferici globali più avanzati, ovvero quello del NOAA americano, GFS [2], e quello del ECMWF europeo, IFS [3], hanno la risoluzione spaziale prossima a 15 km, utilizzano oltre 130 livelli verticali ed eseguono in un paio di ore la simulazione dell’evoluzione dell’atmosfera per i dieci giorni successivi, due o perfino quattro volte al giorno, introducendo aggiornamenti nei dati iniziali.

La necessità di raggiungere dettagli sempre maggiori e l’avvento dei LAM

I modelli numerici globali, sin dal primo esperimento, hanno riprodotto verosimilmente la circolazione atmosferica continentale e planetaria, ovvero la macroscala vedi figura 1,

e ciò è stato sufficiente per renderli utili. Infatti, specialmente alle medie latitudini dove si è concentrato sin dall’inizio l’interesse della ricerca meteorologica, l’evoluzione delle basse e alte pressioni con i sistemi frontali, è stata alla portata di modelli il cui dominio di calcolo è l’intera atmosfera terrestre. Affiancando alle simulazioni numeriche l’esperienza acquisita nell’uso delle carte meteorologiche prodotte numericamente, i previsori del tempo hanno spostato l’oggetto del loro mestiere dall’ambito dell’aneddotica, potremmo dire quasi del magico, al contesto delle informazioni affidabili dal punto di vista decisionale. Ci si rese anche conto che, nonostante la rapida evoluzione dei calcolatori, i modelli globali non sarebbero stati in grado di simulare tutti i fenomeni meteorologici importanti per la programmazione delle attività umane; in particolare le celle temporalesche, i colpi di vento forti, le grandinate sino a giungere ai dettagli della circolazione dei venti nelle aree del pianeta orograficamente complesse, come le valli nelle catene montuose. In sintesi, buona parte dei fenomeni alla mesoscala e tutti quelli alla microscala erano, e in buona parte lo sono ancora, preclusi ai modelli globali.

Per colmare questa lacuna, venne escogitata la tecnica di simulazione atmosferica detta ad area limitata che aprì la strada allo sviluppo dei modelli atmosferici LAM, Limited Area Models. Tramite questi modelli, il dominio di calcolo è confinato solo ad una porzione della superficie terrestre sulla quale si intende raggiungere un dettagli elevato. Il vantaggio dei LAM è che, a parità di potenza di calcolo, è possibile aumentare la risoluzione spaziale pur di ridurre il dominio, vedi figura 2.

Per mezzo di questo approccio sono simulabili fenomeni meteorologici alla mesoscala, inoltre si possono includere nella simulazione, anche se solo tramite parametrizzazioni, gli effetti prodotti dai fenomeni dalla microscala, perlomeno quelli tipici della alpha e della beta, vedi figura 1.

Condizioni iniziali e condizioni al contorno, perché il calcolo non è tutto

Oltre al calcolo numerico, la simulazione dell’evoluzione atmosferica richiede lo svolgimento di un compito altrettanto difficile, ovvero il reperimento delle condizioni iniziali e di quelle al contorno necessarie all’integrazione delle equazioni. Il grande contributo di Bjerknes fu quello di pervenire ad un modello autoconsistente di atmosfera descritto da sei equazioni accoppiate, le quali sono quasi tutte equazioni differenziali alle derivate parziali che descrivono le variazioni dei campi atmosferici nel tempo e nello spazio. L’integrazione di queste equazioni, ovvero il calcolo delle soluzioni, richiede necessariamente la conoscenza delle condizioni iniziali del sistema simulato e di quelle al contorno del dominio spaziale, all’interno del quale si cercano le soluzioni. Per questo motivo è necessario disporre di misure delle principali grandezze meteorologiche, per esempio direzione ed intensità dei venti, pressione, temperatura, umidità, ecc., con il maggior dettaglio possibile sul dominio di calcolo, al momento dell’inizio della simulazione; inoltre bisogna stabilire quale deve essere il valore assunto dalle soluzioni al bordo di tale dominio. Nel caso dei modelli atmosferici globali, la seconda questione è concettualmente semplice, infatti il dominio di calcolo coincide con l’intera atmosfera, che è descritta tramite superfici sferiche le quali si chiudono su se stesse, quindi è sufficiente imporre la continuità dei campi simulati lungo queste superfici. I veri confini del dominio risiedono sulla superficie solida e liquida del pianeta, che limita l’atmosfera dal basso, e sulle condizioni da imporre nella stratosfera, cioè nella parte sommitale del dominio. Su questi confini sovente si impongono delle condizioni stazionarie, o lentamente variabili che sono definite secondo conoscenze pregresse derivanti da fonti climatologiche. Molto più impegnativo è il reperimento delle condizioni iniziali, specialmente nel caso il modello atmosferico venga utilizzato per generare previsioni meteorologiche. Infatti la simulazione va svolta a partire dalla conoscenza dello stato dell’atmosfera terrestre in un determinato istante e tali informazioni si possono ottenere solo eseguendo delle misure simultanee in quanti più punti possibili del dominio di calcolo, ovvero dell’atmosfera planetaria. Questo importantissimo, ma gravoso compito, viene condotto con continuità, dalla fine della seconda guerra mondiale, dai servizi meteorologici di tutti gli stati che aderiscono all’organizzazione meteorologica mondiale (WMO [4]). generalmente due volte al giorno, alle ore 00 UTC e alle 12 UTC [5]. Pertanto grazie a misure dirette eseguite tramite stazioni meteorologiche, boe oceanografiche, palloni sonda, a cui si aggiungono le misure indirette di satelliti, radar meteorologici, ecc., è possibile conoscere le condizioni iniziali da fornire ai modelli. Queste preziose informazioni sono disponibili, pressoché in tempo reale, nel circuito internazionale GTS [6]. Conseguentemente le grandi capacità di calcolo attualmente disponibili per simulare l’evoluzione della nostra atmosfera sarebbero inutili se venissero a mancare le misure che producono le condizioni iniziali; diciamo che il calcolo non è tutto ciò che serve alla modellistica atmosferica.

Per quanto riguarda le simulazioni ad area limitata, tramite LAM, le condizioni iniziali e quelle al contorno debbono essere fornite da una fonte esterna al modello, vedi figura 3.

Tralasciando l’imposizione di condizioni ideali che sono rilevanti solo per scopi di ricerca o didattica, simulazioni reali sono eseguibili solo se si dispone dei campi generati da simulazioni globali, che forniscono le condizioni iniziali ed al contorno al LAM. Quindi anche per i LAM la potenza di calcolo deve essere affiancata dalla disponibilità degli output dei modelli globali.

Il sistema modellistico nel suo insieme

Dai tempi di ENIAC, ci sono stati importanti cambiamenti, sia dal punto di vista della disponibilità di calcolatori prestanti a basso costo, sia per quanto riguarda la diffusione al pubblico, anche non specialista, delle misure meteorologiche e dei codici per la simulazione atmosferica. Oggi qualsiasi gruppo di ricerca, azienda, associazione o perfino privato cittadino può accedere alle risorse di calcolo necessarie a far girare un modello meteorologico; i costi di acquisto di una macchina multicore, di un cluster dotato di una decina di nodi computazionali, oppure di risorse calcolo da fornitori specializzati, sono bassissimi. Inoltre le misure del circuito GTS sono disponibili liberamente sulla rete internet, così pure gli output di alcuni del modelli globali più importanti. Anche molti codici modellistici sono ad accesso libero [7], [8], [9], [10], [11], [12], [13], [14]. 

Possiamo affermare che eseguire una previsione meteorologica tramite un modello numerico, sia esso globale che LAM, è alla portata di tutti. Il percorso è semplice e basta un po’ di famigliarità con i sistemi operativi Linux o Unix. Scaricare, installare il codice ed eseguire la previsione meteorologica per i cinque giorni successivi è un esercizio che, con l’aiuto di una persona che lo ha già fatto, può richiedere mezza giornata di lavoro, da soli e a digiuno potrebbe richiedere una settima con il semplice aiuto dell’iscrizione ad una mailing list o la lettura dei post già pubblicati sulle problematiche che si andranno ad affrontare, senza contare l’amplissima documentazione che ciascun modello porta con sé. Si vedano gli esempi delle figure 4, 5 e 6. 

Allora, perché le fonti di previsioni ed analisi meteorologiche numeriche, sia globali che ad area limitata, non sono aumentate vertiginosamente nel corso degli ultimi decenni? La risposta sta nel sostantivo operatività. Con il termine operatività, in campo modellistico ambientale quindi anche atmosferico, si intende la realizzazione continua di simulazioni, sia in prognosi, ovvero le previsioni, che in diagnosi, dette analisi, in tempi utili alle applicazioni pratiche. L’operatività necessita di sistemi di calcolo veloci, cosa non difficile da ottenere, ma del loro funzionamento continuo 24 ore su 24 durante tutto l’anno, festività comprese. Stessa continuità deve essere garantita all’approvvigionamento delle condizioni iniziali e al contorno, con una velocità sufficiente da non vanificare gli sforzi fatti dal sistema di calcolo nell’integrare velocemente le equazioni del modello. Infine è necessario garantire la continua e veloce disseminazione dei prodotti delle simulazioni, in un formato adatto a rendere fruibili le informazioni cercate dall’utente. Un esempio probabilmente potrà chiarire meglio i vincoli imposti dall’operatività. Se possiedo un cluster di calcolo che mi consente la realizzazione di una previsione numerica in 60 minuti di computazione per i successivi tre giorni, tramite un LAM con la risoluzione spaziale di 2 km su un’area dove i potenziali interessati sono parecchi e con varie esigenze, per esempio: aziende, cittadini, enti pubblici, ecc, potenzialmente sono in grado di fornire un servizio utile, quindi anche vendibile. Se contestualmente a questa risorsa ho una larghezza di banda per la rete di approvvigionamento delle condizioni iniziali e al contorno del modello che impiega 6 ore a scaricare i dati necessari, allora le previsioni che posso produrre saranno disponibili almeno dopo sette ore dal momento in cui il modello globale ha terminato il suo run e i dati che mi servono sono accessibili per lo scarico. Contestualizzando ulteriormente l’esempio, nella giornata di lunedì voglio fornire il servizio di previsione meteorologica per i prossimi tre giorni, ma devo attendere l’esecuzione del modello globale che mi darà i dati in input per il mio LAM. Questa attesa attualmente è di quattro ore circa, poi attendo lo scaricamento dei dati di cui ho bisogno per sei ore ed infine faccio girare il mio modello. Totale 11 ore per realizzare la simulazione. Dato che i modelli globali iniziano i loro run operativi alle ore 00 UTC e alle ore 12 UTC, nel caso di un servizio da proporre in Italia, le mie previsioni saranno disponibili non prima delle ore 11 UTC, ovvero le ore 12 quando vige l’ora solare e 13 quando è in corso l’ora legale. In questo esempio, dove i tempi di scarico sono stati volutamente esagerati e quelli di calcolo ridotti, le simulazioni svolte dal modello per la giornata di lunedì sono inutili, infatti mezza giornata di previsione si riferisce già al passato, mentre quella del resto del lunedì è utile solo ad una programmazione delle attività a brevissimo termine, che forse potrebbe ancora interessare qualche utente. Restano a disposizione due giornate intere di previsione, quella di martedì e quella di mercoledì, a patto che chi deve utilizzarle per prendere delle decisioni, lo faccia nel pomeriggio del lunedì, cosa verosimile solo in pochi casi per scopi civili. Quindi per il grosso dei potenziali utenti, potremmo pensare che martedì mattina presto potranno guardare le previsioni per il giorno stesso e per quello successivo, le quali sono state calcolate il lunedì; nel frattempo il mio modello si accinge ad eseguire un altro run con nuove condizioni iniziali e al contorno. Anche assumendo questo tipo di impiego dovremmo fare i conti con il degrado della qualità delle simulazioni. L’atmosfera evolve e lo fa secondo delle funzioni non lineari, quindi piccole variazioni delle condizioni iniziali possono determinare grandi cambiamenti dell’evoluzione dei campi, soprattutto se si intende fare simulazioni atmosferiche di parecchi giorni [15][16]. La previsione che i miei utenti avranno a disposizione martedì mattina è stata realizzata con condizioni iniziali 24 ore più vecchie di quelle disponibili in quelle ore nel circuito GTS, quindi con una affidabilità inferiore a quella che avranno le simulazioni ottenute usando le ultime condizioni disponibili. Per rendere ancora più realistico l’esempio, si deve tenere conto che gli utenti mi chiederanno anche di spingere le previsioni ad almeno cinque se non sette giorni nel futuro, perché vorranno avere margini decisionali più ampi, ma soprattutto perché le mie previsioni di soli tre giorni sono per loro inutili, a partire da venerdì, fino a domenica compresa, qualora le usino per programmare attività lavorative. Infatti venerdì mattina vorranno sapere come andrà il tempo il successivo lunedì o anche il martedì. Con queste richieste dovrò aumentare i tempi di scarico dei dati per fare girare i modelli, visto che mi serviranno condizioni al contorno per cinque giorni e non solo per tre, e dovrò integrare le equazioni più a lungo, quindi aumenterò i tempi di calcolo, in definitiva perdendo completamente l’utilità delle prima giornata di previsione e fornendo un prodotto già vecchio il giorno successivo a quello del calcolo.

Per quanto riguarda la continuità delle mie simulazioni, dovrò tener presente che ci potranno essere degli inconvenienti che richiederanno il mio intervento sul calcolatore o il sistema di scaricamento dei dati. Perciò oltre ad essere dotato di un sistema che automaticamente mi informi se la previsione non è stata realizzata, c’è il problema di come garantire un eventuale intervento quando sarò in ferie.

Non da ultimo dovrò contemplare la realizzazione di un rapporto che indichi oggettivamente qual è l’affidabilità delle mie previsioni. In tale rapporto dovrò confrontare le simulazioni da me realizzate con delle misure atmosferiche, analizzando l’aderenza dei campi meteorologici calcolati con la realtà per fornire agli utenti il margine di incertezza di cui debbono tenere conto quando usano i prodotti che gli sto fornendo. Ovviamente questo rapporto lo dovrò aggiornare almeno di anno in anno per tener conto dell’adattamento del mio sistema modellistico alle variazioni meteorologiche interannuali.

In definitiva è possibile realizzare facilmente una simulazione atmosferica in tempi ragionevoli e con costi bassissimi, ma è estremamente difficile e anche costoso garantire l’operatività di tali simulazioni. Senza la garanzia dell’operatività nessuno sarà attratto da prodotti modellistici che potrebbero essere non aggiornati, disponibili con discontinuità e la cui qualità non è stata valutata oggettivamente.

La gestione operativa dei modelli atmosferici

La gestione dell’operatività modellistica richiede strutture per il calcolo ad alte performance, linee per il trasferimento dei dati altrettanto veloci ed un’organizzazione delle risorse umane adeguata a garantire l’intervento dell’uomo in quei momenti in cui le macchine presentano delle difficoltà ad eseguire le operazioni programmate.

L’organizzazione delle risorse umane si avvale anche di strategie che si basano su un concetto fondamentale: far fare alle macchine tutto ciò che è ripetitivo e controllabile da altre macchine, lasciando all’uomo la gestione degli imprevisti.

La conseguenza pratica di questo principio è che in un centro di modellistica esistono migliaia di applicazioni che, secondo degli schemi e delle tempistiche ben definiti, svolgono compiti e controllano che tali compiti sia stati portati a temine come previsto. 

Un modello meteorologico che gira su un sistema di calcolo ad alte performance è come una nave portaerei inserita in una flotta che costituisce il gruppo da battaglia della portaerei (figura 7).

La sua importanza e potenza nel simulare lo stato futuro del complesso sistema atmosferico diventa efficace nel realizzare prodotti utili, solo se il modello è coadiuvato e protetto da altri software che svolgono compiti a supporto del modello stesso: ricordiamo l’essenzialità del sistema di acquisizione dati, di cui si è già discusso in precedenza, ma anche quello della postelaborazione degli output, della preparazione dei prodotti e della loro disseminazione.

Le esecuzioni del modello e degli altri programmi vanno organizzate secondo dei flussi logici che vengono implementati da dei software, detti workflow manager, i quali gestiscono l’applicazione di altri software e ne eseguono il monitoraggio. Esistono diversi strumenti che assolvono questo compito, molti di essi sono ad accesso libero [17],[18]. 

Non di secondaria importanza deve essere considerata la valutazione della qualità del modello, ovvero la validazione delle simulazioni. Non esiste una tecnica unica da applicare per portare a termine questo arduo compito, ma per ciascun campo simulato e per le diverse scale temporali e spaziali tipiche dei fenomeni trattati, vedi figura 1, esistono decine di test e confronti che producono elementi oggettivi per esprimere la qualità della simulazione [19],[20]. Anche in questo caso oltre agli aspetti computazionali, sono essenziali quelli del reperimento delle misure utili alla validazione ed una adeguata conoscenza della problematica da affrontare. 

Solitamente la validazione di un modello complesso, come quelli per la simulazione atmosferica, richiede una preparazione mirata da parte di personale specializzato che poggia su conoscenze di fisica dell’atmosfera [21], [22] e di esperienze di lavoro dirette. In termini di risorse umane impiegate, la validazione di un modello meteorologico richiede un impegno confrontabile se non superiore a quello del suo mantenimento in operatività.

Tutti le implementazioni dei software che vanno a costituire le catene modellistiche, la loro progettazione, sviluppo, correzione e documentazione, generalmente viene condotta a più mani. Per coordinare i contributi dei modellisti e per tenere traccia delle modifiche e delle migliorie apportate è opportuno fare uso dei metodi di sviluppo collaborativo di software, ben noti in ambiente informatico.

Questi metodi prevedono l’utilizzo di applicativi per il versionamento del codice sviluppato [23], il quale è integrato con software per l’assegnazione di compiti e la tracciatura del loro svolgimento [24], e con dei software che svolgono dei test sul funzionamento dei codici sviluppati dai modellisti attraverso la tecnica del Continuous Integration, [25].

Conclusioni

La modellistica atmosferica in questi primi decenni del XXI secolo è una realtà consolidata nell’ambito della ricerca meteorologica e soprattutto della fornitura di servizi e dati ad un ampio spettro di utenti particolarmente esigenti. In questo articolo si è messo in evidenza come la potenza di calcolo per eseguire simulazioni meteorologiche tramite modelli numerici non è tutto ciò che basta per farlo con utilità. La continuità delle simulazioni e la richiesta di competenza nella valutazione dei risultati generati dai modelli rendono la modellistica atmosferica operativa un compito affrontabile solo se, ad adeguate capacità di calcolo, sono affiancati efficienti canali di approvvigionamento dati e specializzate risorse umane organizzate e coadiuvate da un complesso sistema di software a supporto dei modelli.

Bibliografia e sitografia

[1] ENIAC e la prima previsione del tempo http://mathsci.ucd.ie/~plynch/Publications/ENIAC-BAMS-08.pdf

[2] GFS NOAA https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs

[3] IFS ECMWF http://www.ecmwf.int/en/forecasts/documentation-and-support

[4] GOS WMO https://www.wmo.int/pages/prog/www/OSY/GOS.html

[5] UTC Coordinated Universal Time http://www.timeanddate.com/time/aboututc.html e http://www.inrim.it/ntp/webclock_i.shtml

[6] Il circuito GTS https://www.wmo.int/pages/prog/www/TEM/GTS/index_en.html

[7] Weather Reasearch and Forecasting model http://www.wrf-model.org/index.php

[8] RAMS http://rams.atmos.colostate.edu

[9] ARPS http://arps.ou.edu

[10] GFDL model http://www.gfdl.noaa.gov/atmospheric-model

[11] GEM http://collaboration.cmc.ec.gc.ca/science/rpn/gef_html_public/index.html

[12] NCAR community global model http://www.cesm.ucar.edu/models/atm-cam/

[13] MIT global model http://mitgcm.org

[14] Modelli atmosferici disponibili in rete http://www.easterbrook.ca/steve/2009/06/getting-the-source-code-for-climate-models

[15] Previsioni meteorologiche numeriche e Chaos http://www.ecmwf.int/sites/default/files/Chaos%20and%20weather%20prediction.pdf http://www.ecmwf.int/en/introduction-chaos-predictability-and-ensemble-forecasts-0

[16] Primi studi sul problema della non linearità delel simulazioni atmosferiche http://eaps4.mit.edu/research/Lorenz/Nonlinerity_Weather_Prediction_Climate_Deduction_1966.pd

[17] ecFlow https://software.ecmwf.int/wiki/display/ECFLOW/Home

[18] Kepler https://kepler-project.org

[19] Statistical Methods in the Atmospheric Sciences, Daniel Wilks, Published: May 2011 Academic Press, ISBN: 978-0-12-385022-5, (https://www.elsevier.com/books/statistical-methods-in-the-atmospheric-sciences/wilks/978-0-12-385022-5)

[20] Forecast Verification: A Practitioner’s Guide in Atmospheric Science, 2nd Edition Ian T. Jolliffe (Editor), David B. Stephenson (Editor) ISBN: 978-0-470-66071-3 292 pages December 2011 (http://eu.wiley.com/WileyCDA/WileyTitle/productCd-0470660716.html)

[21] Università degli Studi di Trieste - Fisica dell’Atmosfera http://df.units.it/it/didattica/corsi-laurea/laurea-magistrale http://moodle2.units.it/course/view.php?id=403 

[22] Università di Bologna - Fisica dell’Atmosfera e Meteorologia http://corsi.unibo.it/Laurea/FisicaAtmosferaMeteorologia/Pagine/default.aspx

[23] Git https://git-scm.com

[24 TRAC http://trac.edgewall.org

[25] Jenkins https://jenkins-ci.org

« Indice del n. 71