di Guido Guidi
______________________________________________________________________________
Beh, per la verità c’èe sempre stata, anche se qualcuno ha fatto finta di non vederla. Si tratta dell’Isola di Calore Urbano, tecnicamente nota come UHI e, più volgarmente, nota a tutti come quella cosa che quando d’estate fa molto caldo fa in modo che in città invece ne faccia moltissimo. Non che sia un fenomeno solo estivo, s’intende, asfalto e cemento si scaldano più del suolo nudo sempre, così come il rimescolamento dell’aria generato dal vento fa comunque fatica a entrare più di qualche centinaio di metri nella cinta urbana.
E così, è probabile che se un determinato punto di rilevamento della temperatura si trova in un’area urbana, o che magari lo è diventata nel corso degli anni, il trend di lungo periodo ne possa risentire. Per evitare che questo avvenga, anche in considerazione del fatto che la grande maggioranza dei punti di osservazione sono dentro o prossimi ad aree urbane, esistono delle procedure di omogeneizzazione dei dati, in pratica degli aggiustamenti.
Queste pratiche, sia che si tratti di correzioni rese necessarie per lo spostamento dei punti di osservazione sia che si debba solo cercare di eliminare il bias indotto dall’effetto UHI, ci è estato sempre detto che non hanno alcun effetto sul trend dei dati, né, per la proprietà transitiva, ne può avere il fatto che molti – se non tutti i dati grezzi di temperatura, sono soggetti a correzione per una ragione o per l’altra.
E’ però appena uscito su Theoretical and Applied Climatology, un lavoro che dice qualcosa di diverso, molto diverso:
Effect of data homogenization on estimate of temperature trend: a case of Huairou station in Beijing Municipality – (pdf liberamente accessibile)
Applicando le procedure di correzione ai dati di una stazione di Pechino spostata dal centro alla periferia della città, si rileva un bias riscaldante indotto dalle procedure di correzione pari o superiore al trend positivo proprio della serie storica.
Dall’abstract:
La nostra analisi dimostra che l’omogeneizzazione dei dati delle stazioni spostate dal centro alla periferia può indurre una significativa sovrastima del trend di aumento della temperatura dell’aria, e questo rende necessaria una attenta valutazione e correzione del bias urbano prima che i dati siano utilizzati in analisi su cambiamenti climatici locali o regionali.
E’ tornata l’isola che non c’era.
A replicare al metodo di omogenizzazione proposto nei lavori IPCC compliant (3 stazioni più vicine…vicino variabile), aveva provato alcuni anni addietro R.Pielcke Sr. Nel proprio lavoro “unresolved issues ….” ( non ricordo più ebbe il titolo esatto) dove prendeva un dato di stazione e lo paragonava alle re-analisi a 850 ma in quanto dopo circa 3 run di modello queste perdono l’effetto del suolo liberando i dati dalle influenze del terreno. Negli esempi utilizzati Pielcke rendeva evidente come effettivamente il bias caldo venisse eliminato.
ci sono le isole di calore anche in alta atmosfera visto che i dati satellitari ci mostrano un aumento anche li? 🙂
http://img707.imageshack.us/img707/5705/msu20uah20globalmonthly.gif
e comunque pur essendo le aree urbane senza dubbio più calde delle aree rurali circostanti questo fatto non incide più di tanto sui trend del riscaldamento globale
http://www.skepticalscience.com/translation.php?a=32&l=17
Gino, no, non ce ne sono. Se leggi bene è stato scritto che l’effetto UHI induce o può indurre un bias che contribuisce al riscaldamento comunque avvenuto. Bias che è tutto in quel “non più di tanto”, che liquida un problema invece reale, proprio come fanno quelli di SkS.
gg
Sicuramente è un argomento molto interessante che pone alla mente dello studioso, dello scienziato, un bel grattacapo. E venirne a capo è tutt’altro che semplice per la molteplicità dei fattori che occorre considerare nella Normalizzazione dei dati. Mi sembra impensabile se non impossibile avere una procedura standard per ogni situazione. E mi chiedo se non fosse più semplice porre altri criteri per la misurazione della temperatura superficiale che bypassino il problema delle isole di calore. Come per esempio scegliere localizzazioni esclusivamente extraurbane, magari sottoposte a vincoli di qualsivoglia natura, per i quali non dovrebbe essere possibile costruire in zona o nelle vicinanze.
Ma lo scienziato è un animale strano….deve risolvere i problemi, e per poterli risolvere se li deve creare…
GF
Mi viene un dubbio:
stiamo parlando della “isola” o del “calore” che non c’è ? 😀
Guido, sei grande!
Ciao, Donato.
L’argomento è sempre molto interessante. Il discorso delle isole di calore urbano rimane comunque un problema centrale almeno per quanto riguarda il tema delle temperature medie e quindi un problema più che altro quantitativo. Naturalmente poi, il più complesso argomento del riscaldamento globale, per fortuna, trova riscontro anche in altri campi di applicazione, come per esempio nel caso degli indicatori climatici. Comunque il mio dubbio corrente, che penso condiviso anche da molte altre persone è: come si fa in modo concreto una omogeneizzazione di un dato grezzo di temperatura urbana? quali criteri si seguono (popolazione totale, densità di popolazione, topografie urbane, estensione geografica, ecc.)? Immagino ci siano degli standard internazionali da seguire, poi non è neanche detto che vengano sempre rispettati. Non essendo sicuramente un procedimento scientifico facile e accurato quello dell’omogeneizzazione dei dai, ringrazio fin d’ora per una eventuale gentile risposta in merito.
Saluto sempre tutti cordialmente
Fabio, non ci sono standard, ci sono procedure di norma validate con pubblicazioni scientifiche, quindi non univoche. Nei siti web dei principali gestori di dataset si trovano alcuni riferimenti sia alle procedure che alle pubblicazioni. Se provi a navigarci un po’ ti accorgerai che si tratta di una jungla, un po’ perché il problema è complesso, un po’ perché ognuno tende a ritenere che la propria procedura sia quella ottimale. In questo senso ha fatto un buon lavoro di riunificazione il Berkeley project, anche se il problema del potenziale bias non è stato risolto.
gg