Salta al contenuto

Un nuovo sguardo all’effetto Urban Heat Island

Quello che segue è un commento ad un paper di Nicola Scafetta, scritto e pubblicato da Andy May sul suo blog. Nicola lo ha tradotto per noi, di fatto validandone i contenuti. Ringrazio entrambi per aver voluto condividere questi contenuti con le nostre pagine.


Nicola Scafetta ha appena pubblicato un nuovo articolo su Climate Dynamics dove esamina le prove dell’effetto isola di calore urbano (UHI) (Scafetta, 2021). Il documento non è protetto da paywall e può essere scaricato qui. In sintesi, Scafetta mostra che parte del recente riscaldamento mostrato nella serie di temperatura globale HadCRUT 4 potrebbe essere dovuto all’effetto UHI. Utilizza un’analisi delle temperature diurne massima (Tmax) e minima (Tmin) sulle terre emerse (CRU TS), l’output dei modelli climatici e un confronto tra le temperature della superficie del mare (SST) e le temperature della terraferma per stimare la possibile influenza sul record HadCRUT4.

I vari record di temperatura delle terre emerse non sono specificatamente corretti per l’effetto UHI. La NOAA e l’Hadley Climatic Research Center fanno affidamento su algoritmi di omogeneità per attenuare le anomalie. La NOAA chiama il processo di omogeneizzazione “PHA” e l’algoritmo del Centro Hadley è simile (Menne & Williams, 2009a). Sebbene questi algoritmi abbassino la temperatura nelle città, aumentano anche la temperatura nelle aree rurali intorno ad esse. A peggiorare le cose c’è che gli ultimi 70 anni sono stati un periodo di rapida crescita demografica e crescente urbanizzazione. La popolazione mondiale è passata da 2,5 miliardi di persone nel 1950 a 7,5 miliardi nel 2020. Si stima che l’UHI di Londra abbia raggiunto i 2,8 °C nelle estati tra il 1990 e il 2006.

L’effetto UHI fa sì che Tmin aumenti più di Tmax e fa diminuire nel tempo l’intervallo di temperatura diurna (DTR). Scafetta utilizza le registrazioni della temperatura dell’Hadley Climatic Research Unit (CRUTS e HadCRUT) e i dati del Coupled Model Intercomparison Project 5 (CMIP5) per esaminare questo problema, confrontando una media dell’insieme dei dati CMIP5 Tmax e Tmin con tali serie climatiche ed esaminandone le differenze.

Figura 1. Queste sono le anomalie globali Tmax (rosso) e Tmin (blu) da HadCRUT (A) e CMIP5 (B). Le differenze sono riportate in C e D. Fonte: (Scafetta, 2021).

La Figura 1 confronta i record di anomalia globale Tmin (blu) e Tmax (rosso) da CRUTS con i valori medi dell’insieme CMIP5 che Scafetta ha utilizzato nel suo studio. Le registrazioni sono anomalie dal 1945 al 1954. Confrontando i decenni 1945-1954 e 2005-2014, le differenze Tmax-Tmin (DTR) sono diverse. Il DTR HadCRUT4 è 0,25 e il DTR CMIP5 è 0,1. In entrambi i casi Tmin si è riscaldato più di Tmax.

La Figura 2 mostra come vengono distribuite le differenze di anomalia Tmin-Tmax nel set di dati CRUTS.

La Figura 2 mostra come vengono distribuite le differenze di anomalia Tmin-Tmax nel set di dati CRUTS. Arancione, viola e rosso indicano che Tmin si sta riscaldando più velocemente di Tmax. Le aree bianche, inclusi gli oceani, non hanno dati Tmin e Tmax. La maggior parte delle aree terrestri mostra un valore positivo, il che significa che Tmin è aumentato più velocemente di Tmax. I dati CRUTS della Figura 2 mostrano che vaste aree del Nord America e dell’Asia hanno Tmin che aumenta molto più velocemente di Tmax. Ciò è particolarmente evidente nella Cina in rapida urbanizzazione e nelle aree in crescita di Stati Uniti e Canada.

Nella Figura 3 vediamo come vengono distribuite le anomalie Tmin -Tmax (DTR) dell’insieme CMIP5. Le anomalie Tmin-Tmax modellate sono molto più attenuate e più vicine allo zero rispetto ai valori misurati e omogeneizzati.

Figura 3. Distribuzione globale delle anomalie Tmin-Tmax CMIP5 (DTR). Ai poli, l’estremo nord e parti dell’Asia e dell’Africa centrale mostrano che Tmin si sta riscaldando leggermente più velocemente di Tmax. La maggior parte del resto del mondo è vicino allo zero, compresi gli oceani. (Scafetta, 2021).

Solo vicino ai poli i modelli mostrano un notevole aumento di Tmin-Tmax, insieme ad aree sparse in Asia e Africa. La Groenlandia è una grande isola con una popolazione molto piccola, circa 56.000 persone, e mostra poca differenza tra i valori modellati ei valori misurati. I valori effettivi variano da -0,2 a 0,2 °C e i valori modellati sono compresi tra 0 e 0,2 °C.

Scafetta mostra con numerosi esempi “che il record climatico terrestre è influenzato da significativi tendenze non climatiche“. Tmin e Tmax non esistono nelle serie SST (temperatura della superficie del mare), ma possiamo confrontare le serie SST con quelle terrestri HadCRUT tramite l’insieme del modello CMIP5.

Si scopre che, dopo aver tenuto conto delle differenze termodinamiche tra terra e oceano, le simulazioni CMIP5 corrispondono ai record terrestri nella macroarea di maggiore urbanizzazione, ma sovrastimano in modo significativo le temperature dell’oceano e quelle delle aree a più bassa urbanizzazione. Una simulazione terrestre della differenza di temperatura tra la media 1940-1960 e la media 2000-2020 mostra un modello per la differenza HadCRUT di soli 0,06 °C. Il confronto tra CMIP5 (+ 0,69 °C) e HadSST (+ 0,41 °C) sugli oceani, ha mostrato un riscaldamento di 0,28 °C, che è cinque volte superiore.

Il riscaldamento della temperatura del terreno secondo HadCRUT è di circa un grado dal periodo 1940-1960 al periodo 2000-2020. Se il rapporto tra le temperature delle terre e dell’oceano predetti dai modelli CMIP5 e i record HadSST sono accurati, le temperature delle terre mostrano un riscaldamento eccessivo uguale a + 0,36 °C. Quasi un errore del 60% sul valore reale.

Discussione

Lo studio di Scafetta mostra un potenziale bias sistemico nei record HadCRUT delle terre emerse. La maggior parte del bias, come mostrato nella Figura 2, è in aree con un rapido sviluppo urbano nel periodo di studio dal 1940 al 2020. Ci sono altre anomalie, quella notevole in Bolivia potrebbe essere dovuta alla rapida deforestazione di quell’area. Le anomalie nelle zone aride del Nord Africa possono essere dovute ad un effetto urbano inverso, poiché in queste zone l’urbanizzazione può creare un’area più fresca, rispetto alle aree rurali circostanti.

Tutti i dati utilizzati nello studio contengono errori. Non si possono trarre conclusioni definitive. Ma sembra che la porzione terrestre del record HadCRUT4 sia più calda di quanto dovrebbe essere rispetto alle temperature dell’oceano. È anche probabile che questo abbia influenzato la calibrazione dei modelli CMIP5. I valori recenti di DTR (Tmax-Tmin) sono diminuiti più di quanto previsto dai modelli CMIP5. Questo potrebbe essere dovuto ad un problema dei modelli nelle aree urbane, oppure agli algoritmi di omogeneizzazione utilizzati dall’Hadley Climatic Research Center, che spalmano il riscaldamento delle isole di calore urbano su vaste aree. In ogni caso, Scafetta ha dimostrato che questi set di dati non sono coerenti e, uno o più di essi, possono contenere un bias sistemico significativo.

Un ultimo punto. Quando i dati vengono corretti per l’apparente bias appena descritto, e poi confrontati con la temperatura media globale UAH della troposfera inferiore (Spencer, et al., 2017), vediamo che il record HadCRUT corretto è più vicino a questo rispetto all’originale, che è in nero nella Figura 4B. Questo confronto mostra che l’apparente bias rilevato dallo studio di Scafetta ha un certo supporto empirico.

La Figura 4A confronta il record originale HadCRUT 4.6, in nero, con quello corretto da Scafetta in rosso. La media dell’insieme del modello CMIP5, in giallo, è mostrata insieme a 106 simulazioni indipendenti in verde. Le figure 14A e 14B usano gli stessi colori. La Figura 14B aggiunge la temperatura media globale della troposfera inferiore UAH in blu. Tutte le curve sono anomalie rispetto al periodo 1940-1960. Rispetto al periodo 1940-1960, la curva HadCRUT originale mostra 0,59 °C di riscaldamento. il record UAH mostra 0,44 °C e 0,48 °C utilizzando le correzioni di Scafetta. I modelli climatici CMIP5 mostrano 0,78 °C di riscaldamento.

È possibile, secondo la correzione di Scafetta, che fattori non climatici possano aver contribuito per un quinto al riscaldamento globale di HadCRUT segnalato dal 1940-1960. È anche possibile che i modelli climatici CMIP5 sovrastimano il riscaldamento di un terzo. Questi sono problemi significativi.

La Figura 4. Il grafico A mostra il modello individuale eseguito in verde, la media CMIP 5 in giallo, il record HadCRUT, non corretto in nero, e il record HadCRUT corretto in rosso. B mostra lo stesso record corretto HadCRUT in rosso, il record UAH nella bassa troposfera in blu e il record originale HadCRUT in nero. Le linee rosse e nere in A e B sono le stesse.

Bibliografia

 

Related Posts Plugin for WordPress, Blogger...Facebooktwitterlinkedinmail
Published inAttualità

Un commento

  1. Interessante questo lavoro del prof. Scafetta. L’effetto isola di calore urbana incide molto di più di quello che si possa pensare sulle dinamiche climatiche anche a grande scala. Andando ad impermeabilizzare un metro quadrato di terreno si ha soprattutto una modifica dell’albedo e del calore latente legato all’evapotraspirazione dell’acqua con tutta una serie di conseguenze sul bilancio termoclimatico locale e a grande scala (sommando tutti i contributi infinitesimali…). Se a qualcuno puo’ interessare mi permetto di proporre la lettura di https://valedo.com/invarianza-termoclimatica-in-edilizia/ .

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.

Categorie

Termini di utilizzo

Licenza Creative Commons
Climatemonitor di Guido Guidi è distribuito con Licenza Creative Commons Attribuzione - Non commerciale 4.0 Internazionale.
Permessi ulteriori rispetto alle finalità della presente licenza possono essere disponibili presso info@climatemonitor.it.
scrivi a info@climatemonitor.it
Translate »