I modelli climatici e il volume del ghiaccio marino artico dal 1760 al 2100

Chiedo scusa ai lettori, ma questa volta ho usato tre serie di dati derivati direttamente da modelli, con RCP8.5 (ovviamente costretto dalle circostanze e, altrettanto ovviamente, a mia insaputa 😁).

Faccio riferimento a un lavoro, Van Achter et al., 2020, che si propone di analizzare la variabilità dello spessore del ghiaccio marino artico (SIT, Sea Ice Thickness) dal periodo pre-industrale (1760 CE) al 2100 CE. Gli autori costruiscono questa analisi utilizzando anche la variabile SIV (Sea Ice Volume) di cui producono i grafici delle serie temporali. I dati, derivati da vari run del modello CESM1-CAM5-BGC-LE (Community Earth System Model Large Ensemble, o CESM-LE), sono disponibili in formato NetCDF (cioè su una griglia geografica) che io non sono in grado di leggere. Ho quindi discretizzato, a passo 1 pixel, i grafici di SIV che gli autori rendono disponibili nella loro figura 1 e che rappresentano il valore detrended del volume del ghiaccio marino artico in tre periodi: preindustriale (pre), storico (hist), futuro (fut).

Da questa figura si nota che:

1. i valori storici hanno una variabilità elevata, seguiti dai valori preindustriali e che il periodo futuro ha variabilità bassa che gli autori attribuiscono al “dopo 2050”, quando i ghiacci estivi saranno praticamente scomparsi (“The 2050 sudden loss of variability coincides with the ice-free summer events occurring at that time”)
2. Come si sottolinea nel post di presentazione su WUWT, secondo questa ricostruzione il minimo del volume dei ghiacci artici si è avuto nel 1940 circa e poi, con un volume leggermente maggiore, nel 2000, dopo un forte aumento culminato nel 1981-82. Forse il volume del ghiaccio artico non dipende dalla concentrazione di anidride carbonica, almeno secondo gli autori.

Immagino che la sezione storica del dataset sia il risultato di una inizializzazione del programma basata sui dati sperimentali; che la sezione preindustriale abbia avuto il suo “tuning” tramite dati di prossimità di vario genere e che la sezione futura non abbia avuto alcuna base sperimentale (se non quelle dei periodi precedenti) e mi risulta facile pensare (e gli autori in parte lo confermano, anche per la dipendenza dal detrending) che la bontà della inizializzazione abbia influito sulla varianza dei dati in uscita dal programma (che fa parte dei modelli che partecipano al CMIP5).
In realtà, forse sono troppo ottimista e infatti gli autori scrivono:

Vorrei fosse chiaro che non credo a quanto il modello può essere “bravo” a rappresentare il volume del ghiaccio nel primo secolo del terzo millennio, ma che mi comporterò come se ne fossi sicuro, confrontando la situazione nei tre periodi. Intanto, questa tabella del sito di supporto mostra alcuni parametri statistici dei tre periodi. La varianza, posta a 1 quella del periodo storico, vale 0.5 nel preindustriale e 0.2 nel futuro, e non credo si possa dire, con gli autori, che “These authors enlightened a remarkable similarity between the pre-industrial and historical internal variabilities of the annual Arctic SIV” (riferimento a Olonscheck and Notz, 2017): metà della varianza non è a mio parere una “notevole somiglianza”.

I singoli periodi
Ora esamino i singoli periodi, cominciando dal preindustriale (1760-1850): la digitalizzazione ha portato a 6 valori per anno, cioè ad un passo costante pari a 2 mesi.

In questa prima serie noto che non è facile vedere il ciclo di circa 40 anni evidenziato dallo spettro. Gli autori scrivono di due massimi spettrali significativi, centrati a 8 e a 16 anni ma distribuiti su periodi che vanno da 5 a 10 anni il primo e da 10 a 20 anni il secondo. La vaghezza dei due intervalli non aiuta un’analisi precisa, ma i massimi spettrali maggiormente significativi sono a circa 7 (presente anche in hist ma non in fut) e 12 anni (anche in fut, debole).

Nel periodo storico, la serie mostra ampie fluttuazioni, con estensione massima di circa 10 mila km³, intervallate da variazioni minori (di circa 2 mila km³) di periodo 10-15 anni e da fluttuazioni di alta frequenza, con periodo 4-7 anni, come mostra lo spettro.

Il terzo periodo, il futuro, appare privo di ampie oscillazioni dopo il 2050, quando il ghiaccio estivo sarà scomparso (così dicono…), ma prima di questa data soggetto ad ampie fluttuazioni anche di 5 mila km³ con un massimo attorno al 2034-2035. In particolare, si può notare una complessiva diminuzione di volume pari a circa 4 mila km³ culminata nel 2018 come massimo e nel 2020 come minimo relativo. Io non ricordo una simile variazione, ma evidentemente non sono stato abbastanza attento.

•• In hist e fut esiste un periodo di circa 18 anni (18.8 e 18.4 anni, rispettivameante) che pone, ancora una volta, il problema dell’influenza lunare già discusso più volte (vedere una lista dei casi in questa mia pagina): devo fare riferimento al ciclo dei nodi dell’orbita lunare (18.6 anni)? O forse al ciclo di Saros di 18 anni? Non lo so e, in imbarazzo sull’argomento anche perché questo massimo spettrale non esiste nei dati osservati dal 1979 al 2020, non mi pronuncio e mi limito a segnalarne l’esistenza.

Confronto con i dati osservati

Avevo scritto all’inizio che avrei trattato i dati derivati dai modelli come se fossero dati sperimemtali ma a questo punto credo sia opportuno un confronto diretto tra i dati storici i dati del volume del ghiaccio artico, dal 1979 al 2020, disponibili nel sito Polar Science Center, o psc (Visitato il 26.1.2021. Usare la sequenza: Data ==>PIOMAS Arctic Sea Ice Volume Data ==> Data access). La serie è mensile ma, per eliminare le variazioni stagionali, ho calcolato la media annuale e poi la serie detrended dal fit lineare, in modo da poterla confrontare con la serie storica di Van Achter et al. (2020). Il risultato è in figura 5.

Non ho difficoltà ad ammettere errori nella scala dei tempi, dovuti alla digitalizzazione, ma credo che le diseguaglianze che si vedono siano molto più grandi degli errori nella lettura di un grafico. Nello spettro si osservano importanti differenze nella potenza e mancanza di massimi, ma l’impressione generale che ricavo dal confronto è che i massimi principali abbiano periodi compatibili (ad esempio 28-32; 12.9-14.2; 7.3-7.1; 4.4 anni). Noto che nello spettro dei dati PIOMASS manca il massimo “lunare” di periodo 18-19 anni.
Un aspetto da sottolineare è che i dati osservati in realtà derivano da un modello che lega il volume alla superficie occupata e allo spessore e che il sito psc fornisce il link al lavoro che descrive nei dettagli il modello usato da Olonscheck e Notz (2017). La descrizione di un altro modello per il calcolo del volume del ghiaccio si trova nel sito dell’Istituto Meteorologico Danese (DMI)

Conclusioni

Non avendo molta fiducia nella capacità dei modelli (con RCP8.5) di rappresentare la realtà, se non quella condizionata dai dati sperimentali, guardo con sospetto alla varianza alta nel periodo delle osservazioni e bassa quando queste sono di qualità inferiore o inesistenti (figura 1). I tre periodi appaiono inutilmente slegati tra loro (ad esempio tra il 2000 e il 2010) essendo frutto di un modello calcolabile per ogni anno desiderato.
Gli spettri mostrano alcune similitudini, forse legate a periodicità di alta frequenza simil-Niño ma non capisco perché una forte oscillazione attorno a 60 anni, presente nella serie storica, scompaia nettamente sia nella serie preindustriale che in quella futura: se lo immaginiamo legato alle grandi oscillazioni oceaniche, di pressione e di temperatura, è difficile immaginare questo massimo non presente, presente e ancora non presente nel breve intervallo di meno di 350 anni.
Ho calcolato anche gli spettri wavelet dei tre periodi: sono disponibili nel sito di supporto ma non mi sembrano più eloquenti degli spettri “statici”.
Nel lavoro di van Achter e colleghi si accenna alla possibile relazione con l’Oscillazione Artica (AO) e nel sito riporto anche questa serie con il suo spettro. Non sono riuscito a vedere la relazione con il volume del ghiaccio ma lascio ai lettori la libertà di giudicare.

Bibliografia

• Van Achter et al., 2020 . Guillian Van Achter, Leandro Ponsoni, François Legat: Brief communication: Arctic sea ice thickness internal variability and its changes under historical and anthropogenic forcing, The Cryosphere, 14, 3479-3486, 2020. https://doi.org/10.5194/tc-14-3479-2020
• Olonscheck, D. and Notz, D.: Consistently estimating internal climate variability from climate-model simulations, J. Climate, 30, 9555–9573, 2017. https://doi.org/10.1175/JCLI-D-16-0428.1
  

  Tutti i dati e i grafici sono disponibi nel sito di supporto