Climate Lab – Fatti e Dati in Materia di Clima

Tra la fine del 2015 e l’inizio del 2016, poco dopo la fine della COP21 di Parigi, abbiamo messo a punto un documento pubblicato nella sua interezza (e scaricabile qui in vari formati) con il titolo “Nullius in Verba, fatti e dati in materia di clima”. L’idea è nata dall’esigenza di far chiarezza, ove possibile e nei limiti dell’attuale conoscenza e letteratura disponibili, in un settore dove l’informazione sembra si possa fare solo per proclami, quasi sempre catastrofici.

Un post però, per quanto approfondito e per quanto sempre disponibile per la lettura, soffre dei difetti di tutte le cose pubblicate nel flusso del blog, cioè, invecchia in fretta. Per tener vivo un argomento, è invece necessario aggiornarlo di continuo, espanderlo, dibatterle, ove necessario, anche cambiarlo. Così è nato Climate Lab, un insieme di pagine raggiungibile anche da un widget in home page e dal menù principale del blog. Ad ognuna di queste pagine, che potranno e dovranno crescere di volume e di numero, sarà dedicato inizialmente uno dei temi affrontati nel post originario. Il tempo poi, e la disponibilità di quanti animano la nostra piccola comunità, ci diranno dove andare.

Tutto questo, per mettere a disposizione dei lettori un punto di riferimento dove andare a cercare un chiarimento, una spiegazione o l’ultimo aggiornamento sugli argomenti salienti del mondo del clima. Qui sotto, quindi, l’elenco delle pagine di Climate Lab, buona lettura.

  • Effetti Ecosistemici
    • Ghiacciai artici e antartici
    • Ghiacciai montani
    • Mortalità da eventi termici estremi
    • Mortalità da disastri naturali
    • Livello degli oceani
    • Acidificazione degli oceani
    • Produzione di cibo
    • Global greening

____________________________________

Contenuti a cura di Luigi Mariani e revisionati in base ai commenti emersi in sede di discussione e per i quali si ringraziano: Donato Barone, Uberto Crescenti, Alberto Ferrari, Gianluca Fusillo, Gianluca Alimonti, Ernesto Pedrocchi, Guido Guidi, Carlo Lombardi, Enzo Pennetta, Sergio Pinna e Franco Zavatti.

La Carenza di precipitazioni sull’Italia Analizzata con l’Ausilio di Serie Storiche di Lunga Durata

Posted by on 12:59 in Attualità, Climatologia | 7 comments

La Carenza di precipitazioni sull’Italia Analizzata con l’Ausilio di Serie Storiche di Lunga Durata

di Luigi Mariani e Franco Zavatti

L’inverno 2018-2019 è stato anormalmente povero di precipitazioni. L’analisi delle serie storiche condotta ci permette di affermare che non si tratta finora di un’anomalia senza precedenti in quanto casi analoghi o più drastici sono presenti in tutte le serie storiche analizzate. Ciò detto occorre tuttavia seguire con attenzione l’evoluzione meteorologica delle prossime settimane augurandoci che la primavera faccia il suo dovere.

Il fenomeno in esame e le sue cause circolatorie

Da più parti giungono allarmi in merito alla scarsa quantità di precipitazioni  registrata negli scorsi mesi.

Dal punto di vista circolatorio il fenomeno si spiega con il lungo persistere di un anticiclone di blocco sul vicino Atlantico che ha impedito l‘accesso alla nostra area alle perturbazioni atlantiche. Tale situazione è bene illustrata dalla topografia del livello di pressione di 850 hPa e dalla carta delle isoanomale (figure 1 e 2).

Figura 1- Topografia media del livello di pressione di 850 hPa dal 1 dicembre 2018 al 28 febbraio 2019.

Figura 2- Anomalia media in altezza del livello di pressione di 850 hPa dal dicembre 2018 al 28 febbraio 2019.

Analisi basata su serie storiche

Per verificare in modo speditivo il livello di anomalia del fenomeno abbiamo svolto alcune elaborazioni riferite a serie storiche secolari italiane cui sono state aggiunte quella di Basilea di Meteosvizzera per vedere quel che accade aldilà delle Alpi, e anche per tirarsi un po’ su di morale lavorando una volta tanto con serie storiche con carattere di regolarità e buona qualità. Le serie italiane provenienti da osservatori storici sono state integrate per gli  anni più recenti con dati prodotti dai servizi meteorologici regionali o dalle stazioni sinottiche della rete GSOD o ancora da misure eseguite da noi stessi per Milano e Bologna. Il recupero e l’integrazione di tali dati è stato tutt’altro che banale e non sono da escludere errori. Al riguardo saremo grati a chi ce li vorrà segnalare.

Per attribuire un significato più concreto all’analisi condotta, la stessa è stata riferita alla somma delle precipitazioni cadute nel periodo di 5 mesi compreso fra ottobre e marzo. Tale scelta si lega al fatto che con ottobre iniziano a ricaricarsi le riserve idriche dei suoli dopo la fase siccitosa estiva e ha inizio il cosiddetto anno idrologico.

I totali sono stati limitati agli anni per i quali si disponeva di tutti i valori per i 5 mesi considerati e, ove ciò non fosse, il totalizzato è stato sostituito dal codice di sostituzione 9999. Il totalizzato è stato attribuito all’anno del mese finale, per cui ad esempio il totale dei 5 mesi compresi fra ottobre 1878 e febbraio 1879 sono assegnati  al 1879.

Le stazioni considerate per l’analisi sono elencate in tabella 1 ove si mostra anche la consistenza della serie storica a noi disponibile per ognuna di esse.

Nella tabella 2 si presenta la carta della percentuale degli anni con precipitazione inferiore a quella del 2019, per cui ad esempio un valore inferiore al 10% (aree in giallo e arancio) indica che meno di 10 anni ogni 100 sono stati meno piovosi del 2019.  Gli stessi dati sono stati spazializzati ottenendo la carta in figura 3, per una corretta interpretazione della quale occorre considerare che la figura è stata realizzata  con stazioni (indicate dalle crocette) in numero più elevato al centro-nord rispetto al mezzogiorno, rappresentato solo da Cagliari e Palermo (in futuro speriamo di ampliare il nostro dataset rendendo più omogenea la copertura).

Figura 3 – Carta della percentuale di anni in cui le stazioni di base (le cui localizzazioni sono indicate dalle crocette) presentano precipitazioni inferiori a quella del 2019. Le aree con colori dal giallo all’arancio sono quelle con maggiore anomalia pluviometrica

Dai dati in tabella 2 e figura 3 si evidenzia in particolare  che:

  1. In nessuna stazione considerata si configura per il momento un’anomalia secolare nel senso che situazioni più sensibili di anomalia negativa si sono già registrate in passato.
  2. I dati più consistenti di anomalia (aree in giallo e arancio) sono riscontrati in Emilia Romagna, Sicilia, Liguria, Toscana orientale e Marche settentrionali.
  3. La scarsa precipitazione registrata a Genova fa pensare a una scarsa attività del minimo del golfo Ligure, la cui genesi è responsabile del prolungarsi delle fasi piovose innescate dal transito delle saccature atlantiche.

Per ottenere un maggiore dettaglio spaziale si è sviluppata anche la carta in figura 4  che copre un arco temporale assai più breve di quello considerato per la carta in figura 1 ma presenta una risoluzione spaziale molto più dettagliata, essendo stata realizzata con dati provenienti da 202 stazioni della rete GSOD (le cui localizzazioni sono indicate dalle crocette e la cui qualità non è in molti casi particolarmente buona). Si noti ad esempio come aumenta la variabilità spaziale nel mezzogiorno rispetto a quanto si vede in figura 3. Si noti anche che lo stato delle riserve idriche è più problematico su Emilia centro orientale e Romagna,  Sicilia Occidentale, Sardegna sud-orientale, Marche, Abruzzo, Molise e Puglia settentrionale.

Figura 4 – Carta dello stato delle riserve idriche per i suoli a vigneto con ottima capacità di ritenzione idrica, aggiornata al 28 febbraio 2019.

Conclusioni

Non siamo al momento di fronte ad un evento che non ha precedenti, nel senso che in ogni stazione considerata abbiamo evidenziato diversi eventi di carenza precipitativa con caratteristiche più drastiche rispetto a quello in corso. La situazione è tuttavia meritevole di esser seguita con attenzione, con l’auspicio che i mesi di aprile e maggio, di norma forieri di precipitazioni consistenti specie al centro-nord, possano ripristinare le riserve idriche dei suoli ove le stesse sono più ridotte.

Tabella 1- Anagrafica delle stazioni storiche considerate per valutare il livello di anomalia pluviometrica per il periodo fino al febbraio 2019.

Tabella 2 – numero di anni meno piovosi rispetto al 2019 (valore assoluto e valore percentuale) e confronto con la norma del dato pluviometrico 2019.

Tabella 3 – I dieci anni meno piovosi di ogni serie storica per il periodo ottobre – febbraio. IL 2019 è presente solo nelle serie di Bologna (9° posto), Genova (8° posto) e Pesaro (10° posto).

Facebooktwittergoogle_pluslinkedinmail

Quando i risultati di una ricerca non consentono di ossequiare i dogmi, è necessario scusarsi?

Posted by on 06:00 in Attualità, Climatologia | 17 comments

Quando i risultati di una ricerca non consentono di ossequiare i dogmi, è necessario scusarsi?

Nell’ultimo numero del Bollettino dell’AIC ho pubblicato (assieme ad un collega) un articolo inerente la distribuzione geografica in Liguria della pericolosità per precipitazioni estreme.

Nell’ambito di tale lavoro è stata anche condotta una verifica in merito all’andamento temporale dei fenomeni, relativamente al periodo 1951-2010. Sono state considerate le serie dei massi annui per gli intervalli di 1, 3, 6, 12 e 24 ore; il cinquantennio 1961-2010 era coperto dai dati digitalizzati dall’Arpal per la redazione dell’atlante climatico, mentre per il periodo 1951-1960 i valori sono stati tratti dagli Annali.

La verifica ha riguardato le stazioni (13 su un totale censito di 60) che avevano oltre il 90% dei dati disponibili lungo l’intervallo temporale in oggetto. Considerando quindi i cinque parametri suddetti, sono stati studiati complessivamente 13×5 = 65 trend; i risultati sono i seguenti:

  • 32 trend crescenti (dei quali 2 significativi)
  • 33 trend decrescenti (dei quali 5 significativi)

È apparso perciò chiaro che non si riscontra alcuna variazione nell’entità degli eventi pluviometrici estremi della Liguria, durante il sessantennio 1951-2010.

Devo pertanto scusarmi anch’io di aver ottenuto tali risultati?

La domanda – evidentemente scherzosa ma al tempo stesso provocatoria – si ricollega a quanto scritto nel 2009 in un articolo uscito sull’International Journal of Climatology (S. Fatichi e E. Caporali, “A comprehensive analysis of changes in precipitation regime in Tuscany”) e consistente in un’ampia analisi statistica dei dati contenuti nell’archivio online del SIR (il Servizio Idrologico Regionale toscano). Dalla ricerca non è emersa alcuna modificazione apprezzabile nei caratteri delle precipitazioni in Toscana durante il XX secolo; tale risultato è perfettamente in linea con quanto il sottoscritto aveva già pubblicato pochi anni prima, sia sul Bollettino della Società Geografica, sia sotto forma di una monografia dedicata alle piogge intense.

Ebbene, Fatichi e Caporali, dopo aver riassunto quanto scaturito dalla loro ricerca, scrivono testualmente nelle conclusioni: «Gli autori presumono che la presenza di numerosi feedback potrebbe ritardare o eliminare le conseguenze del riscaldamento globale sul regime delle precipitazioni, soprattutto in un sistema climatico complesso come quello dell’Italia centrale». Tale affermazione, del tutto gratuita e completamente scollegata dal contesto del lavoro, è riportata addirittura pure nell’abstract, quindi nel frontespizio del testo, dove infatti è analogamente precisato: «La complessità del clima nell’Italia centrale, ovvero l’azione di numerosi feedback, potrebbe infatti distorcere o rimuovere le conseguenze del riscaldamento globale sul regime delle precipitazioni».

Pare allora di essere di fronte a delle vere e proprie scuse per non essere stati in grado di confermare il dogma della “tropicalizzazione” delle regioni mediterranee (In proposito il sottoscritto è ancora in attesa di leggere dei lavori, seri, che possano dimostrare una tesi tanto suggestiva, quanto assurda).

In casi simili mi sembra però opportuno soffermarsi a ragionare sul ruolo dei revisori.

A mio parere, se fossero davvero interessati solo alla qualità dei contenuti, non dovrebbero consentire di far pubblicare delle considerazioni che il lavoro non permette, in alcun modo, di fare; ho invece il forte timore che spesso siano invece sensibili a questioni che finiscono per essere prevalentemente ideologiche.

Nell’articolo in oggetto vi è un errore macroscopico: il grafico della serie dei totali annui mediati sulla regione riporta un minimo nel 1938, stimabile attorno ai 280 mm (si veda subito sotto):

Si tratta di un valore di fatto impossibile, in ragione della posizione geografica della Toscana e dei suoi aspetti orografici; l’errore deriva da un problema esistente nell’archivio online ed oggi rimosso a seguito di una mia segnalazione. Faccio presente da un lato che l’anomalia del grafico è così evidente da essere stata immediatamente notata da tutti gli studenti ai quali ho fatto leggere l’articolo, e dall’altro che un controllo sugli Annali avrebbe permesso di verificare in pochi minuti l’entità dell’errore; si noti che il dato reale del 1938  è vicino agli 800 mm.

Se già è strano che gli Autori non abbiano notato il problema, è però preoccupante che ciò non sia avvenuto neppure da parte dei revisori, i quali sembrano così essersi concentrati maggiormente sulle frasi di ossequio al dogma, piuttosto che su rilevanti questioni climatologiche.

NB: questo post è uscito in origine sul blog dell’autore.

Facebooktwittergoogle_pluslinkedinmail

Fridays 4 Everything but the climate

Posted by on 06:00 in Ambiente, Attualità | 14 comments

Fridays 4 Everything but the climate

Pare che in materia di clima e ambiente la nuova generazione abbia preso consapevolezza, almeno questo è quello che dice quella vecchia nei commenti entusiastici alla giornata di venerdì.

Vediamola questa consapevolezza.

Sorpresi? Io no, alla loro età non ne sapevo molto di più, di questa materia come di tutto il resto. Però manifestavo, come tutti, come molti, per ragioni che non ricordo, anzi, che ricordo di non aver mai saputo. Ma erano sempre delle cause buone e giuste, ovviamente.

Quindi niente di nuovo, ben venga l’entusiasmo dei giovani per la giusta causa dei nostri tempi. Ma, forse, ripensandoci, qualcosa di nuovo c’è. C’è che nell’era della globalizzazione, che ha amplificato enormemente gli effetti di questo gioioso movimento, nell’era in cui la propaganda è talmente forte da far proprio anche il ribellismo volgendone i numeri a proprio favore, i numeri sono stati decisamente importanti.

Pensate che bello sarebbe vederli sfilare sotto la bandiera della scienza, un fantastico #Strike4science invece di #Strike4climate… In effetti però per farlo si dovrebbe spiegare, studiare, capire, una faticaccia. Meglio, molto meglio lasciarsi guidare a colpi di luoghi comuni dal mainstream.

Numeri importanti si diceva, tanto che, non so se per riflesso o per rigetto, mentre sui media echeggiavano interviste come quelle qui sopra portate a esempio di consapevolezza, il villaggio di Asterix, il nostro blog, faceva il record di contatti di tutti i tempi raccontando il rovescio della medaglia di Greta. Più del giorno del climategate, più della neve a Roma, più dello split de Vortice Polare. Tanta gente davvero per un piccolo villaggio.

Quindi, lasciatemelo dire, grazie Greta! Grazie di aver segnato l’apice e quindi l’inizio della fine di questa isteria di massa segnata dall’analfabetismo funzionale.

Peccato che dopo ne arriverà un’altra…

Facebooktwittergoogle_pluslinkedinmail

Piogge nel Sahel Occidentale e influenza ENSO-Sole

Posted by on 06:00 in Ambiente, Attualità, Climatologia | 3 comments

Piogge nel Sahel Occidentale e influenza ENSO-Sole

di Franco Zavatti e Luigi Mariani

In questo post viene studiata la pioggia del Sahel Occidentale (20°-10°N, 20°W-10°E), grosso modo l’area mostrata in questa mappa riportata anche in basso. I dati derivano dal sito http://research.jisao.washington.edu/data/sahel/#values e sono i valori mensili da gennaio 1901 a dicembre 2017 e i valori annuali derivati dai valori mensili.
I dati mensili di figura 1 mostrano un andamento mediamente positivo da inizio serie al 1970, con un’improvvisa risalita nel 1950; poi una lenta discesa fino al 1970 e valori negativi fino al 1990; seguono valori quasi nulli (o leggermente positivi) e costanti fino a circa il 2008, anno da cui è iniziata una risalita delle precipitazioni che dura tutt’ora.

Fig.1: Piogge mensili nel Sahel Occidentale (20-10°N, 20°W-10°E) e spettro LOMB della serie.

Lo spettro LOMB di questi dati mostra una serie di massimi che saranno discussi più avanti, dominati dal massimo principale (non presente in figura 1 perché una serie estesa 118 anni non permette di identificare con sicurezza un periodo praticamente uguale) di periodo 116 anni e da quello di periodo 1 anno che sottolinea la cadenza annuale della precipitazione.

La funzione di autocorrelazione della precipitazione mensile appare affetta da una memoria a lungo termine (ACF a lag 1=0.392) di “potenza” intermedia, caratterizzata da massimi secondari (ACF di circa il 30% o leggermente inferiori) che si susseguono a 12 mesi di distanza, in pratica confermando il periodo di 1 anno già visto nello spettro.

Fig.2: Funzione di autocorrelazione (ACF) della serie pluviometrica mensile del Sahel Occidentale. Da notare la cadenza annuale dei massimi secondari di ACF che mette in evidenza la periodicità stagionale. Nello spettro di figura 1 si vede il forte massimo di periodo 1 anno.

La serie mensile non verrà usata nel seguito del post e serve solo per confermare i risultati, in particolare lo spettro, ottenuti dalla serie annuale: infatti i massimi spettrali coincidono (i 116 anni diventano circa 94 ma ne abbiamo visto le ragioni; i 29-32 anni diventano circa 33), anche se per il calcolo degli spettri sono stati usati due metodi diversi.

La figura 3 mostra un salto (break point) nel 1950, seguito da un’evidente diminuzione della precipitazione che, dal 1950, termina nel 1985. Poi un incremento delle piogge al ritmo molto basso di circa 0.07 cm/anno.

Fig.3: Pluviometria annuale del Sahel Occidentale e suo spettro MEM.

Nella figura 4, lo spettro di figura 3 è stato suddiviso in due gruppi di periodi identificati dalle ellissi gialle (chiare e scure) per sottolineare che che uniche caratteristiche spettrali che si osservano sono quelle tipiche dell’influenza solare e di ENSO, tranne il massimo a 33 anni che non siamo in grado di identificare con certezza (ma la figura 8 può dare un’utile indicazione).
Il massimo a 7.1 anni desta un po’ di sorpresa: infatti è una caratteristica della regione ElNiño 1.2, quella geograficamente più ad est, dove “nasce” El Niño e che sembrerebbe in grado di generare le teleconnessioni con meno forza rispetto alle regioni 3.1 e 4 (http://www.climatemonitor.it/?p=42356, figura 3 e tabella finale), invece questo massimo dimostra il contrario, anche se appare il più debole tra quelli identificati. L’area iniziale di ENSO sembra trasferire alcuni suoi effetti alla fascia tropicale dell’Atlantico orientale.

Fig.4: Come figura 3, con evidenziati i massimi spettrali relativi al Sole (giallo scuro) e ad ENSO (giallo chiaro). Il massimo a 7.1 anni corrisponde ad un debole segnale di ElNino 1.2, la regione da cui parte il fenomeno El Nino.

Le ellissi di figura 4 sottolineano i gruppi di massimi spettrali con i quali la precipitazione del Sahel Occidentale è in relazione. Qui si osservano due aspetti: la presenza di massimi riconducibili all’influenza solare, come (con tutte le sue incertezze dovute alla lunghezza della serie) il ciclo di Gleissberg e i massimi a 11.7 e 9.8 anni (Scafetta, 2012) e di massimi legati alle oscillazioni del Pacifico equatoriale (ENSO) dei quali fanno parte tutti i picchi identificati.

Fig.5: Funzione di autocorrelazione (ACF) delle piogge annuali. L’ACF a lag 1 vale 0.37 e anche in questo caso si ha una memoria a lungo termine di media intensità.

Seguendo Laurenz et al., 2019 e la sua correlazione tra indici climatici in Europa, abbiamo calcolato la funzione di cross-correlazione (CCF) tra la serie delle macchie solari (SSN-V2, Clette et al., 2014) e le precipitazioni di giugno-settembre nel Sahel Occidentale (entrambe annuali).

In figura 6, quadro superiore, mostriamo la serie completa dei gruppi di macchie solari, dal 1700 al 2018 con, sovrapposti, un filtro passa-basso di finestra 11 anni e il periodo del minimo di Dalton (in grigio) anche per un confronto con il minimo attuale di cui non conosciamo ancora il valore più basso.
Nel quadro inferiore si vedono gli stessi dati, limitati dal periodo in cui sono state misurate le piogge (1901-2017).

Macchie solari e pioggia sono graficate insieme (opportunamente scalate) nella figura 7a, mentre in 7b è mostrata la funzione di cross-correlazione tra le due serie. Si vedono bene i valori molto bassi della correlazione, e in particolare il valore zero della CCF a lag 0 ma, osservando la figura 7a, si può pensare ad una correlazione tra il 1901 e il 1970 e ad una anticorrelazione tra tra il 1970 e il 2007. Il calcolo della correlazione di Pearson per questi due intervalli fornisce i valori 0.066 e 0.009, del tutto incompatibili con una qualsiasi forma di relazione tra le due serie. Dobbiamo allora supporre che le relazioni osservate da Laurenz et al., 2019 per l’Europa, non abbiano luogo per la fascia tropicale dell’Africa occidentale.

Fig.6: Numero di macchie solari (versione 2 o V2) nella serie completa fino al 2018; in basso i dati nel periodo 1901-2017, lo stesso della serie delle piogge del Sahel Occidentale.

Fig.7: a) confronto tra SSN e pioggia del Sahel, scalata in modo da essere vicina a SSN, nel periodo 1901-2017. b) Funzione di cross-correlazione tra le due serie in a).

Ancora, le firme caratteristiche (periodi di 50-70 anni) delle grandi oscillazioni oceaniche come AMO e NAO non si osservano negli spettri del Sahel, almeno non nettamente (probabilmente il massimo a 33.4 anni si può associare ai 34 anni delle temperature marine). Solo ENSO e Sole sembrano interagire con la circolazione sul Sahel, almeno per quanto riguarda i fenomeni periodici.

Le temperature superficiali marine (SST) dell’oceano globale sono riportate con il loro spettro MEM in figura 8.

Fig.8: Spettro della SST globale HadCrut dal 1850 al 2012. il periodo tipico di questo indice climatico, circa 60 anni, è ben visibile.

Si nota che il massimo pricipale in figura 8 non è presente nello spettro del Sahel (figura 4), mentre è presente il massimo a 34 anni che in precedenza non era stato definito. Il massimo a 15 anni si vede (non è indicato con un numero) anche nel Sahel, mentre quello a 23.4 anni, piuttosto forte, si presenta nel Sahel come una leggera increpatura di nessuna importanza. Si può confermare che l’influenza di SST non è forte nelle precipitazioni del Sahel, anche se è presente con alcuni massimi secondari. Di questi massimi, alcuni (3.8, 2.7 anni) sono presenti anche nello spettro di El Niño e questo fatto sottolinea i rapporti, sicuramente stretti, tra SST ed ENSO.

Tutti i grafici e i dati, iniziali e derivati, relativi a questo post si trovano nel sito di supporto qui.

Bibliografia

 

  • Clette F., Svalgaard L., Vaquero J.M., Cliver E.W: Revisiting the Sunspot Number . Space Sci Rev, 186, 35-103, 2014. doi: 10.1007/s11214-014-0074-2
  • Laurenz et al., 2019 Laurenz, L., Lüdecke, H.-J., Lüning, S.: Influence of solar activity changes on European rainfall , Journal of Atmospheric and Solar-Terrestrial Physics, 2019. doi:10.1016/j.jastp.2019.01.012
  • Scafetta, N.: Multi-scale harmonic model for solar and climate cyclical variation throughout the Holocene based on Jupiter-Saturn tidal frequencies plus the 11-year solar dynamo cycle, J. Atm. & Sol-Terr. Phys., doi:10.1016/j.jastp.2012.02.016, 2012

 

Facebooktwittergoogle_pluslinkedinmail

Un Mese di Meteo – Febbraio 2019

Posted by on 06:00 in Attualità, Climatologia, Commenti mensili, Meteorologia | 1 comment

Un Mese di Meteo – Febbraio 2019

IL MESE DI FEBBRAIO 2019[1]

Mese per lo più scarsamente piovoso e con temperature in anomalia positiva soprattutto al nord nei massimi.

La topografia media di febbraio del livello di pressione di 850 hPa evidenzia come cetrn d’azione determinate per il tempo atmosferico sulla nostra area un promontorio anticiclonico di blocco da sudovest esteso dal vicino Atlantico all’Arco Alpino. Il meridione è invece influenzato da una saccatura con asse da est-nordest.

La carta delle isoanomale per 850 hPa evidenzia dal canto suo un robusto nucleo di anomalia positiva sul centro Europa e un nucleo di lieve anomalia negativa sulla Libia. Si noti anche il robusto nucleo di anomalia negativa presente in pieno Atlantico.

Il febbraio 2019 ha visto il territorio nazionale in tutto o in parte interessato da 3 perturbazioni transitate rispettivamente fra 1 e 2, fra 3 e 6 e fra 23 e 27 febbraio (tabella 1). La piovosità più elevata a livello nazionale è stata riscontrata il giorno 2 febbraio con 12.5 mm, seguito dal 3 febbraio con 8.2 mm e dal’1 febbraio con 6.4 mm di media nazionale. 1, 2 e 3 febbraio sono risultati anche i giorni più piovosi al centro-nord mentre al sud la massima piovosità è stata registrata il 4 e il 5 febbraio.

Figure 1a – 850 hPa – Topografie medie mensili del livello di pressione di 850 hPa (in media 1.5 km di quota). Le frecce inserire danno un’idea orientativa della direzione e del verso del flusso, di cui considerano la sola componente geostrofica. Le eventuali linee rosse sono gli assi di saccature e di promontori anticiclonici.

Figura 1b – 850 hPa – carte delle isoanomale del livello di pressione di 850 hPa.

Tabella 1 – Sintesi delle strutture circolatorie del mese a 850 hPa. Il termine perturbazione sta ad indicare saccature atlantiche o depressioni mediterranee (minimi di cut-off) o ancora fasi in cui la nostra area è interessata da regimi che determinano variabilità perturbata (es. flusso ondulato occidentale).

Tabella 2 – Tipi circolatori giornalieri secondo la classificazione di Borghi e Giuliacci a 16 tipi.

Andamento termo-pluviometrico

Le temperature medie delle massime mensili (figura 2) hanno presentato un’anomalia positiva da debole a moderata sul Centro-Nord e sul nord della Sardegna mentre al Sud sono risultate nella norma. Le medie delle minime (figura 3) sono invece risultate per lo più nella norma salvo lievi anomalie negative o positive a carattere locale. Dalla figura 5 si coglie la presenza di una spiccata anomalia pluviometrica negativa sulla maggior parte dell’areale italiano salvo anomalie positive sul Triveneto la Sicilia orientale e le  provincie di Alessandria, Rieti e L’Aquila.

Figura 2 – TX_anom – Carta dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media delle massime del mese

Figura 3 – TN_anom – Carta dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media delle minime del mese

Figura 4 – RR_mese – Carta delle precipitazioni totali del mese (mm)

Figura 5 – RR_anom – Carta dell’anomalia (scostamento percentuale rispetto alla norma) delle precipitazioni totali del mese (es: 100% indica che le precipitazioni sono il doppio rispetto alla norma).

L’analisi decadale (tabella 3) evidenzia che l’anomalia positiva ha interessato soprattutto il centro-nord con un massimo di +4.8°C al settentrione nella terza decade del mese. A livello pluviometrico dopo l’anomalia positiva registrata al centro-nord nella prima decade di febbraio si è passati ovunque ad anomalie negative.

Tabella 3 – Analisi decadale e mensile di sintesi per macroaree – Temperature e precipitazioni al Nord, Centro e Sud Italia con valori medi e anomalie (*).

L’anomalia termica sopra descritta è confermata dalla carta delle anomalie termiche globali riportata in figura 6a, ricavata da dati MSU e dalla quale si nota che l’anomalia termica positiva sull’Italia si lega a una vasta area a sensibile anomalia positiva presente sul centro-nord Europa e che fa segnare il proprio massimo sul mar Baltico. In figura 6b riportiamo inoltre la carta dell’anomalia termica globale da stazioni al suolo prodotta dal Deutscher Wetterdienst sulla base dei report mensili CLIMAT. Tale carta indica invece la presenza di una lieve anomalia positiva su centro Europa e Scandinavia.

Figura 6a – UAH Global anomaly – Carta globale dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media mensile della bassa troposfera. Dati da sensore MSU UAH [fonte Earth System Science Center dell’Università dell’Alabama in Huntsville – prof. John Christy (http://nsstc.uah.edu/climate/)

Figura 6b – DWD climat anomaly – Carta globale dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media mensile al suolo. Carta frutto dell’analisi svolta dal Deutscher Wetterdienst sui dati desunti dai report CLIMAT del WMO [https://www.dwd.de/EN/ourservices/climat/climat.html).

[1]              Questo commento è stato condotto con riferimento alla  normale climatica 1988-2017 ottenuta analizzando i dati del dataset internazionale NOAA-GSOD  (http://www1.ncdc.noaa.gov/pub/data/gsod/). Da tale banca dati sono stati attinti anche i dati del periodo in esame. L’analisi circolatoria è riferita a dati NOAA NCEP (http://www.esrl.noaa.gov/psd/data/histdata/). Come carte circolatorie di riferimento si sono utilizzate le topografie del livello barico di 850 hPa in quanto tale livello è molto efficace nell’esprimere l’effetto orografico di Alpi e Appennini sulla circolazione sinottica. L’attività temporalesca sull’areale euro-mediterraneo è seguita con il sistema di Blitzortung.org (http://it.blitzortung.org/live_lightning_maps.php).

Facebooktwittergoogle_pluslinkedinmail

Le Piogge nel Sahel – Alcuni Aspetti Meteo-Climatici

Posted by on 06:00 in Ambiente, Attualità, Climatologia | 2 comments

Le Piogge nel Sahel – Alcuni Aspetti Meteo-Climatici

di Luigi Mariani e Franco Zavatti

Riassunto

L’articolo sarà pubblicato in due parti. In particolare la prima affronterà il tema delle piogge nel Sahel discutendone gli aspetti legati alla climatologia statica (valori medi, distribuzione spaziale, ecc.) e dinamica (strutture circolatorie sottese) e alla prevedibilità. La seconda parte sarà invece dedicata alla componente ciclica che caratterizza le precipitazioni nel Sahel affrontata tramite i classici strumenti dell’analisi periodale. L’aspetto ciclico è di grande rilevanza in quanto la variabilità ha pesanti ripercussioni sull’agricoltura dell’area che si basa su colture erbacee non irrigue e sulla zootecnia transumante.

Abstract

This work will be issued in two parts. In particular, the first will address the issue of rains in the Sahel discussing the aspects related to static climatology (mean values, spatial distribution, etc.) and dynamics (underlying circulatory structures) and predictability. The second part will be dedicated to the cyclic component that characterizes the precipitations in the Sahel faced through the classic tools of periodic analysis. The cyclical aspect is of great importance because the variability has heavy repercussions on the agriculture of the area based on non-irrigated herbaceous crops and on transhumant animal husbandry.

Aspetti geografici e climatici generali

Figura 1 – Precipitazioni medie del Sahel e limiti orientativi dell’area (da Nicholson, 2013).

Localizzato oltre 2000 km a Sud della Sicilia, Il Sahel è una regione che si estende longitudinalmente per circa 5000 km coprendo grossomodo 4 gradi di latitudine, da 14 a 18°N (figura 1), per cui in totale si tratta di circa 2,22 milioni di kmq (circa 7,4 volte l’Italia), caratterizzati da una relativa omogeneità est-ovest del clima e della vegetazione.

I caratteri macroclimatici dell’area in esame possono essere apprezzati adottando lo schema di classificazione di Koeppen e Geiger che indica il Sahel come areale di transizione fra il clima dei deserti caldi (BWh) caratteristico del Sahara e quello semiarido caldo delle steppe (BSh) caratteristico della fascia pre-sahariana (figura 2).

Il clima del Sahel può essere apprezzato applicando gli schemi propri della meteorologia della fascia intertropicale, ove agiscono fenomeni ciclici come l’ENSO, la cui sede è nell’Oceano Pacifico ma la cui influenza si estende all’intera fascia intertropicale e da lì si propaga verso le medie latitudini, il monsone, frutto del contrasto termico fra aree continentali e oceaniche e la zona di convergenza intertropicale (ITCZ), equatore meteorologico in cui convergono al suolo gli alisei e che nel corso dell’anno presenta una caratteristica oscillazione latitudinale spingendosi fino a 20°N in estate e scendendo verso sud in inverno.

Figura 2 – Classificazione macroclimatica di Koeppen e Geiger per l’areale africano. Il Sahel si presenta come areale di transizione fra il tipo desertico BSh proprio del Sahara e quello predesertico BWh https://it.wikipedia.org/wiki/Classificazione_dei_climi_di_K%C3%B6ppen#/media/File:Classificazione_climatica_mondiale_secondo_il_sistema_K%C3%B6ppen%E2%80%93Geiger.png

Climatologia statica e dinamica delle piogge saheliane

L’attenzione alle precipitazioni nell’area Saheliana è divenuta più alta dopo la siccità che ha colpito l’area fra gli anni 70 e 80 del XX secolo, e ciò ha anche portato ad un certo incremento delle conoscenze che restano comunque parziali anche in virtù del progressivo deterioramento delle reti pluviometriche locali. Ciò è attestato ad esempio da un lavoro comparso sull’International Journal of Climatology nel 2003 dal quale si evince che dalle 51 stazioni presenti nel 1921 si è passati alle 152 del 1951, alle 188 del 1971, alle 102 del 1991 per giungere infine alle 35 del 2003 (figura 3), numero largamente insufficiente per costruire una climatologia delle precipitazioni di un’area tanto vasta (se la rete pluviometrica sinottica dispone per l’Italia di 200 stazioni per un areale  grande più di 7,4 volte ne dovrebbero grossomodo occorrere 1500. Ciò peraltro costituisce un curioso apologo di un mondo che nonostante l’enorme preoccupazione per la “catastrofe climatica prossima ventura” si scorda che prima di usare l’aggettivo “catastrofe” bisognerebbe quanto meno esprimere i fenomeni in termini quantitativi tramite adeguate misure, come ci insegnò Galileo. Occorre peraltro dire che la penuria di stazioni di misura al suolo è oggi almeno parzialmente surrogata dal remote sensing da satellite (es: Tropical Rainfall Measuring Mission – TRMM).

Figura 3 – Evoluzione della rete pluviometrica relativa all’areale del Sahel e alle zone al contorno come evidenziata da Dai et al. (2004)

Il regime precipitativo

Se si analizza il regime annuale delle precipitazioni del Sahel e della zona al contorno (Nicholson, 2013)  si colgono 4 fasi temporali successive e cioè una fase oceanica (in media da novembre a metà aprile), una fase costiera (in media a metà giugno), una fase di transizione (fra terza decade di giugno e primi di luglio) e una fase continentale saheliana (in media da metà luglio a settembre, con il 24 di giugno come data media d’inizio). Durante la fase saheliana la pioggia raggiunge la massima intensità e la zona di picco si colloca a sud del Sahel a circa 10° Nord di latitudine.

A ulteriore dettaglio di tale schema occorre segnalare che il periodo piovoso dura mediamente 2 mesi nella fascia più a Nord del Sahel, ove cadono in media 200 mm l’anno, e 4-5 mesi in quella più a sud, dove cadono in media 500-600 mm/anno.  Inoltre Il Sahel è occasionalmente interessato da piogge invernali di entità assai modesta (meno di 25 mm l’anno).

Il monsone dell’Africa Occidentale

La pioggia che cade da giugno a settembre sul Sahel è di natura monsonica (Monsone dell’Africa Occidentale) in quanto ha origine dal contrasto termico fra il Sahara e l’Oceano Atlantico equatoriale. Infatti dal punto di vista dinamico il monsone si regge sull’afflusso di aria umida da sudovest (Golfo di Guinea) guidato dalla depressione termica che staziona sul Sahara occidentale con centro a 20°N (figura 4). In tale schema un ruolo chiave è giocato da due correnti a getto con direzione est-ovest e cioè il Tropical Easterly Jet (TEJ) posizionato nell’alta troposfera intorno a  200 hPa e l’African Easterly Jet (AEJ) posizionato nella media troposfera fra 600 e 700 hPa (figura 5). A tali correnti a getto da est si associano a bassa quota delle correnti occidentali (westerlies) che nelle annate più piovose si intensificano trasformandosi in jet di bassa quota.

Figura 4 – Circolazione media sull’area nel periodo invernale (a) ed estivo (b). Si noti la depressione termica sul Sahara e la linea puntinata che indica la posizione della Zona di convergenza intertropicale – ITCZ e il suo disaccoppiamento estivo rispetto all’area di precipitazioni (da Nicholson, 2013).

Figura 5 – Disposizione spaziale delle correnti a getto della media e alta troposfera TEJ e AEJ. Mentre AEJ è limitata all’Africa, TEJ si estende anche all’Oceano Indiano ove presenta un nucleo di massima velocità (da Nicholson, 2013).

La suddetta transizione fra fase costiera e fase continentale è di norma improvvisa e si accompagna all’inversione della circolazione a bassa quota che mentre prima era da ovest (westerlies) si dispone ora da est (African Easterly Waves – AEW). L’inversione della circolazione a bassa quota è associata all’irrobustirsi della depressione termica sahariana (figura 4) ed è accompagnata dall’innesco della convezione profonda e dallo spostamento delle strutture precipitative da 5° a 10°N. Al riguardo si noti che sull’area le strutture precipitative caratteristiche del monsone sono in genere costituite da bande precipitative a mesoscala, che sono responsabili di oltre l’80% dell’intera pioggia che cade sull’area e che sono tutt’altra cosa rispetto alle piogge frutto di instabilità locale.

E’ altresì interessante notare che la zona di convergenza intertropicale (ITCZ) parrebbe giocare un ruolo marginale nel fenomeno in esame in quanto un’area di subsidenza separa l’ITCZ dalla zona di massima precipitazione, disaccoppiandola di fatto dalla stessa.

La data media d’inizio del monsone nel Sahel è il 24 giugno ed in un primo tempo il fenomeno procede con lentezza e si caratterizza per una successione di fasi attive e inattive. Le simulazioni mostrano che l’innesco e la successiva temporizzazione del monsone sono legati alle dinamiche a macroscala che si estendono ben oltre l’areale del Sahel. Più in particolare l’inizio dipende dalla propagazione verso ovest dell’onda di Rossby associata al Monsone indiano e che raggiunge l’Africa Occidentale 7-15 giorni dopo, innescando la convezione nel Sahel. Fra i fattori locali gioca inoltre un ruolo significativo l’interazione fra l’AEJ e l’orografia. Al riguardo si noti che mentre AEJ è limitato all’Africa, TEJ è parte di una corrente a getto ben più ampia che si estende all’Oceano Indiano ove presenta un nucleo di massima intensità (figura 6).

 

Effetti sull’agricoltura e prevedibilità dell’inizio del monsone

Figura 6 – Posizione delle correnti a getto della media e alta troposfera TEJ e AEJ – sezione verticale latitudinale (da Nicholson, 2013).

L’inizio delle piogge monsoniche sul Sahel ha un’importanza cruciale per l’agricoltura coincidendo con le semine delle colture tipiche dell’area, le più importanti delle quali sono come di seguito elencate dalla  U.S. Agency for International Development (USAID): cereali (mais, miglio perlato, sorgo e riso); piante da fibra (cotone), piante da frutto (anacardio, mango e shea); legumi (ceci, fagiolino dell’occhio, fagiolo mungo, caiano e néré), oleifere (sesamo) e piante da radice (cassava, patata dolce) (USAID, 2014). Importanti sono anche la zootecnia (bovini, pecore, capre e dromedari) basate sulla transumanza e dunque dipendenti dall’abbondanza del pascolo, a sua volta determinata dalla pioggia (Ickowicz et al., 2012). Lo stretto legame fra la biomassa vegetale espressa tramite l’indice NDVI e la pioggia caduta stimata da satellite è espresso in modo molto efficace dalla figura 7 (NASA – Earthobservatory, 2004).

Purtroppo l’inizio della stagione monsonica ha prevedibilità molto bassa, tant’è che le popolazioni locali lo associano alla comparsa di particolari nubi sulle aree montane[1] come ad esempio nel massiccio del Tibesti, fra Libia e Chad, la cui cima più alta, l’Emi Koussi, raggiunge i 3445 m di altezza. Attualmente nell’ambito del centro Agrhymet sono in corso esperimenti di previsione stagionale del monsone di cui un resoconto in lingua francese è disponibile qui: http://agrhymet.cilss.int/index.php/2019/03/01/les-previsions-saisonnieres-des-caracteristiques-agro-hydro-climatiques-pour-la-grande-saison-des-pluies-dans-les-pays-du-golfe-de-guinee-sont-tombees/

 

Figura 7 – Piovosità stimata da satellite nell’ambito della Tropical Rainfall Measuring Mission (TRMM) ed effetti sulla vegetazione (https://earthobservatory.nasa.gov/images/7277/vegetation-and-rainfall-in-the-Sahel).

Bibliogafia

  • Dai A.,  Lamb P.J., Trenberth K.E., Hulme M., Jones P.D., Xie P, 2004. Comment – the recent Sahel drought is real, Int. J. Climatol. 24: 1323–1331
  • Ickowicz et al., 2012. Crop–livestock production systems in the Sahel – increasing resilience for adaptation to climate change and preserving food security, Centre de coopération internationale en recherche agronomique pour le développement (CIRAD) (http://www.fao.org/fileadmin/templates/agphome/documents/faooecd/CropLivestockSahel.pdf).
  • NASA – Earthobservatory, 2004. Vegetation and Rainfall in the Sahel  https://earthobservatory.nasa.gov/images/7277/vegetation-and-rainfall-in-the-Sahel
  • Nicholson Sharon E., 2013. The West African Sahel: A Review of Recent Studies on the Rainfall Regime and Its Interannual Variability. , ISRN Meteorology , 213, ID453521, 32 pages, 2013.
  • USAID, 2014. A review of fifteen crops cultivated in the Sahel, 102 pp. (il PDF è disponibile gratuitamente in rete)

 

[1]                     Questo è quanto fu riferito a uno degli autori da Michele Conte, climatologo del Servizio meteorologico dell’Aeronautica Militare che negli anni ‘80 si occupò della climatologia dinamica del Sahel nell’ambito del progetto Agrhymet (http://agrhymet.cilss.int/) promosso dall’Organizzazione Meteorologica Mondiale.

Facebooktwittergoogle_pluslinkedinmail

Nel corso dell’Olocene il clima è cambiato a causa della variabilità dell’ENSO

Posted by on 07:00 in Attualità, Climatologia | 2 comments

Nel corso dell’Olocene il clima è cambiato a causa della variabilità dell’ENSO

Molti dei lettori di CM sanno che uno dei principali fattori della variabilità climatica nell’emisfero meridionale del nostro pianeta, è l’ENSO (El Niño-Southern Oscillation): si tratta di un complesso fenomeno che coinvolge temperature superficiali del Pacifico meridionale, variazioni di pressione atmosferica e, quindi, circolazione atmosferica (alisei). Non voglio soffermarmi più di tanto sulle caratteristiche generali di questo fenomeno climatico in quanto, qui su CM, si possono trovare centinaia di articoli sull’argomento. In modo estremamente sintetico possiamo dire che durante le fasi ENSO+ (El Niño) si verificano condizioni di siccità in alcune aree del pianeta, mentre durante le fasi di ENSO (La Niña), nelle stesse aree si verificano condizioni molto più umide.

Un recente studio ha ricostruito il clima in una zona dell’Australia sud-orientale che risente molto della variabilità dell’ENSO e, quindi, è caratterizzata da periodi secchi e periodi umidi determinati da ENSO.

Holocene El Niño–Southern Oscillation variability reflected in subtropical Australian precipitation

di  C. Barr, J. Tibby, M.J. Leng, J.J. Tyler, A.C.G. Henderson, J.T. Overpeck, G.L. Simpson, J.E, Cole, S. J. Phipps, J.C. Marshall, G.B. McGregor, Q. Hua & F.H. McRobie (da ora  Barr et al., 2019)

Nell’immagine seguente, estratta dalla figura 1 di Barr et al. 2019, sono evidenziate le relazioni stagionali tra precipitazioni ed eventi ENSO, relativamente all’area considerata e per il periodo compreso tra il 1980 ed il 2016.

Sulla base di una carota prelevata sul fondo della  Swallow Lagoon, ubicata in prossimità di Minjerribah (North Stradbroke Island), i ricercatori hanno individuato reperti estremamente ben conservati di foglie appartenenti ad una specie endemica dell’area (Melaleuca quinquenervia). La carota è stata divisa in sezioni di un centimetro di spessore che rappresentano un intervallo temporale medio di circa 24 anni con estremi che vanno da 2 a 77 anni circa e, per ognuna di tali sezioni, è stato dosato l’isotopo del carbonio 13C. Si è provveduto, inoltre, a calibrare l’età della serie stratigrafica mediante dosaggio dell’isotopo 14C in fossili terrestri incapsulati negli strati della carota.

M. quinquenervia è una pianta di tipo C3, per cui il frazionamento degli isotopi di carbonio all’interno dell’apparato cellulare, risulta piuttosto sensibile al tasso di umidità ambientale ed è stato accuratamente tabellato dai ricercatori. Appare evidente, quindi, che è possibile risalire al tasso medio di umidità ambientale, a partire dal rapporto tra i vari isotopi del carbonio contenuti nelle parti vegetali della pianta. Nella fattispecie è stato possibile ricostruire l’umidità ambientale e, quindi, le precipitazioni lungo tutta la serie stratigrafica. L’arco temporale indagato, è pari a circa 7700 anni a partire dal presente che, secondo quanto scrivono gli autori, coincide con gli inizi degli anni ’50 del secolo scorso.

Stante quanto scritto in premessa a proposito di legami tra eventi ENSO e pluviometria nell’area considerata, è stato possibile, una volta ricostruite le serie pluviometriche dell’Australia sud orientale negli ultimi 7700 anni, risalire alle oscillazioni dell’ENSO nello stesso periodo. Ebbene, sulla base di queste considerazioni gli autori hanno potuto accertare che negli ultimi 7700 anni si possono individuare due grandi periodi climatici: da 7700 anni fa a circa 3000 anni orsono l’Australia sud-orientale fu caratterizzata da un clima mediamente umido, con elevato tasso pluviometrico, paragonabile a quello che succede nei periodi caratterizzati da ENSO negativo o neutro. Il clima risultava piuttosto stabile, caratterizzato com’era da oscillazioni a bassa frequenza con periodo plurisecolare. A partire da circa 3000 anni fa, invece, il clima è stato caratterizzato da maggiore variabilità e maggiore secchezza: come tende a capitare durante le fasi di ENSO positivo. In tale periodo, caratterizzato da una piovosità inferiore alla media dei secoli precedenti, si notano due periodi caratterizzati da una piovosità in linea con quella del periodo precedente, Di essa appare molto interessante, l’ultima, che coincide con la Piccola Era Glaciale (PEG o LIA).

Il motivo per cui tale periodo di elevata umidità mi ha interessato, riguarda la polemica circa la copertura globale o regionale della PEG. Numerosi studiosi di climatologia in generale e paleoclimatologia in particolare, hanno sempre sostenuto che la PEG sia stato un evento climatico regionale, al massimo emisferico e, quindi, confinato all’emisfero settentrionale del nostro pianeta. In Barr et al., 2019 il segnale della LIA è chiaramente visibile nei dati studiati, per cui dobbiamo dedurre che l’evento PEG sarebbe stato un evento di natura globale e non locale. Non è un fatto da poco e bisogna sottolinearlo con decisione. Così come bisogna sottolineare la circostanza che questo periodo umido non sembra essere conseguenza di una successione di eventi ENSO negativo perché dati di controllo relativi ad altri proxy, tendono ad escluderlo. Diciamo che alcuni cambiamenti climatici verificatisi nell’Australia sud-orientale non sembrano conseguenza dell’ENSO, ma di situazioni ancora poco chiare.

In merito alle cause che hanno determinato lo shift da condizioni umide a condizioni secche e, quindi, da condizioni caratterizzate da fasi di ENSO negativo a periodi caratterizzati da fenomeni ENSO positivo, gli autori, pur non escludendo altre cause, propendono per variazioni dei parametri orbitali terrestri.

Come è mia abitudine, allo scopo di rendere più facilmente comprensibile la questione, ho semplificato molto i termini del problema, ma in Barr et al, 2019 ampio spazio viene dedicato alla trattazione matematica dei dati utilizzati per giungere alle conclusioni. E’ mia intenzione, in questa occasione, però, soffermarmi brevemente sulla metodologia utilizzata da Barr et al., 2019, per desumere dai dati a disposizione le loro conclusioni. Dal punto di vista sostanziale null’altro bisogna aggiungere alle conclusioni di Barr et al, 2019, per cui chi non è interessato alle particolarità matematiche dello studio, può interrompere la lettura a questo punto.

Barr et al., 2019 presenta una peculiarità che si riallaccia ad un articolo pubblicato qui su CM dall’amico F. Zavatti. In questo articolo il prof. Zavatti mette in evidenza la problematicità dell’individuazione dei punti di variazione della pendenza di un fit di dati o, per far ricorso ad uno dei soliti anglicismi che infarciscono la letteratura scientifica, di variazione del trend. Quando si analizzano dei dati scientifici, quasi mai ci si trova di fronte a punti disposti in modo ordinato, ma a nuvole di punti da cui bisogna estrarre dei segnali lineari, quadratici o polinomiali di vario ordine. In campo climatico il problema è acuito dal fenomeno dell’autocorrelazione dei dati di cui si dispone. L’autocorrelazione o persistenza comporta che i valori assunti da una variabile, dipendono dai valori che essa ha assunto nel passato: ad un giorno caldo, tende a seguire un giorno caldo, per cui se io assumo che la temperatura in un certo luogo dipende dall’insolazione di una certa area, posso essere tratto in inganno dal fatto che, pur in presenza di una giornata nuvolosa, la temperatura del giorno è diversa da quella deducibile dalla legge da me ipotizzata, in quanto il giorno precedente è stato un giorno caldo.

Esistono metodologie statistiche che consentono di eliminare le persistenze e, quindi, ridurre gli effetti dei fenomeni di autocorrelazione e che sono state originariamente concepite per risolvere problemi econometrici e/o finanziari. Barr et al., 2019, utilizza un metodo piuttosto sofisticato noto come  Modello Additivo Generalizzato a Scala di Posizione (GAM-LS). In termini molto elementari si tratta di un modello basato sulla somma (additivo) di due o più funzioni che esprimono alcuni indicatori statistici in funzione di alcune variabili e di parametri numerici. Nel caso in esame si sono analizzati la media e la deviazione standard delle concentrazioni dell’isotopo 13 del carbonio, ovvero i parametri caratterizzanti la distribuzione gaussiana dei dati stessi. Il vantaggio di questo metodo d’analisi è che non bisogna conoscere le funzioni che legano i predittori statistici alle variabili. Nello studio di cui ci occupiamo si è partiti dall’ipotesi che il generico valore della concentrazione dell’isotopo 13C, abbia distribuzione gaussiana caratterizzata da una deviazione standard ed una media. Si sono fissate, inoltre, due funzioni che legano la deviazione standard e la media al tempo e ad altri parametri numerici. In tal modo si è definito il modello GAM. Si è provveduto, infine, ad individuare delle funzioni continue del tempo dette spline o anche di smooth o di “lisciaggio” che, opportunamente combinate tra loro, siano in grado di restituire le funzioni del modello. Le funzioni spline, normalmente, sono funzioni algebriche derivabili almeno due volte, in modo da porre delle condizioni sulla loro derivata seconda. La possibilità di derivare le funzioni in corrispondenza dei nodi della griglia costituente i dati, consente la rimozione della persistenza dai dati e, quindi, la stima più accurata del predittore statistico. Nel caso in esame, essendo i dati non a passo costante, si sono utilizzate le differenze finite invece delle derivate, ma il discorso non cambia più di tanto.

Barr et al., 2019 hanno utilizzato le librerie di R per elaborare questo tipo di modello ed hanno potuto accertare la varianza del campione analizzato in funzione del tempo. Essi hanno fatto girare anche un modello in cui hanno eliminato la seconda funzione continua del tempo (a titolo di test statistico) senza notare variazioni significative della varianza degli estimatori. Allo scopo di irrobustire l’analisi statistica, si sono utilizzati, infine, un migliaio di dataset sintetici generati casualmente: le elaborazioni hanno consentito di appurare valori del coefficiente di determinazione R2 molto alti per i dati della carota e molto più bassi per gli altri.

Come si vede Barr et al., 2019, ha utilizzato un armamentario matematico di grande potenza, fortemente radicato in ambito statistico, per cui possiamo affermare che i dati sono stati trattati in modo conforme alle regole dell’arte. I risultati ottenuti sono, però, a prova di errore? No, ovviamente. Diciamo che per quanto consente la tecnologia d’indagine attuale, possiamo fidarci dei risultati, ma da qui a dire che essi sono verità rivelata, ce ne passa.

Essi dimostrano, comunque, che il clima terrestre cambia a ritmi plurisecolari o secolari da oltre 7000 anni e che tali cambiamenti sono guidati da cause naturali la principale delle quali, per l’area in questione, è rappresentata dall’oscillazione ENSO che, fino ad oggi, è sempre stata considerata un’oscillazione naturale. Sembrerebbe, però, che anche questa certezza abbia i giorni contati. Barr e colleghi si chiedono, infatti, come e quanto cambierà ENSO in un clima più caldo? Oddio, lo avranno scritto per inquadrare il lavoro in una luce più favorevole ad un referaggio breve e positivo, ma è scritto nell’articolo. Non trova alcun riscontro nei i dati raccolti ed analizzati, ma certamente il suo effetto non è stato trascurabile visto alcune tesi un poco eretiche contenute nello studio.

Facebooktwittergoogle_pluslinkedinmail

Il possibile rallentamento della crescita delle temperature globali NOAA

Posted by on 08:00 in Attualità, Climatologia | 5 comments

Il possibile rallentamento della crescita delle temperature globali NOAA

Le temperature globali (terra+oceano), nel periodo che va da inizio secolo al 2013, cioè quando i due forti El Niño 1997-1998 e 2015-2016 non le hanno influenzate (o lo hanno fatto in minima parte), sono rimaste praticamente costanti come si vede nella successiva figura 1.

Fig.1: Serie di temperature (anomalie) NOAA da gennaio 2001 a dicembre 2018 con i fit lineari tra il 2002 e il 2013 (blu) e su tutto l’intervallo rappresentato (2001-2018, rosso). La pendenza maggiore vale circa 5 volte e mezzo quelle inferiore e dalla figura si può dedurre che questo rapporto si deve quasi esclusivamente a El Niño 2015-16.

Da novembre 2011, ogni mese scarico dal sito NOAA (Climate At a Glance o CAG) le temperature globali, e da aprile 2015 anche le temperature dell’oceano globale, da cui ricavo varie informazioni, come, ad esempio, le pendenze dei singoli dataset mensili calcolate, rispettivamente,

  1. dai dati completi (1880-2018 in questo caso) e
  2. usando come data iniziale gennaio dei tre anni 1951, 1997, 2001

Questi ultimi tre anni non sono scelti a caso:

  • il 1951 è uno degli anni possibili per l’ingresso massiccio nella rivoluzione industriale iniziata circa un secolo prima; secondo l’ipotesi AGW, è l’anno a partire dal quale il riscaldamento dipende quasi esclusivamente dai gas serra, in quanto l’IPCC non trova nient’altro che possa aver contribuito ad esso (vedere anche le righe iniziali di questo articolo di Javier); dall’osservazione di figura 2, è anche l’anno in cui termina la rapida salita delle temperature iniziata nel 1910 e seguita, dal 1940, da una brusca discesa terminata, appunto, nel 1951;
  • il 1997 è l’anno finale di una salita delle temperature iniziata nel 1977-78, dopo un periodo di stasi dal 1951, ed è immediatamente precedente El Niño 1997-98;
  • il 2001 è la data che ho indicato in questo mio post su CM per l’inizio della “pausa” delle temperature globali NOAA.

Si può anche vedere un altro mio post, in cui sono descritti dati NOAA cambiati all’interno dello stesso mese, attorno alla parte centrale del 2015.

Fig.2: temperature globali NOAA (terra+oceano) relative a dicembre 2018 e loro fit lineare. Le linee verticali azzurre indicano gli anni 1951, 1997 e 2001 e quelle fucsia i tre El Niño più forti (classificati “very strong”) dal 1951.

Ad esempio, se uso come data iniziale il 1951 e l’ultima serie disponibile è dicembre 2018, calcolo la pendenza delle serie mensili fino a marzo 2018 (che indico con 1803), per ottenere graficamente quanto riportato in figura 3.

Fig.3: Pendenze delle serie di temperatura da novembre 2011 a marzo 2018, calcolate da gennaio 1951 all’ultimo mese disponibile. Il salto evidente tra aprile e maggio 2015 porta alla grande incertezza nella media indicata dalla linea verticale rossa. Per permettere una maggiore leggibilità, preferisco iniziare dal 2018 un nuovo grafico. Questa scelta viene fatta anche per le altre date iniziali 1997 e 2001.

In figura 3 appare evidente una discontinuità della pendenza tra aprile e maggio 2015. Questa discontinuità dipende da una variazione nel calcolo delle temperature, come si vede nell’immagine gif animata relativa al 1951 (nel sito di supporto sono disponibili le gif animate per tutti i periodi). La pendenza tra aprile e maggio 2015 calcolata nel periodo 2001-2015 mostra un raddoppio (da 0.05 a 0.10°C/decade) come ad esempio si vede nella figura 9 di questo post.

Se considero solo i dati successivi ad aprile 2015 osservo che le pendenze mostrano una salita (anche particolarmente accentuata) tra maggio 2015 e aprile 2016; una successiva salita meno ripida con 3-4 mesi di stasi e il raggiungimento di un massimo assoluto a luglio 2017; da questo momento inizia una lenta ma costante diminuzione mensile della pendenza che negli ultimi tre mesi (da ottobre 2018) sembra essersi stabilizzata.

 

Fig.4: Andamento complessivo delle pendenze, descritto anche da un fit parabolico (linea rossa) con scopo puramente indicativo e per sottolineare la discesa dopo il massimo.

La pendenza è in ogni caso positiva (la temperatura cresce) e quindi l’andamento positivo indica una crescita accelerata; quello costante una crescita uniforme e quello negativo una diminuzione del ritmo di crescita (un rallentamento della crescita).

È abbastanza facile immaginare che da circa maggio 2016 ad oggi le pendenze possano essere considerate costanti, data la dimensione delle incertezze, ma sembra possibile pensare che la iniziale crescita continua, seguita dalla decrescita, sia un indice che qualcosa stia cambiando nell’andamento delle temperature globali.

Da notare che questo cambiamento non deve essere confuso con la pausa (lo iato) delle temperature che è indiscutibile: qui l’influenza dei molti mesi precedenti condiziona a lungo il calcolo della pendenza della serie.

Il metodo usato da Javier
L’articolo di Javier su WUWT, citato all’inizio, mi trova d’accordo. Quando ho affrontato il problema della persistenza (cioè della memoria a lungo termine presente nella maggioranza delle serie climatiche), ho tentato di superarlo (e spero di esserci riuscito, v. ad esempio qui e i due post precedenti citati) utilizzando le differenze prime dei dati osservati, perché questo processo riduce fortemente o elimina la persistenza (è come calcolare la derivata prima quando il passo il dei dati è costante).

Javier usa il “tasso di cambiamento della temperatura” (in °C/anno) che non è altro che la derivata prima, ovvero la differenza prima con dati a passo costante.

Io calcolo da anni questa differenza per i dati NOAA annuali e per me è facile seguire Javier e calcolare il fit parabolico delle differenze per i dati annuali fino al 2018: lo mostro in figura 5 insieme a un suo ingrandimento che evidenzia l’anno del massimo della parabola.

Fig.5: Fit parabolico delle differenze dei valori annuali (il tasso di variabilità di temperatura NOAA) fino all’anno 2018. Il grafico in basso è un ingrandimento per evidenziare la posizione temporale del massimo della parabola.

Si vede chiaramente che il massimo della parabola si ha nel 1994, in questo confermando quanto Javier afferma e mostra nella sua figura 4. Le temperature sono cambiate in senso positivo fino al 1994, per poi iniziare una diminuzione. Questo fatto mi vedrebbe concorde con Javier se, calcolando la stessa grandezza fino all’anno 2017, non trovassi che l’aggiunta di un valore ai 57 precedenti modifica di dieci anni il massimo della parabola che ora è il 2003, come si vede in figura 6.

Fig.6: Come figura 5, per i dati fino al 2017

Pur condividendo il metodo, e pur ricavando da questo informazioni che sembrano attendibili o almeno ragionevoli, dico che è troppo sensibile ad un singolo valore per fornire qualcosa diverso da una semplice indicazione.

In conclusione: esistono metodi diversi che forniscono un’indicazione sul tasso di variazione della temperatura globale (NOAA per me, HadCRUT4 per Javier) e tutti concordano con la presenza di un massimo e di una successiva diminuzione di tale tasso. La posizione del massimo dipende dal metodo, ma dovremo ragionevolmente aspettarci variazioni nel senso della diminuzione del ritmo di crescita delle temperature.

Tutti i dati relativi a questo post si trovano nel sito di supporto qui
Facebooktwittergoogle_pluslinkedinmail

Un Mese di Meteo – Gennaio 2019

Posted by on 07:00 in Attualità, Climatologia, Commenti mensili, Meteorologia | 1 comment

Un Mese di Meteo – Gennaio 2019

IL MESE DI GENNAIO 2019[1]

Piovoso e nevoso al centro-sud con temperature inferiori alla norma; al Nord maggiore mitezza con scarsità di piogge per effetto favonico.

Nella topografia media di gennaio del livello di pressione di 850 hPa l’elemento dominante è un promontorio anticiclonico di blocco sul vicino Atlantico esteso da latitudini subtropicali verso le isole Britanniche. La presenza di tale struttura obbliga le correnti atlantiche a disporsi da nordovest sull’Italia con afflusso di fredde masse d’aria polare marittima che sul settentrione subiscono una mitigazione per effetto foehn attestata dalla presenza del caratteristico “naso di foehn” sull’arco alpino. La carta delle isoanomale per 850 hPa conferma tale analisi evidenziando un forte nucleo di anomalia positiva sul vicino Atlantico cui i accompagna un nucleo di anomalia negativa centrato sul Meridione d’Italia e sui Balcani.

Figura 1a – 850 hPa – Topografia media mensile del livello di pressione di 850 hPa (in media 1.5 km di quota). Le frecce inserire danno un’idea orientativa della direzione e del verso del flusso, di cui considerano la sola componente geostrofica. Le eventuali linee rosse sono gli assi di saccature e di promontori anticiclonici.

Figura 1b – 850 hPa – carte delle isoanomale del livello di pressione di 850 hPa.

Dal punto di vista circolatorio il mese può essere suddiviso in due fasi nettamente distinte e cioè (i) la prima quindicina caratterizzata dal prevalere di correnti fredde da settentrione che hanno mantenuto sul Mediterraneo condizioni di variabilità a tratti perturbata, nelle quali è difficile distinguere le singole perturbazioni, il che ci ha spinto a parlare di un’unica perturbazione attiva sul meridione e accompagnata da attività temporalesca locale e (ii) la seconda quindicina caratterizzata dal prevalere di correnti atlantiche mediamente da ovest con frequente transito di perturbazioni.

Tabella 1 – Sintesi delle strutture circolatorie del mese a 850 hPa. Il termine perturbazione sta ad indicare saccature atlantiche o depressioni mediterranee (minimi di cut-off) o ancora fasi in cui la nostra area è interessata da regimi che determinano variabilità perturbata (es. flusso ondulato occidentale).

Il gennaio 2019 ha visto il territorio nazionale in tutto o in parte interessato da 6 perturbazioni transitate rispettivamente fra 1 e 15, fra 16 e 19, fra 20 e 22, fra 23 e 26, fra 27 e 29 e infine il 30 gennaio (tabella 1). La piovosità più elevata a livello nazionale è stata riscontrata il giorno 22 (5.3 mm di media nazionale) che è stato anche il giorno più piovoso al centro (10.4 mm) mentre al nord la massima piovosità si è registrata il 18 (3.5 mm) e al sud il 24 (10.0 mm).

Andamento termo-pluviometrico

Le temperature medie delle massime mensili (figura 2) hanno presentato un’anomalia negativa da debole a moderata al Sud mentre al centro Nord sono risultate nella norma o in debole anomalia negativa. Unica eccezione è data dalle deboli anomalie positive sul Nordovest frutto del foehn. Le medie delle minime (figura 3) vedono invece il prevalere di anomalie negative da deboli a moderate su tutta l’area con l’unica eccezione della val d’Aosta in debole anomalia positiva per effetto foehn. Dalla figura 5 si coglie la presenza di una spiccata anomalia pluviometrica negativa sul settentrione e il Nord della Toscana mentre sul centro-sud dominano le anomalie positive salvo anomalie negative a carattere locale su Abruzzo, Basilicata, Sicilia e Sardegna.

Figura 2 – TX_anom – Carta dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media delle massime del mese

Figura 3 – TN_anom – Carta dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media delle minime del mese

Figura 4 – RR_mese – Carta delle precipitazioni totali del mese (mm)

Figura 5 – RR_anom – Carta dell’anomalia (scostamento percentuale rispetto alla norma) delle precipitazioni totali del mese (es: 100% indica che le precipitazioni sono il doppio rispetto alla norma).

L’analisi decadale (tabella 2) evidenzia che a livello di temperature il sud si è mantenuto  in anomalia negativa su tutte e tre le decadi sia nei massimi sia nei minimi. Al centro-nord invece l’anomalia negativa delle temperature massime e minime si è manifestata solo nella prima e terza decade del mese.  A livello pluviometrico il Nord ha presentato anomalie negative in tutte e tre le decadi mentre al centro-sud si è assistito a un’anomalia positiva nella terza decade del mese, più spiccata al centro.

Tabella 2 – Analisi decadale e mensile di sintesi per macroaree – Temperature e precipitazioni al Nord, Centro e Sud Italia con valori medi e anomalie (*).

(*) LEGENDA:

Tx sta per temperatura massima (°C), tn per temperatura minima (°C) e rr per precipitazione (mm). Per anomalia si intende la differenza fra il valore del 2013 ed il valore medio del periodo 1988-2015.

Le medie e le anomalie sono riferite alle 202 stazioni della rete sinottica internazionale (GTS) e provenienti dai dataset NOAA-GSOD. Per Nord si intendono le stazioni a latitudine superiore a 44.00°, per Centro quelle fra 43.59° e 41.00° e per Sud quelle a latitudine inferiore a 41.00°. Le anomalie termiche positive sono evidenziate in giallo (anomalie deboli, inferiori a 2°C), arancio (anomalie moderate, fra 2 e 4°C) o rosso (anomalie forti, di oltre 4°C), analogamente per le anomalie negative deboli (minori di 2°C), moderata (fra 2 e 4°C) e forti (oltre 4°C) si adottano rispettivamente l’azzurro, il blu e il violetto). Le anomalie pluviometriche percentuali sono evidenziate in azzurro o blu per anomalie positive rispettivamente fra il 25 ed il 75% e oltre il 75% e giallo o rosso per anomalie negative rispettivamente fra il 25 ed il 75% e oltre il 75% .

L’anomalia termica sopra descritta è confermata dalla carta delle anomalie termiche globali riportata in figura 6a, ricavata da dati MSU e dalla quale si nota che l’anomalia termica negativa sull’Italia si lega a una vasta area ad anomalia negativa che segna il proprio massimo sul sud Italia e che si estende dal Nord Africa alla Scandinavia e di qui alla Russia artica fino al mar di Laptev. In figura 6b riportiamo inoltre la carta dell’anomalia termica globale da stazioni al suolo prodotta dal Deutscher Wetterdienst sulla base dei report mensili CLIMAT. Tale carta indica invece che sul centro Europa e la Scandinavia meridionale è presente una lieve anomalia positiva.

Figura 6a – UAH Global anomaly – Carta globale dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media mensile della bassa troposfera. Dati da sensore MSU UAH [fonte Earth System Science Center dell’Università dell’Alabama in Huntsville – prof. John Christy (http://nsstc.uah.edu/climate/)

Figura 6b – DWD climat anomaly – Carta globale dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media mensile al suolo. Carta frutto dell’analisi svolta dal Deutscher Wetterdienst sui dati desunti dai report CLIMAT del WMO [https://www.dwd.de/EN/ourservices/climat/climat.html).

 

 

[1]              Questo commento è stato condotto con riferimento alla  normale climatica 1988-2017 ottenuta analizzando i dati del dataset internazionale NOAA-GSOD  (http://www1.ncdc.noaa.gov/pub/data/gsod/). Da tale banca dati sono stati attinti anche i dati del periodo in esame. L’analisi circolatoria è riferita a dati NOAA NCEP (http://www.esrl.noaa.gov/psd/data/histdata/). Come carte circolatorie di riferimento si sono utilizzate le topografie del livello barico di 850 hPa in quanto tale livello è molto efficace nell’esprimere l’effetto orografico di Alpi e Appennini sulla circolazione sinottica. L’attività temporalesca sull’areale euro-mediterraneo è seguita con il sistema di Blitzortung.org (http://it.blitzortung.org/live_lightning_maps.php).

Facebooktwittergoogle_pluslinkedinmail

Un Mese di meteo – Dicembre 2018

Posted by on 08:00 in Attualità, Climatologia, Commenti mensili, Meteorologia | 1 comment

Un Mese di meteo – Dicembre 2018

IL MESE DI DICEMBRE 2018[1]

Mese scarsamente piovoso e con temperature nella norma in virtù dell’anomalia termica positiva delle prima decade compensata dall’anomalia negativa della seconda.

Nella topografia del livello di pressione di 850 hPa (figura 1a) l’elemento dominante per quanto attiene al tempo atmosferico sulla nostra area è un promontorio anticiclonico di blocco da sud esteso da latitudini subtropicali verso la penisola iberica. La presenza di tale struttura ha obbligato le correnti atlantiche a disporsi da nordovest sull’Italia con il periodico riproporsi di condizioni favoniche sul settentrione, come attesta in particolare la totale assenza di precipitazioni sulla Valle d’Aosta. La carta delle isoanomale (figura 1b) conferma tale analisi evidenziando un nucleo di anomalia positiva centrato sulla penisola iberica.

Figura 1a – 850 hPa – Topografia media mensile del livello di pressione di 850 hPa (in media 1.5 km di quota). Le frecce inserire danno un’idea orientativa della direzione e del verso del flusso, di cui considerano la sola componente geostrofica. Le eventuali linee rosse sono gli assi di saccature e di promontori anticiclonici.

Figura 1b – 850 hPa – carta delle isoanomale del livello di pressione di 850 hPa.

Il mese è stato segnato dal passaggio di 6 perturbazioni per lo più deboli e transitate rispettivamente l’1, fra 2 e 4, fra 8 e 11, fra 14 e 16, fra 17 e 18 e fra 19 e 21 dicembre (tabella 1).La piovosità più elevata a livello nazionale è stata riscontrata il giorno 17 (5.9 mm di media nazionale) che è stato anche il giorno più piovoso al centro (10.9 mm) mentre al nord la massima piovosità si è registrata il 20 (5.3 mm) e al sud il 10 (6.0 mm).

Tabella 1 – Sintesi delle strutture circolatorie del mese a 850 hPa. Il termine perturbazione sta ad indicare saccature atlantiche o depressioni mediterranee (minimi di cut-off) o ancora fasi in cui la nostra area è interessata da regimi che determinano variabilità perturbata (es. flusso ondulato occidentale).

Andamento termo-pluviometrico

Temperature medie delle massime e delle minime mensili (figure 2 e 3) ovunque nella norma salvo lievi anomalie positive o negative a carattere locale. Dalla figura 5 si coglie il netto prevalere delle anomalie pluviometriche negative con anomalia pluviometrica positiva sulla Calabria e anomalie positive a carattere locale su Lazio e Puglia.

Figura 2 – TX_anom – Carta dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media delle massime del mese

Figura 3 – TN_anom – Carta dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media delle minime del mese

Figura 4 – RR_mese – Carta delle precipitazioni totali del mese (mm)

Figura 5 – RR_anom – Carta dell’anomalia (scostamento percentuale rispetto alla norma) delle precipitazioni totali del mese (es: 100% indica che le precipitazioni sono il doppio rispetto alla norma)

Le carte  circolatorie indicano che l’anomalia termica positiva registrata nella prima decade (tabella 2) è da attribuire all’apporto di masse d’aria dall’Atlantico meridionale mentre quella negativa della seconda decade si associa all’apporto di aria fredda da Nordest per effetto di un anticiclone di blocco posizionato sulla Scandinavia. Le anomalie pluviometriche negative si sono estese all’intero periodo e risultano più vistose nella terza decade del mese. Si noti anche l’eccezione costituita dall’anomalia pluviometrica positiva (+41%) registrata al Cento nella seconda decade.

Tabella 2 – Analisi decadale e mensile di sintesi per macroaree – Temperature e precipitazioni al Nord, Centro e Sud Italia con valori medi e anomalie (*).

(*) LEGENDA:

Tx sta per temperatura massima (°C), tn per temperatura minima (°C) e rr per precipitazione (mm). Per anomalia si intende la differenza fra il valore del 2013 ed il valore medio del periodo 1988-2015. Le medie e le anomalie sono riferite alle 202 stazioni della rete sinottica internazionale (GTS) e provenienti dai dataset NOAA-GSOD. Per Nord si intendono le stazioni a latitudine superiore a 44.00°, per Centro quelle fra 43.59° e 41.00° e per Sud quelle a latitudine inferiore a 41.00°. Le anomalie termiche positive sono evidenziate in giallo(anomalie deboli, inferiori a 2°C), arancio (anomalie moderate, fra 2 e 4°C) o rosso (anomalie forti,di  oltre 4°C), analogamente per le anomalie negative deboli (minori di 2°C), moderata (fra 2 e 4°C) e forti (oltre 4°C) si adottano rispettivamente  l’azzurro, il blu e il violetto). Le anomalie pluviometriche percentuali sono evidenziate in  azzurro o blu per anomalie positive rispettivamente fra il 25 ed il 75% e oltre il 75% e  giallo o rosso per anomalie negative rispettivamente fra il 25 ed il 75% e oltre il 75%.

La carta delle anomalie termiche globali riportata in figura 6a, ricavata da dati MSU evidenzia una lieve anomalia termica positiva sull’Italia collegata a un nucleo di anomalia positiva centrato sulla Penisola iberica. Tale schema è solo parzialmente confermato dalla carta dell’anomalia termica globale da stazioni il suolo prodotta dal Deutscher Wetterdienst sulla base dei report mensili CLIMAT che i diversi servizi meteorologici fanno confluire presso la sua sede (figura 6b).

Figura 6a – UAH Global anomaly – Carta globale dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media mensile della bassa troposfera. Dati da sensore MSU UAH [fonte Earth System Science Center dell’Università dell’Alabama in Huntsville – prof. John Christy (http://nsstc.uah.edu/climate/)

Figura 6b – DWD climat anomaly – Carta globale dell’anomalia (scostamento rispetto alla norma espresso in °C) della temperatura media mensile al suolo. Carta frutto dell’analisi svolta dal Deutscher Wetterdienst sui dati desunti dai report CLIMAT del WMO [https://www.dwd.de/EN/ourservices/climat/climat.html).

____________________________

[1] Questo commento è stato condotto con riferimento alla  normale climatica 1988-2017 ottenuta analizzando i dati del dataset internazionale NOAA-GSOD  (http://www1.ncdc.noaa.gov/pub/data/gsod/). Da tale banca dati sono stati attinti anche i dati del periodo in esame. L’analisi circolatoria è riferita a dati NOAA NCEP (http://www.esrl.noaa.gov/psd/data/histdata/). Come carte circolatorie di riferimento si sono utilizzate le topografie del livello barico di 850 hPa in quanto tale livello è molto efficace nell’esprimere l’effetto orografico di Alpi e Appennini sulla circolazione sinottica. L’attività temporalesca sull’areale euro-mediterraneo è seguita con il sistema di Blitzortung.org (http://it.blitzortung.org/live_lightning_maps.php).

 

 

Related Posts Plugin for WordPress, Blogger...Facebooktwittergoogle_pluslinkedinmail
Translate »