Ricostruzione del clima del passato nell`area mediterranea

LA SITUAZIONE ITALIANA NEL
CONTESTO DEL
RISCALDAMENTO GLOBALE
Maurizio Maugeri
Istituto di Fisica Generale Applicata – via Brera 28 – Milano
[email protected]
Bologna, 15 maggio 2006
Premessa
Il forte interesse che la comunità scientifica sta riservando allo studio dei cambiamenti climatici è sostanzialmente dovuto ai seguenti due fenomeni….
L’incremento delle concentrazioni atmosferiche di alcuni
gas potenzialmente in grado di alterare il bilancio radiativo del sistema terra-atmosfera (gas-serra).
L’evidenza di un concomitante e significativo incremento
della temperatura dell’aria (Global Warming);
….. e al fatto che la “fisica” del bilancio energetico
del nostro pianeta porta a ritenere che tra loro possa esservi un legame causale.
La crescita dei gas-serra
Fonte: CDIAC, U.S. Dept.of Energy
Andamento della concentrazioni di CO2 in atmosfera
negli ultimi 1000 anni: valori espressi in ppm
Il Global warming
È ormai ampiamente provato come, nel corso dell’ultimo secolo, la temperatura media dell’aria
sia aumentata di oltre mezzo grado in prossimità della superficie terrestre. Questo riscaldamento,
parallelo ad un analogo riscaldamento verificatosi sulla superficie degli oceani, non è stato
uniforme né spazialmente né temporalmente, ma ha manifestato forti differenziazioni geografiche
ed ha presentato un comportamento molto complesso, sia in termini di trend di lungo periodo, sia
di modulazione stagionale.
Nel corso degli anni ’90 il fenomeno si è fatto ancor più evidente, al punto che questo decennio è
probabilmente risultato il più caldo dell’ultimo millennio.
0.8
Anche gli ultimi dati sembrano confermare questa tendenza, tanto che tutti
gli anni del periodo 2000-2005 si
collocano tra i più caldi dell’intero
periodo coperto dalle osservazioni
strumentali
0.6
0.4
T (˚C)
0.2
0
-0.2
-0.4
Anno
2001
1996
1991
1986
1981
1976
1971
1966
1961
1956
1951
1946
1941
1936
1931
1926
1921
1916
1911
1906
1901
1896
1891
1886
1881
1876
1871
1866
1861
1856
-0.6
Fonte: University of East Anglia,
www.cru.uea.ac.uk./cru/info/warming
Il possibile legame tra i due fenomeni
Radiative forcing of the climate system relative to 1750 by
gases, aerosol particles, aviation, land use and solar variation
Fonte: IPCC WGI Third Assessment Report
La complessità del sistema
Il legame tra gas-serra e cambiamenti climatici è in realtà estremamente
complesso e, anche se disponessimo di stime affidabili dei contributi di
tutti i fattori in grado di influire sul bilancio energetico della Terra, le
nostre valutazioni sarebbero comunque affette da significative incertezze
in quanto non esiste ancora un completo sistema di modelli matematici
in grado di descrivere efficacemente tutte le conseguenze di un eventuale
disequilibrio tra radiazione entrante ed uscente.
Ruolo cruciale delle osservazioni
Ruolo delle serie storiche di dati meteorologici
In questo contesto, nella seconda metà degli anni
’90, un gruppo di ricercatori dell’Istituto di Fisica
Generale Applicata, dell’ISAC – CNR, dell’UCEA
e dell’Osservatorio Astronomico di Brera, ha
avviato un ampio programma di ricerche per il
recupero e l’analisi delle lunghe serie storiche
italiane di dati meteorologici
La presentazione si pone l’obiettivo di
mostrare i principali risultati raggiunti
nell’ambito di questo programma
Struttura della presentazione
Disponibilità dei dati
Omogeneità dei dati
Analisi dei dati
Sintesi situazione dati
PIOGGE
Serie secolari mensili
Piogge:
111
Temperature:
67
Pressione:
 30
Copertura nuvolosa:
 30
Neve al suolo:
in progress
Umidità relativa: in progress
per dettagli: www.climagri.it
TEMPERATURE
Metadata/schede stazioni
• Ricostruzione storia della rete meteo/climatica Italiana
• Schedatura contributi pubblicati (letteratura grigia)
• Schedatura corrispondenza tra osservatori ed Ufficio
Centrale
• Coordinate
• Informazioni sulla provenienza dei dati
• Disponibilità dei dati
• Note
Per maggiori informazioni: www.climagri.it
Omogeneizzazione delle serie
Variazioni climatiche
Problemi legati alla misura
Segnali presenti nelle serie di dati
Problemi legati alla misura
Rilocalizzazioni
Errori strumentali (cambiamenti o ricalibrazioni degli
strumenti)
Metodologie di osservazione (orari, etc...)
Caratteristiche delle schermature
Modificazioni ambientali (microscala – intera città)
Omogeneizzazione: alcuni risultati
Brunetti M, Maugeri M, Monti F, Nanni T.
2005. Temperature and precipitation
variability in Italy in the last two centuries
from homogenised instrumental time series.
Int. J. Climatol. (submitted)
Mean T
Maximum T
Minimum T
Precipitation
N. of years (excluding filled
gaps)
8292
5848
5848
13355
N. of breaks
766
347
398
170
N. of break per series
11.43
7.23
8.29
1.53
N. of break per year per series
0.092
0.059
0.068
0.013
Mean homogeneous sub-period
(years)
10.8
16.9
14.7
78.6
Alcuni risultati: le temperature
REGIONALIZZAZIONE
(Principal Component Analysis)
ANDAMENTI: ANNO E STAGIONI
+1.7: 2003
W
S
Sp
A
-2.2: 1816
Brunetti M, Maugeri M, Monti F, Nanni T. 2006. Temperature
and precipitation variability in Italy in the last two centuries
from homogenised instrumental time series.
Int. J. Climatol, 26, 345-381
Alcuni risultati: le temperature
TREND (˚C/100y)
Tmed
Tmax
Tmin
AL
PP
PI
ITA
AL
PP
PI
ITA
AL
PP
PI
ITA
Y
1.0±0.1
1.0±0.1
1.0±0.1
1.0±0.1
0.8±0.1
1.1±0.1
0.7±0.1
0.9±0.1
1.2±0.1
0.9±0.1
1.3±0.1
1.1±0.1
W
1.2±0.2
1.0±0.3
1.0±0.2
1.1±0.2
1.2±0.2
1.2±0.3
0.8±0.2
1.0±0.2
1.4±0.2
1.1±0.3
1.2±0.2
1.2±0.2
Sp
1.0±0.2
1.0±0.2
1.0±0.2
1.0±0.2
0.9±0.2
1.2±0.2
0.7±0.2
0.9±0.2
1.2±0.1
0.9±0.2
1.2±0.1
1.0±0.1
S
1.0±0.2
1.1±0.2
1.2±0.2
1.1±0.2
0.4±0.2
1.1±0.2
0.7±0.2
0.9±0.2
1.2±0.2
0.9±0.2
1.6±0.2
1.2±0.2
A
0.8±0.2
0.8±0.2
0.9±0.2
0.8±0.2
0.6±0.2
0.9±0.2
0.6±0.2
0.8±0.2
1.0±0.2
0.8±0.2
1.1±0.2
0.9±0.2
TREND PROGRESSIVI (˚C/100y)
Brunetti M, Maugeri M, Monti F, Nanni T. 2006. Temperature
and precipitation variability in Italy in the last two centuries
from homogenised instrumental time series.
Int. J. Climatol, 26, 345-381
Alcuni risultati: le precipitazioni
REGIONALIZZAZIONE
(Principal Component Analysis)
ANDAMENTI ANNUALE E STAGIONALE
Brunetti M, Maugeri M, Monti F, Nanni T. 2006. Temperature
and precipitation variability in Italy in the last two centuries
from homogenised instrumental time series.
Int. J. Climatol, 26, 345-381
W
S
Sp
A
Alcuni risultati: le precipitazioni
TREND (%/100y)
NW
NEN
PP
CE
SE
SO
ITA
Y
-
-
-
-(10±3)
-(8±5)
+
-(5±3)
W
-
+
+
-
-
+
-
Sp
-
-
-
-(20±5)
-
-
-(9±5)
S
-
-
+
-(13±8)
-
-
-
A
-
-
-
-
-
+
-
TREND PROGRESSIVI (%/100y)
Brunetti M, Maugeri M, Monti F, Nanni T. 2006.
Temperature and precipitation variability in Italy in the
last two centuries from homogenised instrumental time
series.
Int. J. Climatol, 26, 345-381
Intensità delle Precipitazioni Giornaliere
1
2
3
4
5
6
7
8
9
10
Bo
0.0
0.0
0.0
34.1
5.4
37.5
41.3
7.0
0.0
0.0
Fe
0.0
0.0
15.1
5.1
9.8
7.6
0.0
4.5
0.0
0.0
Ge
0.0
0.0
0.0
4.3
11.1
35.4
13.5
55.6
9.7
7.5
Mn
0.0
0.0
0.0
40.3
11.3
6.4
3.4
38.8
0.7
0.5
Mi
0.0
0.0
0.5
15.4
30.7
22.2
1.8
42.4
0.0
0.0
0.0 – 2.5
2.5-12.5
12.5-25.0
25.0-50.0
Serie da analizzare: rapporti tra precipitazioni
nelle varie classi e precipitazioni totali
Anno/stagioni/mesi
Scelta classi: esistono molte opzioni
>50.0
i pij
i p i
Classi di Precipitazioni
CUMULATIVE DISTRIBUTION
1.E+00
GAMMA DISTRIBUTION
1.E-01
1
1.E-02
0.9
1.E-03
0.8
1.E-04
0.7
0.6
1.E-05
0
10
20
30
40
50
60
70
mm
80
90
100
0.5
0.4
C1 0th-50th percentile
0.3
C2 50th-75th percentile
0.2
C3 75th-90th percentile
0.1
C4 90th-95th percentile
0
C5 95th-99th percentile
0
10
20
30
40
50
60
70
80
90
mm
C6 >99th percentile
C1
C2
C3
C4
C5
C6
100
Trend delle Classi di Precipitazioni (%/100y)
NW
%
Brunetti M, Maugeri M, Monti F, Nanni
T. 2004. Changes in daily precipitation
frequency and distribution in Italy over
the last 120 years.
Journal of Geophysical Research Atmosphere, 109, D05,
doi:10.1029/2003JD004296, 2004.
W
NEN
50
50
30
30
30
30
30
10
10
10
10
%
-10
%
-10
-30
-30
-30
-50
-50
-50
2
3
4
5
6
1
2
6
1
2
3
4
5
6
-30
-50
1
2
Category
3
4
5
6
1
50
50
50
30
30
30
30
10
10
10
10
%
%
-10
%
-10
-30
-30
-30
-50
-50
-50
-50
2
3
4
5
6
1
2
3
4
5
6
1
2
Category
3
4
5
%
-10
-30
6
2
3
4
5
6
1
50
50
50
30
30
30
10
10
10
10
%
-30
-30
-30
-50
-50
-50
-50
3
4
5
6
1
2
3
4
5
6
1
Category
50
30
10
%
-10
-30
-50
50
30
10
%
-10
-30
-50
2
3
4
5
6
4
6
5
6
10
-10
-30
-50
1
Category
50
30
10
%
-10
-30
-50
%
-10
-30
3
Category
30
2
2
Category
-10
5
-50
1
50
%
6
-30
Category
-10
5
10
30
%
4
-10
50
-10
3
Category
50
-10
2
Category
30
2
3
4
5
6
1
Category
50
30
10
%
-10
-30
-50
2
3
4
Category
50
30
10
%
-10
-30
-50
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
Category
Category
Category
Category
Category
50
50
30
10
%
-10
-30
-50
30
Y
5
Category
Category
%
4
10
-10
50
1
A
3
%
-10
-50
Category
S
%
-10
-30
1
%
SO
50
Category
Sp
CE
50
1
%
NES
50
10
-10
-30
-50
1
2
3
4
5
6
Category
Significance level > 99%
50
30
10
%
-10
-30
-50
50
30
10
%
-10
-30
-50
50
30
10
%
-10
-30
-50
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
Category
Category
Category
Category
Significance level > 95%
Significance level > 90%
… e per il futuro …
Migliorare (quantità e qualità) le serie disponibili per
(almeno) T, DTR, P (Tot, NGP), Pressione e Copertura
Passare da anomalie a valori assoluti e spazializzare ad
alta risoluzione
Integrare maggiormente con osservazioni attuali
Comprendere gli andamenti evidenziati alla luce di
modificazioni a scala più ampia
Integrare con dati con maggior risoluzione spaziotemporale  approccio lagrangiano vs euleriano
Studiare il ruolo delle forzanti