Post on 28-Jan-2020
Carlo Cacciamani – ccacciamani@arpa.emr.it
Modelli di previsione delclima: stato dell’arte
e incertezzeDott. Carlo Cacciamani
Servizio IdroMeteoClimaARPA EmiliaRomagna
.
3° CONVEGNO INTERNAZIONALE: Meteorologia e Climatologia: “Cambiamenti climatici, modelli di previsione e attività solare”
Studio delle cause dei cambiamenti climatici e ipotesi di scenari futuri 27 Febbraio 2010 - COMUNE DI ALLUMIERE Comunità Montana zona III Monti della Tolfa
Carlo Cacciamani – ccacciamani@arpa.emr.it
Schema della presentazione• Ringraziamenti
• Le osservazioni: Il sistema climatico globale, lo stato fisico osservato, le emissioni di gas serra, le temperature, le precipitazioni…
• Le previsioni: cosa sono i modelli numerici di previsione e i modelli del Clima (GCM, RCM e Stat.Down.). La validazione, gli scenari futuri e la stima dell’incertezza: qualche risultatoi dal progetto Ensemble
• Conclusioni
Carlo Cacciamani – ccacciamani@arpa.emr.it
Le osservazioni: Il sistema climatico globale, lo stato fisico osservato, le emissioni di gas
serra, le temperature, le precipitazioni…
curatore:A. Provenzaleautori:S. Corti, S. Decesari, F. Fierli, S. Fuzzi, A. Provenzale, C. Sabbioni, R. Santoleri, V. Vitale,contributi specifici e revisione del testo:S. Argentini, F. Barnaba, M. Baudena, F. Bignami,P. Bonasoni, B. Buongiorno Nardelli, A. Buzzi, F. Cairo,D. Cava, M. Cervino, R. Cesari, P. Cristofanelli, L. Di Liberto, M.C. Facchini, M. Fantini, G.P. Gobbi, J. von Hardenberg, A. Lanotte, G.L. Liberti, U. Magnea, P. Martano, P. Messina, M. Moriconi, E. Palazzi,M. Premuda, R. Purini, A.M. Sempreviva, F. Tampieri, T. Tirabassi, C. Tomasi, S. Trini Castelli, A. Viola, R. Viterbi
Settembre 2009
Qualche risultato dalla nostra ricercaItaliana sul clima(fonte: CNR-ISAC)
ConcentrazioniDi CO2In Italia(monte Cimone)
Tratto da: Clima, cambiamenti climatici globali e loro impatto sul territorio nazionale
Tratto da: Clima, cambiamenti climatici globali e loro impatto sul territorio nazionale
• (Top) Mean temperature change between 1950’s and 2000’s:
• (Bottom) Global average temperature change from 1850
http://www.copenhagendiagnosis.com/
• Figure 4: Global Temperature Change since 1980 from GISS data
http://www.copenhagendiagnosis.com/
Figure 13: Observed and modeled Arctic sea-ice extent
http://www.copenhagendiagnosis.com/
I trend osservati (ER-Italia-pianeta)
Anomalia di temperatura media annuale
Tmax annua -media su bacino PO
y = 0.0404x - 62.528
15
16
17
18
19
20
21
1961 1971 1981 1991 2001anni
Tmax
°C
Tmax_annua clima_Tmax_PO Lineare (Tmax_annua)
Tmax annua sul bacino del Po - 1961-2006
Trend: circa 2,5°C negli ultimi 30 anni, invece di 2°C in 45 anni
PIOGGE MEDIE ANNUALI SUL BACINO DEL PODAL 1975 AL 2006: 20% riduzione
Piogge medie annuali sul bacino del Po dal 1975 al 2006: riduzione del 15/20%
R2= 0.2576
0
500
1000
1500
2000
2500
3000
1974 1979 1984 1989 1994 1999 2004
anno
port
ata
med
ia p
erio
do e
stiv
o, m
3 /sec
Portate medie PO riduzione del 45-50%
Estate, Pontelagoscuro
Le previsioni: cosa sono i modelli numerici di previsione e i modelli del Clima (GCM, RCM e Stat.Down.). La validazione, gli
scenari futuri e la stima dell’incertezza: qualche risultatoi dal progetto Ensemble
Carlo Cacciamani – ccacciamani@arpa.emr.it
I modelli numerici di previsionedel tempo e del clima
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
Scale dei moti atmosferici
Anthes et al. (1975)
Resolved Scales
Global Models
Future Global Models
Cloud/Mesoscale/Turbulence Models
Cloud DropsMicrophysicsCHEMISTRY
Carlo Cacciamani – ccacciamani@arpa.emr.it
Parametrizzazioni fisiche
Le equazioni sono scritte per i valori medi delle grid box ma contengono anche dei termini (di perturbazione) che rappresentano fenomeni fisici che operano su scale spaziali minori della dimensione della box. Per poter chiudere le equazioni è necessario descrivere tali effetti “sub-grid” in termini delle grandezze medie. Questa è la “parametrizzazione”. Un esempio sono la descrizione dei flussi di energia turbolenti tra atmosfera e suolo (PBL)
Per esprimere tali processi non risolti esplicitamente in genere si usano degli schemi di chiusura empirici oppure si ricorre a chiusure di ordine superiore. Alcuni esempi:
- Convezione secca e umida- Nubi- Trasfer radiativo- Processi di scambio nel PBL planetario- Scambi di energia e di massa alla superficie- Processi di dissipazione in orizzontale e verticale
Carlo Cacciamani – ccacciamani@arpa.emr.it
Esempio di parametrizzazione fisica: i flussi nel PBL: chiusura della turbolenza
___ _δ(u’w’) δU--------- = K ------δz δz
_U
_U
_U
_U
_U
u’w’
__U = campo medio sulla BOXu’,v’ = perturbazione
_u = U+u’ valore in un punto
u’w’u’w’
Carlo Cacciamani – ccacciamani@arpa.emr.it
Parametrizzazioni: la convezione profonda
•Boundary Layer•Clouds
StratiformConvective
•Microphysics
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
Carlo Cacciamani – ccacciamani@arpa.emr.it
GCMs, RCMs e Stat.Down.
Carlo Cacciamani – ccacciamani@arpa.emr.it
Dalla scala globale a quella locale
Globale
Continentale Regionale
Locale
Carlo Cacciamani – ccacciamani@arpa.emr.it
2000 2005
Evoluzione dei GCMs
Fonte: IPCC
Validazione
Come validare i GCM (e RCM) ?• Confrontare la climatologia a lungo termine (es:
I valori medi e la variabiità)– Bilanci di Massa, energia, momento– Campi al suolo (Temp., Precip, …)
• Validare i modi dominanti di variabilità (es: AO, PNA, ecc..)
• Valutare la climate sensitivity cioè la risposta del sistema climatico ai forcing
• Valutare la affidabilità delle – Ciclicità (giornaliere, stagionali)– Variabilità inter-annuale e decadale– Occorrenza di anomalie (es: ENSO)
Riassunto dei principali risultati (da IPCC, 2007 – WG1/AR4)
• Miglioramenti nella simulazione di molti aspetti del clima attuale. Rimangono ancora degli errori sistematici
• Progressi rispetto a TAR nella simulazione di importanti modi di variabilità. Alcuni AOGCM sono in grado di simulare aspetti rilevanti di ENSO. Altre variabilità sono meno bene riprodotte (es: MJO)
• Migliorata la capacità dei AOGCM a simulare gli eventi estremi. Specialmente le onde di calore e i periodi freddi. La frequenza e i totali di precipitazione sono invece ancora un po’ sottostimati
• Migliorata la capacità di simulare i cicloni extratropicali. Alcuni modelli sono anche in grado di riprodurre abbastanza bene la frequenza osservata dei cicloni tropicali
(a)Temperature osservate sul mare (SST) e sulle terre emerse (isolinee) ed Errore medio delle diverse catene modellistiche (simulate meno osservate, campiture colorate.
(b)EQM calcolato su tutte le simulazioni dei AOGCM usati (23 MMD). Usate le temperature dell’Hadley Centre Sea Ice e la climatologia della Sea Surface Temperature (HadISST; Rayner et al., 2003) per il 1980-1999 e la climatologia da CRU (Jones et al., 1999) per le temperature sulle terre emerse nel periodo 1961-1990. Per i modelli si sono usati gli stessi periodi di 30 anni nelle simulazioni del 2omo secolo
TEMPERATURE
IPCC-2007
Precipitazione media annuale (cm), osservata (a) e simulata (b), media sugli ensemble di modelli. Dati di precipitazione osservata dal data set del Climate Prediction Center (CMAP; Xie and Arkin, 1997). E’ mostrata la climatologia base per il periodo 1980-1999 e I risultati modellistici sono mostrati per lo stesso periodo del 20mo secolo. In (a), le aree grigie indicano mancanza di dati
IPCC-2007Precipitazione
EQM delle simulazioni delle precipitazioni mensili, SLP, e Temp. Sup.Sono messi a confronto I più recenti AOGCMs (anni 2005) con i predecessori (anni 2000 e precedenti). I confronti sono effettuati con diversi data set: Climate Prediction Center per le Precipitazioni (CMAP; Xie and Arkin, 1997, 1980–1999); ECMWF ERA40 (Uppala et al., 2005) per SLP (1980–1999) e CRU (Jones et al., 1999) per le temperature superficiali (1961–1990). I campi osservati e simulati sono stati mappati in una griglia uniforme di 4° x 5° latitudine-longitudine. Confrontati sempre periodi analoghi di 30 o 20 anni.
Gli scenari futuri: IPCC 2007-WG1AR4,il progetto Ensembles e la valutazione dell’incertezza…
FP6 IP ENSEMBLES(contratto n. 505539)http://www.ensembles-eu.org
Scopo di ENSEMBLES: individuazione di metodi ottimali per un uso combinato di molte simulazioni prodotte da vari AOGCMs e RCMs finalizzati alla valutazione quantitativa, e statisticamente solida, dell’incertezza delle stesse. Lo sviluppo di tali nuovi sistemi di modellazione è basato sulle ultime e più aggiornate versioni dei modelli disponibili presso i maggiori centri di produzione in Europa. Ensembles ha visto la partecipazione di partner da 20 paesi in maggioranza europei, a cui si sono poi aggiunti altri 30 organizzazioni che non hanno usufruito di fondi comunitari.
ENSEMBLES results
SCENARI DI EMISSIONE DI CO2 USATI
ppm A1B
E1
B1
E1
A2
I risultati dei modelli regionali RCMs
Modelli Regionali (RCMs): Cambiamenti ditemperatura e stima dell’incertezza
Modelli Regionali (RCMs): Cambiamenti diprecipitazione e stima dell’incertezza
Simulazioni probabilistiche
• Simulazioni probabilistiche realizzate con Ensemble di GCMs di DT e Dprec in Europa – 1 esempio
Impatti (da Ensembles)
DISAGIO DA ONDE DI CALOREScenari di variazione dell’Heat Index Num.giorni HI >40.7 – Estate (JJA)
Aumenti considerevoli delle notti “calde” Anche più di 1 mese di notti calde nelle isole e lungo le costeLa variabilità tra i modelli è minore delle differenze: segnale robusto
NDAY
NOTTI CALDE Scenari di variazione del numero di notti calde con Tmin > 20°C (2021-2050 - 1960-1990)
Rischio di diminuzione di produzione di granoDiminuzione: produzione inferiore al 20mo percentile calcolato nel periodo 1990-2010
Scenari di cambiamento sul Nord Italia, in Emilia Romagna e alla scala locale facendo uso di tecniche di downscaling statistico (SD) applicate a diversi modelli globali
Attività svolta da ARPA-SIMC in EnsemblesScenario usato: A1B
Anomalie calcolate rispetto al clima di riferimento 1961-1990
B) Statistical Downscaling Model (SDM)
FUTURE SCENARIO Tmin,Tmax,pav
2021-2050&2071-2099
Canonical Correlation Analysis (CCA)
Multivariate Regression based
on CCA
LARGE SCALE
ERA40(Z500,MSLP,T850)
(1960-2002)
PREDICTORS
LOCAL SCALE
Tmin/Tmax/pav (1960-2002)
PREDICTAND
LARGE SCALE
AOGCM2021-2050&2071-2099
PREDICTORS
scenario (A1B)
Tomozeiu R., Cacciamani C., Pavan V., Morgillo A., and Busuioc A. (2007) Climate change scenarios for surface temperature in Emilia-Romagna (Italy) obtained using Statistical downscaling models.Theoretical and Applied Climatology, 90, 25-47
26 28 30 32 34 36 38
26 28 30 32 34 36 38
26 28 30 32 34 36 38
Dettaglio locale: cambiamento climaticoa Bologna
0.0
0.1
0.2
0.3
0.4
0.5
0.6
-4 -2 0 2 4 6 8 10
Cambiamento climatico-Bologna Tmin (°C)vari periodi
Pro
babi
lity D
ensi
ty F
unct
ion
bologna_2021-2050 bologna_2071-2099 bologna_1960_2007
0.0
0.1
0.2
0.3
0.4
0.5
0.6
-4 -2 0 2 4 6 8 10
Cambiamento climatico nella Tmax (°C)-Bolognavari periodi
Prob
abilit
y D
ensi
ty F
unct
ion
Bologna_2021-2050 Bologna_2071-2099 Bologna_1960_2007
Conclusioni• Sul fronte osservativo, sono evidenti dei segnali di cambiamento del clima,
presenti sia a scala globale che anche su aree limitate. Tali modifiche del clima, viste le accelerazioni rilevate negli ultimi 50 anni, sono in gran parte attribuibili ad aumenti rilevanti delle emissioni di gas serra, causate in gran parte dalle attività umane.
• I modelli di simulazione del clima, pur denotando ancora molte incertezze e diversità di affidabilità per le diverse grandezze simulate, hanno aumentato in media di molto il loro livello di qualità, come si evidenzia dalle validazioni effettuate sempre con dati osservati indipendenti.
• Su aree limitate il livello di predicibilità è più modesto di quanto non sia a scala globale. In ogni caso pero’ esistono aree del globo terrestre dove i margini di incertezza sono minori che in altre (il Mediterraneo è una di queste)
• Per quanto concerne le simulazioni di scenari futuri (al 2050 e 2100), sono ora disponibili, anche grazie a grandi progetti sviluppati in ambito comunitario (es: Ensembe), molte simulazioni parallele realizzate con un vasto spettro di catene modellistiche gloabli (AOGCM) e regionali (RCMs) e usate con scenari di emissione alternativi. Queste simulazioni permettono di costruire degli scenari probabilistici di grande interesse e che possono essere utilizzabili nelle catene a valle di valutazione di impatto, anche economici, del climate change.
• Le simulazioni di ensemble permettono inoltre di quantificare in maniera oggettiva il livello di incertezza degli scenari prodotti, dato questo di grande rilevanza per l’efficacia degli studi di impatto, propedeutici alla definizione di politiche di adattamento.
Grazie per l’attenzione