Modelli di previsione del clima: stato dell’arte e incertezze · 2010-05-11 · • Migliorata la...

Carlo Cacciamani – [email protected]

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


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


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

• (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


Figure 13: Observed and modeled Arctic sea-ice extent


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


I modelli numerici di previsionedel tempo e del clima


Scale dei moti atmosferici

Anthes et al. (1975)

Resolved Scales

Global Models

Future Global Models

Cloud/Mesoscale/Turbulence Models

Cloud DropsMicrophysicsCHEMISTRY


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


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’


Parametrizzazioni: la convezione profonda

•Boundary Layer•Clouds

StratiformConvective

•Microphysics

GCMs, RCMs e Stat.Down.


Dalla scala globale a quella locale

Globale

Continentale Regionale

Locale


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.

http://www.ensembles-eu.org/

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

Modelli di previsione del clima: stato dell’arte e incertezze · 2010-05-11 · • Migliorata la...

Documents

Transcript of Modelli di previsione del clima: stato dell’arte e incertezze · 2010-05-11 · • Migliorata la...