Ad ottobre di quest'anno, i ricercatori meteorologici nello Utah hanno misurato la temperatura più bassa mai registrata nel mese di ottobre negli Stati Uniti (esclusa l'Alaska):-37,1 gradi C. Il precedente record di bassa temperatura per ottobre era di -35 gradi C, e la gente si è interrogata sulla relazione con il cambiamento climatico.
Fino ad ora, i ricercatori del clima hanno risposto che il clima non è la stessa cosa del tempo. Il clima è ciò che ci aspettiamo a lungo termine, considerando che il tempo si osserva a breve termine e poiché le condizioni meteorologiche locali sono molto variabili, può essere molto freddo in un luogo per un breve periodo nonostante il riscaldamento globale a lungo termine. In breve, la variabilità del clima locale maschera le tendenze a lungo termine del clima globale.
Un cambio di paradigma
Ora, però, un gruppo guidato dal professore dell'ETH Reto Knutti ha condotto una nuova analisi delle misurazioni e dei modelli di temperatura. Gli scienziati hanno concluso che il paradigma meteo-non-clima non è più applicabile in quella forma. Secondo i ricercatori, il segnale climatico, cioè la tendenza al riscaldamento a lungo termine, può effettivamente essere individuata nei dati meteorologici giornalieri, come la temperatura e l'umidità dell'aria superficiale, purché si tenga conto dei modelli spaziali globali.
Ciò significa che, nonostante il riscaldamento globale, potrebbe esserci una temperatura record in ottobre negli Stati Uniti. Se è contemporaneamente più caldo della media in altre regioni, però, questa deviazione è quasi completamente eliminata. "Scoprire il segnale del cambiamento climatico nelle condizioni meteorologiche quotidiane richiede una prospettiva globale, non regionale, "dice Sebastian Sippel, un postdoc che lavora nel gruppo di ricerca di Knutti e autore principale di uno studio recentemente pubblicato in Cambiamenti climatici naturali .
Le tecniche di apprendimento statistico estraggono la firma del cambiamento climatico
Per rilevare il segnale climatico nelle registrazioni meteorologiche giornaliere, Sippel e i suoi colleghi hanno utilizzato tecniche di apprendimento statistico per combinare simulazioni con modelli climatici e dati provenienti da stazioni di misurazione. Le tecniche di apprendimento statistico possono estrarre un'"impronta digitale" del cambiamento climatico dalla combinazione delle temperature di varie regioni e dal rapporto tra il riscaldamento atteso e la variabilità. Valutando sistematicamente le simulazioni del modello, possono identificare l'impronta digitale del clima nei dati di misurazione globali in un singolo giorno dalla primavera del 2012.
Un confronto della variabilità delle temperature medie giornaliere locali e globali mostra perché la prospettiva globale è importante. Considerando che le temperature medie giornaliere misurate localmente possono variare ampiamente (anche dopo che il ciclo stagionale è stato rimosso), i valori medi giornalieri globali mostrano un intervallo molto ristretto.
Se poi si confronta la distribuzione dei valori medi giornalieri globali dal 1951 al 1980 con quelli dal 2009 al 2018, le due distribuzioni (curve a campana) si sovrappongono appena. Il segnale climatico è quindi prominente nei valori globali ma oscurato nei valori locali, poiché la distribuzione dei valori medi giornalieri si sovrappone in modo abbastanza considerevole nei due periodi.
Applicazione al ciclo idrologico
I risultati potrebbero avere ampie implicazioni per la scienza del clima. "Il tempo a livello globale contiene importanti informazioni sul clima, " dice Knutti. "Questa informazione potrebbe, Per esempio, essere utilizzato per ulteriori studi che quantificano i cambiamenti nella probabilità di eventi meteorologici estremi, come le ondate di freddo regionali. Questi studi si basano su modelli di calcolo, e il nostro approccio potrebbe quindi fornire un contesto globale dell'impronta digitale del cambiamento climatico nelle osservazioni effettuate durante ondate di freddo regionali di questo tipo. Ciò dà origine a nuove opportunità per la comunicazione degli eventi meteorologici regionali sullo sfondo del riscaldamento globale".
Lo studio nasce da una collaborazione tra i ricercatori dell'ETH e il Swiss Data Science Center (SDSC), che l'ETH di Zurigo gestisce insieme alla sua università gemella EPFL. "L'attuale studio sottolinea quanto siano utili i metodi di data science per chiarire le questioni ambientali, e l'SDSC è di grande utilità in questo, " dice Knutti. I metodi della scienza dei dati non solo consentono ai ricercatori di dimostrare la forza dell'"impronta digitale" umana. mostrano anche dove nel mondo il cambiamento climatico è particolarmente chiaro e riconoscibile in una fase iniziale. Questo è molto importante nel ciclo idrologico, dove ci sono fluttuazioni naturali molto grandi di giorno in giorno e di anno in anno. "In futuro, dovremmo quindi essere in grado di individuare modelli e tendenze indotti dall'uomo in altri parametri di misurazione più complessi, come le precipitazioni, difficili da rilevare utilizzando le statistiche tradizionali, "dice il professore dell'ETH.
