Uno studio del progetto europeo Horizon 2020 TiPES conferma che le grandi incertezze dei modelli climatici utilizzati nei rapporti IPCC potrebbero essere notevolmente ridotte dall'uso della meccanica statistica. La tecnica, che è stato considerato con scetticismo da alcuni esperti, porta a previsioni climatiche notevolmente migliorate e potrebbe anche aiutare a valutare i punti critici, gli autori concludono in Rapporti scientifici .

Una delle principali sfide nella previsione del clima è l'incertezza su come affronteremo il cambiamento climatico. Le simulazioni al computer devono essere eseguite più e più volte con scenari diversi che variano nel futuro sviluppo economico, quantità di gas climalteranti, il cambiamento nell'uso delle pratiche di uso del suolo, decisioni politiche, eccetera.

Ma i modelli climatici avanzati della classe IPCC richiedono molto tempo e funzionano su supercomputer con cui è costoso lavorare. Con ogni nuova generazione di modelli climatici viene presa in considerazione solo una selezione limitata di scenari.

La conseguenza sono grandi lacune nella nostra comprensione del sistema climatico perché i risultati di diversi scenari e modelli non possono essere facilmente confrontati. Ci sono molte domande senza risposta come quando e come si stabiliranno i punti di non ritorno? Esattamente quanto sarà una data quantità di CO ₂ aggiunti all'atmosfera influenzano la temperatura media globale nei giorni nostri e nei prossimi secoli?

Ora, Valerio Lucarini, Università di Lettura, Regno Unito e Valerio Lembo, Università di Amburgo, Germania e Francesco Ragone, École Normale Superieure, Lione, Documento di Francia in Rapporti scientifici che queste incertezze potrebbero essere ridotte considerevolmente. Scoprono che la qualità delle informazioni estratte dai modelli climatici avanzati migliora significativamente se sottoposta alla teoria della meccanica statistica.

"Quello che abbiamo fatto è mostrare che l'approccio è fattibile anche in un modello climatico della classe utilizzata per le proiezioni IPCC, " spiega Valerio Lucarini.

Il gruppo ha costruito i cosiddetti operatori di risposta matematica che traducono gli input sotto forma di scenari forzati in output sotto forma di segnali di cambiamento climatico. Il metodo è stato poi applicato alla nuova generazione di modelli climatici avanzati, denominato CMIP6.

I calcoli hanno previsto con precisione le variazioni della temperatura media globale e le correnti oceaniche su larga scala come la circolazione di ribaltamento meridionale dell'Atlantico e la corrente circumpolare antartica, dimostrando che il metodo funziona.

È la prima volta che questo approccio, che è estremamente teorico e utilizza proprietà matematiche e fisiche molto basilari, è stato applicato a un modello climatico complesso su larga scala con un oceano completamente interattivo.

"In linea di principio, gli strumenti che usiamo qui consentono di colmare il divario tra diversi scenari e di, diciamo, scomporre l'effetto di forzature diverse. Quindi è come una scatola nera. Tu mi dai un periodo di tempo e una quantità di forzatura e io ti do la risposta. In tempo reale. È un modo molto efficiente per utilizzare i dati e puoi sostanzialmente costruire uno scenario completo di forzatura per un dato modello, " spiega Lucarini.

"Molte persone credevano che questo non sarebbe stato fattibile per un modello della classe IPCC. Invece, abbiamo dimostrato che funziona. E proprio come è più facile prevedere il movimento statistico di miliardi di molecole che il movimento esatto di una, questo approccio in realtà funziona meglio quanto più complesso è il modello climatico, "dice Lucarini.

Teoricamente, ci si aspetta che l'approccio faciliti anche la valutazione dei punti critici. Il test della risposta del sistema in una varietà di scenari ora è più accessibile, il che significa che tali esperimenti possono scoprire dove il sistema è più sensibile in determinate direzioni per determinate forzature. Questa è esattamente la situazione quando ci avviciniamo a un punto di non ritorno.