Passa al contenuto
Modello di organizzazione e di gestione 231

4 ottobre 2018

Variazioni della temperatura in Italia

 

estensione della base dati e aggiornamento della metodologia di calcolo

Variazioni della temperatura in Italia ISPRA 2018

variazioneIl Sistema nazionale per la raccolta, l’elaborazione e la diffusione di dati Climatologici di Interesse Ambientale (SCIA) assicura da diversi anni la disponibilità di dati, statistiche e indici climatici di qualità controllata, provenienti dalle principali reti osservative nazionali e regionali, con passo temporale decadale, mensile e annuale. Recentemente SCIA è stato arricchito con un dataset di serie di temperatura e precipitazione con passo giornaliero, realizzato integrando serie provenienti da fonti diverse.
Il Sistema nazionale per la raccolta, l’elaborazione e la diffusione di dati Climatologici di Interesse Ambientale (SCIA, www.scia.isprambiente.it) assicura da diversi anni la disponibilità di dati, statistiche e indici climatici di qualità controllata, provenienti dalle principali reti osservative nazionali e regionali, con passo temporale decadale, mensile e annuale (Desiato, 2007; Desiato et al., 2006; 2007; 2011). Recentemente il database del sistema SCIA è stato arricchito con un dataset nazionale di serie temporali di temperatura e precipitazione con passo giornaliero, realizzato integrando serie provenienti da fonti diverse (v. Cap. 2 – Dati). La realizzazione di un dataset nazionale, con una risoluzione spaziale e temporale più elevata rispetto ai dataset compilati per stimare le tendenze di lungo periodo su vasta scala (come quelli utilizzati nei report dell’Intergovernmental Panel on Climate Change), risponde alla crescente esigenza di studiare i cambiamenti climatici a scala regionale e locale, con particolare attenzione all’evoluzione degli estremi climatici (Thorne et al., 2011). Per quanto riguarda la risoluzione temporale, mentre molti aspetti del clima possono essere studiati sulla base dell’analisi dei dati mensili, è la disponibilità di serie giornaliere che consente l’analisi degli eventi estremi, ai quali è stata rivolta una grande attenzione nel corso degli ultimi anni per i potenziali impatti sull’ambiente e sulla salute (Heim, 2015; Thorne et al., 2011, Easterling et al., 2016). 
Inoltre, le serie giornaliere costituiscono un’importante risorsa per la validazione dei modelli climatologici (Alexander, 2016; Gettelman and Rood, 2016). 
L’obiettivo di questo rapporto è quello di descrivere la nuova base dati, utile alla stima delle variazioni di temperatura in Italia (sia dei valori medi che degli estremi) e il processo di omogeneizzazione delle serie giornaliere di temperatura, che è stato completamente rivisto ed aggiornato rispetto a quello adottato nei precedenti lavori (Desiato et al., 2012). 
Una serie omogenea è una serie la cui variabilità temporale dipende solo da fattori climatici (Peterson et al., 1998). Sebbene l’omogeneità delle serie climatiche sia un requisito fondamentale per la stima corretta delle tendenze in atto, nella realtà le serie di dati osservati di lungo periodo risultano più o meno affette da discontinuità artificiali dovute a cambiamenti delle condizioni di misura, quali lo spostamento della stazione osservativa, il cambiamento della strumentazione e nuove procedure di elaborazione dei dati (Klein Tank et al., 2009; Aguilar et al., 2003). 
Il problema dell’identificazione di eventuali disomogeneità artificiali e della loro correzione è ampiamente documentato in letteratura (v., fra gli altri, Peterson et al., 1998; Aguilar et al., 2003; Reeves et al., 2007; Beaulieu et al., 2008; Venema et al.; 2012). 
Qui preme invece sottolineare che nel corso degli ultimi venti anni sono stati messi a disposizione diversi software per l’omogeneizzazione automatica o semi-automatica delle serie climatiche e in particolare delle serie di temperatura. Questi software semplificano notevolmente il problema dell’omogeneizzazione, consentendo all’utilizzatore di concentrarsi più sull’aspetto tecnico (scelta delle serie da omogeneizzare, controlli di qualità, valutazione della completezza e continuità delle serie, analisi dei risultati) che sull’aspetto teorico (implementazione dell’algoritmo di omogeneizzazione). 
Tra i software più diffusi possono essere segnalati ACMANT (Domonkos et al., 2011), Climatol (Guijarro, 2014), HOMER (Mestre et al., 2013), MASH (Szentimrey, 1999), Rhtests (Wang et al., 2010) e USHCN (Menne and Williams, 2009). Una lista esaustiva dei software disponibili è riportata alla pagina web: www.climatol.eu/tthom/index.html. In questo lavoro, l’omogeneizzazione delle serie giornaliere di temperatura è stata effettuata utilizzando il software ACMANT (Adapted Caussinus-Mestre Algorithm for Networks of Temperature series), una metodologia inizialmente sviluppata nell’ambito dell’iniziativa europea COST Action ES0601 (HOME, Advances in Homogenisation Methods of Climate Series: An Integrated Approach) e sottoposta successivamente ad ulteriori miglioramenti (Domonkos e Coll, 2017).
MODI qualità ambiente sicurezza formazione modelli 231
 
Leggi altri articoli della categoria Generale
, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,