La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

YURI BRUGNARA Istituto di Scienze dellAtmosfera e del Clima (ISAC) Consiglio Nazionale delle Ricerche (CNR) (now at Institute of Geography - Oeschger Center.

Presentazioni simili


Presentazione sul tema: "YURI BRUGNARA Istituto di Scienze dellAtmosfera e del Clima (ISAC) Consiglio Nazionale delle Ricerche (CNR) (now at Institute of Geography - Oeschger Center."— Transcript della presentazione:

1 YURI BRUGNARA Istituto di Scienze dellAtmosfera e del Clima (ISAC) Consiglio Nazionale delle Ricerche (CNR) (now at Institute of Geography - Oeschger Center for Climate Change Research, University of Bern) Facoltà di Ingegneria - Università di Trento Mesiano, SEMINARIO

2 Un po di storia… Nel 1917 viene istituito in Italia il Servizio Idrografico Centrale, suddiviso in 10 compartimenti delimitati con criteri idrografici (bacini fluviali). La rete ha raggiunto una fase di massima espansione allinizio degli anni 30, con 400 unità di personale (la maggior parte laureati o diplomati). Già negli anni 50/60 il contingente era sceso a 300 unità per ridursi ulteriormente nel 1990 a 103 persone. Le stazioni pluviometriche, che nel 1930 erano 4300, sono scese negli anni 90 a 2850, e le misure delle portate fluviali sono scese da 450 a 130. In base al decreto legislativo n. 112, del 31 marzo 1998, gli uffici periferici del Dipartimento dei servizi tecnici nazionali – Servizio Idrografico e Mareografico sono stati trasferiti alle regioni ed incorporati nelle strutture operative regionali competenti in materia.

3 Oltre 300 serie di precipitazioni giornaliere per le Alpi centro-orientali, periodo

4 Come sono cambiate le precipitazioni? Cambiamenti nei valori stagionali? Cambiamenti nella distribuzione statistica degli accumuli giornalieri? Quali le cause? Aumento della temperatura? Cambiamenti nella circolazione atmosferica?

5 Source: IPCC AR4, WG I: The Physical Science Basis (2007) Substantial uncertainty remains in trends of hydrological variables because of large regional differences, gaps in spatial coverage and temporal limitations in the data.

6 Brunetti et al. (2006), Precipitation variability and changes in the greater Alpine region over the 1800–2003 period, Journal of Geophysical Research 111, D11107.

7 Le serie meteorologiche, specialmente quelle lunghe, sono quasi sempre affette da importanti errori sistematici Le cause sono da ricercarsi nelle modifiche alla strumentazione, allambiente circostante le stazioni, alle convenzioni di misura etc. Il segnale fisico che vogliamo studiare è quindi spesso nascosto da un segnale artificiale che va eliminato QUALITÀ DEI DATI

8 PRIMA…… Stazione meteo di Milano Linate ……E DOPO LA CURA!

9 30/05/ Esempio 9

10 Part IOMOGENEIZZAZIONE

11 Omogeneizzazione NO METADATA!

12 METODI INDIRETTI Omogeneizzazione Una certa serie di precipitazioni X(t) può essere rappresentata come il prodotto del suo valore normale N (media climatologica, ad esempio sul periodo ), delle anomalie A(t) (rapporto con la media in un dato istante) e della funzione IH(t) che rappresenta le eventuali disomogeneità presenti nella serie: X(t) = N A(t) IH(t)(t = 1, 2,..., n) Usando la stessa notazione, una serie di riferimento R(t) (ad esempio i dati misurati da una stazione vicina) può essere scritta come segue: R(t) = N A(t) IH(t)(t = 1, 2,..., n) Se la correlazione tra le due serie è sufficientemente alta, possiamo assumere che A(t) = A(t); inoltre se R(t) è omogenea avremo che IH(t) = 1.

13 METODI INDIRETTI Omogeneizzazione Il rapporto tra la serie sotto esame e la serie di riferimento sarà pertanto: Z(t) = X(t) / R(t) = (N / N) IH(t)(t = 1, 2,..., n) Se non ci sono disomogeneità nelle due serie (i.e., IH(t) = IH(t) = 1), idealmente Z(t) deve quindi risultare costante. Naturalmente nella realtà due serie non sono mai perfettamente correlate, quindi Z(t) avrà delle deviazioni casuali (rumore) dal valore costante. Se Z(t) si discosta troppo dal valore costante, la serie analizzata non è omogenea, cioè IH(t) 1. COSTANTE ?

14 CRADDOCK TEST Omogeneizzazione x: serie da testarey: serie di riferimento Deviazioni puntuali: Deviazioni cumulate: Il grafico delle deviazioni cumulate s i permette di individuare più facilmente eventuali punti di disomogeneità (break points)

15 Nessuna serie può essere assunta omogenea a priori… Per questo ogni serie è stata testata con 10 diverse serie di riferimento Omogeneizzazione ? ? ?

16 Non solo la quantità di precipitazioni, ma anche il numero di giorni piovosi può essere soggetto a disomogeneità Omogeneizzazione

17 Omogeneizzazione ESEMPIO: Prima dellomogeneizzazione Precipitazioni annuali (serie blu da omogeneizzare) Test di Craddock (10 serie di riferimento) 1963

18 Omogeneizzazione ESEMPIO: Dopo lomogeneizzazione Precipitazioni annuali Test di Craddock (10 serie di riferimento)

19 Omogeneizzazione Qualche statistica… 200 serie controllate di cui circa l80% presentava disomogeneità 350 breaks individuati nelle precipitazioni totali durata media di un periodo omogeneo: 33 anni 103 sottoperiodi eliminati a causa di disomogeneità nel numero di giorni piovosi

20 Part IIINTERPOLAZIONE

21 Interpolazione Il nostro approccio: 1.Selezione delle serie con meno del 25% di dati mancanti nel periodo di riferimento (127 serie) 2.Ricostruzione dei dati giornalieri mancanti nel periodo di riferimento 3.Conversione dei dati mensili e stagionali in anomalie (rapporti o differenze rispetto alla media nel periodo di riferimento) 4.Interpolazione su una griglia con risoluzione di 0.1° x 0.1° (periodo )

22 Interpolazione con dove è la separazione angolare tra la stazione i e quella j con vertice nel punto di griglia (x,y) (x,y) IL VALORE SU OGNI PUNTO DI GRIGLIA VIENE CALCOLATO COME MEDIA PESATA DEI VALORI DELLE SINGOLE STAZIONI PESI: PESO RADIALE PESO ANGOLARE i j m PESO TOTALE

23 Interpolazione

24 Interpolazione Variabili interpolate (mensili, stagionali, annuali): Precipitazioni totali (TP) Numero di giorni piovosi (WDs) Intensità media (PI) Numero di giorni piovosi appartenenti a 12 diverse categorie di intensità (NPC1, …, NPC10, NPC95, NPC99) Precipitazioni totali imputabili alle 12 categorie (PC1, …, PC10, PC95, PC99) NPC = Number of events PC = Absolute contribution (mm) (N)PC1: below 10th percentile (N)PC2: 10th ÷ 20th percentile (N)PC3: 20th ÷ 30th percentile (N)PC4: 30th ÷ 40th percentile (N)PC5: 40th ÷ 50th percentile (N)PC6: 50th ÷ 60th percentile (N)PC7: 60th ÷ 70th percentile (N)PC8: 70th ÷ 80th percentile (N)PC9: 80th ÷ 90th percentile (N)PC10: over 90th percentile (N)PC95: over 95th percentile (N)PC99: over 99th percentile

25 Part III ANALISI TREND

26 350 breaks corrected 103 sub-periods deleted TRENDS OF YEARLY TOTAL PRECIPITATION TRENDS OF YEARLY WET DAYS Analisi trend

27 Analisi trend

28 Analisi trend Precipitazioni totali Trend mensili

29 Analisi trend Giorni piovosiTrend mensili

30 Analisi trend Intensità mediaTrend mensili

31 Analisi trend EVENTI INTENSI

32 Analisi trend NPC10 – dettaglio stagionale

33 Part IVSINOTTICA

34 Sinottica Source: by Martin Visbeck

35 Sinottica Correlazione tra indice NAO e precipitazioni nel periodo

36 Sinottica Andamento indice NAO (Data Source: CGD's Climate Analysis Section)

37 Sinottica Source:

38 SInottica Aumento pressione nel bacino del Mediterraneo Spostamento verso nord della storm track Trend pressione a livello del mare dal dataset HadSLP2, periodo meno precipitazioni in T.A.A.

39 Sinottica Correlazione tra altezze di geopotenziale a 500 hPa e precipitazioni in T-AA dataset HadSLP2, periodo

40 SInottica Lista dei maggiori eventi precipitativi in Trentino dal 1921:

41 Brugnara Y., Brunetti M., Maugeri M., Nanni T., Simolo C., 2011, High-resolution analysis of daily precipitation trends in the central Alps over the last century, International Journal of Climatology, in press


Scaricare ppt "YURI BRUGNARA Istituto di Scienze dellAtmosfera e del Clima (ISAC) Consiglio Nazionale delle Ricerche (CNR) (now at Institute of Geography - Oeschger Center."

Presentazioni simili


Annunci Google