Facoltà di Ingegneria - Università di Trento Mesiano, 30.05.2011 SEMINARIO 90 ANNI DI PRECIPITAZIONI IN TRENTINO – ALTO ADIGE: DALL’ OMOGENEIZZAZIONE ALL’ ANALISI DEI TREND YURI BRUGNARA Istituto di Scienze dell’Atmosfera e del Clima (ISAC) Consiglio Nazionale delle Ricerche (CNR) (now at Institute of Geography - Oeschger Center for Climate Change Research, University of Bern) brugnara@giub.unibe.ch

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 all’inizio 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. 30/05/2011 brugnara@giub.unibe.ch

Oltre 300 serie di precipitazioni giornaliere per le Alpi centro-orientali, periodo 1920 - 2009 30/05/2011 brugnara@giub.unibe.ch

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? 30/05/2011 brugnara@giub.unibe.ch

“Substantial uncertainty remains in trends of hydrological variables because of large regional differences, gaps in spatial coverage and temporal limitations in the data.” Source: IPCC AR4, WG I: The Physical Science Basis (2007) 30/05/2011 brugnara@giub.unibe.ch

Brunetti et al. (2006), “Precipitation variability and changes in the greater Alpine region over the 1800–2003 period”, Journal of Geophysical Research 111, D11107. 30/05/2011 brugnara@giub.unibe.ch

QUALITÀ DEI DATI Le serie meteorologiche, specialmente quelle lunghe, sono quasi sempre affette da importanti errori sistematici Le cause sono da ricercarsi nelle modifiche alla strumentazione, all’ambiente 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 30/05/2011 brugnara@giub.unibe.ch

Stazione meteo di Milano Linate PRIMA…… ……E DOPO LA CURA! 30/05/2011 brugnara@giub.unibe.ch

Esempio 30/05/2011 brugnara@giub.unibe.ch 9

Part I OMOGENEIZZAZIONE 30/05/2011 brugnara@giub.unibe.ch

Omogeneizzazione NO METADATA! 30/05/2011 brugnara@giub.unibe.ch

Omogeneizzazione METODI INDIRETTI Una certa serie di precipitazioni X(t) può essere rappresentata come il prodotto del suo valore “normale” N (media climatologica, ad esempio sul periodo 1961-1990), 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. 30/05/2011 brugnara@giub.unibe.ch

? Omogeneizzazione METODI INDIRETTI 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 ? 30/05/2011 brugnara@giub.unibe.ch

x: serie da testare y: serie di riferimento Omogeneizzazione CRADDOCK TEST x: serie da testare y: serie di riferimento Deviazioni puntuali: Deviazioni cumulate: Il grafico delle deviazioni cumulate si permette di individuare più facilmente eventuali punti di disomogeneità (break points) 30/05/2011 brugnara@giub.unibe.ch

Nessuna serie può essere assunta omogenea a priori… Omogeneizzazione ? Nessuna serie può essere assunta omogenea a priori… Per questo ogni serie è stata testata con 10 diverse serie di riferimento ? ? 30/05/2011 brugnara@giub.unibe.ch

Omogeneizzazione Non solo la quantità di precipitazioni, ma anche il numero di giorni piovosi può essere soggetto a disomogeneità 30/05/2011 brugnara@giub.unibe.ch

Omogeneizzazione ESEMPIO: Prima dell’omogeneizzazione Precipitazioni annuali (serie blu da omogeneizzare) 1963 Test di Craddock (10 serie di riferimento) 30/05/2011 brugnara@giub.unibe.ch

Omogeneizzazione ESEMPIO: Dopo l’omogeneizzazione Precipitazioni annuali Test di Craddock (10 serie di riferimento) 30/05/2011 brugnara@giub.unibe.ch

200 serie controllate di cui circa l’80% presentava disomogeneità Omogeneizzazione Qualche statistica… 200 serie controllate di cui circa l’80% 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 30/05/2011 brugnara@giub.unibe.ch

Part II INTERPOLAZIONE 30/05/2011 brugnara@giub.unibe.ch

Interpolazione Il nostro approccio: Selezione delle serie con meno del 25% di dati mancanti nel periodo di riferimento 1971-2000 (127 serie) Ricostruzione dei dati giornalieri mancanti nel periodo di riferimento Conversione dei dati mensili e stagionali in anomalie (rapporti o differenze rispetto alla media nel periodo di riferimento) Interpolazione su una griglia con risoluzione di 0.1° x 0.1° (periodo 1922-2009) 30/05/2011 brugnara@giub.unibe.ch

Interpolazione IL VALORE SU OGNI PUNTO DI GRIGLIA VIENE CALCOLATO COME MEDIA PESATA DEI VALORI DELLE SINGOLE STAZIONI PESI: con PESO RADIALE m PESO ANGOLARE (x,y) è la separazione angolare tra la stazione i e quella j con vertice nel punto di griglia (x,y) dove i PESO TOTALE j 30/05/2011 brugnara@giub.unibe.ch

Interpolazione 30/05/2011 brugnara@giub.unibe.ch

Interpolazione Variabili interpolate (mensili, stagionali, annuali): 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 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) 30/05/2011 brugnara@giub.unibe.ch

Part III ANALISI TREND 30/05/2011 brugnara@giub.unibe.ch

Analisi trend TRENDS OF YEARLY TOTAL PRECIPITATION 1922-2009 350 breaks corrected TRENDS OF YEARLY WET DAYS 1922-2009 103 sub-periods deleted 30/05/2011 brugnara@giub.unibe.ch

Analisi trend 30/05/2011 brugnara@giub.unibe.ch

Analisi trend Precipitazioni totali Trend mensili 30/05/2011 brugnara@giub.unibe.ch

Analisi trend Giorni piovosi Trend mensili 30/05/2011 brugnara@giub.unibe.ch

Analisi trend Intensità media Trend mensili 30/05/2011 brugnara@giub.unibe.ch

Analisi trend EVENTI INTENSI 30/05/2011 brugnara@giub.unibe.ch

NPC10 – dettaglio stagionale Analisi trend NPC10 – dettaglio stagionale 30/05/2011 brugnara@giub.unibe.ch

Part IV SINOTTICA 30/05/2011 brugnara@giub.unibe.ch

Sinottica 30/05/2011 brugnara@giub.unibe.ch Source: http://www.ldeo.columbia.edu/NAO by Martin Visbeck 30/05/2011 brugnara@giub.unibe.ch

Correlazione tra indice NAO e precipitazioni nel periodo 1922-2008 Sinottica Correlazione tra indice NAO e precipitazioni nel periodo 1922-2008 30/05/2011 brugnara@giub.unibe.ch

Andamento indice NAO (Data Source: CGD's Climate Analysis Section) Sinottica Andamento indice NAO (Data Source: CGD's Climate Analysis Section) 30/05/2011 brugnara@giub.unibe.ch

Sinottica 30/05/2011 brugnara@giub.unibe.ch Source: http://www.aoml.noaa.gov/phod/amo_faq.php 30/05/2011 brugnara@giub.unibe.ch

meno precipitazioni in T.A.A. meno precipitazioni in T.A.A. SInottica Aumento pressione nel bacino del Mediterraneo Spostamento verso nord della storm track meno precipitazioni in T.A.A. meno precipitazioni in T.A.A. Trend pressione a livello del mare dal dataset HadSLP2, periodo 1922-2008 30/05/2011 brugnara@giub.unibe.ch

Sinottica Correlazione tra altezze di geopotenziale a 500 hPa e precipitazioni in T-AA dataset HadSLP2, periodo 1949-2007 30/05/2011 brugnara@giub.unibe.ch

Lista dei maggiori eventi precipitativi in Trentino dal 1921: SInottica Lista dei maggiori eventi precipitativi in Trentino dal 1921: 30/05/2011 brugnara@giub.unibe.ch

brugnara@giub.unibe.ch http://www.isac.cnr.it/~climstor/index.html 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 http://www.isac.cnr.it/~climstor/index.html