Clima: come migliorare le previsioni?

(Ca’ Foscari) – Climatologi e statistici dell’Università Ca’ Foscari Venezia hanno elaborato un metodo per stimare in maniera accurata gli errori sistematici commessi dai sistemi di previsione climatica decennale. Si tratta di un risultato teorico che promette passi avanti nello sviluppo di previsioni climatiche a medio termine sempre più accurate. Il risultato è apparso  sulla prestigiosa rivista Scientific Reports, del gruppo Nature.

Le previsioni climatiche di medio termine, quelle cioè che scrutano l’evoluzione del clima nel corso del prossimo decennio, rappresentano una delle più interessanti frontiere della ricerca sul clima, anche per le loro possibili ripercussioni economiche, politiche e sociali.

I modelli usati negli attuali sistemi di previsione climatica decennale soffrono di errori sistematici in regioni chiave dell’oceano e dell’atmosfera, dovuti soprattutto alla loro imperfetta rappresentazione di processi fisici fondamentali. A causa di questi errori, cosiddetti bias, per alcune regioni il clima medio che il modello produce si discosta significativamente da quello osservato.

Un po’ come succede per le previsioni meteorologiche, questi modelli vengono inizializzati, ovvero usano dati osservati per far sì che l’evoluzione del clima simulato sia quanto più possibile vicina a quella del clima osservato, fino al presente. Per predire l’evoluzione del futuro, il modello viene poi “lasciato libero”.

Se durante la prima fase il modello è “costretto” a seguire le osservazioni, dal momento in cui esso viene “lasciato libero”, si discosta progressivamente dalla realtà per seguire un’evoluzione sua propria, tipica del modello specifico utilizzato. E’ come se vi fossero due mondi diversi, “paralleli”: realtà osservata e realtà simulata. Nel momento in cui il modello viene lasciato libero di evolversi, senza vincoli osservazionali, inizia il “transito” progressivo dalla prima alla seconda realtà (il drift del modello).

Finora, il drift veniva in genere identificato secondo definizioni molto semplici, tralasciando tra l’altro la stima dell’incertezza ad esso associata, e trattato come mero errore da correggere in qualche modo.

In questo studio, il drift viene invece considerato un processo statistico dotato di proprie dinamiche temporali. Ne vengono identificate diverse componenti fondamentali, tra cui tendenze di lungo termine e stagionalità. Infine, si determinano relazioni di causa-effetto tra drift e altri processi climatici.

L’articolo uscito oggi è a firma di Davide Zanchettin, Carlo Gaetan, Angelo Rubino e Maeregu Arisido del Dipartimento di Scienze Ambientali, Informatica e Statistica di Ca’ Foscari, che per questo studio si sono avvalsi della collaborazione di colleghi del Max Planck Institute di Amburgo, e del Bjerknes Centre for Climate Research e del Geophysical Institute dell’Università di Bergen, nell’ambito del progetto europeo PREFACE.

Il metodo proposto – basato su un modello dinamico lineare – è frutto delle sinergie tra i gruppi di ricerca in statistica, modellistica numerica e fisica del clima coordinati dai professori Gaetan e Rubino (work package leader nel progetto PREFACE).

“Si tratta di un’applicazione innovativa, nell’ambito della ricerca sul clima, di metodi statistici che avevano mostrato la loro validità in altri ambiti, ad esempio quello economico. Questo risultato è altresì uno stimolo affinché in Europa le comunità degli statistici e degli studiosi del clima continuino a dialogare e a trovare nuovi spunti di contaminazione, facendo propria una tendenza già in atto negli Stati Uniti”, afferma Davide Zanchettin.

“La nostra scommessa era quella di portare nel mondo delle previsioni climatiche decennali metodi statistici più sofisticati. L’abbiamo vinta grazie all’impegno, profuso nel DAIS, per trovare un “ponte fra due mondi” (quello della climatologia dinamica e quello della statistica) che spesso hanno parlato linguaggi diversi”, dichiara Angelo Rubino.

“PREFACE ha rappresentato un’opportunità ideale per mostrare come anche la teoria statistica più complessa non rappresenti un mero esercizio teorico, ma possa aiutare a rispondere a importanti quesiti proposti da discipline diverse”, conclude Carlo Gaetan.

Riferimenti: Structural decomposition of decadal climate prediction errors: A Bayesian approach; Davide Zanchettin, Carlo Gaetan, Maeregu Woldeyes Arisido, Kameswarrao Modali, Thomas Toniazzo, Noel Keenlyside & Angelo Rubino; Scientific Reports