C’era una volta a 500 e a 850 hPa …

Ave popolo di NIA.

In questo breve articolo  vorrei proporvi un analisi dell’andamento nel tempo della temperatura a 850 hpa e del geopotenziale a 500 hPa. Forse ricorderete il mio ultimo (e unico)  articolo pubblicato su NIA (http://daltonsminima.altervista.org/?p=21833), nel quale furono prese in esame le mappe di wetterzentrale.
Da quell’analisi emerse una distinta qualità di informazioni in esse racchiuse per anni pre e post 1950 (circa).
Riparto da quelle  mappe  per cercare di rispondere in primis  ad una curiosa domanda emersa in alcuni post proprio su questo blog: “ma un tempo, a parità di isoterma, faceva più fresco al suolo rispetto all’odierno ?”.
Se questa è la prima domanda, un’altra quasi naturalmente correlata è inerente all’andamento del geopotenziale.
Su questa faccenda probabilmente avrete già letto altri articoli, visto che già altri siti (es. Meteogiornale) hanno già trattato l’argomento.
Si intende che, data la sostanziale unica fonte dati a mia disposizione, l’operazione che mi accingo a sottoporre alla vostra attenzione risulta delicata.
Per questo, nell’intendo di ridurre l’aleatorietà, utilizzerò le sole mappe a partire dal 1950 e nel capitolo che segue vi propongo un’analisi della qualità del parco dati da cui discenderanno i capitoli successivi.
In verità il capitolo in questione (il numero 1), seppur a mio avviso di grande importanza, potrebbe risultare tedioso.
In virtù di ciò, sappiate che potrete passare ai capitoli successivi leggendo le  sole ultime quattro righe in esso riportate.

Chiudo questa  introduzione  ringraziando ancora una volta Riccardo per avermi pazientemente seguito come referee.

 

1) Caratteristiche  dei dati

Ritengo, come già sottolineato,  questo capitolo davvero importante, poiché, date le contenute variazioni dei due parametri atmosferici che andremo ad analizzare, viene qui dimostrato come i dati di base risultino  affidabili e stabili nel corso del tempo.
Capirete che ciò rappresenta una condizione chiave per la validità dell’intero castello d’argomentazioni proposto.
L’analisi del campione l’ho pensata per indici di posizione, dispersione e forma.
Di questi ne darò poi una mia interpretazione e spero cha altri contributi vengano proprio da voi.
Per annoiarvi il meno possibile proporrò una serie di grafici che meglio ci aiuteranno ad interpretare il tutto.
Senza dilungarmi oltre,  parto dagli indici di posizione.


Si evidenzia (senza sorpresa) che essendo la media, la moda e la mediana tra loro piuttosto coincidenti, le distribuzioni mensili possono essere rappresentate da una curva Gaussiana. Valutiamo ora l’asimmetria delle distribuzioni.

Mentre per la temperatura la simmetria è sostanzialmente ben conservata, per ciò che riguarda il geopotenziale si nota una moderata deriva verso sinistra.A questo punto vale la pena capire il grado di dispersione dei dati.

E’ innegabile che esiste un certo grado di dispersione. Specialmente nel campo termico. Ma valutiamo meglio il peso delle code.

In ambedue i casi (temperatura e geopotenziale) si tratta di distribuzioni tendenzialmente  platicurtiche, ossia con picco più arrotondato (rispetto alla distribuzione normale) e code non troppo significative. Con un ultimo sforzo valutiamo quanto la media tenda a rappresentare il campioni, ossia calcoliamo il coefficiente di variazione.

Dunque rimanendo sotto 0.5 in ambedue i casi (geopotenziale e temperatura) questa è ben rappresentativa del campione.
Per il geopotenziale possiamo dire che si tratta di una rappresentazione quasi perfetta. Per quanto sin qui visto, possiamo concludere, come appena detto,  che il dato medio è sufficentemente garante del campione da cui è ottenuto e che, nel corso degli anni, non è si evidenziano derive particolari nei dati.
Dunque stiamo parlando di un parco dati sostanzialmente “stabile”.
Teniamo bene a mente ciò che sin qui è stato messo in luce, poiché tornerà utile nelle prossime trattazioni.

 

2) Il geopotenziale

L’analisi del geopotenziale è stata piuttosto semplice.
Una volta recuperati i dati dalle mappe, ho dato vita al grafico che segue (valori medi annuali del periodo estivo) e da subito è emersa la tendenza all’umento nel corso degli anni.

Ma per rendere l’andamento ancor più di semplice lettura, ho aggregato i dati per decennio (dunque nel grafico, ad esempio, 1950 indica il periodo tra il 1950 e 1959).
Vengono inoltre evidenziati i valori medi ed anche le barre d’errore.

 

3) La temperatura

La trattazione di questo parametro è stata più complicata rispetto al geopotenziale.
Nel primo paragrafo abbiamo apprezzato  come, nel campo termico, la dispersione  fosse  presente e dunque i risultati hanno risentito di quel problema.
Inoltre la variabilità interannuale  non ha semplificato le cose, poiché ogni estate ha un po’ le sue caratteristiche.
Per cercare di dare un senso a questa ricerca, ho tentato di incrociare il parco d’informazioni a 850 hPa derivante da Telemappa, coi dati rilevati al suolo dall’Osservatorio Geofisico di Modena.
In buona sostanza, e con un po’ di pazienza, ho analizzato i mesi estivi ( dal 1950 al 2006) con analoga temperatura media  al suolo e di essi ho calcolato il valor medio dell’isoterma a 850 hpa (nonché il suo scarto quadratico medio).
Il compromesso tra intervallo termico considerato, in relazione  alla numerosità del campione, ha dato vita ad un insieme di 11 mesi nell’intervallo di temperatura media mensile al suolo  compreso tra 25.7 e 26.2 °C. Il risultato è il grafico che segue :

Non soddisfatto di quanto ottenuto, ho provato a battere un’altra strada.
Ho cercato di capire quale fosse lo scarto termico tra 850 hPa ed il suolo, selezionando i mesi estivi con medesima media rilevata (sempre al suolo).
La segmentazione delle temperature ( al suolo)  l’ho fatta  per decimo di grado  tra i 24.5 e i 29.4°C. Una volta ottenuti i valori sui singoli mesi, ne ho poi computato la media sulla decade in cui questi si presentavano (logica analoga a quella espressa per il geopotenziale; es. 1950 significa dal 1950 al 1959).
Il risultato può essere sintetizzatizato  nella tabellina e nel grafico seguenti.

 

Apparentemente questo risultato è più nitido rispetto al precedente, ossia alla valutazione diretta degli 850 hPa, ma in verità l’aumento di scarto termico non è sufficiente per fugare chiaramente il dubbio introdotto dalla dispersione presente a 850 hPa.

 

4) Conclusioni

Mentre sul geopotenziale ho pochi dubbi (e si potrebbe  tentare anche una grossolana quantificazione), per ciò che riguarda la temperatura il risultato rimane più  fumoso. Tuttavia la risposta alla domanda iniziale, ossia se a parità di isoterma a 850 hPa oggi faccia più caldo di un tempo, non inverosimilmente può essere affermativa. I motivi di questo aumentato scarto termico tra il suolo e 850 hPa possono essere svariati: tra questi ricordiamo il processo di urbanizzazione, l’aumento degli inquinanti gas serra (almeno nella loro frazione più  pesante), nonché l’incremento del geopotenziale a 500 hPa. Pur non essendo possibile definirne l’entità, è credibile che la frazione più significativa del riscaldamento supposto derivi proprio dall’aumento del geopotenziale. Pertanto, seppur con  l’incertezza del caso, è ragionevole supporre che tutto ciò ora acquisisca una sua oggettività, uscendo finalmente dal mondo delle favole.

 

Grazie per l’attenzione.


A.R.A. – Associazione Reggiana di Astronomia
www.astroara.org
Zambo – Settembre 2012

27 pensieri su “C’era una volta a 500 e a 850 hPa …

  1. 2 cose

    la prima è che non ho capito il perchè hai tirato fuori in CV
    la seconda è che dovresti semplicemente calcolare la differenza tra T al suolo e T media in quota e plottarlo, dopo di che hai varie possibilità
    una potrebbe essere quella di calcolare b1 e verificare che sia diverso da zero.

    in alternativa fai un test di uguaglianza della media (tanto possiamo supporre in una omoschedasticità) tra il trentennio 51-80 e quello 81-10

      (Quote)  (Reply)

  2. @Fabio Nintendo
    Ciao Fabio, si hai ragione. E’ un approfondimento che val la pena di certo fare.
    Con b1 ti riferisci agli estimatori BLUE ? Ho capito giusto ?

    Il coefficiente di variazione l’ho tirato in ballo, pur non avendo differenti unità di misura, poiché dalle mie riminscenze di statistica, come ho scritto, se sta sotto 0.5 la media è rappresentativa del campione, migliorando più ci si avvicina allo zero.

    Tieni presente che io non sono laureato in statistica e dunque se scrivo o ho scritto stupidaggini ti prego di segnalarmele.
    C’è sempre da imparare !

      (Quote)  (Reply)

  3. scusa Zambo, ho capito le motivazioni che adduci all’incremento di distanza tra le temperature ad 850Hpa e quelle al suolo, tra le quali c’è un incremento del geopotenziale.

    Ma non ho capito, invece, il perchè di un incremento della quota della superficie di 500hpa (sebbene davvero lieve), secondo te.

      (Quote)  (Reply)

  4. io penso che la causa di questo aumento di differenza tra suolo e altezza stia proprio nel geoptenziale più alto: a parità di hpa abbiamo una quota maggiore sia a 500 che a 850, perciò oltre a una maggiore distanza suolo-altezza c’è anche una maggiore subsidenza della colonna d’aria soprastante in periodi di alta pressione.

      (Quote)  (Reply)

  5. Ribadisco quanto detto in privato ad Andrea….questo è un pezzo molto significativo, in quanto ha il merito di limare ancor più i dubbi circa una questione ancora irrisolta….non è un caso che il tema in esame è stato trattato in più di un occasione sui principali siti meteo italiani…ma in nessun caso si era vista un analisi tanto precisa e pertanto credibile come questa….ed è bello vedere su NIA pezzi di tale spessore….

    circa le cause dell’incremento termico al suolo non sottovaluterei il processo di urbanizzazione….ovviamente Modena non è Roma, ma posso dirvi che tra il mio paese e Roma ci sono ben 6-7 gradi di differenza con soli 350m di quota in più……

      (Quote)  (Reply)

  6. Zambo :

    @Fabio Nintendo
    Ciao Fabio, si hai ragione. E’ un approfondimento che val la pena di certo fare.
    Con b1 ti riferisci agli estimatori BLUE ? Ho capito giusto ?

    Il coefficiente di variazione l’ho tirato in ballo, pur non avendo differenti unità di misura, poiché dalle mie riminscenze di statistica, come ho scritto, se sta sotto 0.5 la media è rappresentativa del campione, migliorando più ci si avvicina allo zero.

    Tieni presente che io non sono laureato in statistica e dunque se scrivo o ho scritto stupidaggini ti prego di segnalarmele.
    C’è sempre da imparare !

    io non l’ho mai sentita sta cosa del CV
    e poi misura semplicemente la variabilità del dato in senso assoluto e queste cose non c’entrano nulla con i campioni.
    il coeff di variazione è il rapporto tra dev standard e media.
    quindi mi chiedo proprio come hai fatto a calcolarlo per dati puntuali.
    secondo me hai fatto un’altra cosa.

    riguardo al BLUE, non ricordo cosa sti a significare, ma credo indichi la stima per massima verosimiglianza.
    b1 è il coefficiente di regressione

      (Quote)  (Reply)

  7. dario :

    io penso che la causa di questo aumento di differenza tra suolo e altezza stia proprio nel geoptenziale più alto: a parità di hpa abbiamo una quota maggiore sia a 500 che a 850, perciò oltre a una maggiore distanza suolo-altezza c’è anche una maggiore subsidenza della colonna d’aria soprastante in periodi di alta pressione.

    eh si
    è possibile che alla luce di una probabile correlazione tra T suolo e T quota ci sia di mezzo l’effetto confondente dei geopotenziali.
    andrebbe fatta un’analisi stratificata e poi un test sull’uguaglianza delle medie per strato.

    chiariamoci, roba che non si può fare per passione, bisogna prepara il dataset e andarci giù con R o Stata

      (Quote)  (Reply)

  8. @Fabio Nintendo
    Ciao Fabio,
    Il calcolo del CV l’ho fatto proprio calcolando il rapporto tra la deviazione standar del mese diviso la media dello stesso.
    Sul CV mi hai fatto venire un dubbiaccio e così ho cercato un po’ in internet.
    Non so… secondo sto Marcello Guidotti (http://www.galenotech.org) sta cosa del coefficiente di variazione pare possa essere na roba che ci sta: http://www.galenotech.org/medie2.htm

    Ma la possibilità che io non abbia capito una mazza è sempre la più probabile.

    Con l’acronimo BLUE intendevo “Best Linear Unbiased Estimator” e si, mi pare proprio si stia parlando della stessa mercanzia.

      (Quote)  (Reply)

  9. Ciao Dario e FabioDue.
    Credo (come scritto) che l’aumento del geopotenziale medio sia la chiave di lettura migliore per interpretare il (presunto) riscaldamento. Il motivo sta in ciò che dice Dario.
    Tuttavia l’articolo in questione vuol solo essere uno spunto di riflessione che parte da un set di dati derivato in quota e un unico set di dati al suolo.

    Dunque, seppur abbia cercato di minimizzare le possibilità di errori e derive, io non so più di quello che ho scritto, poiché non ho elementi ulteriori per deduzioni più specifiche.

      (Quote)  (Reply)

  10. Neve 0,1,2°C, forse 3°C, forse 4°C – pioggia poi a 5C°, ma poi dipende….. , quando il polo nord spinge nevica ovunque.
    Si sente eccome questo aumento…. forse nelle grandi città industrializzate. Nel mediterraneo. Consideriamo anche il fenomeno della neve chimica.
    Temperatura a suolo 1°C in più in città. Rispetto la provincia. Molte volte in passato con anomalie nelle isoterme positive, nel Polesine, ma anche nord est diciamo… Molte volte i primi di marzo specialmente…..
    Nevica in città a Ferrara quasi mista, acquosa… a metà strada verso Bologna piove per riprendere da Budrio il giù.. Col nevone a Bologna. Causa Appennino.
    Guardate (considerando l’articolo) la nevicata del marzo 2011, nell’emilia romagna

    http://www.meteogiornale.it/notizia/3297-1-una-famosa-bufera-di-neve-in-giugno
    Ondata di freddo del maggio 1490
    Ondata di freddo del giugno 1491, per logica poi …. non credo che le isoterme una volta, sul finire del medioevo, fossero diverse da oggi.

    Concludo che il fattore determinante sia la corrente a getto piuttosto

      (Quote)  (Reply)

  11. In effetti il CV è un indice che, come la deviazione standard, da una misura circa la dispersione dei dati, ma a differenza di essa è adimensionale….quindi, non avendo unità di misura differenti, lo stesso ragionamento poteva essere fatto con la deviazione…..però il ragionamento non è sbagliato, a limite Andrea ha fatto una cosa in più che poteva essere risparmiata….

      (Quote)  (Reply)

  12. Anch’io concordo che la cementificazione della Pianura Padana sia una causa determinante dell’aumento delle temperature medie estive.

    Per quanto riguarda i grafici, io avrei fatto una sorta di appendice in fondo all’articolo per spiegare come si è giunti alla conclusione, la quale invece dovrebbe essere messa giornalisticamente nel titolo. In questa maniera tutti ricevono il messaggio principale, mentre chi ha voglia di controllare come ci si è arrivati controlla il metodo esposto in appendice.

    La mia difficoltà di lettura di questo articolo sta proprio nel lessico. Per esempio (primo grafico) non so cosa sia “l’indice di posizione dell’isoterma 850hPa”.
    Secondo me era meglio dare un taglio più tutorial.

    Comunque le conclusioni rimangono davvero di spessore e condivisibili.

    Saluti
    Fano

      (Quote)  (Reply)

  13. @ Fabio Nintendo e anche agli altri
    Non se posso esserti d’aiuto…come dissi ad Andrea in privato questa analisi statistica gli avrebbe creato non pochi problemi…..non si capisce benissimo, ma quello che ha voluto fare andrea è semplicemente vedere se il valore medio del geop. per ogni stagione estiva fosse un dato accettabile….un altro al posto suo non si sarebbe fatto scrupoli e avrebbe lavorato subito con i valori medi di ciascuna stagione, senza curarsi di molto….lui invece ha considerato ogni estate come un campione di dati, come fosse una popolazione a parte, e per questo ha calcolato media, varianza ecc… per vedere semplicemente quanto fosse alta la deviaz. standard (e dunque la dispersione)…..però ripeto, una altro avrebbe preso le medie e lavorato su quelle senza farsi troppe pippe mentali……

      (Quote)  (Reply)

  14. Non c’è bisogno di spiegare che implicitamente il mio è un complimento alla precisione ed alla meticolosità di Andrea ed una critica nei confronti di tanti che la sparano senza approfondire le cose…..

    fano :
    Non sono pippe mentali dai…

      (Quote)  (Reply)

  15. Ciao,
    ringrazio tutti per i suggerimenti e dubbi proposti, che senza dubbio terrò presente per eventuali articoli futuri.
    Si, Riccardo (che ringrazio ancora una volta) mi aveva avvisato sulla parte statistica, ma vedevo difficile sostenere una tesi tanto delicata senza dimostrare la stabilità del campione.
    Ad ogni modo mi scuso per il mio modo di scrivere troppo asciutto.
    Anche in tal senso cercherò di far tesoro delle vostre indicazioni.

    Infine scusatemi sin da ora se oggi non riuscirò ad essere presente sul blog.
    Sarà una giornata piena.

      (Quote)  (Reply)

  16. Riccardo :

    @ Fabio Nintendo e anche agli altri
    Non se posso esserti d’aiuto…come dissi ad Andrea in privato questa analisi statistica gli avrebbe creato non pochi problemi…..non si capisce benissimo, ma quello che ha voluto fare andrea è semplicemente vedere se il valore medio del geop. per ogni stagione estiva fosse un dato accettabile….un altro al posto suo non si sarebbe fatto scrupoli e avrebbe lavorato subito con i valori medi di ciascuna stagione, senza curarsi di molto….lui invece ha considerato ogni estate come un campione di dati, come fosse una popolazione a parte, e per questo ha calcolato media, varianza ecc… per vedere semplicemente quanto fosse alta la deviaz. standard (e dunque la dispersione)…..però ripeto, una altro avrebbe preso le medie e lavorato su quelle senza farsi troppe pippe mentali……

    certo, lui giustamente ha applicato l’analisi di una serie storica considerando che il valore ad ogni intervallo T di tempo fosse una variabile aleatoria.
    che è il metodo corretto di analisi, solo che credo si possa tranquillamente utilizzare come ipotesi quella di omoschedasticità delle variabili (magari zambo potrebbe confermare la cosa)

    riguardo al CV, ho capito il senso.
    ma è praticamente lo stesso di calcolare la kurtosi, in pratica un CV > di 0.5 indicherebbe una forza grande nelle code e la possibilità di non avere una distribuzione gaussiana del dato

      (Quote)  (Reply)

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Immagine CAPTCHA

*

Aggiungi una immagine

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.