Ruth Mottram1＊
, Fredrik Boberg1
, Peter Langen1
, Shuting Yang1
,
Christian Rodehacke1
, Jens Hesselbjerg Christensen1
, Marianne Sloth Madsen1
Received 1 February 2017, accepted 9 February 2017
Il bilancio di massa superficiale (Surface Mass Balance, SMB) è, in pratica, il “conto economico” della calotta: quanto guadagna tramite accumulo nevoso e deposizione, e quanto perde tramite fusione, ruscellamento (runoff), sublimazione ed evaporazione, con un ruolo cruciale giocato anche dalla rifusione/ricongelamento nel firn (la neve compattata che funge da spugna stagionale e pluriennale). Quando lo SMB diventa persistentemente negativo, la calotta non solo perde massa in superficie, ma innesca anche risposte dinamiche (accelerazioni di flusso, variazioni di stress e scarico glaciale) che possono amplificare il contributo all’innalzamento del livello del mare; per questo lo SMB è una variabile “ponte” tra meteorologia, climatologia e modellistica glaciologica. L’IPCC, nel quadro AR6, colloca esplicitamente la diminuzione dello SMB (dominata dall’aumento della fusione) tra i driver principali della perdita di massa della Groenlandia nel clima recente e futuro, insieme ai processi dinamici di scarico ai margini.
Dentro questo contesto si inserisce il lavoro di Mottram e colleghi (2017), che presenta simulazioni ad alta risoluzione (5 km) dello SMB groenlandese con il modello climatico regionale (RCM) HIRHAM5, forzato sia da rianalisi (ERA-Interim) per il “presente” sia da un modello climatico globale (EC-Earth v2.3) per proiezioni future in scenari RCP4.5 e RCP8.5. L’idea scientifica è molto solida: un RCM, rispetto a un GCM, riesce a rappresentare meglio orografia, gradienti costieri, venti catabatici e la struttura spaziale dei flussi radiativi e turbolenti che controllano il bilancio energetico superficiale, cioè il vero motore della fusione. A 5 km si catturano meglio le transizioni tra zona di accumulo e zona di ablazione, e si riduce il rischio che effetti di scala “spalmino” la fusione in modo troppo uniforme. Tuttavia, lo studio è altrettanto chiaro nel sottolineare che, anche con un RCM raffinato, l’incertezza rimane elevata perché dipende sia dalle scelte di fisica/parametrizzazione (neve-firn, albedo, idrologia superficiale) sia soprattutto dai bias del modello globale che impone le condizioni al contorno per il futuro.
Un punto chiave, che vale la pena esplicitare bene perché è spesso frainteso nel dibattito divulgativo, è che i diversi RCM convergono sul segnale di fondo (SMB in calo negli ultimi decenni, guidato da fusione e runoff in crescita), ma divergono anche in modo sostanziale su “quanto” e “dove” perderà massa la calotta, soprattutto quando ci si sposta verso la fine secolo. Questo emerge già nelle intercomparazioni classiche tra RCM (HIRHAM5, MAR, RACMO2 e altri) forzati con set coerenti di boundary conditions: a parità di forcing, il bilancio superficiale può cambiare parecchio perché cambia la rappresentazione di nuvolosità, albedo, turbolenza, e soprattutto della catena fusione → percolazione → ricongelamento → runoff. Nel quadro più recente, lavori che confrontano direttamente modelli e componenti mostrano che la voce “runoff” è spesso quella che genera le differenze più grandi tra stime di SMB: a volte i modelli possono simulare quantità simili di fusione potenziale, ma differire nel destino dell’acqua di fusione (quanta viene trattenuta e ricongela nel firn e quanta invece defluisce).
Qui entra in gioco un secondo tema scientificamente delicato: la “capacità tampone” del firn non è costante nel tempo. Con il riscaldamento e l’aumento della frequenza di stagioni di fusione intense, il firn può perdere porosità utile e quindi capacità di immagazzinare e ricongelare l’acqua; quando questo accade, l’area di runoff tende ad espandersi verso quote più alte e l’efficienza con cui la fusione si traduce in perdita netta di massa aumenta. Studi recenti che valutano MAR e RACMO nelle zone di firn in transizione mostrano proprio quanto sia critica (e difficile) la modellazione di questi processi per spiegare l’espansione delle aree di runoff e le discrepanze con osservazioni da satellite e prodotti di superficie.
Mottram et al. (2017) aggiungono poi un messaggio metodologico che resta attualissimo: le proiezioni future di SMB soffrono di due “ciechi” strutturali. Il primo è l’eredità dei bias del GCM di forzante (temperatura, umidità, circolazione sinottica, trasporto di vapore, nuvolosità), che possono distorcere sia l’accumulo nevoso sia il bilancio energetico estivo. Il secondo è la mancanza di retroazioni pienamente accoppiate tra calotta e atmosfera/oceano: spesso si lavora con geometria fissa o con accoppiamenti parziali, mentre in realtà variazioni di quota, albedo, rugosità, estensione di neve stagionale e perfino i gradienti termici costieri possono modificare il clima regionale e quindi retroagire ulteriormente sullo SMB. L’IPCC discute esplicitamente l’importanza di queste interazioni e del fatto che la perdita di massa futura è dominata dall’aumento della fusione e dalla conseguente riduzione dello SMB, con ampia variabilità tra metodi e modelli.
Un terzo tassello, utile per “arricchire con studi”, è collegare lo SMB modellato ai bilanci osservativi integrati (input–output, gravimetria GRACE/GRACE-FO, sintesi tipo IMBIE). In pratica: lo SMB è una delle due grandi componenti del bilancio di massa totale (l’altra è lo scarico dinamico ai margini), e prodotti moderni combinano RCM per lo SMB con dataset di discharge per ricostruire serie storiche lunghe e monitoraggio quasi in tempo reale. Questo tipo di approccio evidenzia come, nel periodo recente, l’aumento del runoff estivo abbia spostato l’equilibrio verso perdite nette sempre più frequenti e intense, rendendo lo SMB un indicatore estremamente sensibile alle anomalie atmosferiche estive e ai pattern di trasporto di calore e umidità. Anche lavori focalizzati su eventi meteorologici specifici (ad esempio intrusioni di umidità e calore legate agli atmospheric rivers) mostrano quanto la dinamica sinottica possa generare picchi di fusione e contribuire a stagioni di forte perdita di massa, cioè “trasformare” un segnale climatico di fondo in estremi più impattanti.
Infine, per le prospettive future, è utile tenere insieme due idee che a volte sembrano in contraddizione ma non lo sono: (1) il riscaldamento tende ad aumentare anche le precipitazioni (quindi l’accumulo), perché un’atmosfera più calda può trasportare più vapore; (2) oltre certe soglie stagionali e regionali, l’aumento della fusione e la perdita di capacità di ritenzione/ricongelamento del firn fanno crescere il runoff in modo più che proporzionale, e quindi lo SMB peggiora comunque. È proprio questo braccio di ferro, modulato da circolazione atmosferica, nuvolosità e feedback radiativi, a spiegare perché le stime divergano tra modelli e perché, con forcing identico, si possano ottenere differenze fino a fattori importanti nelle proiezioni di SMB a fine secolo.
1. Introduzione
La calotta glaciale della Groenlandia è la seconda maggiore massa di ghiaccio continentale della Terra e, per dimensioni e volume, rappresenta uno dei principali “serbatoi” di possibile innalzamento del livello marino su scala secolare. Proprio per questo, il suo bilancio di massa è diventato una variabile chiave della climatologia osservativa moderna: l’insieme delle evidenze da telerilevamento (altimetria, interferometria, gravimetria GRACE/GRACE-FO) converge su una fase recente di perdita netta, con forte variabilità interannuale ma tendenza negativa robusta nel bilancio complessivo. Le ricostruzioni riconciliate che combinano più tecniche satellitari (approccio oggi tipico dei consorzi di sintesi come IMBIE) mostrano in modo chiaro come la perdita di massa della Groenlandia sia aumentata nel tempo e come il contributo al livello marino sia ormai un segnale climatico misurabile, non un dettaglio marginale.
All’interno del bilancio di massa totale della calotta, è fondamentale distinguere due “canali” fisici: (i) la componente superficiale, cioè il bilancio di massa superficiale (Surface Mass Balance, SMB), e (ii) la componente dinamica legata allo scarico di ghiaccio verso l’oceano tramite ghiacciai marini, che include calving e fusione sottomarina alle fronti. La letteratura sottolinea che lo SMB è spesso la componente dominante quando si considerano le variazioni climatiche recenti, perché integra direttamente termini positivi (accumulo nevoso) e negativi (fusione e runoff); tuttavia una frazione rilevante della perdita annuale è associata anche all’ablazione frontale dei ghiacciai marini, il che rende indispensabile un quadro “a due componenti” per interpretare correttamente le osservazioni.
Lo SMB, però, non è solo un “numero” utile a chi fa bilanci globali: è anche un forzante operativo per i modelli di dinamica di calotta. In molte catene modellistiche, lo SMB (o sue approssimazioni tipo temperature-index/degree-day) alimenta la risposta dinamica del ghiaccio e quindi condiziona proiezioni di contributo al livello del mare. Questo è il motivo per cui, negli ultimi quindici-vent’anni, la comunità scientifica ha investito tanto nei modelli climatici regionali (RCM) per la Groenlandia: rispetto ai GCM, gli RCM rappresentano meglio l’orografia e i gradienti costieri, e quindi i processi chiave che controllano la fusione, la fase delle precipitazioni e la distribuzione spaziale dell’accumulo. In pratica, migliorare lo SMB simulato significa migliorare sia la diagnosi del presente sia la credibilità delle proiezioni accoppiate con modelli glaciologici.
È in questo contesto che si colloca l’uso di HIRHAM5 ad alta risoluzione (5 km): la risoluzione fine consente di descrivere con maggiore realismo la stretta fascia di ablazione e molte geometrie marginali (piccoli ghiacciai di sbocco, calotte periferiche) che, pur occupando aree relativamente limitate, possono contribuire in modo non trascurabile alle perdite di massa complessive. Un aspetto metodologicamente importante è che, quando la griglia è più fine, si riduce la necessità di correzioni statistiche “a posteriori” legate all’elevazione e alla discretizzazione orografica, procedure che spesso vengono applicate quando si downscala lo SMB da risoluzioni più grossolane. L’esempio classico è l’approccio di downscaling ad alta risoluzione sviluppato per RACMO, che include correzioni per quota e altre componenti sistematiche per produrre prodotti giornalieri a 1 km: questo tipo di lavoro mostra bene quanto l’orografia e la rappresentazione della zona marginale siano determinanti per lo SMB.
La valutazione dei modelli in Groenlandia è però intrinsecamente “data-hungry”: non basta confrontare medie spaziali, serve verificare i processi nelle aree dove lo SMB cambia rapidamente nello spazio e nel tempo. Per questo hanno un valore enorme le compilazioni osservative georeferenziate di misure in situ (paline di ablazione, snow pits, carote di firn, AWS), che permettono controlli diretti soprattutto nella zona di ablazione, dove gli errori modellistici (ad esempio su albedo, copertura nuvolosa e turbolenza) si traducono immediatamente in bias sulla fusione e sul runoff. Dataset di riferimento come la raccolta di osservazioni di Machguth e colleghi sono diventati, di fatto, un banco di prova per molti prodotti SMB e per le versioni ad alta risoluzione dei modelli regionali.
Guardando al futuro, la sfida non è solo “aumentare la risoluzione”, ma gestire le due grandi sorgenti di incertezza che dominano le proiezioni di SMB: i bias dei modelli globali che forniscono le condizioni al contorno agli RCM, e le retroazioni che spesso vengono trascurate (o rappresentate in modo incompleto) tra superficie della calotta e clima regionale/globale. In termini fisici, il problema è che errori relativamente piccoli in temperatura, nuvolosità o trasporto di umidità del GCM possono produrre differenze notevoli su fusione estiva e precipitazione nevosa; inoltre, al crescere della fusione, cambiano albedo e proprietà del firn, con effetti non lineari sul passaggio da acqua trattenuta/ricongelata a runoff efficiente. Studi che analizzano queste transizioni mostrano come la perdita di “capacità tampone” del firn possa accelerare le perdite di massa, rendendo lo SMB sempre più sensibile agli estremi di fusione.
In sintesi, l’obiettivo di una modellistica SMB ad alta risoluzione (come nel caso di HIRHAM5 a 5 km) è duplice: da un lato, descrivere con realismo lo stato attuale della calotta e separare i contributi superficiali da quelli dinamici utilizzando in modo coerente osservazioni satellitari e in situ; dall’altro, produrre proiezioni future fisicamente credibili, in cui l’incertezza venga ricondotta a cause diagnosticabili (bias del forcing globale, rappresentazione di neve/firn, albedo, idrologia superficiale) e quindi potenzialmente riducibili. È questa la base necessaria per usare lo SMB come forzante robusto nei modelli di dinamica della calotta e, più in generale, per quantificare con maggiore affidabilità il contributo groenlandese all’innalzamento del livello del mare nel XXI secolo.
Tabella 1 – Confronto dei componenti del bilancio di massa superficiale (SMB) della calotta groenlandese in diversi modelli
I dati della Tabella 1 offrono una fotografia molto istruttiva di come tre modelli climatici regionali ampiamente utilizzati per la Groenlandia (HIRHAM5, RACMO e MAR) quantificano, per il “presente”, le principali componenti del bilancio di massa superficiale (Surface Mass Balance, SMB), espresse in Gt anno⁻¹: lo SMB medio annuo, la precipitazione media annua e il runoff medio annuo. Il primo messaggio, già esplicitato dagli autori e discusso in letteratura (Vernon et al., 2013), è metodologico: i numeri non sono perfettamente sovrapponibili perché cambiano periodi di riferimento, risoluzione, maschera di ghiaccio e schemi fisici (in particolare neve–firn–idrologia), e ciò può introdurre differenze sistematiche anche dell’ordine di centinaia di Gt anno⁻¹. In questa cornice, HIRHAM5 (periodo 1980–2014) restituisce uno SMB medio annuo di 360 ± 134 Gt anno⁻¹, con precipitazione 866 ± 70 Gt anno⁻¹ e runoff 446 ± 109 Gt anno⁻¹. RACMO (1991–2015) fornisce valori più contenuti: SMB 306 ± 120, precipitazione 712 ± 70 e runoff 363 ± 102 Gt anno⁻¹. MAR (1980–2015) si colloca, invece, su uno SMB più elevato, 480 ± 87 Gt anno⁻¹, a fronte di precipitazione 711 ± 61 Gt anno⁻¹ (praticamente sovrapponibile a RACMO entro le incertezze) ma con un runoff molto più basso, 220 ± 52 Gt anno⁻¹. Già questa semplice lettura numerica chiarisce dove “nasce” la divergenza tra modelli: non tanto nella precipitazione (che per RACMO e MAR è quasi identica), quanto nella quota di acqua che viene effettivamente evacuata come runoff, cioè nel modo in cui ciascun modello traduce la stagione di fusione in perdita netta di massa superficiale attraverso la catena fisica fusione → percolazione → trattenimento/ricongelamento nel firn → deflusso (Fettweis et al., 2016; van den Broeke et al., 2016). In altre parole, i tre modelli possono condividere una climatologia dell’accumulo relativamente simile, ma differire in modo marcato nel “destino” dell’acqua di fusione, e questo si riflette direttamente nello SMB.
La Tabella 1 va interpretata ricordando che lo SMB non è semplicemente “precipitazione meno runoff”: entrano anche sublimazione/evaporazione, deposizione, trasporto eolico della neve, e soprattutto la rifusione e il ricongelamento nel manto nevoso e nel firn, processi che possono temporaneamente compensare la fusione superficiale riducendo il runoff effettivo. Proprio qui si colloca una parte sostanziale delle differenze tra modelli: un runoff più basso, come quello di MAR (220 ± 52 Gt anno⁻¹), può derivare da (i) fusione complessivamente inferiore, ma anche da (ii) maggiore capacità del firn di trattenere e ricongelare l’acqua (o da una diversa parametrizzazione della conduttività idraulica e della saturazione irreducibile), che ritarda o riduce il deflusso. Al contrario, runoff più elevati, come in HIRHAM5 (446 ± 109) e RACMO (363 ± 102), implicano o una stagione di fusione più intensa e/o una conversione più efficiente della fusione in deflusso, coerente con rappresentazioni differenti dell’albedo, della copertura nuvolosa e dei flussi turbolenti che chiudono il bilancio energetico superficiale (Rae et al., 2012; Langen et al., 2015; Mottram et al., 2017). È importante anche notare l’ampiezza delle deviazioni standard riportate (ad esempio ±134 Gt anno⁻¹ per lo SMB di HIRHAM5): essa segnala una forte variabilità interannuale, in linea con quanto osservato nelle serie satellitari e nei prodotti di ricostruzione, dove anni di melt estremo possono spostare drasticamente i bilanci annuali rispetto alla media climatica, soprattutto tramite aumenti improvvisi di runoff.
Un elemento particolarmente utile della tabella è la colonna più a destra, che riporta, da Vernon et al. (2013), valori di SMB nel periodo 1960–2008 ottenuti confrontando RACMO e MAR con la stessa maschera di ghiaccio e gli stessi dati di forzante, pur mantenendo differenze di risoluzione. In quel set “armonizzato”, RACMO presenta 470 Gt anno⁻¹ mentre MAR 432 Gt anno⁻¹. Questo dettaglio è cruciale perché mostra che una parte delle differenze che vediamo nelle colonne principali non dipende solo dalla “fisica” intrinseca del modello, ma anche da scelte tecniche (maschera/area, periodo, forcing) e dal fatto che, quando si controllano alcune di queste variabili, l’ordine relativo tra modelli può cambiare. In pratica, la tabella suggerisce che confronti diretti tra stime di SMB hanno senso solo se si specificano chiaramente (e, quando possibile, si armonizzano) area di integrazione, periodo, forcing atmosferico e trattamento dei bordi della calotta: un punto ampiamente discusso nelle intercomparazioni tra RCM e nei lavori che valutano sensibilità a risoluzione e maschera glaciale (Vernon et al., 2013; Lucas-Picher et al., 2012).
Nel complesso, i dati della Tabella 1 convergono su un messaggio fisico-operativo: nel clima recente lo SMB medio annuo risulta ancora positivo in tutte e tre le stime riportate, ma la sua entità varia sensibilmente perché è altamente controllata dal runoff, cioè dalla componente più sensibile ai dettagli della rappresentazione dei processi di fusione e idrologia della neve/firn. Questo spiega perché, nella valutazione delle prestazioni modellistiche e soprattutto nelle proiezioni future, l’attenzione si sposti spesso su albedo, nuvolosità, flussi radiativi e capacità di ricongelamento del firn, oltre che sulla qualità del forcing ai bordi del dominio: piccoli bias in temperatura, umidità o radiazione possono produrre grandi differenze nella perdita netta attraverso runaway del runoff, con implicazioni dirette per il contributo groenlandese all’innalzamento del livello del mare e per l’uso dello SMB come forzante nei modelli dinamici di calotta (Church et al., 2013; Enderlin et al., 2014; van den Broeke et al., 2016).
2. Modello climatico regionale HIRHAM5
In questo studio viene impiegata la versione più recente del modello climatico regionale HIRHAM5 (Langen et al., 2017) su un dominio che include Groenlandia, Islanda e settori dell’Artico canadese (Figura 1), con l’obiettivo di rappresentare in modo coerente i principali controlli atmosferici e superficiali sul bilancio di massa superficiale (SMB) a scala regionale. HIRHAM5 è stato sviluppato presso il Danish Meteorological Institute a partire dall’eredità dinamica e numerica del modello di previsione HIRLAM (Christensen et al., 2006; Eerola, 2006) e dalla fisica/climatologia del modello globale ECHAM5 (Roeckner et al., 2003), configurazione che riflette un approccio consolidato nella modellistica polare: combinare una dinamica atmosferica robusta con schemi fisici in grado di gestire correttamente radiazione, turbolenza e microfisica delle nubi, tutti processi che in Groenlandia modulano direttamente il bilancio energetico di superficie e quindi la fusione. La griglia adottata è una rotated polar grid a 0,05° × 0,05° (circa 5 km), scelta che risponde a un’esigenza ben nota negli studi sullo SMB groenlandese: la zona di ablazione è spesso stretta e fortemente condizionata dall’orografia e dai gradienti costieri, per cui risoluzioni più grossolane tendono a “smussare” pendenze, quote e linee di equilibrio, con effetti sostanziali su melt e runoff; è la stessa logica che ha motivato, in parallelo, l’evoluzione ad alta risoluzione di altri RCM per la Groenlandia come MAR e RACMO (Lucas-Picher et al., 2012; Rae et al., 2012; Fettweis et al., 2016; van den Broeke et al., 2016). Le simulazioni del periodo recente sono eseguite come integrazione continua di 35 anni (1980–2014), forzando i bordi laterali con la rianalisi ERA-Interim ogni 6 ore (Dee et al., 2011): questa scelta è tipica degli esperimenti “hindcast” in ambito polare perché consente di vincolare il grande-scala sinottico e, al contempo, lasciare al modello la libertà di sviluppare internamente strutture meso-scala e risposte locali (ad esempio legate a venti catabatici, bande nuvolose costiere, avvezioni calde episodiche) che risultano determinanti per gli estremi di fusione. Al limite inferiore, le SST e la concentrazione del ghiaccio marino sono prescritte giornalmente tramite interpolazione dei campi ERA-Interim alla risoluzione del modello, mentre il forcing laterale utilizza un set limitato ma dinamicamente essenziale di variabili (temperatura, pressione, umidità relativa, vento), secondo una prassi che mira a imporre la circolazione di grande scala senza “sovrascrivere” l’evoluzione interna dei campi energetici e idrologici di superficie. La configurazione verticale comprende 31 livelli atmosferici e 5 livelli nel suolo (inclusi neve e ghiaccio), con passo temporale dinamico di 90 secondi, assetto progettato per mantenere stabilità numerica e coerenza energetica in un contesto dove i gradienti termici e di umidità vicino-superficie possono essere marcati, soprattutto in presenza di inversioni radiative e turbolenza intermittente.
Un tratto distintivo della catena modellistica adottata è l’uso, sui punti glaciali, di un modello di manto nevoso a 32 strati eseguito offline per calcolare lo SMB con una rappresentazione più dettagliata dei processi nel pacco neve-firn rispetto a quanto spesso disponibile “online” nei modelli atmosferici (Langen et al., 2017). Questa scelta risponde a un problema ben documentato: la variabilità dello SMB non dipende solo da quanto fonde, ma da quanta parte dell’acqua di fusione viene trattenuta e ricongela nel firn, e da come cambiano nel tempo densità, porosità, permeabilità e temperatura del sottosuolo nevoso. In Groenlandia, infatti, la capacità del firn di agire da serbatoio temporaneo può attenuare la perdita immediata di massa, ma può anche degradarsi con il riscaldamento e con eventi di melt ripetuti, favorendo la transizione verso runoff più efficiente e, in alcuni casi, la formazione di strutture come lenti di ghiaccio e acquiferi nel firn osservati in situ e da remote sensing (Buchardt et al., 2012; Machguth et al., 2016; Langen et al., 2017). Nella configurazione descritta, la topografia groenlandese è derivata da Bamber et al. (2001) e la maschera glaciale è aggiornata a partire dal prodotto di Citterio e Ahlstrøm (2013), con integrazioni per l’Islanda fornite dall’ufficio meteorologico islandese; questo dettaglio è tutt’altro che secondario perché la definizione dell’area glaciale e delle calotte periferiche influisce direttamente sui flussi integrati (Gt anno⁻¹) e sulla comparabilità inter-modello, come evidenziato in diverse analisi di sensitività in cui differenze di ice mask e risoluzione spiegano una quota non trascurabile della dispersione tra stime di SMB (Vernon et al., 2013; Noël et al., 2016). È inoltre esplicitato che, pur consentendo accumulo nevoso non limitato sui ghiacciai, l’elevazione della superficie della calotta resta fissa durante la simulazione: di conseguenza non vengono rappresentati feedback dinamici tra variazioni di SMB e quota/pendenza del ghiaccio, un aspetto importante perché, nel mondo reale, l’abbassamento della superficie può amplificare la fusione (feedback altimetrico) e modificare la precipitazione orografica; questo tipo di retroazione richiede accoppiamenti con modelli di dinamica di calotta che esulano dall’impostazione atmosferica stand-alone (Rignot et al., 2011; Shepherd et al., 2012).
Per le proiezioni future lo stesso set-up regionale viene “nidificato” all’interno del modello globale EC-Earth v2.3 (Hazeleger et al., 2012), eseguito a circa 125 km e forzato con emissioni storiche e scenari RCP4.5 e RCP8.5 nel quadro CMIP5 (Taylor et al., 2012). In questa modalità di downscaling, sia i bordi laterali sia le SST e la copertura di ghiaccio marino sono forniti dal GCM al RCM, così che l’evoluzione del grande-scala e del forcing oceanico-marginale sia coerente con lo scenario; al tempo stesso, è noto che parte dell’incertezza delle proiezioni di SMB deriva proprio dai bias del GCM nel rappresentare temperatura, umidità, nuvolosità e circolazione alle alte latitudini, che possono propagarsi nel RCM e condizionare sia l’accumulo sia il bilancio energetico estivo (Lucas-Picher et al., 2012; Vernon et al., 2013; Fettweis et al., 2016). Le simulazioni future sono impostate come “time slices” transitorie di 20 anni per la metà e la fine del XXI secolo sotto RCP4.5 e RCP8.5, affiancate da una simulazione di controllo (1991–2010) con emissioni storiche, usata per valutare la capacità del forcing EC-Earth di riprodurre il clima recente quando dinamicamente trasferito a scala regionale. Poiché l’inclusione del modello completo di neve-firn introduce memorie fisiche lente (temperatura in profondità, densificazione, evoluzione granulometrica e idrologica), prima delle integrazioni operative è eseguito uno spin-up: HIRHAM5 viene fatto girare per un anno, poi l’output atmosferico alimenta lo schema di superficie offline ripetuto più volte finché le medie decadali di runoff e temperature subsuperficiali cessano di mostrare transitori, condizione raggiunta dopo circa 70 anni di tempo simulato, in modo da avvicinare lo stato iniziale del firn a un equilibrio statistico con il clima di riferimento (Langen et al., 2017).
Il calcolo dello SMB, sintetizzato dagli autori a supporto dell’interpretazione dei risultati, segue una formulazione bilancistica in cui la precipitazione contribuisce positivamente e il runoff rappresenta il termine negativo dominante. Il runoff è diagnostico della fusione di neve e ghiaccio in superficie, ma viene modulato dai processi di ritenzione e ricongelamento nel pacco nevoso che sovrasta il ghiaccio glaciale: la pioggia su neve è trattata in modo analogo (percolazione e possibile rifreezing), mentre la pioggia su ghiaccio nudo è assunta defluire direttamente. Non è presente uno schema esplicito di routing del deflusso, per cui alcune trasformazioni idrologiche e la redistribuzione laterale dell’acqua non sono simulate in modo prognostico; tuttavia l’introduzione di un modello di firn più sofisticato amplia in modo sostanziale la fisica interna del manto, includendo densificazione, crescita dei grani, conducibilità idraulica dipendente dallo stato della neve, formazione di ghiaccio sovrapposto alla base del pacco su ghiaccio glaciale e la saturazione idrica irreducibile, concetto chiave nella letteratura nivologica perché controlla la frazione minima d’acqua trattenibile per capillarità e quindi la soglia oltre la quale l’acqua diventa mobile e può contribuire al runoff (Langen et al., 2017; Colbeck, 1974; Yamaguchi et al., 2010). La possibilità di trattenere acqua oltre la saturazione irreducibile, all’interno della struttura porosa del firn, permette inoltre la comparsa di elementi come acquiferi perenni e lenti di ghiaccio “perched” nel pacco nevoso, fenomeni che sono coerenti con quanto osservato in settori della Groenlandia dove l’aumento della fusione e la ripetizione di eventi pioggia-su-neve/condizioni di melt intenso hanno modificato in modo marcato l’idrologia del firn e la propensione al deflusso.Nel modulo di superficie di HIRHAM5 la produzione di fusione è determinata tramite uno schema di bilancio energetico “completo”, in cui la disponibilità di energia alla superficie deriva dalla radiazione solare assorbita (quindi dalla radiazione a onda corta entrante modulata dall’albedo), dallo scambio radiativo a onda lunga con l’atmosfera (radiazione entrante e uscente), e dai flussi turbolenti di calore sensibile e latente. In un ambiente glaciale la temperatura della pelle superficiale non può superare il punto di fusione: quando si raggiunge tale soglia, l’energia in eccesso viene convertita direttamente in acqua di fusione, secondo un’impostazione coerente con la modellistica glaciologica basata su bilancio energetico, ampiamente discussa in letteratura come approccio più fisicamente vincolato rispetto alle sole parametrizzazioni a indice termico, soprattutto quando si vogliono distinguere i ruoli relativi di radiazione, nubi e turbolenza nei periodi di melt intenso (Hock, 2005; van den Broeke et al., 2011). Nel modello, l’acqua liquida prodotta dalla fusione e quella dovuta a pioggia su ghiacciai vengono trattate come un’unica frazione liquida; se la superficie è coperta da neve, l’acqua percola verso gli strati inferiori in funzione di una soglia di saturazione irreducibile e può ricongelare nel manto se è presente sufficiente “contenuto freddo” negli strati sottostanti. Questa formulazione è cruciale perché la differenza tra acqua che ricongela nel firn e acqua che defluisce come runoff controlla una parte sostanziale della variabilità e delle discrepanze inter-modello nello SMB groenlandese, come mostrato da confronti fra RCM e da analisi dei processi neve–firn–runoff (Vernon et al., 2013; van den Broeke et al., 2016; Langen et al., 2017). La colonna subsuperficiale sui ghiacciai è rappresentata con 32 strati a spessore non uniforme, costituiti da neve, ghiaccio o una combinazione dei due a seconda dello spessore nevoso, ed è espressa in metri equivalenti d’acqua per rendere immediato il collegamento tra variazioni energetiche e variazioni di massa; al tempo stesso, diffusività e conducibilità termica differiscono tra acqua, neve e ghiaccio, permettendo di simulare in modo più realistico la propagazione del segnale termico e la possibilità di ricongelamento stratificato. Quando avvengono fusione o pioggia, l’acqua in eccesso rispetto alla saturazione irreducibile, definita come funzione della densità, viene trasferita allo strato sottostante; il ricongelamento viene invece limitato dal contenuto freddo disponibile, che quantifica quanta energia sia necessaria per portare ogni strato alla soglia di fusione e quindi quanta acqua possa congelare in quel volume poroso in un singolo passo temporale. Il trattamento energeticamente conservativo del ricongelamento, con contabilizzazione del calore latente rilasciato e aggiornamento coerente della temperatura di strato, è in linea con i vincoli termodinamici adottati nei modelli nivologici avanzati e con le evidenze osservazionali che mostrano come la ritenzione e il refreezing possano attenuare temporaneamente il runoff, salvo poi ridursi quando il firn si riscalda e si densifica (Colbeck, 1974; Yamaguchi et al., 2010; Buchardt et al., 2012; Machguth et al., 2016). La profondità dello schema subsuperficiale arriva a 60 metri equivalenti d’acqua: se lo spessore nevoso è inferiore, gli strati più profondi assumono proprietà di ghiaccio glaciale. In tali strati non è consentita percolazione di acqua (scelta che separa nettamente il comportamento idrologico del firn poroso da quello del ghiaccio compatto), mentre la diffusione del calore è sempre attiva lungo l’intera colonna; inoltre, l’afflusso di ghiaccio alla base della colonna è assegnato a una temperatura coerente con la media annua locale, in modo da stabilizzare il bilancio termico di fondo e limitare derive spurie su tempi lunghi, una scelta tipica nei modelli di superficie quando non si simula dinamicamente l’adduzione termica interna del ghiaccio.
Un punto particolarmente delicato, sottolineato anche dagli autori, riguarda l’albedo, riconosciuta come una delle principali sorgenti di incertezza nelle stime di SMB perché controlla direttamente l’assorbimento di radiazione solare e quindi la “leva” radiativa della fusione estiva (Box et al., 2012; Langen et al., 2017). Nelle simulazioni qui descritte viene impiegato uno schema di albedo calcolato internamente, e non un prodotto esterno vincolato da osservazioni satellitari (ad esempio MODIS), per mantenere coerenza fisica e metodologica tra periodo presente e proiezioni future, dove un forcing osservativo dell’albedo non è disponibile. In questo schema l’albedo della neve fredda è elevata e decresce linearmente man mano che la temperatura si avvicina alla fusione; l’albedo del ghiaccio nudo è invece fissata a un valore costante, con una transizione lineare quando un sottile strato nevoso ricopre il ghiaccio. Tuttavia, sia misure in situ (ad esempio le stazioni automatiche PROMICE) sia prodotti MODIS indicano che possono verificarsi valori inferiori a quelli assunti per il ghiaccio nudo, in particolare in presenza di superfici scurite, e valori più alti quando il ghiaccio è appena esposto e relativamente “pulito”, a testimonianza di una variabilità spaziale e temporale che è difficile comprimere in una parametrizzazione semplice (Stroeve et al., 2006; van As et al., 2016). La persistenza di bias d’albedo su porzioni della calotta, discussa in Langen et al. (2017), viene collegata anche a processi non rappresentati esplicitamente, come l’accumulo di polveri e soprattutto l’attività biologica superficiale che riduce l’albedo e amplifica la fusione: studi sul cosiddetto “darkening” biologico e sulla crioconite mostrano infatti che comunità microbiche, pigmenti e particolato mineralogico possono alterare in modo sostanziale l’assorbimento radiativo, rendendo questa componente una frontiera attiva di parametrizzazione nei modelli regionali (Stibal et al., 2015; Cook et al., 2020).
La bontà complessiva del modello è valutata in modo esteso in Langen et al. (2015, 2017) attraverso confronti con dati di stazioni meteorologiche, carote superficiali di firn e osservazioni storiche di SMB (Machguth et al., 2016), mostrando una buona riproduzione media di temperature dell’aria e tassi di accumulo. Restano però segnali di bias radiativi che suggeriscono una rappresentazione non ottimale della copertura nuvolosa o delle proprietà ottiche delle nubi, un punto cruciale in Groenlandia perché le nubi possono contemporaneamente ridurre la radiazione a onda corta e aumentare la radiazione a onda lunga verso la superficie, con effetti netti che dipendono dalla stagione, dal tipo di nube e dallo stato superficiale (Bennartz et al., 2013; Miller et al., 2015). Il modello inoltre fatica a riprodurre inversioni fredde profonde sulla calotta, e durante eventi estremi di fusione – come quello del 2012 – confronti con osservazioni indicano una possibile sottostima molto forte del flusso di calore sensibile in alcune località, con implicazioni dirette sul bilancio energetico superficiale e quindi sulla fusione simulata (Fausto et al., 2016). Sul fronte delle regioni periferiche, analisi su ghiacciai islandesi indicano buone prestazioni soprattutto per l’accumulo, ma mettono in evidenza una sovrastima delle precipitazioni sui versanti sopravvento e un possibile lieve deficit sottovento, comportamento coerente con limiti ben noti dei modelli idrostatici quando la precipitazione è trattata in modo fortemente diagnostico e l’orografia forza verticalità e condensazione su scale prossime o inferiori alla risoluzione effettiva del modello (Forbes et al., 2011).
Figura 1 – Dominio di calcolo, topografia e maschera glaciale nelle simulazioni HIRHAM5 per la Groenlandia
La Figura 1 sintetizza l’architettura spaziale su cui poggiano tutte le simulazioni HIRHAM5 dedicate allo studio del bilancio di massa superficiale (SMB) della Groenlandia, mostrando in un’unica tavola tre ingredienti che, in modellistica regionale polare, determinano in modo diretto la qualità delle stime: il dominio del modello, la topografiae la maschera di ghiaccio. Il riquadro inclinato rappresenta l’area computazionale effettiva del RCM, impostata su una griglia polare ruotata (rotated polar grid) e centrata in modo da includere non solo la Groenlandia, ma anche l’Islanda e porzioni dell’Artico canadese. Questa scelta non è un dettaglio grafico: in un modello regionale le condizioni al contorno laterali vincolano la circolazione a grande scala, ma la fisica e la dinamica interne devono poter sviluppare in modo credibile i processi meso-scala che modulano lo SMB. Disporre di un dominio sufficientemente ampio consente ai sistemi ciclonici nord-atlantici, alle avvezioni meridionali di aria calda e umida e alle strutture frontali di “maturare” prima di interagire con l’orografia groenlandese, riducendo il rischio che la risposta del modello sulla calotta sia un artefatto di bordi troppo vicini. Questo aspetto è particolarmente rilevante per gli episodi di fusione estrema, spesso associati a trasporti anomali di calore e vapore verso la Groenlandia e a configurazioni sinottiche persistenti, fenomenologia discussa ampiamente nella letteratura sul ruolo delle intrusioni umide e dei cosiddetti atmospheric rivers nel bilancio energetico e radiativo della superficie glaciale (ad esempio Bennartz et al., 2013).
Sovrapposte alla Groenlandia si osservano le curve di livello che descrivono la topografia adottata dal modello (derivata da Bamber et al., 2001, come indicato nel testo dell’articolo), con la tipica geometria “a cupola” della calotta: quote massime nell’interno e pendenze più marcate verso i margini. Dal punto di vista fisico, questa informazione è centrale perché la topografia governa simultaneamente il gradiente termico verticale, la struttura dello strato limite atmosferico sopra il ghiaccio, l’intensità e l’organizzazione dei venti catabatici e la distribuzione della precipitazione orografica. In Groenlandia, infatti, la separazione tra zona di accumulo (interno, alte quote) e zona di ablazione (fasce costiere più basse) è fortemente controllata dalla quota e dalla distanza dal mare: basta una rappresentazione orografica troppo smussata per spostare la linea di equilibrio altitudinale e alterare in modo significativo sia la fusione sia il runoff integrati su area. Proprio per questo, nella pratica degli RCM groenlandesi si insiste sul valore della risoluzione elevata e sulla necessità di limitare correzioni statistiche ex-post legate all’elevazione: lavori che downscalano lo SMB o che confrontano prodotti ad alta risoluzione mostrano come errori sistematici di quota e di pendenza possano tradursi in bias marcati nella fascia di ablazione, dove i gradienti spaziali sono massimi (Noël et al., 2016; Vernon et al., 2013).
Il terzo elemento chiave mostrato dalla Figura 1 è la maschera glaciale (ice mask), cioè la delimitazione delle celle di griglia trattate come ghiaccio permanente e quindi sottoposte allo schema neve–firn–ghiaccio impiegato per il calcolo dello SMB. La maschera non è un semplice contorno cartografico: è una scelta numerica che determina quali superfici “contano” nel bilancio integrato in Gt anno⁻¹ e quali processi vengono attivati localmente (accumulo, fusione, ritenzione e ricongelamento nel firn, runoff). Il lavoro esplicita che, rispetto a configurazioni precedenti, l’ice mask è aggiornata utilizzando il dataset di Citterio e Ahlstrøm (2013), con integrazioni per l’Islanda fornite dall’ente meteorologico islandese; questa scelta è coerente con l’esigenza, sottolineata nelle intercomparazioni tra modelli regionali, di ridurre le differenze “non fisiche” tra stime dovute a maschere diverse o a definizioni differenti dell’area glaciale. Vernon et al. (2013), richiamato anche nella discussione della Tabella 1, mostra infatti che la comparabilità tra modelli (ad esempio MAR e RACMO) migliora sensibilmente quando forcing e ice mask vengono armonizzati, perché parte della dispersione tra SMB stimati è spiegata proprio da differenze nella superficie integrata e nel trattamento delle aree periferiche.
La Figura 1 aiuta anche a cogliere un punto operativo spesso sottovalutato: la fascia marginale groenlandese ospita numerosi ghiacciai di sbocco e calotte periferiche, elementi che occupano porzioni relativamente piccole della superficie totale ma possono contribuire in modo non trascurabile alle perdite di massa e, soprattutto, amplificano la sensibilità del bilancio a errori di risoluzione e di maschera. Per questo l’adozione di una maschera più realistica e di una griglia fine è strettamente legata alla capacità del modello di rappresentare correttamente la stretta zona di ablazione senza dover ricorrere a correzioni altimetriche statistiche, come spesso avviene in prodotti derivati o in approcci di downscaling (Noël et al., 2016). In parallelo, l’inclusione nel dominio di regioni come l’Islanda (pur non essendo l’obiettivo principale) è utile per testare la robustezza della fisica del modello su ghiacciai più piccoli e fortemente orografici, un aspetto affrontato negli studi di valutazione delle prestazioni di HIRHAM5 e nella letteratura sull’errore tipico dei modelli idrostatici nella precipitazione forzata orograficamente (Langen et al., 2015; Langen et al., 2017; Forbes et al., 2011).
In definitiva, la Figura 1 non “introduce” soltanto dove gira HIRHAM5: rende visibile la catena causale che collega geometria del dominio, orografia e definizione della superficie glaciale ai termini fondamentali dello SMB. In un sistema come la Groenlandia, dove lo SMB nasce dall’interazione tra circolazione sinottica, scambi radiativi e turbolenti, e processi neve–firn che determinano quanta acqua di fusione ricongela e quanta defluisce, le scelte mostrate in figura (dominio ampio, topografia coerente, maschera aggiornata) sono parte integrante del risultato numerico, non un semplice dettaglio tecnico (Bamber et al., 2001; Citterio e Ahlstrøm, 2013; Vernon et al., 2013; Langen et al., 2015, 2017).
La Figura 2 mette a confronto, punto per punto, i valori di SMB osservati ricavati da carote superficiali (shallow cores) compilate da Buchardt et al. (2012) con i corrispondenti valori simulati da HIRHAM5 in due catene di forzante differenti: la simulazione “presente” vincolata dalla rianalisi ERA-Interim (1980–2014) e una simulazione di controllo storica in cui HIRHAM5 è alimentato ai bordi laterali dal GCM EC-Earth (1991–2010). Sull’asse delle ascisse compare l’accumulo osservato (in metri equivalenti di ghiaccio/acqua per anno), mentre sull’asse delle ordinate è riportato lo SMB modellato nelle stesse unità; ogni simbolo rappresenta un sito (o un gruppo di siti) campionato dalle carote. La scelta di questa metrica è metodologicamente coerente con il fatto che le carote superficiali sono tipicamente localizzate nella zona di accumulo, dove il runoff è nullo o episodico e lo SMB è, in prima approssimazione, dominato dalla componente positiva (precipitazione/accumulo) più i termini di rielaborazione locale (ridistribuzione eolica, sublimazione superficiale, metamorfismo del firn). In questo regime, validare lo SMB modellato rispetto alle carote significa testare in modo relativamente “pulito” la capacità del modello di riprodurre la climatologia dell’accumulo alle alte quote, cioè il prodotto integrato di traiettorie cicloniche, trasporto di umidità, microfisica delle nubi e interazione con l’orografia groenlandese; è lo stesso tipo di verifica che nelle valutazioni dei RCM (HIRHAM5, MAR, RACMO) viene spesso usata per separare le incertezze legate alla precipitazione/accumulo da quelle legate alla fusione e all’idrologia del firn, che dominano invece nella fascia di ablazione (Lucas-Picher et al., 2012; Rae et al., 2012; Fettweis et al., 2016; van den Broeke et al., 2016; Langen et al., 2015, 2017).
L’informazione più immediata della figura è l’elevata coerenza statistica tra osservazioni e simulazioni: entrambe le regressioni lineari mostrano coefficienti di determinazione molto alti (R² circa 0,90), indicando che HIRHAM5 cattura bene la variabilità spaziale dell’accumulo/SMB nel set di siti delle carote. In altre parole, quando l’accumulo osservato aumenta da valori bassi (~0,15–0,25 m i.e. anno⁻¹) a valori più elevati (~0,8–1,1 m i.e. anno⁻¹), il modello risponde con un incremento quasi proporzionale dello SMB simulato. Questo è un risultato rilevante perché, in Groenlandia, la distribuzione dell’accumulo è fortemente strutturata da gradienti regionali (massimi spesso associati a settori esposti alle traiettorie cicloniche e alle risalite umide nord-atlantiche, minimi nell’interno più secco), e riprodurre questa struttura richiede che il modello rappresenti in modo credibile sia il forcing sinottico ai bordi sia la produzione di precipitazione all’interno del dominio, inclusi gli effetti orografici e la fase della precipitazione (neve/pioggia) alle diverse quote. La somiglianza tra le due regressioni è particolarmente informativa: la retta relativa a ERA-Interim ha pendenza ~0,851 e intercetta prossima a zero, mentre la retta relativa alla catena storica EC-Earth ha pendenza ~0,818 con intercetta leggermente più negativa. Il fatto che pendenze e R² siano così vicini suggerisce che, almeno per il periodo storico considerato, EC-Earth fornisce condizioni al contorno in grado di sostenere un downscaling regionale realistico dell’accumulo nelle zone alte, requisito fondamentale quando si intende usare la stessa catena modellistica per proiezioni future (Taylor et al., 2012; Hazeleger et al., 2012; Langen et al., 2017).
La pendenza inferiore a 1 in entrambe le regressioni ha un’interpretazione fisica precisa: il modello tende a sottostimare la variabilità “in ampiezza” alle alte accumulazioni, cioè i siti con valori osservati più elevati risultano mediamente simulati con valori un po’ più bassi rispetto alla linea 1:1. Questo tipo di segnale è compatibile con diversi meccanismi noti nella modellistica polare: (i) una possibile attenuazione della precipitazione nelle regioni ad accumulo elevato a causa di limitazioni nella microfisica o nella rappresentazione delle nubi stratiformi e miste; (ii) una rappresentazione non perfetta delle precipitazioni orografiche, che nei modelli idrostatici può manifestarsi come sovrastima sopravento e deficit sottovento, oppure come “smearing” spaziale dei massimi quando l’orografia effettiva è più complessa della griglia (Forbes et al., 2011; Schmidt et al., sottomesso, come richiamato nel testo dell’articolo); (iii) differenze di scala tra un punto di carota (che integra processi locali, inclusa la ridistribuzione eolica della neve) e una cella modellistica di alcuni chilometri, che produce inevitabilmente mismatch nei siti con forte variabilità sub-grid. Anche l’intercetta leggermente negativa della regressione EC-Earth è coerente con un piccolo bias “secco” medio o con una sottorappresentazione dell’accumulo di base nei siti a bassa accumulazione, effetto che può derivare sia da bias del GCM nel contenuto di umidità e nella circolazione ai margini del dominio, sia da differenze nel bilancio radiativo/termico che influenzano la fase e l’efficienza precipitativa nelle stagioni fredde (Dee et al., 2011; Vernon et al., 2013; Langen et al., 2015, 2017).
La dispersione dei punti attorno alle rette, pur contenuta, è scientificamente informativa perché richiama i limiti intrinseci sia delle osservazioni sia della modellistica. Dal lato osservativo, le stime da carote superficiali risentono della variabilità interannuale e della rappresentatività temporale del campione, oltre che di processi di wind scouring e deposizione preferenziale che possono decouplare l’accumulo locale dalla precipitazione sinottica “netta”; inoltre, la trasformazione da stratigrafia e densità a metri equivalenti introduce incertezze legate alla densificazione del firn e alla possibile presenza di strati di ghiaccio da melt/ricongelamento. Dal lato modellistico, anche quando lo SMB nella zona di accumulo è dominato dall’accumulo, restano importanti i dettagli di fisica della neve e del firn (densificazione, metamorfismo, scambi di vapore) e, soprattutto, la qualità del bilancio radiativo e della nuvolosità, che nelle valutazioni di HIRHAM5 viene citata come sorgente di bias potenziale (Langen et al., 2015, 2017). In Groenlandia, infatti, le nubi possono ridurre l’onda corta ma aumentare l’onda lunga verso la superficie; un errore nella copertura nuvolosa o nello spessore ottico si traduce in errori nel bilancio energetico e, in certi contesti, anche nella stabilità dello strato limite e nei flussi turbolenti, con ricadute indirette su temperatura e fase delle precipitazioni. La letteratura sugli eventi estremi (ad esempio 2012) mostra inoltre che in condizioni particolari i modelli possono sottostimare componenti turbolente come il calore sensibile in alcune aree, segnalando che parte delle differenze osservato-simulato può emergere anche laddove ci si aspetterebbe un dominio “quasi solo accumulo” (Fausto et al., 2016; Machguth et al., 2016).
Nel complesso, la Figura 2 va letta come una validazione quantitativa della capacità di HIRHAM5 di riprodurre lo SMB/accumulo nella zona interna della calotta usando sia un forcing di rianalisi sia una catena storica basata su GCM, con un livello di accordo molto elevato ma con una tendenza sistematica a comprimere i massimi di accumulo. Questo tipo di risultato è particolarmente utile perché stabilisce un “baseline” sulla componente positiva dello SMB prima di affrontare la parte più non lineare e incerta del problema groenlandese, cioè la conversione della fusione in runoff attraverso ritenzione e ricongelamento nel firn, i feedback radiativi legati all’albedo e la sensibilità ai bias di nuvolosità e circolazione nelle proiezioni future (Vernon et al., 2013; van den Broeke et al., 2016; Langen et al., 2017).
3.1 Bilancio di massa superficiale
La valutazione dello SMB simulato da HIRHAM5 viene qui estesa rispetto all’analisi di riferimento di Langen et al. (2017) mediante un confronto diretto con osservazioni puntuali derivate sia da misure con paline (stake measurements) sia da carote superficiali di firn (shallow firn cores) raccolte e armonizzate da Buchardt et al. (2012), associando per ciascun sito il valore modellato estratto dalla medesima cella di griglia. Questo tipo di verifica è particolarmente informativo perché, soprattutto nella zona di accumulo, le carote superficiali forniscono una misura integrata su intervalli pluriennali o decadali dell’accumulo netto (e, in parte, dei processi di rielaborazione del manto nevoso), mentre le paline consentono di vincolare anche la componente ablativa nelle aree marginali; tuttavia, entrambe le tipologie di osservazione restano intrinsecamente “puntuali” e quindi sensibili a variabilità sub-grid, ridistribuzione eolica della neve, micro-topografia e a eventi estremi che possono non essere rappresentati con la stessa fase o intensità in un modello climatico regionale, anche quando forzato da rianalisi (Buchardt et al., 2012; Machguth et al., 2016; Langen et al., 2015, 2017). In questo quadro, la Figura 2 indica che HIRHAM5 è in grado di riprodurre in modo convincente il pattern spaziale dello SMB sulla calotta quando è forzato sia con ERA-Interim sia con il modello globale EC-Earth, con coefficienti di determinazione molto elevati (R² = 0,898 per ERA-Interim e R² = 0,895 per la simulazione storica), a testimonianza del fatto che la struttura dei massimi e minimi regionali di accumulo/SMB viene catturata in maniera robusta dalle due catene di forzante. La lieve differenza tra le due regressioni, con una tendenza più evidente a valori modellati inferiori nella simulazione storica, è coerente con l’idea che nella zona di accumulo sia presente un bias secco (dry bias) in entrambe le configurazioni, più marcato quando il downscaling è guidato da un GCM rispetto a una rianalisi: un comportamento ampiamente discusso nella letteratura sugli RCM groenlandesi, dove una parte significativa delle discrepanze tra prodotti di SMB è attribuibile a differenze nella rappresentazione della precipitazione (quantità, fase, efficienza microfisica), al trasporto di umidità e alla risposta orografica su scale prossime alla risoluzione effettiva del modello (Lucas-Picher et al., 2012; Vernon et al., 2013; Fettweis et al., 2016; van den Broeke et al., 2016). Dal punto di vista metodologico, per rendere il confronto più coerente con la natura delle carote, vengono utilizzate medie decadali dello SMB osservato, selezionando i record che coprono interamente o parzialmente il periodo della simulazione ERA-Interim; ciò riduce il rumore legato alla variabilità interannuale, ma non elimina un limite strutturale: le misure osservate incorporano fluttuazioni a breve e medio termine che possono non essere perfettamente riprodotte in fase dai modelli climatici, specialmente quando si confrontano serie puntuali con campi mediati su griglia. Questo punto emerge con chiarezza quando si passa da confronti su scale decadali a diagnosi su tutto l’intervallo 1980–2014: differenze ampie tra medie su sotto-periodi e media pluridecadale possono riflettere la forte non stazionarietà del sistema atmosferico (ad esempio variazioni di circolazione e trasporto di umidità), oltre che la diversa sensibilità del manto nevoso alle condizioni termiche e radiative lungo la transizione tra decenni più freddi e decenni più caldi (Dee et al., 2011; Langen et al., 2017). In termini di confronto inter-modello, gli autori sottolineano inoltre che lo SMB totale integrato sulla Groenlandia risulta vicino ma non identico a quello ottenuto da altri RCM, un aspetto che la letteratura attribuisce non solo a differenze di fisica (ad esempio trattamento di neve/firn e runoff), ma anche a elementi apparentemente “tecnici” come maschera di ghiaccio, risoluzione e periodo di riferimento, capaci di produrre scarti non trascurabili quando si integrano flussi in Gt anno⁻¹ (Vernon et al., 2013; Noël et al., 2016). Un risultato interessante del confronto è che, utilizzando lo stesso set osservativo, entrambe le simulazioni riproducono coerentemente la geografia relativa delle aree a maggiore e minore accumulo, ma con una differenza di ampiezza: la corsa storica guidata da EC-Earth tende a collocarsi sistematicamente più in basso, suggerendo che il forcing globale imponga condizioni al contorno mediamente più secche o una catena di processi che riduce l’efficienza precipitativa nella zona interna della calotta. Questo aspetto è particolarmente rilevante perché, nelle proiezioni future, una sottostima dell’accumulo nella zona di accumulo può alterare il bilancio tra termini positivi e negativi dello SMB e quindi modificare la sensibilità del sistema al riscaldamento, soprattutto quando la fusione e il runoff aumentano e la capacità del firn di trattenere/ricongelare acqua diventa un fattore discriminante (van den Broeke et al., 2016; Langen et al., 2017). Rimane infine un limite osservativo sostanziale: il sud-est della Groenlandia, regione che ospita i massimi di precipitazione associati alle traiettorie cicloniche nord-atlantiche e all’orografia costiera, è scarsamente campionato nel dataset delle carote, rendendo difficile verificare in modo robusto la fedeltà del modello proprio dove l’accumulo è più intenso e la rappresentazione delle precipitazioni orografiche è più esigente; nel solo punto disponibile per il sud-est, HIRHAM5 sottostima lo SMB in entrambe le catene di forzante, con scarto più contenuto nella simulazione ERA-Interim, suggerendo che un ampliamento delle osservazioni in quest’area migliorerebbe sia la valutazione del modello sia la comparabilità con altri RCM che possono differire sensibilmente proprio nella gestione dei massimi costieri di precipitazione (Buchardt et al., 2012; Machguth et al., 2016; Fettweis et al., 2016; van den Broeke et al., 2016).
Tabella 2 – Sensibilità del bilancio di massa superficiale (SMB) alla scelta del periodo nella simulazione HIRHAM5 forzata da ERA-Interim
I dati della Tabella 2 quantificano in modo molto chiaro quanto il bilancio di massa superficiale della calotta groenlandese, anche quando stimato in un quadro “controllato” da rianalisi (ERA-Interim), sia fortemente dipendente dalla finestra temporale scelta per calcolare le medie. Nella simulazione 1980–2014 lo SMB medio annuo risulta 360 ± 134 Gt anno⁻¹, ma se si restringe l’analisi al primo decennio (1980–1990) la media sale a 375 ± 130 Gt anno⁻¹, mentre sul periodo spesso usato come riferimento “storico” in molte catene modellistiche e confronti (1991–2010) scende a 346 ± 132 Gt anno⁻¹; la finestra più recente (2000–2014) mostra poi un ulteriore calo marcato fino a 277 ± 101 Gt anno⁻¹. Il punto metodologico è immediato: la sola scelta del periodo può spostare la stima di SMB medio annuo di quasi 100 Gt anno⁻¹ tra 1980–1990 e 2000–2014 (375 → 277 Gt anno⁻¹), cioè di circa un quarto in termini relativi, un ordine di grandezza che, in ottica livello del mare, è tutt’altro che marginale (come riferimento pratico, ~360 Gt corrispondono a circa 1 mm di livello marino globale, quindi 100 Gt valgono ~0,28 mm in media annua).
La lettura fisica di questa evoluzione è coerente con ciò che emerge dalla letteratura osservativa e di sintesi sul bilancio di massa groenlandese (satelliti GRACE/GRACE-FO, altimetria, metodi “input-output” e ricostruzioni integrate tipo IMBIE): dagli anni ’90 e soprattutto nei 2000 aumenta la frequenza e l’intensità delle stagioni di fusione, cresce il runoff e si amplifica la sensibilità del sistema ai pattern di circolazione che favoriscono avvezioni calde e condizioni radiative propizie alla fusione. In altre parole, anche se la zona interna di accumulo resta dominata dalla precipitazione nevosa, la fascia marginale di ablazione tende a “pesare” di più nel bilancio integrato perché le perdite per fusione e deflusso aumentano e si estendono a quote maggiori; questo è il quadro discusso, con approcci diversi, da lavori chiave su Groenlandia e SMB (ad esempio Shepherd et al.; van den Broeke et al.; Fettweis et al.), e si riflette qui nel salto tra la climatologia 1991–2010 (346 ± 132) e quella 2000–2014 (277 ± 101), cioè una riduzione media di circa 69 Gt anno⁻¹in un intervallo relativamente breve.
Le deviazioni standard associate (±130–134 Gt anno⁻¹ nei periodi lunghi/centrali e ±101 Gt anno⁻¹ nel 2000–2014) sono altrettanto informative: indicano che lo SMB groenlandese presenta una variabilità interannuale molto ampia, dominata da fluttuazioni atmosferiche che i modelli riproducono con realismo statistico ma non necessariamente “in fase” con la realtà anno per anno. Questo aspetto è cruciale quando si confrontano medie decadali o pluridecadali con misure puntuali (paline, carote di firn): una parte dello scarto osservato-modello può dipendere dal fatto che le osservazioni catturano eventi estremi e sequenze sinottiche specifiche (ad esempio estati eccezionali come 2012), mentre una simulazione climatica, pur forzata da rianalisi, può differire nella rappresentazione locale di nubi, flussi turbolenti e bilancio radiativo o nella microfisica delle precipitazioni, producendo differenze che diventano evidenti proprio quando si stringe la finestra temporale. È lo stesso motivo per cui Vernon et al. e molte intercomparazioni tra RCM sottolineano che confronti di SMB hanno significato solo se periodo, maschera glaciale e metodi di aggregazione sono coerenti: altrimenti si rischia di attribuire a “differenze di modello” ciò che in parte è una differenza di campionamento temporale.
Nel caso specifico della Tabella 2, il messaggio è che la media 1980–2014 (360 ± 134) non è un “valore stabile” della Groenlandia, ma l’esito di una combinazione di decenni con caratteristiche diverse: includere o escludere gli anni 2000 (in cui la fusione e il runoff aumentano) cambia sensibilmente la stima della climatologia media, e quindi influenza qualsiasi confronto con altri modelli, con altri studi o con prodotti osservativi. Questo è particolarmente rilevante anche per l’uso dello SMB come forzante nei modelli dinamici di calotta: una forzante calibrata su 1980–1990 (375 ± 130) descrive un sistema mediamente meno “stressato” dalla fusione rispetto a una forzante tarata su 2000–2014 (277 ± 101), con implicazioni dirette sulla ricostruzione della perdita di massa e sulla sensibilità futura, soprattutto quando entrano in gioco feedback come l’evoluzione dell’albedo e la trasformazione dell’idrologia del firn (ritenzione/ricongelamento versus runoff efficiente), aspetti ampiamente discussi nella letteratura recente su processi di superficie groenlandesi.
3.2 Componenti del bilancio di massa superficiale
La sottosezione mette a fuoco come l’evoluzione dello SMB groenlandese tra 1980 e 2014 derivi dal bilancio tra componenti fisiche distinte – in primis accumulo nevoso (snowfall), fusione (melt) e deflusso (runoff), con un contributo crescente degli eventi di pioggia – e come la lettura delle tendenze richieda necessariamente serie temporali lunghe, perché la variabilità interannuale è ampia e può mascherare o amplificare il segnale di fondo. In termini diagnostici, la Figura 3 (SMB totale 1980–2014) evidenzia un calo marcato nello SMB nell’ultimo decennio del record, attribuito soprattutto all’aumento della fusione e del runoff, un risultato coerente con la letteratura osservativa e modellistica che documenta, negli anni 2000 e soprattutto dopo il 2010, un’intensificazione degli estremi di melt e una maggiore frequenza di stagioni con bilanci superficiali molto ridotti o prossimi alla neutralità, a fronte di aumenti delle perdite marginali e della sensibilità ai pattern sinottici estivi (ad esempio, sintesi e confronti tra prodotti SMB come in van den Broeke et al., 2016; Fettweis et al., 2013). L’aumento degli eventi di precipitazione liquida viene segnalato come meno evidente sul totale di calotta, ma scientificamente rilevante perché la pioggia su neve e firn agisce sia come apporto diretto di acqua potenzialmente convertibile in runoff sia come sorgente di calore (sensibile e latente) che può accelerare la metamorfosi del manto e ridurre la capacità di ritenzione/ricongelamento; in questo senso è significativo il richiamo a Doyle et al. (2015), che nella Groenlandia occidentale mostra un aumento della frequenza di piogge a quote più elevate e un impatto misurabile sulla dinamica, coerente con l’idea che l’idrologia superficiale e sub-superficiale possa modulare la lubrificazione basale e i transitori di velocità, soprattutto quando l’acqua viene prodotta o consegnata in modo più efficiente ai sistemi di drenaggio.
Il confronto tra la climatologia guidata da ERA-Interim (Figura 3) e la corsa “storica” EC-Earth (Figura 4a) introduce poi un punto metodologico centrale per l’uso delle proiezioni: EC-Earth tende a sottostimare la nevicata sull’intera calotta rispetto alla rianalisi, ma al contempo produce tassi di fusione più bassi, con una compensazione parziale nella stima dello SMB totale. Questa compensazione è tipica quando un modello globale presenta un bias termico e/o di stato del ghiaccio marino: un ambiente artico più freddo e con maggiore ghiaccio marino tende a ridurre l’energia disponibile per la fusione e può contemporaneamente ridurre l’umidità disponibile e quindi la precipitazione nevosa, con il rischio che lo SMB risultante “sembri” plausibile per ragioni sbagliate, cioè per cancellazione di errori (un tema ben noto nelle valutazioni dei GCM e dei downscaling regionali). Gli autori notano correttamente che i dati di carote di firn usati per la validazione (Figura 2) provengono prevalentemente dalla zona di accumulo alta, dove le differenze tra le due catene in termini di melt e runoff sono minori; ciò significa che una buona prestazione nella zona di accumulo non garantisce automaticamente che la catena GCM→RCM rappresenti correttamente i processi più non lineari della fascia di ablazione, dove albedo, nubi, turbolenza e idrologia del firn controllano la conversione della fusione in runoff e quindi lo SMB netto (Vernon et al., 2013; Langen et al., 2017). Inoltre, viene sottolineata una lacuna osservativa strutturale: il sud-est groenlandese, regione a massimi di precipitazione per forzante orografica e traiettorie cicloniche nord-atlantiche, è scarsamente campionato, limitando la capacità di verificare proprio dove i modelli divergono spesso di più sulla precipitazione.
Le proiezioni di fine secolo (Figure 4b e 4c) sono interpretate attraverso il confronto con il comportamento recente. Nello scenario RCP4.5, il modello produce uno SMB medio annuo paragonabile – ma comunque più alto – a quello dell’ultimo decennio della simulazione ERA-Interim, con un quadro in cui aumentano sia la precipitazione sia la fusione rispetto al periodo storico, ma con un bilancio netto ancora relativamente “tenuto” dall’accumulo e dalla minore intensità del forcing radiativo rispetto allo scenario ad alte emissioni. Un aspetto importante è che, nelle mappe (Figura 5), i pattern spaziali di precipitazione e fusione appaiono simili a quelli del presente, suggerendo che EC-Earth non proietti cambiamenti marcati nella circolazione media responsabile della distribuzione dei flussi di umidità e calore; questa è un’informazione delicata perché il contributo dei cambiamenti di circolazione agli estremi di fusione groenlandesi è oggetto di discussione: lavori come Fettweis et al. (2013) attribuiscono parte degli anni di melt eccezionale alla persistenza di blocchi anticiclonici estivi (configurazioni che favoriscono cieli più sereni, maggiore radiazione solare incidente, avvezioni calde e subsidenza), interpretandoli in larga misura come variabilità interna, mentre Hanna et al. (2016) discutono la possibilità che l’aumento di anomalie persistenti stia emergendo anche come segnale climatico. La sottosezione evidenzia che, nel complesso del CMIP5, un segnale robusto e atteso di questo tipo non appare con chiarezza, rafforzando l’idea che una parte del comportamento recente possa non essere “garantita” nelle proiezioni ensemble, con implicazioni pratiche: un modello può riprodurre bene una media climatica ma non necessariamente la frequenza di regimi bloccanti che dominano gli estremi di melt.
Il tema dei bias di EC-Earth è trattato in modo esplicito: Hazeleger et al. (2012) documentano un bias freddo artico nella versione 2.3 durante il periodo storico, attribuito in parte a un’eccessiva estensione del ghiaccio marino e potenzialmente a scelte di albedo e rappresentazione della superficie groenlandese nel set-up standard, con un richiamo specifico a Helsen et al. (2016). Questo punto è cruciale perché un artico troppo freddo nel modello tende a sottostimare la velocità del riscaldamento regionale e quindi la crescita di melt e runoff; la sottosezione lo interpreta coerentemente: uno SMB più alto nelle simulazioni EC-Earth rispetto alla stima ERA-Interim suggerisce che il bias freddo persista anche nel XXI secolo e che, se si assume la rianalisi come riferimento “più vicino al reale” per lo SMB recente, la catena di proiezione basata su EC-Earth possa sottostimare il tasso di cambiamento artico nel secolo. Al tempo stesso, la forte riduzione dello SMB nello scenario RCP8.5 a fine secolo indica che, quando il forcing radiativo cresce molto, il segnale termico domina e la fusione aumenta in modo tale da comprimere lo SMB verso valori molto bassi, coerentemente con la fisica di un sistema in cui la capacità dell’accumulo di compensare l’ablazione diventa insufficiente e l’area di fusione si espande verso nord e verso quote maggiori. In questa lettura, l’aumento della precipitazione proiettato rimane in gran parte confinato al sud-est, con incrementi modesti al nord, cioè un’intensificazione di pattern già esistenti: ciò è compatibile con un clima più caldo che intensifica il ciclo idrologico dove i flussi di umidità e la forzante orografica sono già massimi, senza necessariamente “ridisegnare” la geografia della precipitazione.
Infine, viene discussa una fonte di incertezza strutturale che ha conseguenze dirette soprattutto nello scenario ad alte emissioni: la maschera glaciale fissa. Non includere il feedback ablazione–quota (abbassamento del margine che porta a temperature più alte e quindi a ulteriore ablazione) significa escludere un meccanismo amplificante ben noto nella risposta delle calotte e dei ghiacciai; allo stesso modo, mantenere invariata la geometria impedisce di rappresentare la migrazione delle massime precipitazioni orografiche al variare del bordo glaciale e della topografia efficace. Inoltre, in condizioni di ablazione molto elevata, porzioni della bassa zona di ablazione e molti ghiacciai periferici verosimilmente scomparirebbero, ma restano comunque conteggiati nell’integrazione dello SMB a fine secolo: questo può rendere i valori estremamente bassi di SMB in RCP8.5 un possibile sottostima (perché si continua a “far perdere massa” a superfici che, nella realtà, non esisterebbero più come ghiaccio) oppure, a seconda di come si definisce l’integrale di massa, una stima non coerente con l’evoluzione geometrica del sistema. Gli autori indicano correttamente che per risolvere questo nodo serve un accoppiamento con un modello dinamico di calotta (e idealmente un accoppiamento bidirezionale con atmosfera e oceano) e che esperimenti di sensibilità mirati possono quantificare quanto questi feedback geometrici e di precipitazione orografica siano determinanti; la direzione di lavoro citata (accoppiamento EC-Earth–ice sheet model) è quindi coerente con l’obiettivo di ridurre l’incertezza che nasce non tanto dai singoli termini del bilancio, quanto dall’evoluzione congiunta di fisica di superficie, circolazione e geometria glaciale nel tempo.
La Figura 3 riassume, anno per anno (1980–2014), come si costruisce lo SMB della Groenlandia nella simulazione HIRHAM5 forzata con ERA-Interim, scomponendolo nei termini principali: precipitazione totale (viola), nevicata(verde), pioggia (blu), fusione (rosso, indicata come snowmelt) e SMB netto (nero), tutti espressi in Gt anno⁻¹. La lettura fisica è immediata: la Groenlandia “guadagna” massa soprattutto con la neve (accumulo) e la “perde” soprattutto attraverso fusione e successivo deflusso (runoff), con una quota di acqua che può essere temporaneamente trattenuta e ricongelare nel firn; quindi la fusione elevata non coincide sempre 1:1 con runoff, ma ne è il principale precursore e, su scala di calotta, è il driver dominante della variabilità negativa dello SMB, come mostrano molte sintesi osservativo-modellistiche (van den Broeke et al., 2016; Fettweis et al., 2016; Langen et al., 2017). Nella figura la precipitazione totale oscilla grossomodo tra ~800 e ~1000 Gt/anno, e la nevicata ne costituisce la frazione maggioritaria, segnalando che nel periodo analizzato non emerge un trend lineare forte dell’accumulo sull’intera calotta, ma piuttosto fluttuazioni interannuali. La pioggia resta una componente quantitativamente minore (tipicamente decine di Gt/anno), però la sua presenza e il lieve incremento nella parte finale della serie sono coerenti con il riscaldamento artico e con l’aumento della quota/area in cui la precipitazione può cadere in forma liquida; anche quando l’impatto sul totale di calotta sembra “piccolo” in Gt, la pioggia può essere molto incisiva localmente perché aggiunge acqua e calore al manto nevoso e può favorire percolazione, ricongelamento oppure runoff, oltre a possibili connessioni con la dinamica glaciale tramite idrologia superficiale e basale (Doyle et al., 2015; Machguth et al., 2016).
Il segnale più netto della figura riguarda la fusione (rosso): rispetto agli anni ’80 e a parte degli anni ’90, quando i valori stanno spesso nell’ordine di ~400–600 Gt/anno con picchi episodici, dalla fine degli anni ’90 e soprattutto nei 2000 la fusione tende più frequentemente a raggiungere e superare ~650–700 Gt/anno, culminando in un massimo estremo intorno al 2012 (coerente con l’estate eccezionale di melt quasi generalizzato descritta in letteratura). Questo comportamento è perfettamente in linea con gli studi che collegano gli anni di fusione estrema groenlandese alla persistenza di configurazioni di blocco anticiclonico e a specifiche anomalie di circolazione estiva (ad esempio NAO negativa e geopotenziali elevati su Groenlandia), che favoriscono maggiore radiazione solare netta alla superficie, avvezioni calde e condizioni di stabilità che possono ridurre l’efficienza del raffreddamento turbolento in alcuni contesti (Fettweis et al., 2013; Hanna et al., 2016). In parallelo, la risposta dello SMB netto (nero) mostra bene la conseguenza integrata: negli anni in cui la fusione cresce, lo SMB scende, e nella parte finale della serie compare una fase con valori mediamente più bassi e minimi molto pronunciati. Questa dinamica si collega direttamente anche a quanto emerge dalla Tabella 2 (calo della media nel 2000–2014), perché su scala decadale basta un aumento sistematico della fusione/runoff per abbassare sensibilmente lo SMB medio anche se l’accumulo non collassa. È lo stesso “meccanismo di base” evidenziato dalle ricostruzioni e dai bilanci osservativi indipendenti (gravimetria e approcci integrati), che attribuiscono una parte crescente della perdita di massa della Groenlandia all’aumento della componente superficiale (melt/runoff) nel XXI secolo (Shepherd et al., 2012; IMBIE, 2019). Un dettaglio importante, spesso sottovalutato quando si guarda solo alla curva rossa, è che la conversione di fusione in runoff dipende dalla capacità del firn di trattenere e ricongelare l’acqua: con il riscaldamento e la ripetizione di eventi intensi, questa “spugna” può ridursi per densificazione e formazione di lenti di ghiaccio, rendendo più efficiente il deflusso e amplificando la caduta dello SMB a parità di fusione potenziale; questo aspetto è uno dei nodi su cui gli RCM differiscono maggiormente e che richiede schemi neve-firn sempre più realistici (Vernon et al., 2013; Langen et al., 2017). In sintesi, la figura racconta un sistema in cui l’accumulo rimane grande in valore assoluto e relativamente stabile nel tempo, mentre la componente ablativa (fusione e conseguente runoff) mostra un aumento più marcato e una crescente frequenza di anni estremi; la grande variabilità interannuale, infine, è un promemoria metodologico: senza una serie lunga si rischia di confondere la variabilità interna della circolazione con il segnale di trend, oppure di sovrastimare/sottostimare la tendenza scegliendo finestre temporali troppo brevi.
La Figura 4 serve a leggere, in modo “meccanico”, come cambia lo SMB groenlandese quando cambia il clima di contorno imposto da EC-Earth: nel pannello (a) è mostrata la simulazione a emissioni storiche (finestra di controllo nel presente recente), mentre i pannelli (b) e (c) rappresentano la fine del XXI secolo rispettivamente negli scenari RCP4.5e RCP8.5. In tutti e tre i pannelli compaiono le stesse grandezze integrate sull’intera calotta e mediate annualmente (Gt anno⁻¹): pioggia (blu), nevicata (verde), precipitazione totale (viola, cioè pioggia+neve), fusione (rosso, snowmelt) e SMB (nero). La chiave interpretativa, coerente con la definizione usata nello studio (Langen et al., 2017), è che lo SMBderiva dal bilancio tra un termine positivo legato alla precipitazione (soprattutto neve) e un termine negativo legato al deflusso; per questo la curva rossa della fusione non coincide necessariamente con la perdita netta, perché una quota dell’acqua di fusione può essere trattenuta e ricongelare nel firn (tema centrale nelle differenze tra modelli e nella transizione verso runoff più efficiente; Vernon et al., 2013; Machguth et al., 2016; Langen et al., 2017).
Nel pannello (a) la Groenlandia appare in un regime in cui l’accumulo nevoso domina la componente positiva: la precipitazione totale (viola) e la nevicata (verde) restano nell’ordine di diverse centinaia di Gt/anno, mentre la pioggia (blu) è molto più bassa e rappresenta una frazione minoritaria del totale, come atteso in un clima artico ancora relativamente freddo. La fusione (rosso) è presente e variabile, ma mediamente inferiore a quanto accade nei pannelli futuri; lo SMB (nero) resta per lo più positivo e fluttua sensibilmente di anno in anno. Questa variabilità interannuale è un punto fisico importante: anche in condizioni “storiche” il sistema è fortemente modulato dalla circolazione e dai pattern sinottici che controllano radiazione, nubi e avvezioni calde, cioè proprio quei fattori che, nella letteratura, spiegano l’alternanza tra anni relativamente “buoni” e anni di forte perdita superficiale (Fettweis et al., 2013; Hanna et al., 2016). Va inoltre tenuto a mente che, come discusso dagli autori, EC-Earth v2.3 presenta un bias freddo artico nel periodo storico (Hazeleger et al., 2012), legato anche a rappresentazioni di ghiaccio marino e albedo; ciò tende a contenere la fusione e può rendere lo SMB storico simulato “più alto” di quanto ci si aspetterebbe se il forcing termico artico fosse perfettamente realistico (Helsen et al., 2016).
Il pannello (b) (RCP4.5, fine secolo) mostra il passaggio a un clima più caldo in cui aumentano contemporaneamentela precipitazione e la fusione. L’aumento della precipitazione totale è coerente con un’atmosfera più calda capace di contenere più vapore (intensificazione del ciclo idrologico), ma la figura suggerisce anche un incremento della componente liquida (pioggia) rispetto allo storico, cioè un cambiamento di fase che in Groenlandia ha implicazioni che vanno oltre il semplice contributo di massa: la pioggia consegna acqua già liquida al manto e può fornire energia (oltre a favorire percolazione), alterando il bilancio energetico e idrologico superficiale, come evidenziato in analisi regionali basate su ERA-Interim e osservazioni (Doyle et al., 2015). In RCP4.5 la fusione cresce in modo netto (rosso più alto rispetto ad a), ma lo SMB resta mediamente positivo: è un regime “di competizione” in cui l’aumento dell’accumulo riesce ancora, almeno in parte, a controbilanciare l’aumento dell’ablazione. Questo è un comportamento spesso visto nelle proiezioni moderate: l’accumulo può crescere soprattutto dove i pattern di precipitazione sono già massimi (tipicamente il settore sud-orientale orografico), mentre la fusione si espande e intensifica nelle fasce occidentali e settentrionali e nella regione della sella meridionale, dove l’albedo e la durata della stagione di fusione diventano determinanti (van den Broeke et al., 2016; Fettweis et al., 2016).
Il pannello (c) (RCP8.5, fine secolo) evidenzia invece un cambio di regime molto più drastico: la precipitazione totale cresce ulteriormente e la pioggia aumenta in modo più visibile, ma la fusione aumenta ancora di più e tende a collocarsi su livelli tali da comprimere lo SMB verso valori molto bassi, spesso prossimi alla neutralità o comunque molto inferiori allo storico. Questo comportamento è coerente con la fisica dello scenario ad alte emissioni: l’amplificazione artica e i feedback superficiali (in primis albedo-melt) rendono la componente ablativa altamente sensibile al forcing radiativo; inoltre, in un clima molto più caldo, la “spugna” del firn può perdere efficacia perché densificazione e formazione di strati/lenti di ghiaccio riducono la capacità di trattenere acqua e aumentano l’efficienza del runoff, facendo sì che una quota maggiore della fusione si traduca in perdita netta (Vernon et al., 2013; Machguth et al., 2016; Langen et al., 2017). Per questo è normale che, anche se la precipitazione aumenta, lo SMB possa collassare: non è l’accumulo a “sparire”, è la perdita per fusione/deflusso a crescere più rapidamente e a diventare dominante nel bilancio annuale.
Un aspetto metodologico che la figura aiuta a “vedere”, anche se non è disegnato esplicitamente, è che qui si confrontano componenti in cui la fusione (snowmelt) non è il runoff: tra rosso e nero c’è di mezzo l’intero filtro firn-idrologia (ritenzione, percolazione, ricongelamento) e questo filtro cambia con il clima, diventando meno protettivo nello scenario più caldo. Inoltre, come discusso nella sezione, la scelta di una maschera glaciale fissa e l’assenza del feedback quota-ablazione (abbassamento del margine → temperature più alte → più ablazione) possono rendere le stime di fine secolo conservative o, in alcuni casi, strutturalmente non coerenti con l’evoluzione geometrica reale della calotta, il che rafforza la necessità di accoppiamenti con modelli dinamici di calotta per quantificare pienamente questi effetti (tema richiamato dagli autori e centrale nella modellistica moderna della Groenlandia).
In sostanza, la Figura 4 mostra che passando da storico a RCP4.5 e poi a RCP8.5 il sistema evolve da un regime in cui lo SMB è sostenuto dall’accumulo e “disturbato” dalla variabilità della fusione, a un regime in cui la fusione (e il conseguente runoff, anche se non tracciato) diventa il termine capace di ridisegnare il bilancio, mentre l’aumento della precipitazione agisce soprattutto come mitigazione parziale e non come compensazione completa, soprattutto nello scenario ad alte emissioni.
La Figura 5 condensa in forma spaziale il “funzionamento” dello SMB groenlandese mettendo insieme tre campi chiave – SMB (riga superiore, in mm anno⁻¹), numero di giorni di fusione (riga centrale, #days) e precipitazione (riga inferiore, in mm anno⁻¹) – e confrontandoli tra quattro configurazioni: la simulazione forzata da ERA-Interim (ERAI), la simulazione Historical guidata da EC-Earth e due proiezioni di fine secolo, RCP4.5 e RCP8.5. La lettura più importante è che le tre righe non sono indipendenti: la precipitazione imposta il “potenziale” di accumulo, i giorni di fusione rappresentano la durata/estensione della stagione di melt (quindi la probabilità che la fusione diventi perdita netta), e lo SMB è il risultato integrato di questa competizione, filtrata dai processi neve–firn (ritenzione, percolazione e ricongelamento) che decidono quanta acqua di fusione si trasformi in runoff effettivo. È proprio questa catena di processi che, negli RCM groenlandesi, spiega perché variazioni relativamente modeste della circolazione o dell’albedo possano produrre grandi differenze nello SMB, soprattutto nella fascia marginale di ablazione (Vernon et al., 2013; Machguth et al., 2016; van den Broeke et al., 2016; Langen et al., 2017).
Nella riga dello SMB (scala a destra in mm anno⁻¹, con valori positivi in blu e negativi in rosso), il pattern di base è quello ben noto: un interno della calotta fortemente positivo (zona di accumulo, dove la massa guadagnata in neve supera di gran lunga le perdite) e una corona costiera negativa (zona di ablazione, dove fusione e runoff dominano). Nel caso ERAI, la fascia negativa è relativamente “sottile” e segue soprattutto il margine occidentale e meridionale; nello Historical la struttura resta simile, ma con differenze di intensità coerenti con ciò che gli autori discutono sul forcing globale: EC-Earth v2.3 tende ad avere un Artico più freddo del realismo osservativo nel periodo storico, anche per motivi legati a ghiaccio marino e schemi radiativi/superficiali, e questo può contenere la fusione e rendere lo SMB mediamente meno penalizzato rispetto a una rianalisi (Hazeleger et al., 2012; Helsen et al., 2016). La transizione agli scenari futuri mostra invece il punto fisico centrale: in RCP4.5 la zona a SMB negativo si espande verso l’interno lungo i margini, mentre in RCP8.5 l’espansione diventa molto più ampia e intensa, con un ispessimento della cintura di ablazione e una penetrazione più marcata in settori occidentali e settentrionali e nella regione della “sella” meridionale. Questa geometria non è casuale: l’ovest groenlandese è tipicamente più sensibile all’aumento della durata della stagione di melt e ai feedback radiativi/albedo, mentre il sud-est, pur essendo molto precipitativo, non “immunizza” automaticamente dallo SMB negativo se la fusione cresce oltre una certa soglia. Il risultato è coerente con l’idea – ben documentata negli ultimi decenni – che il segnale dominante dello SMB groenlandese nel clima recente e futuro sia l’intensificazione dell’ablazione superficiale più che un collasso dell’accumulo, con conseguente abbassamento della quota della linea di equilibrio e crescita dell’area soggetta a bilancio negativo (van den Broeke et al., 2016; Fettweis et al., 2016).
La riga dei giorni di fusione rende visibile il “motore” di quel cambiamento. In ERAI e nello Historical la fusione è concentrata quasi interamente in una fascia periferica, mentre l’interno rimane vicino a zero o a pochi giorni: è esattamente la firma della calotta come sistema con un nucleo freddo e stabile e una periferia energicamente attiva. In RCP4.5 la zona con 20–60 giorni di fusione si estende e “risale” verso l’interno in molte aree; in RCP8.5 la fusione diventa più frequente e più duratura, con ampie porzioni marginali che raggiungono 80–100 giorni e con un’evidente traslazione verso quote e latitudini oggi tipiche della zona di accumulo. Questo dettaglio è fondamentale perché, dal punto di vista della fisica del firn, non conta solo quanta fusione avviene in un singolo episodio, ma quante volte e per quanto tempo il sistema viene spinto verso condizioni in cui il manto perde “cold content”, si densifica e riduce la propria capacità di trattenere acqua: quando questa capacità tampone si degrada, una frazione crescente dell’acqua prodotta diventa runoff efficiente e lo SMB crolla più rapidamente. La letteratura osservativa e modellistica sulla Groenlandia ha mostrato come la comparsa di lenti di ghiaccio e la trasformazione idrologica del firn (anche con acquiferi locali) sia un elemento chiave nel modulare il passaggio da fusione a perdita netta, soprattutto dopo sequenze di estati calde e ripetute (Machguth et al., 2016; Langen et al., 2017). In questo senso, la riga dei melt days è quasi una “mappa di probabilità” della transizione verso runoff più efficiente.
La riga della precipitazione (mm anno⁻¹) completa il quadro mostrando un campo molto più stabile nello spazio rispetto alla fusione: in tutte le colonne il massimo resta nel sud-est groenlandese, dove l’orografia intercetta le correnti umide nord-atlantiche e la ciclogenesi/trasporto di vapore alimentano precipitazioni elevate; l’interno e il nord rimangono relativamente più secchi. Ciò che cambia andando verso il futuro è soprattutto l’intensità, con un incremento più evidente proprio nel sud-est e solo modeste variazioni in altre regioni. Questa “persistenza del pattern” è coerente con il fatto che molti modelli tendono a proiettare, più che una riorganizzazione drastica della circolazione media, un’intensificazione del ciclo idrologico sul tracciato delle strutture già esistenti, perché un’atmosfera più calda può contenere più vapore e quindi produrre più precipitazione a parità di dinamica (il riferimento concettuale è la relazione di Clausius-Clapeyron). Tuttavia, la figura fa anche capire perché l’aumento di precipitazione non basta, da solo, a compensare la perdita: in RCP8.5, pur con più precipitazione, la crescita dei giorni di fusione e l’espansione dell’area di melt spostano il sistema in un regime in cui la componente ablativa diventa dominante sul bilancio annuale, soprattutto lungo i margini. Questo è lo stesso ordine di idee con cui diversi studi hanno interpretato l’accelerazione recente della perdita di massa groenlandese: la variabilità e gli estremi di melt sono fortemente sensibili ai regimi sinottici estivi (ad esempio blocchi persistenti), e tali regimi possono amplificare la fusione anche senza cambiamenti enormi nell’accumulo (Fettweis et al., 2013; Hanna et al., 2016).
Un elemento che la figura suggerisce implicitamente, e che gli autori discutono esplicitamente nella sezione, è l’importanza dei bias del GCM e delle assunzioni strutturali: se EC-Earth mantiene un certo bias freddo artico, lo scenario può produrre uno SMB relativamente più alto (perché la fusione è sottostimata) rispetto a quello che ci si aspetterebbe se il forcing termico fosse più realistico; al contrario, passando a RCP8.5 il forcing radiativo è così grande da “superare” in parte questa compensazione e da portare comunque a una forte espansione del melt. In più, la figura va letta ricordando che le simulazioni adottano una maschera di ghiaccio fissa e non includono pienamente feedback geometrici come l’abbassamento del margine (feedback quota-ablazione) o la migrazione delle precipitazioni orografiche al variare della geometria: proprio nei futuri più caldi questi feedback possono diventare importanti e alterare sia la distribuzione della fusione sia l’integrale di SMB, motivo per cui la letteratura spinge verso accoppiamenti clima–calotta più stretti quando si vuole valutare in modo completo la risposta secolare (tema richiamato dagli stessi autori).
Nel complesso, la Figura 5 mostra un messaggio molto netto: la precipitazione aumenta e mantiene un’organizzazione spaziale simile, ma ciò che determina il destino dello SMB è l’espansione spaziale e temporale della fusione (giorni di melt) e la conseguente trasformazione della periferia della calotta in un’area sempre più vasta di bilancio negativo, con differenze decisive tra RCP4.5 (mitigazione parziale grazie a precipitazione maggiore e forcing moderato) e RCP8.5 (regime dominato dall’ablazione, con forte pressione sul sistema neve–firn e maggiore probabilità di runoff efficiente).
La Tabella 3 distilla in pochi numeri la risposta “di sistema” dello SMB groenlandese (bilancio di massa superficiale, in Gt anno⁻¹) quando HIRHAM5 viene alimentato dal GCM EC-Earth e si passa dal clima recente alle proiezioni di metà e fine secolo sotto RCP4.5 e RCP8.5. Nel periodo di controllo 1991–2010 lo SMB medio annuo è 492 ± 94 Gt anno⁻¹, cioè un bilancio superficiale ancora nettamente positivo, coerente con l’idea che l’interno della calotta (zona di accumulo) mantenga un surplus di massa che, su scala annuale, supera le perdite marginali per fusione e runoff; questo ordine di grandezza è compatibile con la fascia alta delle stime storiche prodotte da vari RCM (ad esempio RACMO e MAR) e con la discussione secondo cui le differenze tra modelli dipendono fortemente da maschera di ghiaccio, periodo, risoluzione e soprattutto dal trattamento di firn e runoff (Vernon et al., 2013; van den Broeke et al., 2016; Fettweis et al., 2016). A metà secolo (2031–2050) la tabella mostra una divergenza già chiara tra gli scenari: in RCP4.5lo SMB scende a 460 ± 79 Gt anno⁻¹, mentre in RCP8.5 scende a 414 ± 65 Gt anno⁻¹. In termini relativi, rispetto al controllo (492), la riduzione è di circa 6–7% in RCP4.5 e di circa 16% in RCP8.5: un segnale che interpreta bene la competizione tra due risposte fisiche opposte attese in un Artico che si riscalda, cioè (i) aumento della capacità dell’atmosfera di trasportare vapore e quindi tendenza a più precipitazione (rafforzando l’accumulo, soprattutto dove già oggi i flussi umidi e l’orografia massimizzano le nevicate, come nel sud-est groenlandese), contro (ii) aumento della fusione e della probabilità che l’acqua prodotta diventi runoff netto. Proprio su questo secondo punto, la letteratura è molto chiara: la sensibilità dello SMB groenlandese al riscaldamento non è lineare perché dipende dalla “spugna” del firn (ritenzione e ricongelamento) che può degradarsi con stagioni di melt ripetute, favorendo la transizione verso runoff più efficiente e dunque verso SMB più basso a parità di fusione potenziale (Machguth et al., 2016; Langen et al., 2017). Il fatto che già a metà secolo RCP8.5 sia più penalizzante di RCP4.5, pur mantenendo SMB positivo, segnala che la componente ablativa cresce più rapidamente della componente di accumulo, in linea con quanto discusso negli studi sugli estremi di fusione e sui pattern sinottici favorevoli al melt (ad esempio blocchi estivi persistenti) che amplificano la perdita superficiale in anni particolari (Fettweis et al., 2013; Hanna et al., 2016).
La separazione tra scenari diventa decisiva a fine secolo (2081–2100). In RCP4.5 lo SMB medio annuo è 418 ± 109 Gt anno⁻¹, quindi ancora positivo ma ulteriormente ridotto: rispetto al periodo storico, il calo totale è di circa 15% (492 → 418), e rispetto a metà secolo la riduzione è più contenuta (460 → 418, circa 9%). In RCP8.5, invece, lo SMB crolla a 193 ± 99 Gt anno⁻¹: rispetto al controllo storico è una diminuzione di circa 61%, e rispetto a metà secolo la contrazione è enorme (414 → 193, circa 53%). Questo salto di regime è coerente con la fisica di uno scenario ad alte emissioni: l’aumento della temperatura e della durata della stagione di fusione (come suggeriscono le mappe dei “melt days” e l’espansione dell’area di ablazione) fa crescere la perdita superficiale più rapidamente di quanto l’aumento delle precipitazioni possa compensare; inoltre, in un clima molto più caldo, aumentano anche pioggia e metamorfismo del manto, con effetti potenzialmente acceleranti sul passaggio da fusione a runoff. La deviazione standard rimane elevata in tutti i periodi (da ±65 a ±109 Gt anno⁻¹), e questo va letto come un segnale della forte variabilità interannuale: anche in uno scenario mediamente più caldo, singoli anni possono essere molto “migliori” o molto “peggiori” a seconda della circolazione, della copertura nuvolosa e dei flussi turbolenti/radiativi. In particolare, l’aumento della variabilità in RCP4.5 a fine secolo (±109) è interessante perché suggerisce un sistema ancora capace di oscillare tra anni con accumulo relativamente favorevole e anni con melt più spinto, cioè un regime in cui la media non collassa ma la sensibilità agli estremi resta alta; questo è coerente con l’idea che gli estremi di melt siano fortemente modulati da configurazioni atmosferiche persistenti, non necessariamente emergenti come segnale robusto in tutti i modelli, ma comunque capaci di dominare singole stagioni (Fettweis et al., 2013; Hanna et al., 2016).
Due cautele “operative” sono implicite nella tabella e aiutano a non sovrainterpretare i numeri. La prima è che lo SMB non è il bilancio di massa totale della calotta: anche con SMB positivo, il bilancio complessivo può essere negativo se lo scarico dinamico (calving + fusione sottomarina alle fronti) è grande; questo è un punto che emerge in tutte le sintesi osservazionali del bilancio groenlandese (ad esempio confronti GRACE/altimetria/input-output). La seconda è strutturale: le simulazioni usano una maschera glaciale fissa e non includono pienamente feedback geometrici come il feedback quota-ablazione (abbassamento del margine → temperature più alte → ulteriore ablazione) né la migrazione della precipitazione orografica al variare della geometria. In scenari caldi, questi feedback possono diventare importanti e cambiare l’interpretazione del valore integrato di SMB: continuare a calcolare lo SMB su porzioni marginali che nella realtà potrebbero ridursi o scomparire, oppure non rappresentare l’abbassamento del margine, può alterare in modo non banale l’entità della perdita superficiale stimata e quindi la comparabilità con un mondo “accoppiato” clima-calotta. In questo senso, i numeri della Tabella 3 sono estremamente utili perché quantificano la sensibilità dello SMB al forcing emissivo nella catena EC-Earth→HIRHAM5, ma indicano anche, soprattutto in RCP8.5 (193 ± 99 Gt anno⁻¹), un regime in cui la fisica di superficie tende a spingere la Groenlandia verso una vulnerabilità molto maggiore, e dove l’accoppiamento con un modello dinamico di calotta e una rappresentazione più completa delle retroazioni diventano necessari per stimare in modo pienamente consistente l’evoluzione futura.
4. Conclusioni
Le conclusioni di questo lavoro vanno lette come una sintesi “operativa” di ciò che oggi sappiamo sul ruolo dello SMB (Surface Mass Balance) nel determinare la traiettoria della calotta groenlandese: da un lato, l’insieme delle valutazioni presentate qui e in Langen et al. (2017) indica che HIRHAM5, nella configurazione ad alta risoluzione e con fisica neve–firn più completa, è in grado di rappresentare in modo credibile la distribuzione spaziale e la variabilità delle componenti superficiali sia sulla calotta principale sia sui ghiacciai periferici; dall’altro, emerge con forza che la qualità delle proiezioni future dipende in modo critico dal modello globale che fornisce le condizioni al contorno, perché eventuali bias del GCM possono propagarsi nel downscaling e produrre una “cancellazione di errori” tra termini opposti del bilancio (ad esempio sottostima della nevicata ma anche della fusione), generando uno SMB totale apparentemente plausibile per ragioni fisicamente non robuste. Questo è un punto ampiamente discusso nelle intercomparazioni tra modelli regionali groenlandesi (MAR, RACMO, HIRHAM5), dove differenze nella circolazione imposta, nella nuvolosità, nella radiazione e nelle parametrizzazioni di superficie si traducono in divergenze sistematiche su fusione e runoff, specialmente nella fascia marginale di ablazione, che è quella che domina la sensibilità dello SMB al riscaldamento (Vernon et al., 2013; van den Broeke et al., 2016; Fettweis et al., 2016). Allo stesso tempo, le conclusioni si inseriscono bene nel quadro osservativo ricostruito da gravimetria (GRACE/GRACE-FO), altimetria e metodi “input–output”, che mostrano come la perdita di massa groenlandese sia aumentata nel tempo e come la componente superficiale (melt/runoff) sia diventata progressivamente più importante nel bilancio recente, pur restando rilevante anche lo scarico dinamico ai margini (Shepherd et al., 2012; IMBIE, 2019/2020).
Sul futuro, il messaggio è fisicamente coerente e in linea con la letteratura: il downscaling delle simulazioni climatiche globali suggerisce che fusione e runoff aumenteranno in modo sostanziale e che l’incremento della precipitazione previsto in un’atmosfera più calda, pur presente, tenderà a compensare solo parzialmente la perdita, con una risposta fortemente dipendente dallo scenario emissivo. Questo riflette due elementi ben noti: l’intensificazione del ciclo idrologico può aumentare la precipitazione (e quindi l’accumulo) soprattutto nelle regioni già oggi più umide e orograficamente favorite, mentre la fusione risponde in modo più “aggressivo” al forcing radiativo attraverso l’amplificazione artica e i feedback di superficie, in primis l’albedo–melt; inoltre, con il riscaldamento cambia la partizione tra acqua trattenuta/ricongelata nel firn e acqua che diventa runoff, perché la capacità “tampone” del firn può degradarsi con stagioni di melt ripetute, formazione di lenti di ghiaccio e riduzione del cold content, rendendo più efficiente la conversione della fusione in perdita netta (Machguth et al., 2016; Langen et al., 2017). Anche eventi e processi che a scala di calotta sembrano secondari – come l’aumento degli episodi di pioggia in quota – possono diventare importanti localmente per l’energia disponibile alla superficie e per l’idrologia, con possibili implicazioni dinamiche, come suggerito da analisi focalizzate sulla Groenlandia occidentale (Doyle et al., 2015). In questo quadro, è del tutto plausibile che i ghiacciai periferici, per dimensione ridotta e maggiore esposizione a condizioni marginali più miti, vadano incontro a forte riduzione o scomparsa nel corso del secolo, come spesso indicato dagli studi sulle componenti periferiche rispetto alla calotta principale. Tuttavia, la conclusione più “metodologica” è forse la più importante: mantenere una maschera di ghiaccio fissa e una geometria immutata implica escludere retroazioni chiave, tra cui il feedback quota–ablazione (abbassamento del margine → temperature più alte → ulteriore ablazione), i cambiamenti di ipso-metria che modificano l’area esposta a fusione, e la possibile migrazione delle massime precipitazioni orografiche al ritirarsi dei margini; questi effetti possono alterare in modo non trascurabile lo SMB integrato, soprattutto negli scenari più caldi, e rendono necessario passare a catene accoppiate clima–calotta (RCM/ESM + ice-sheet model) e a esperimenti di sensibilità dedicati per quantificare quanto tali feedback cambino le proiezioni. È esattamente la direzione di sviluppo indicata dagli autori: migliorare la coerenza fisica delle proiezioni richiede accoppiamenti più stretti e una rappresentazione più completa delle retroazioni tra atmosfera, superficie nevosa/firn e geometria glaciale, perché è su queste interazioni che si gioca una parte rilevante dell’incertezza futura sul contributo groenlandese al livello del mare.
0 commenti