L’introduzione fornisce una panoramica sul concetto di clima e come il cambiamento climatico può influenzare le attività umane e gli ecosistemi naturali. Inoltre, viene evidenziata la crescente preoccupazione riguardo agli effetti dei gas serra prodotti dall’uomo sul clima della Terra, e viene menzionato l’utilizzo di modelli climatici per prevedere i cambiamenti futuri.
Viene anche discusso il ruolo dei dati satellitari nella produzione di registri climatici a lungo termine, e viene sottolineato come i dati satellitari siano vantaggiosi rispetto alle misurazioni in situ a causa della loro copertura globale quasi completa e dell’omogeneità della qualità dei dati.
Infine, vengono presentati alcuni risultati di base ottenuti utilizzando i dati di Remote Sensing Systems, e viene menzionata la ricerca correlata al clima che è stata condotta utilizzando questi dati.
La temperatura atmosferica
La temperatura atmosferica si riferisce alla temperatura dell’aria che circonda la Terra. Questa temperatura può variare a seconda della posizione geografica, dell’altitudine e del periodo dell’anno. La temperatura atmosferica è un importante indicatore del cambiamento climatico e viene misurata da diverse fonti, tra cui le sonde meteorologiche in situ, i satelliti meteorologici e i modelli climatici. Il progetto Remote Sensing Systems produce dataset sulla temperatura atmosferica utilizzando dati satellitari, che consentono di monitorare le variazioni della temperatura atmosferica su scala globale e di lungo termine. Questi dati sono utilizzati per analizzare i cambiamenti climatici e per valutare l’accuratezza dei modelli climatici.
Questa sezione introduce i dataset sulla temperatura atmosferica Upper Air Temperature Measurement prodotti dal progetto Remote Sensing Systems e rimanda alla pagina “Upper Air Temperature Measurement” per maggiori dettagli sulla loro produzione. Successivamente, vengono presentate le applicazioni di questi dataset nell’analisi dei cambiamenti climatici.
È importante notare che questa sezione è stata aggiornata il 30 giugno 2017 e include i risultati della versione 4.0 del dataset TLT (Temperature Lower Troposphere).
TROPOSPHERIC TEMPERATURE
La temperatura troposferica si riferisce alla temperatura dell’atmosfera terrestre nella troposfera, che è lo strato più basso dell’atmosfera terrestre che si estende dalla superficie terrestre fino a circa 7-20 chilometri di altezza, a seconda della latitudine e della stagione. La temperatura della troposfera è influenzata da vari fattori, tra cui la radiazione solare, la circolazione atmosferica, la presenza di gas a effetto serra e le attività umane. La temperatura della troposfera è importante per il clima terrestre, poiché influisce sulla distribuzione del vapore acqueo e di altri gas atmosferici, nonché sulla formazione delle nubi e sulla dinamica atmosferica in generale.
Il progetto Remote Sensing Systems fornisce tre dataset sulla temperatura troposferica: TLT (Temperature Lower Troposphere), TMT (Temperature Middle Troposphere) e TTT (Temperature Total Troposphere, dopo Fu and Johansen). Utilizzando questi dataset, è possibile indagare se ci sono state variazioni significative nella temperatura troposferica negli ultimi 35 anni e se i modelli climatici predicono le stesse variazioni spaziali.
Negli ultimi dieci anni, il progetto Remote Sensing Systems ha collaborato con Ben Santer del LLNL (insieme ad altri numerosi ricercatori) per confrontare i loro risultati sulla temperatura troposferica con le previsioni dei modelli climatici. I risultati possono essere riassunti come segue:
Negli ultimi 35 anni, la troposfera si è riscaldata significativamente. La temperatura media globale è aumentata ad un tasso medio di circa 0,18 gradi Kelvin per decennio (0,32 gradi Fahrenheit per decennio). I modelli climatici non riescono a spiegare questo riscaldamento se non si includono nell’input della simulazione i fattori umani che causano un aumento dei gas serra. Il modello di riscaldamento spaziale è coerente con il riscaldamento causato dall’uomo. Per maggiori dettagli sulla rilevazione e attribuzione dei cambiamenti indotti dall’uomo nella temperatura atmosferica utilizzando dati MSU / AMSU, vedere Santer et al 2008, 2009, 2011, and 2012.
La troposfera non si è riscaldata così rapidamente come previsto dalla maggior parte dei modelli climatici. Tuttavia, questo problema è stato ridotto dall’ampio evento El Niño del 2015-2016 e dall’aggiornamento della versione dei dati satellitari troposferici RSS.
Per illustrare questo ultimo problema, vengono mostrati alcuni grafici qui sotto. Ciascuno di questi grafici ha una serie temporale di anomalie di temperatura TLT utilizzando un periodo di riferimento dal 1979 al 2008. In ogni grafico, la linea spessa nera rappresenta i risultati della versione più recente del dataset satellitare RSS. La fascia gialla mostra l’intervallo dal 5% al 95% per i risultati di 33 simulazioni del modello CMIP-5 (19 modelli diversi, molti con molteplici realizzazioni) che sono destinati a simulare il clima terrestre nel corso del XX secolo. Nel periodo precedente al 2005, i modelli sono stati forzati con i valori storici di gas serra, aerosol vulcanici e output solare. Dopo il 2005, sono state utilizzate stime delle proiezioni di questi forzanti. Se i modelli, nel loro complesso, stessero facendo un lavoro accettabile nella simulazione del passato, allora le osservazioni dovrebbero trovarsi principalmente all’interno della fascia gialla.
Il grafico mostra l’anomalia media della temperatura atmosferica TLT (Temperature Lower Troposphere) globale (dal 70S all’80N) in funzione del tempo. La linea nera rappresenta la serie temporale per il dataset di temperatura atmosferica MSU / AMSU V4.0 RSS. La fascia gialla è l’intervallo dal 5% al 95% di output dalle simulazioni climatiche CMIP-5. Il valore medio di ciascuna serie temporale dalla media del 1979 al 1984 è impostato a zero in modo che i cambiamenti nel tempo possano essere più facilmente visualizzati. Si noti che dopo il 1998, le osservazioni sono probabilmente nella parte inferiore della distribuzione del modello, indicando che c’è una piccola discrepanza tra le previsioni del modello e le osservazioni satellitari. (Tutte le serie temporali sono state liscezzate per rimuovere la variabilità su scale temporali inferiori a 6 mesi.)

Il grafico mostra l’anomalia media della temperatura atmosferica TLT (Temperature Lower Troposphere) tropicale (dal 30S al 30N) in funzione del tempo. La linea nera rappresenta la serie temporale per il dataset di temperatura atmosferica MSU / AMSU V4.0 RSS. La fascia gialla è l’intervallo dal 5% al 95% di output dalle simulazioni climatiche CMIP-5. Il valore medio di ciascuna serie temporale dalla media del 1979 al 1984 è impostato a zero in modo che i cambiamenti nel tempo possano essere più facilmente visualizzati. Ancora una volta, dopo il 1998, le osservazioni sono probabilmente al di sotto dei valori simulati, indicando che le simulazioni nel loro complesso stanno prevedendo un riscaldamento maggiore di quanto sia stato osservato dai satelliti.

La discrepanza tra i dati osservati e le previsioni dei modelli climatici potrebbe essere causata da vari fattori. Uno di questi potrebbe essere un errore nella fisica fondamentale utilizzata dai modelli climatici. Tuttavia, ci sono almeno altre tre possibili spiegazioni per le differenze nella velocità di riscaldamento. Ci possono essere errori nei forzanti utilizzati come input per le simulazioni del modello (questi includono forzanti dovuti a gas e aerosol antropogeni, aerosol vulcanici, input solare e cambiamenti dell’ozono), errori nelle osservazioni satellitari (parzialmente affrontati dall’uso dell’insieme di incertezza), e sequenze di variabilità climatica interna nelle simulazioni che sono diverse da quelle che si sono verificate nel mondo reale. Queste quattro spiegazioni sono chiamate “errori nella fisica del modello”, “errori nell’input del modello”, “errori osservazionali” e “diverse sequenze di variabilità”. Non sono mutuamente esclusive e c’è evidenza scientifica che tutti e quattro questi fattori contribuiscano alla discrepanza e che la maggior parte di essa possa essere spiegata senza ricorrere agli errori nella fisica dei modelli. Per una discussione dettagliata di tutte queste ragioni, si consiglia di consultare il post sul post blog Skeptical Science di Ben Santer and Carl Mears, e il recente articolo paper su Nature Geoscience di Santer et al.
STRATOSPHERIC TEMPERATURE
La temperatura stratosferica si riferisce alla temperatura dell’atmosfera terrestre nella stratosfera, lo strato atmosferico situato sopra la troposfera, che si estende da circa 7-20 chilometri di altezza fino a circa 50 chilometri di altezza dalla superficie terrestre. La temperatura della stratosfera è influenzata principalmente dalla concentrazione di ozono, che assorbe la radiazione solare nella regione dell’ultravioletto, riscaldando l’atmosfera. La temperatura stratosferica è generalmente più calda alle latitudini equatoriali rispetto a quelle polari, a causa del movimento delle masse d’aria attraverso l’equatore. La temperatura stratosferica è importante per la meteorologia e la climatologia poiché influisce sulla circolazione atmosferica, sulla formazione e sulle proprietà delle nubi polari, nonché sull’abbondanza di alcune specie chimiche nell’atmosfera, come l’ozono.
Il testo descrive il monitoraggio della temperatura della bassa stratosfera a partire dalla fine del 1978 utilizzando gli strumenti MSU e AMSU, e la produzione di un prodotto dati chiamato TLS (Temperature Lower Stratosphere) attraverso la combinazione di questi dati. Si evidenzia che, a differenza della troposfera che si è riscaldata lentamente nel corso del tempo, la bassa stratosfera si è raffreddata a causa sia della diminuzione dell’ozono stratosferico causata dai CFC, sia dell’aumento dei gas serra causati dall’attività umana. Questo trend di raffreddamento lento è occasionalmente interrotto da temporanei aumenti di aerosol stratosferici causati da eruzioni vulcaniche di grande entità.
Il grafico mostra l’anomalia della temperatura media globale dal dato TLS di RSS e l’intervallo dal 5% al 95% delle simulazioni storiche di CMIP-5. L’intervallo dal 5% al 95% rappresenta la variabilità naturale del clima e tiene conto di fattori come le variazioni naturali del sole, l’attività vulcanica e gli eventi meteorologici estremi. L’anomalia della temperatura media globale dal dato TLS di RSS mostra la deviazione della temperatura rispetto alla media nel periodo di riferimento di 1979-2000.

La figura 4 mostra l’anomalia media globale della temperatura della bassa stratosfera (TLS) in funzione del tempo, nel periodo dal 1979 al presente. La linea nera spessa rappresenta la serie storica osservata dal dati del RSS V3.3 MSU/AMSU, mentre la banda gialla indica l’intervallo dal 5% al 95% dell’output delle simulazioni climatiche del CMIP-5. La media di ciascuna serie temporale dal 1979 al 1984 è posta a zero in modo che i cambiamenti nel tempo possano essere osservati più facilmente. La figura mostra che i modelli climatici CMIP-5 catturano le caratteristiche fondamentali delle variazioni nella temperatura stratosferica, ma alcuni modelli sembrano mostrare una risposta eccessiva alle eruzioni vulcaniche e anche una minore raffreddamento complessivo rispetto alle osservazioni. In altre parole, i modelli non riproducono completamente l’andamento osservato della temperatura della bassa stratosfera, ma forniscono una rappresentazione approssimativa delle variazioni nel tempo.
Total Column Water Vapor
Il vapore acqueo totale della colonna d’aria si riferisce alla quantità totale di vapore acqueo presente in un’unità di area sulla superficie terrestre, inclusi tutti gli strati dell’atmosfera. Questa quantità di vapore acqueo viene misurata in unità di mm, cm o kg/m^2 e viene spesso espresso come una “colonna d’acqua” equivalente, ovvero lo spessore di acqua che si otterrebbe se si potesse condensare tutto il vapore acqueo presente in un’unità di area sulla superficie terrestre. Il vapore acqueo totale della colonna d’aria è importante per la meteorologia e la climatologia poiché influisce sull’energia che entra e esce dalla superficie terrestre attraverso il bilancio radiativo, contribuendo alla formazione di nuvole e precipitazioni. Inoltre, il vapore acqueo totale della colonna d’aria è correlato alla temperatura atmosferica e alle condizioni meteorologiche, e la sua variazione è spesso utilizzata come indicatore del cambiamento climatico.
Il testo descrive il monitoraggio dei cambiamenti a scala decennale della quantità totale di vapore acqueo nell’atmosfera sopra gli oceani utilizzando un prodotto dati combinato derivato dalle misure effettuate da SSM/I, SSMIS, AMSRE e WindSat. Questo prodotto dati viene utilizzato per valutare i cambiamenti nella quantità di vapore acqueo nell’atmosfera.
In generale, all’aumentare della temperatura della troposfera, l’atmosfera è in grado di contenere più vapore acqueo senza che questo condensi in nuvole e poi in pioggia. Assumendo che l’umidità relativa rimanga costante, la quantità di vapore acqueo extra è governata dalla relazione di Clausius-Clapeyron e corrisponde a circa il 7% di vapore acqueo in più per ogni aumento di un grado Kelvin della temperatura.
La figura 5 mostra la serie storica media globale della quantità totale di vapore acqueo sulla colonna d’acqua sopra gli oceani del mondo, espressa come una percentuale di deviazione dalla media. Questa figura evidenzia l’aumento globale di vapore acqueo nell’atmosfera sopra gli oceani, il che suggerisce un aumento della temperatura media globale della troposfera nel tempo.

La figura 5 mostra la serie storica della anomalia della quantità totale di vapore acqueo sulla colonna d’acqua sopra gli oceani del mondo, espressa come una percentuale di deviazione dalla media, nell’intervallo geografico da 60S a 60N. In altre parole, la figura rappresenta la variazione nel tempo della quantità di vapore acqueo presente nell’atmosfera sopra gli oceani del mondo, in una fascia geografica che va dal 60° di latitudine sud al 60° di latitudine nord. L’asse delle ordinate rappresenta l’anomalia della quantità di vapore acqueo, ovvero la differenza rispetto alla media nel periodo di riferimento, espresso in percentuale. L’asse delle ascisse rappresenta il tempo, espresso in anni o in mesi. La figura mostra quindi come la quantità di vapore acqueo nell’atmosfera sopra gli oceani sia variata nel tempo, evidenziando anche eventuali trend e/o cicli stagionali.
l’aumento della quantità di vapore acqueo nell’atmosfera sopra gli oceani può essere attribuito formalmente al cambiamento climatico indotto dall’attività umana. Questo risultato è stato dimostrato da uno studio condotto da Santer et al, 2007.
Tuttavia, l’aumento della quantità di vapore acqueo nell’atmosfera non è uniforme in termini spaziali. La figura 6 rappresenta una mappa dei trend del vapore acqueo nel periodo 1988-2017, ovvero come la quantità di vapore acqueo nell’atmosfera sia variata in termini di tendenze spaziali in questo intervallo di tempo. In altre parole, la figura rappresenta le variazioni geografiche della quantità di vapore acqueo nell’atmosfera. La figura mostra che i trend del vapore acqueo variano a seconda della regione geografica: alcune aree mostrano una tendenza all’aumento del vapore acqueo, mentre altre mostrano una tendenza alla diminuzione. Questa variabilità spaziale dei trend del vapore acqueo è importante per comprendere gli effetti del cambiamento climatico sulla distribuzione dell’acqua nell’atmosfera e sul clima globale.

La figura 6 mostra le mappe delle tendenze nella quantità di vapore acqueo atmosferico per il periodo 1988-2017. Questo significa che la figura visualizza come la quantità di vapore acqueo presente nell’atmosfera è cambiata in diverse regioni del mondo durante questo arco temporale di 30 anni. Le tendenze possono essere positive, negative o neutrali e indicano se la quantità di vapore acqueo è aumentata, diminuita o rimasta stabile in una determinata regione. Queste informazioni sono utili per capire meglio come il clima sta cambiando e come ciò può influenzare la vita sulla Terra.
Il passaggio in questione sta descrivendo come ci sono alcune regioni dell’oceano Pacifico centrale tropicale, ai lati dell’equatore, che stanno subendo una forte tendenza ad asciugarsi, nonostante gran parte del mondo mostri un aumento di umidità in varie misure. Le tendenze nella quantità di vapore acqueo, positive o negative che siano, che portano a questo modello sono quasi tutte statisticamente significative rispetto all’errore stimato nelle tendenze del vapore acqueo.
Inoltre, si afferma che nei tropici profondi, i cambiamenti nella quantità di vapore acqueo sono molto fortemente correlati ai cambiamenti nelle temperature atmosferiche. La Figura 7 mostra le serie temporali delle anomalie di vapore acqueo e di temperatura dai diversi set di dati di temperatura satellitari. I dati sono stati mediati sugli oceani nella fascia di latitudine compresa tra 20S e 20N. In altre parole, la figura mostra come le variazioni nella quantità di vapore acqueo e nelle temperature atmosferiche siano correlate tra loro in questa regione dell’oceano.

La Figura 7 mostra una serie temporale delle anomalie della quantità totale di vapore acqueo e delle anomalie di temperatura, mediate sugli oceani del mondo, dalla latitudine 20S alla latitudine 20N. La parte superiore della figura mostra la serie temporale stessa, la parte centrale mostra la tendenza in esecuzione, a partire da gennaio 1988 e terminando al tempo sull’asse x. La parte inferiore mostra il rapporto tra la tendenza del vapore e la tendenza della temperatura TLT. I modelli climatici suggeriscono che questo rapporto dovrebbe essere di circa 6,2%/K. Tutte le combinazioni di dati satellitari mostrano un rapporto maggiore, suggerendo che o le misurazioni mostrano troppa umidità o troppo poco riscaldamento. La versione più recente del dataset TLT di RSS è la più vicina alle aspettative. Questa figura è la figura 13 in Mears e Wentz (2017). Il passaggio suggerisce che la correlazione tra le misure e l’output del modello CMIP-3 sia stata esaminata in dettaglio in Mears et al, 2007, e rivisitata in Mears and Wentz (2017) . Ciò significa che gli autori hanno discusso come i dati delle misure e i modelli climatici siano in grado di descrivere la correlazione tra i cambiamenti nella quantità di vapore acqueo e le temperature atmosferiche nei tropici profondi, come mostrato nella Figura 7.
References
“References” è un termine utilizzato per indicare l’elenco delle fonti citate in un documento, come un articolo scientifico, una tesi o un libro. Queste fonti possono includere articoli di giornale, libri, pubblicazioni scientifiche, relazioni tecniche, tesi di dottorato e altri documenti che sono stati utilizzati per sostenere le argomentazioni o le affermazioni presentate nel documento. L’elenco delle referenze è di solito posto alla fine del documento e contiene informazioni su ciascuna fonte citata, come il titolo del lavoro, gli autori, il nome della rivista o del libro in cui è stato pubblicato, l’anno di pubblicazione e altre informazioni pertinenti. L’inclusione di un’elenco di referenze è importante perché consente ai lettori di verificare le fonti utilizzate per le argomentazioni presentate nel documento e di approfondire ulteriormente la ricerca su un determinato argomento.
Mears, C. A. and F. J. Wentz, (in press) A satellite-derived lower tropospheric atmospheric temperature dataset using an optimized adjustment for diurnal effects , J. Climate.
Santer, Benjamin D., Fyfe, John C., Pallotta, Giuliana, Flato, Gregory M., Meehl, Gerald A., England, Matthew H., Hawkins, Ed, Mann, Michael E., Painter, Jeffrey F., Bonfils, Celine, Cvijanovic, Ivana, Mears, Carl, Wentz, Frank J., Po-Chedley, Stephen, Fu, Qiang, Zou, Cheng-Zhi (2017), Causes of differences in model and satellite tropospheric warming rates, Nature Geosci, advance online publication, doi: 10.1038/ngeo2973.
Santer, B. D., J. F. Painter, C. A. Mears, C. Doutriaux, P. Caldwell, J. M. Arblaster, P. J. Cameron-Smith, N. P. Gillett, P. J. Gleckler, J. Lanzante, J. Perlwitz, S. Solomon, P. A. Stott, K. E. Taylor, L. Terray, P. W. Thorne, M. F. Wehner, F. J. Wentz, T. M. L. Wigley, L. J. Wilcox and C. Z. Zou, (2012) Identifying Human Influences on Atmospheric Temperature, Proceedings of the National Academy of Sciences, 110(1), 26-33, doi:10.1073/pnas.1210514109.
Santer, B. D., C. A. Mears, C. Doutriaux, P. M. Caldwell, P. J. Gleckler, T. M. L. Wigley, S. Solomon, N. Gillett, D. P. Ivanova, T. R. Karl, J. R. Lanzante, G. A. Meehl, P. A. Stott, K. E. Taylor, P. W. Thorne, M. F. Wehner and F. J. Wentz, (2011) Separating Signal and Noise in Atmospheric Temperature Changes: The Importance of Timescale, J. Geophys. Res., 116, D22105, doi:10.1029/2011JD016263.
Santer, B. D., K. E. Taylor, P. J. Gleckler, C. Bonfils, T. P. Barnett, D. W. Pierce, T. M. L. Wigley, C. A. Mears, F. J. Wentz, W. Bruggemann, N. Gillett, S. A. Klein, S. Solomon, P. A. Stott and M. F. Wehner, (2009) Incorporating Model Quality Information in Climate Change Detection and Attribution Studies, Proc. Natl. Acad. Sci. U. S. A., 106(35), 14778-14783, doi:10.1073/pnas.0901736106.
Santer, B. D., P. W. Thorne, L. Haimberger, K. E. Taylor, T. M. L. Wigley, J. R. Lanzante, S. Solomon, M. Free, P. J. Gleckler, P. D. Jones, T. R. Karl, S. A. Klein, C. A. Mears, D. Nychka, G. A. Schmidt, S. C. Sherwood and F. J. Wentz, (2008) Consistency of Modelled and Observed Temperature Trends in the Tropical Troposphere, International Journal of Climatology, 28(13), 1703-1722.
Mears, C. A., F. J. Wentz, P. Thorne, and D. Bernie (2011), Assessing uncertainty in estimates of atmospheric temperature changes from MSU and AMSU using a Monte-Carlo estimation technique, Journal of Geophysical Research, 116.
Mears, C. A., B. D. Santer, F. J. Wentz, K. E. Taylor and M. F. Wehner, (2007) Relationship Between Temperature and Precipitable Water Changes Over Tropical Oceans, Geophys. Res. Lett., 34, L24709, doi:10.1029/2007GL031936.
Santer, B. D., C. A. Mears, F. J. Wentz, K. E. Taylor, P. J. Gleckler, T. M. L. Wigley, T. P. Barnett, J. S. Boyle, W. Bruggemann, N. P. Gillett, S. Klein, D. W. Pierce, P. A. Stott and M. F. Wehner, (2007) Identification of Human-Induced Changes in Atmospheric Moisture Content, Proc. Natl. Acad. Sci. U. S. A., 104, 15248-15253.