PeterL.Langen1*,RobertS.Fausto2,BaptisteVandecrux2,3,RuthH.Mottram1 and
JasonE.Box2
1 Climate and Arctic Research, Danish Meteorological Institute, Copenhagen, Denmark, 2 Geological Survey of Denmark and
Greenland, Copenhagen, Denmark, 3 Arctic Technology Centre (ARTEK), Technical University of Denmark, Lyngby, Denmark
https://doi.org/10.3389/feart.2016.00110
Quando si parla di perdita di massa della Calotta della Groenlandia, ormai è chiaro che la partita si gioca in larga misura su processi di superficie: fusione, albedo, runoff e capacità del firn di “tamponare” l’acqua di fusione prima che diventi deflusso efficace verso l’oceano. Proprio qui sta il punto forte del lavoro di Langen e colleghi: spostare l’attenzione dal solo bilancio energetico superficiale alla micro-idrologia del firn, cioè a come l’acqua liquida percola, si trattiene, rifonde/ricongela e riorganizza porosità e permeabilità nel tempo. Questa impostazione è perfettamente coerente con quanto emerso negli ultimi anni nella letteratura di sintesi sull’SMB groenlandese: una rappresentazione realistica di firn e albedo è decisiva per trasformare “melt” in “runoff”, e quindi per stimare correttamente la componente di perdita di massa dominata dai processi di superficie.
Nel modello regionale HIRHAM5, gli autori estendono lo schema subsuperficiale introducendo ingredienti fisici che, in un contesto di firn temperato o prossimo a 0 °C, non sono dettagli: densificazione della neve/firn (che controlla evoluzione della porosità), conducibilità idraulica variabile (che lega la permeabilità allo stato del mezzo poroso), saturazione irriducibile dell’acqua (quella frazione che resta intrappolata per capillarità anche quando “dovrebbe” drenare), oltre a scelte parametrizzative che modulano percolazione e ritenzione. L’idea è molto semplice ma potente: se sbagli come “scorre” e “si ferma” l’acqua nel firn, sbagli dove e quando si forma ghiaccio interno (ice layers/ice slabs), sbagli quanta energia latente viene rilasciata in profondità per ricongelamento, e alla fine sbagli anche l’SMB e il runoff a scala di bacino glaciale.
I risultati di validazione riportati nel lavoro mostrano che, con queste estensioni, HIRHAM5 si allinea bene con due famiglie osservative cruciali: (i) carote nell’area di accumulo (68 ice cores), dove l’accumulo netto medio annuo simulato presenta un bias di circa −5% con correlazione ~0,90; (ii) osservazioni in ablazione (PROMICE, 1041 misure), dove la relazione modellato-osservato ha pendenza ~0,95–0,97, correlazioni tra ~0,75 e 0,86 e bias medio ~−3%. È un risultato importante perché l’ablazione è proprio il settore dove la conversione tra fusione e runoff è più sensibile a albedo, pioggia, contenuto d’acqua e formazione di strati impermeabili. Al tempo stesso, gli autori notano una “firma” tipica di molti sistemi modellistici: buona riproduzione dei pattern spazio-temporali dei melt days (correlazioni ~0,9), ma tendenza a sottostimare l’ampiezza della variabilità interannuale e a sovrastimare quella spaziale.
Il passaggio davvero istruttivo (anche operativamente) è però quello sulle sensibilità: albedo e saturazione irriducibile. In alcune configurazioni, l’albedo calcolato internamente porta a temperature subsuperficiali troppo alte sotto i ~5 m, segno che un eccesso di assorbimento radiativo in superficie può “propagarsi” verso il basso tramite percolazione/ricongelamento e conduzione, alterando la stratigrafia termica. Ma se si adotta una parametrizzazione della saturazione irriducibile che consente valori più elevati, aumenta la ritenzione capillare, cresce la probabilità di ricongelamento e può formarsi uno strato di ghiaccio (nel caso discusso, nel 2011) che poi riduce la permeabilità e attenua il bias caldo profondo negli anni successivi. Questo è un punto chiave: non esiste un singolo “settaggio giusto” valido sempre e ovunque, perché prima e dopo la formazione di un layer impermeabile cambiano i controlli dominanti (drenaggio vs ritenzione vs refreezing), e la combinazione ottimale può dipendere dalla fase evolutiva del firn.
Il lavoro si inserisce in modo naturale nella storia recente delle scoperte sugli acquiferi perenni nel firn e sugli strati di ghiaccio “perched”. A partire dalle evidenze in sud-est Groenlandia, è emerso che porzioni della facies di percolazione possono ospitare acqua liquida persistente anche a fine inverno: prima la scoperta e quantificazione della grande capacità di stoccaggio (acquiferi perenni) e poi le misure in situ di profondità e temperature dell’acqua, con successiva mappatura radar della loro estensione e variabilità. Questa linea osservativa è fondamentale perché lega direttamente la fisica subsuperficiale ai termini del bilancio di massa: un acquifero perenne può agire da serbatoio temporaneo (ritardando il contributo al livello del mare) oppure, se connesso a drenaggi rapidi o a strutture impermeabili sovrastanti/sottostanti, può trasformarsi in un acceleratore di runoff.
Negli anni successivi, un altro tassello ha rafforzato la stessa morale fisica: eventi di fusione estrema possono generare (o ispessire) livelli a bassa permeabilità che riducono drasticamente la capacità del firn di assorbire meltwater, aumentando il runoff “a parità di melt”. È esattamente il tipo di transizione di regime che un RCM può catturare solo se tratta seriamente percolazione, ritenzione e formazione di ghiaccio interno, perché qui non stiamo parlando di una correzione marginale: stiamo cambiando l’impedenza idraulica del sistema. Studi basati su osservazioni radar e analisi climatologiche hanno mostrato come strati legati a stagioni di melt eccezionale (con il 2012 spesso citato come spartiacque) possano ridurre la permeabilità del firn e rimodulare il runoff, e come acquiferi e ice slabs rispondano a driver climatici su scala sinottica e stagionale.
Alla fine, il messaggio “grande scala” che esce da Langen et al. è netto: nel clima attuale simulato, il runoff e l’SMB integrati sulla Groenlandia sono dominati dall’implementazione dell’albedo, mentre le strutture subsuperficiali (acquiferi perenni e perched ice layers) pesano molto sulla termodinamica e idrologia locale, e quindi su dove il sistema può cambiare stato. Questa gerarchia è coerente con ciò che sappiamo dalle analisi multidecadali dell’albedo groenlandese da osservazioni satellitari: piccole variazioni sistematiche dell’albedo, soprattutto nelle zone marginali e nella stagione di fusione, si traducono in variazioni energetiche sufficienti a spostare sensibilmente la produzione di melt e quindi il potenziale di runoff. Per questo, nei confronti tra modelli regionali e dataset osservativi, la qualità dell’albedo (oltre a nubi e flussi turbolenti) resta spesso la “manopola” principale, mentre la fisica del firn decide se quella energia in più si trasforma in acqua trattenuta/ricongelata o in deflusso verso il mare.
INTRODUZIONE
Le variazioni del bilancio di massa della Calotta Glaciale della Groenlandia restano una delle componenti più incerte nelle proiezioni di innalzamento del livello del mare, perché dipendono dall’interazione tra dinamica del ghiaccio e processi superficiali (fusione, pioggia, albedo) che determinano quanta acqua prodotta in estate diventa effettivamente runoff verso l’oceano. Già nelle sintesi IPCC AR5, la Groenlandia è esplicitamente riconosciuta come contributore rilevante e intrinsecamente complesso, con incertezze sostanziali legate alla risposta della calotta e dei suoi comparti superficiali a un forcing radiativo in aumento.
Un nodo fisico centrale, e al tempo stesso una fonte di incertezza modellistica, è la ritenzione dell’acqua di fusione nel firn: una parte dell’acqua percola e ricongela (rilasciando calore latente e “riscaldando” la colonna nevosa), un’altra parte può rimanere liquida e stoccarsi per tempi lunghi, mentre la frazione che non trova spazio poroso o che incontra barriere impermeabili tende a defluire in superficie o a formare reti di canali e fiumi supraglaciali. In Groenlandia, misure in situ e telerilevamento hanno mostrato che questo sistema non è statico: il riscaldamento del firn è un segnale diffuso e di lunga durata (con evidenze che risalgono almeno alla metà del XX secolo), coerente con un aumento della percolazione e del ricongelamento in profondità e con un “riassetto” energetico della facies di percolazione.
Parallelamente, il riscaldamento recente ha favorito l’espansione altimetrica delle aree interessate da fusione e pioggia, spostando verso l’interno processi che in passato erano dominanti soprattutto nelle fasce marginali. Un risultato cruciale delle campagne degli ultimi anni è che estati molto calde e ripetute possono trasformare l’architettura porosa del firn: la formazione e coalescenza di lenti e livelli di ghiaccio a bassa permeabilità riduce l’infiltrazione verso strati più profondi e “spinge” il sistema verso un regime più efficiente nel produrre runoff, persino all’interno dell’area di accumulo (come documentato, ad esempio, per l’evento del 2012 e per l’innalzamento dei reticoli di deflusso fino a quote prossime a ~1850 m s.l.m.). In termini concettuali, questo equivale a una perdita progressiva della capacità tampone del firn: quando la produzione di acqua supera stabilmente la capacità del sistema di rigenerare porosità (via accumulo e densificazione favorevole), lo spazio poroso disponibile per trattenere e ricongelare si riduce e la quota di acqua che viene convertita in deflusso aumenta. Le proiezioni e gli studi di processo indicano che tale “erosione” dello spazio poroso può diventare un acceleratore della perdita di massa su scale pluridecennali.
In questo quadro si colloca anche la scoperta degli acquiferi perenni nel firn (perennial firn aquifers), serbatoi di acqua liquida sepolti a decine di metri di profondità, particolarmente documentati nel sud-est groenlandese. Le misure in situ hanno fornito vincoli quantitativi su profondità, spessori e volumi stoccati, mentre lavori successivi hanno sviluppato tecniche per mapparne estensione e coesistenza con aree di “ice slabs” mediante combinazione di radar e osservazioni satellitari. Dal punto di vista del livello del mare, questi serbatoi possono introdurre un ritardo (temporal lag) tra produzione di meltwater e rilascio al sistema idrologico, ma la loro efficacia dipende dalla connettività idraulica e dall’evoluzione della permeabilità, che a sua volta risponde a ricongelamento, densificazione e stratigrafia di ghiaccio interno.
L’intero problema della ritenzione, inoltre, non può essere separato dal tema dell’albedo. La riduzione dell’albedo estiva amplifica l’assorbimento di radiazione solare e quindi la fusione; questo meccanismo di retroazione è stato ampiamente discusso per la Groenlandia ed è osservabile sia nelle serie MODIS sia nelle analisi dei driver atmosferici e superficiali. Una parte dell’oscuramento è stata collegata a impurità assorbenti (polveri, black carbon e altri light-absorbing impurities) e ai loro effetti radiativi, mentre un’altra parte riflette la migrazione della snowline e l’esposizione di ghiaccio “più scuro” o contaminato: in ogni caso, l’albedo governa la quantità di energia disponibile che poi il firn deve “gestire” attraverso percolazione, ritenzione e ricongelamento.
Queste evidenze hanno spinto l’evoluzione dei modelli di neve e firn dentro i modelli di bilancio di massa superficiale: dalle prime parametrizzazioni aggregate, che stimavano la ritenzione come frazione fissa o funzione di poche variabili, si è passati a rappresentazioni fisicamente basate della percolazione (inclusi approcci di tipo darciano), della conducibilità idraulica dipendente dalla densità, della saturazione irriducibile e della termodinamica del ricongelamento. L’esigenza è la stessa per tutti i sistemi modellistici (dai modelli di colonna come SNOWPACK/CROCUS alle implementazioni in RCM): i processi sono fortemente eterogenei e sub-grid, ma producono esiti integrati (runoff, SMB) che oggi sono misurabili e vincolabili. In questa direzione, anche confronti sistematici tra modelli di firn mostrano quanto le scelte di parametrizzazione (permeabilità, ritenzione capillare, gestione dell’acqua liquida) incidano su densità, temperatura e capacità di refreezing in siti chiave come KAN_U.
È su questo sfondo che il presente studio introduce e valuta uno schema subsuperficiale aggiornato in HIRHAM5, concepito per rappresentare più realisticamente l’evoluzione densità-permeabilità e i percorsi dell’acqua liquida in neve e firn, e per esplorare come differenti implementazioni dell’albedo e della ritenzione (inclusa la saturazione irriducibile) condizionino non solo la fisica locale (struttura termica, formazione di lenti e strati impermeabili, presenza di acquiferi), ma anche gli integrali di larga scala come runoff e SMB groenlandese.
MODEL DESCRIPTION AND SIMULATIONS
HIRHAM5 è un modello climatico regionale (RCM) costruito con un’architettura “ibrida” molto tipica della modellistica atmosferica ad area limitata: da un lato eredita il nucleo dinamico e numerico di un modello da previsione operativa (HIRLAM7), dall’altro adotta schemi fisici sviluppati per un modello di circolazione generale (ECHAM5). In pratica, l’evoluzione delle variabili atmosferiche a grande scala (advezione, onde, bilanci di quantità di moto e massa) è gestita dal core di HIRLAM7, mentre i processi sub-griglia che chiudono i bilanci (convezione, microfisica delle nubi, turbolenza, scambi radiativi e superficiali) seguono l’impostazione ECHAM5. Questa combinazione è esplicitata nelle descrizioni del modello e nelle applicazioni ad alta risoluzione su Groenlandia, dove la coerenza tra dinamica e fisica diventa cruciale per riprodurre correttamente nubi, flussi turbolenti e precipitazione orografica, tutti fattori che si riflettono direttamente sull’SMB.
Per la Groenlandia viene utilizzato un dominio “all-Greenland” su griglia a polo ruotato (rotated-pole), una scelta tecnica che riduce distorsioni geometriche e consente di mantenere una spaziatura quasi uniforme nell’area di interesse. La risoluzione orizzontale è 0,05° × 0,05°, che nel setup groenlandese corrisponde a circa 5,5 km: un ordine di grandezza che, pur non risolvendo la microtopografia e i processi idrologici a scala molto fine, è già sufficiente a rappresentare meglio la fascia costiera, le transizioni rapide tra zona di ablazione e accumulo e la forte eterogeneità imposta dall’orografia, rispetto a griglie più grossolane.
La discretizzazione verticale prevede 31 livelli atmosferici e un time step di 90 secondi. Dal punto di vista “modellistico”, questa scelta è un compromesso tra stabilità numerica (soprattutto in presenza di forti gradienti termici e di vento) e costo computazionale: in un contesto come la Groenlandia, dove i flussi catabatici e la stratificazione stabile possono dominare lo strato limite, la risoluzione verticale e il passo temporale condizionano la qualità dei flussi di calore sensibile/latente e quindi la partizione energetica che guida fusione e sublimazione. È anche il motivo per cui, nelle simulazioni groenlandesi, l’attenzione al setup numerico (griglia, livelli, step) non è un dettaglio “ingegneristico”, ma un pezzo della catena fisica che porta al runoff.
Un elemento chiave della strategia sperimentale è il forcing alle condizioni laterali: HIRHAM5 non “inventa” la circolazione sinottica su scala emisferica, ma la riceve dalla rianalisi ERA-Interim, che fornisce ogni 6 ore i campi ai livelli del modello di vento, temperatura e umidità, oltre alla pressione al suolo. Questo approccio di downscaling vincola la simulazione al quadro atmosferico osservazionale (o meglio, ricostruito dall’assimilazione dati), riducendo la deriva su larga scala e permettendo di attribuire più chiaramente differenze e sensibilità ai processi regionali e locali (nubi, flussi, precipitazione, albedo, interazione atmosfera-superficie). È la logica classica con cui si usano le rianalisi come “condizioni al contorno” per RCM in studi di clima recente e valutazione contro osservazioni.
Sui punti di griglia oceanici, temperatura superficiale del mare (SST) e concentrazione di ghiaccio marino sono prescritte da ERA-Interim. Anche questa scelta ha implicazioni fisiche dirette: SST e sea-ice modulano i flussi di calore e umidità dall’oceano, influenzando la formazione di nubi, la stabilità dello strato limite costiero e, in ultima analisi, il regime di precipitazione nevosa e piovosa che alimenta l’accumulo e può spostare la quota di pioggia verso l’interno durante stagioni miti. In altre parole, l’oceano non è interattivo, ma impone un vincolo termodinamico fondamentale al “motore” atmosferico regionale.
La finestra temporale dell’esperimento (1980–2014, 35 anni) consente di campionare un ampio spettro di variabilità interannuale e decadale, includendo anni con stagioni di fusione eccezionali e fasi differenti della circolazione nord-atlantica. In un disegno sperimentale di questo tipo, il valore aggiunto del modello regionale non è tanto ricostruire la sinottica (già “imposta” al bordo), quanto produrre campi fisicamente consistenti ad alta risoluzione dei termini che entrano nell’SMB (precipitazione, temperatura, vento, radiazione, turbolenza) e renderli confrontabili con osservazioni e dataset glaciologici.
In sintesi, il setup descritto è un esempio molto pulito di downscaling dinamico applicato alla criosfera: (i) grande scala vincolata da una rianalisi consolidata, (ii) risoluzione sufficiente a rappresentare meglio i gradienti orografici e costieri groenlandesi, (iii) fisica atmosferica “da GCM” per chiudere i processi sub-griglia, (iv) un periodo lungo abbastanza da consentire valutazione statistica robusta. Proprio per questo, quando nello studio si discutono sensibilità (ad esempio a albedo o schemi subsuperficiali), quelle differenze possono essere lette come risposte del sistema superficie-atmosfera su una base sinottica realistica, invece che come artefatti di una circolazione libera che diverge
Subsurface Scheme
Nello schema subsuperficiale di HIRHAM5, l’evoluzione della colonna neve–firn–ghiaccio viene aggiornata con cadenza oraria, perché i processi che controllano fusione, percolazione e ricongelamento possono cambiare rapidamente durante la stagione di melt. A ogni passo temporale, la massa superficiale viene corretta per gli apporti (nevicate e pioggia) e per le perdite o trasformazioni (fusione, deposizione/condensazione, sublimazione/evaporazione). In parallelo, la temperatura della superficie viene determinata imponendo la chiusura del bilancio energetico: l’energia netta che arriva o viene rimossa dalla superficie dipende dagli scambi radiativi (onda corta e lunga) e dai flussi turbolenti con l’atmosfera, ma anche dagli scambi di calore con il sottosuolo, dove la conduzione e il trasporto associato ai movimenti di massa (ad esempio l’acqua che percola e poi ricongela) ridistribuiscono energia lungo la colonna. Quando la temperatura superficiale tenderebbe a superare il punto di fusione, il modello la vincola a 0 °C e “trasforma” l’energia eccedente in calore di fusione, rendendo esplicito il legame tra budget energetico e produzione di acqua liquida, come già impostato nelle versioni precedenti di HIRHAM5 per ghiacciai e calotte.
Il passo avanti rispetto allo schema superficiale originario a pochi strati è l’introduzione di una fisica del firn più realistica, mirata a rappresentare i percorsi dell’acqua nel mezzo poroso e le retroazioni tra idrologia e termodinamica. Le estensioni includono la densificazione della neve/firn (che modifica nel tempo la porosità e quindi la capacità di stoccaggio), la crescita dei grani (che influisce su proprietà radiative e microstrutturali), una conducibilità idraulica che dipende dallo stato della neve (quindi dalla densità e dalla struttura del mezzo), la formazione di ghiaccio “sovrapposto” e, soprattutto, la saturazione irriducibile: una quota minima di acqua che può restare intrappolata per effetti capillari anche quando la gravità favorirebbe il drenaggio. Questo impianto è coerente con il quadro teorico della percolazione nel manto nevoso, dove l’approccio di tipo darciano fornisce la base fisica per descrivere il flusso verticale in un mezzo poroso e per capire quando prevale il drenaggio gravitativo e quando invece contano i vincoli microstrutturali e capillari.
La discretizzazione verticale è pensata per massimizzare la risoluzione vicino alla superficie, cioè dove i gradienti di temperatura e contenuto d’acqua sono più intensi e dove si decide gran parte della partizione tra acqua trattenuta e acqua che diventa runoff. Per questo la colonna è rappresentata come un insieme di strati più sottili in alto e progressivamente più spessi in profondità, fino a una profondità totale modellata sufficientemente ampia da ridurre l’influenza delle condizioni al bordo inferiore. Ogni strato è espresso in “equivalente d’acqua” a spessore costante: all’interno di quello spessore, il modello tiene traccia di quanta parte è neve, quanta è ghiaccio e quanta è acqua liquida, permettendo quindi transizioni di fase e variazioni di contenuto idrico senza cambiare la “capacità geometrica” dello strato. Questa scelta numerica facilita la conservazione di massa e rende più robusto il confronto tra anni diversi, perché la colonna mantiene una struttura verticale comparabile mentre cambiano densità, frazioni e temperatura.
Un aspetto operativo importante è il modo in cui il modello gestisce l’aggiunta o la rimozione di massa: quando nevica o piove (o quando c’è deposizione/condensazione), la massa aggiunta in superficie viene progressivamente “traslata” verso il basso per mantenere costanti gli spessori in equivalente d’acqua; viceversa, quando la colonna perde massa per runoff o per scambi di vapore, il modello compensa richiamando massa verso l’alto da un serbatoio profondo di ghiaccio, idealizzato come molto grande, in modo da non “svuotare” numericamente la colonna. Questo movimento verticale di massa non è neutro: porta con sé anche un trasferimento coerente di calore sensibile e di proprietà della neve (densità, dimensione dei grani, frazioni di neve/ghiaccio/acqua), e quindi può modificare la struttura termica e idrologica del firn anche a parità di condizioni atmosferiche. È proprio questa catena fisica che rende possibile simulare la formazione di lenti e strati di ghiaccio impermeabili e la loro capacità di limitare la percolazione profonda, cioè la discesa dell’acqua al di sotto dell’accumulo dell’anno precedente, con effetti potenzialmente rilevanti sul runoff.
Dal punto di vista della modellistica dell’SMB, la ragione per cui tutto ciò conta è che la ritenzione e il ricongelamento non sono semplici “correzioni”, ma controllano quanta energia latente viene rilasciata in profondità (riscaldando il firn) e quanta acqua resta temporaneamente o persistentemente stoccata invece di alimentare il deflusso. Studi di confronto tra parametrizzazioni di refreezing e ritenzione mostrano che scelte diverse possono produrre differenze sostanziali nei termini di bilancio di massa, proprio perché cambiano la soglia a cui il sistema passa da “assorbire” acqua a “scaricarla” rapidamente. In questo senso, l’evoluzione di schemi fisicamente basati all’interno di RCM (come avvenuto anche in altri framework regionali applicati alla Groenlandia) risponde alla necessità di rappresentare processi sub-griglia che, pur essendo locali, governano l’integrale di calotta.
Temperature, Refreezing, and Superimposed Ice Formation
In HIRHAM5 la parte termica del firn non è trattata come un semplice “contenitore” passivo, ma come un sistema che controlla direttamente quanta acqua di fusione può essere assorbita e quanta, invece, viene convertita in deflusso. Il primo passaggio chiave della sottosezione è l’aggiornamento del risolutore di diffusione del calore (derivato da ECHAM5) per rendere la conducibilità termica della neve dipendente dalla densità: è una scelta fisicamente motivata perché la neve fresca, molto porosa, isola efficacemente, mentre la neve più densa (e ancor più il firn vicino al ghiaccio) trasferisce il calore molto meglio, riducendo i gradienti e accelerando la “trasmissione” verso il basso degli impulsi termici stagionali. Questa dipendenza densità–conducibilità è un tema classico nella glaciologia della neve (con formulazioni storiche come quella di Yen) ed è coerente con l’evoluzione dei modelli multilayer moderni, ad esempio Crocus, dove densità, microstruttura e termodinamica sono trattate in modo accoppiato proprio per rappresentare correttamente i profili termici e la metamorfosi del manto nevoso.
Un aspetto spesso sottovalutato, ma che qui viene reso esplicito, è che la conducibilità “di strato” non dipende solo dalla neve: quando aumentano le frazioni di ghiaccio (per ricongelamento, lenti, strati o ghiaccio sovrapposto), la capacità dello strato di condurre calore cresce ulteriormente. In termini pratici, questo significa che la stratigrafia prodotta dai processi idrologici (quanta acqua ricongela e dove) retroagisce sul campo di temperatura, e quindi sulla capacità futura di ricongelamento. È una delle ragioni per cui nei sistemi firn–SMB la termodinamica e l’idrologia sono inseparabili: cambiare la “rete” di ghiaccio interno cambia anche la ventilazione termica del firn e la sua evoluzione verso stati più caldi (e più efficienti nel produrre runoff) o più freddi (e più capaci di refreezing).
Il trattamento degli input termici da precipitazione liquida è volutamente conservativo: la pioggia è assunta alla temperatura di fusione e quindi non viene contabilizzato l’eventuale surplus energetico di pioggia più calda. È una scelta che tende a evitare di “pompare” energia nel sistema attraverso episodi piovosi miti, ma che può anche ridurre leggermente la fusione o il riscaldamento superficiale simulati in condizioni di pioggia calda, sempre più frequenti nelle stagioni di melt marginali e nelle intrusioni miti. In pratica, lo schema dà priorità all’energia radiativa e turbolenta come motore principale del melt, lasciando alla pioggia un ruolo principalmente massico (apporto di acqua) più che energetico (apporto di calore).
Molto interessante, e metodologicamente trasparente, è la scelta della condizione al contorno inferiore: lo strato più profondo scambia calore con un “sottostrato infinito” fissato alla media climatologica locale della temperatura dell’aria vicino al suolo. Questo tipo di vincolo può effettivamente favorire un leggero eccesso di ricongelamento, perché mantiene la base più “fredda” di quanto sarebbe se il calore latente rilasciato dal ricongelamento potesse accumularsi indisturbato e riscaldare in modo più marcato tutta la colonna. Gli autori però riducono molto questa sensibilità estendendo la profondità del dominio: con una colonna sufficientemente profonda, l’influenza del bordo inferiore sulla zona attiva di percolazione e refreezing (i primi metri–decine di metri equivalenti d’acqua) diventa secondaria rispetto ai flussi energetici e ai cambiamenti di fase che avvengono più in alto. In altre parole: la scelta del “bottom boundary” conta, ma conta meno quando la colonna è profonda e ben risolta vicino alla superficie.
Il cuore fisico del ricongelamento è gestito attraverso il concetto di “contenuto di freddo” degli strati: l’energia necessaria a portare neve e ghiaccio alla temperatura di fusione rappresenta il budget disponibile per congelare acqua liquida. Nello schema, il ricongelamento viene assunto istantaneo nel passo temporale: se c’è acqua liquida e lo strato è sufficientemente freddo, congela fino a esaurire o l’acqua disponibile o il contenuto di freddo. Questo tipo di assunzione è comune nei modelli di colonna quando l’obiettivo è catturare correttamente i bilanci energetici medi e la formazione di ghiaccio interno su scale orarie–giornaliere, senza introdurre una cinetica esplicita del congelamento che richiederebbe parametri aggiuntivi e spesso osservazioni non disponibili. L’elemento cruciale è che il calore latente rilasciato dal ricongelamento viene reinserito nel bilancio termico dello strato: così la conservazione dell’energia è rispettata e il sistema riproduce un comportamento ben documentato osservativamente, cioè il progressivo riscaldamento del firn in seguito a stagioni di fusione ripetute, proprio perché il ricongelamento “inietta” calore nel sottosuolo.
La parte più specifica della sottosezione riguarda la formazione di ghiaccio sovrapposto (superimposed ice), che qui emerge come un meccanismo di accoppiamento tra idrologia e stratigrafia: si attiva quando acqua liquida persiste in uno strato temperato sovrastante un livello impermeabile più freddo. In quella configurazione, il gradiente termico all’interfaccia genera un flusso di calore verso il basso: il calore viene “estratto” dallo strato temperato e trasferito al livello freddo sottostante. L’effetto netto è duplice e fisicamente intuitivo: sopra, l’acqua può congelare formando ghiaccio sovrapposto; sotto, lo strato impermeabile si riscalda. Questo è esattamente il tipo di processo che in Groenlandia sta diventando sempre più rilevante nelle zone dove l’evoluzione recente del firn ha prodotto lastroni o complessi a bassa permeabilità: lì l’acqua non può più infiltrare in profondità come prima, tende a muoversi lateralmente e può ricongelare sopra la barriera, modificando sia l’SMB locale sia l’efficienza del runoff. Misure e modellistica recenti su ghiaccio sovrapposto e su lastroni di ghiaccio superficiali mostrano che la sua formazione può competere con il deflusso e, in alcuni casi, ridurre la portata netta esportata da un bacino, ma con una forte dipendenza da pendenza, presenza di acqua superficiale e possibilità di flusso laterale.
Water Saturation
Nel contesto dei modelli neve–firn, la saturazione dell’acqua descrive quanto degli spazi porosi del manto nevoso sia effettivamente occupato da acqua liquida: è una variabile “ponte” perché collega in modo diretto la microstruttura (porosità, densità, geometria dei pori) con la dinamica idrologica (ritenzione vs drenaggio) e con la termodinamica (potenziale di ricongelamento e rilascio di calore latente). L’idea operativa è che, finché l’acqua rimane sotto una certa soglia, può essere trattenuta stabilmente dalle forze capillari tra i grani; oltre tale soglia, compare una frazione “mobile” che diventa disponibile per percolare verso il basso o muoversi lateralmente, alimentando la percolazione profonda o il runoff. Questa soglia è la saturazione irriducibile (o contenuto irriducibile): un concetto classico della fisica dei mezzi porosi applicata alla neve, formalizzato in studi storici sulla percolazione capillare, dove Colbeck mostrò che esiste un valore residuo non drenabile legato alla tensione capillare e alla distribuzione delle dimensioni dei pori.
Il punto cruciale, che spiega perché in letteratura si trovino valori molto diversi, è che la saturazione irriducibile non è un “numero universale”: dipende dalla microstruttura della neve e quindi, in pratica, dalla densità e dalla porosità (oltre che da metamorfismo, forma dei grani, storia di bagnamento e ricongelamento). Esperimenti in laboratorio hanno evidenziato sia valori attorno a pochi centesimi, sia valori più elevati, a parità di densità nominale, proprio perché cambiano le caratteristiche del mezzo poroso e la curva di ritenzione. Per questo Coléou e Lesaffre hanno proposto un’impostazione in cui il contenuto irriducibile è funzione della porosità, mostrando che l’acqua intrappolata “di base” può essere descritta in modo sistematico a partire dalla struttura del manto nevoso; questa idea è poi diventata uno standard operativo in diversi modelli.
Quando si porta questa fisica dentro un modello di calotta, la scelta parametrica della saturazione irriducibile diventa immediatamente una leva sull’SMB: se imposto un valore basso, l’acqua eccedente diventa mobile più facilmente, drena prima, riduce il tempo di permanenza nello strato e tende ad aumentare la probabilità di runoff; se imposto un valore più alto (o lo faccio crescere con certe densità/porosità), aumento la ritenzione capillare, prolungo la permanenza dell’acqua, e posso favorire ricongelamento e formazione di ghiaccio interno quando esiste “cold content” sufficiente. È esattamente il motivo per cui i modelli adottano valori diversi: nella pratica, Crocus/SURFEX usa spesso un valore intermedio, mentre altri sistemi (ad esempio alcune implementazioni in ambito RACMO) hanno adottato valori più bassi; e c’è anche chi preferisce far variare la soglia con la porosità seguendo Coléou–Lesaffre, soprattutto quando l’obiettivo è rappresentare in modo credibile acquiferi perenni nel firn e strati a bassa permeabilità.
Il motivo per cui questo dettaglio “microfisico” pesa così tanto in Groenlandia è che la calotta sta mostrando transizioni di regime nella facies di percolazione: acquiferi perenni e, soprattutto, complessi di lenti e lastroni di ghiaccio possono cambiare drasticamente la permeabilità effettiva e quindi la relazione tra fusione e runoff. In un modello, la saturazione irriducibile agisce come un selettore: stabilisce quanta acqua resta intrappolata localmente (con potenziale ritardo sul contributo al livello del mare) e quanta, invece, può trasferirsi verso strati più profondi o scorrere via, accelerando la perdita di massa superficiale. Proprio per questo Langen e colleghi impostano esperimenti di sensibilità confrontando un valore fisso basso con una soglia variabile legata alla porosità: è un test mirato a quantificare quanto la simulazione di percolazione, ritenzione e ricongelamento (e quindi la formazione di strutture impermeabili e l’evoluzione termica del firn) dipenda dalla scelta di questa singola parametrizzazione.
La Figura 1 sintetizza un concetto chiave della fisica del firn: la quantità di acqua liquida che può restare “intrappolata” nella neve per effetto delle forze capillari non è una costante, ma dipende in modo marcato dallo stato del mezzo poroso, e quindi dalla densità (che è un proxy operativo della porosità e dell’evoluzione microstrutturale). La curva arancione rappresenta il contenuto irriducibile di acqua in termini di massa (acqua rispetto alla massa totale neve+acqua), mentre la curva blu rappresenta la saturazione irriducibile in termini di riempimento dei pori (quanta parte dello spazio poroso può essere occupata da acqua senza che questa diventi mobile e drenabile). Entrambe le grandezze derivano dalla parametrizzazione di Coléou e Lesaffre (1998), che collega la ritenzione capillare alla porosità e quindi, indirettamente, alla densificazione del manto nevoso: è un passaggio importante perché sposta la ritenzione da “numero imposto” a “proprietà emergente” dello stato del firn, in linea con la visione darciana e di mezzi porosi sviluppata nei lavori classici sulla percolazione nella neve (Colbeck, 1972; Colbeck, 1974).
La prima informazione evidente è che Wmi diminuisce quasi monotonamente all’aumentare della densità. Questo comportamento è intuitivo: man mano che la neve si densifica, la porosità cala e lo spazio disponibile per trattenere acqua si riduce; perciò, anche se la capillarità può diventare più efficace nel trattenere film e ponti liquidi tra i grani, la “capacità” totale del mezzo (in termini di massa d’acqua per massa complessiva) tende a contrarsi. È un modo compatto per dire che un firn più maturo è meno “spugna” in senso volumetrico: ha meno vuoti da riempire. Questo aspetto è coerente con quanto emerge nelle valutazioni di modelli di firn su Groenlandia, dove la disponibilità di pore space è uno dei vincoli dominanti per stabilire quanta acqua possa infiltrare e quanta debba necessariamente contribuire al runoff (Harper et al., 2012; van Angelen et al., 2013).
La seconda informazione, più sottile ma spesso più importante per la modellistica, è la forma a “U” di Swi: la saturazione irriducibile diminuisce dalle basse densità verso valori intermedi e poi aumenta nuovamente alle densità più alte, vicino alla transizione firn–ghiaccio. Questa non-monotonicità suggerisce che cambiano i regimi microfisici della ritenzione. A densità molto basse la geometria dei pori è ampia e la connettività può favorire una ritenzione “apparente” non trascurabile, ma anche una rapida mobilizzazione quando l’acqua supera la soglia; andando verso densità intermedie la struttura porosa tende a organizzarsi in canali più efficienti al drenaggio e la frazione d’acqua trattenibile stabilmente può ridursi; infine, verso densità elevate, la rete dei pori diventa più fine e tortuosa, le curvature meniscali aumentano e le forze capillari possono trattenere più efficacemente una frazione residua, facendo risalire Swi. In altre parole, il firn molto denso può trattenere relativamente più “acqua residua” in termini di saturazione dei pori, pur avendo (come indica Wmi) poca capacità in termini di massa totale perché i pori complessivi sono pochi. È proprio qui che si capisce perché la letteratura riporti valori molto diversi di saturazione irriducibile: misure di laboratorio su neve a densità simili possono dare risultati differenti se cambiano granulometria, metamorfismo e storia di bagnamento/ricongelamento (Colbeck, 1974; Yamaguchi et al., 2010), e questo si riflette nelle scelte dei modelli (ad esempio valori fissi più bassi o più alti, oppure funzioni dipendenti dalla densità/porosità).
Dal punto di vista applicativo, la figura spiega perché la saturazione irriducibile è una “manopola” critica nei modelli di bilancio di massa superficiale: determina quando compare acqua “effettivamente mobile”, cioè la parte che eccede ciò che la capillarità può trattenere e che quindi può percolare rapidamente verso strati più profondi o alimentare drenaggi laterali. Nei modelli multilayer moderni (Crocus/SURFEX: Vionnet et al., 2012; SNOWPACK: Wever et al., 2015) e nelle implementazioni per Groenlandia in RCM come RACMO e MAR, le differenze tra valori fissi e parametrizzazioni variabili si traducono in differenze nella tempistica e nell’intensità di percolazione, ricongelamento e formazione di ghiaccio interno (Reijmer et al., 2012). Non è un dettaglio: spostare anche poco la soglia tra acqua trattenuta e acqua mobile cambia la probabilità che l’acqua incontri “cold content” sufficiente per ricongelare, rilasci calore latente e modifichi la struttura termica del firn, con un effetto cumulativo che è stato osservato come riscaldamento diffuso del firn groenlandese su scale pluridecennali (Polashenski et al., 2014).
In Groenlandia, questo legame microfisica–macroscala è diventato ancora più rilevante perché il sistema sta mostrando transizioni strutturali: la presenza di acquiferi perenni nel firn (Forster et al., 2014; Koenig et al., 2014; Kuipers Munneke et al., 2014) e la formazione di livelli/lenti di ghiaccio a bassa permeabilità (Machguth et al., 2016) indicano che la ritenzione non è solo “quanto trattengo”, ma anche “come cambia la permeabilità nel tempo”. Se il firn si arricchisce di ghiaccio interno, la percolazione profonda può ridursi e una quota maggiore di acqua tende a rimanere in alto o a defluire, aumentando il runoff anche in aree che storicamente fungevano da serbatoio di refreezing. La Figura 1, in questo senso, è una chiave di lettura: mostra che la capacità capillare e la capacità volumetrica non evolvono nello stesso modo con la densità, e che la modellistica deve scegliere se rappresentare questa evoluzione con un valore costante (semplice ma spesso fragile) oppure con una dipendenza da porosità (più fisica, ma sensibile alle ipotesi). È esattamente il motivo per cui nel lavoro su HIRHAM5 si testano configurazioni diverse: per capire quanto la simulazione di runoff, SMB e struttura subsuperficiale dipenda dal modo in cui si traduce la microfisica capillare in una soglia di drenaggio a scala di modello.
Densificazione e crescita dei grani
La densificazione del manto nevoso, nei modelli fisici, viene trattata come un processo di “assestamento” guidato soprattutto dal peso degli strati sovrastanti: più neve si accumula sopra, più aumenta lo sforzo verticale e più rapidamente la struttura porosa tende a collassare, riducendo la porosità e facendo crescere la densità. Questo quadro è coerente con l’idea (molto usata in glaciologia e nivologia) di una deformazione viscosa della neve, cioè una risposta meccanica che dipende dalla “viscosità” efficace del materiale, che a sua volta controlla quanto facilmente i granuli e i legami tra granuli possono riorganizzarsi nel tempo. È un’impostazione comune in diversi modelli operativi e di ricerca, dai modelli stratificati per idrologia/valanghe fino ai modelli energetici più completi.
Dentro questa cornice, Crocus (come descritto da Vionnet e colleghi) parametrizza la viscosità in modo da renderla fortemente sensibile alla temperatura e alla densità: a parità di carico, una neve più “calda” e/o già più densa tende a deformarsi più in fretta, accelerando ulteriormente la compattazione. Nelle implementazioni moderne l’idea chiave resta la stessa, ma è stata armonizzata e aggiornata in versioni più recenti del modello (con una formalizzazione più sistematica dei fattori correttivi legati allo stato microstrutturale e alla presenza di acqua liquida).
L’acqua liquida è il vero “game changer” perché modifica drasticamente la resistenza meccanica: quando la neve si inumidisce (per fusione o pioggia su neve), i ponti tra i grani evolvono, la lubrificazione aumenta e l’assestamento può diventare molto più rapido rispetto alla neve secca. Per questo nei modelli la viscosità non viene lasciata “nuda e cruda”, ma corretta con un termine che accelera la deformazione al crescere del contenuto di acqua liquida. Questa sensibilità è importante anche per riprodurre tempistiche realistiche di bagnamento degli strati, comparsa di barriere capillari/strati crostosi e, in prospettiva applicativa, per l’evoluzione dell’instabilità da neve bagnata.
Un altro punto spesso sottovalutato è che la densità “di partenza” della neve fresca non è universale: dipende dal contesto meteo-climatico, dal vento, dal tipo di precipitazione e dal setting geografico. Nei contesti polari e di calotta (tipo Groenlandia) è diventato evidente che molte parametrizzazioni troppo semplici sovrastimano la densità superficiale, e che dataset osservativi estesi aiutano a vincolare meglio il valore iniziale e la sua variabilità spaziale. In pratica, introdurre dipendenze empiriche da variabili geografiche (quota/latitudine/longitudine) o usare dataset calibrati su misure reali può cambiare in modo non banale l’evoluzione successiva di compattazione e quindi anche la permeabilità e la ritenzione idrica degli strati superiori.
Sul fronte della crescita dei grani, quando la neve contiene acqua liquida entra in gioco la metamorfosi da neve umida: i grani tendono ad arrotondarsi e ingrossarsi perché l’acqua facilita i trasferimenti di massa e la coalescenza a livello microstrutturale. Studi sperimentali classici hanno mostrato che, in regime umido, la velocità di crescita è strettamente legata al contenuto d’acqua (con leggi empiriche che aumentano rapidamente al crescere dell’umidità), e molte parametrizzazioni operative riprendono proprio questa idea per legare l’aumento della dimensione dei grani alla percentuale di acqua liquida presente.
Questa parte non è “decorativa”: la dimensione dei grani e la densità entrano direttamente nelle proprietà idrauliche (conducibilità, curva di ritenzione, suzione capillare), quindi determinano se l’acqua scende in modo più diffuso (matrix flow) oppure si incanala in percorsi preferenziali, con forti implicazioni per runoff, formazione di ghiaccio interno e instabilità valanghiva. Misure e modelli hanno documentato chiaramente quanto la curva di ritenzione dipenda da grana e densità, e lavori più recenti evidenziano che la metamorfosi umida (quindi anche la crescita dei grani) può favorire la transizione da flusso preferenziale a flusso più omogeneo nel tempo, proprio perché la microstruttura evolve mentre l’acqua circola.
In sintesi: l’accoppiamento “meccanica–microstruttura–idrologia” è il cuore del problema. Modelli come Crocus e SNOWPACK lo affrontano con livelli diversi di dettaglio, ma il messaggio comune della letteratura è che temperatura, densità, acqua liquida e metamorfosi dei grani non possono essere trattate come pezzi indipendenti se vuoi riprodurre bene sia l’assestamento sia la dinamica dell’acqua nel manto. Ed è anche il motivo per cui, nelle intercomparazioni tra modelli, le differenze nelle parametrizzazioni di densità/compattazione e nei processi legati all’acqua liquida risultano spesso tra le più “pesanti” sugli output finali.
Experimental Design (Disegno sperimentale)
Per quantificare in modo pulito la sensibilità della fisica subsuperficiale (percolazione, ritenzione, rifusione/rigelo e temperature nel firn) alle scelte di schema e parametrizzazione, l’approccio adottato è quello “offline”: invece di lasciare che atmosfera e sottosuolo si retroagiscano continuamente, si fa girare HIRHAM5 e si archiviano i forzanti superficiali ogni 6 ore (radiazione solare e infrarossa discendente, flussi turbolenti di calore latente e sensibile, e flussi di massa legati a neve, pioggia e sublimazione). Questi campi vengono poi letti dal modello subsuperficiale, che lavora con un passo temporale più fine (1 ora) ottenuto per interpolazione, così da catturare meglio la non linearità dei processi di fusione e di circolazione dell’acqua nel manto. In questo assetto, i flussi radiativi verso l’alto non sono imposti, ma calcolati internamente in funzione della temperatura superficiale e dell’albedo: è un dettaglio cruciale perché mantiene il bilancio energetico coerente con lo stato termico simulato dal sottosuolo, pur restando in un quadro disaccoppiato dall’atmosfera. Questa architettura è ampiamente usata quando si vuole attribuire differenze di run-off e di contenuto d’acqua nel firn alle sole scelte di fisica/parametri, evitando che variazioni atmosferiche interne “mascherino” il segnale del sottosuolo.
La parte metodologicamente più delicata è lo spin-up, perché le variabili che contano davvero (temperature in profondità, capacità di ritenzione e stato del firn) hanno tempi caratteristici lunghi e “memoria” multidecadale. Per questo si parte da uno stato iniziale proveniente da un esperimento precedente e si ripete ciclicamente un decennio considerato rappresentativo e precedente al forte riscaldamento successivo (1980–1989), finché le medie decadali del deflusso e delle temperature subsuperficiali smettono di mostrare transitori: nella pratica si parla spesso di alcune decine di anni fino a circa un secolo di integrazione, a seconda del settaggio e della profondità/risoluzione verticale del dominio. Ogni esperimento di sensibilità viene spin-uppato separatamente, proprio per evitare che un “firn state” non equilibrato introduca bias sistematici quando si confrontano run-off o profili termici tra configurazioni diverse; solo dopo questa stabilizzazione si avvia la simulazione transiente 1980–2014 a partire dallo stato finale raggiunto.
Dentro questo disegno, l’albedo superficiale è trattata come un vero “interruttore” energetico: piccoli cambiamenti di albedo modificano in modo diretto l’assorbimento di onda corta, amplificando o smorzando la fusione e quindi l’alimentazione di acqua liquida nel sottosuolo e, a cascata, il run-off. Per testare questa leva, vengono confrontate due implementazioni: (i) un’albedo osservata giornaliera derivata da MODIS (approccio che mira a imporre un vincolo osservazionale forte, utile soprattutto nelle annate con anomalie di scurimento e nelle transizioni neve–ghiaccio), e (ii) un’albedo calcolata internamente tramite una relazione lineare con la temperatura, che rappresenta in modo semplice l’invecchiamento/umidificazione della neve e la perdita di riflettanza man mano che ci si avvicina a 0 °C. Nel secondo caso, l’albedo della neve viene fatta diminuire progressivamente al crescere della temperatura (con valori tipici alti in condizioni fredde e più bassi a fusione incipiente) mentre l’albedo del ghiaccio nudo è tenuta costante; neve e ghiaccio vengono poi “miscelati” quando lo spessore nevoso è ridotto, usando una transizione esponenziale controllata da una profondità caratteristica dell’ordine di pochi centimetri, come nelle formulazioni classiche di bilancio energetico glaciale. La letteratura mostra bene sia i punti di forza sia i limiti di queste scelte: i prodotti MODIS catturano la variabilità spazio-temporale dell’albedo ma risentono di problemi noti (maschera nuvolosa, anisotropia/BRDF, rumore temporale), mentre le parametrizzazioni temperatura-dipendenti sono robuste e stabili ma possono non rappresentare correttamente la variabilità del ghiaccio nudo (impurità, polveri, crioconite, bio-darkening), oggi sempre più riconosciuta come importante per il feedback radiativo nelle zone di ablazione groenlandesi.
Lettura integrata dei test di sensibilità della Tabella 1
La Tabella 1 definisce una matrice di esperimenti pensata per scomporre, in modo controllato, tre leve fisiche che dominano la risposta idrologica e termica del firn: (1) la sorgente energetica di fusione attraverso l’albedo, (2) il modo in cui l’acqua liquida si muove nel mezzo poroso (percolazione “tipo Darcy” versus una formulazione senza Darcy), e (3) quanta acqua viene trattenuta negli strati nevosi come “acqua irriducibile” o come capacità di immagazzinamento relativa alla massa di ghiaccio. Questa impostazione è coerente con la letteratura sulla Groenlandia e sulle calotte in generale: il bilancio di massa superficiale e, soprattutto, la quota di melt che diventa runoff dipendono in maniera non lineare dall’assorbimento radiativo (albedo) e dalla “filiera” subsuperficiale ritenzione–percolazione–rigelo, che può sequestrare grandi volumi d’acqua nel firn o, al contrario, favorire un drenaggio rapido verso il deflusso (ad esempio, Box et al., 2012; Langen et al., 2015; studi sul ruolo del firn come serbatoio e sui cambiamenti recenti della capacità di ritenzione includono Harper et al., 2012 e lavori successivi su firn aquifer e refreezing come Forster et al., 2014; Koenig et al., 2014).
Il “pilastro” di confronto è costruito in doppio, perché cambia a monte l’albedo: da una parte la famiglia MOD usa campi giornalieri osservati da MODIS (più realistica nel rappresentare variabilità spaziale e temporale), dall’altra la famiglia LIN usa un’albedo calcolata internamente come funzione lineare della temperatura (più idealizzata ma dinamicamente consistente con lo stato termico simulato). Dentro ciascuna famiglia, i casi di riferimento sono MOD-ref e LIN-ref, entrambi con percolazione Darcy, Swi parametrizzata secondo Coléou e Lesaffre (1998) (indicata in tabella come CL) e rapporto wh/wice = 1.0; l’unica differenza tra i due è quindi l’albedo (MODIS in MOD-ref, Linearin LIN-ref). Questo accoppiamento “gemello” serve a isolare l’impatto dell’albedo sul melt energetico e quindi sulla quantità d’acqua disponibile per infiltrazione e runoff: è un punto cruciale perché, nella criosfera, piccole differenze di albedo possono produrre grandi differenze di energia assorbita e amplificare la fusione in modo marcato, specialmente quando si entra nella stagione con ghiaccio nudo o neve umida (Box et al., 2012; e, più in generale, la tradizione dei modelli EBM in area glaciale che usa blending neve–ghiaccio e transizioni con spessore neve, come Oerlemans e Knap, 1998).
A parità di albedo MODIS, la tabella introduce tre perturbazioni mirate rispetto a MOD-ref, ciascuna progettata per “stressare” un tassello della fisica dell’acqua nel firn. In MOD-w01 si mantiene Darcy e si mantiene Swi = CL, ma si riduce drasticamente la capacità relativa di immagazzinamento ponendo wh/wice = 0.1 (anziché 1.0), sempre con albedo MODIS: questo esperimento è, di fatto, un test sul limite inferiore della capacità di trattenere acqua, e quindi tende a favorire un passaggio più rapido dall’acqua prodotta da fusione al runoff, riducendo il tempo di permanenza dell’acqua negli strati porosi e potenzialmente riducendo anche le opportunità di rigelo in profondità (il che ha ricadute sul profilo termico e sul “cold content”). In MOD-Swi02 si mantiene Darcy e wh/wice = 1.0, ma si sostituisce la parametrizzazione CL con un valore fisso Swi = 0.02, ancora con albedo MODIS: qui il bersaglio è la ritenzione capillare minima, cioè la quota d’acqua “non drenabile” intrappolata tra i grani; Coléou e Lesaffre (1998) trattano questo aspetto legandolo alle caratteristiche microstrutturali della neve, mentre un valore fisso impone una ritenzione uniforme e più schematica. Cambiare Swi è noto essere molto efficace nel cambiare la partizione tra acqua trattenuta (che può poi rigelare) e acqua che drena, e quindi nel modulare sia il runoff sia la densificazione/trasformazione degli strati umidi. Infine, MOD-NoDarcy disattiva il trasporto poroso esplicito (NoDarcy), mantenendo Swi = CL e albedo MODIS; qui il rapporto wh/wice è indicato come non rilevante (trattino) perché, senza una dinamica tipo Darcy, la nozione stessa di capacità idraulica relativa usata nel formalismo Darcy perde significato operativo. Questo esperimento è utile come “controllo strutturale”: molti studi mostrano che assumere un trasporto tipo matrice (Darcy/Richards) può funzionare bene in certi regimi, ma può anche fallire quando dominano flussi preferenziali e instabilità idrauliche tipiche della neve bagnata e del firn, con implicazioni importanti per tempi di arrivo dell’acqua, formazione di lenti di ghiaccio e run-off (una linea di ricerca ampia su preferenzialità e percolazione in neve/firn include lavori sperimentali e modellistici come Katsushima et al., 2009; Hirashima et al., 2010, oltre a molta letteratura successiva sul passaggio da matrix flow a preferential flow).
Sul ramo LIN la tabella aggiunge una sola perturbazione rispetto a LIN-ref, cioè LIN-Swi02: Darcy, Swi = 0.02, wh/wice = 1.0, albedo Linear. In pratica è il gemello concettuale di MOD-Swi02, ma in un contesto energetico “interno” (albedo temperatura-dipendente) invece che osservato (MODIS). Questo consente un confronto incrociato molto pulito: se l’effetto di ridurre la ritenzione irriducibile (da CL a 0.02) è simile in MOD e LIN, allora il controllo principale è davvero idrologico; se invece l’effetto cambia molto, significa che la parametrizzazione dell’albedo (e quindi la quantità e la stagionalità dell’acqua prodotta) modula fortemente la sensibilità idrologica del firn.
Riassumendo esplicitamente i “dati” della tabella in forma narrativa: MOD-ref = (Darcy, Swi = CL, wh/wice = 1.0, albedo MODIS); MOD-w01 = (Darcy, Swi = CL, wh/wice = 0.1, albedo MODIS); MOD-Swi02 = (Darcy, Swi = 0.02, wh/wice = 1.0, albedo MODIS); MOD-NoDarcy = (NoDarcy, Swi = CL, wh/wice non applicabile, albedo MODIS); LIN-ref = (Darcy, Swi = CL, wh/wice = 1.0, albedo Linear); LIN-Swi02 = (Darcy, Swi = 0.02, wh/wice = 1.0, albedo Linear). La logica complessiva è quella di un disegno “one-factor-at-a-time” attorno a due baseline energetiche (MODIS vs Linear), una strategia classica per attribuire causalmente differenze di runoff e temperatura nel firn a singoli processi (assorbimento radiativo, trasporto poroso, ritenzione capillare), che in Groenlandia sono noti essere determinanti per spiegare sia la variabilità interannuale del deflusso sia le transizioni strutturali del firn (per esempio l’emergere di strati impermeabili o acquiferi di firn) documentate osservazionalmente nell’ultimo ventennio (Harper et al., 2012; Forster et al., 2014; Koenig et al., 2014).
MODEL EVALUATION USING OBSERVATIONS (Valutazione del modello con osservazioni)
In questa fase lo scopo non è “far tornare” un singolo indicatore, ma verificare se il modello riproduce in modo coerente l’intera catena fisica che porta dal forcing atmosferico (precipitazione e flussi energetici) alla risposta del manto nevoso/firn (temperatura, densificazione, ritenzione e rigelo) e infine al bilancio di massa superficiale e al runoff. Per questo il confronto con le osservazioni viene costruito su variabili che, insieme, vincolano sia la componente atmosferica sia quella subsuperficiale: accumulo superficiale, SMB e conteggio dei giorni di fusione in superficie, più l’evoluzione della temperatura nel sottosuolo in un sito PROMICE e i profili di densità in più località. PROMICE è particolarmente utile perché la rete di stazioni automatiche è progettata proprio per misurare le condizioni atmosferiche e di superficie nelle aree di fusione della calotta groenlandese, fornendo serie temporali robuste per validare energia e massa a scala locale.
Un punto centrale è la definizione operativa di SMB adottata nello studio: qui SMB è la somma di accumulo e ablazione includendo l’accumulo interno dovuto a rigelo dell’acqua nel manto nevoso e formazione di ghiaccio sovrapposto (superimposed ice). Questa scelta non è solo terminologica: in Groenlandia la quota di acqua di fusione che non diventa runoff perché viene trattenuta e rigela nel firn può essere enorme e rappresenta un vero “buffer” idrologico e climatico; diversi studi basati su modellistica e osservazioni indicano che, su periodi recenti, una frazione molto rilevante della fusione può rifluire nel firn e rigelare invece di defluire immediatamente. Inoltre, la stessa grandezza viene spesso chiamata “climatic mass balance” nella letteratura glaciologica, come formalizzato nei glossari e standard terminologici di riferimento.
Dal punto di vista del “chi controlla cosa”, l’impostazione del modello rende il test ancora più diagnostico. L’accumulo (e in parte la storia deposizionale) è esterno al modulo subsuperficiale perché viene fornito esclusivamente da HIRHAM5: quindi quando si confronta l’accumulo osservato vs simulato, si sta valutando soprattutto la capacità del modello atmosferico regionale di riprodurre precipitazioni/nevicate e loro stagionalità, un tema ampiamente discusso nelle validazioni dei RCM su Groenlandia. L’ablazione, invece, nasce sì dai flussi energetici discendenti prodotti da HIRHAM5, ma dipende in modo sostanziale anche dall’albedo al limite superiore del sottosuolo (calcolata internamente nel caso LIN o prescritta da MODIS nel caso MOD) e dai flussi energetici interni del firn: è qui che le scelte di schema (percolazione, ritenzione, rigelo, conducibilità, compattazione) possono cambiare la partizione tra acqua trattenuta e runoff e perfino retroagire sulla temperatura del manto e quindi sulla “predisposizione” alla fusione nelle stagioni successive. Non a caso, gli interconfronti tra modelli di SMB mostrano spesso che differenze apparentemente piccole nelle ipotesi su albedo e trattamento del firn possono produrre divergenze marcate su melt e runoff.
Infine, l’uso di osservazioni subsuperficiali (temperatura in un sito PROMICE e profili di densità in più siti) è il passaggio che impedisce una validazione “furba” basata solo su variabili integrate. Temperature e densità sono vincoli fisici diretti sullo stato del firn: dicono se il modello sta rappresentando correttamente la diffusione del calore, la disponibilità di cold content, la densificazione e la trasformazione strutturale legata a fusione/rigelo. In altre parole, se il modello riproduce SMB e melt days ma sbaglia sistematicamente profili termici o densità, è un segnale che la partizione interna dell’energia e dell’acqua (quindi i processi che decidono quanta fusione si “perde” in rigelo e quanta diventa runoff) non è fisicamente consistente, e questo è esattamente ciò che gli studi sul firn groenlandese indicano come cruciale per proiezioni credibili di runoff futuro.
Observational Data – MODIS Albedo (Dati osservativi: albedo MODIS)
La sottosezione descrive come l’albedo superficiale MODIS impiegata nel modello non venga usata “così com’è”, ma passi attraverso un trattamento pensato per renderla più robusta all’uso modellistico, soprattutto perché l’albedo entra direttamente nel bilancio energetico della fusione e quindi può amplificare errori anche piccoli in termini di melt e runoff. Il prodotto di partenza è l’albedo giornaliera associata a MOD10A1, che fornisce (fra gli altri layer) una stima di albedo della neve a scala globale: la derivazione si basa su riflettanze MODIS corrette per l’atmosfera e su correzioni per la riflettanza anisotropa (BRDF) mediante modellistica radiativa, come documentato nella descrizione algoritmica del prodotto.
Il problema pratico, ben noto nella letteratura, è che i campi giornalieri possono contenere rumore temporale e contaminazioni da nubi residue: anche quando la maschera nuvolosa funziona bene, restano casi borderline (nuvolosità sottile, ombre, condizioni di illuminazione complesse) che introducono “spike” non fisici nell’albedo. Una valutazione classica del MOD10A1 su Groenlandia ha mostrato che il prodotto cattura la stagionalità generale, ma può esibire una variabilità giornaliera maggiore di quella osservata in situ, indicando limiti della cloud detection e/o della rappresentazione BRDF della neve. Per mitigare questi effetti, Box et al. (2012) propongono un filtraggio pixel-per-pixel basato su statistiche mobili di 11 giorni: i valori che si discostano oltre una soglia (in termini di deviazioni standard dalla media mobile) vengono rigettati come probabili artefatti; tuttavia, per evitare di eliminare episodi potenzialmente reali, i valori sufficientemente vicini alla mediana vengono trattenuti. La scelta finale è poi quella di assumere la mediana mobile su 11 giorni come valore giornaliero, ottenendo un compromesso tra “pulizia” del segnale e mantenimento della variabilità stagionale. Dal punto di vista modellistico, questa è una decisione molto sensata: la mediana è meno sensibile agli outlier rispetto alla media e riduce il rischio che un singolo artefatto da nubi produca un impulso spurio di energia assorbita (onda corta) e dunque un eccesso di fusione in un giorno specifico.
Un secondo aspetto chiave è la copertura temporale: MODIS è disponibile solo a partire dal 2000. Per gli anni precedenti, lo studio adotta una climatologia giornaliera costruita sul periodo 2000–2006, indicato come “pre-darkening”, e la utilizza come surrogato dell’albedo giornaliera prima del 2000. Questa scelta è ancorata a due motivazioni presenti in letteratura. La prima è che esistono evidenze robuste di un trend di scurimento dell’albedo estiva della Groenlandia a partire dalla fine degli anni ’90/inizio 2000, con implicazioni dirette sull’energia assorbita e sulla produzione di meltwater; usare un periodo iniziale “meno scuro” come base climatologica riduce la probabilità di trasferire implicitamente condizioni più recenti (e più scure) in un passato in cui potrebbero non essere state altrettanto diffuse. La seconda è che le serie MODIS, specie quando usate per tendenze e confronti di lungo periodo, sono sensibili anche a questioni di stabilità del record (aggiornamenti di calibrazione/processing tra collezioni, differenze Terra/Aqua, ecc.), e diversi lavori hanno mostrato che revisioni di calibrazione possono modificare in modo non trascurabile le tendenze di albedo precedentemente inferite su Groenlandia. In questo contesto, la climatologia 2000–2006 prima del 2000 è una soluzione pragmatica: garantisce un forcing giornaliero realistico in termini stagionali, ma inevitabilmente sopprime la variabilità interannuale dell’albedo nel periodo pre-2000. Questo effetto è esplicitamente riconosciuto anche in lavori collegati alla stessa catena modellistica HIRHAM5–schema subsuperficiale, dove si nota che l’uso della climatologia riduce la variabilità e può aumentare le differenze tra esperimenti MODIS-driven e quelli con albedo interna (LIN) proprio prima del 2000.
In sintesi, la sottosezione formalizza una scelta metodologica molto “da modellistica operativa”: prendere un prodotto satellitare estremamente informativo ma rumoroso su scala giornaliera, ripulirlo con un filtro robusto (mediana mobile e criteri di outlier rejection) e gestire il buco pre-2000 con una climatologia costruita su un periodo ritenuto rappresentativo e precedente al forte scurimento documentato. È un compromesso ragionato tra fedeltà osservativa e stabilità numerica del forcing radiativo, con conseguenze dirette sulla stima di fusione e runoff.
Accumulation (Accumulo)
Per valutare in modo credibile l’accumulo simulato, lo studio si appoggia a un vincolo osservativo “duro”, cioè una raccolta di carote di ghiaccio che forniscono tassi annui di accumulo netto in equivalente d’acqua (w.e.): la compilazione citata conta 86 serie distribuite su un ampio intervallo altitudinale (da poche centinaia di metri fino a oltre 3000 m s.l.m.), ed è stata usata in lavori di ricostruzione e mappatura dell’accumulo groenlandese proprio perché integra informazione puntuale di alta qualità con la variabilità spaziale a scala di calotta.
La scelta operativa fatta qui è selettiva e ha una logica fisica precisa: vengono mantenute solo le carote (i) che si sovrappongono temporalmente al periodo delle simulazioni e (ii) che si trovano sopra i 1000 m s.l.m., ottenendo 68 carote (campione che copre differenze nord–sud ed est–ovest). Il filtro altimetrico è importante perché sopra ~1000 m, più frequentemente, ci si colloca nella zona di accumulo (dry-snow/percolation alta) dove gli strati annuali sono meglio conservati e l’accumulo annuo ricostruito da stratigrafia/marker stagionali è meno “sporcato” da fusione intensa, ruscellamento superficiale e rimaneggiamenti drastici del firn. Nelle quote più basse e/o nelle zone con fusione più marcata, l’infiltrazione e il rigelo possono alterare la stratigrafia, produrre croste e lenti di ghiaccio e rendere più complessa (e talvolta ambigua) la lettura annuale e l’interpretazione del segnale di accumulo.
C’è poi un secondo motivo, più “modellistico”: in questa catena HIRHAM5–sottosuolo, l’accumulo superficiale è un forcing fornito dal modello atmosferico regionale, mentre ciò che si vuole testare con sensibilità e confronto osservativo è soprattutto la coerenza spazio-temporale dell’accumulo simulato (gradiente con quota, asimmetrie est-ovest, differenze tra settori climatici) evitando che l’errore sia dominato dai processi di ablazione e dalla complessità idrologica delle zone di margine. In altre parole, restringendo il confronto a carote “da zona di accumulo” si ottiene un test più pulito della componente precipitativa/accumulativa del sistema (e della sua rappresentazione spaziale), prima di passare a metriche più sensibili alla fusione e all’albedo.
Questa impostazione è anche coerente con il quadro più ampio delle stime di accumulo in Groenlandia: le mappe e ricostruzioni “classiche” basate su carote e snow pits (poi spesso interpolate o calibrate con modelli/regressioni) mostrano che l’accumulo ha gradienti fortissimi e non lineari, con massimi in aree costiere/orografiche e minimi nell’interno freddo e secco; per questo i dataset puntuali (carote) sono preziosi ma devono essere campionati in modo da rappresentare almeno in parte la variabilità regionale. Negli ultimi anni, inoltre, sono arrivati vincoli complementari utilissimi, come stime da radar della stratigrafia nevosa/firn che permettono di mappare pattern di accumulo su aree molto più estese e di verificare bias sistematici dei modelli regionali, soprattutto laddove i punti da carota sono radi. E più recentemente sono state proposte anche ricostruzioni/mappe a risoluzione temporale più fine (mensile) per periodi lunghi, proprio per migliorare la confrontabilità con i RCM e quantificare meglio i bias spazio-temporali.
In sintesi, i “dati” della Tabella/compilazione (86 → 68 carote, quota >1000 m e sovrapposizione temporale) non sono una scelta arbitraria: servono a costruire un banco di prova osservativo che privilegi la zona di accumulo, dove l’accumulo annuo in w.e. è più direttamente interpretabile e dove il confronto con un RCM è statisticamente più informativo, perché meno contaminato da processi di fusione/percolazione che, pur fondamentali, appartengono a un’altra parte (più complessa) della catena SMB–firn–runoff.
Surface Mass Balance e Automatic Weather Stations
La valutazione del modello, qui, poggia su un principio molto concreto: invece di limitarsi a confrontare “mappe” di SMB, si usano osservazioni puntuali georeferenziate e si verifica se il modello è capace di riprodurre la variabilità reale nelle diverse regioni groenlandesi, lungo gradienti di quota e clima. Per questo viene adottata la compilazione PROMICE di osservazioni SMB (storiche e contemporanee) raccolte e armonizzate da Machguth et al., costruita principalmente a partire da misure sul terreno come letture di paline (stake readings) e dati da snow pit, con un forte lavoro di controllo qualità e normalizzazione dei metadati per renderle utilizzabili in validazione modellistica. Nel protocollo descritto, le osservazioni vengono filtrate in modo coerente con gli esperimenti: si tengono solo quelle che si sovrappongono temporalmente alle simulazioni e si escludono i siti che cadono fuori dalla glacier mask del modello, per evitare confronti “geometricamente” inconsistenti (cioè punti osservati su ghiaccio reale che, per il modello, sarebbero roccia/tundra o viceversa). Il risultato è un campione molto ampio — 1041 osservazioni da 351 siti— che copre una parte significativa della variabilità spaziale dell’ablazione groenlandese.
Un dettaglio metodologico importante è che le osservazioni hanno durate molto diverse (da pochi mesi a più anni), ma entrano nelle analisi con peso statistico uguale. Questa scelta, pur semplice, è tutt’altro che banale: evita che poche serie lunghe dominino la metrica complessiva e mantiene “visibili” anche campagne brevi ma geograficamente preziose, però introduce un compromesso perché un valore stagionale (per esempio, solo stagione di ablazione) può avere un’incertezza e una rappresentatività diversa rispetto a un bilancio annuale completo. In validazioni di SMB su Groenlandia è un tema ricorrente: i confronti punto-griglia sono affetti da representativeness error (topografia sub-grid, esposizione, microclimi locali, errori di geolocalizzazione e di quota effettiva rispetto alla cella modellistica), e il modo in cui si pesano le osservazioni può cambiare l’interpretazione di bias e RMSE. Proprio per questo, affiancare a un database SMB così esteso una diagnostica energetica più “fisica” diventa fondamentale, perché consente di capire perché il modello sbaglia, non solo quanto sbaglia.
Ed è qui che entrano in gioco le stazioni meteorologiche automatiche (AWS) PROMICE, usate come lente interpretativa per le discrepanze modello-osservazione. PROMICE nasce per monitorare in modo sistematico le condizioni atmosferiche e di superficie sulla calotta e su ghiacciai periferici, con serie ad alta frequenza e procedure di processing e quality control pubblicate in modo trasparente. Le variabili richiamate (temperatura dell’aria near-surface, temperatura della superficie, radiazione a onda lunga e corta discendente, onda corta netta entrante e albedo) sono esattamente quelle che “chiudono il cerchio” del surface energy balance: se il modello produce troppa fusione (e quindi SMB troppo negativo), l’AWS aiuta a discriminare se il problema è, ad esempio, troppa onda corta assorbita(albedo troppo bassa o cielo troppo sereno), oppure troppa onda lunga in ingresso (bias nelle nubi e nell’emissività atmosferica), oppure ancora un errore nei termini turbolenti che si riflette sulla temperatura superficiale. Il valore aggiunto è che molte grandezze AWS sono derivate con definizioni operative ben documentate (ad esempio la temperatura superficiale ricavata dai flussi longwave assumendo un’emissività), rendendo il confronto più “tracciabile” dal punto di vista fisico.
Questo approccio (SMB puntuale + AWS per l’energia) è in linea con ciò che la letteratura recente sottolinea per la Groenlandia: una quota consistente degli errori di melt nei modelli regionali può essere ricondotta a come vengono rappresentate nubi e radiazione (soprattutto la longwave discendente e la modulazione della shortwave), e i dataset AWS sono tra i pochi strumenti che permettono di attribuire causalmente il bias senza ricorrere a inferenze indirette. In altre parole, la combinazione descritta nelle due sottosezioni non è un “di più”: è una strategia di validazione pensata per separare l’errore dovuto alla forzante atmosferica (e alla sua radiazione) dall’errore introdotto dai processi superficiali e subsuperficiali (albedo, rigelo, percolazione), evitando di confondere compensazioni numeriche con realismo fisico.
Surface Melt
Surface Melt (Fusione superficiale)
La valutazione dell’estensione della fusione superficiale viene effettuata usando il prodotto MEaSUREs Greenland Surface Melt Daily 25 km EASE-Grid 2.0 (Mote, 2014), che fornisce per ogni giorno una classificazione binaria melt/no-melt su griglia equal-area a 25 km. Il punto di forza di questo tipo di dato è che deriva da radiometri a microonde passive (SSM/I e SSMIS su piattaforme DMSP) e quindi mantiene una buona continuità osservativa anche in presenza di nubi o scarsa illuminazione, condizioni che invece penalizzano seriamente i sensori ottici.
Fisicamente, l’algoritmo sfrutta il fatto che la presenza di acqua liquida negli strati superficiali della neve (anche in quantità piccole) cambia drasticamente le proprietà dielettriche del mezzo e, di conseguenza, la temperatura di brillanzaosservata alle microonde: in pratica, quando la neve “si bagna”, la firma radiometrica diventa compatibile con condizioni di fusione/near-surface melt. Le soglie non sono scelte in modo arbitrario, ma vengono ricavate confrontando le temperature di brillanza misurate con soglie costruite tramite un modello di emissione a microonde capace di simulare il segnale atteso da un manto nevoso in fusione; questa impostazione è coerente con la metodologia storica sviluppata proprio per la Groenlandia da Mote e Anderson, che usarono simulazioni a microonde per definire threshold applicabili alle serie passive-microwave giornaliere.
Dal punto di vista dell’interpretazione modellistica, il confronto “melt extent” è particolarmente diagnostico perché integra la catena energetica che porta a superare lo zero termico superficiale, ma va letto tenendo presenti alcuni limiti noti: la risoluzione a 25 km attenua la rappresentazione di dettagli costieri e topografici, e la classificazione melt/no-melt è sensibile alla presenza di acqua liquida negli strati prossimi alla superficie, non necessariamente alla fusione “visibile” come acqua libera o runoff. Proprio per questo, diversi studi successivi hanno confrontato e validato algoritmi di fusione da microonde evidenziando differenze tra tecniche e possibili bias legati a soglie, condizioni atmosferiche e stato del firn, sottolineando l’importanza di usare questi prodotti come indicatore robusto di occorrenza della fusione più che come misura diretta di intensità.
Subsurface Temperature (Temperatura subsuperficiale)
La misura della temperatura subsuperficiale al sito PROMICE KAN-U (percolation area della Groenlandia occidentale, ~1840 m s.l.m.) viene usata come vincolo osservativo “forte” perché, in questa fascia di transizione tra accumulo e ablazione, la temperatura del firn non riflette solo la conduzione termica stagionale, ma integra anche l’effetto energetico della percolazione e del rigelo dell’acqua di fusione (rilascio di calore latente), cioè uno dei processi che più determinano quanta fusione diventa runoff e quanta viene invece immagazzinata e ricongelata nel sottosuolo. Studi sul firn groenlandese hanno mostrato chiaramente che profili termici misurati con stringhe di termistori fino a ~10 m permettono di “tracciare” la presenza/penetrazione dell’acqua liquida e l’impatto termico del rigelo, oltre a documentare cambiamenti strutturali (strati di ghiaccio, variazioni di cold content) che modulano la ritenzione futura.
Al KAN-U la stazione dispone di una stringa di termistori che misura la temperatura fino a circa 8–10 m di profondità; per confrontare modello e osservazioni, le temperature vengono ricostruite anche tra i sensori tramite interpolazione lineare (scelta pratica quando si vuole ottenere un profilo continuo e confrontabile con gli output stratificati del modello). Un punto metodologico cruciale, spesso sottovalutato, è che la “profondità” dei sensori non è statica: in aree dove coesistono accumulo, compattazione del firn e ablazione estiva, la quota della superficie cambia e con essa cambia la profondità relativa degli strumenti. Per questo, nello studio, la profondità di ciascun termistore viene ricostruita combinando rapporti di manutenzione e le variazioni di altezza superficiale misurate da sensori acustici (sia sul braccio della stazione sia su un’asta di riferimento vicina). Questa correzione geometrica serve a evitare interpretazioni fuorvianti (per esempio scambiare un “cambio di quota del sensore” per un vero segnale termico del firn).
Il caso del 2012 è emblematico e spiega bene perché servano strategie di controllo incrociato: tra maggio e agosto l’asta di riferimento si inclina in modo marcato e la stazione finisce per “appoggiarsi” alla superficie, abbassandosi insieme ad essa. In quel periodo né la stazione né l’asta sono quindi affidabili per stimare l’ablazione/surface lowering, e questo renderebbe ambigua anche la ricostruzione delle profondità dei termistori (e quindi l’interpretazione del profilo termico). Per superare il problema, gli autori usano cinque carote di firn perforate a KAN-U (maggio 2012 e aprile 2013) e stimano l’abbassamento della superficie tra le due date come lo spostamento verticale che massimizza la correlazione tra i profili di densità: in pratica, si “allineano” le strutture densitometriche persistenti del firn (lenti/strati più densi, transizioni stratigrafiche) per ricavare un offset coerente con l’evoluzione reale della superficie. È un trucco molto solido in contesti dove le misure geometriche dirette possono degradarsi per tilt e instabilità meccanica, e lega direttamente la correzione a un’informazione fisica interna al manto.
Questa validazione termica, inoltre, è particolarmente informativa oggi perché nella percolation area groenlandese sono stati documentati cambiamenti rapidi della struttura del firn (ad esempio formazione/ispessimento di strati di ghiaccio e “ice slabs”) in seguito a estati molto calde e a sequenze di anni con fusione intensa: queste strutture riducono la permeabilità, alterano i percorsi di percolazione e cambiano sia la ritenzione sia la firma termica (più calore rilasciato in rigelo vicino alla superficie, oppure più runoff se l’infiltrazione viene bloccata). In altre parole, confrontare un modello con i profili termici a KAN-U non è solo un controllo “in più”: è un test diretto della capacità del modello di rappresentare correttamente il regime fisico che decide se il firn resta un tampone idrologico o diventa un sistema sempre più efficiente nel produrre runoff.
Density (Densità del firn)
La densità subsuperficiale del firn è una variabile “strutturale” che condiziona quasi tutto ciò che conta nelle applicazioni su calotta: determina quanta aria (firn air content) è disponibile come spazio di immagazzinamento, modula la permeabilità e quindi la capacità di far infiltrare e trattenere l’acqua di fusione, e controlla l’efficienza del rigelo (tramite cold content e rilascio di calore latente). In termini di bilancio di massa, questo si traduce in una forte sensibilità della partizione tra acqua trattenuta/ricongelata e runoff, soprattutto nelle zone di percolazione, dove piccoli cambiamenti della densità e del contenuto di ghiaccio possono portare alla formazione di orizzonti a bassa permeabilità e a un’accelerazione del deflusso.
Per questo la valutazione del modello contro carote di firn non viene impostata con un singolo transect, ma con un insieme ampio e “multi-campagna”: 75 carote distribuite tra 1989 e 2013, che includono (i) carote dell’Arctic Circle Traverse (2009–2013), (ii) un blocco consistente di carote PARCA (1997–1998), (iii) una carota storica (Site J, 1989) e (iv) un set lungo la linea EGIG (2007–2008). L’idea è coprire sia la variabilità spaziale (settori diversi della calotta, gradienti di quota e clima) sia la variabilità legata al regime fisico (da zone più “fredde e asciutte” a zone di percolazione con maggiore presenza di strati di ghiaccio). La letteratura legata a PARCA, ad esempio, evidenzia proprio quanto la variabilità regionale sia rilevante e come l’interpretazione di segnali climatici richieda cautela se si osserva un singolo punto; estendere il campione serve a rendere il confronto modellistico più robusto.
Un passaggio metodologico molto importante (e spesso sottovalutato) è il modo in cui avviene il confronto: ogni carota viene confrontata con il profilo di densità simulato nella cella di griglia in cui ricade. Questo significa che più carote possono “cadere” nella stessa cella e quindi essere confrontate con lo stesso profilo modellato, mettendo in evidenza la variabilità intra-cella: un segnale reale, legato a micro-topografia, redistribuzione da vento, differenze locali di fusione/rigelo e sviluppo di lenti di ghiaccio. In termini di valutazione, questa non è solo “dispersione”: è informazione, perché quantifica il limite intrinseco del confronto punto–griglia (representativeness error) e aiuta a distinguere un bias sistematico del modello da una variabilità osservata che il modello, per costruzione, non può risolvere a quella scala.
Infine, l’eterogeneità dei dataset (risoluzione e accuratezza diverse tra campagne) è coerente con la fisica del firn groenlandese degli ultimi decenni: numerosi lavori documentano che l’aumento della fusione e i cambiamenti della struttura (densità e contenuto di ghiaccio) possono ridurre lo “spazio poroso” disponibile e quindi la capacità di buffer idrologico del firn, con implicazioni dirette per SMB e runoff. In questo senso, un confronto su 1989–2013 non serve solo a validare una parametrizzazione di densificazione, ma anche a verificare se il modello riesce a riprodurre l’evoluzione verso condizioni più dense/impermeabili (o la loro variabilità regionale), che sono centrali per interpretare la risposta recente della calotta.
La Figura 2 va letta come la “mappa del banco prova” osservativo con cui gli autori mettono sotto stress il sistema modellistico (HIRHAM5 + schema subsuperficiale) lungo l’intero spettro di regimi fisici della calotta groenlandese. I simboli non sono semplici punti geografici: rappresentano tre famiglie di vincoli indipendenti che controllano porzioni diverse della catena causale forzante atmosferica → bilancio energetico → fusione/ablazione → percolazione/rigelo → stato del firn. I cerchi rossi localizzano le 68 carote di ghiaccio usate per valutare l’accumulo annuo in equivalente d’acqua, selezionate prevalentemente oltre i 1000 m s.l.m. (Box et al., 2013): questa scelta non è solo “geografica”, ma fisica, perché in alta quota la stratigrafia annuale è meglio preservata e l’accumulo è meno contaminato da processi di fusione intensa e rimaneggiamento, rendendo il confronto più diretto con la componente precipitativa/accumulativa del modello atmosferico regionale. I cerchi blu identificano i 351 siti PROMICE (per 1041 osservazioni) nella zona di ablazione, cioè lungo i margini e le quote più basse dove la fusione e il runoff dominano il segnale di SMB (Machguth et al., 2016b): qui il modello viene testato soprattutto sulla capacità di riprodurre il bilancio energetico superficiale e la transizione neve-ghiaccio (albedo, radiazione, turbolenza), aspetti notoriamente critici nella Groenlandia costiera e nelle aree di ghiaccio nudo. Le croci verdi sono i 75 siti di carote di firn usati per la validazione dei profili di densità (Machguth et al., 2016a; Mosley-Thompson et al., 2001; Kameda et al., 1995; Harper et al., 2012): la loro distribuzione tende a concentrarsi nella fascia intermedia, spesso descritta come percolation zone, dove la densità del firn e la presenza di lenti/strati di ghiaccio governano la permeabilità e quindi la quantità di acqua che viene trattenuta e rigela rispetto a quella che drena e alimenta il deflusso. In altre parole, la figura visualizza una separazione funzionale: l’interno alto e freddo vincola l’accumulo (rosso), la cintura periferica vincola l’ablazione/SMB (blu), e l’area di transizione vincola la microfisica del firn (verde), che è ciò che decide se la calotta mantiene capacità di “buffer” idrologico o evolve verso condizioni più impermeabili e più efficienti nel produrre runoff (Harper et al., 2012; Machguth et al., 2016a). I contorni altimetrici (1000–3000 m con il 2000 m evidenziato) servono proprio a contestualizzare questi punti rispetto alla topografia della calotta: molte differenze di regime (dry-snow, percolazione, ablazione) si organizzano lungo gradienti di quota e distanza dalla costa, quindi vedere i siti rispetto alle isohipse aiuta a capire quale fisica il confronto stia realmente “interrogando”. Infine, i nomi evidenziati (ad esempio KAN-U, Dye-2, Site J, Crawford Point, EKT, ecc.) segnalano località chiave usate più avanti per confronti dettagliati su temperatura subsuperficiale e densità: sono punti dove esistono serie osservative particolarmente ricche (stazioni, carote, transect storici) e quindi dove è possibile attribuire le discrepanze non solo a un errore complessivo di SMB, ma a un errore di processo (albedo/energia, percolazione-rigelo, densificazione), che è esattamente l’obiettivo di una valutazione fisicamente interpretativa e non puramente statistica.
Lettura critica dei risultati della Tabella 2 (SMB in area di ablazione)
La Tabella 2 sintetizza, con un set di metriche standard, quanto bene le diverse configurazioni del modello riproducano le 1041 osservazioni di SMB raccolte in 351 siti di ablazione (dataset PROMICE compilato da Machguth et al., 2016b). È un confronto “punto-griglia” tipicamente difficile in Groenlandia, perché l’SMB in fascia marginale è estremamente sensibile a dettagli locali (quota reale, esposizione, rugosità, transizione neve-ghiaccio, vento catabatico, copertura nuvolosa) e perché le osservazioni includono intervalli temporali eterogenei (stagioni di ablazione o anni completi), come spesso avviene nelle sintesi basate su paline e campagne sul terreno.
Nei quattro esperimenti MOD (albedo da MODIS), i risultati sono quasi sovrapponibili: slope 0.97, intercetta ~0.00 / −0.01 m w.e., R² 0.74, RMSE 0.74 m w.e., bias +0.04–0.05 m w.e., bias relativo −3% (MOD-ref: 0.97, 0.00, 0.74, 0.74, +0.04, −3; MOD-w01: 0.97, 0.00, 0.74, 0.74, +0.05, −3; MOD-Swi02: 0.97, −0.01, 0.74, 0.74, +0.04, −3; MOD-NoDarcy: 0.97, 0.00, 0.74, 0.74, +0.04, −3). Il messaggio fisico è netto: nelle aree di ablazione la qualità statistica dell’SMB è dominata soprattutto dalla rappresentazione del forcing energetico superficiale, e l’uso di un’albedo osservata “ancora” il modello a una variabilità spazio-temporale più realistica. Questo è perfettamente coerente con molta letteratura su Groenlandia: l’errore in assorbimento di onda corta legato ad albedo (e, indirettamente, a nubi e impurità/oscuramento) è tra i principali driver di errori di fusione e quindi di SMB in fascia marginale, dove la transizione neve-ghiaccio e la variabilità dell’albedo del ghiaccio nudo diventano cruciali (Box et al., 2012; Tedesco et al., 2016; van den Broeke et al., 2016). Il fatto che slope ~0.97 sia leggermente inferiore a 1 suggerisce una lieve tendenza a smorzare l’ampiezza delle variazioni osservate (cioè estremi troppo negativi/positivi leggermente attenuati), un comportamento frequente quando si confrontano valori puntuali con una cella di griglia che media topografia e processi sub-grid. L’intercetta circa nulla indica che non c’è un “offset” sistematico grossolano, mentre R² = 0.74 implica che circa tre quarti della variabilità osservata è spiegata dalla simulazione: per un confronto su centinaia di siti costieri, è un livello generalmente considerato buono in ambito RCM-SMB, dove parte dell’errore è intrinsecamente legato a rappresentatività e disallineamenti tra quota reale del punto e quota media della cella (problema molto discusso nelle validazioni di SMB su Groenlandia e su ghiacciai).
Il bias positivo in unità assolute (+0.04–0.05 m w.e.) va letto con attenzione: poiché l’SMB in area di ablazione è prevalentemente negativo, un bias “modello − osservazione” positivo significa che il modello simula un SMB meno negativo di quello misurato, cioè sottostima la perdita netta di massa. Da qui deriva il bias percentuale −3%riportato in tabella: è solo un modo coerente di esprimere lo stesso segno quando il denominatore (osservazione) è spesso negativo. In termini pratici, −3% è un errore medio piccolo: suggerisce che il sistema, nel complesso, è ben centrato, e che la limitazione maggiore è più nella dispersione (RMSE 0.74 m w.e.) che non in un bias sistematico marcato.
Quando si passa alle due configurazioni LIN (albedo calcolata internamente con funzione lineare della temperatura), il quadro peggiora in modo chiaro e, soprattutto, coerente tra i due esperimenti: slope 0.95, intercetta −0.02 m w.e., R² 0.57, RMSE 0.98 m w.e., bias +0.04–0.05 m w.e., bias −3% (LIN-ref: 0.95, −0.02, 0.57, 0.98, +0.04, −3; LIN-Swi02: 0.95, −0.02, 0.57, 0.98, +0.05, −3). Qui la cosa interessante è che il bias medio resta praticamente identico ai casi MOD, mentre crolla la capacità di spiegare la variabilità spaziale (R² da 0.74 a 0.57) e aumenta la dispersione (RMSE da 0.74 a 0.98 m w.e.). Tradotto: l’albedo “interna” riesce a mantenere una media ragionevole, ma perde informazione sulla struttura reale del campo di fusione/ablazione, cioè fatica a riprodurre dove e quanto la superficie assorbe energia in modo differenziato. È esattamente ciò che ci si aspetta se l’albedo viene parametrizzata solo con la temperatura: una relazione lineare cattura una parte della fisica (neve che si scurisce e si umidifica avvicinandosi a 0 °C), ma fatica a rappresentare la grande variabilità del ghiaccio nudo (impurità minerali, crioconite, bio-darkening, mosaici di neve residua) e l’effetto delle nubi sulla partizione radiativa, tutti fattori noti per modulare fortemente l’energia assorbita nelle zone marginali groenlandesi (Tedesco et al., 2016; van den Broeke et al., 2016). Anche lo slope più basso (0.95)indica una tendenza un po’ più marcata a comprimere gli estremi rispetto a MOD, coerente con un forcing radiativo meno “realistico” nella sua variabilità spaziale.
Infine, l’aspetto forse più rivelatore della tabella è che, dentro ciascuna famiglia di albedo, cambiare la fisica idrologica subsuperficiale (riduzione della capacità di ritenzione con w_h/w_ice = 0.1, modifica di Swi a valore fisso 0.02, o perfino passare a NoDarcy) non sposta quasi nulla nelle metriche aggregate di SMB in area di ablazione: slope, R² e RMSE restano praticamente invariati nei casi MOD e identici nei casi LIN. Questo non significa che percolazione/ritenzione/rigelo siano irrilevanti in assoluto; significa che, per la metrica SMB superficiale integrata su 351 siti, il segnale principale è controllato dall’energia disponibile alla superficie (dominata dall’albedo), mentre le differenze nella gestione dell’acqua nel firn si manifestano più chiaramente in variabili interne (temperatura e densità del firn, formazione di strati di ghiaccio, capacità di stoccaggio e tempi di rilascio), oppure in metriche più direttamente legate al runoff e alla struttura subsuperficiale. Questa gerarchia dei controlli è ampiamente discussa negli studi che separano “chi fa il melt” (bilancio energetico) da “che fine fa il melt” (firn hydrology e refreezing): nelle fasce marginali, se sbagli albedo e radiazione, sbagli prima di tutto la quantità di fusione, e questo domina l’SMB; la microfisica del firn diventa invece decisiva quando si guarda alla partizione tra refreezing e runoff e alla trasformazione strutturale del firn nel tempo (Machguth et al., 2016a; Harper et al., 2012; lavori di sintesi su SMB e processi di superficie come van den Broeke et al., 2016).
Surface Mass Balance and Melt Extent (Bilancio di massa superficiale ed estensione della fusione)
Il passaggio chiave di questa parte è che la valutazione non si limita a dire “il modello funziona / non funziona”, ma separa con abbastanza lucidità quale pezzo della catena fisica viene realmente testato da ciascun confronto. L’accumulo annuo osservato da carote (in equivalente d’acqua) viene paragonato all’accumulo netto simulato come nevicata meno sublimazione: il fatto che emergano bias medio −5%, correlazione 0,90 e pendenza ~1,01 indica che il modello sta riproducendo bene sia il livello medio sia i gradienti spaziali dell’accumulo, cioè la parte più “atmosferica” del problema (precipitazione/trasporto/condizioni termodinamiche che governano la sublimazione). In termini di letteratura, questo è il tipo di risultato che ci si aspetta quando un RCM riesce a catturare correttamente la struttura sinottica e l’orografia “efficace” che controlla dove la Groenlandia accumula davvero, pur restando una dispersione locale non trascurabile (qui RMSE ~25%) dovuta a rappresentatività punto–griglia e alla natura intrinsecamente intermittente della precipitazione solida.
Quando si passa all’SMB in area di ablazione (confronto con il database PROMICE di Machguth et al.), le metriche della Tabella 2 e la Figura 4 dicono una cosa molto netta: usare un’albedo osservata (esperimenti MOD) produce una coerenza spaziale più alta (R² ~0,74; RMSE ~0,74 m w.e.) rispetto all’albedo parametrizzata internamente (LIN, con R² ~0,57; RMSE ~0,98 m w.e.), mentre il bias medio complessivo resta simile (−3% in entrambi i casi, che in un contesto di SMB prevalentemente negativo significa sottostima della perdita netta). È un segnale coerente con quanto si sa sulla Groenlandia marginale: nelle zone di ablazione l’SMB è dominato dal bilancio energetico alla superficie e, dentro quel bilancio, l’albedo controlla direttamente l’assorbimento di onda corta e quindi la “potenza disponibile” per fondere. Non stupisce quindi che un forcing di albedo più realistico migliori soprattutto la distribuzione spaziale della fusione/ablazione (R² e RMSE) più che la media globale.
La rianalisi per fasce di quota (> e < 700 m s.l.m.) è forse la parte più istruttiva, perché mostra come un bias medio piccolo (−3%) possa essere il risultato di una compensazione tra errori di segno opposto: alle quote più alte (ma ancora in area di ablazione) il modello tende a sottostimare la perdita netta (−8% MOD; −16% LIN), mentre alle quote più basse tende a sovrastimarla (+1% MOD; +7% LIN). Il punto non è solo “statistico”: è fisico e riguarda la diversa natura del regime di superficie lungo il gradiente altimetrico. Sopra ~700 m sei più spesso in condizioni miste neve/firn con finestre di fusione e rigelo, dove contano molto cold content e processi subsuperficiali; sotto ~700 m entri più spesso nella fascia di ghiaccio nudo e superficie molto scura/eterogenea, dove l’albedo reale e la turbolenza nello strato limite diventano determinanti e difficili da rappresentare a 5–6 km. Quando gli autori pesano questi bias con il fatto che ~38% del runoff totale deriva da quote <700 m (e ~62% da quote superiori), arrivano a una stima più “operativa” dell’errore integrato in ablazione (−5% MOD e −7% LIN): un passaggio metodologico sensato perché collega l’errore locale al contributo reale al runoff complessivo, evitando che un errore in una fascia poco contributiva domini la diagnosi.
Il comportamento del modello per gli SMB più estremi (molto negativi) è il campanello d’allarme più importante: ai siti PROMICE “L” della bassa ablazione (quota media ~468 ± 240 m), la perdita netta viene sottostimata di ~29% (MOD)e ~37% (LIN). Qui emergono cause molto tipiche della modellistica RCM su Groenlandia. Primo, la risoluzione: una griglia da ~5,5 km non riesce a rappresentare correttamente contrasti fini terra/ghiaccio, micro-topografia e gradienti costieri proprio dove l’ablazione è massima (il caso QAS_L è emblematico). Secondo, i bias freddi estivi (2–3 °C) nella temperatura dell’aria vicino superficie: se l’aria simulata è troppo fredda, si riduce il gradiente aria–superficie e si sottostima l’apporto di calore sensibile, che nelle fasce marginali può essere un termine importante del bilancio energetico (non è solo “sole”: spesso la turbolenza fa la differenza). Terzo, una rappresentazione troppo semplice della rugosità (crepacci, ondulazioni sub-grid) può ridurre la turbolenza simulata e quindi i flussi turbolenti di calore, comprimendo ulteriormente la fusione nelle giornate favorevoli.
Il quarto punto è quello più “pesante” perché incide direttamente sull’onda corta netta: l’albedo ai siti di bassa quota viene sovrastimata. Nel caso LIN questo è strutturale: imporre un’albedo del ghiaccio nudo pari a 0,4 è spesso troppo alto per la fascia realmente scura (impurità, crioconite, bio-darkening, acqua superficiale), e infatti a QAS_L nel luglio 2012 si osserva un’albedo media in situ di circa 0,21, ben più bassa. Nel caso MOD, il problema non è la mancanza di osservazione, ma la scala: anche con MODIS, sulla griglia di HIRHAM5 il valore medio di luglio 2012 può restare attorno a ~0,44, non intercettando gli estremi locali di scurimento. La conseguenza si vede direttamente in termini energetici: a QAS_L la radiazione solare netta entrante (giugno–agosto) risulta sottostimata, con bias nell’onda corta netta che possono arrivare a circa −16% (MOD) e −44% (LIN), coerentemente con bias positivi dell’albedo (0,16 e 0,34). È, in sostanza, la firma classica del “melt–albedo feedback” non catturato a sufficienza nelle zone più scure: se l’albedo resta troppo alta, il modello assorbe troppo poco e quindi fonde troppo poco proprio dove dovrebbe fondere di più.
Nel complesso, questa parte della sottosezione fa emergere un punto generale che la letteratura continua a ribadire anche in studi più recenti di valutazione dei RCM: nelle aree marginali della Groenlandia gli errori di fusione e SMB non derivano da un singolo “parametro sbagliato”, ma dalla combinazione di scala (griglia), nubi/radiazione, albedo del ghiaccio nudo e turbolenza; e proprio per questo, forzare l’albedo con osservazioni tende a migliorare molto la coerenza spaziale, mentre parametrizzazioni semplici (come l’albedo lineare) perdono informazione dove la superficie è più eterogenea e più scura.
Surface Mass Balance e Melt Extent: lettura fisica dei risultati su U-sites e giorni di fusione (1988–2012)
In questa parte emerge bene come, passando dai siti di bassa quota (L-sites) ai siti più alti (U-sites), i bias termici del modello tendano a ridursi ma non scompaiano, e soprattutto come possano “innescare” o meno retroazioni radiative a seconda di come viene trattata l’albedo. Ai siti U, in media, la temperatura dell’aria prossima alla superficie è ancora leggermente troppo fredda, però meno che ai L-sites; l’eccezione importante è KPC_U (Groenlandia nord-occidentale), dove compare un bias caldo estivo (giugno–agosto) di circa +1,7 °C e, coerentemente, il caso LIN tende a sovrastimare la perdita di massa. La ragione non è solo “fa più caldo quindi fonde di più”: è il fatto che in LIN l’albedo è una funzione diagnostica legata alle condizioni termiche e allo stato della neve, per cui il riscaldamento simulato facilita la transizione verso una superficie più scura e più assorbente, attivando un vero melt–albedo feedback che amplifica la radiazione solare netta entrante. In numeri: a KPC_U questo si traduce in un bias positivo della shortwave netta di circa +41% nel caso LIN, mentre con albedo MOD prescritta il feedback non può “auto-amplificarsi” nello stesso modo e il bias della shortwave netta resta piccolo e di segno opposto (circa −5%). Questo tipo di comportamento è perfettamente plausibile nel quadro noto della Groenlandia: l’albedo (soprattutto quando entra in gioco l’evoluzione della neve umida e la comparsa di superfici più scure) è uno dei controlli più non lineari del bilancio energetico, e la rete PROMICE è spesso usata proprio per attribuire questi scarti a componenti radiative/turbolente specifiche.
La seconda metà del brano entra nel confronto sull’estensione della fusione tramite “melt days” da microonde passive: qui l’obiettivo non è stimare quanta acqua fonde, ma quante giornate mostrano firma di fusione superficiale o prossima alla superficie. Il riferimento osservativo è il prodotto MEaSUREs Greenland Surface Melt Daily 25 km EASE-Grid 2.0 (Mote), costruito da temperature di brillanza (SSM/I–SSMIS) confrontate con soglie derivate da modellistica di emissione a microonde per neve in fusione; in pratica, la presenza di acqua liquida cambia le proprietà dielettriche e quindi la firma radiometrica, consentendo una classificazione melt/no-melt su griglia a 25 km. Proprio perché l’osservazione è “liscia” a 25 km mentre il modello varia a scala più fine (circa 5 km), gli autori evitano un confronto distorto re-interpolando i campi modellistici sulla griglia EASE: dal modello ricavano un campo giornaliero binario (fusione/assenza di fusione) definito da una soglia di fusione giornaliera (nell’articolo viene richiamata una scelta usata anche in altri RCM), lo interpolano bilinearmente a 25 km ottenendo un campo frazionario 0–1 e infine lo riclassificano melt/no-melt con soglia 0,5. Così ottengono, per ogni anno 1988–2012, mappe confrontabili di “giorni di fusione” nelle celle con ghiaccio, e calcolano statistiche sia spaziali (sul campo medio di lungo periodo) sia temporali (sulle somme annue integrate sull’intera calotta).
I numeri della Tabella 3 sono molto istruttivi perché separano tre cose diverse: il livello medio (bias), la capacità di riprodurre la geometria del pattern (correlazione spaziale) e la capacità di riprodurre la variabilità interannuale integrata (correlazione temporale e slope). Sul totale medio di lungo periodo, tutte le versioni MOD risultano sistematicamente “corte”: bias circa −18/−19% nei melt-day totals calotta-wide (MOD-ref −18; MOD-w01 −18; MOD-Swi02 −19; MOD-NoDarcy −18). Le versioni LIN, invece, centrano molto meglio la media: LIN-ref +2% e LIN-Swi02 −4%. A fronte di questa differenza sulla media, però, le prestazioni “strutturali” sono sorprendentemente simili: la correlazione spaziale è alta per tutti (circa 0,89 per MOD e 0,93 per LIN), e anche la correlazione temporale delle somme annue è alta (circa 0,89–0,91), cioè i modelli colgono bene dove si fonde e quali anni sono più o meno favorevoli alla fusione. Il problema sta nelle pendenze: sul lato temporale lo slope ~0,69–0,73 (MOD ~0,71; LIN 0,73 e 0,69) indica che l’ampiezza anno-su-anno è smorzata, quindi le differenze tra estati “molto fusione” e “poca fusione” vengono sottostimate; sul lato spaziale, invece, lo slope ~1,17–1,22 segnala un contrasto troppo forte tra zone a pochi melt days e zone a molti melt days, coerente con l’interpretazione riportata: troppe celle finiscono nel gruppo “molti giorni”, troppo poche nel gruppo “pochi giorni”.
Questa combinazione (r alto ma slope “sbagliato”) è tipica quando il sistema riproduce bene i driver sinottici e stagionali, ma presenta un bias nella non linearità di soglia che decide l’occorrenza della fusione (passare o non passare lo zero superficiale / generare acqua liquida sufficiente a lasciare una firma persistente). In più, va ricordato che i melt days da microonde passive sono un indicatore molto robusto su larga scala, ma non perfetto: i prodotti dipendono da algoritmi di soglia e dalla sensibilità della firma radiometrica all’acqua liquida (anche “near-surface”), e studi recenti mostrano che algoritmi diversi possono dare differenze sistematiche, soprattutto in regimi transizionali e durante eventi estremi. In questo senso, il fatto che LIN “azzeri” quasi il bias medio calotta-wide mentre MOD resti a −18% suggerisce un trade-off fisico coerente con quanto visto anche a scala di sito (KPC_U): l’albedo interna di LIN può compensare parte del deficit medio di melt days perché rende il sistema più reattivo (feedback attivabile), ma proprio questa reattività può anche amplificare bias locali quando la temperatura simulata è spostata (verso caldo o verso freddo). MOD, al contrario, è più “vincolato” dall’albedo osservata prescritta e quindi meno incline ad auto-amplificare l’errore, ma può restare sistematicamente troppo riflettente/meno fusivo in media, soprattutto se la scala di griglia non cattura bene gli estremi di scurimento e i mosaici neve-ghiaccio.
Figura 3: confronto tra accumulo netto annuo simulato e osservato
La Figura 3 mette a confronto, per 68 carote di ghiaccio sopra i 1000 m s.l.m., l’accumulo netto annuo osservato(asse x, in m w.e.) con l’accumulo netto simulato dal modello (asse y), definito operativamente come nevicata meno sublimazione. La linea nera 1:1 rappresenta l’accordo perfetto, mentre la retta blu è una regressione lineare ortogonale che sintetizza la relazione complessiva tra osservazioni e simulazioni.
Le statistiche riportate nel pannello (N=68, slope 1.01, intercetta −0.03 m w.e., R² 0.80, RMSE 0.10 m w.e., bias −0.02 m w.e.) indicano un risultato molto robusto: la pendenza praticamente unitaria segnala che il modello riproduce correttamente l’ampiezza delle differenze spaziali di accumulo (dove l’osservato aumenta, il simulato cresce quasi nello stesso modo), mentre l’intercetta e il bias leggermente negativi suggeriscono una sottostima media molto piccoladell’accumulo netto. L’R²=0.80 implica che la maggior parte della variabilità osservata tra i siti è spiegata dal modello, e un RMSE di 0.10 m w.e. (circa 10 cm di equivalente d’acqua) è contenuto rispetto al range dei valori mostrati (fino a oltre 1 m w.e.).
Il fatto che il confronto sia limitato a quote >1000 m è metodologicamente sensato: in alta quota si resta più spesso in regimi di accumulo “puliti” (minor influenza di fusione intensa e processi di ablazione complessi), e le carote forniscono una misura annua di riferimento particolarmente utile per valutare la componente precipitativa/accumulativa dei modelli regionali. In letteratura, compilazioni come quella di Box et al. (86 carote complessive, qui sottocampionate a 68) sono proprio impiegate per vincolare e validare i campi di accumulo su Groenlandia e per calibrare la struttura spaziale dell’accumulo nei RCM.
La dispersione residua dei punti attorno alla 1:1, pur piccola, è anche “fisiologica” in confronti punto–griglia: una carota misura un segnale locale che integra deposizione e rimaneggiamento (vento, ridistribuzione, micro-topografia), mentre una cella modellistica rappresenta una media areale e può non risolvere processi sub-grid (ad esempio trasporto da vento o variabilità orografica fine) che influenzano l’accumulo netto locale. Questo tipo di limite di rappresentatività e le incertezze associate alla stima modellistica di precipitazione solida/sublimazione sono temi ricorrenti nelle valutazioni dei RCM groenlandesi, anche quando le prestazioni complessive risultano buone.
In termini interpretativi, la figura serve quindi a fissare un punto importante: la “base” del modello sul lato accumulo è credibile (pattern e magnitudine), e questo rafforza l’idea che eventuali discrepanze più marcate nelle metriche di SMB e fusione alle basse quote dipendano soprattutto da processi energetici e di superficie (albedo, turbolenza, radiazione e transizione neve-ghiaccio), più che da un errore grossolano nella forzante di accumulo alle alte quote.
Figura 4: confronto tra SMB osservato e simulato nelle aree di ablazione
La Figura 4 mette in scena un test molto “duro” per qualunque RCM: il confronto punto-a-punto tra SMB osservato e SMB simulato in 351 siti di ablazione per un totale di 1041 osservazioni, derivate dalla grande compilazione PROMICE di misure georeferenziate (tipicamente paline e campagne sul terreno) armonizzate per l’uso in validazione modellistica. In ascissa c’è l’SMB osservato (m w.e.), in ordinata quello modellato; la linea nera 1:1 è l’accordo perfetto. I punti sono separati per quota: rossi sotto 700 m s.l.m. (bassa ablazione, zone più marginali e complesse) e blu sopra 700 m (ablazione “più alta”, spesso più vicina alla fascia di transizione neve/firn). La linea rossa è la regressione ortogonale su tutti i dati (“All”), la blu la regressione sui soli siti >700 m: questa doppia regressione serve a mostrare come cambiano bias e dispersione quando si passa da un regime molto costiero e sub-grid-dominated a uno più “regolare” dal punto di vista topografico e di copertura superficiale.
Nel pannello MOD-ref (sopra), dove l’albedo è vincolata da MODIS, le statistiche complessive sono solide: slope 0.97, intercetta 0.00, R² 0.74, RMSE 0.74 m w.e., bias +0.04 m w.e. (N=1041). Questo significa che il modello riproduce bene la struttura spaziale della perdita di massa in ablazione (R² alto) e ne cattura quasi tutta l’ampiezza (slope vicino a 1), con un bias medio piccolo. Il dettaglio però è importante: in aree di ablazione l’SMB è per lo più negativo, quindi un bias positivo (modello − osservazione) indica SMB meno negativo del reale, cioè sottostima della perdita netta di massa. Se restringi ai siti >700 m (N=616), MOD-ref migliora ulteriormente in termini di dispersione (RMSE 0.62) e arriva a slope 1.00 (R² 0.75): è un segnale classico del fatto che una parte consistente dell’errore nel confronto punto-griglia si concentra nelle quote più basse, dove la cella da pochi km tende a “mediare” microtopografia, contrasti terra/ghiaccio e mosaici neve-ghiaccio che le osservazioni puntuali invece risolvono. Questo tipo di limite di rappresentatività e il ruolo della scala sono discussi in modo ricorrente nelle valutazioni di SMB da RCM su Groenlandia, soprattutto in fascia marginale.
Nel pannello LIN-ref (sotto), dove l’albedo è calcolata internamente con una formulazione semplificata, la qualità statistica cala in modo evidente: R² scende a 0.57 e RMSE sale a 0.98 m w.e. (con slope 0.95, intercetta −0.02, bias +0.04; N=1041). La lettura fisica è abbastanza lineare: in ablazione, l’energia assorbita in onda corta è una leva dominante, e usare un’albedo “diagnostica” legata a temperatura o a poche variabili tende a perdere informazione proprio dove la superficie reale è più eterogenea (neve bagnata, ghiaccio nudo, impurità/oscuramento, acqua superficiale, croste e micro-mosaici). Di conseguenza, la coerenza spaziale del campo di SMB peggiora (R²) e aumenta la dispersione (RMSE), anche se il bias medio resta simile: è tipico di un sistema che “azzecca la media” ma non la geografia dell’errore. Questo è coerente con quanto discusso nella letteratura HIRHAM5-firn e più in generale nella modellistica groenlandese: la scelta e la qualità della rappresentazione dell’albedo hanno un impatto diretto sulle metriche di fusione/ablazione, spesso più marcato delle differenze nella sola fisica subsuperficiale quando la metrica è l’SMB integrato alla superficie.
La separazione per quota aggiunge un elemento diagnostico interessante anche per LIN-ref: sopra 700 m la regressione ha slope 0.90 e un bias +0.16 m w.e. (RMSE 0.82), cioè una sottostima più marcata della perdita di massa rispetto a MOD-ref in quella fascia. In pratica, LIN tende a “comprimere” gli estremi e a riportare i valori molto negativi verso perdite più moderate, cosa che si vede anche visivamente: i punti più estremi (soprattutto rossi, alle quote basse) spesso si collocano sopra la 1:1, tipico di una fusione simulata insufficiente nei casi di ablazione più intensa. Questo comportamento è consistente con una combinazione di fattori noti: limiti di risoluzione vicino alla costa, possibili bias termici e soprattutto bias radiativi legati all’albedo e alla rappresentazione delle nubi e dei flussi a onda lunga/corta, che vengono spesso diagnosticati e corretti proprio usando i dataset PROMICE (SMB + AWS) come supporto interpretativo del bilancio energetico.
In sostanza, la Figura 4 non sta solo dicendo che “MOD è meglio di LIN”: sta mostrando che, quando si usa un vincolo osservativo sull’albedo, il modello riesce a riprodurre molto meglio la variabilità spaziale dell’ablazione (R² e RMSE migliorano), mentre la fascia <700 m resta la più problematica per ragioni strutturali (eterogeneità sub-grid e controllo radiativo molto non lineare). È esattamente il tipo di firma che ci si aspetta in Groenlandia: in alto l’SMB è più “regolare” e mediabile a scala di griglia; in basso, la realtà è più ruvida, più scura e più locale, e basta poco (albedo o turbolenza) per spostare parecchio il bilancio di massa.
Tabella 3: confronto tra giorni annui di fusione osservati e simulati (1988–2012)
La Tabella 3 riassume come le diverse configurazioni del modello riproducono i “melt days” annui osservati dal prodotto MEaSUREs Greenland Surface Melt Daily 25 km EASE-Grid 2.0 (Mote, 2014), che identifica quotidianamente la presenza/assenza di fusione superficiale o prossima alla superficie a partire da temperature di brillanza a microonde passive e soglie calibrate con un modello di emissione (approccio classico di Mote & Anderson, poi esteso nelle analisi di trend). Per evitare distorsioni di scala, le statistiche vengono calcolate su griglia EASE (equal-area), scelta proprio per confronti spaziali omogenei a scala calotta.
Il primo messaggio dei numeri è sulla media integrata a scala Groenlandia (“Bias %”): tutte le versioni MODrisultano sistematicamente basse nei giorni di fusione, con −18% (MOD-ref, MOD-w01, MOD-NoDarcy) e −19%(MOD-Swi02). Le versioni LIN invece centrano molto meglio la media, con +2% (LIN-ref) e −4% (LIN-Swi02). In altre parole: MOD “vede” correttamente la struttura del fenomeno ma tende a produrre meno giorni di fusione del dataset microonde; LIN, mediamente, sta più vicino al totale osservato. Questo è coerente con l’idea che una parametrizzazione interna dell’albedo (LIN) possa rendere più facile superare la soglia melt/no-melt in molte celle, mentre con albedo prescritta (MOD) il sistema resta più “vincolato” e quindi meno propenso a totalizzare melt days su larga scala.
Il secondo messaggio riguarda la componente spaziale (N = 2683 celle): la correlazione r è alta in entrambi i gruppi, 0.89 per tutte le versioni MOD e 0.93 per LIN-ref e LIN-Swi02. Quindi il modello riproduce bene dove si concentrano le aree con molti vs pochi giorni di fusione (pattern medio di lungo periodo). Però la pendenza spaziale è sempre > 1(MOD: 1.17–1.18, LIN: 1.18–1.22), segnalando che il modello tende a esagerare i contrasti: differenzia troppo tra zone “poco melt” e zone “molto melt”, producendo relativamente troppe celle con molti giorni e troppo poche con pochi giorni. Questa è una firma tipica quando la classificazione melt/no-melt (sia osservativa sia modellistica) è guidata da soglie e non linearità: una piccola differenza nei driver energetici/termici può spostare molte celle da un lato o dall’altro della soglia, amplificando il gradiente spaziale apparente.
Il terzo messaggio è sulla variabilità temporale interannuale (N = 25 anni): la correlazione delle somme annue calotta-wide resta molto alta (r = 0.89 per tutte le MOD; 0.90–0.91 per LIN), quindi il modello “aggancia” bene quali anni sono più o meno favorevoli alla fusione. Tuttavia la pendenza temporale è sistematicamente < 1 (MOD: 0.71; LIN: 0.73 per LIN-ref e 0.69 per LIN-Swi02), indicando che le differenze anno-su-anno vengono smorzate: gli anni estremi risultano meno estremi nel modello rispetto alle osservazioni.
Un elemento molto informativo, proprio perché “parla” di sensibilità di processo, è che entro ciascun gruppo le statistiche cambiano pochissimo: in MOD le quattro varianti (ref, w01, Swi02, NoDarcy) sono praticamente indistinguibili (stessi r e slope, bias quasi identico), e anche in LIN la differenza principale tra LIN-ref e LIN-Swi02 resta confinata a pochi punti percentuali di bias e a una lieve variazione della pendenza temporale (0.73 vs 0.69). Questo suggerisce che, per la metrica “melt day counts”, il controllo dominante non è la microfisica idrologica subsuperficiale testata qui, ma la rappresentazione del forcing superficiale che governa il superamento della soglia di fusione, con l’albedo come nodo centrale.
Infine, è utile ricordare che i melt days da microonde passive sono un indicatore molto robusto su larga scala, ma dipendono comunque da scelte algoritmiche e soglie (non è una misura diretta di intensità di fusione). Esistono infatti anche metodi alternativi per derivare estensione/durata della fusione dalle microonde (es. varianti basate su gradient ratio), che possono produrre differenze sistematiche in alcuni regimi.
Temperatura e densità nel sottosuolo
Le serie di temperatura a 8–10 m di profondità nel sito di percolazione KAN-U (≈1840 m) mettono in evidenza un comportamento tipico dei modelli di firn quando devono rappresentare insieme (1) la termodinamica del manto poroso e (2) l’idrologia della fusione: in inverno il sottosuolo simulato risulta spesso “troppo caldo”, mentre all’avvio della stagione di fusione tende a comparire un “troppo freddo” transitorio legato al ritardo con cui l’acqua liquida (e quindi l’energia latente associata al riflusso) riesce a propagarsi verso il basso. Questo tipo di sfasamento stagionale è coerente con l’idea che piccoli bias di temperatura superficiale e/o una parametrizzazione non ottimale di conducibilità termica, capacità termica e contenuto d’acqua nel firn possano amplificarsi con la profondità, perché la colonna firn-neve “integra” nel tempo gli errori energetici (anche solo di pochi W m⁻²) e li restituisce come anomalie termiche persistenti nel profilo. Nella letteratura sui modelli di densificazione/termica del firn, la sensibilità della struttura a temperatura e accumulo (e dunque alle condizioni al contorno imposte da un RCM) è un punto classico: i modelli empirico-semiempirici tipo Herron–Langway e le loro evoluzioni sono notoriamente efficaci nel catturare l’inviluppo medio della densificazione, ma la parte idrologica (percolazione, ritenzione, riflusso) è quella che più facilmente introduce non-linearità e soglie (ad esempio transizioni rapide verso strati impermeabili).
Il fatto che anche esperimenti con saturazione irriducibile fissata a valori bassi (Swi ~0,02) mantengano un bias caldo invernale suggerisce che l’errore non sia spiegabile “solo” con un eccesso di acqua trattenuta nei primissimi metri, ma con una combinazione più ampia: bilancio energetico superficiale, rappresentazione della “cold content” del firn e schemi di trasporto dell’acqua che controllano dove e quando avviene il riflusso. In fisica della neve bagnata, la saturazione irriducibile e la curva di ritenzione capillare fissano quanta acqua resta intrappolata nei pori anche quando il drenaggio è attivo: Colbeck già mostrava che valori dell’ordine di 0,07 (come frazione di saturazione liquida) sono compatibili con l’azione capillare in neve relativamente omogenea, mentre misure più recenti delle curve di ritenzione (WRC) indicano che un “residuo” volumetrico può scendere verso ~0,02 in certe condizioni microstrutturali. In termini modellistici, questo non è un dettaglio: spostare Swi cambia la soglia tra acqua “mobile” e “immobile”, quindi modifica sia la tempistica del fronte di bagnamento sia la profondità a cui viene rilasciata energia latente per riflusso.
Il bias freddo di inizio stagione di fusione (temperatura simulata troppo bassa a 8–10 m) è, in pratica, un indicatore diagnostico che il modello sta facendo avanzare il fronte di bagnamento troppo lentamente o troppo “uniformemente”. La letteratura oggi è abbastanza chiara nel dire che la percolazione nel firn raramente avviene come un fronte piano e omogeneo: oltre al classico schema “a fronte” esistono canali preferenziali (piping/preferential flow) che trasferiscono acqua e calore più in profondità rispetto a quanto previsto da un bucket semplice, soprattutto in presenza di discontinuità stratigrafiche (contrasti di densità, grana, croste e lenti). Le sintesi dedicate alla ritenzione nel firn groenlandese enfatizzano proprio questa competizione fra fronte omogeneo e trasporto preferenziale, e collegano gli eventi di piping a transizioni di strato e condizioni di ponding. In parallelo, i lavori di sviluppo modellistico mostrano che passare da schemi “bucket” a formulazioni più fisiche (Richards equation, e soprattutto approcci a doppio dominio che distinguono matrice e flussi rapidi) può cambiare in modo sostanziale sia la velocità di percolazione sia l’intensità del riflusso e, quindi, la traiettoria di densificazione del firn.
Quando si confrontano MOD-ref e LIN-ref a KAN-U, la differenza chiave non è soltanto “quanta acqua arriva” (meltwater supply), ma anche “come quell’acqua riorganizza la permeabilità verticale” nel tempo. La formazione di uno strato di ghiaccio sospeso intorno a ~6 m a partire dall’estate 2011 è un esempio di transizione di regime: una volta che si crea un livello a bassa permeabilità, la colonna non risponde più come un mezzo poroso relativamente continuo, ma come un sistema con un aquitard interno che favorisce ristagni, riflusso localizzato, deviazione laterale e ulteriore consolidamento del ghiaccio. Questo comportamento è coerente con osservazioni in Groenlandia occidentale e con il percorso di “trasformazione” del firn documentato da carote e radar: eventi di forte fusione portano a un aumento del contenuto di ghiaccio nei primi metri (lenti e strati), fino a livelli quasi impermeabili che limitano la percolazione profonda e riducono la capacità di stoccaggio del firn, aumentando la frazione di acqua che finisce in runoff. Su scale più ampie, la stessa logica è alla base del concetto di “ice slabs” a bassa permeabilità che si espandono e ispessiscono in risposta all’aumento della fusione: si tratta di strutture metri-spesse che si comportano come barriere idrauliche, espandendo aree di runoff anche in zone che storicamente fungevano da “spugna” per l’acqua di fusione.
Il confronto con i profili di densità (Figura 7) chiarisce un punto metodologico cruciale: la modellistica del firn può essere “corretta” in senso integrale anche quando non riproduce i dettagli sottili. Le lenti di ghiaccio osservate spesso hanno spessori centimetrici-decimetrici e alternanze rapide con livelli a densità più bassa; se la griglia verticale è più grossolana, quelle strutture non sono risolvibili una-a-una. In questi casi, l’obiettivo fisico diventa riprodurre la densità volumetrica efficace (bulk) e la sua evoluzione, perché è quella che controlla (i) la conversione fra perdita di massa e abbassamento della superficie (tema centrale per l’interpretazione altimetrica) e (ii) le proprietà termiche integrate del mezzo (conducibilità, capacità termica e diffusività dipendono fortemente dalla densità e dal contenuto di ghiaccio). Le intercomparazioni tra modelli di firn mostrano infatti che differenze anche moderate nelle scelte di densificazione e idrologia possono produrre scarti non trascurabili nelle stime di variazione di quota e quindi nelle ricostruzioni di massa; il messaggio operativo è che “macro-coerenza” su densità e porosità è spesso più importante della fedeltà a lenti sottili non risolte.
In zone con fusione significativa, LIN-ref tende a produrre densità più alte di MOD-ref, coerentemente con un maggior input di acqua di fusione e quindi con più riflusso e riempimento/chiusura della porosità. Questo può essere un vantaggio quando la realtà mostra densificazione accelerata e lenti/strati più spessi (ad esempio a KAN-U nel 2012–2013), ma può diventare un eccesso in siti dove l’acqua disponibile o la geometria stratigrafica reale non supportano la stessa rapidità di saturazione e consolidamento (come indicato per Site J). Qui emerge la natura “a soglia” del sistema: una volta che porosità e permeabilità scendono oltre un certo punto (pore close-off o quasi), l’acqua di fusione successiva non può più percolare in profondità e viene forzata verso percorsi laterali o verso runoff; è esattamente il tipo di transizione che diversi studi collegano all’aumento recente di runoff dalle aree di firn della Groenlandia e alla comparsa/espansione di strati a bassa permeabilità.
Il quadro lungo la linea EGIG, dove LIN-ref raggiunge la chiusura dei pori negli stessi siti in cui nelle carote diventano frequenti lenti e densità elevate, è particolarmente informativo perché suggerisce che il modello, pur con risoluzione limitata, sta catturando correttamente la geografia della transizione “firn permeabile → firn quasi-impermeabile” e la sua dipendenza altimetrica (anche per differenze di soli ~100 m). Questa coerenza spaziale è importante anche per collegare i fenomeni del firn “freddo e poroso” alle configurazioni “più calde e idrologicamente attive”, che in altre regioni della Groenlandia possono invece evolvere verso acquiferi di firn (perennial firn aquifers) quando accumulo elevato e fusione elevata coesistono, consentendo stoccaggio liquido per più anni e un riscaldamento persistente del firn. In altre parole, lo stesso forzante (più fusione) può condurre a due esiti diversi: (a) barriera impermeabile e più runoff (ice layers/slabs) oppure (b) saturazione profonda e stoccaggio liquido (firn aquifer), a seconda del bilancio fra apporto di neve, struttura stratigrafica e regime termico.
Infine, i casi citati come DYE-2, EKT e Crawford Point si collocano in una fascia “intermedia” dove l’aumento di ghiaccio near-surface e la densificazione recente potrebbero rappresentare uno stadio precoce di una traiettoria già osservata altrove: incremento della frequenza di lenti, progressiva coalescenza in strati più continui e conseguente riduzione della permeabilità verticale. All’estremo opposto, siti come H4 illustrano l’esito “saturo-chiuso”: gran parte dello spazio poroso è già stato riempito dal riflusso, restano solo sacche isolate a profondità maggiori, e la fusione superficiale successiva non riesce più a raggiungere in modo efficiente gli strati profondi. Dal punto di vista fisico, è la firma di un sistema che ha perso la sua funzione di “serbatoio tampone” e che, proprio per questo, può cambiare rapidamente il partizionamento fra ritenzione e runoff al variare dell’intensità/stagionalità della fusione e della persistenza degli strati impermeabili.
Confronto tra giorni annui di fusione osservati e simulati in Groenlandia (1988–2012)
La Figura 5 mette a confronto la distribuzione spaziale media (1988–2012) del numero di giorni annui con fusionesulla calotta groenlandese, derivata da osservazioni satellitari e da due simulazioni (MOD-ref e LIN-ref) eseguite con lo stesso modello atmosferico ma con una diversa rappresentazione dei processi legati all’acqua di fusione nel firn. Sul lato sinistro, le tre mappe sono riportate su griglia EASE a 25 km: “Obs” è il prodotto osservativo, mentre “MOD-ref” e “LIN-ref” sono le due ricostruzioni modellistiche. Le osservazioni provengono dal dataset MEaSUREs Greenland Surface Melt Daily 25 km EASE-Grid 2.0, che fornisce un campo giornaliero “melt/no-melt” derivato da brightness temperatures misurate da radiometri a microonde (SMMR, SSM/I, SSMIS). Il principio fisico è che la presenza anche di piccole quantità di acqua liquida nel manto nevoso modifica in modo marcato l’emissione microonde; l’algoritmo usa soglie dinamiche ottenute tramite un modello di emissione microonde per distinguere fusione e non-fusione, producendo così una serie giornaliera lunga e omogenea utile per climatologie e trend. Nel caso delle simulazioni, la figura confronta i conteggi di “melt day” ricavati dalle uscite del modello: nel lavoro, i campi giornalieri vengono prima calcolati alla risoluzione nativa (5 km), definendo la fusione giornaliera quando il melt totale supera 5 mm di equivalente d’acqua (soglia usata anche in approcci analoghi tipo MAR e RACMO), poi interpolati alla griglia EASE 25 km e convertiti in melt/no-melt con una soglia di frazione areale. In termini geografici, tutte e tre le mappe mostrano il comportamento atteso: la fusione è concentrata lungo le fasce marginali a bassa quota (dove l’energia disponibile e le intrusioni d’aria mite rendono più frequenti le condizioni soprazero), mentre l’interno alto della calotta presenta poche o nulle giornate di fusione; questo quadro è coerente con la letteratura “classica” sulla mappatura della fusione groenlandese da microonde passive.
La parte destra della figura quantifica quanto i modelli “stanno in piedi” rispetto alle osservazioni, tramite scatter plot (x = osservato, y = simulato) e statistiche di regressione. In entrambi i casi c’è una relazione robusta (nuvole di punti allineate), ma le prestazioni cambiano in modo netto: MOD-ref mostra R² ≈ 0,79, RMSE ≈ 11,77 giorni e un bias medio di circa −18%, cioè una sottostima sistematica dei giorni di fusione; LIN-ref migliora a R² ≈ 0,86, RMSE ≈ 9,86 giorni e bias vicino allo zero (~+2%). Il fatto che LIN-ref risulti più vicino alle osservazioni è coerente con l’interpretazione fisica proposta nello studio: cambiando lo schema con cui l’acqua di fusione viene gestita (percolazione/ritenzione/ri-congelamento nel firn), si modifica la distribuzione dell’energia nel near-surface e quindi anche la probabilità che una giornata superi la soglia operativa di “melt day” su vasta scala; in pratica, piccoli aggiustamenti nei processi idrologici e termici del firn possono tradursi in differenze non banali nel conteggio delle giornate di fusione, soprattutto nelle zone di transizione (percolation zone) dove la fusione è frequente ma non continua. Questo tipo di validazione è particolarmente importante perché i “melt days” sono una metrica integrata: non descrivono solo un istante di fusione, ma sintetizzano l’interazione tra forzante atmosferico, bilancio energetico superficiale e proprietà del manto nevoso/firn; proprio per questo, sono ampiamente usati per monitorare variabilità e cambiamenti della fusione groenlandese nel lungo periodo, inclusi anni estremi (ad esempio il 2012) che mostrano quanto il sistema possa avvicinarsi a condizioni di fusione quasi generalizzata in presenza di configurazioni atmosferiche eccezionali.
Interpretazione della Figura 6: temperature subsuperficiali a KAN-U (2009–2014) e bias dei modelli
La Figura 6 è costruita per “leggere” la fisica del firn attraverso due lenti complementari: in alto la realtà osservata (campo temperatura nel tempo e con la profondità), sotto la differenza tra simulato e osservato (bias) per due schemi idrologici/termodinamici alternativi, MOD-ref e LIN-ref. Nel pannello superiore (“Observed temperature”) i colori descrivono l’evoluzione della temperatura nei primi ~8–10 m: ogni estate si riconoscono intrusioni calde (toni giallo-rossi) che spingono verso l’alto la colonna termica fino a prossimità di 0 °C negli strati superiori, mentre in inverno domina il raffreddamento (toni blu) con un gradiente verticale marcato. Le isoterme di −1 °C e −5 °C (riproposte anche nei pannelli inferiori) funzionano come traccianti della “profondità termicamente attiva”: in un firn puramente conduttivo, la penetrazione del segnale stagionale sarebbe relativamente regolare e attenuata con la profondità; qui invece si vede una risposta spesso più rapida e strutturata, coerente con il fatto che, nelle aree di percolazione, il trasporto di calore non è solo diffusivo ma include contributi advettivi associati all’acqua liquida e, soprattutto, il rilascio di calore latente durante il ricongelamento. Questa idea è ben consolidata da osservazioni in Groenlandia: Humphrey, Harper e Pfeffer mostrano che la firma termica nel firn può essere usata per “inseguire” i percorsi dell’acqua di fusione e distinguere meccanismi di riscaldamento legati a percolazione, ristagno e congelamento in eterogeneità stratigrafiche.
I due pannelli di bias (scala cromatica “Modelled − Observed”) traducono questa dinamica in diagnostica modellistica: rosso significa che il modello è più caldo delle osservazioni, blu che è più freddo. In MOD-ref emerge un segnale molto caratteristico: durante i mesi freddi e nelle porzioni più profonde (sotto ~4–5 m) compare spesso un bias caldo persistente, che in alcuni periodi arriva a valori elevati (diversi gradi) e tende a essere particolarmente evidente nella parte finale della serie. Questo tipo di errore è tipicamente interpretabile come “troppa energia che resta intrappolata” nel sottosuolo modellato. Le cause fisicamente plausibili sono due (non mutualmente esclusive): (i) un bias caldo del bilancio energetico superficiale che, anche se moderato, viene integrato nel tempo dal firn e quindi si manifesta più chiaramente in profondità; (ii) una rappresentazione dell’acqua nel firn che produce eccesso di riscaldamento invernale, ad esempio perché il modello mantiene troppa acqua (o troppo ghiaccio recente) negli strati superiori, aumentando la capacità di immagazzinare/rilasciare calore e/o facilitando la conduzione termica efficace rispetto alla realtà. La connessione tra contenuto d’acqua/ghiaccio, proprietà termiche e risposta del profilo non è un dettaglio: le proprietà termiche della neve e del firn (conducibilità, capacità termica, diffusività) dipendono fortemente da densità e fase (aria/ghiaccio/acqua), come sintetizzato nelle revisioni classiche sulle proprietà termiche della neve.
All’opposto, nelle fasi iniziali della stagione di fusione si osservano spesso zone blu vicino alla superficie: è il segnale che, a inizio melt season, il modello tende talvolta a scaldare “troppo poco” gli strati superficiali rispetto a quanto osservato, cioè simula un avanzamento troppo lento del fronte di bagnamento/riscaldamento. È un comportamento coerente con un limite noto dei modelli 1-D quando l’idrologia è trattata con schemi semplificati: nella realtà l’acqua può penetrare rapidamente lungo percorsi preferenziali (finger flow/piping) e trasferire calore a profondità maggiori in modo intermittente; se invece il modello impone un’infiltrazione più “diffusa” e graduale, l’energia latente viene rilasciata più tardi o a profondità diverse, generando proprio un bias freddo transitorio a inizio stagione e un eccesso di calore residuo successivamente. La letteratura sul tema mostra che introdurre una fisica capace di rappresentare gli effetti netti del flusso preferenziale (ad esempio approcci a doppio dominio accoppiati a una formulazione tipo Richards) migliora la simulazione della formazione di strati di ghiaccio e la tempistica del deflusso/ricongelamento.
Il confronto con LIN-ref è illuminante perché il bias cambia “forma”: pur non scomparendo del tutto, il segnale caldo profondo risulta mediamente più contenuto e la coerenza stagionale appare migliore. Questa differenza è coerente con l’interpretazione fisica proposta per KAN-U in diversi lavori sul firn groenlandese: quando l’apporto di meltwater e il suo instradamento verticale sono trattati in modo più realistico, il modello tende a riprodurre meglio le transizioni stratigrafiche critiche (lenti, livelli a bassa permeabilità) che governano sia la percolazione sia la distribuzione del calore. In particolare, per KAN-U e siti analoghi, la formazione di strati/lenti di ghiaccio capaci di agire da barriera idraulica (aquitard) porta a condizioni di “perched water” e a un riassetto del bilancio energetico del firn: l’acqua può ristagnare sopra lo strato impermeabile, congelare in parte, liberare calore latente e produrre un riscaldamento persistente che modifica la climatologia termica subsuperficiale. Langen e colleghi, discutendo proprio i processi di flusso e ritenzione in Groenlandia in un contesto modellistico molto vicino a quello mostrato qui, evidenziano quanto la scelta dello schema di trasporto liquido influenzi la capacità del modello di formare e mantenere strati di ghiaccio e, quindi, di rappresentare correttamente la termica del firn.
Questa lettura è ulteriormente rafforzata dalle evidenze osservative sul fatto che, negli ultimi decenni, porzioni crescenti della percolation zone groenlandese stiano sviluppando strutture a bassa permeabilità (ice layers/ice slabs) che limitano la capacità del firn di assorbire e trasferire in profondità l’acqua di fusione, favorendo invece saturazione superficiale e maggiore runoff. Machguth et al. mostrano che lo stoccaggio nel firn può essere fortemente limitato dalla formazione di ghiaccio near-surface, con implicazioni dirette per la ripartizione tra ritenzione e deflusso; MacFerrin et al. documentano l’espansione rapida di “ice slabs” metri-spesse e a bassa permeabilità, sottolineando come questi livelli modifichino in modo strutturale l’idrologia della calotta. In questo senso, la Figura 6 non va letta solo come “validazione termica”, ma come un indicatore integrato della capacità del modello di riprodurre (o meno) il passaggio da un firn ancora relativamente permeabile a un firn che tende verso condizioni più chiuse e stratificate, dove il calore latente e la barriera idraulica dominano la risposta.
Infine, è utile notare che questi segnali termici si innestano su una base strutturale controllata dalla densificazione del firn: i processi di compattazione (storicamente descritti con modelli empirici tipo Herron–Langway e successivi affinamenti) determinano porosità e permeabilità “di fondo”, entro cui poi l’idrologia della fusione agisce come fattore di accelerazione/non linearità attraverso riflusso e formazione di ghiaccio. La Figura 6, quindi, riassume visivamente un punto centrale emerso in molti studi recenti: nelle zone di percolazione della Groenlandia la temperatura subsuperficiale non è un semplice riflesso del forcing atmosferico, ma un prodotto emergente dell’accoppiamento tra densificazione, trasporto di acqua liquida (spesso preferenziale) e rilascio di calore latente, con transizioni rapide quando compaiono livelli a bassa permeabilità. Per questo, differenze apparentemente “tecniche” tra MOD-ref e LIN-ref si traducono in differenze sostanziali nella capacità di riprodurre la storia termica osservata a KAN-U, soprattutto nei periodi in cui la stratigrafia evolve verso assetti più impermeabili e quindi più sensibili al modo in cui il modello tratta percolazione, ritenzione e ricongelamento.
Profili di densità del firn: confronto osservazioni–modello e segnali di rifusione (Figura 7)
La Figura 7 sintetizza in modo molto efficace come la densificazione del firn e la rifusione dell’acqua di fusione si combinino nel determinare la struttura verticale della calotta, confrontando profili di densità misurati in carotaggi (linee verdi, verde chiaro e grigie; più profili nello stesso pannello quando disponibili) con due simulazioni: MOD-ref (blu) e LIN-ref (rosso). L’asse x riporta la densità (kg m⁻³), l’asse y la profondità. Un elemento cruciale della legenda è la distinzione tra densità del firn “secco” (toni più chiari) e densità “bulk” (toni più scuri), che incorpora l’effetto della presenza di ghiaccio da ricongelamento e quindi rappresenta la densità effettiva del mezzo poroso per applicazioni come conversione massa–quota e proprietà termiche. Quando le densità simulate superano la soglia di pore close-off(qui indicata a 810 kg m⁻³), le curve diventano più spesse: è un marcatore diagnostico del passaggio verso un firn a porosità fortemente ridotta e, soprattutto, a permeabilità verticale limitata. Il concetto di densificazione “a stadi” fino alla zona di close-off e la sua dipendenza da temperatura e accumulo è un pilastro della glaciologia del firn e trova formalizzazione nei modelli empirici classici, che restano un riferimento per interpretare l’inviluppo medio dei profili in condizioni asciutte.
Il pannello CORE 7551 (1997) rappresenta l’esempio più “pulito” di ambiente a fusione trascurabile: la densità aumenta in modo quasi monotono con la profondità e le simulazioni MOD-ref e LIN-ref sono molto vicine tra loro e in buona concordanza con le osservazioni. Questo è esattamente il contesto in cui la densificazione è dominata dai meccanismi meccanici (riassestamento, scorrimento/riarrangiamento dei grani, creep) e le differenze tra schemi idrologici contano poco, perché l’acqua liquida è rara o assente. In altri termini, qui la figura mostra un modello che riesce a riprodurre correttamente la “spina dorsale” della densificazione, coerentemente con quanto emerso anche nelle intercomparazioni dedicate ai modelli di firn: in condizioni asciutte, le divergenze tra schemi tendono a ridursi, mentre crescono quando entrano in gioco fusione, percolazione e ricongelamento.
All’opposto, i pannelli della famiglia KAN-U (2009, 2012, 2013) evidenziano la complessità tipica della percolation zone groenlandese: le osservazioni mostrano profili “dentellati”, con picchi e gradini riconducibili a lenti e strati di ghiaccio formati per infiltrazione e ricongelamento dell’acqua di fusione. È importante sottolineare che questa non monotonicità non è un dettaglio estetico: è la firma strutturale di un mezzo in cui la porosità viene riempita in modo discontinuo e stagionalmente modulato, con impatti diretti su permeabilità, ritenzione e conducibilità termica. Studi basati su transect e misure termiche/densitometriche hanno mostrato che il ricongelamento può riscaldare e densificare il firn su alcuni metri di spessore, e che la “tracciatura termica” consente di legare eventi di infiltrazione a cambiamenti osservabili nel profilo e nella stratigrafia. In Figura 7, la differenza tra curve chiare (firn secco) e scure (bulk) quantifica proprio questo contributo: dove le curve bulk si spostano nettamente verso destra rispetto alle curve “dry”, il modello sta diagnosticando una quota significativa di ghiaccio da rifusione.
In questo contesto, la divergenza sistematica tra MOD-ref e LIN-ref diventa fisicamente interpretabile: LIN-ref tende spesso a produrre densità bulk più elevate nelle aree soggette a fusione, coerentemente con un maggiore trasferimento/efficienza del flusso liquido e quindi con una maggiore produzione di ghiaccio da ricongelamento nei primi metri. La conseguenza più evidente è che in KAN-U 2012 LIN-ref raggiunge il pore close-off a profondità relativamente ridotte (linea rossa ispessita), coerentemente con la presenza osservata di molteplici livelli di ghiaccio e con l’idea che, dopo stagioni di fusione intensa, il firn possa evolvere verso configurazioni più “chiuse” e meno permeabili. Questo tipo di transizione è al centro di lavori che mostrano come la formazione di strati di ghiaccio near-surface limiti l’accessibilità del pore space profondo, riducendo la capacità tampone del firn e favorendo un aumento dell’efficienza del deflusso superficiale. Il pannello KAN-U 2013 suggerisce un passo ulteriore: le strutture osservate tendono a organizzarsi in complessi più continui e, in parallelo, il modello LIN-ref rappresenta un ispessimento/rafforzamento del livello ad alta densità, coerente con l’idea che l’accumulo pluriennale di ricongelamento possa trasformare lenti sottili in unità più persistenti.
I pannelli Dye-2 (2013) ed EKT (2013) mostrano un regime intermedio. Le osservazioni indicano ancora variabilità e presenza di livelli più densi, ma con profili complessivamente meno “catastrofici” rispetto ai casi di chiusura dei pori molto superficiale. Qui la figura è utile per capire un punto metodologico centrale: il modello non può riprodurre fedelmente ogni lente sottile (per limiti di risoluzione verticale e per la natura sub-grid dei percorsi preferenziali), ma può comunque essere valutato sulla capacità di riprodurre (i) la densità bulk media e (ii) la quota a cui la densificazione accelera per effetto della rifusione. Proprio la ricerca recente sulla modellistica del firn mostra che la scelta dello schema di percolazione (bucket vs Richards, e soprattutto formulazioni che includono una componente di flusso preferenziale) modifica sensibilmente la densificazione simulata e la distribuzione verticale del ghiaccio da ricongelamento, con confronti diretti con osservazioni di carote e profili.
Il pannello Site J (1989) è particolarmente istruttivo perché estende lo sguardo a profondità maggiori (decine di metri) e mette in evidenza due aspetti: da un lato l’osservazione mostra sequenze di picchi/valle (eterogeneità stratigrafiche e livelli più densi), dall’altro i modelli forniscono una curva più smussata. Questa discrepanza non implica automaticamente “fallimento”: spesso, per applicazioni operative (ad esempio correzioni firn per altimetria satellitare o stime di porosità integrata), ciò che conta è catturare correttamente il profilo bulk su scale verticali risolvibili, riconoscendo che l’incertezza strutturale aumenta dove la fusione e il ricongelamento introducono soglie e non linearità. Le intercomparazioni FirnMICE quantificano proprio questo problema: anche a parità di forzanti, i modelli divergono su porosità e densità integrate, e la confidenza sulle grandezze “derivate” è limitata da assunzioni parametrico-strutturali oltre che dai dati disponibili per la calibrazione.
Infine, il pannello H4-1&2 (2008) rappresenta l’estremo “caldo/riempito”: le osservazioni indicano densità molto elevate già a profondità ridotte e le simulazioni raggiungono rapidamente o superano la soglia di close-off. In termini idrologici, questo è il regime in cui la percolazione profonda diventa inefficiente perché la colonna contiene barriere a bassa permeabilità; l’acqua di fusione tende quindi a ristagnare e/o a essere deviata lateralmente, aumentando la probabilità di runoff. Su scala più ampia, questo comportamento è coerente con la letteratura recente sulla formazione ed espansione di ice slabs a bassa permeabilità nella Groenlandia occidentale: strutture più spesse e persistenti delle semplici lenti annuali, capaci di agire da aquitard e di spostare verso quote maggiori il limite del runoff.
Nel complesso, la Figura 7 va letta come un test integrato della catena fisica “fusione → infiltrazione → ricongelamento → densificazione → perdita di permeabilità”: dove domina la densificazione asciutta, MOD-ref e LIN-ref convergono e seguono bene le osservazioni; dove entrano in gioco rifusione e stratigrafia a lenti, i profili osservati diventano fortemente non monotoni e la qualità del modello dipende soprattutto da come rappresenta il trasporto dell’acqua e la formazione di livelli a bassa permeabilità. È proprio in questa zona di transizione—non nell’interno completamente asciutto e nemmeno nelle aree già quasi impermeabili—che si gioca una parte decisiva dell’incertezza sulle future capacità di ritenzione del firn e quindi sul bilancio di massa della Groenlandia in un clima che continua a favorire stagioni di fusione più frequenti e intense.
Risultati di sensibilità su temperatura subsuperficiale e contenuto d’acqua nel firn a KAN-U
Il blocco di esperimenti descritto nella sottosezione serve, di fatto, a isolare quali “manopole” controllano davvero l’evoluzione termica e idrologica dei primi 10 m di firn in una tipica percolation zone groenlandese. La Figura 8, che ricostruisce la storia termica simulata a KAN-U, mostra un passaggio coerente con molte evidenze recenti: anni ’90 relativamente freddi, anni 2000 con un riscaldamento più evidente, e anni 2010 con condizioni prossime al temperato in un volume molto ampio del near-surface. Questo tipo di evoluzione non è solo un riflesso del forcing atmosferico, ma deriva dall’accoppiamento non lineare tra fusione superficiale, percolazione, ricongelamento e rilascio di calore latente, processi che la letteratura riconosce come determinanti nel modulare sia la “cold content” del firn sia la sua capacità di ritenzione dell’acqua di fusione.
Il primo messaggio robusto dei test di sensibilità è l’importanza della parametrizzazione della saturazione irriducibile(Swi), cioè la quota di acqua che, per effetto delle forze capillari, tende a rimanere intrappolata nella matrice porosa anche quando il drenaggio è attivo. In MOD-Swi02, dove la ritenzione capillare è molto più bassa rispetto a MOD-ref, l’acqua di fusione viene trasferita più facilmente verso il basso e, così facendo, “consuma” più rapidamente il contenuto freddo: il risultato è un riscaldamento del sottosuolo più marcato, già a partire dagli anni 2000. Questa sensibilità è perfettamente coerente con la fisica sperimentale della neve bagnata: studi classici mostrano che la saturazione residua/irriducibile può collocarsi su valori dell’ordine di 0,07 in termini di saturazione liquida per neve relativamente omogenea, mentre lavori più recenti sulle curve di ritenzione (WRC) indicano che un residuo equivalente vicino a 0,02 è plausibile in certe condizioni microstrutturali (grana, porosità, isteresi), con conseguenze dirette su tempi di drenaggio, profondità di penetrazione e localizzazione del ricongelamento. In altre parole, cambiare Swi non è un dettaglio numerico: sposta la soglia tra acqua “mobile” e acqua “intrappolata”, e quindi sposta anche dove e quando viene liberato calore latente nel profilo.
Un secondo messaggio, più sottile ma molto informativo, emerge dal confronto tra MOD-ref e MOD-NoDarcy. In MOD-NoDarcy l’acqua in eccesso rispetto alla saturazione irriducibile percola istantaneamente (quindi si elimina la dinamica di flusso governata da permeabilità e gradiente idraulico tipica di un’impostazione “Darcy/Richards”). Eppure, nonostante differenze giornaliere evidenti nel campo di acqua liquida (Figura 9), la struttura termica risultante nella Figura 8 è quasi indistinguibile. Fisicamente questo suggerisce che, almeno a queste profondità e su queste scale temporali, la temperatura del firn è un integratore “a memoria” dell’energia: conta moltissimo il bilancio tra quanta acqua arriva e quanta refreeza (e dunque quanta energia latente viene rilasciata), mentre la micro-tempistica del trasferimento verso il basso può modificare la variabilità a breve ma non necessariamente l’assetto termico medio. È un risultato che dialoga bene con la letteratura modellistica più fisica (Richards equation in neve), dove spesso si osserva che la dinamica fine del contenuto d’acqua migliora con schemi avanzati, ma il segnale termico può restare dominato dall’integrale dei processi di ricongelamento e dalla conduzione efficace del mezzo (densità/ghiaccio).
Il passaggio agli esperimenti LIN chiarisce poi un punto chiave: la termica del sottosuolo non risponde solo alla “macchina idrologica” interna, ma anche alla quantità di acqua di fusione prodotta in superficie. Con l’albedo LIN, la fusione aumenta e quindi aumenta l’apporto di meltwater, rendendo LIN-ref più caldo di MOD-ref e LIN-Swi02 più caldo di MOD-Swi02. Qui è utile ricordare che eventi di fusione intensa, specialmente quelli concentrati in pochi giorni ma con tassi estremi, possono trasferire enormi quantità di energia e acqua nel sistema firn in modo impulsivo. Il luglio 2012 è un riferimento obbligato: diversi lavori mostrano due episodi di fusione eccezionale su scala di calotta, con contributi sproporzionati alla fusione/ablazione stagionale e con un ruolo importante dei flussi non radiativi e della configurazione sinottica (inclusi casi riconducibili ad atmospheric rivers). Questi impulsi sono precisamente il tipo di forcing che rende la colonna sensibile a come l’acqua viene trattenuta, rilasciata e fatta defluire.
Il cuore meccanicistico della sottosezione, però, è la comparsa nel luglio 2011 di una differenza “di regime” in LIN-ref: la comparsa del contorno a 810 kg m⁻³ segnala la formazione di uno strato impermeabile (pore close-off/ice layer) che cambia radicalmente l’idrologia della colonna. L’interpretazione proposta è coerente con quanto osservato sul terreno: la maggiore capacità della formulazione SwiCL di trattenere acqua permette che una frazione sufficiente dell’acqua percolante ricongeli e inneschi un livello di ghiaccio. Una volta nato lo strato, la fornitura di calore latente dall’alto può ridursi o interrompersi localmente (perché la percolazione viene bloccata), ma lo strato può continuare a crescere dal basso grazie all’acqua trattenuta precedentemente e poi, nelle stagioni successive, crescere di nuovo dall’alto quando il fronte di bagnamento lo raggiunge. Il quadro descritto—raffreddamento e sepoltura invernale, riattivazione estiva, ispessimento non sufficiente a compensare l’interramento, e quindi migrazione netta verso il basso—è pienamente compatibile con la transizione documentata per la Groenlandia occidentale verso condizioni in cui la ritenzione del firn diminuisce perché la stratigrafia evolve in senso più “chiuso”, favorendo runoff e flussi laterali sopra livelli impermeabili.
La Figura 9, che confronta il contenuto d’acqua liquida nel sottosuolo tra esperimenti, rende questa transizione immediatamente visibile: in presenza dello strato sospeso in LIN-ref l’acqua si accumula sopra la barriera, e l’accumulo cresce finché continua l’alimentazione per percolazione. Nei due grandi eventi di fusione di luglio 2012, questo “ponding interno” diventa evidente; nel periodo intermedio l’acqua diminuisce perché parte defluisce come runoff dalla colonna. Questo comportamento è esattamente ciò che ci si aspetta quando si supera stabilmente la frazione irriducibile: una volta che la porzione “immobile” è saturata, l’acqua eccedente diventa mobile, ma non potendo percolare in profondità viene forzata a defluire (spesso anche in modo laterale), con tempi lunghi che possono estendersi fino all’autunno. È lo stesso tipo di meccanismo che, su scala più grande, sta dietro al concetto di “aquitard” associato a ice layers/ice slabs: livelli a bassa permeabilità che impediscono l’accesso alla porosità relicta sottostante e spostano il sistema verso una maggiore efficienza di runoff.
Gli esperimenti MOD-w01 e MOD-NoDarcy, infine, servono a capire come la conducibilità idraulica e la scelta Darcy/NoDarcy modulino il “carattere” del flusso senza necessariamente generare una barriera impermeabile stabile. Ridurre la conducibilità (MOD-w01) rallenta la discesa dell’acqua e permette l’accumulo di gradienti verticali più forti prima che il sistema “scarichi”, producendo una percolazione più intermittente; al contrario, NoDarcy rende l’evoluzione più graduale perché l’eccesso viene redistribuito immediatamente. Il punto importante è che l’intermittenza, da sola, non basta a creare uno strato impermeabile persistente: per quello serve una combinazione di (i) quantità di acqua disponibile, (ii) condizioni termiche favorevoli al ricongelamento, e (iii) un bilancio stagionale tale da far sopravvivere lo strato all’inverno mantenendo la capacità di bloccare la percolazione nella stagione successiva. I modelli di neve che risolvono Richards e, ancor più, quelli che includono una componente di flusso preferenziale (dual-domain) mostrano bene come capillary barriers, percorsi preferenziali e isteresi possano accelerare la formazione di livelli di ghiaccio e la redistribuzione dell’energia, ma evidenziano anche quanto sia delicata la soglia che separa “eterogeneità effimere” da “strutture persistenti” nel profilo.
La chiusura della sottosezione—l’idea che uno strato di ghiaccio “diffonda” nel tempo se non viene alimentato da nuova massa dall’alto—va letta come una combinazione di fisica e numerica: fisicamente, compattazione e redistribuzione di massa tendono a seppellire e assottigliare l’efficacia idraulica di una singola lente se gli anni successivi non forniscono abbastanza acqua per rinnovarla; numericamente, la discretizzazione verticale e il mixing parametrico possono smussare strutture sottili rendendo più difficile la sopravvivenza di una barriera netta. In questo senso diventa plausibile che gli esperimenti MOD non riescano a produrre uno strato sostenibile a KAN-U: se l’apporto di meltwater (o la sua localizzazione verticale) non supera una soglia critica per più stagioni, la lente non resta abbastanza continua/impermeabile da bloccare la percolazione l’anno successivo. È una lettura in linea con quanto emerge sia dalle osservazioni sul passaggio al “firn runoff regime” associato a near-surface ice layers, sia dagli studi che documentano l’espansione delle ice slabs come fenomeno che richiede ripetuti anni di fusione elevata e un contesto di accumulo non sufficiente a ripristinare porosità e permeabilità.
Evoluzione termica del firn a KAN-U e controllo idrologico del riscaldamento (Figura 8)
La Figura 8 rappresenta, in sezione tempo-profondità, la temperatura media giornaliera nei primi 10 m di firn al sito KAN-U e permette di visualizzare insieme due aspetti che in Groenlandia sono ormai inseparabili: la crescita della fusione superficiale negli ultimi decenni e la risposta non lineare del firn, dominata da percolazione e ricongelamento. Nel pannello superiore (MOD-ref, 1980–2014) il ciclo stagionale è immediato: ogni estate si formano “lingue” calde che penetrano verso il basso, mentre in inverno il profilo torna a raffreddarsi. Ma, oltre alla ciclicità, emerge una tendenza: dagli anni ’90 relativamente freddi si passa a un sottosuolo più caldo negli anni 2000, fino a condizioni quasi temperate (temperature prossime a 0 °C in porzioni estese dei primi metri) negli anni 2010. Questa transizione è tipica di un firn che perde progressivamente il proprio cold content (la “riserva” di energia necessaria a portare la colonna a 0 °C) perché, a ogni stagione di fusione, l’acqua che percola e poi ricongela rilascia calore latente e “riscalda” la colonna in modo cumulativo. L’idea che la temperatura del firn registri e integri nel tempo la storia della ritenzione/ricongelamento è ben documentata: misure in situ e approcci di “thermal tracking” mostrano come anomalie termiche persistenti possano essere usate per inferire tempi e profondità della ritenzione dell’acqua di fusione nell’area di accumulo/percolazione groenlandese.
I pannelli inferiori restringono l’attenzione al 2008–2014 e mettono a confronto esperimenti che differiscono per tre “leve” fisiche: (i) quanta acqua resta intrappolata per capillarità (saturazione irriducibile), (ii) quanto rapidamente l’acqua in eccesso viene trasferita verso il basso (Darcy vs NoDarcy), (iii) quanta fusione superficiale viene prodotta (qui modulata, tra le altre cose, dal trattamento dell’albedo). La lettura chiave è che le differenze non sono semplici variazioni quantitative, ma possono spostare il sistema da un regime “poroso e permeabile” a un regime “stratificato e parzialmente impermeabile”.
Nel confronto MOD-ref vs MOD-Swi02, la figura mostra che ridurre la ritenzione capillare (Swi più bassa) aumenta la penetrazione del segnale caldo verso profondità maggiori e accelera l’erosione del cold content. In pratica, se il modello consente di trattenere meno acqua nei pori per effetto capillare, una frazione maggiore del meltwater raggiunge più facilmente strati profondi, dove ricongela e deposita calore latente in modo più efficace nel volume 0–10 m. Il risultato è un profilo mediamente più caldo e una colonna più spesso prossima a condizioni temperate. Questo comportamento è coerente con il fatto che le scelte sulla saturazione irriducibile non sono un dettaglio numerico: governano la partizione tra acqua “immobile” e acqua “mobile” e quindi la localizzazione verticale del ricongelamento e del riscaldamento latente. Nella stessa famiglia modellistica, Langen et al. discutono esplicitamente come la combinazione tra albedo osservato e valori di saturazione irriducibile possa cambiare in modo marcato sia la temperatura subsuperficiale sia la comparsa di strutture come perched ice layers e acquiferi di firn.
Il confronto MOD-ref vs MOD-NoDarcy è forse il più istruttivo dal punto di vista diagnostico: nonostante l’esperimento NoDarcy modifichi drasticamente la dinamica del flusso (l’acqua in eccesso percola istantaneamente), la struttura termica risultante in Figura 8 resta molto simile. Questo suggerisce che, per la temperatura media della colonna, conta più l’integrale stagionale dell’energia trasferita e ricongelata (cioè quanta acqua arriva e quanta rilascia calore latente) che non la micro-tempistica del trasporto verso il basso. In altri termini: puoi cambiare “come” l’acqua scende giorno per giorno, ma se a fine stagione l’ammontare di acqua che ricongela e la sua profondità media non cambiano molto, l’impronta termica può restare sorprendentemente simile. È un risultato che si ritrova spesso quando si confrontano schemi idrologici con diversa complessità: l’acqua liquida può essere molto sensibile ai dettagli del trasporto, mentre la temperatura risponde soprattutto alla quantità e alla distribuzione complessiva del ricongelamento.
Il passaggio ai pannelli LIN-ref e LIN-Swi02 aggiunge un ulteriore controllo: la produzione di meltwater in superficie. La figura indica che usare l’albedo “LIN” porta, a KAN-U, un apporto di acqua di fusione maggiore e quindi temperature subsuperficiali più alte rispetto alle corrispondenti configurazioni MOD. Qui entra in gioco la natura fortemente non lineare degli anni recenti: stagioni con fusione intensa non solo riscaldano il firn, ma possono innescare riorganizzazioni strutturali. Il tratto più importante della Figura 8 è infatti la comparsa, in LIN-ref, della linea nera che delimita il contorno ρ_bulk = 810 kg m⁻³: è un indicatore della formazione di livelli a bassa permeabilità (strati/lenti di ghiaccio vicini al close-off) capaci di ostacolare la percolazione profonda. In termini fisici, la figura sta mostrando un “cambio di regime”: quando si forma uno strato sufficientemente denso e continuo, l’acqua successiva tende ad accumularsi sopra di esso, aumentando la ritenzione superficiale e favorendo run-off o flussi laterali, mentre il calore latente viene rilasciato in modo più concentrato sopra la barriera. Questo comportamento è perfettamente coerente con osservazioni di campo e radar che documentano come la formazione di near-surface ice layers e soprattutto di ice slabs metri-spesse riduca la capacità del firn di assorbire acqua e trasformi ampie porzioni della percolation zone in un “firn runoff regime”.
La dinamica temporale della linea nera in LIN-ref (comparsa intorno al 2011, successiva evoluzione in profondità) è coerente con un meccanismo osservato e discusso in letteratura: uno strato impermeabile può formarsi quando il bilancio tra apporto di meltwater, capacità di ritenzione e condizioni termiche consente un ricongelamento sufficientemente concentrato da creare una barriera idraulica. In seguito, lo strato viene raffreddato e sepolto in inverno, ma può ispessirsi di nuovo quando il fronte di bagnamento estivo lo raggiunge. Studi su Groenlandia occidentale mostrano che proprio la ripetizione di stagioni di fusione forti, in combinazione con accumulo non sufficiente a ripristinare porosità e permeabilità, favorisce la persistenza e l’espansione di queste strutture.
Nel complesso, la Figura 8 va letta come una prova visiva che la temperatura nei primi 10 m non è un semplice “termometro” del clima atmosferico, ma un prodotto emergente dell’accoppiamento tra fusione, trasporto liquido e trasformazione strutturale del firn. Le differenze tra MOD e LIN non sono solo differenze di pochi gradi: determinano se la colonna resta prevalentemente permeabile (con riscaldamento più distribuito in profondità) oppure se entra in un regime in cui compaiono barriere a bassa permeabilità, con accumulo d’acqua sopra lo strato e conseguente riorganizzazione della ritenzione e del run-off. Questo ha implicazioni operative dirette: la presenza o meno di livelli impermeabili cambia la capacità del firn di “tamponare” la fusione e quindi influenza sia il bilancio di massa superficiale sia l’interpretazione di segnali osservativi (temperatura, densità, altimetria). Proprio per questo le valutazioni comparative dei modelli di firn sottolineano che siti come KAN_U diventano rapidamente dominati da ice slabs e che la loro corretta rappresentazione è cruciale per ridurre l’incertezza sulle proiezioni di ritenzione e runoff in un clima in riscaldamento.
Contenuto di acqua liquida nel firn durante la stagione di fusione 2012 a KAN-U (Figura 9)
La Figura 9 mostra, per i primi 10 m sotto superficie, come evolve nel tempo (giorni 136–289 del 2012, da metà maggio a metà ottobre) il contenuto di acqua liquida nel firn espresso come rapporto massa-acqua/massa-neve-firn, mettendo a confronto quattro configurazioni modellistiche (MOD-ref, MOD-w01, MOD-NoDarcy, LIN-ref). È una figura “diagnostica” perché la variabile tracciata non è solo un indicatore di quanta fusione si produce, ma soprattutto di comel’acqua riesce (o non riesce) a infiltrarsi, redistribuirsi e drenare in presenza di capillarità, conducibilità idraulica e barriere stratigrafiche. Nei pannelli MOD-ref e MOD-w01 si vede un comportamento tipico di una colonna ancora sostanzialmente permeabile: l’acqua liquida compare in modo episodico negli strati superiori durante gli eventi di melt e poi tende a propagarsi verso il basso con un segnale relativamente “filamentoso” e intermittente. MOD-w01, dove la conducibilità idraulica è ridotta, evidenzia gradienti verticali più marcati e una percolazione più “a scatti”: l’acqua tende a trattenersi temporaneamente, accumulando gradiente fino a quando il sistema rilascia il flusso verso il basso. Questa risposta è coerente con quanto si osserva quando il trasporto viene governato da processi tipo Darcy/Richards in un mezzo poroso stratificato: rallentare la conducibilità permette di costruire saturazioni locali maggiori prima che il drenaggio riparta, aumentando l’intermittenza senza necessariamente generare una barriera permanente. La letteratura sui modelli fisicamente basati della percolazione nella neve mostra proprio che risolvere correttamente l’idraulica (e le sue soglie) è essenziale per descrivere l’evoluzione del campo d’acqua e del runoff, anche quando la struttura media può apparire simile.
Il pannello MOD-NoDarcy rappresenta l’estremo opposto: l’acqua in eccesso rispetto alla quota “trattenibile” viene fatta percolare istantaneamente. Il risultato è un campo più “liscio” e meno strutturato, con minore costruzione di massimi locali e senza accumuli persistenti a una quota preferenziale. È un modo utile per separare, concettualmente, la parte legata alla quantità totale di acqua prodotta (forzante) dalla parte legata alla dinamica di trasporto (processo): se si elimina la possibilità di accumulare gradienti idraulici, si attenuano le firme di intermittenza e di ristagno che invece emergono naturalmente quando il flusso è limitato da conducibilità e stratigrafia. Il pannello chiave è però LIN-ref, perché qui compare la linea nera del contorno ρbulk = 810 kg m⁻³, che indica un livello a densità prossima alla chiusura dei pori e quindi a bassa permeabilità: sopra questa “barriera” l’acqua si accumula in modo netto, formando una zona di perched water (acqua sospesa) che raggiunge valori molto alti; la didascalia specifica che in questo pannello si arriva fino a ~0,5, oltre il range della barra colori (che si ferma a 0,2). La figura rende visibile il meccanismo per cui, durante gli episodi di fusione intensa (nel luglio 2012 ce ne furono due di portata eccezionale), l’acqua non potendo più accedere al pore space sottostante viene forzata a concentrarsi sopra lo strato, con drenaggio e runoff che diventano efficienti non appena la saturazione eccede la quota “immobile”. Questo comportamento è perfettamente coerente con le osservazioni e con la cornice concettuale emersa negli ultimi anni: la formazione di ghiaccio near-surface e di strutture a bassa permeabilità riduce la capacità tampone del firn e favorisce un passaggio verso un firn runoff regime, dove l’acqua tende a scorrere sopra livelli impermeabili (anche lateralmente) invece di percolare in profondità.
Il passaggio al runoff (Figure 11–12) chiarisce che la scelta più “dominante” è l’implementazione dell’albedo: modificare l’albedo altera direttamente l’energia assorbita, quindi il melt, quindi la quantità di acqua disponibile per percolazione/ricongelamento e infine la quota che finisce in runoff. Studi specifici di sensibilità dell’SMB della Groenlandia alla parametrizzazione dell’albedo in RCM mostrano che cambiamenti anche relativamente piccoli nei parametri/algo dell’albedo possono produrre variazioni significative nel melt e quindi nell’SMB. Inoltre, versioni aggiornate di RACMO2 evidenziano quanto l’impostazione dei campi di albedo (specie ai margini) influenzi il melt simulato, e quindi le metriche integrate di runoff. Questa centralità dell’albedo è coerente anche con la letteratura osservativa: la retroazione dell’albedo in Groenlandia (scopertura di ghiaccio nudo/slush, impurità, metamorfismo della neve) è un amplificatore noto della fusione estiva e contribuisce a rendere alcuni anni (come il 2012) particolarmente estremi.
Dentro questo quadro, la sottosezione interpreta in modo fisicamente consistente l’effetto di SwiCL vs Swi02 sul runoff: nelle aree dominate da acquiferi perenni (sud e sud-est), una Swi più alta tende a ridurre il runoff perché aumenta la frazione trattenuta e potenzialmente ricongelabile nella stagione fredda; nelle aree dominate da strati sospesi (ovest e nord), la stessa maggiore ritenzione può invece favorire la crescita/estensione della barriera e quindi aumentare runoff, perché l’acqua che si accumula sopra lo strato tende a defluire anziché percolare in profondità. È un classico esempio di “effetti concorrenti”: lo stesso parametro (Swi) può ridurre runoff in un regime (senza barriera, con storage profondo) e aumentarlo in un altro (con barriera, con perched water e drenaggio superficiale/laterale). Proprio questi meccanismi competitivi aiutano a capire perché, nelle serie temporali groenlandesi (Figura 12), le differenze MOD vs LIN emergano con chiarezza mentre SwiCL vs Swi02 appaia molto più debole: su scala di calotta, la riduzione di runoff nelle aree con aquifer può compensare l’aumento di runoff nelle aree con perched ice, “schiacciando” il segnale netto.
Infine, l’osservazione metodologica sul periodo pre-2000 (uso di una climatologia di albedo MODIS 2000–2006 per ridurre la variabilità interannuale) va letta come un promemoria importante: quando si analizzano differenze di runoff e SMB tra esperimenti, la disponibilità/omogeneità del forcing osservativo di albedo può cambiare la variabilità simulata e quindi la comparabilità tra schemi, soprattutto prima dell’era MODIS pienamente osservata. La letteratura sulla qualità e ricalibrazione dell’albedo MODIS in Groenlandia mostra infatti che i prodotti e le scelte di trattamento (gap-filling, zenith angle, nuvolosità) possono influenzare l’uso modellistico dell’albedo, con ricadute su melt e runoff.
In sintesi, la sottosezione lega in modo coerente tre livelli di processo: (i) la microfisica della ritenzione e del trasporto (Swi, conducibilità, Darcy/NoDarcy) che controlla la struttura verticale dell’acqua nel firn; (ii) la comparsa di facies idrologiche su larga scala (perched ice layers e PFA) che dipendono soprattutto da melt stagionale e accumulo; (iii) la risposta integrata in runoff e SMB, dominata dalla produzione di meltwater e quindi—nel contesto di questi esperimenti—dalla scelta di albedo, con effetti secondari e talvolta compensanti dovuti a Swi e alla coesistenza di regimi idrologici diversi sulla calotta.
Distribuzione su larga scala di strati di ghiaccio sospesi e acqua liquida nel firn (Figura 10)
La Figura 10 mette insieme, in un’unica diagnostica cartografica, due “firme” fondamentali dell’evoluzione recente del firn groenlandese: da un lato la presenza di strati di ghiaccio densi e quasi impermeabili (in nero), dall’altro la quantità di acqua liquida totale immagazzinata nella colonna a fine inverno/inizio primavera (scala giallo-rosso, in metri equivalenti d’acqua). Ogni pannello corrisponde a una diversa configurazione modellistica (MOD-ref, MOD-Swi02, MOD-w01, MOD-NoDarcy, LIN-ref, LIN-Swi02), e tutte le mappe riportano anche le curve di quota (1000–3000 m, con 2000 m evidenziati) e il contorno della calotta.
La parte in nero identifica celle in cui, scendendo dalla superficie, compare almeno un livello con densità volumetrica ρ_bulk ≥ 810 kg m⁻³ sovrastante firn meno denso (ρ_bulk < 810 kg m⁻³). Questo criterio non cerca genericamente “ghiaccio nel firn”, ma una configurazione specifica: un tappo denso sopra materiale ancora poroso. Dal punto di vista idrologico è la condizione tipica di uno strato sospeso (perched ice layer) capace di ostacolare la percolazione verso il basso, favorendo accumulo di acqua sopra la barriera e, in certe condizioni, un passaggio verso maggiore runoff o drenaggio laterale. La soglia di close-off è un concetto classico in glaciologia del firn (densificazione fino a chiusura dei pori), ma qui assume un ruolo “funzionale”: non è solo una densità, è un cambio di regime nella permeabilità.
Guardando la geometria spaziale, gli strati sospesi si dispongono in una fascia relativamente stretta che parte dal sud-ovest, risale lungo la costa occidentale e prosegue verso nord e nord-est. Questo pattern è coerente con la collocazione climatica della percolation zone: quote intermedie dove la fusione estiva è sufficiente a produrre infiltrazione e ricongelamento (quindi densificazione accelerata), ma non sempre accompagnata da accumulo così alto da mantenere stoccaggi liquidi profondi e persistenti. In altre parole, è la fascia in cui il sistema tende più facilmente a costruire barriere: abbastanza acqua per creare ghiaccio nel profilo, abbastanza freddo residuo per ricongelare in modo efficiente, e abbastanza porosità sottostante da rendere “sensata” l’idea di uno strato denso sopra firn più leggero.
La colorazione giallo-rosso rappresenta invece l’acqua liquida totale nella colonna (aprile 2014). Qui si riconosce il segnale tipico delle zone in cui l’acqua può persistere anche oltre la stagione di fusione: la regione sud-orientaleemerge spesso come area di massimo stoccaggio liquido, coerentemente con la letteratura sugli acquiferi perenni nel firn (perennial firn aquifers, PFA) identificati mediante carote e radar e discussi anche con l’ausilio di modelli climatici regionali. Gli studi di Forster et al. (2014) sono un riferimento diretto per la scoperta e la mappatura osservativa di questi acquiferi, mentre Kuipers Munneke et al. (2014) hanno chiarito le condizioni necessarie perché l’acqua resti liquida tutto l’anno: accumulo annuo elevato (che fornisce pore space e isolamento), insieme a fusione estiva e/o pioggia sufficienti a ricaricare il sistema, senza però esaurire il cold content al punto da trasformare la zona in un dominio dominato dal deflusso. In questa figura si vede bene un punto importante: dove compaiono PFA, la fascia degli strati sospesi può risultare interrotta o meno continua, perché l’idrologia “vince” in un modo diverso (stoccaggio liquido profondo piuttosto che barriera impermeabile superficiale).
Il confronto tra esperimenti mette in evidenza quali scelte fisiche contano davvero su scala groenlandese. Il primo fattore è la parametrizzazione della saturazione irriducibile (Swi). Confrontando le coppie MOD-ref vs MOD-Swi02 e LIN-ref vs LIN-Swi02, si nota in genere che la formulazione con maggiore ritenzione capillare tende a favorire una maggiore diffusione degli strati sospesi. Il motivo è intuitivo se lo si lega alla microfisica: se più acqua resta trattenuta nei pori in strati ancora relativamente freddi, cresce la probabilità che quella stessa acqua ricongeli localmente, aumentando densità e continuità degli strati ad alta ρ_bulk fino a raggiungere (o avvicinare) la soglia di close-off. Questo è coerente con la dinamica descritta per siti come KAN-U e con osservazioni che documentano la crescita e la persistenza di livelli di ghiaccio nel firn negli anni successivi a stagioni di fusione intensa (ad esempio Machguth et al., 2016a).
Il secondo fattore, ancora più dominante in molti pannelli, è la scelta di albedo (MOD vs LIN). Nei casi LIN, in cui la fusione superficiale risulta generalmente più elevata in varie regioni (in particolare nel settore settentrionale, come discusso nel testo associato), aumenta la disponibilità di meltwater e questo si riflette sia in una maggiore tendenza alla formazione di strati sospesi sia, localmente, in quantità maggiori di acqua liquida residua. Questa sensibilità è in linea con un risultato ampiamente consolidato nella modellistica del bilancio di massa superficiale groenlandese: l’albedo controlla direttamente l’assorbimento di radiazione solare e quindi l’intensità/durata della fusione, e piccoli cambiamenti nella sua rappresentazione possono produrre grandi differenze integrate su scala stagionale (tema ricorrente nelle valutazioni di MAR, RACMO e altri RCM).
Il terzo messaggio è quasi “controintuitivo” ma molto utile: le differenze nella descrizione dettagliata del trasporto (ad esempio MOD-w01 con conducibilità idraulica ridotta e MOD-NoDarcy con percolazione istantanea dell’eccesso) influenzano fortemente la variabilità a breve termine del campo d’acqua, ma sembrano incidere molto meno sulla distribuzione su larga scala degli strati sospesi e degli acquiferi. La figura, letta insieme alla discussione testuale, suggerisce che la mappa delle facies idrologiche del firn è soprattutto una funzione di tre ingredienti stagionali: apporto totale di acqua di fusione, accumulo e Swi. La tempistica giornaliera del flusso modifica “come” l’acqua si muove durante la stagione, ma non sposta drasticamente “dove” il sistema entra in un regime con barriera o in un regime con acquifero, almeno entro l’insieme di ipotesi modellistiche qui testate. Questo è un punto cruciale per i modelli climatici: per simulare correttamente l’evoluzione idrologica del firn e le sue implicazioni sul runoff, spesso è più importante rappresentare bene precipitazione/accumulo, energia superficiale (albedo) e ritenzione/ricongelamento che non inseguire ogni dettaglio sub-giornaliero del drenaggio.
In sintesi, la Figura 10 visualizza un mosaico di regimi: nel sud-est prevale la firma degli acquiferi perenni (stoccaggio liquido favorito da alto accumulo), mentre lungo ampie porzioni del margine occidentale-settentrionale emerge una cintura di strati sospesi che segnala la transizione verso un firn meno capace di assorbire acqua in profondità e più incline a generare accumuli superficiali e runoff. Questo quadro è coerente con l’idea, ormai centrale nella letteratura recente (inclusi lavori su ice layers e ice slabs come quelli di MacFerrin et al., 2019), che la capacità “spugna” del firn groenlandese non stia cambiando in modo uniforme: dipende dalla combinazione locale di fusione, accumulo e strutture a bassa permeabilità che, una volta formate, possono auto-rafforzarsi e ridisegnare la risposta idrologica stagionale.
Conclusioni estese: cosa ci dicono gli esperimenti di HIRHAM5 su firn, fusione e runoff in Groenlandia
Le conclusioni dello studio inquadrano un avanzamento metodologico molto netto: lo schema subsuperficiale di HIRHAM5 non è più soltanto un “contenitore termico” della neve, ma viene portato verso una rappresentazione più fisica del firn includendo densificazione, crescita della grana, conducibilità idraulica dipendente dallo stato del manto, saturazione irriducibile e ritenzione oltre tale soglia, fino alla formazione di ghiaccio sovrapposto e livelli ad alta densità. Questa scelta è coerente con la traiettoria della letteratura sugli RCM polari (MAR, RACMO, HIRHAM, ecc.), che da anni evidenzia come la qualità della simulazione del bilancio di massa superficiale non dipenda solo dal forcing atmosferico, ma in modo sostanziale dal modo in cui si chiude il ciclo “fusione–percolazione–ricongelamento–runoff” nel firn. Non a caso, la validazione su larga scala restituisce metriche molto solide: l’accumulo netto annuo confrontato con decine di carote mostra un’elevata coerenza spaziale (correlazione 0,90 e bias medio −5%), e nell’area di ablazione la comparazione con oltre mille osservazioni di SMB fornisce pendenze di regressione prossime all’unità e correlazioni robuste. Allo stesso tempo, lo studio è molto onesto nel sottolineare che il buon bias medio può essere in parte una compensazione tra errori opposti a diverse quote, un tema ben noto nella valutazione dei modelli regionali: la fusione e il runoff “pesano” soprattutto alle basse quote, quindi ha senso che gli autori introducano una metrica pesata con il contributo del runoff e mostrino che il bias integrato di perdita di massa nell’ablazione rimane comunque contenuto (−5% e −7% per MOD e LIN), e per di più poco sensibile a molte scelte interne (Darcy/NoDarcy, wh/wice, ecc.). In altri termini, la struttura complessiva del campo di bilancio di massa è abbastanza robusta rispetto a diversi dettagli dell’idrologia verticale, purché l’energia superficiale e le grandezze stagionali “integrate” (fusione e accumulo) siano ragionevoli.
La discussione sui giorni di fusione è importante perché separa due piani diversi di “fedeltà”: il modello riproduce bene i pattern spazio-temporali (quindi la dinamica atmosferica e la distribuzione altimetrica della fusione sono plausibili), ma tende a comprimere la variabilità interannuale e ad amplificare quella spaziale. È un comportamento che spesso emerge quando l’albedo e i feedback radiativi vengono parametrizzati in modo che la fusione diventi troppo “ancorata” a gradienti stazionari (quota, latitudine, distanza dal margine) e meno reattiva alle peculiarità sinottiche anno-per-anno. Qui torna il messaggio che attraversa tutta la sezione risultati: la scelta dell’albedo domina le differenze tra configurazioni. Questo è perfettamente in linea con decenni di studi sul ruolo dell’albedo della neve e del ghiaccio nudo nel controllare l’assorbimento di radiazione corta e quindi l’intensità/durata della fusione; in Groenlandia l’albedo non è un dettaglio “ottico”, ma un vero e proprio amplificatore di regime, perché influenza quanto meltwater viene prodotto e quindi quanta energia latente può essere redistribuita nel firn tramite ricongelamento.
Il punto più interessante, dal punto di vista dei processi, è la separazione tra ciò che conta su scala giornaliera e ciò che conta su scala stagionale-pluriennale. Gli autori mostrano che il meccanismo di flusso verticale (Darcy vs NoDarcy; wh/wice diversi) modifica in modo evidente i dettagli a breve termine del campo di acqua liquida nel firn, ma risulta sostanzialmente secondario per la struttura termica stagionale e per i campi di bilancio di massa su larga scala. Questo non significa che Darcy o la conducibilità idraulica siano “irrilevanti” in assoluto: significa che, entro l’insieme di ipotesi del modello, l’energia e la massa integrate sulla stagione tendono a essere controllate soprattutto da quanta acqua di fusione viene prodotta, quanta viene trattenuta (saturazione irriducibile) e quanta può ricongelare, mentre la tempistica sub-stagionale del trasporto modifica soprattutto l’intermittenza e la distribuzione istantanea dell’acqua. È un risultato utile per la modellistica climatica, perché indica che inseguire la perfetta dinamica evento-per-evento può essere meno determinante del rappresentare correttamente i processi “lenti” che costruiscono la memoria del firn: accumulo nevoso, densificazione, disponibilità di porosità e bilancio energetico della superficie.
Dentro questa cornice generale, il sito KAN-U diventa un banco prova cruciale per le soglie non lineari del firn. Qui emergono due parametri veramente capaci di cambiare l’evoluzione su scale lunghe: albedo e saturazione irriducibile (Swi). Prima della formazione della lente/strato di ghiaccio, la maggiore produzione di acqua di fusione nella configurazione LIN produce un bias caldo persistente sotto i 5 m, coerente con l’idea che più meltwater significa più ricongelamento e quindi più rilascio di calore latente in profondità, erodendo il cold content. Impostare Swi a un valore basso e fisso (0,02) favorisce una percolazione più pronta a inizio stagione di fusione e riduce il bias freddo iniziale, ma la combinazione opposta (albedo LIN con Swi parametrizzata secondo Coleou e Lesaffre, 1998) abilita un passaggio di regime ancora più significativo: la formazione di uno strato ad alta densità compatibile con le osservazioni stratigrafiche (Machguth et al., 2016a). Questo è un punto chiave perché collega in modo diretto un parametro apparentemente “microfisico” (la quota d’acqua trattenuta per capillarità) alla possibilità di innescare strutture quasi impermeabili che poi controllano l’intera idrologia successiva: se si forma uno strato sospeso, l’acqua che altrimenti avrebbe percolato più in profondità e ricongelato distribuendo calore, tende ad accumularsi sopra la barriera e a produrre runoff, mentre la parte più profonda viene “schermata” dal riscaldamento latente dall’alto, riducendo il bias caldo in profondità. È esattamente la logica fisica emersa in molte discussioni recenti sulle trasformazioni della percolation zone: la costruzione di livelli a bassa permeabilità riduce la capacità tampone del firn e può innalzare la linea di runoff in un clima più caldo, perché porzioni che prima assorbivano acqua iniziano a comportarsi in modo più simile a un sistema a drenaggio superficiale/laterale.
Il confronto con le stime di runoff osservate a KAN-U nel 2012 è particolarmente rilevante: la configurazione che produce runoff (LIN-ref) genera valori dell’ordine di centinaia di millimetri e si avvicina alle stime indipendenti ricavate da stratigrafie di carote consecutive (Machguth et al., 2016a). Ma gli autori fanno bene a frenare una conclusione “troppo facile”: riprodurre lo strato sospeso proprio a KAN-U non implica automaticamente che LIN-ref sia globalmente la migliore combinazione. La Figura 10 mostra infatti che strati sospesi compaiono anche in altre configurazioni, semplicemente in posizioni diverse. Questo aspetto è fondamentale perché suggerisce che il modello possiede i meccanismi per formare barriere, ma che la loro collocazione è sensibile alle scelte (albedo, Swi, e alla distribuzione di accumulo/melt), quindi la valutazione va fatta guardando sia al caso studio locale sia alla climatologia spaziale delle facies idrologiche.
Il quadro degli acquiferi perenni nel firn si inserisce qui come secondo regime idrologico distinto e concorrente. La loro presenza nel sud e sud-est, con pattern coerenti con quanto documentato da Forster et al. (2014), e la continuità lungo porzioni della costa occidentale interrotta da aree con strati sospesi, è coerente con l’interpretazione di Kuipers Munneke et al. (2014): per mantenere acqua liquida perenne servono accumulo elevato (isolamento e porosità disponibile) e input liquido estivo (fusione o pioggia) sufficiente, ma non tale da “convertire” il sistema in dominanza di runoff. In questo regime, la scelta SwiCL vs Swi02 modifica poco la geometria delle aree acquifere, ma controlla fortemente la quantità totale d’acqua perché, nel modello, l’acqua perenne è essenzialmente quella trattenuta entro la saturazione irriducibile. Di conseguenza, dove dominano gli acquiferi perenni, una Swi più alta tende a ridurre il runoff trattenendo più acqua tra estate e autunno e lasciandola disponibile per ricongelare in inverno; dove dominano gli strati sospesi, la stessa maggiore ritenzione può invece favorire l’accumulo sopra la barriera e quindi aumentare runoff. Questa competizione di effetti aiuta a capire perché, su scala Groenlandia, le differenze SwiCL vs Swi02 risultino piccole nelle serie integrate: i segnali locali possono essere grandi, ma si compensano tra regioni con regimi idrologici opposti.
La parte forse più “strategica” delle conclusioni è il riconoscimento di un limite strutturale: nel modello l’acqua che lascia una colonna come runoff esce dal dominio della cella, mentre nella realtà potrebbe essere instradata lateralmente verso celle adiacenti, in superficie o a profondità specifiche (soprattutto in presenza di strati impermeabili che favoriscono flussi laterali e piping). Questo non è un dettaglio implementativo: la mancanza di flusso laterale e routing può alterare sia l’estensione sia l’intensità di strati sospesi e acquiferi perenni, perché l’acqua “persa” da una colonna potrebbe in realtà alimentare un’altra colonna, modificandone il budget idrico e l’evoluzione strutturale. La letteratura più recente sul firn groenlandese insiste sempre di più sul fatto che il sistema reale è tridimensionale: stratigrafia, barriere, canali preferenziali e topografia sub-glaciale/superficiale possono organizzare percorsi di drenaggio che un modello 1-D per colonna non cattura pienamente. Da qui la raccomandazione degli autori: integrare una rappresentazione del flusso laterale e del routing, insieme a un trattamento più realistico del piping verticale, è un passo naturale per testare se le conclusioni attuali reggano quando l’acqua non “sparisce” ma viene redistribuita.
In definitiva, le conclusioni chiariscono una gerarchia di importanza molto utile: i dettagli di percolazione e ritenzione contano moltissimo per la termica e l’idrologia locale del firn (e quindi per la capacità del modello di riprodurre fenomeni soglia come gli strati sospesi a KAN-U), ma sul bilancio integrato di Groenlandia l’elemento dominante resta la rappresentazione dell’albedo e quindi della produzione di fusione. La domanda che rimane aperta, e che lo studio esplicita correttamente, è se in un clima più caldo gli effetti “emergenti” delle facies idrologiche (acquiferi perenni e strati sospesi) diventeranno più incisivi anche su scala Groenlandia: è plausibile, perché aumentando la disponibilità di meltwater le soglie di impermeabilizzazione e di perdita di capacità tampone potrebbero essere superate più frequentemente e su aree più vaste, ma la quantificazione richiede proprio quei miglioramenti futuri (flusso laterale, routing, e vincoli osservativi più estesi su stratigrafia e acqua liquida) che gli autori indicano come prossima frontiera.
Runoff medio annuo 2012–2014 e sensibilità alle scelte di schema nel firn (Figura 11)
La Figura 11 è costruita per separare con chiarezza ciò che “comanda” davvero il runoff groenlandese su scala di calotta da ciò che invece modula soprattutto i dettagli locali. Nella riga superiore sono mostrati i campi di runoff annuo medio(2012–2014) per MOD-ref e LIN-ref: in entrambi i casi il segnale principale è quello atteso, con valori massimi concentrati lungo le fasce marginali a bassa quota—specialmente nel settore sud-occidentale—e un rapido decadimento verso l’interno, coerente con il controllo altimetrico del bilancio energetico e con la migrazione stagionale della snowline. La similarità tra le due mappe, pur con differenze regionali, è un promemoria importante: a scala “grossolana” il runoff è dominato da quanto meltwater viene prodotto in superficie e da dove la calotta supera in modo persistente la capacità di trattenere e ricongelare l’acqua nel firn. In letteratura, la sensibilità dell’SMB e del runoff alla rappresentazione di processi radiativi e, in particolare, dell’albedo è ampiamente documentata: piccoli cambiamenti nell’albedo o nella sua parametrizzazione possono tradursi in differenze sostanziali di fusione e quindi di runoff integrato, perché alterano direttamente l’assorbimento della radiazione solare e l’intensità del feedback snowline–albedo.
La seconda e la terza riga mostrano le differenze tra esperimenti, che sono la parte più informativa della figura. La mappa “MOD-ref − LIN-ref” evidenzia che la scelta tra i due set di albedo (MOD vs LIN) non produce un semplice “più o meno runoff ovunque”, ma un riassetto regionale: in alcune porzioni (in particolare a nord) LIN tende a favorire maggiore fusione e quindi maggiore runoff, mentre in ampie aree di ovest, sud ed est il caso MOD può risultare più “runoff-prone”. Questo comportamento è coerente con l’idea che l’albedo non agisca solo come fattore moltiplicativo della fusione, ma riorganizzi la posizione della snowline e la durata delle condizioni di superficie scura, con effetti diversi a seconda della climatologia locale (nuvolosità, accumulo, esposizione alle avvezioni calde). Osservazioni e rielaborazioni MODIS mostrano infatti che anomalie di albedo (come quelle del 2012) possono essere estese e persistenti e influenzare in modo non uniforme le regioni della calotta.
Il messaggio centrale della figura, però, emerge guardando i pannelli delle differenze “tecniche” (moltiplicati ×10 per renderle visibili): “MOD-ref − MOD-NoDarcy” e le differenze legate a Swi (MOD-ref − MOD-Swi02; LIN-ref − LIN-Swi02). Il fatto stesso che siano state amplificate di un fattore 10 indica che, rispetto all’effetto albedo, l’impatto sul runoff medio annuo è piccolo. In particolare, la quasi assenza di segnale robusto nella differenza Darcy vs NoDarcy suggerisce che la dinamica sub-stagionale del trasporto verticale (intermittenza, tempi di drenaggio giorno-per-giorno) può cambiare in modo marcato i campi di acqua liquida nel profilo, ma tende a incidere poco sul runoff integratoquando si fa media su più stagioni: a quella scala contano soprattutto bilanci stagionali (melt prodotto, accumulo, possibilità di ricongelamento) più che la micro-tempistica del flusso discendente. Questo è coerente con quanto discusso nello studio HIRHAM5 che accompagna queste figure: i dettagli del meccanismo di flusso influenzano le strutture a breve termine del campo idrico, ma sono secondari per il runoff su larga scala nel clima attuale simulato.
Le mappe di differenza legate alla saturazione irriducibile mostrano invece un segnale più strutturato (pur piccolo): Swi modula la partizione tra acqua che resta nel firn e acqua che può contribuire a runoff, ma l’effetto cambia segno a seconda del “regime” idrologico locale. Nelle regioni dove prevalgono acquiferi perenni nel firn (soprattutto sud e sud-est), una maggiore ritenzione tende a ridurre il runoff perché più acqua viene trattenuta nella colonna e può restare disponibile per ricongelare o persistere, in linea con la fisica e le osservazioni degli acquiferi perenni identificati con carote e radar e interpretati come il prodotto congiunto di alto accumulo e fusione/pioggia estiva moderata-alta. Al contrario, nelle aree dove dominano strati di ghiaccio a bassa permeabilità (perched ice layers/ice slabs) lungo porzioni dell’ovest e del nord, una maggiore ritenzione può favorire la crescita o la persistenza di barriere che impediscono la percolazione profonda, promuovendo accumulo sopra-strato e quindi runoff o drenaggio laterale. È lo stesso meccanismo evidenziato da studi osservativi e radar che documentano l’espansione di ice slabs metri-spesse e la conseguente crescita dell’area di runoff verso quote più alte. Una lettura moderna e molto utile di questo “mosaico” di regimi è che accumulo, melt e pioggia sono ottimi predittori della distribuzione di aquiferi e ice slabs, e quindi della direzione del segnale di runoff quando si modifica un parametro come Swi.
In sintesi, la Figura 11 formalizza una gerarchia di controlli: (1) la scelta dell’albedo domina il runoff su scala Groenlandia perché determina la produzione totale di meltwater e la posizione della snowline; (2) la struttura del firn(aquiferi perenni vs strati a bassa permeabilità) modula localmente la conversione melt→runoff e può spostare la runoff line; (3) i dettagli del trasporto verticale (Darcy/NoDarcy) influenzano soprattutto la variabilità fine del campo d’acqua ma hanno impatto ridotto sul runoff medio pluriennale nel clima attuale simulato. Il punto che resta aperto—e che la stessa letteratura recente sottolinea—è che in un clima più caldo la componente (2) potrebbe “pesare” di più: se ice slabs e runoff area continuano a espandersi verso l’interno, l’effetto oggi piccolo nelle mappe differenza potrebbe diventare progressivamente più rilevante anche a scala di calotta.
Runoff e bilancio di massa superficiale groenlandese: segnali integrati e sensibilità del modello (Figura 12)
La Figura 12 condensa in due serie temporali (1980–2014) la risposta “integrata” della calotta groenlandese nei diversi esperimenti: in alto il runoff annuo totale (Gt anno⁻¹), in basso il Surface Mass Balance (SMB), sempre in Gt anno⁻¹. Le quattro curve (MOD-ref, MOD-Swi02, LIN-ref, LIN-Swi02) si muovono quasi in parallelo, e questo è già un risultato fisicamente rilevante: la variabilità interannuale è dominata dalla forzante atmosferica e dal bilancio energetico superficiale, mentre molte scelte interne allo schema di firn agiscono soprattutto come “aggiustamenti” secondari quando si guarda la Groenlandia nel suo complesso.
Nel pannello del runoff, la lettura principale è l’aumento marcato dopo l’inizio degli anni 2000, con massimi pronunciati attorno al 2010–2012. Questa accelerazione è coerente con ciò che emerge da osservazioni e sintesi recenti: la perdita di massa superficiale della Groenlandia è oggi largamente governata dai processi di superficie e, in particolare, dal runoff da fusione, che cresce con l’aumento della temperatura e con i feedback radiativi legati ad albedo e snowline. Un riferimento emblematico per la punta estrema della variabilità è il luglio 2012, quando si osservò un evento di fusione eccezionalmente esteso su gran parte della calotta: l’evento è spesso usato come “stress test” per modelli e diagnosi satellitari, e aiuta a spiegare perché nella figura il runoff tocchi valori molto elevati proprio in quel periodo.
Il pannello del SMB mostra un comportamento quasi speculare: quando il runoff sale, il SMB tende a scendere, con un minimo profondo attorno al 2012. Qui la figura ribadisce un concetto centrale della glaciologia groenlandese contemporanea: anche se l’accumulo nevoso può compensare in parte alcune annate, le grandi anomalie negative del SMB negli anni recenti sono soprattutto la firma di estati con fusione intensa, stagione di ablazione più lunga e maggiore esposizione/estensione delle superfici a bassa albedo. Questa interpretazione è in linea con studi che documentano l’espansione dell’area di ablazione e il suo contributo crescente al bilancio di massa, con forti contrasti regionali (ad esempio l’amplificazione nel nord legata all’espansione della zona di ablazione).
La parte “di sensibilità” della figura sta nel confronto tra coppie di curve. Le differenze tra SwiCL e Swi02 (linee continue vs tratteggiate all’interno dello stesso gruppo MOD o LIN) sono piccole nella metrica Groenlandia-wide: le curve risultano spesso quasi sovrapposte. Questo è coerente con l’idea—ribadita anche da interconfronti tra modelli SMB—che parametri legati alla ritenzione/percolazione possano essere cruciali localmente (temperatura del firn, formazione di strati impermeabili, perched water, ecc.), ma che il loro impatto sul totale di calotta venga in parte “smorzato” da compensazioni spaziali tra aree con regimi idrologici diversi (acquiferi perenni vs strati a bassa permeabilità). In prospettiva, questo non significa che la fisica del firn sia trascurabile; significa che, nel clima e nella configurazione modellistica considerata, la scala integrata è dominata dall’energia disponibile per fondere e dalla quantità totale di meltwater prodotta.
Le differenze più visibili, invece, sono tra MOD e LIN, cioè tra scelte che agiscono fortemente sul bilancio energetico superficiale (in particolare tramite l’albedo) e quindi sulla produzione di fusione. Nella figura questo emerge soprattutto come scarti sistematici in runoff e SMB tra i due “rami” principali: quando cambia la quantità di energia assorbita, cambia a cascata la fusione, cambia il runoff e infine cambia il SMB. È la stessa gerarchia che molti lavori osservativi e modellistici mettono in evidenza: l’albedo e l’estensione delle superfici scure (neve metamorfosata, slush, ghiaccio nudo, impurità) governano una quota sostanziale della variabilità e del trend della fusione groenlandese.
Infine, la figura va letta anche in chiave “di soglia” per il futuro: oggi, nel bilancio integrato, l’effetto degli elementi strutturali del firn (come strati a bassa permeabilità) può apparire secondario rispetto all’albedo; ma sappiamo da osservazioni e combinazioni radar–carote–RCM che la formazione di ice slabs a bassa permeabilità ha già ampliato l’area potenzialmente soggetta a runoff e può crescere ulteriormente con il riscaldamento, rendendo più probabile che processi oggi localizzati diventino più influenti anche su scala di calotta.
0 commenti