Anomalia del volume del ghiaccio marino nell’Artico
Di seguito viene descritto il metodo di calcolo e la visualizzazione dell’anomalia del volume del ghiaccio marino nell’Artico. Il volume del ghiaccio marino è calcolato usando il sistema PIOMAS (Pan-Arctic Ice Ocean Modeling and Assimilation System), sviluppato presso l’APL/PSC (Applied Physics Laboratory / Polar Science Center). Le anomalie vengono calcolate per ogni giorno rispetto alla media del periodo 1979-2021 per quel giorno dell’anno, in modo da rimuovere il ciclo annuale. Il ciclo annuale medio del volume del ghiaccio marino nel periodo considerato varia da 28.000 km³ in aprile a 11.500 km³ in settembre. La linea blu nel grafico rappresenta il trend (tendenza) calcolato dall’1 gennaio 1979 fino alla data più recente indicata nella figura. Le aree ombreggiate rappresentano una e due deviazioni standard dei residui dell’anomalia rispetto al trend nella Figura 1 e delle deviazioni standard rispetto alla media giornaliera del periodo 1979-2017 nella Figura 2. In sintesi, il testo descrive come viene calcolata l’anomalia del volume del ghiaccio marino nell’Artico e come viene rappresentata graficamente. La linea blu mostra la tendenza nel tempo, mentre le aree ombreggiate forniscono una misura dell’incertezza (in termini di deviazioni standard) rispetto al trend e alla media giornaliera.
PS ( Le aree ombreggiate che rappresentano una e due deviazioni standard dei residui dell’anomalia rispetto al trend indicano la variabilità e l’incertezza dei dati attorno al trend. In termini statistici, una deviazione standard è una misura della dispersione o della variabilità dei dati attorno alla media. Quando si parla di residui, ci si riferisce alla differenza tra i valori osservati e i valori previsti dal modello o dalla tendenza.Nel contesto dell’anomalia del volume del ghiaccio marino, le aree ombreggiate mostrano quanto i dati reali (le anomalie osservate) si discostano dalla tendenza generale (la linea blu). Un’area ombreggiata che rappresenta una deviazione standard indica che circa il 68% dei dati si trova entro quella fascia di incertezza attorno al trend. Un’area ombreggiata che rappresenta due deviazioni standard indica che circa il 95% dei dati si trova entro quella fascia di incertezza.)
In altre parole, le aree ombreggiate forniscono una stima dell’incertezza e della variabilità dei dati rispetto al trend e aiutano a capire quanto i dati reali si discostano dalla tendenza generale nel tempo.
La Figura 1 mostra l’anomalia del volume del ghiaccio marino artico ottenuta dal modello PIOMAS e aggiornata mensilmente. Le anomalie del volume del ghiaccio marino giornaliere sono calcolate rispetto alla media del periodo 1979-2022 per quel giorno dell’anno. I segni sulla scala del tempo si riferiscono al primo giorno dell’anno. Il trend (tendenza) per il periodo 1979-presente è mostrato in blu. Le aree ombreggiate mostrano una e due deviazioni standard dalla tendenza. Le barre di errore indicano l’incertezza dell’anomalia mensile, rappresentata una volta all’anno. In sintesi, la Figura 1 visualizza l’anomalia del volume del ghiaccio marino artico nel tempo, rispetto alla media storica del periodo 1979-2022. La linea blu rappresenta la tendenza generale nel tempo, mentre le aree ombreggiate e le barre di errore forniscono informazioni sulla variabilità e l’incertezza dei dati rispetto al trend. Le aree ombreggiate rappresentano la dispersione dei dati attorno al trend, mentre le barre di errore indicano l’incertezza associata all’anomalia mensile specifica, mostrata una volta all’anno nel grafico.
La Figura 2 mostra il volume totale del ghiaccio marino artico ottenuto dal modello PIOMAS, evidenziando il volume del ciclo annuale medio e i dati dal 2011 al 2022. Le aree ombreggiate indicano una e due deviazioni standard dalla media. In sintesi, la Figura 2 presenta il volume totale del ghiaccio marino artico nel tempo, con particolare attenzione al ciclo annuale medio (la variazione del volume del ghiaccio nel corso di un anno tipico) e ai dati più recenti, dal 2011 al 2022. Le aree ombreggiate forniscono una misura della variabilità e dell’incertezza dei dati rispetto alla media. Una deviazione standard rappresenta la dispersione dei dati attorno alla media, e le aree ombreggiate che mostrano una e due deviazioni standard indicano che circa il 68% e il 95% dei dati, rispettivamente, si trovano entro quelle fasce di incertezza attorno alla media.
Aggiornamento annuale
L’aggiornamento annuale indica che il 2022 si è concluso con un volume medio annuale di ghiaccio marino che è il nono più basso mai registrato, pari a 14.300 km³. Gli anni recenti mostrano valori molto simili tra loro (come illustrato nella Figura 11). Il 2017 detiene ancora il primato per il volume annuale più basso di ghiaccio marino, con 12.800 km³. In sintesi, ciò significa che il volume medio annuale del ghiaccio marino nel 2022 è stato tra i più bassi mai registrati, classificandosi al nono posto. Gli anni recenti hanno mostrato valori simili, il che suggerisce una tendenza alla diminuzione del volume del ghiaccio marino nell’Artico. Tuttavia, il 2017 rimane l’anno con il volume annuale più basso mai registrato.
AGGIORNAMENTO MENSILE
L’aggiornamento mensile di febbraio 2023 riporta che il volume medio del ghiaccio marino artico in febbraio 2023 è stato di 19.400 km³. Questo valore è il sesto più basso mai registrato per il mese di febbraio, circa 2.000 km³ superiore al record minimo stabilito nel 2017. Il volume del ghiaccio marino a febbraio 2023 era inferiore del 42% rispetto al massimo registrato nel 1979 e inferiore del 28% rispetto al valore medio per il periodo 1979-2022. Il volume medio del ghiaccio marino a febbraio 2023 era 1,1 deviazioni standard sopra la linea di tendenza del periodo 1979-2022. Le anomalie nella crescita del ghiaccio per febbraio 2023 rimangono nella gamma intermedia dell’ultimo decennio (Figura 4), con uno spessore medio del ghiaccio (superiore a 15 cm di spessore) anch’esso nella media dei valori recenti. In sintesi, il volume del ghiaccio marino artico a febbraio 2023 è tra i più bassi mai registrati per questo mese, classificandosi al sesto posto. Tuttavia, è superiore al record minimo del 2017. Rispetto al periodo 1979-2022, il volume del ghiaccio marino è notevolmente diminuito. Le anomalie nella crescita del ghiaccio e lo spessore medio del ghiaccio nel febbraio 2023 si trovano nella gamma intermedia rispetto agli ultimi dieci anni.
La mappa delle anomalie dello spessore del ghiaccio per febbraio 2023 rispetto al periodo 2011-2022 (Figura 6) mostra forti anomalie positive a nord della Groenlandia e lungo l’Arcipelago Canadese. Le anomalie positive con ghiaccio particolarmente spesso vicino a Severnaya Zemlya, presenti il mese scorso, sono ora per lo più scomparse, mentre sono ancora presenti nella mappa dello spessore del ghiaccio derivata dal satellite CryoSat-2. Anche quest’ultima mostra un’anomalia a nord della Groenlandia e lungo l’Arcipelago Canadese. La serie storica di febbraio (Figura 8) per entrambi i set di dati concorda entro l’incertezza stimata e non mostra una tendenza apparente negli ultimi 12 anni. Confrontando ciò con la serie storica di 43 anni (1979-2023), si evidenzia l’importanza della variabilità naturale in serie temporali relativamente brevi, come quelle attualmente disponibili da CryoSat-2 (come descritto nel recente articolo). Entrambi i record mostrano una corrispondenza ravvicinata in termini di grandezza e una variabilità temporale simile.
Gli aggiornamenti verranno generati a intervalli di circa un mese.
In sintesi, la mappa delle anomalie dello spessore del ghiaccio mostra aree con ghiaccio più spesso del solito a nord della Groenlandia e lungo l’Arcipelago Canadese. La serie temporale di febbraio per entrambi i set di dati (PIOMAS e CryoSat-2) non mostra una tendenza evidente negli ultimi 12 anni, sottolineando l’importanza della variabilità naturale in serie temporali brevi. Entrambi i record mostrano una corrispondenza ravvicinata e una variabilità temporale simile. Gli aggiornamenti continueranno ad essere forniti a intervalli di circa un mese.
La Figura 3 mostra il volume mensile del ghiaccio marino artico ottenuto dal modello PIOMAS per i mesi di aprile e settembre. Il grafico mette in evidenza il volume del ghiaccio marino per questi due mesi specifici nel corso degli anni. Aprile e settembre sono mesi particolarmente significativi nella valutazione del ghiaccio marino artico. Aprile è generalmente il mese in cui il volume del ghiaccio marino raggiunge il suo massimo annuale, dopo il periodo invernale di crescita del ghiaccio. Settembre, invece, è il mese in cui il volume del ghiaccio marino raggiunge il suo minimo annuale, dopo il periodo estivo di scioglimento. La Figura 3, quindi, offre una panoramica delle variazioni nel volume del ghiaccio marino durante i mesi di massimo e minimo volume nel corso degli anni, permettendo di osservare eventuali tendenze e cambiamenti nel tempo.
La Figura 4 mostra un confronto delle anomalie giornaliere del volume del ghiaccio marino rispetto al periodo 1979-2022. Questo grafico evidenzia le differenze nel volume del ghiaccio marino rispetto alla media storica per quel giorno dell’anno nel periodo di riferimento. In altre parole, la Figura 4 presenta un’analisi delle variazioni nel volume del ghiaccio marino nel tempo, confrontando i dati giornalieri con la media storica per quel giorno specifico nell’intervallo temporale 1979-2022. Ciò permette di osservare eventuali tendenze e cambiamenti nel volume del ghiaccio marino e di valutare se il volume è superiore o inferiore alla media storica in un determinato giorno o periodo. Le anomalie giornaliere del volume del ghiaccio marino possono aiutare a comprendere meglio l’evoluzione del ghiaccio marino artico nel contesto dei cambiamenti climatici e delle variazioni stagionali.
La Figura 5 mostra lo spessore medio del ghiaccio marino artico nelle regioni coperte di ghiaccio, ottenuto dal modello PIOMAS per una selezione di anni. Lo spessore medio viene calcolato per il dominio PIOMAS includendo solo le aree in cui il ghiaccio è più spesso di 0,15 metri. In altre parole, la Figura 5 fornisce un’analisi comparativa dello spessore medio del ghiaccio marino artico per diversi anni selezionati, considerando solo le aree in cui lo spessore del ghiaccio supera i 0,15 metri. Questo permette di osservare le variazioni nello spessore del ghiaccio marino nel tempo e di confrontare le condizioni del ghiaccio tra gli anni selezionati. Lo studio dello spessore medio del ghiaccio marino può fornire informazioni importanti sui cambiamenti climatici e sulle tendenze delle condizioni del ghiaccio nell’Artico nel corso degli anni.
dominio PIOMAS cosa significa?
Il “dominio PIOMAS” si riferisce all’area geografica coperta dal modello PIOMAS (Pan-Arctic Ice Ocean Modeling and Assimilation System). PIOMAS è un modello numerico sviluppato presso l’Applied Physics Laboratory/Polar Science Center (APL/PSC) per studiare il ghiaccio marino e l’oceano nell’Artico. Il modello simula l’evoluzione del ghiaccio marino e dell’oceano artico tenendo conto di vari fattori come vento, temperatura, precipitazioni e radiazione solare. Il dominio PIOMAS, quindi, rappresenta l’area dell’Oceano Artico su cui il modello PIOMAS effettua le sue simulazioni e stime, fornendo informazioni sul volume e lo spessore del ghiaccio marino artico e sulle condizioni oceaniche.
La Figura 6 mostra l’anomalia dello spessore del ghiaccio marino artico ottenuta dal modello PIOMAS per febbraio 2023 rispetto al periodo 2011-2022. In altre parole, questa mappa evidenzia le differenze nello spessore del ghiaccio marino nel febbraio 2023 rispetto alla media di febbraio per gli anni compresi tra il 2011 e il 2022. Le anomalie dello spessore del ghiaccio mostrate nella Figura 6 indicano se il ghiaccio marino è più spesso o più sottile del solito in diverse aree dell’Artico, confrontando i dati di febbraio 2023 con la media storica del periodo 2011-2022. Questo permette di osservare e analizzare eventuali variazioni o tendenze nello spessore del ghiaccio marino artico nel tempo e può aiutare a comprendere meglio l’impatto dei cambiamenti climatici e delle variazioni stagionali sul ghiaccio marino.
La figura 7, mostra le anomalie dello spessore del ghiaccio marino rilevate dal satellite CryoSat-2 nel febbraio 2023, rispetto al periodo di riferimento 2011-2023. CryoSat-2 è un satellite dell’Agenzia Spaziale Europea (ESA) lanciato nel 2010 con l’obiettivo di monitorare gli spessori del ghiaccio marino e delle calotte glaciali polari. AWI (Alfred Wegener Institute) è un istituto tedesco di ricerca specializzato nello studio dei sistemi polari e marini; la versione 2.5 indica la versione dei dati utilizzati. Le anomalie dello spessore del ghiaccio marino sono le differenze tra lo spessore medio del ghiaccio marino in un determinato mese (in questo caso, febbraio 2023) e lo spessore medio del ghiaccio marino per lo stesso mese durante il periodo di riferimento (2011-2023). Valori positivi indicano uno spessore maggiore rispetto alla media, mentre valori negativi indicano uno spessore minore rispetto alla media.
La figura 8 mostra una serie temporale delle anomalie del volume del ghiaccio marino per il mese di febbraio, ottenute dai dati di CryoSat-2 (versione AWI 2.5) e dal modello PIOMAS. CryoSat-2, come menzionato in precedenza, è un satellite dell’Agenzia Spaziale Europea (ESA) che monitora gli spessori del ghiaccio marino e delle calotte glaciali polari. AWI (Alfred Wegener Institute) è un istituto tedesco di ricerca specializzato nello studio dei sistemi polari e marini, e la versione 2.5 indica la versione dei dati utilizzati. PIOMAS (Pan-Arctic Ice-Ocean Modeling and Assimilation System) è un modello numerico sviluppato per stimare il volume del ghiaccio marino nell’Artico, combinando informazioni provenienti da osservazioni satellitari, come CryoSat-2, e da simulazioni oceaniche e atmosferiche. Le anomalie del volume del ghiaccio marino rappresentano le differenze tra il volume medio del ghiaccio marino in un determinato mese (in questo caso, febbraio) e il volume medio del ghiaccio marino per lo stesso mese nel periodo di riferimento. Valori positivi indicano un volume maggiore rispetto alla media, mentre valori negativi indicano un volume minore rispetto alla media.Questa informazione è utile per comprendere le variazioni del volume del ghiaccio marino nel tempo, il che può essere collegato ai cambiamenti climatici e ad altri fenomeni naturali. La serie temporale nella Figura 8 mostra l’evoluzione delle anomalie del volume del ghiaccio marino nel corso degli anni.
Importanza del volume del ghiaccio marino come indicatore climatico e perché non può essere osservato continuamente attraverso metodi diretti
Questo paragrafo descrive l’importanza del volume del ghiaccio marino come indicatore climatico e spiega perché non può essere osservato continuamente attraverso metodi diretti. Inoltre, evidenzia come l’assimilazione delle osservazioni in modelli numerici sia utile per stimare le variazioni del volume del ghiaccio marino nel tempo. In sintesi, il volume del ghiaccio marino è un indicatore climatico significativo perché dipende sia dallo spessore che dall’estensione del ghiaccio e, pertanto, è più direttamente legato ai forzanti climatici rispetto all’estensione del ghiaccio da sola. Tuttavia, il volume del ghiaccio marino artico non può essere osservato in modo continuo con metodi diretti, poiché le osservazioni provenienti da satelliti, sottomarini della marina, boe e misurazioni sul campo sono tutte limitate nello spazio e nel tempo. L’assimilazione di queste osservazioni nei modelli numerici, come PIOMAS, fornisce un metodo per stimare le variazioni del volume del ghiaccio marino su base continua nel corso di diversi decenni. Confrontare le stime del modello dello spessore del ghiaccio con le osservazioni aiuta a verificare la nostra comprensione dei processi rappresentati nel modello che sono importanti per la formazione e lo scioglimento del ghiaccio marino. In altre parole, queste comparazioni consentono di valutare l’accuratezza dei modelli e di migliorare la nostra conoscenza dei meccanismi che influenzano il ghiaccio marino e il clima.
versione aggiornata (Versione 2.1)
Il paragrafo descrive una versione aggiornata (Versione 2.1) di un dataset che contiene stime del volume del ghiaccio marino. Sono state identificate e corrette alcune problematiche relative all’interpolazione dei dati di concentrazione del ghiaccio prima dell’assimilazione nel modello. L’errore riguardava solo i dati tra il 2010 e il 2013. Dopo aver corretto l’errore e riprocessato i dati, la versione 2.1 mostra spessori di ghiaccio generalmente maggiori nell’area del Mare di Beaufort e di Chukchi, con le differenze più significative nello spessore osservate nel mese di maggio. Le differenze nel volume del ghiaccio sono fino all’11% maggiori alla fine della primavera. In sintesi, il paragrafo spiega che un errore di programmazione che influenzava i dati di concentrazione del ghiaccio marino dal 2010 al 2013 è stato identificato e corretto. La nuova versione del dataset (Versione 2.1) presenta valori corretti di spessore e volume del ghiaccio marino, che risultano maggiori, in particolare nell’area del Mare di Beaufort e di Chukchi e alla fine della primavera.
La Figura 5 mostra le differenze di volume tra la Versione 2.0 e la Versione 2.1.”
Versione 2. 0
Questa versione aggiornata apporta miglioramenti rispetto alle versioni precedenti, grazie all’assimilazione delle temperature superficiali del mare (SST) nelle aree prive di ghiaccio e all’utilizzo di una diversa parametrizzazione per la resistenza del ghiaccio. Il confronto delle stime di PIOMAS con le osservazioni dello spessore del ghiaccio mostra errori ridotti rispetto alla versione precedente. La tendenza a lungo termine viene ridotta a circa -2,8 x 10^3 km³/decennio rispetto ai -3,6 x 10^3 km³/decennio della versione precedente. I confronti con i dati e le simulazioni alternative indicano che questa nuova tendenza è una stima conservativa della tendenza effettiva. A partire da questa versione, vengono fornite statistiche sull’incertezza. Maggiori dettagli sono disponibili in Schweiger et al. 2011. . Il miglioramento del modello è un’attività di ricerca in corso presso il Polar Science Center e gli aggiornamenti del modello possono verificarsi a intervalli irregolari. Quando si verificano aggiornamenti del modello, l’intera serie temporale viene riprocessata e pubblicata.
Cosa significa diversa parametrizzazione per la resistenza del ghiaccio?
In pratica si riferisce all’utilizzo di un diverso metodo matematico o di un insieme di equazioni per rappresentare la forza o la resistenza del ghiaccio all’interno di un modello scientifico, come il modello PIOMAS menzionato nel testo. In questo contesto, la parametrizzazione è un modo per semplificare o approssimare un processo fisico complesso (come la resistenza del ghiaccio) in modo che possa essere incluso in un modello matematico o computazionale. Utilizzare una diversa parametrizzazione significa che gli scienziati hanno modificato il modo in cui il modello tiene conto della resistenza del ghiaccio, probabilmente per ottenere risultati più accurati o per riflettere meglio la realtà fisica del fenomeno in esame.
“Modello e Procedura di Assimilazione”
In italiano, “Model and Assimilation Procedure” si traduce in “Modello e Procedura di Assimilazione”. Questa frase si riferisce a due componenti importanti nei processi di modellazione e analisi dei dati in ambito scientifico, in particolare nei campi della meteorologia, oceanografia e climatologia.
- Modello: Un modello è una rappresentazione matematica o computazionale di un sistema o processo reale, come l’atmosfera, gli oceani o il clima. I modelli vengono utilizzati per simulare il comportamento di questi sistemi in base a determinate condizioni iniziali e a fattori forzanti esterni, come le emissioni di gas serra o i cambiamenti nel riscaldamento solare.
- Procedura di Assimilazione: L’assimilazione dei dati è un metodo utilizzato per combinare le osservazioni reali (ad esempio, misurazioni da satelliti, boe oceaniche o stazioni meteorologiche) con le simulazioni dei modelli al fine di ottenere una migliore stima dello stato attuale di un sistema. La procedura di assimilazione impiega tecniche matematiche e statistiche per fondere i dati osservati e le previsioni del modello, in modo da correggere le incertezze e migliorare l’accuratezza delle previsioni future.
In sintesi, “Modello e Procedura di Assimilazione” si riferisce all’insieme di metodi e strumenti utilizzati per rappresentare e analizzare sistemi complessi come l’atmosfera, gli oceani e il clima, combinando sia le informazioni teoriche e matematiche dei modelli che le osservazioni reali raccolte sul campo.
il modello PIOMAS è stato ampiamente validato attraverso confronti con osservazioni provenienti da sottomarini della Marina degli Stati Uniti, boe oceanografiche e satelliti. Inoltre, sono state effettuate simulazioni con il modello modificando parametri e procedure di assimilazione. Da questi studi di validazione, gli autori sono giunti a stime conservative dell’incertezza nella tendenza, pari a ± 1,0 x 10^3 km³/decennio. L’incertezza del volume di ghiaccio medio mensile anomalo (cioè, la deviazione dal valore medio) è stimata essere di ± 0,75 x 10^3 km³. Le incertezze sul volume totale sono maggiori rispetto a quelle dell’anomalia perché i bias del modello vengono rimossi quando si calcolano le anomalie.
l’incertezza sul volume totale di ghiaccio in ottobre è stimata essere di ± 1,35 x 10^3 km³. Nel confrontare i volumi totali invernali con altre stime del volume, è necessario tener conto del fatto che il dominio PIOMAS attualmente non si estende abbastanza a sud per coprire tutte le aree che possono avere copertura di ghiaccio in inverno. Aree nel Mare di Okhotsk e nel Golfo di San Lorenzo sono parzialmente escluse dal dominio.
I dettagli sulla validazione del modello si possono trovare in Schweiger et al. 2011 e (qui (here) ). Ulteriori informazioni su PIOMAS si possono trovare (qui (here) ).
È stata compilata una vasta raccolta di dati sullo spessore del ghiaccio marino per la validazione del modello, che è disponibile (here).
http://psc.apl.uw.edu/research/projects/arctic-sea-ice-volume-anomaly/