Stallo Decennale nella Perdita di Ghiaccio Marino Artico: Evidenze Osservative e Modellistiche di una Pausa Inattesa ma Prevedibile

Introduzione e Contesto Scientifico

Negli ultimi decenni, il declino del ghiaccio marino artico è stato un indicatore chiave del cambiamento climatico antropogenico, con una riduzione significativa della sua estensione e volume attribuita all’aumento delle concentrazioni di gas serra. Tuttavia, un recente studio condotto da Mark England (University of Exeter), Lorenzo M. Polvani (Columbia University), James A. Screen (University of Exeter) e Anthony Chun-Yin Chan (University of Exeter), pubblicato come preprint il 29 marzo 2025, evidenzia un fenomeno sorprendente: negli ultimi vent’anni, la perdita di ghiaccio marino artico ha subito un rallentamento marcato, con un’assenza di declino statisticamente significativo nell’area di ghiaccio marino di settembre a partire dal 2005. Questo fenomeno, definito come una “pausa” nella perdita di ghiaccio, si manifesta in modo robusto attraverso diversi set di dati osservativi, metriche e stagioni, suscitando interesse nella comunità scientifica per la sua natura apparentemente controintuitiva in un contesto di riscaldamento globale record.

Analisi Osservativa della Pausa

Le osservazioni indicano che, a partire dal 2005, l’area di ghiaccio marino artico in settembre – il mese in cui il ghiaccio raggiunge tipicamente il minimo annuale – non ha mostrato un trend di riduzione significativo. Questa stasi è coerente across multiple dataset osservativi, come quelli derivati da misurazioni satellitari, e si estende a diverse metriche, inclusi l’estensione e il volume del ghiaccio, nonché a diverse stagioni. Tale pausa si verifica in un periodo in cui le temperature globali hanno raggiunto livelli record, evidenziando un’apparente disconnessione tra il riscaldamento globale e la risposta del ghiaccio marino artico. Questo fenomeno, sebbene sorprendente, non è del tutto inaspettato, poiché la variabilità interna del sistema climatico può modulare le tendenze a lungo termine indotte dal forcing antropogenico.

Evidenze dai Modelli Climatici

Per comprendere le cause di questa pausa, gli autori hanno analizzato simulazioni di large-ensemble dei modelli climatici CMIP5 e CMIP6, che rappresentano strumenti fondamentali per studiare la variabilità climatica e la risposta del sistema terrestre al forcing radiativo. I risultati delle simulazioni indicano che periodi di assenza di declino del ghiaccio marino, anche in presenza di un continuo aumento delle emissioni di gas serra, non sono rari. In particolare, le simulazioni mostrano che la variabilità interna del clima può generare “pause” nella perdita di ghiaccio marino della durata di uno o più decenni, sovrapponendosi alla tendenza di lungo termine verso la riduzione del ghiaccio indotta dal riscaldamento globale.

Gli autori hanno identificato membri di ensemble che replicano periodi analoghi alla pausa osservata, analizzandone le dinamiche. Questi scenari suggeriscono che l’attuale rallentamento potrebbe persistere per ulteriori 5-10 anni, a seconda delle condizioni di variabilità interna e dell’evoluzione del forcing antropogenico. La robustezza di questi risultati è supportata dalla coerenza tra i diversi modelli e dalla capacità delle simulazioni di catturare la complessità delle interazioni tra atmosfera, oceano e ghiaccio marino.

Ruolo della Variabilità Interna e del Forcing Antropogenico

L’analisi delle simulazioni evidenzia che la variabilità interna del sistema climatico ha giocato un ruolo predominante nel modulare la perdita di ghiaccio marino negli ultimi decenni, mascherando parzialmente l’effetto del forcing antropogenico. Fenomeni come le oscillazioni della circolazione atmosferica (ad esempio, l’Oscillazione Artica) e le variazioni nella temperatura superficiale degli oceani possono aver contribuito a stabilizzare temporaneamente l’estensione del ghiaccio marino. Tuttavia, gli autori sottolineano che non è possibile escludere un contributo da cambiamenti nella risposta forzata del sistema climatico, come alterazioni nei pattern di riscaldamento regionale o nei flussi di calore oceanici, che potrebbero aver amplificato l’effetto della variabilità interna.

Implicazioni e Prospettive Future

La pausa osservata nella perdita di ghiaccio marino artico rappresenta un caso studio significativo per comprendere la complessità del sistema climatico e la sua risposta a forcing multipli. Sebbene il fenomeno sia coerente con le dinamiche di variabilità interna simulate dai modelli, solleva interrogativi sulla capacità dei modelli stessi di rappresentare accuratamente i processi regionali nell’Artico, come il feedback del ghiaccio-albedo e le interazioni atmosfera-oceano. Inoltre, la possibilità che la pausa persista per un ulteriore periodo di 5-10 anni ha implicazioni per le proiezioni climatiche a breve termine, la gestione degli ecosistemi artici e le attività socio-economiche nella regione, come la navigazione e l’estrazione di risorse.

Dal punto di vista scientifico, questo studio sottolinea l’importanza di continuare a migliorare i modelli climatici, integrando osservazioni ad alta risoluzione e sviluppando approcci statistici avanzati per distinguere tra variabilità interna e risposta forzata. Futuri studi potrebbero esplorare in maggiore dettaglio i meccanismi fisici alla base della pausa, come il ruolo delle correnti oceaniche o delle anomalie di temperatura nell’Atlantico settentrionale, e valutare se cambiamenti nel forcing antropogenico, come la riduzione delle emissioni di aerosol, abbiano influenzato la dinamica del ghiaccio marino.

Conclusioni

In conclusione, il rallentamento della perdita di ghiaccio marino artico osservato negli ultimi due decenni rappresenta un fenomeno sorprendente ma non inaspettato, che si inserisce nel contesto della variabilità interna del sistema climatico. Le evidenze modellistiche suggeriscono che questa pausa è coerente con le dinamiche simulate e potrebbe persistere per un periodo aggiuntivo di 5-10 anni. Sebbene la variabilità interna sembri essere il principale driver, il possibile contributo di cambiamenti nella risposta forzata rimane un’area di incertezza che richiede ulteriori indagini. Questo studio evidenzia la complessità delle interazioni climatiche nell’Artico e rafforza la necessità di un approccio integrato tra osservazioni, modellistica e analisi teorica per migliorare la nostra comprensione del cambiamento climatico in una delle regioni più sensibili del pianeta.

Riferimenti

England, M., Polvani, L. M., Screen, J. A., & Chan, A. C. Y. (2025). Surprising, but not unexpected, multi-decadal pause in Arctic sea ice loss. ESSOAr, preprint. https://doi.org/10.22541/essoar.174329135.56312606/v1

Dinamiche del Ghiaccio Marino Artico: Un’Analisi Scientifica della Perdita Storica e della Recente Pausa Pluriannuale

Introduzione

La riduzione del ghiaccio marino artico negli ultimi cinquant’anni si configura come uno degli indicatori più emblematici e documentati del cambiamento climatico di origine antropogenica, come evidenziato da numerosi rapporti scientifici (IPCC, 2021; Copernicus, 2024). Dall’avvento delle osservazioni satellitari nel 1979, l’area di ghiaccio marino in settembre – mese in cui si registra il minimo annuale – è diminuita di circa il 50% (Fetterer et al., 2017; Stroeve & Notz, 2018). Parallelamente, il volume di ghiaccio marino artico è crollato di oltre 10.000 km³ nello stesso periodo (Kwok, 2018), riflettendo una trasformazione profonda dell’ecosistema artico. Eventi estremi, come i minimi record di ghiaccio marino estivo registrati nel 2007 (Stroeve et al., 2011) e nel 2012 (Parkinson & Comiso, 2013; J. Zhang et al., 2013), hanno alimentato proiezioni che, con il senno di poi, appaiono eccessivamente pessimistiche, prevedendo un Artico privo di ghiaccio estivo entro il 2020 (Maslowski et al., 2012; Wadhams, 2016). Questo scenario è stato ulteriormente aggravato dall’evidenza di un riscaldamento regionale accelerato, con l’Artico che si riscalda fino a quattro volte più rapidamente della media globale (Rantanen et al., 2022). Recenti studi suggeriscono inoltre che il riscaldamento globale stia attraversando una fase di intensificazione, culminata in temperature globali record negli ultimi anni (Samset et al., 2023; Hansen et al., 2025; Merchant et al., 2025).

Data la stretta correlazione tra l’estensione del ghiaccio marino e le temperature globali (Notz & Stroeve, 2016), ci si attenderebbe una continua e inarrestabile riduzione del ghiaccio marino in risposta al forcing antropogenico. Tuttavia, sorprendentemente, gli ultimi due decenni hanno visto un rallentamento significativo nella perdita di ghiaccio marino artico, con un’assenza di declino statisticamente rilevante nell’area di ghiaccio di settembre a partire dal 2005. Questo fenomeno, definito come una “pausa” pluridecennale, rappresenta un caso studio di grande interesse per la comunità scientifica, poiché sembra sfidare le aspettative in un contesto di riscaldamento globale senza precedenti.

Contesto Storico e Variabilità Climatica

La storia del ghiaccio marino artico nel corso del XX secolo rivela che periodi di stasi o persino di aumento dell’estensione del ghiaccio non sono senza precedenti, anche in presenza di un crescente forcing antropogenico. Un esempio significativo è rappresentato dal periodo compreso tra gli anni ’40 e gli anni ’70, durante il quale l’area di ghiaccio marino artico è aumentata, con incrementi particolarmente marcati nei mari di Chukchi, Siberia Orientale, Laptev, Kara e Barents (Gagné et al., 2017; Walsh et al., 2017). Questo fenomeno è stato in gran parte attribuito all’influenza delle emissioni di aerosol industriali provenienti da Europa e Nord America, che hanno indotto un raffreddamento regionale nell’Artico attraverso meccanismi come la riflessione della radiazione solare e la modulazione della formazione di nubi (Fyfe et al., 2013; Nafaji et al., 2015; Gagné et al., 2017; England et al., 2021).

Tuttavia, il contesto del forcing antropogenico negli ultimi due decenni differisce radicalmente da quello di metà Novecento. Le emissioni di aerosol industriali si sono significativamente ridotte a partire dagli anni ’80, grazie a normative ambientali più stringenti (Szopa et al., 2013; Lund et al., 2019). Nel contempo, recenti discussioni sugli aerosol si sono concentrate sulla graduale eliminazione delle emissioni di zolfo associate alle scie navali, un processo che, secondo alcuni studi, potrebbe aver contribuito a un’accelerazione del riscaldamento globale dal 2020, con effetti particolarmente pronunciati nell’Artico (Manshausen et al., 2022; Yoshioka et al., 2024). Questo cambiamento nel panorama del forcing antropogenico rende le dinamiche climatiche del passato un punto di riferimento limitato per comprendere le tendenze attuali, evidenziando la necessità di un’analisi approfondita delle cause della recente pausa nella perdita di ghiaccio marino.

Meccanismi alla Base della Pausa

La pausa osservata nella perdita di ghiaccio marino artico negli ultimi vent’anni solleva interrogativi cruciali sui meccanismi che modulano la risposta del sistema climatico al riscaldamento globale. La variabilità interna del clima, che include fenomeni come le oscillazioni della circolazione atmosferica (ad esempio, l’Oscillazione Artica) e le fluttuazioni delle temperature superficiali oceaniche, sembra svolgere un ruolo centrale nel mascherare temporaneamente il declino atteso del ghiaccio marino. Studi basati su simulazioni di large-ensemble dei modelli climatici CMIP5 e CMIP6 suggeriscono che periodi di stasi nella perdita di ghiaccio marino, anche di durata pluridecennale, non sono rari in presenza di un forcing antropogenico crescente. Questi modelli indicano che la variabilità interna può generare deviazioni significative dalla tendenza di lungo termine, creando “finestre” temporali in cui il declino del ghiaccio appare attenuato o assente.

Inoltre, il ruolo delle forzanti antropogeniche recenti, come la riduzione delle emissioni di aerosol marittimi, merita un’attenzione particolare. La diminuzione delle emissioni di zolfo potrebbe aver alterato il bilancio radiativo regionale, contribuendo a un riscaldamento amplificato nell’Artico (Yoshioka et al., 2024). Tuttavia, l’interazione tra questo forcing e la variabilità interna rimane complessa e non completamente compresa, richiedendo ulteriori indagini per quantificare il contributo relativo di ciascun fattore.

Implicazioni Scientifiche e Prospettive Future

La pausa nella perdita di ghiaccio marino artico rappresenta un’opportunità unica per approfondire la nostra comprensione delle dinamiche climatiche in una delle regioni più sensibili al cambiamento globale. Questo fenomeno sottolinea l’importanza di distinguere tra variabilità interna e risposta forzata nel sistema climatico, un compito che richiede l’integrazione di osservazioni ad alta risoluzione, modelli climatici avanzati e approcci statistici sofisticati. La possibilità che la pausa persista per ulteriori 5-10 anni, come suggerito dalle simulazioni modellistiche, ha implicazioni significative per le proiezioni climatiche a breve termine, la conservazione degli ecosistemi artici e le attività economiche nella regione, come la navigazione e l’estrazione di risorse naturali.

Dal punto di vista scientifico, questo studio evidenzia la necessità di migliorare la rappresentazione dei processi regionali nei modelli climatici, con particolare attenzione ai feedback del ghiaccio-albedo, alle interazioni atmosfera-oceano e al ruolo delle correnti oceaniche nell’Artico. Futuri approfondimenti potrebbero concentrarsi sull’analisi dei meccanismi fisici che sostengono la pausa, come le anomalie di temperatura nell’Atlantico settentrionale o le variazioni nei flussi di calore oceanici, e sull’esplorazione di eventuali cambiamenti nel forcing antropogenico che potrebbero aver modulato la risposta del ghiaccio marino.

Conclusioni

In sintesi, la perdita di ghiaccio marino artico, pur essendo un indicatore chiave del cambiamento climatico antropogenico, ha subito un’inattesa pausa pluridecennale negli ultimi vent’anni, nonostante il continuo aumento delle temperature globali. Questo fenomeno, sebbene sorprendente, è coerente con le dinamiche di variabilità interna simulate dai modelli climatici e riflette la complessità delle interazioni tra forcing antropogenico e processi naturali. La pausa attuale, che potrebbe persistere per un ulteriore periodo, rappresenta un caso studio cruciale per affinare le nostre conoscenze sul sistema climatico artico e per migliorare le proiezioni future in un contesto di cambiamento globale accelerato.

Riferimenti

• Copernicus. (2024). Climate Monitoring Reports.
• England, M., et al. (2021). Arctic cooling and aerosol impacts. Journal of Climate.
• Fetterer, F., et al. (2017). Sea ice index. NSIDC.
• Fyfe, J. C., et al. (2013). Anthropogenic aerosol impacts. Geophysical Research Letters.
• Gagné, M. E., et al. (2017). Arctic sea ice trends. Climate Dynamics.
• Hansen, J., et al. (2025). Global warming acceleration. Nature Climate Change.
• IPCC. (2021). Sixth Assessment Report.
• Kwok, R. (2018). Arctic sea ice volume. Journal of Geophysical Research.
• Lund, M. T., et al. (2019). Aerosol emission reductions. Atmospheric Chemistry and Physics.
• Manshausen, P., et al. (2022). Shipping emissions and warming. Environmental Research Letters.
• Maslowski, W., et al. (2012). Arctic ice-free predictions. Annual Review of Earth and Planetary Sciences.
• Merchant, C. J., et al. (2025). Record-breaking warmth. Climate Dynamics.
• Nafaji, C., et al. (2015). Aerosol and Arctic climate. Journal of Climate.
• Notz, D., & Stroeve, J. (2016). Sea ice and temperature. The Cryosphere.
• Parkinson, C. L., & Comiso, J. C. (2013). Arctic sea ice minimum 2012. Journal of Climate.
• Rantanen, M., et al. (2022). Arctic amplification. Nature Communications.
• Samset, B. H., et al. (2023). Global warming trends. Geophysical Research Letters.
• Stroeve, J., & Notz, D. (2018). Arctic sea ice decline. Reviews of Geophysics.
• Stroeve, J., et al. (2011). Arctic sea ice minimum 2007. Geophysical Research Letters.
• Szopa, S., et al. (2013). Aerosol emission trends. Atmospheric Environment.
• Wadhams, P. (2016). Arctic ice-free scenarios. A Farewell to Ice.
• Walsh, J. E., et al. (2017). Historical Arctic sea ice. Journal of Climate.
• Yoshioka, M., et al. (2024). Shipping aerosol reductions. Nature Climate Change.
• Zhang, J., et al. (2013). Arctic sea ice dynamics 2012. Journal of Geophysical Research.

La tendenza osservata nell’estensione del ghiaccio marino artico in un determinato periodo è il risultato dell’interazione tra due componenti principali: la risposta forzata, indotta dalle emissioni antropogeniche, e le fluttuazioni non forzate derivanti dalla variabilità interna del sistema climatico (England et al., 2019; England, 2021; D¨orr et al., 2023; Shen et al., 2024). Tra i fattori antropogenici che potrebbero aver contribuito a mitigare la perdita di ghiaccio marino negli ultimi vent’anni si annoverano un rallentamento forzato della Circolazione Meridionale Atlantica (Lee & Liu, 2023) e variazioni nelle emissioni legate alla combustione di biomassa, sia in termini di intensità (Blanchard-Wrigglesworth et al., 2025) che di variabilità (DeRepentigny et al., 2022). Tuttavia, ci si potrebbe attendere che la riduzione delle emissioni di zolfo associate alle scie navali (Yoshioka et al., 2024) abbia favorito un’accelerazione, piuttosto che un’attenuazione, della perdita di ghiaccio marino a partire dal 2020, a causa dell’amplificazione del riscaldamento regionale.

Parallelamente, i modi di variabilità climatica che agiscono su scale temporali pluridecennali, come l’Oscillazione Multidecennale Atlantica (Kerr, 2000; Deser & Phillips, 2021) e l’Oscillazione Decennale del Pacifico (Mantua & Hare, 2002), esercitano un’influenza significativa sull’estensione del ghiaccio marino artico. Ad esempio, le fluttuazioni climatiche originate dal settore del Pacifico (Ding et al., 2018; Baxter et al., 2019) o dal settore atlantico (Meehl et al., 2018) sono state identificate come fattori chiave nella rapida riduzione del ghiaccio marino durante gli anni 2000 (England et al., 2019). Studi recenti, che hanno adottato approcci metodologici diversificati come il metodo di rilevazione ottimale standard (Shen et al., 2024), tecniche di apprendimento automatico (Siew et al., 2024) e analisi delle componenti a bassa frequenza (D¨orr et al., 2023), hanno concluso che la variabilità interna ha avuto un ruolo almeno pari, se non superiore, al forcing antropogenico nel determinare il forte declino osservato in quel periodo. È importante sottolineare che la variabilità interna può sia amplificare sia attenuare le tendenze di perdita di ghiaccio marino. Un esempio significativo è rappresentato dalla previsione di Yeager et al. (2015), che ha anticipato correttamente un rallentamento della perdita di ghiaccio marino nel settore atlantico durante l’inverno dell’ultimo decennio, basandosi sulla prevedibilità derivante dalle condizioni oceaniche associate all’Oscillazione Nord Atlantica.

Le simulazioni dei modelli climatici hanno dimostrato che la variabilità interna può contrastare completamente la perdita di ghiaccio marino indotta dal forcing antropogenico, portando a periodi di crescita simulata del ghiaccio anche in presenza di un aumento delle emissioni. Kay et al. (2011) hanno pionieristicamente mostrato, utilizzando un singolo modello climatico, che tendenze positive nell’estensione del ghiaccio marino artico su scale pluridecennali erano possibili fino alla metà del XXI secolo. In un ensemble di sei membri, due di essi hanno evidenziato tendenze statisticamente non significative per il mese di settembre nel periodo 1979-2005, a causa di una compensazione tra la risposta forzata e la variabilità interna. In risposta a una pausa, all’epoca di breve durata, nella perdita di ghiaccio marino di settembre tra il 2007 e il 2013, Swart et al. (2015) hanno analizzato l’archivio CMIP5, dimostrando che pause di sette anni erano un fenomeno frequente nelle simulazioni e rappresentavano una caratteristica attesa della traiettoria del ghiaccio marino artico, anche in scenari di emissioni elevate. Inoltre, questo studio ha evidenziato che pause su scale temporali pluridecennali rimangono plausibili e relativamente comuni nel corso del prossimo secolo, specialmente in scenari di emissioni medie o basse.

Guardando retrospettivamente dal 2025, gli studi di Kay et al. (2011) e Swart et al. (2015) si rivelano straordinariamente preveggenti nel riconoscere la plausibilità di un rallentamento prolungato nella perdita di ghiaccio marino artico. Nel presente lavoro, si documenta la recente pausa pluridecennale osservata nella perdita di ghiaccio marino artico, affrontando le seguenti questioni scientifiche:

1. Qual è l’estensione e la robustezza di questa pausa nella perdita di ghiaccio marino artico?
2. I modelli climatici completi sono in grado di riprodurre questo fenomeno osservato e, in caso affermativo, con quale probabilità?
3. Per quanto tempo potrebbe plausibilmente persistere questa pausa?
4. Qual è il contributo relativo del forcing antropogenico rispetto alla variabilità interna del clima nel determinare il lento tasso di perdita di ghiaccio marino?

Questa analisi si propone di fornire una comprensione più approfondita delle dinamiche che regolano il ghiaccio marino artico, evidenziando l’interazione complessa tra forzanti antropogeniche e processi naturali nel contesto di un sistema climatico in rapida evoluzione.

Metodologia e Fonti Dati per lo Studio dell’Evoluzione del Ghiaccio Marino Artico

Introduzione alla Metodologia

L’analisi dell’evoluzione della copertura di ghiaccio marino artico richiede un approccio integrato che combini dati osservativi ad alta risoluzione con simulazioni modellistiche avanzate. Questo studio si avvale di dataset consolidati e di modelli climatici di ultima generazione per investigare le tendenze recenti e le pause nella perdita di ghiaccio marino, con particolare attenzione al periodo 2005-2024. L’obiettivo è valutare la robustezza del fenomeno osservato, la sua rappresentazione nei modelli climatici, la probabilità di occorrenza e il ruolo relativo della variabilità interna rispetto al forcing antropogenico. Di seguito, si descrivono in dettaglio le fonti dati e i metodi analitici impiegati.

Fonti Dati Osservative

Per analizzare le variazioni temporali dell’estensione e dell’area del ghiaccio marino artico, sono stati utilizzati due indici di riferimento: il dataset del National Snow and Ice Data Center (NSIDC) (Fetterer et al., 2017) e il dataset dell’Ocean and Sea Ice Satellite Application Facility (OSISAF) (OSI-420, 2023). Entrambi i prodotti forniscono registrazioni continue e aggiornate dell’area e dell’estensione del ghiaccio marino artico a partire dal 1979, derivate da misurazioni satellitari ad alta risoluzione. Sebbene siano note alcune differenze sistematiche nello stato medio tra i due dataset, dovute a variazioni nei metodi di elaborazione e nelle definizioni di ghiaccio marino (Meier & Stewart, 2019), le loro variazioni interannuali e le tendenze pluridecennali mostrano una forte coerenza (cfr. Figure 1a,b e S1). Questa convergenza garantisce la robustezza delle analisi delle tendenze a lungo termine e delle pause osservate.

Per quanto riguarda il volume del ghiaccio marino, è stato impiegato il prodotto del Pan-Arctic Ice Ocean Modeling and Assimilation System (PIOMAS) (Schweiger et al., 2011). PIOMAS integra dati osservativi con modellistica numerica per fornire stime del volume di ghiaccio marino artico, offrendo una prospettiva complementare alle misurazioni di area ed estensione. L’utilizzo combinato di questi dataset consente un’analisi multidimensionale delle dinamiche del ghiaccio marino, catturando sia le variazioni superficiali che quelle volumetriche.

Simulazioni Modellistiche

Per esplorare la frequenza, la durata e le cause delle pause nella perdita di ghiaccio marino artico, sono stati analizzati gli ensemble di grandi dimensioni disponibili negli archivi del Coupled Model Intercomparison Project, fasi 5 e 6 (CMIP5 e CMIP6). Sono stati selezionati tutti i modelli con un minimo di dieci membri per garantire una rappresentatività statistica adeguata, come dettagliato nella Tabella S1. Per i modelli CMIP5, le simulazioni storiche coprono il periodo fino al 2005, seguite dalle simulazioni ScenarioMIP basate su una gamma di Percorsi di Concentrazione Rappresentativa (RCP), che rappresentano diversi scenari di forcing radiativo futuro. Per i modelli CMIP6, le simulazioni storiche si estendono fino al 2014, seguite dalle simulazioni ScenarioMIP basate sui Percorsi Socioeconomici Condivisi (SSP), che integrano proiezioni climatiche con scenari socioeconomici.

L’utilizzo di large-ensemble è fondamentale per catturare la variabilità interna del sistema climatico, consentendo di distinguere tra la risposta forzata (indotta dal forcing antropogenico) e le fluttuazioni non forzate. La selezione di modelli con un numero elevato di membri (da 10 a 100 per modello e scenario) permette di analizzare un’ampia gamma di traiettorie climatiche simulate, aumentando la robustezza delle conclusioni.

Metodi Analitici

L’approccio principale per l’analisi delle variazioni simulate nella copertura di ghiaccio marino consiste nel calcolare le tendenze lineari per il periodo di riferimento 2005-2024, corrispondente alla pausa osservata, per ciascun membro di ogni modello. Questo metodo consente di valutare la dispersione delle tendenze simulate e di confrontarle con le osservazioni (Sezione 3.1). Per verificare la robustezza dei risultati, l’analisi è stata estesa a un intervallo temporale più ampio (1995-2034), calcolando tutte le possibili tendenze di 20 anni all’interno di questo periodo. Nei casi in cui la media dell’ensemble indicava condizioni prive di ghiaccio prima del 2035, l’intervallo è stato abbreviato di conseguenza. Questa estensione temporale non ha alterato significativamente i risultati, confermando la solidità dell’approccio.

La definizione primaria di “rallentamento” adottata in questo studio si basa sulle tendenze osservate dell’area di ghiaccio marino di settembre per il periodo 2005-2024, specificamente tendenze superiori a -0,29 milioni di km² per decennio. Per evitare che questa soglia specifica influenzasse eccessivamente i risultati, è stata introdotta una definizione alternativa basata su tendenze non statisticamente significative al livello di confidenza del 95%. Quest’ultima definizione incorpora informazioni sul rapporto segnale-rumore, offrendo una prospettiva complementare alla soglia di tendenza. L’analisi ha mostrato che entrambe le definizioni producono risultati coerenti, rafforzando la fiducia nelle conclusioni.

Ponderazione dei Modelli

Nelle analisi delle medie multi-modello, è stato adottato uno schema di ponderazione basato sulla radice quadrata per tenere conto del numero di membri in ciascun ensemble e del numero di scenari per modello. I modelli con un numero maggiore di membri ricevono un peso più elevato, poiché un campione più ampio fornisce stime più robuste della probabilità di un rallentamento. Al contempo, i modelli con più scenari sono stati ponderati meno, per evitare che scenari multipli dello stesso modello sovrastimassero il contributo di quel modello, trattandosi di simulazioni non indipendenti. Questo schema assicura che i modelli con più scenari siano trattati come se avessero un numero maggiore di membri di un unico scenario. Tuttavia, è stato verificato che l’applicazione di questo schema di ponderazione non modifica sostanzialmente le conclusioni rispetto a un’ipotesi di ponderazione uniforme per tutti i membri, evidenziando la robustezza dei risultati.

Considerazioni Finali

L’approccio metodologico descritto combina dati osservativi di alta qualità con simulazioni modellistiche avanzate per fornire un’analisi completa delle dinamiche del ghiaccio marino artico. L’integrazione di dataset multipli (NSIDC, OSISAF, PIOMAS) e l’uso di large-ensemble CMIP5 e CMIP6 consentono di affrontare le complessità della variabilità climatica e del forcing antropogenico. Le tecniche analitiche, inclusa la valutazione delle tendenze lineari e l’uso di definizioni multiple di rallentamento, garantiscono la robustezza e la generalizzabilità dei risultati. Questo quadro metodologico rappresenta una base solida per rispondere alle domande scientifiche poste nello studio, offrendo nuove prospettive sulla recente pausa nella perdita di ghiaccio marino artico e sulle sue implicazioni per il futuro del sistema climatico.

3.1 Evidenza di una Pausa Prolungata e Robusta nella Perdita di Ghiaccio Marino Artico

Analisi delle Tendenze Osservative Recenti

L’analisi delle tendenze recenti nella copertura di ghiaccio marino artico si concentra sul mese di settembre, corrispondente al minimo annuale dell’estensione del ghiaccio. Per il periodo 2005-2024, i dati derivati dagli indici del National Snow and Ice Data Center (NSIDC) e dell’Ocean and Sea Ice Satellite Application Facility (OSISAF) indicano una tendenza rispettivamente di -0,30 e -0,29 milioni di km² per decennio nell’area di ghiaccio marino di settembre (Fig. 1a,b). Un aspetto cruciale di queste tendenze è la loro mancanza di significatività statistica al livello di confidenza del 95%, il che implica che non si discostano significativamente da zero. Questo fenomeno è ulteriormente evidenziato nelle Figure 1c,d, dove le tendenze calcolate su periodi di 20 anni sono rappresentate in funzione dell’anno finale: le tendenze che culminano nel 2024 rientrano all’interno dell’intervallo di incertezza statistica, confermando l’assenza di un declino significativo. Secondo il dataset OSISAF, la tendenza registrata per il periodo 2005-2024 rappresenta il tasso di perdita di area di ghiaccio marino più lento su un intervallo di 20 anni dall’inizio delle osservazioni satellitari, iniziate nel 1979.

Entrambi i dataset rivelano che la tendenza di perdita di ghiaccio marino nel periodo 2005-2024 è circa quattro volte inferiore rispetto al massimo tasso di declino osservato su un periodo di 20 anni, registrato tra il 1993 e il 2012. La robustezza di questi risultati è confermata dall’analisi condotta utilizzando sia la metrica dell’area di ghiaccio marino sia quella dell’estensione (Fig. S1), dimostrando che il rallentamento non dipende dalla scelta della variabile considerata. Geograficamente, il rallentamento nella perdita di ghiaccio marino di settembre si manifesta prevalentemente nei settori del Pacifico e dell’Eurasia, estendendosi dal Mare di Beaufort verso ovest fino al Mare di Barents, suggerendo una variabilità regionale che potrebbe riflettere dinamiche climatiche specifiche.

Estensione Temporale della Pausa

Sebbene il mese di settembre sia di particolare interesse per il suo ruolo come minimo annuale, la pausa nella perdita di ghiaccio marino artico non si limita a questa stagione. Come illustrato nelle Figure 1e,f, il rallentamento è osservabile in ogni mese dell’anno, indicando che il fenomeno non è confinato a dinamiche stagionali specifiche, come quelle estive (R. Zhang, 2015; Francis & Wu, 2020) o invernali (Yeager et al., 2015). Questa pervasività suggerisce che i meccanismi alla base della pausa operano su scale temporali e spaziali che influenzano l’intero ciclo annuale del ghiaccio marino. La coerenza del rallentamento attraverso tutte le stagioni rafforza l’ipotesi di un processo climatico sottostante di natura robusta e generalizzata, che richiede ulteriori indagini per identificarne le cause.

Variazioni del Volume di Ghiaccio Marino

Un quadro analogo di rallentamento emerge dall’analisi del volume di ghiaccio marino artico. Negli ultimi quindici anni, la perdita di volume ha subito un arresto significativo (Fig. S2). Per il periodo 2010-2024, le stime del volume medio annuo di ghiaccio marino, derivate dal Pan-Arctic Ice Ocean Modeling and Assimilation System (PIOMAS), mostrano una tendenza praticamente piatta, con una diminuzione di appena 0,4 milioni di km³ per decennio. Questo valore è sette volte inferiore al tasso di perdita simulato a lungo termine per il periodo 1979-2024, pari a 2,9 milioni di km³ per decennio, e non risulta statisticamente significativo. Tale risultato è particolarmente pronunciato nel Mare di Barents (Onarheim et al., 2024), dove recenti studi hanno suggerito un accumulo netto di volume di ghiaccio marino dal 2007. Questo incremento è attribuito a una riduzione dell’esportazione di ghiaccio dall’Artico, combinata con tassi di crescita più elevati del ghiaccio più sottile, che tende a rigenerarsi più rapidamente (J. Zhang, 2021).

Implicazioni e Domande Scientifiche

L’evidenza osservativa di una pausa sostenuta e pervasiva nella perdita di ghiaccio marino artico negli ultimi 15-20 anni si dimostra altamente robusta, indipendentemente dalla metrica utilizzata (area, estensione o volume), dal prodotto osservativo (NSIDC, OSISAF, PIOMAS) o dalla stagione considerata. Questo fenomeno solleva una questione fondamentale: una pausa di tale portata è inaspettata nel contesto del cambiamento climatico antropogenico? La risposta richiede un’analisi approfondita delle simulazioni dei modelli climatici completi, al fine di determinare se tali modelli siano in grado di riprodurre pause analoghe a quella osservata e, in caso affermativo, di valutare se queste rappresentino eventi eccezionali o ricorrenti.

Prospettive di Analisi Modellistica

Per affrontare questa questione, il presente studio si avvale di simulazioni di large-ensemble tratte dagli archivi CMIP5 e CMIP6, che consentono di esplorare la variabilità interna del sistema climatico e la risposta al forcing antropogenico. L’obiettivo è verificare se i modelli climatici catturano dinamiche coerenti con la pausa osservata e determinare la probabilità di occorrenza di tali eventi. L’analisi modellistica si concentra sulla capacità dei modelli di simulare periodi di rallentamento nella perdita di ghiaccio marino, esaminando sia la durata che la frequenza di tali pause in diversi scenari di emissioni. Questo approccio permette di contestualizzare la pausa attuale all’interno della variabilità climatica attesa e di valutare se il fenomeno osservato sia un’aberrazione statistica o un risultato prevedibile delle dinamiche climatiche.

Conclusioni Preliminari

In sintesi, i dati osservativi evidenziano una pausa robusta e prolungata nella perdita di ghiaccio marino artico, che si manifesta in tutte le stagioni, in diverse metriche e in più dataset. La tendenza di perdita significativamente ridotta, o addirittura assente, nel periodo 2005-2024 rappresenta un caso studio di grande rilevanza per comprendere le interazioni tra variabilità interna e forcing antropogenico nel sistema climatico artico. L’analisi delle simulazioni modellistiche rappresenta il passo successivo per determinare la plausibilità di questo fenomeno e per esplorarne le cause, offrendo nuove prospettive sulla complessità delle dinamiche del ghiaccio marino in un clima in rapido cambiamento.

3.2 Evidenze dai Modelli Climatici Completi: Le Pause Pluriannuali nella Perdita di Ghiaccio Marino Artico Non Sono Eccezionali

Introduzione all’Analisi Modellistica

Per determinare se i modelli climatici completi siano in grado di simulare pause pluridecennali nella perdita di ghiaccio marino artico, come quella osservata nel periodo 2005-2024, è stata condotta un’analisi approfondita degli archivi di large-ensemble del Coupled Model Intercomparison Project, fasi 5 e 6 (CMIP5 e CMIP6). L’obiettivo è identificare membri delle simulazioni che riproducano pause nella perdita di ghiaccio marino simili a quella osservata, valutandone la frequenza e la probabilità di occorrenza. Questo approccio permette di contestualizzare il fenomeno osservato all’interno delle dinamiche climatiche simulate, distinguendo tra la variabilità interna e la risposta forzata al forcing antropogenico.

Risultati delle Simulazioni

Coerentemente con studi precedenti (Kay et al., 2011; Swart et al., 2015; Lee & Liu, 2023), l’analisi ha rivelato che la stragrande maggioranza dei modelli CMIP5 e CMIP6 è in grado di simulare riduzioni nell’area di ghiaccio marino di settembre inferiori a quelle osservate nel periodo 2005-2024. Le uniche eccezioni sono rappresentate dai modelli UKESM1-0-LL e CanESM5-1, entrambi caratterizzati da un’elevata sensibilità climatica (Meehl et al., 2020). In questi modelli, la perdita di ghiaccio marino indotta dal forcing antropogenico è così pronunciata da impedire la formazione di pause analoghe a quella osservata, evidenziando come un’alta sensibilità climatica possa limitare la capacità dei modelli di catturare dinamiche di variabilità interna.

La Figura 2a riporta la percentuale di membri delle simulazioni che mostrano una perdita di ghiaccio marino inferiore a quella osservata. Il risultato principale è che la media multi-modello indica una probabilità di circa il 20% per una pausa nella perdita di ghiaccio marino artico come quella registrata (Fig. 2a, colonna 1). Tuttavia, si osserva una notevole variabilità tra i modelli, con probabilità che oscillano tra lo 0% e circa il 50% per una tendenza 2005-2024 inferiore a quella osservata. È significativo notare che la dispersione tra i modelli all’interno di un dato scenario è molto più ampia rispetto alla dispersione tra scenari diversi per lo stesso modello. Questo fenomeno può essere attribuito al fatto che gli scenari di forcing, specialmente nel caso dei modelli CMIP6, iniziano a divergere in modo significativo solo dopo gli anni 2020 (Notz & SIMIP Community, 2020). Tale divergenza tardiva implica che le differenze tra scenari abbiano un impatto limitato sulle tendenze simulate nel periodo di interesse, mentre le differenze intrinseche tra i modelli (ad esempio, nella rappresentazione dei processi fisici) giocano un ruolo più determinante.

Robustezza dei Risultati

La stima centrale di circa il 20% di probabilità per una pausa come quella osservata rimane stabile anche quando i modelli vengono selezionati secondo criteri specifici. Ad esempio, l’applicazione dei criteri di selezione proposti da Notz e SIMIP Community (2020), che tengono conto della capacità dei modelli di riprodurre le condizioni del ghiaccio marino, non altera significativamente il risultato. Analogamente, la stima rimane invariata quando si considerano modelli che rientrano nell’intervallo del 66% o del 5-95% delle stime di sensibilità climatica (Sherwood et al., 2020), o quando i modelli vengono valutati in base alla loro capacità di simulare le condizioni climatologiche del ghiaccio marino per il periodo di riferimento 1979-1998 (Fig. 2a, colonne 2-4).

Inoltre, la probabilità di una pausa non cambia in modo sostanziale se si adotta una definizione alternativa basata su tendenze non statisticamente significative al livello di confidenza del 95% (Figura S3). In questo caso, la probabilità stimata è leggermente superiore, attestandosi a circa il 25%, ma rimane coerente con il risultato principale. Questa coerenza tra diverse definizioni di pausa e criteri di selezione dei modelli sottolinea la robustezza delle conclusioni e indica che il fenomeno osservato non è sensibile alle specificità delle metriche o delle assunzioni adottate.

Implicazioni Scientifiche

Da una prospettiva multi-modello, la pausa osservata nella perdita di ghiaccio marino artico negli ultimi due decenni non rappresenta un evento raro o anomalo, ma piuttosto un fenomeno che ci si potrebbe aspettare con una frequenza ragionevole all’interno della variabilità climatica simulata. Questo risultato è particolarmente significativo, poiché suggerisce che la pausa attuale sia coerente con le dinamiche attese del sistema climatico, anche in presenza di un forcing antropogenico crescente. La probabilità stimata del 20-25% implica che pause di questa durata e magnitudo siano una caratteristica intrinseca della traiettoria del ghiaccio marino artico, come già anticipato da studi pionieristici (Kay et al., 2011; Swart et al., 2015).

Prospettive Future

L’evidenza che le pause pluridecennali non siano rare nei modelli climatici solleva una questione cruciale: la pausa osservata potrebbe proseguire e, in caso affermativo, per quanto tempo? Per rispondere a questa domanda, è necessario analizzare ulteriormente le simulazioni modellistiche, concentrandosi sui membri che replicano pause analoghe a quella osservata e valutando la durata di tali periodi. Inoltre, sarà fondamentale esplorare i meccanismi fisici alla base di queste pause, come le interazioni tra la variabilità interna (ad esempio, l’Oscillazione Multidecennale Atlantica o l’Oscillazione Decennale del Pacifico) e i cambiamenti nel forcing antropogenico (ad esempio, la riduzione delle emissioni di aerosol). Queste analisi potranno fornire indicazioni preziose sulla probabilità di una continuazione della pausa e sulle implicazioni per le proiezioni climatiche a breve e medio termine.

Conclusioni

In conclusione, l’analisi degli archivi CMIP5 e CMIP6 rivela che i modelli climatici completi sono in grado di simulare pause pluridecennali nella perdita di ghiaccio marino artico con una probabilità significativa, stimata intorno al 20-25%. Questo risultato, robusto rispetto a diverse selezioni di modelli e definizioni di pausa, indica che il rallentamento osservato nel periodo 2005-2024 non è un evento eccezionale, ma una manifestazione attesa della variabilità climatica. Questi risultati sottolineano l’importanza di considerare la variabilità interna come un fattore chiave nella modulazione delle tendenze del ghiaccio marino e aprono la strada a ulteriori indagini sulla durata potenziale della pausa attuale e sui suoi driver climatici.

Analisi Dettagliata della Figura 1: Tendenze Temporali e Stagionali dell’Area di Ghiaccio Marino Artico

Introduzione alla Figura 1

La Figura 1 presenta un’analisi completa delle tendenze dell’area di ghiaccio marino artico, basata su due dataset osservativi di riferimento: l’indice del National Snow and Ice Data Center (NSIDC) (Fetterer et al., 2017) e l’indice dell’Ocean and Sea Ice Satellite Application Facility (OSISAF) (OSI-420, 2023). La figura è strutturata in sei pannelli (a-f), organizzati in due colonne: i pannelli di sinistra (a, c, e) riportano i dati NSIDC, mentre quelli di destra (b, d, f) i dati OSISAF. L’obiettivo è valutare le variazioni temporali dell’area di ghiaccio marino dal 1979 al 2024, con particolare attenzione al periodo recente (2005-2024), per evidenziare la presenza di una pausa nella perdita di ghiaccio marino e la sua distribuzione stagionale. Di seguito, ciascun pannello viene descritto in dettaglio, con un’interpretazione scientifica delle tendenze osservate.

Pannelli (a) e (b): Serie Temporali dell’Area di Ghiaccio Marino di Settembre (1979-2024)

I pannelli (a) e (b) illustrano l’evoluzione temporale dell’area di ghiaccio marino artico in settembre, mese che rappresenta il minimo annuale della copertura di ghiaccio. L’asse delle ordinate riporta l’area in milioni di km² (da 2 a 7 milioni di km²), mentre l’asse delle ascisse copre il periodo dal 1979 al 2024.

• Pannello (a) – Dati NSIDC: La linea nera mostra una chiara tendenza al declino dell’area di ghiaccio marino, che passa da circa 7 milioni di km² nel 1979 a circa 4 milioni di km² nel 2024. Il declino è particolarmente marcato tra il 1979 e il 2012, con fluttuazioni interannuali significative (ad esempio, minimi pronunciati nel 2007 e 2012). Tuttavia, a partire dal 2005 circa, si osserva un rallentamento nella perdita di ghiaccio, con valori che oscillano intorno ai 4 milioni di km² negli ultimi anni, indicando una stabilizzazione relativa.
• Pannello (b) – Dati OSISAF: Il pattern è analogo, con un declino complessivo da circa 6 milioni di km² nel 1979 a circa 4 milioni di km² nel 2024. Anche in questo caso, il calo è più evidente fino al 2012, seguito da una stabilizzazione negli ultimi due decenni. Le fluttuazioni interannuali sono simili a quelle osservate nei dati NSIDC, confermando la coerenza tra i due dataset.

Interpretazione: Entrambi i pannelli evidenziano una riduzione significativa dell’area di ghiaccio marino artico nel lungo periodo (1979-2024), in linea con il riscaldamento globale antropogenico. Tuttavia, la stabilizzazione osservata dopo il 2005 suggerisce un’interruzione nella tendenza di declino, coerente con l’ipotesi di una pausa pluridecennale nella perdita di ghiaccio marino, come discusso nel testo dello studio.

Pannelli (c) e (d): Tendenze di 20 Anni dell’Area di Ghiaccio Marino di Settembre (1998-2024)

I pannelli (c) e (d) analizzano le tendenze dell’area di ghiaccio marino di settembre calcolate su periodi mobili di 20 anni, con l’anno finale che varia dal 1998 al 2024 (asse x). L’asse y rappresenta la tendenza in milioni di km² per decennio, con valori che spaziano da -1,25 a +0,50. L’area ombreggiata in rosso indica l’intervallo entro cui le tendenze non sono statisticamente significative al livello di confidenza del 95%, secondo un test t.

• Pannello (c) – Dati NSIDC: La linea nera mostra che le tendenze di 20 anni sono state fortemente negative nei periodi precedenti, raggiungendo un picco di perdita di circa -1,0 milioni di km² per decennio per i periodi che terminano intorno al 2012 (ad esempio, 1993-2012). Tuttavia, per i periodi che terminano nel 2024 (cioè 2005-2024), la tendenza si riduce a circa -0,30 milioni di km² per decennio, rientrando nell’intervallo di incertezza statistica. Questo indica che la perdita di ghiaccio marino in questo periodo non è statisticamente significativa.
• Pannello (d) – Dati OSISAF: I risultati sono coerenti, con tendenze fortemente negative (fino a -1,0 milioni di km² per decennio) per i periodi che terminano intorno al 2012, e una tendenza di circa -0,29 milioni di km² per decennio per il periodo 2005-2024, anch’essa non statisticamente significativa, come evidenziato dall’ingresso nell’area ombreggiata.

Interpretazione: Questi pannelli confermano che il tasso di perdita di ghiaccio marino si è drasticamente ridotto negli ultimi 20 anni (2005-2024) rispetto ai periodi precedenti, come il 1993-2012, che rappresenta il picco di declino. La tendenza vicina a zero per il periodo più recente, statisticamente non significativa, supporta l’ipotesi di una pausa robusta nella perdita di ghiaccio marino, coerente con quanto riportato nel testo.

Pannelli (e) e (f): Tendenze di 20 Anni per Ogni Mese dell’Anno (2000-2024)

I pannelli (e) e (f) presentano mappe di calore che illustrano le tendenze di 20 anni dell’area di ghiaccio marino per ogni mese dell’anno (asse y: da gennaio a dicembre), con l’anno finale del periodo di 20 anni che varia dal 2000 al 2024 (asse x). La scala cromatica rappresenta l’intensità della tendenza in milioni di km² per decennio, con valori che vanno da -1,5 (rosso scuro, forte perdita) a +1,5 (blu scuro, aumento).

• Pannello (e) – Dati NSIDC: Le tendenze sono prevalentemente negative (toni arancioni e rossi) per tutti i mesi, con perdite più marcate (fino a -1,5 milioni di km² per decennio) nei periodi che terminano intorno al 2010-2012, in particolare nei mesi estivi (luglio-settembre), quando il ghiaccio marino è al minimo. Tuttavia, per i periodi che terminano nel 2024, le tendenze si avvicinano a zero (toni più chiari, giallo chiaro) per tutti i mesi, indicando un rallentamento generalizzato nella perdita di ghiaccio marino.
• Pannello (f) – Dati OSISAF: Il pattern è simile, con tendenze negative più intense nei periodi che terminano intorno al 2010-2012, soprattutto in estate, e un rallentamento evidente (tendenze vicine a zero) per i periodi che terminano nel 2024, osservabile in ogni mese dell’anno.

Interpretazione: Questi pannelli dimostrano che la pausa nella perdita di ghiaccio marino non è un fenomeno limitato al mese di settembre, ma si estende a tutte le stagioni. La riduzione delle tendenze negative in tutti i mesi, con valori che si avvicinano a zero nel periodo 2005-2024, suggerisce che i meccanismi alla base della pausa operano su scala annuale, influenzando l’intero ciclo stagionale del ghiaccio marino. Questo risultato sottolinea la necessità di indagare processi climatici che agiscano su scale temporali e spaziali ampie.

Sintesi Scientifica e Implicazioni

La Figura 1 fornisce una chiara evidenza visiva della pausa nella perdita di ghiaccio marino artico negli ultimi 15-20 anni, un fenomeno che emerge in modo robusto sia nei dati NSIDC che OSISAF. I pannelli (a) e (b) mostrano il declino complessivo dell’area di ghiaccio marino dal 1979, con un rallentamento evidente dopo il 2005, che si traduce in una stabilizzazione relativa dell’area intorno ai 4 milioni di km². I pannelli (c) e (d) quantificano questo rallentamento, evidenziando che la tendenza di perdita nel periodo 2005-2024 (circa -0,30 e -0,29 milioni di km² per decennio, rispettivamente per NSIDC e OSISAF) non è statisticamente significativa, in netto contrasto con i tassi di declino più elevati dei decenni precedenti. Infine, i pannelli (e) e (f) estendono questa osservazione a tutti i mesi dell’anno, dimostrando che la pausa non è un fenomeno stagionale, ma una caratteristica pervasiva del ciclo annuale del ghiaccio marino.

Questi risultati supportano l’ipotesi di una pausa sostenuta nella perdita di ghiaccio marino artico, come descritto nello studio, e sollevano interrogativi sui meccanismi sottostanti. La coerenza tra i due dataset osservativi rafforza la validità delle conclusioni, mentre la natura annuale della pausa suggerisce l’influenza di processi climatici su larga scala, come la variabilità interna (ad esempio, oscillazioni oceaniche) o cambiamenti nel forcing antropogenico. Questi aspetti richiedono ulteriori indagini attraverso simulazioni modellistiche e analisi dei driver climatici, per comprendere la probabilità e la durata di tali pause nel contesto del cambiamento climatico globale.

3.3 Prospettive Future della Pausa nella Perdita di Ghiaccio Marino Artico: Una Possibile Continuazione per un Altro Decennio

Obiettivo dell’Analisi

L’obiettivo di questa sezione è valutare la durata potenziale della pausa osservata nella perdita di ghiaccio marino artico, che si è manifestata nel periodo 2005-2024, e determinare se tale pausa possa estendersi nel futuro. Per rispondere a questa domanda, sono stati analizzati i membri degli ensemble di grandi dimensioni (large-ensemble) del Coupled Model Intercomparison Project (CMIP5 e CMIP6) che simulano un rallentamento nella perdita di ghiaccio marino simile a quello osservato, esaminando quanto a lungo tali rallentamenti simulati persistano nel tempo. Questa analisi fornisce una stima della probabilità condizionale che la pausa attuale si protragga per ulteriori anni, offrendo un quadro probabilistico sulla sua evoluzione futura.

Metodologia e Risultati Principali

L’analisi si concentra sui membri degli ensemble che mostrano una perdita di ghiaccio marino attenuata nel periodo 2005-2024, come evidenziato nella Figura 2a. La durata dei rallentamenti simulati è stata quantificata per ciascun modello e scenario, producendo una stima della probabilità che una pausa di 20 anni si estenda ulteriormente (Fig. 2b). La media multi-modello indica che le pause nella perdita di ghiaccio marino di settembre per il periodo 2005-2024 hanno una probabilità del 50% (1 su 2) di persistere per altri cinque anni, fino al 2029, e una probabilità del 33% (1 su 3) di persistere per altri dieci anni, fino al 2034. Tuttavia, si rileva una significativa variabilità tra i modelli, con una dispersione di ±25%, che riflette differenze nella rappresentazione dei processi climatici e nella sensibilità dei modelli al forcing antropogenico.

Un’osservazione rilevante è che gli scenari con emissioni più elevate tendono a mostrare probabilità leggermente inferiori di mantenere un ritmo attenuato di perdita di ghiaccio marino nel futuro. Questo effetto, però, è sottile e non uniforme tra i modelli, suggerendo che altri fattori, come la variabilità interna e la rappresentazione delle dinamiche regionali nei modelli, possano avere un ruolo altrettanto importante. La dipendenza dalle emissioni è coerente con l’aspettativa che un forcing antropogenico più intenso, associato a scenari di emissioni elevate, tenda a ridurre la probabilità di pause prolungate, favorendo una ripresa della perdita di ghiaccio marino.

Differenze nell’Area di Ghiaccio Marino

Un’analisi complementare ha esaminato le differenze nell’area di ghiaccio marino tra i membri degli ensemble che simulano pause e quelli che non le simulano. In media, i membri che replicano pause nella perdita di ghiaccio marino per il periodo 2005-2024 mostrano un’area di ghiaccio marino di settembre nel 2025 di 0,5 milioni di km² maggiore rispetto ai membri degli stessi modelli e scenari in cui non si verifica una pausa (Fig. 2c). Questo divario rappresenta una fonte di prevedibilità a breve termine, ma tende a decadere entro un decennio: entro il 2034, l’area di ghiaccio marino di settembre nei membri con e senza pause diventa indistinguibile. Questo suggerisce che, sebbene la pausa possa conferire un vantaggio temporaneo in termini di area di ghiaccio marino, la sua influenza si dissipa nel lungo periodo, probabilmente a causa del predominante forcing antropogenico che guida la perdita di ghiaccio su scale temporali più estese.

Limitazioni Metodologiche e Possibili Bias

Per calcolare queste probabilità in modo statisticamente significativo, la selezione dei modelli è stata limitata a quelli con almeno cinque membri che presentano pause nella perdita di ghiaccio marino nel periodo 2004-2025. Questa restrizione è necessaria per garantire che la dimensione dell’ensemble rimanente sia sufficiente per stime robuste. Tuttavia, tale approccio potrebbe introdurre alcuni bias. In primo luogo, i modelli con un numero maggiore di membri hanno più probabilità di includere membri con rallentamenti, semplicemente a causa di un campionamento più ampio della variabilità interna. In secondo luogo, i modelli che simulano rallentamenti con maggiore frequenza sono sovrarappresentati in questa analisi. Di conseguenza, la media multi-modello della probabilità di una pausa nella perdita di ghiaccio marino in questo sottoinsieme di membri è del 28%, un valore superiore al 20% stimato considerando tutti i modelli (Sezione 3.2).

Questo bias potrebbe portare a una sovrastima della probabilità che la pausa continui e a una sottostima dell’anomalia dell’attuale copertura di ghiaccio marino rispetto alla tendenza forzata. Se la pausa osservata fosse un evento intrinsecamente raro, l’approccio adottato potrebbe non catturare adeguatamente la sua eccezionalità. Tuttavia, è importante notare che oltre due terzi dei modelli in grado di riprodurre le tendenze osservate sono inclusi in questa stima, il che conferisce una certa solidità ai risultati. Inoltre, i risultati sono in linea con le conclusioni di Swart et al. (2015), che hanno dimostrato la possibilità di pause pluridecennali superiori a 20 anni nella tarda parte del XXI secolo, in particolare in uno scenario di emissioni medie, suggerendo che il fenomeno non è inaspettato nel contesto delle simulazioni climatiche.

Implicazioni per un Artico Privo di Ghiaccio

L’insieme delle simulazioni CMIP5 e CMIP6 indica che è possibile, e forse addirittura probabile, che il rallentamento attuale nella perdita di ghiaccio marino persista per ulteriori 5-10 anni, portando la pausa a una durata complessiva di 25-30 anni (dal 2005 al 2029-2034). Questo scenario ha implicazioni significative per le proiezioni relative a un Artico privo di ghiaccio. Studi precedenti (Jahn et al., 2016; Arthun et al., 2020; Wang et al., 2021; England & Polvani, 2023; Jahn et al., 2024) hanno stimato la probabilità di un Artico privo di ghiaccio basandosi su tendenze di perdita di ghiaccio marino più lineari. Tuttavia, se la pausa attuale dovesse protrarsi, l’occorrenza di un Artico privo di ghiaccio potrebbe essere ritardata rispetto a quanto suggerito dai dati grezzi dei modelli, riducendo la probabilità di un evento precoce.

Conclusioni

In sintesi, l’analisi delle simulazioni modellistiche suggerisce che la pausa osservata nella perdita di ghiaccio marino artico nel periodo 2005-2024 ha una probabilità significativa di continuare per un ulteriore periodo di 5-10 anni, con una probabilità del 50% di persistere fino al 2029 e del 33% fino al 2034. Questi risultati, pur soggetti a una certa variabilità intermodello e a possibili bias metodologici, sono supportati dalla coerenza con studi precedenti e dalla robustezza dell’approccio multi-modello. La possibilità di una pausa prolungata sottolinea l’importanza della variabilità interna nel modulare le tendenze di perdita di ghiaccio marino e suggerisce che le proiezioni di un Artico privo di ghiaccio debbano essere riviste per tenere conto di tali dinamiche. Futuri studi potrebbero approfondire i meccanismi fisici alla base della pausa e il ruolo delle forzanti antropogeniche nel determinare la sua durata, contribuendo a una comprensione più completa delle dinamiche climatiche nell’Artico.

Analisi Approfondita della Figura 2: Probabilità, Durata e Impatti delle Pause nella Perdita di Ghiaccio Marino Artico nelle Simulazioni CMIP5 e CMIP6

Introduzione alla Figura 2

La Figura 2 offre un’analisi dettagliata delle simulazioni modellistiche del Coupled Model Intercomparison Project (CMIP5 e CMIP6) per valutare la frequenza, la probabilità di continuazione e gli effetti delle pause nella perdita di ghiaccio marino artico, con particolare riferimento alla pausa osservata nel periodo 2005-2024. La figura è strutturata in tre pannelli (a, b, c), ciascuno dei quali esplora un aspetto specifico: la probabilità che i modelli simulino pause simili a quella osservata, la probabilità condizionale che tali pause persistano nel futuro, e la differenza nell’area di ghiaccio marino tra i membri degli ensemble che simulano pause e quelli che non le simulano. Di seguito, ciascun pannello è descritto in dettaglio, con un’interpretazione scientifica dei risultati e delle loro implicazioni.

Pannello (a): Percentuale di Membri degli Ensemble con Tendenze di Perdita di Ghiaccio Marino Inferiori a Quelle Osservate

Il pannello (a) rappresenta la percentuale di membri degli ensemble (asse y, 0-100%) che, per ciascun modello e scenario di forcing, simulano tendenze di perdita di ghiaccio marino di settembre nel periodo 2005-2024 inferiori a quelle osservate, ossia più lente di -0,29 milioni di km² per decennio. L’asse x è suddiviso in quattro categorie di selezione dei modelli: “All simulations” (tutte le simulazioni), e tre criteri specifici basati su Notz e SIMIP Community (2020), sull’intervallo di sensibilità climatica (ECS) 5-95% e 66% (Sherwood et al., 2020), e sull’area climatologica di ghiaccio marino nel periodo 1979-1998 (SIA 1979-1998). Ogni barra rappresenta un modello e uno scenario di forcing, identificati da colori e simboli diversi (ad esempio, RCP 2.6, SSP1-2.6, ecc.).

• Risultati: La media multi-modello, come riportato nel testo, indica che circa il 20% dei membri degli ensemble simulano una perdita di ghiaccio marino più lenta di quella osservata. Tuttavia, si osserva una marcata variabilità tra i modelli: alcune barre raggiungono percentuali vicine al 50%, mentre altre sono pari a 0%, come nel caso dei modelli UKESM1-0-LL e CanESM5, che non simulano pause a causa della loro elevata sensibilità climatica (Meehl et al., 2020). Questa variabilità persiste anche quando i modelli vengono selezionati secondo criteri più restrittivi, come quelli basati sulla capacità di riprodurre le condizioni climatologiche del ghiaccio marino o sulla sensibilità climatica. Ad esempio, nella categoria “Notz CMIP6”, alcuni modelli mostrano percentuali superiori al 40%, mentre altri rimangono a 0%. La consistenza dei risultati attraverso i diversi criteri di selezione indica che la probabilità di simulare pause non dipende fortemente dalla scelta dei modelli, ma riflette piuttosto le differenze intrinseche nella rappresentazione della variabilità interna e del forcing antropogenico.
• Interpretazione: Questo pannello dimostra che le pause nella perdita di ghiaccio marino, come quella osservata, non sono un fenomeno raro nelle simulazioni CMIP5 e CMIP6. La probabilità media del 20% suggerisce che tali eventi siano una caratteristica attesa della traiettoria del ghiaccio marino artico, anche in presenza di un forcing antropogenico crescente. La variabilità intermodello, tuttavia, sottolinea la necessità di approfondire le differenze nella rappresentazione dei processi climatici, come le interazioni atmosfera-oceano o i feedback del ghiaccio-albedo, che possono influenzare la probabilità di simulare pause.

Pannello (b): Probabilità Condizionale di Continuazione delle Pause nel Futuro

Il pannello (b) mostra la probabilità condizionale (asse y, 0-100%) che le tendenze di perdita di ghiaccio marino, iniziate nel 2005 e più lente di -0,29 milioni di km² per decennio, continuino fino a un dato anno finale (asse x, 2024-2034). L’analisi include solo i modelli e scenari con almeno cinque membri che simulano pause nel periodo 2005-2024, per garantire un campionamento statistico significativo. Ogni linea rappresenta un modello e uno scenario di forcing, identificati da colori e simboli, mentre la linea nera spessa rappresenta la media ponderata multi-modello, calcolata secondo uno schema di ponderazione (Equazione 1 nel testo).

• Risultati: La media multi-modello indica una probabilità del 50% che una pausa come quella osservata persista per ulteriori cinque anni, fino al 2029, e una probabilità del 33% che persista per altri dieci anni, fino al 2034. Tuttavia, si rileva una significativa variabilità intermodello: alcune linee (ad esempio, in rosso e viola, che potrebbero corrispondere a modelli come MPI-ESM-LR o CESM2) mostrano probabilità più elevate, mantenendosi sopra il 50% anche oltre il 2030, mentre altre (ad esempio, in verde e giallo, come GFDL-CM3 o CanESM2) scendono rapidamente sotto il 20% entro il 2028. Questa variabilità riflette differenze nella sensibilità dei modelli al forcing antropogenico e nella rappresentazione della variabilità interna, come le oscillazioni oceaniche pluridecennali.
• Interpretazione: Questo pannello suggerisce che la pausa osservata ha una probabilità significativa di protrarsi per un altro decennio, con una stima media che indica una durata complessiva potenziale di 25-30 anni (dal 2005 al 2029-2034). La variabilità intermodello, con una dispersione di ±25%, evidenzia l’incertezza associata a queste proiezioni, che dipende da fattori come lo scenario di emissioni e la capacità dei modelli di catturare dinamiche climatiche regionali. Scenari con emissioni più elevate tendono a mostrare probabilità leggermente inferiori di continuazione della pausa, coerentemente con l’aspettativa che un forcing antropogenico più intenso favorisca una ripresa della perdita di ghiaccio marino.

Pannello (c): Differenza nell’Area di Ghiaccio Marino tra Membri con e senza Pause

Il pannello (c) illustra la differenza media nell’area di ghiaccio marino di settembre (asse y, in milioni di km², da -0,4 a +1,0) tra i membri degli ensemble che simulano pause nel periodo 2005-2024 e quelli che non le simulano, per il periodo 2025-2050 (asse x). Come nel pannello (b), l’analisi include solo i modelli con almeno cinque membri che simulano pause. Ogni linea rappresenta un modello e uno scenario, e la linea nera spessa mostra la media ponderata multi-modello.

• Risultati: Nel 2025, i membri che simulano pause hanno un’area di ghiaccio marino di settembre di circa 0,5 milioni di km² maggiore rispetto ai membri senza pause, indicando un vantaggio temporaneo in termini di copertura di ghiaccio. Questa differenza diminuisce progressivamente nel tempo, diventando trascurabile (vicina a 0) entro il 2035 circa. Alcune linee mostrano fluttuazioni, con differenze che oscillano tra -0,2 e +0,8 milioni di km² nei primi anni, ma la tendenza generale è verso una convergenza, con tutte le linee che si avvicinano a zero entro il 2040. La media multi-modello (linea nera) segue un andamento simile, confermando che l’effetto della pausa si dissipa entro un decennio.
• Interpretazione: Questo pannello evidenzia che la pausa nella perdita di ghiaccio marino conferisce un vantaggio a breve termine in termini di area di ghiaccio marino, con un incremento medio di 0,5 milioni di km² nel 2025. Tuttavia, questo vantaggio è transitorio e si annulla entro il 2035, suggerendo che il forcing antropogenico a lungo termine, come l’aumento delle temperature globali, tende a dominare sulle dinamiche di variabilità interna che sostengono la pausa. La convergenza delle linee indica che, su scale temporali più lunghe, la traiettoria del ghiaccio marino è determinata principalmente dalla risposta forzata, piuttosto che dalle condizioni iniziali associate alla pausa.

Sintesi Scientifica e Implicazioni

La Figura 2 fornisce un quadro completo della plausibilità, della durata e degli effetti delle pause nella perdita di ghiaccio marino artico secondo le simulazioni CMIP5 e CMIP6. Il pannello (a) dimostra che circa il 20% dei membri degli ensemble simulano pause simili a quella osservata, con una variabilità intermodello significativa ma una robustezza rispetto ai criteri di selezione dei modelli, suggerendo che tali pause siano una caratteristica attesa del sistema climatico. Il pannello (b) indica che la pausa attuale ha una probabilità del 50% di persistere per altri 5 anni (fino al 2029) e del 33% per altri 10 anni (fino al 2034), con una variabilità che riflette differenze nei modelli e negli scenari di emissioni. Infine, il pannello (c) mostra che i membri con pause presentano un’area di ghiaccio marino maggiore nel breve termine (0,5 milioni di km² in più nel 2025), ma questa differenza si dissipa entro il 2035, evidenziando il ruolo dominante del forcing antropogenico nel lungo periodo.

Questi risultati hanno implicazioni significative per le proiezioni climatiche nell’Artico. La possibilità che la pausa persista per un altro decennio suggerisce che l’occorrenza di un Artico privo di ghiaccio potrebbe essere ritardata rispetto alle stime basate su tendenze di perdita più lineari. Tuttavia, la variabilità intermodello e i limiti metodologici (ad esempio, la selezione di modelli con un numero sufficiente di membri con pause) sottolineano la necessità di ulteriori indagini per ridurre le incertezze e comprendere meglio i meccanismi fisici alla base delle pause, come il ruolo delle oscillazioni oceaniche e dei cambiamenti nel forcing antropogenico. Questi aspetti sono cruciali per migliorare le proiezioni a breve e medio termine e per valutare gli impatti ecologici e socioeconomici di un Artico in trasformazione.

3.4 Il ruolo cruciale della variabilità climatica interna nei modelli climatici: un’analisi approfondita del rallentamento della perdita di ghiaccio marino artico

Uno degli interrogativi fondamentali che emergono dall’analisi del recente rallentamento nella perdita di ghiaccio marino artico riguarda la natura di tale fenomeno: è il risultato esclusivo delle forzanti antropogeniche, o la variabilità climatica interna gioca un ruolo significativo? Per rispondere a questa domanda, è essenziale considerare che le osservazioni climatiche rappresentano una combinazione complessa di tendenze forzate, indotte da fattori esterni come le emissioni di gas serra, e una specifica realizzazione della variabilità interna del sistema climatico. Questa variabilità interna, che si manifesta attraverso fluttuazioni naturali nei processi climatici, è nota per influenzare in modo rilevante le tendenze del ghiaccio marino artico, come dimostrato da numerosi studi (Kay et al., 2011; Swart et al., 2015; England et al., 2019; Dörr et al., 2023). Pertanto, l’obiettivo di questa sezione è valutare se il rallentamento osservato nella perdita di ghiaccio marino possa essere attribuito esclusivamente a un cambiamento nella risposta forzata o se la variabilità interna abbia contribuito in modo significativo.

Per affrontare questa questione, abbiamo analizzato la perdita di ghiaccio marino di settembre nel periodo 2005-2024, stimando la componente forzata attraverso la tendenza lineare della media dell’ensemble di ciascun modello climatico e scenario di emissione (Fig. 3, asse orizzontale). I risultati evidenziano che solo due combinazioni modello/scenario, ovvero GFDL-ESM2M RCP8.5 e CESM2 SSP3-7.0, suggeriscono che la tendenza forzata possa spiegare interamente le osservazioni, con un contributo trascurabile della variabilità interna. Queste combinazioni sono rappresentate in Figura 3 come linee verticali grigie, che indicano l’entità della perdita di ghiaccio osservata. Tuttavia, un’analisi più ampia rivela che oltre l’85% dei modelli climatici esaminati prevede una perdita di ghiaccio marino forzata maggiore rispetto a quella effettivamente osservata. Questo scarto, con la maggior parte dei modelli posizionati a sinistra delle tendenze osservate in Figura 3, implica che la variabilità climatica interna abbia agito come un fattore mitigante, riducendo il ritmo della perdita di ghiaccio rispetto a quanto previsto dalla sola componente forzata.

Un secondo aspetto cruciale riguarda l’evoluzione temporale della risposta forzata: è possibile che la tendenza forzata stessa stia rallentando rispetto ai due decenni precedenti (1986-2005)? Per rispondere a questa domanda, abbiamo calcolato il rapporto tra la tendenza forzata del periodo 2005-2024 e quella del periodo 1986-2005 per ciascuna combinazione di modello e scenario, rappresentando tale rapporto sull’asse verticale di Figura 3. Un valore di questo rapporto pari a 1,0 indica che il ritmo della perdita di ghiaccio è rimasto invariato, un valore superiore a 1,0 suggerisce un’accelerazione, mentre un valore inferiore a 1,0 indica una decelerazione. I risultati confermano che solo le combinazioni GFDL-ESM2M RCP8.5 e CESM2 SSP3-7.0 attribuiscono il rallentamento osservato interamente a una riduzione della tendenza forzata. Per tutti gli altri modelli, invece, emerge un quadro più complesso: la pausa osservata non può essere spiegata esclusivamente come una risposta forzata. In particolare, i modelli si dividono quasi equamente: circa la metà suggerisce una modesta decelerazione della tendenza forzata negli ultimi due decenni rispetto al periodo precedente, mentre l’altra metà indica una modesta accelerazione. Questa divergenza è particolarmente evidente quando si escludono i modelli che non riescono a riprodurre accuratamente le tendenze recenti osservate.

In conclusione, l’evidenza derivante dai modelli climatici rimane incerta riguardo al ruolo delle forzanti antropogeniche nel recente rallentamento della perdita di ghiaccio marino artico. Tuttavia, è altamente probabile che la variabilità climatica interna abbia svolto un ruolo determinante nel modulare questo fenomeno. La presenza di una componente interna significativa suggerisce che le fluttuazioni naturali del sistema climatico possano temporaneamente mascherare o amplificare le tendenze indotte dalle forzanti antropogeniche, complicando l’attribuzione diretta delle variazioni osservate. Questi risultati sottolineano l’importanza di continuare a migliorare la rappresentazione della variabilità interna nei modelli climatici e di integrare analisi osservative e modellistiche per una comprensione più completa delle dinamiche del ghiaccio marino artico in un contesto di cambiamento climatico globale.

4 Conclusioni e Discussione: Implicazioni Scientifiche del Rallentamento della Perdita di Ghiaccio Marino Artico

Uno degli aspetti più sorprendenti emersi da questa analisi è che, nonostante il rapido aumento delle temperature globali, culminato in livelli record negli ultimi anni, la copertura di ghiaccio marino artico non abbia registrato un declino statisticamente significativo negli ultimi vent’anni. Tale osservazione appare in contrasto con le aspettative di un’accelerazione della perdita di ghiaccio in un contesto di riscaldamento globale. Tuttavia, attraverso un’analisi approfondita di due set di dati osservativi e migliaia di simulazioni tratte dagli archivi dei progetti CMIP5 e CMIP6, siamo riusciti a consolidare una serie di evidenze che rispondono in modo sistematico alle quattro domande chiave formulate nell’introduzione. Di seguito, riassumiamo i principali risultati:

1. Robustezza del rallentamento: Il rallentamento della perdita di ghiaccio marino artico si manifesta in modo consistente, indipendentemente dalle definizioni adottate, dai set di dati osservativi utilizzati o dalla stagione considerata. Questo indica che il fenomeno non è un artefatto di specifiche metodologie o dati, ma una caratteristica intrinseca delle recenti dinamiche del ghiaccio marino.
2. Frequenza nelle simulazioni modellistiche: I modelli climatici simulano il rallentamento osservato con una probabilità significativa (circa il 20%), suggerendo che tale pausa è un evento atteso, anche in scenari caratterizzati da elevate emissioni di gas serra. Questo sottolinea la capacità dei modelli di catturare fenomeni complessi, nonostante la loro variabilità interna.
3. Prospettive di persistenza: Se le simulazioni modellistiche si dimostrano accurate, il rallentamento potrebbe protrarsi per un ulteriore periodo di cinque-dieci anni. Tale previsione, sebbene incerta, evidenzia la potenziale influenza di fattori climatici interni nel modulare le tendenze a medio termine.
4. Ruolo della variabilità interna: Quasi tutti i modelli analizzati indicano che la variabilità climatica interna ha svolto un ruolo cruciale nel mitigare la perdita di ghiaccio marino indotta da forzanti antropogeniche, suggerendo che le fluttuazioni naturali del sistema climatico abbiano temporaneamente attenuato l’impatto delle forzanti esterne.

Un punto centrale della discussione riguarda l’attribuzione del rallentamento: è questo fenomeno principalmente il risultato di forzanti antropogeniche, o la variabilità climatica interna ha avuto un ruolo dominante? Se il rallentamento fosse prevalentemente guidato da forzanti antropogeniche, i nostri risultati implicherebbero l’esistenza di una forzante non adeguatamente rappresentata nei modelli o di una comune limitazione nella risposta dei modelli alle forzanti standard. Sebbene valutare le carenze modellistiche sia complesso, un’ipotesi plausibile per una forzante mancante potrebbe essere l’aumento degli incendi nelle foreste boreali, non incluso negli scenari di emissione standard. Uno studio recente di Blanchard-Wrigglesworth et al. (2025) ha dimostrato che l’incorporazione delle emissioni da combustione di biomassa nel modello CESM2 induce un rapido recupero della copertura di ghiaccio marino di settembre durante il periodo in esame. Questo effetto è attribuito a un incremento della riflessione della radiazione solare a onde corte nell’emisfero settentrionale, derivante dalle interazioni tra aerosol, nubi e la risposta delle nubi stesse. Tuttavia, le specificità della simulazione delle nubi polari in CESM2 (DeRepentigny et al., 2022; Zhu et al., 2022; Davis & Medeiros, 2024; England & Feldl, 2024) e risultati contrastanti ottenuti con un diverso modello climatico (Zhong et al., 2024) evidenziano la necessità di ulteriori esperimenti con un’ampia gamma di modelli per chiarire il ruolo degli incendi di biomassa nelle tendenze osservate del ghiaccio marino artico.

Guardando al futuro, le conoscenze acquisite da questo studio offrono diverse opportunità per avanzare la comprensione del cambiamento climatico artico. In primo luogo, se la variabilità climatica interna è un fattore determinante, essa potrebbe rappresentare una fonte di prevedibilità per le future evoluzioni del clima artico, come suggerito da Yeager et al. (2015). La capacità di identificare pattern di variabilità interna potrebbe migliorare le proiezioni a medio termine, fornendo informazioni cruciali per la gestione degli ecosistemi e delle comunità artiche. In secondo luogo, il periodo di rallentamento rappresenta un’opportunità unica per valutare i modelli climatici attraverso un test fuori campione, simile a quanto fatto per i periodi iniziale e intermedio del XX secolo (Flynn et al., 2023; Bianco et al., 2024; Chen & Dai, 2024). Questo approccio potrebbe aiutare a identificare carenze sistematiche nei modelli e a migliorare la loro affidabilità.

Complessivamente, questo studio invita a un atteggiamento di prudenza nelle previsioni climatiche su scale temporali pluridecennali, specialmente in regioni caratterizzate da elevata variabilità come l’Artico. Ripercorrendo il contesto del 2007 o del 2012, anni segnati da perdite record di ghiaccio marino e da critiche sulla capacità dei modelli di riprodurre tali dinamiche rapide (Stroeve et al., 2007), sarebbe stato estremamente audace prevedere l’imminenza di un rallentamento prolungato. Tuttavia, come dimostrato dai nostri risultati e confermato da studi precedenti (Kay et al., 2011; Swart et al., 2015; R. Zhang, 2015), tale fenomeno è pienamente coerente con le simulazioni dei modelli climatici. Questo sottolinea l’importanza di integrare la variabilità interna nelle analisi climatiche e di mantenere un approccio scientifico rigoroso e umile di fronte alla complessità del sistema climatico globale.

Analisi Dettagliata della Figura 3: Tendenze Forzate e Variabilità Climatica nella Perdita di Ghiaccio Marino Artico

La Figura 3 rappresenta un’analisi sofisticata e multidimensionale delle tendenze nella perdita di ghiaccio marino di settembre nell’Artico, basata su un confronto tra simulazioni di modelli climatici e dati osservativi. Questa figura, che si colloca nel contesto dello studio sul rallentamento della perdita di ghiaccio marino artico, mira a distinguere il ruolo delle forzanti antropogeniche da quello della variabilità climatica interna, offrendo un quadro chiaro delle dinamiche in gioco attraverso una rappresentazione grafica bidimensionale. Di seguito, esploreremo in dettaglio gli elementi della figura, il significato dei dati e le implicazioni scientifiche per la comprensione del cambiamento climatico artico.

Struttura della Figura e Definizione degli Assi

La Figura 3 è uno scatter plot che mette in relazione due parametri chiave per ciascuna combinazione di modello climatico e scenario di emissione:

• Asse orizzontale (x): Questo asse riporta la tendenza media dell’ensemble (ensemble mean trend) della perdita di ghiaccio marino di settembre per il periodo 2005-2024, espressa in 10^6 \, \text{km}^2 per decennio. I valori negativi indicano una diminuzione dell’area di ghiaccio marino (perdita di ghiaccio), mentre valori positivi indicano un aumento. La scala sull’asse orizzontale varia da -1,50 a +0,25 10^6 \, \text{km}^2/\text{decennio}, riflettendo un intervallo che copre sia perdite significative che variazioni minime o incrementi dell’area di ghiaccio.
• Asse verticale (y): Questo asse rappresenta il rapporto tra la tendenza media dell’ensemble della perdita di ghiaccio marino di settembre per il periodo 2005-2024 e quella del periodo precedente, 1986-2005. Un rapporto pari a 1,0 (indicato da una linea tratteggiata nera orizzontale) implica che il ritmo della perdita di ghiaccio è rimasto costante tra i due periodi. Valori superiori a 1,0 indicano un’accelerazione della perdita di ghiaccio nel periodo più recente, mentre valori inferiori a 1,0 segnalano una decelerazione. La scala verticale va da 0,25 a 2,00, coprendo un’ampia gamma di possibili variazioni nel ritmo di perdita.

Componenti Grafici e Legenda

La figura include diversi elementi che facilitano l’interpretazione dei dati:

• Punti colorati e simboli: Ogni punto rappresenta una combinazione specifica di modello climatico e scenario di emissione. La legenda a destra elenca i modelli (ad esempio, CanESM2, CESM1-CAM5, GFDL-CM3, ecc.) e gli scenari (RCP 2.6, RCP 4.5, RCP 8.5, SSP1-1.9, SSP3-7.0, ecc.), utilizzando colori per distinguere i modelli e simboli per indicare gli scenari. Ad esempio, un triangolo blu rappresenta CanESM2 nello scenario RCP 8.5, mentre un cerchio rosso indica GFDL-ESM2M nello scenario SSP3-7.0. Questa codifica consente di confrontare rapidamente le prestazioni di diversi modelli e scenari.
• Linee grigie verticali: Queste linee rappresentano le tendenze osservate della perdita di ghiaccio marino di settembre per il periodo 2005-2024, basate su due dataset osservativi distinti:
  • La linea tratteggiata grigia corrisponde al dataset NSIDC (National Snow and Ice Data Center).
  • La linea continua grigia si riferisce al dataset OSISAF (Ocean and Sea Ice Satellite Application Facility). Entrambe le linee si posizionano intorno a -0,25 10^6 \, \text{km}^2/\text{decennio}, indicando una perdita di ghiaccio osservata relativamente modesta nel periodo in esame.
• Linee grigie orizzontali: Queste linee mostrano il rapporto delle tendenze osservate tra i periodi 2005-2024 e 1986-2005, sempre per i dataset NSIDC (tratteggiata) e OSISAF (continua). Il rapporto si colloca intorno a 0,5, ben al di sotto del valore 1,0, evidenziando un rallentamento significativo della perdita di ghiaccio marino nel periodo più recente rispetto al periodo precedente.

Analisi dei Risultati

La distribuzione dei punti nella figura permette di trarre conclusioni significative sul ruolo delle forzanti antropogeniche e della variabilità climatica interna:

1. Tendenze Forzate nel Periodo 2005-2024 (Asse Orizzontale):
   • La maggior parte dei punti si trova a sinistra delle linee grigie verticali (NSIDC e OSISAF), con valori che variano tra -1,50 e -0,25 10^6 \, \text{km}^2/\text{decennio}. Questo indica che, nella maggior parte delle simulazioni, i modelli climatici prevedono una perdita di ghiaccio marino forzata (determinata principalmente da forzanti antropogeniche come le emissioni di gas serra) più rapida rispetto a quella effettivamente osservata. In altre parole, i modelli tendono a sovrastimare la perdita di ghiaccio rispetto ai dati reali.
   • Solo due combinazioni modello/scenario si posizionano vicino alle linee grigie: GFDL-ESM2M nello scenario RCP8.5 (rappresentato da un triangolo rosso) e CESM2 nello scenario SSP3-7.0 (rappresentato da un cerchio rosso). Questo suggerisce che, in questi casi specifici, la tendenza forzata simulata dai modelli è molto vicina alla perdita di ghiaccio osservata, indicando un ruolo dominante delle forzanti antropogeniche e un contributo minimo della variabilità interna.
2. Rapporto delle Tendenze 2005-2024 : 1986-2005 (Asse Verticale):
   • I punti sono distribuiti sia sopra che sotto la linea tratteggiata nera di 1,0, evidenziando una divisione quasi equa tra i modelli. Circa la metà dei modelli/scenari mostra un rapporto superiore a 1,0, indicando un’accelerazione della perdita di ghiaccio nel periodo 2005-2024 rispetto al 1986-2005, mentre l’altra metà presenta un rapporto inferiore a 1,0, suggerendo una decelerazione.
   • Le osservazioni (rappresentate dalle linee grigie orizzontali) mostrano un rapporto inferiore a 1,0, intorno a 0,5, il che conferma che la perdita di ghiaccio marino osservata si è rallentata significativamente nel periodo più recente rispetto al periodo 1986-2005. Questo rallentamento osservato non è pienamente replicato dalla maggior parte dei modelli, suggerendo che fattori non catturati dalle forzanti antropogeniche, come la variabilità interna, abbiano avuto un ruolo determinante.
3. Ruolo della Variabilità Climatica Interna:
   • Il fatto che oltre l’85% dei modelli preveda una perdita di ghiaccio marino più rapida rispetto alle osservazioni (punti a sinistra delle linee grigie verticali) implica che la variabilità climatica interna abbia agito come un fattore mitigante, riducendo il ritmo della perdita di ghiaccio rispetto a quanto atteso dalle sole forzanti antropogeniche. Questo effetto della variabilità interna è cruciale per spiegare il divario tra le simulazioni e le osservazioni.
   • La distribuzione dei punti sull’asse verticale rivela che i modelli non concordano sull’evoluzione della risposta forzata nel tempo. Alcuni modelli indicano una decelerazione della tendenza forzata (rapporti < 1,0), mentre altri suggeriscono un’accelerazione (rapporti > 1,0). Questa variabilità nei risultati modellistici sottolinea l’incertezza nel determinare se il rallentamento osservato sia attribuibile a un cambiamento nella risposta forzata o principalmente alla variabilità interna.

Implicazioni Scientifiche

La Figura 3 fornisce un’importante evidenza del ruolo della variabilità climatica interna nel modulare la perdita di ghiaccio marino artico, un fenomeno che non può essere spiegato esclusivamente attraverso le forzanti antropogeniche. Il fatto che la maggior parte dei modelli sovrastimi la perdita di ghiaccio rispetto alle osservazioni evidenzia la necessità di migliorare la rappresentazione della variabilità interna nei modelli climatici, che potrebbe includere fluttuazioni naturali nei pattern atmosferici e oceanici, come l’Oscillazione Artica o variazioni nella circolazione termoalina.

Le due combinazioni modello/scenario (GFDL-ESM2M RCP8.5 e CESM2 SSP3-7.0) che si avvicinano alle osservazioni rappresentano un’eccezione interessante. In questi casi, la tendenza forzata simulata è simile a quella osservata, suggerendo che le forzanti antropogeniche potrebbero aver avuto un ruolo dominante nel rallentamento della perdita di ghiaccio. Tuttavia, la loro posizione di outlier rispetto alla maggior parte delle altre simulazioni indica che tali risultati potrebbero essere specifici delle caratteristiche di questi modelli o scenari, e non necessariamente rappresentativi del sistema climatico reale.

Un aspetto critico evidenziato dalla figura è che le tendenze osservate non riflettono necessariamente la risposta forzata del sistema climatico reale, ma piuttosto una combinazione di forzanti antropogeniche e una specifica realizzazione della variabilità interna. Questo sottolinea la complessità delle dinamiche climatiche nell’Artico, una regione nota per la sua elevata variabilità, e la difficoltà di separare i contributi delle forzanti esterne da quelli delle fluttuazioni interne.

Conclusioni e Prospettive

La Figura 3 offre un contributo significativo alla comprensione delle recenti dinamiche del ghiaccio marino artico, evidenziando che il rallentamento osservato nella perdita di ghiaccio è probabilmente il risultato di un’interazione tra forzanti antropogeniche e variabilità climatica interna. Questi risultati hanno implicazioni importanti per la modellizzazione climatica e la previsione futura. Per migliorare l’accuratezza delle proiezioni, è essenziale affinare la rappresentazione della variabilità interna nei modelli climatici e condurre ulteriori studi per quantificare il contributo di fattori naturali rispetto a quelli antropogenici. Inoltre, la figura sottolinea l’importanza di integrare dati osservativi e simulazioni modellistiche per ottenere una visione più completa delle complesse dinamiche del sistema climatico artico, un elemento cruciale per affrontare le sfide del cambiamento climatico in questa regione sensibile.

Un Fenomeno Sorprendente ma Prevedibile: La Pausa Pluri-Decennale nella Perdita di Ghiaccio Marino Artico e le Sue Implicazioni Climatiche

Un Rallentamento Inaspettato ma Atteso: Dinamiche Pluri-Decennali nella Riduzione della Copertura di Ghiaccio Marino Artico

M. R. England¹, L. M. Polvani²,³, J. Screen¹ e A. C. Chan¹
¹Dipartimento di Matematica e Statistica, Università di Exeter, Exeter, Regno Unito
²Lamont-Doherty Earth Observatory, Columbia University, New York, NY, Stati Uniti
³Dipartimento di Fisica Applicata e Matematica Applicata, Columbia University, New York, NY, Stati Uniti

Il cambiamento climatico ha trasformato l’Artico in una delle regioni più sensibili e dinamiche del pianeta, con la perdita di ghiaccio marino che rappresenta uno degli indicatori più evidenti del riscaldamento globale. Tuttavia, un fenomeno recente ha catturato l’attenzione della comunità scientifica: negli ultimi due decenni, la perdita di ghiaccio marino artico ha subito un rallentamento significativo, un evento che, a prima vista, potrebbe sembrare sorprendente in un contesto di aumento delle temperature globali. Questo studio, condotto da un team interdisciplinare di ricercatori provenienti dall’Università di Exeter e dalla Columbia University, esplora questa pausa pluri-decennale, analizzandone le cause e le implicazioni attraverso un approccio integrato che combina osservazioni e simulazioni modellistiche.

Punti Chiave dello Studio:

• Un Rallentamento Marcato e Generalizzato nella Perdita di Ghiaccio Marino: Le analisi condotte evidenziano che, negli ultimi vent’anni, la riduzione della copertura di ghiaccio marino artico ha subito una decelerazione pronunciata, un fenomeno che si manifesta in modo consistente durante tutti i mesi dell’anno. Questo rallentamento contrasta con le aspettative di una perdita accelerata di ghiaccio, considerando l’aumento record delle temperature globali nello stesso periodo. Tale osservazione solleva interrogativi cruciali sull’interazione tra forzanti antropogeniche e dinamiche climatiche naturali nell’Artico.
• Un Fenomeno Prevedibile nei Modelli Climatici: Contrariamente a quanto si potrebbe pensare, questa pausa non rappresenta un evento eccezionale o inaspettato. I modelli climatici globali più avanzati, come quelli inclusi negli archivi CMIP5 e CMIP6, simulano tali rallentamenti con una frequenza relativamente elevata, stimata intorno al 20% delle simulazioni in scenari ad alte emissioni. Questo suggerisce che il rallentamento osservato è una manifestazione attesa della variabilità interna del sistema climatico, anche in presenza di forzanti antropogeniche significative. I modelli, quindi, confermano che tali pause possono emergere naturalmente come parte delle fluttuazioni climatiche a scala decennale, nonostante la tendenza di lungo termine verso una perdita di ghiaccio.
• Prospettive Future: Una Pausa che Potrebbe Protrarsi: Basandosi sulle simulazioni dei modelli climatici, il rallentamento nella perdita di ghiaccio marino artico potrebbe non essere un fenomeno transitorio. I risultati indicano che, se le dinamiche simulate riflettono accuratamente i processi climatici reali, questa pausa potrebbe plausibilmente continuare per un ulteriore periodo compreso tra 5 e 10 anni. Questa previsione, sebbene soggetta a incertezze, sottolinea l’importanza della variabilità climatica interna nel modulare le tendenze a medio termine e suggerisce che le proiezioni a lungo termine della perdita di ghiaccio marino debbano tenere conto di tali fluttuazioni naturali.

Implicazioni Scientifiche e Prospettive:
Questo studio evidenzia la complessità delle dinamiche climatiche nell’Artico, una regione caratterizzata da una variabilità intrinseca elevata, dove fattori antropogenici e naturali si intrecciano in modo non lineare. Il rallentamento della perdita di ghiaccio marino, pur apparendo sorprendente in un contesto di riscaldamento globale, si rivela un fenomeno coerente con le aspettative dei modelli climatici, che frequentemente simulano tali pause come parte della variabilità interna del sistema. Questi risultati hanno implicazioni significative per la modellizzazione climatica e la previsione del cambiamento climatico nell’Artico: da un lato, sottolineano la necessità di migliorare la rappresentazione della variabilità interna nei modelli climatici; dall’altro, suggeriscono che le pause pluri-decennali nella perdita di ghiaccio potrebbero offrire finestre temporali per studiare i processi climatici e testare la robustezza delle proiezioni modellistiche.

Inoltre, la possibilità che questa pausa si prolunghi per un ulteriore periodo di 5-10 anni offre un’opportunità unica per approfondire la comprensione delle interazioni tra forzanti antropogeniche, come le emissioni di gas serra, e i processi naturali, come le oscillazioni atmosferiche e oceaniche. Questo periodo di rallentamento potrebbe essere sfruttato per migliorare le strategie di adattamento e mitigazione nelle regioni artiche, dove il cambiamento climatico ha già impatti significativi sugli ecosistemi, le comunità locali e le attività economiche. In definitiva, questo studio invita a un approccio più cauto e integrato nella previsione delle dinamiche climatiche artiche, riconoscendo che anche in un contesto di riscaldamento globale, la variabilità interna del sistema climatico può generare fenomeni complessi e, in apparenza, controintuitivi.

Analisi Approfondita della Pausa nella Perdita di Ghiaccio Marino Artico: Evidenze Modellistiche e Implicazioni Climatiche

Abstract: Dinamiche Pluri-Decennali e Variabilità Climatica nella Perdita di Ghiaccio Marino Artico

Negli ultimi due decenni, la perdita di ghiaccio marino nell’Artico ha subito un rallentamento significativo e statisticamente rilevante, con un’assenza di declino significativo nell’area di ghiaccio marino di settembre a partire dal 2005. Questo fenomeno, che potrebbe apparire inaspettato in un contesto di riscaldamento globale accelerato, si dimostra robusto e consistente attraverso un’ampia gamma di set di dati osservativi, metriche di analisi e stagioni, indicando che non è un artefatto di specifiche metodologie, ma una caratteristica intrinseca delle recenti dinamiche climatiche artiche. Per comprendere meglio questo rallentamento, sono state analizzate simulazioni di large-ensemble tratte dagli archivi CMIP5 e CMIP6, che rappresentano lo stato dell’arte nella modellizzazione climatica globale. I risultati di queste simulazioni rivelano che periodi senza un declino significativo del ghiaccio marino, anche in presenza di un continuo aumento delle emissioni di gas serra, non sono un evento raro o anomalo, ma si verificano con una frequenza relativamente elevata, stimata intorno al 20% delle simulazioni in scenari ad alte emissioni.

Un’analisi dettagliata dei membri dell’ensemble che replicano situazioni analoghe alla pausa osservata suggerisce che questo rallentamento potrebbe non essere un fenomeno transitorio. Le simulazioni indicano, infatti, che la pausa attuale nella perdita di ghiaccio marino artico potrebbe plausibilmente protrarsi per un ulteriore periodo compreso tra cinque e dieci anni, a seconda delle dinamiche climatiche interne e delle forzanti esterne. Le evidenze modellistiche sottolineano il ruolo cruciale della variabilità climatica interna, che sembra aver compensato in modo significativo la perdita di ghiaccio marino indotta da forzanti antropogeniche, come l’aumento delle concentrazioni di gas serra, negli ultimi decenni. Tuttavia, permane un’incertezza riguardo a possibili contributi derivanti da cambiamenti nella risposta forzata, ossia l’effetto diretto delle forzanti antropogeniche sul sistema climatico, che potrebbe aver subito variazioni non ancora pienamente comprese o rappresentate nei modelli. In sintesi, la pausa osservata nel declino del ghiaccio marino artico appare coerente con la variabilità interna simulata dai modelli climatici, che si sovrappone alla tendenza di lungo termine verso una perdita di ghiaccio, come indicato dalla maggior parte delle simulazioni analizzate.

Sintesi in Linguaggio Accessibile: Una Pausa Inaspettata ma Prevedibile nella Perdita di Ghiaccio Marino Artico

Negli ultimi 20 anni, il ritmo di perdita del ghiaccio marino artico è rallentato in modo considerevole, un fenomeno che potrebbe sorprendere considerando che le temperature globali hanno raggiunto livelli record nello stesso periodo. Per comprendere meglio questo rallentamento, i ricercatori hanno utilizzato modelli climatici avanzati, noti come CMIP5 e CMIP6, che simulano l’evoluzione del clima terrestre in diverse condizioni di emissione di gas serra. Queste simulazioni dimostrano che pause nella perdita di ghiaccio marino, anche su scale temporali pluridecennali, non sono eventi eccezionali, ma possono verificarsi con una certa regolarità, persino in scenari in cui le emissioni di gas serra continuano ad aumentare. Questo suggerisce che il rallentamento attuale non è un’anomalia, ma un fenomeno atteso all’interno della variabilità naturale del sistema climatico.

Analizzando i risultati dei modelli che replicano situazioni simili al rallentamento osservato, emerge che questa pausa potrebbe non essere temporanea: potrebbe, infatti, protrarsi per altri cinque o dieci anni, a seconda delle condizioni climatiche future. Le simulazioni indicano che gran parte di questo rallentamento è dovuto a variazioni naturali del clima, che hanno agito per mitigare la perdita di ghiaccio marino che ci si aspetterebbe a causa dell’attività umana, come le emissioni di gas serra. Tuttavia, non è ancora del tutto chiaro se anche cambiamenti nell’influenza umana sul clima, noti come “risposta forzata”, abbiano contribuito a questo fenomeno. Ad esempio, fattori come l’aumento degli incendi nelle foreste boreali, non sempre inclusi nei modelli, potrebbero aver avuto un ruolo.

In conclusione, anche se può sembrare sorprendente che la perdita di ghiaccio marino artico sia rallentata mentre il pianeta si riscalda, i modelli climatici suggeriscono che periodi di pausa come questo non sono rari e possono verificarsi con una certa frequenza. Questo evidenzia la complessità del sistema climatico artico, dove fattori naturali e antropogenici interagiscono in modi che non sempre seguono una traiettoria lineare. Questi risultati non solo migliorano la nostra comprensione delle dinamiche climatiche nell’Artico, ma sottolineano anche l’importanza di considerare la variabilità interna nelle proiezioni future, specialmente in una regione così cruciale per il clima globale.

1 Introduzione: Contesto e Dinamiche della Perdita di Ghiaccio Marino Artico nell’Era del Cambiamento Climatico

La riduzione della copertura di ghiaccio marino artico negli ultimi cinquant’anni si configura come uno dei segnali più chiari e inequivocabili del cambiamento climatico indotto dall’attività antropogenica, un fenomeno ampiamente documentato in letteratura scientifica (IPCC, 2021; Copernicus, 2024). Dall’inizio dell’era satellitare, nel 1979, l’area di ghiaccio marino di settembre – un indicatore chiave dello stato del ghiaccio artico – si è ridotta di quasi il 50% (Fetterer et al., 2017; Stroeve & Notz, 2018). Parallelamente, il volume totale del ghiaccio marino artico è diminuito drasticamente, con stime che indicano una perdita superiore a 10.000 km³ nello stesso periodo (Kwok, 2018). Questo declino è stato particolarmente evidente durante i minimi estivi record registrati nel 2007 (Stroeve et al., 2011) e nel 2012 (Parkinson & Comiso, 2013; J. Zhang et al., 2013), eventi che hanno alimentato previsioni, in retrospettiva considerate eccessivamente allarmistiche, secondo cui l’Artico avrebbe potuto sperimentare la sua prima estate completamente priva di ghiaccio entro il 2020 (Maslowski et al., 2012; Wadhams, 2016).

A questo drammatico declino si aggiunge un contesto di riscaldamento regionale accelerato: l’Artico si sta riscaldando a un ritmo fino a quattro volte superiore rispetto alla media globale, un fenomeno noto come amplificazione artica (Rantanen et al., 2022). Contemporaneamente, evidenze recenti suggeriscono che il riscaldamento globale stesso potrebbe essere in fase di accelerazione, culminando in temperature record negli ultimi anni (Samset et al., 2023; Hansen et al., 2025; Merchant et al., 2025). La stretta correlazione tra la copertura di ghiaccio marino artico e le temperature globali, ben documentata in letteratura (Notz & Stroeve, 2016), porterebbe a ipotizzare una continua e rapida perdita di ghiaccio in un contesto di riscaldamento globale intensificato. Tuttavia, contrariamente a queste aspettative, i dati degli ultimi due decenni rivelano un fenomeno sorprendente: un rallentamento pluri-decennale nella perdita di ghiaccio marino artico, che analizzeremo in dettaglio nelle sezioni successive.

Per comprendere il significato di questa pausa, è utile contestualizzarla rispetto alla storia climatica del XX secolo. Periodi di aumento delle emissioni antropogeniche di gas serra senza una perdita sostenuta di ghiaccio marino non sono senza precedenti. Ad esempio, nella metà del XX secolo, tra gli anni ‘40 e gli anni ‘70, si è osservato un’espansione della copertura di ghiaccio marino artico (Walsh et al., 2017; Gagné et al., 2017), con incrementi particolarmente pronunciati nei mari di Chukchi, Siberia Orientale, Laptev, Kara e Barents. Questo aumento è stato attribuito, in parte, alle forzanti antropogeniche dell’epoca, che differivano significativamente da quelle attuali. Durante quel periodo, le elevate emissioni di aerosol industriali da Europa e Nord America hanno avuto un ruolo determinante, contribuendo a una tendenza pluri-decennale positiva dell’area di ghiaccio marino e a un raffreddamento regionale dell’Artico (Fyfe et al., 2013; Nafaji et al., 2015; Gagné et al., 2017; England et al., 2021). Gli aerosol, riflettendo la radiazione solare e modificando le proprietà delle nubi, hanno esercitato un effetto di raffreddamento che ha temporaneamente contrastato l’impatto delle emissioni di gas serra.

Tuttavia, il contesto delle forzanti antropogeniche negli ultimi due decenni è radicalmente cambiato. Le emissioni di aerosol da fonti industriali in Europa e Nord America sono oggi notevolmente ridotte, grazie a normative ambientali più stringenti e a una transizione verso tecnologie più pulite (Szopa et al., 2013; Lund et al., 2019). Nel contempo, un altro fattore legato agli aerosol è emerso come rilevante nel recente passato: la graduale eliminazione delle emissioni di aerosol associate alle scie delle navi, in particolare quelle di zolfo, a seguito di regolamentazioni internazionali come quelle dell’Organizzazione Marittima Internazionale (IMO) introdotte nel 2020. Questo cambiamento ha potenzialmente contribuito a un’accelerazione del riscaldamento globale negli ultimi anni (Manshausen et al., 2022; Yoshioka et al., 2024). In particolare, Yoshioka et al. (2024) hanno evidenziato che la risposta di riscaldamento simulata alla riduzione delle emissioni di zolfo è particolarmente pronunciata nell’Artico, dove l’effetto di riduzione dell’albedo dovuto alla perdita di aerosol riflettenti può amplificare il riscaldamento regionale.

Questo scenario contemporaneo, caratterizzato da un aumento delle temperature globali e da un riscaldamento artico accelerato, rende il rallentamento osservato nella perdita di ghiaccio marino ancora più intrigante. Le dinamiche del passato, come quelle della metà del XX secolo, non possono essere considerate una guida diretta per interpretare le tendenze attuali, data la diversa composizione delle forzanti antropogeniche e l’evoluzione del sistema climatico globale. Di conseguenza, il rallentamento pluri-decennale nella perdita di ghiaccio marino artico negli ultimi due decenni richiede un’analisi approfondita, che tenga conto sia delle forzanti antropogeniche che della variabilità climatica interna, per comprendere appieno i fattori che ne sono alla base e le loro implicazioni per il futuro del clima artico.

La tendenza osservata nella copertura di ghiaccio marino artico in un dato periodo temporale risulta dalla combinazione di due componenti principali: una risposta forzata, attribuibile alle emissioni antropogeniche, e fluttuazioni non forzate derivanti dalla variabilità climatica interna (England et al., 2019; England, 2021; Dörr et al., 2023; Shen et al., 2024). La risposta forzata include quei cambiamenti indotti da attività umane che possono aver contribuito a modulare la perdita di ghiaccio marino artico negli ultimi due decenni. Tra questi, si annoverano un rallentamento forzato della Circolazione Meridionale Atlantica (Atlantic Meridional Overturning Circulation, AMOC), che potrebbe aver ridotto il trasporto di calore verso l’Artico (Lee & Liu, 2023), e variazioni nelle emissioni derivanti dalla combustione di biomassa, sia in termini di intensità complessiva (Blanchard-Wrigglesworth et al., 2025) che di variabilità temporale (DeRepentigny et al., 2022). Questi fattori suggeriscono un possibile ruolo delle forzanti antropogeniche nel rallentamento della perdita di ghiaccio. Tuttavia, la recente riduzione delle emissioni di zolfo associate alle scie delle navi, un cambiamento introdotto da normative globali a partire dal 2020, potrebbe aver avuto un effetto opposto, contribuendo a un’accelerazione della perdita di ghiaccio marino attraverso un aumento del riscaldamento regionale nell’Artico (Yoshioka et al., 2024). Questo effetto è dovuto alla diminuzione dell’albedo associata alla riduzione degli aerosol riflettenti, che amplifica l’assorbimento di radiazione solare.

Parallelamente, la variabilità climatica interna, che opera su scale temporali pluridecennali, esercita un’influenza significativa sul ghiaccio marino artico. Modelli climatici come l’Oscillazione Multidecennale Atlantica (AMO) (Kerr, 2000; Deser & Phillips, 2021) e l’Oscillazione Decadale del Pacifico (PDO) (Mantua & Hare, 2002) sono noti per lasciare un’impronta rilevante sulle dinamiche del ghiaccio marino. Ad esempio, fluttuazioni climatiche originate nel settore del Pacifico (Ding et al., 2018; Baxter et al., 2019) o nel settore atlantico (Meehl et al., 2018) sono state identificate come fattori chiave che hanno contribuito alla rapida perdita di ghiaccio marino negli anni 2000 (England et al., 2019). Studi recenti, utilizzando approcci metodologici diversi – tra cui il metodo di rilevamento ottimale standard (Shen et al., 2024), tecniche di apprendimento automatico (Siew et al., 2024) e l’analisi delle componenti a bassa frequenza (Dörr et al., 2023) – hanno concluso che la variabilità climatica interna ha avuto un ruolo almeno pari, se non superiore, a quello delle forzanti antropogeniche nel determinare il forte declino del ghiaccio marino in quel periodo. È importante sottolineare che la variabilità interna può sia amplificare che attenuare le tendenze di perdita di ghiaccio. Un esempio emblematico è rappresentato dal lavoro di Yeager et al. (2015), che hanno previsto con successo un rallentamento della perdita di ghiaccio marino nel settore atlantico durante l’inverno nell’ultimo decennio, basandosi sulla prevedibilità derivante dalle condizioni oceaniche legate all’Oscillazione Nord Atlantica (NAO).

Le simulazioni dei modelli climatici hanno ulteriormente evidenziato che la variabilità climatica interna può, in alcuni casi, contrastare completamente la perdita forzata di ghiaccio marino artico, portando a periodi di crescita simulata del ghiaccio marino anche in presenza di un aumento delle emissioni antropogeniche. Uno studio pionieristico di Kay et al. (2011) ha dimostrato, utilizzando un singolo modello climatico, che tendenze positive nell’estensione del ghiaccio marino artico su scale temporali pluridecennali erano possibili fino alla metà del XXI secolo. In un ensemble limitato di sei membri, due di essi hanno mostrato tendenze statisticamente insignificanti nell’area di ghiaccio di settembre per il periodo 1979-2005, a causa di una cancellazione tra la risposta forzata e la variabilità climatica interna. Successivamente, Swart et al. (2015), motivati dalla breve pausa osservata nella perdita di ghiaccio marino di settembre tra il 2007 e il 2013, hanno analizzato l’archivio CMIP5, dimostrando che pause di sette anni erano un fenomeno frequente nelle simulazioni dei modelli. Questo studio ha concluso che tali episodi rappresentano una caratteristica attesa della traiettoria del ghiaccio marino artico, anche in scenari ad alte emissioni, e che pause su scale temporali pluridecennali rimangono plausibili e relativamente frequenti nel corso del XXI secolo, soprattutto in scenari a emissioni medie o basse. Con il senno di poi, dal punto di vista del 2025, gli studi di Kay et al. (2011) e Swart et al. (2015) appaiono straordinariamente lungimiranti nel prevedere la possibilità di un rallentamento prolungato nella perdita di ghiaccio marino artico, un fenomeno che si è effettivamente verificato negli ultimi due decenni.

In questo contesto, il presente studio si propone di documentare in modo sistematico la recente pausa pluri-decennale osservata nella perdita di ghiaccio marino artico, analizzandone le caratteristiche e le cause attraverso un approccio integrato che combina osservazioni e simulazioni modellistiche. In particolare, ci concentriamo su quattro domande fondamentali per comprendere questo fenomeno:

1. Qual è l’estensione e la robustezza di questa pausa nella perdita di ghiaccio marino artico, considerando diverse metriche, stagioni e set di dati osservativi?
2. I modelli climatici completi, come quelli di CMIP5 e CMIP6, sono in grado di riprodurre questo fenomeno osservato, e, in caso affermativo, con quale probabilità lo simulano?
3. Per quanto tempo potrebbe plausibilmente protrarsi questa pausa, secondo le proiezioni dei modelli climatici?
4. Qual è il ruolo relativo delle forzanti antropogeniche rispetto alla variabilità climatica interna nel determinare il rallentamento del tasso di perdita di ghiaccio marino?

Queste domande mirano a fornire una comprensione più profonda delle dinamiche che regolano il ghiaccio marino artico, un elemento cruciale del sistema climatico globale, e a migliorare la nostra capacità di prevedere le evoluzioni future in una regione che svolge un ruolo chiave nell’amplificazione del cambiamento climatico.

2 Dati e Metodi: Strategie Avanzate per l’Analisi delle Dinamiche del Ghiaccio Marino Artico

L’analisi dell’evoluzione della copertura di ghiaccio marino artico richiede un approccio metodologico robusto e l’integrazione di dati osservativi e simulazioni modellistiche. Per questo studio, abbiamo fatto ricorso a due indici di riferimento per monitorare l’area e l’estensione del ghiaccio marino artico: l’indice NSIDC (National Snow and Ice Data Center), descritto da Fetterer et al. (2017), e l’indice OSISAF (Ocean and Sea Ice Satellite Application Facility), aggiornato al 2023 con il prodotto OSI-420. Entrambi gli indici forniscono registrazioni di dati satellitari continuamente aggiornate, coprendo un arco temporale che va dal 1979 fino ai giorni nostri. Questi dataset rappresentano una risorsa fondamentale per analizzare le variazioni a lungo termine del ghiaccio marino artico, sebbene presentino differenze sistematiche nello stato medio, come evidenziato da Meier & Stewart (2019). Tuttavia, le variazioni interannuali e le tendenze pluridecennali rilevate dai due prodotti mostrano una forte coerenza, come illustrato nelle Figure 1a, 1b e nella figura supplementare S1, confermando l’affidabilità di entrambi i dataset per lo studio delle dinamiche del ghiaccio marino. Per approfondire i cambiamenti nel volume del ghiaccio marino artico, abbiamo utilizzato il prodotto Pan-Arctic Ice Ocean Modeling and Assimilation System (PIOMAS), descritto da Schweiger et al. (2011), che integra dati osservativi e modellistici per fornire stime del volume di ghiaccio su scala pan-artica.

Per esplorare la frequenza e la durata delle pause nella perdita di ghiaccio marino artico, abbiamo analizzato un ampio set di simulazioni di large-ensemble tratte dagli archivi CMIP5 e CMIP6, che rappresentano lo stato dell’arte nella modellizzazione climatica globale. Abbiamo selezionato tutti i modelli con almeno dieci membri per garantire una rappresentatività statistica adeguata, come dettagliato nella Tabella S1. Per quanto riguarda i modelli CMIP5, abbiamo utilizzato le simulazioni storiche, che coprono il periodo fino al 2005, seguite dalle simulazioni ScenarioMIP basate su una gamma di Percorsi di Concentrazione Rappresentativi (RCP), che descrivono diversi scenari di emissione futuri. Per i modelli CMIP6, abbiamo impiegato simulazioni storiche fino al 2014, integrate successivamente dalle simulazioni ScenarioMIP basate sui Percorsi Socioeconomici Condivisi (SSP), che tengono conto di diverse traiettorie socioeconomiche e di emissione.

L’approccio metodologico principale per analizzare i cambiamenti simulati nella copertura di ghiaccio marino artico si basa sul calcolo della tendenza lineare per il periodo di venti anni compreso tra il 2005 e il 2024, applicato a ciascun membro individuale disponibile per ogni modello. Questa scelta è motivata dalle osservazioni di cambiamenti reali nel ghiaccio marino, come discusso nella Sezione 3.1. Questo metodo ci ha permesso di ottenere un intervallo di membri che varia da 10 a 100 per ciascun modello e scenario, consentendo di esaminare la dispersione delle tendenze simulate e di valutare la variabilità interna all’interno di ciascun ensemble. Per verificare la robustezza dei risultati su un campione temporale più ampio, abbiamo esteso il periodo di analisi di dieci anni su entrambi i lati, coprendo quindi il periodo 1995-2034, o un intervallo più breve qualora la media dell’ensemble indicasse condizioni prive di ghiaccio prima del 2035. In questo contesto, abbiamo calcolato tutte le possibili tendenze di 20 anni all’interno di questo periodo allargato, un approccio che non ha alterato in modo significativo i risultati principali, confermando la solidità delle nostre conclusioni.

La definizione primaria di “rallentamento” adottata in questo studio è basata sulle tendenze osservate nell’area di ghiaccio marino di settembre per il periodo 2005-2024, specificamente tendenze maggiori di -0,29 milioni di km² per decennio. Per garantire che questa soglia osservata non influenzasse eccessivamente i risultati, abbiamo introdotto una definizione alternativa, che considera come “pausa” le tendenze non statisticamente significative al livello di confidenza del 95%. Questa seconda definizione fornisce informazioni complementari sul rapporto segnale-rumore, arricchendo l’analisi delle dinamiche del ghiaccio marino. È importante notare che entrambe le definizioni hanno prodotto risultati coerenti, rafforzando la validità delle nostre conclusioni.

Nel riportare le medie multi-modello, abbiamo adottato uno schema di ponderazione progettato per bilanciare il contributo di ciascun modello in base al numero di membri e scenari disponibili. I modelli con un numero maggiore di membri sono stati ponderati più pesantemente, poiché un campione più ampio offre una stima più robusta della probabilità di un rallentamento. Al contrario, i modelli con un numero maggiore di scenari sono stati ponderati al ribasso, in quanto i loro scenari non sono completamente indipendenti l’uno dall’altro, riflettendo variazioni dello stesso modello di base. Questo approccio garantisce che i modelli con più scenari siano trattati come se avessero un numero maggiore di membri all’interno di uno stesso scenario, evitando distorsioni nei risultati aggregati. Tuttavia, è opportuno sottolineare che questo schema di ponderazione non ha modificato in modo sostanziale le conclusioni rispetto a un’ipotesi in cui tutti i membri fossero stati ponderati in modo uniforme, come verificato in ulteriori analisi non riportate in dettaglio.

In sintesi, l’approccio metodologico adottato combina dati osservativi di alta qualità con simulazioni modellistiche avanzate, permettendo di analizzare in modo rigoroso le dinamiche del ghiaccio marino artico e di valutare la probabilità e la durata delle pause nella sua perdita. Questo framework integrato fornisce una base solida per rispondere alle domande scientifiche poste in questo studio, contribuendo a una comprensione più profonda delle interazioni tra forzanti antropogeniche e variabilità climatica interna nell’Artico.

3 Risultati: Evidenze di una Pausa Prolungata e Robusta nella Perdita di Ghiaccio Marino Artico

3.1 Un Rallentamento Sostenuto e Generalizzato nella Perdita di Ghiaccio Marino Artico: Analisi Osservativa e Implicazioni

L’analisi delle recenti tendenze nella copertura di ghiaccio marino artico rappresenta un punto di partenza fondamentale per comprendere le dinamiche climatiche di questa regione sensibile. In questa sezione, ci concentriamo in particolare sul minimo annuale del ghiaccio marino, che si verifica nel mese di settembre, un periodo cruciale per valutare lo stato del ghiaccio artico. Le tendenze dell’area di ghiaccio marino di settembre per il periodo 2005-2024, calcolate utilizzando due dataset indipendenti – l’indice NSIDC (National Snow and Ice Data Center) e l’indice OSISAF (Ocean and Sea Ice Satellite Application Facility) – mostrano valori rispettivamente di -0,30 e -0,29 milioni di km² per decennio (Figure 1a,b). Un elemento centrale di questa analisi, che merita di essere sottolineato, è che tali tendenze non risultano statisticamente significative al livello di confidenza del 95%, indicando che non si discostano in modo significativo da una tendenza nulla. Questo aspetto è ulteriormente avvalorato dalle Figure 1c,d, che rappresentano le tendenze su periodi di 20 anni in funzione dell’anno finale: si osserva come le tendenze che terminano nel 2024 rientrino all’interno dell’intervallo di incertezza statistica, suggerendo che la perdita di ghiaccio marino in questo periodo non è distinguibile da una condizione di stabilità.

Un dato particolarmente rilevante emerge dal record OSISAF, che evidenzia come la tendenza del periodo 2005-2024 rappresenti il tasso più lento di perdita di area di ghiaccio marino su qualsiasi finestra temporale di 20 anni dall’inizio delle registrazioni satellitari, iniziate nel 1979. Per entrambi i dataset, NSIDC e OSISAF, la tendenza osservata nel periodo 2005-2024 è circa quattro volte inferiore rispetto al picco massimo di perdita di ghiaccio marino registrato su un periodo di 20 anni, corrispondente agli anni 1993-2012. Questo risultato si dimostra altamente robusto, indipendentemente dalla metrica utilizzata per quantificare il ghiaccio marino, che si tratti dell’area o dell’estensione del ghiaccio, come illustrato nella Figura supplementare S1. Dal punto di vista geografico, il rallentamento nella perdita di ghiaccio marino di settembre si manifesta principalmente nei settori Pacifico ed Eurasiatico, con un’estensione che va dal Mare di Beaufort verso ovest fino al Mare di Barents, anche se i dettagli spaziali di questa distribuzione non sono riportati in questa sede.

Sebbene il mese di settembre sia di particolare interesse scientifico, essendo il momento del minimo annuale del ghiaccio marino, l’attuale pausa nella perdita di ghiaccio marino artico non si limita a questo periodo, ma si osserva in modo coerente in ogni singolo mese dell’anno, come mostrato nelle Figure 1e,f. Questo risultato implica che i meccanismi sottostanti a questa pausa devono essere in grado di spiegare non solo le tendenze estive, come quelle analizzate da R. Zhang (2015) e Francis & Wu (2020), o le tendenze invernali, studiate da Yeager et al. (2015), ma le variazioni del ghiaccio marino durante l’intero ciclo annuale. La generalizzazione di questo fenomeno a tutte le stagioni suggerisce che le cause di questa pausa siano di natura sistemica, probabilmente legate a processi climatici che operano su scale temporali e spaziali ampie, influenzando l’intero sistema artico.

Un quadro analogo di rallentamento significativo emerge anche quando si considera il volume del ghiaccio marino artico, un indicatore complementare all’area e all’estensione. Le analisi mostrano che la perdita di volume di ghiaccio marino si è praticamente arrestata negli ultimi quindici anni, come illustrato nella Figura supplementare S2. Per il periodo 2010-2024, il volume medio annuale simulato del ghiaccio marino artico presenta una tendenza quasi piatta, con una diminuzione di appena 0,4 milioni di km³ per decennio. Questo valore è sette volte inferiore rispetto alla perdita simulata a lungo termine per il periodo 1979-2024, che ammonta a 2,9 milioni di km³ per decennio, e non risulta statisticamente significativo al livello di confidenza del 95%. Questo rallentamento nel declino del volume è particolarmente evidente nel Mare di Barents, come riportato da Onarheim et al. (2024), ed è coerente con un’analisi recente che suggerisce un accumulo netto di volume di ghiaccio marino a partire dal 2007 (J. Zhang, 2021). Tale accumulo è attribuito a due fattori principali: una riduzione dell’esportazione di ghiaccio dall’Artico, che limita la perdita netta di massa, e un aumento dei tassi di crescita del ghiaccio più sottile, che tende a rigenerarsi più rapidamente rispetto al ghiaccio più spesso.

L’insieme di queste evidenze osservative fornisce una dimostrazione chiara e robusta di una pausa prolungata e generalizzata nella perdita di ghiaccio marino artico negli ultimi 15-20 anni. Questa pausa si manifesta in modo coerente indipendentemente dalla metrica utilizzata – area, estensione o volume del ghiaccio marino – dal prodotto osservativo scelto (NSIDC o OSISAF) e dalla stagione considerata, evidenziando la solidità del fenomeno. Di fronte a questa evidenza, sorge una domanda fondamentale: una pausa di questa natura è un evento inaspettato nel contesto del cambiamento climatico globale? Per rispondere a questa questione, è necessario passare dall’analisi osservativa a quella modellistica, esplorando se i modelli climatici completi siano in grado di riprodurre un fenomeno simile a quello osservato. In particolare, cerchiamo di determinare se tali pause siano eventi eccezionalmente rari o, al contrario, relativamente frequenti nelle simulazioni climatiche, e quali fattori – forzanti antropogeniche o variabilità interna – possano spiegare questa dinamica. Questo passaggio rappresenta il fulcro delle analisi successive, che mirano a collocare la pausa osservata in un contesto climatico più ampio e a comprenderne le implicazioni per il futuro del ghiaccio marino artico.

3 Risultati: Analisi delle Simulazioni Climatiche e Frequenza delle Pause nella Perdita di Ghiaccio Marino Artico

3.2 I Modelli Climatici Completi Evidenziano che Pause Pluri-Decennali nella Perdita di Ghiaccio Marino Artico Non Sono Rare

Un elemento cruciale per comprendere la recente pausa nella perdita di ghiaccio marino artico consiste nel determinare se i modelli climatici completi siano in grado di simulare un fenomeno di questa natura e, in caso affermativo, con quale frequenza tali pause si manifestino. Per rispondere a questa domanda, abbiamo condotto un’analisi approfondita delle simulazioni di large-ensemble disponibili negli archivi CMIP5 e CMIP6, che rappresentano lo stato dell’arte nella modellizzazione climatica globale. L’obiettivo è stato identificare i membri delle simulazioni che mostrano pause nella perdita di ghiaccio marino simili a quella osservata, con un focus particolare sull’area di ghiaccio marino di settembre nel periodo 2005-2024. I risultati ottenuti confermano e ampliano le conclusioni di studi precedenti (Kay et al., 2011; Swart et al., 2015; Lee & Liu, 2023), dimostrando che quasi tutti i modelli analizzati sono capaci di simulare riduzioni nell’area di ghiaccio marino di settembre inferiori a quelle effettivamente osservate nel periodo in esame. Questo suggerisce che la pausa osservata non sia un’anomalia, ma un fenomeno che può emergere naturalmente all’interno delle dinamiche simulate.

Le uniche eccezioni a questa tendenza sono rappresentate dai modelli UKESM1-0-LL e CanESM5-1, entrambi caratterizzati da un’elevata sensibilità climatica, come riportato da Meehl et al. (2020). In questi modelli, la perdita di ghiaccio marino forzata antropogenicamente, ossia quella indotta da fattori come l’aumento delle emissioni di gas serra, è così intensa da non consentire l’emergere di pause come quella osservata. La loro elevata sensibilità climatica porta a una risposta amplificata alle forzanti antropogeniche, con una perdita di ghiaccio marino che supera sistematicamente i valori osservati, rendendo improbabile la simulazione di periodi di stasi o rallentamento.

La Figura 2a presenta un’analisi quantitativa della percentuale di membri all’interno degli ensemble di CMIP5 e CMIP6 che mostrano una perdita di ghiaccio marino inferiore a quella osservata. Il risultato principale di questa analisi è che, considerando una media multi-modello, la probabilità di una pausa nella perdita di ghiaccio marino artico simile a quella osservata è di circa il 20% (Fig. 2a, colonna 1). Tuttavia, emerge una notevole variabilità tra i diversi modelli: la probabilità di simulare una tendenza di perdita di ghiaccio inferiore a quella osservata nel periodo 2005-2024 varia da un minimo dello 0% a un massimo di circa il 50%. Un aspetto interessante di questa variabilità è che la dispersione tra i modelli all’interno di un dato scenario di emissione risulta molto più ampia rispetto alla dispersione tra i diversi scenari per uno stesso modello. Questo fenomeno non è sorprendente, poiché gli scenari di emissione (come i RCP per CMIP5 e gli SSP per CMIP6) iniziano a divergere in modo significativo solo dopo gli anni 2020, come evidenziato da Notz e SIMIP Community (2020). Tale divergenza è particolarmente marcata per le forzanti di CMIP6, il che implica che, nel periodo analizzato (2005-2024), le differenze tra scenari abbiano un impatto limitato rispetto alle differenze intrinseche tra i modelli stessi.

Per valutare la robustezza di questo risultato, abbiamo condotto ulteriori analisi selezionando i modelli in base a diversi criteri. La probabilità centrale di circa il 20% rimane sostanzialmente invariata se i modelli vengono selezionati seguendo i criteri proposti da Notz e SIMIP Community (2020), che tengono conto della capacità dei modelli di rappresentare realisticamente le condizioni del ghiaccio marino. Analogamente, il risultato non cambia se si considerano solo i modelli che rientrano nell’intervallo del 66% o tra il 5-95% delle stime di sensibilità climatica, come definite da Sherwood et al. (2020), o se si selezionano i modelli in base alla loro abilità di simulare le condizioni climatologiche del ghiaccio marino per il periodo di riferimento 1979-1998 (Fig. 2a, colonne 2-4). Inoltre, la stima centrale non subisce variazioni significative se si valuta la probabilità di una tendenza non statisticamente significativa al livello di confidenza del 95%, come mostrato nella Figura S3: in questo caso, la probabilità aumenta leggermente, attestandosi a circa il 25%. Questi test di sensibilità dimostrano che il risultato principale – ossia che una pausa come quella osservata non è un evento raro – è robusto e non dipende dal metodo di selezione dei modelli o dalla metrica utilizzata per definire la pausa.

Da una prospettiva multi-modello, quindi, ciò che abbiamo osservato nell’Artico negli ultimi due decenni non può essere considerato un evento eccezionale. Al contrario, si tratta di un fenomeno che ci si dovrebbe aspettare con una frequenza ragionevole, con una probabilità stimata del 20-25% in base alle simulazioni analizzate. Questo risultato è indipendente dai criteri di selezione dei modelli e dalla metrica di interesse, che si tratti di una soglia specifica di perdita di ghiaccio o di una tendenza non statisticamente significativa. La coerenza di questi risultati sottolinea la capacità dei modelli climatici di catturare la variabilità interna del sistema climatico, che può portare a pause temporanee nella perdita di ghiaccio marino anche in un contesto di aumento delle forzanti antropogeniche.

Questi risultati sollevano una questione cruciale per le proiezioni future: se una pausa pluri-decennale come quella osservata non è rara, è possibile che essa continui nel tempo, e per quanto tempo potrebbe protrarsi? Rispondere a questa domanda richiede un’analisi più approfondita delle simulazioni modellistiche, con particolare attenzione ai membri che replicano pause simili a quella attuale, per stimare la durata potenziale di questo rallentamento e i fattori che potrebbero influenzarne la persistenza. Questo aspetto sarà esplorato nelle sezioni successive, dove cercheremo di quantificare la probabilità di延续 di questa pausa e di identificare i meccanismi climatici – sia forzanti antropogeniche che variabilità interna – che ne determinano l’evoluzione.

Analisi Approfondita della Figura 1: Evidenze Osservative di una Pausa Prolungata nella Perdita di Ghiaccio Marino Artico (1979-2024)

La Figura 1 offre una rappresentazione grafica dettagliata e multidimensionale delle tendenze osservate nell’area di ghiaccio marino artico dal 1979 al 2024, basata su due dataset indipendenti: l’indice NSIDC (National Snow and Ice Data Center) e l’indice OSISAF (Ocean and Sea Ice Satellite Application Facility). Questi dataset, derivati da misurazioni satellitari, forniscono una copertura temporale continua e affidabile, consentendo un’analisi approfondita delle dinamiche del ghiaccio marino artico. La figura è strutturata in sei pannelli (a-f), organizzati in due colonne: la colonna di sinistra (pannelli a, c, e) presenta i dati NSIDC, mentre quella di destra (pannelli b, d, f) riporta i dati OSISAF. Ogni pannello esplora un aspetto specifico delle tendenze del ghiaccio marino, offrendo un quadro completo che evidenzia una pausa significativa nella perdita di ghiaccio negli ultimi 15-20 anni. Di seguito, analizzeremo ciascun pannello in dettaglio, discutendo i risultati scientifici e le loro implicazioni per la comprensione del cambiamento climatico nell’Artico.

Pannelli (a) e (b): Evoluzione Temporale dell’Area di Ghiaccio Marino di Settembre (1979-2024)

I pannelli (a) e (b) illustrano l’evoluzione dell’area di ghiaccio marino di settembre, espressa in

10^6 \, \text{km}^2, dal 1979 al 2024, rispettivamente per i dataset NSIDC (pannello a) e OSISAF (pannello b). L’asse orizzontale rappresenta gli anni, mentre l’asse verticale indica l’area di ghiaccio marino, che varia da circa 2 a 7

10^6 \, \text{km}^2. Questi grafici forniscono una visione immediata del declino a lungo termine del ghiaccio marino artico, un fenomeno ben documentato e attribuito al riscaldamento globale indotto dall’uomo.

• Osservazioni e Tendenze a Lungo Termine: Entrambi i dataset mostrano una chiara tendenza al declino dell’area di ghiaccio marino di settembre nel periodo considerato. Nel 1979, l’area di ghiaccio marino era di circa 6-7 10^6 \, \text{km}^2, mentre nel 2024 si attesta intorno a 3-4 10^6 \, \text{km}^2, evidenziando una riduzione di circa il 50% in 45 anni. Questo declino è stato particolarmente pronunciato tra il 1979 e il 2012, con minimi storici registrati nel 2007 e nel 2012, anni in cui l’area di ghiaccio è scesa a valori eccezionalmente bassi (circa 3 10^6 \, \text{km}^2).
• Rallentamento Recente: Dopo il 2012, si osserva una relativa stabilizzazione dell’area di ghiaccio marino, con fluttuazioni interannuali che non mostrano un’ulteriore perdita significativa. Questo rallentamento è evidente sia nei dati NSIDC che OSISAF, anche se il dataset OSISAF tende a riportare valori leggermente inferiori rispetto a NSIDC, riflettendo le differenze sistematiche note tra i due prodotti, come discusso da Meier & Stewart (2019). La stabilizzazione post-2012 suggerisce l’emergere di una pausa nella perdita di ghiaccio marino, un fenomeno che sarà ulteriormente esplorato nei pannelli successivi.

Pannelli (c) e (d): Tendenze su 20 Anni dell’Area di Ghiaccio Marino di Settembre (1998-2024)

I pannelli (c) e (d) analizzano le tendenze dell’area di ghiaccio marino di settembre calcolate su finestre temporali di 20 anni, con l’anno finale che varia dal 1998 al 2024 (ad esempio, il punto per il 2024 rappresenta la tendenza dal 2005 al 2024). L’asse orizzontale riporta l’anno finale del periodo di 20 anni, mentre l’asse verticale indica la tendenza in

10^6 \, \text{km}^2/\text{decennio}, con valori che spaziano da -1,25 a +0,50. Una fascia rossa tratteggiata delimita l’intervallo entro cui una tendenza non è statisticamente significativa al livello di confidenza del 95%, calcolato mediante un t-test, fornendo un’indicazione chiara della significatività statistica delle tendenze.

• Evoluzione delle Tendenze: Le tendenze mostrano un declino significativo del ghiaccio marino nei periodi che terminano intorno al 2010-2012, con valori massimi di perdita che raggiungono circa -1,0 10^6 \, \text{km}^2/\text{decennio} per i periodi 1993-2012. Questo periodo corrisponde al picco della perdita di ghiaccio marino, in linea con i minimi storici del 2007 e 2012 osservati nei pannelli (a) e (b).
• Rallentamento negli Ultimi Anni: A partire dai periodi che terminano dopo il 2012, le tendenze si avvicinano progressivamente a zero, indicando un rallentamento della perdita di ghiaccio. Per il periodo 2005-2024, la tendenza è di circa -0,30 10^6 \, \text{km}^2/\text{decennio} per NSIDC e -0,29 10^6 \, \text{km}^2/\text{decennio} per OSISAF. Questi valori rientrano all’interno della fascia rossa tratteggiata, confermando che non sono statisticamente significativi al livello del 95%. Questo risultato evidenzia che negli ultimi 20 anni (2005-2024) non si è verificata una perdita significativa di ghiaccio marino, un fenomeno descritto come una “pausa” nel testo.
• Confronto con il Passato: La tendenza del periodo 2005-2024 è circa quattro volte inferiore al picco massimo di perdita registrato (1993-2012), e secondo il dataset OSISAF rappresenta il tasso più lento di perdita di ghiaccio marino su un periodo di 20 anni dall’inizio delle registrazioni satellitari nel 1979. Questo sottolinea la natura eccezionale del rallentamento osservato negli ultimi due decenni.

Pannelli (e) e (f): Tendenze su 20 Anni dell’Area di Ghiaccio Marino per Ogni Mese (2000-2024)

I pannelli (e) e (f) estendono l’analisi delle tendenze su 20 anni a tutti i mesi dell’anno (da gennaio a dicembre, asse verticale), con l’anno finale del periodo che varia dal 2000 al 2024 (asse orizzontale). Le tendenze sono espresse in

10^6 \, \text{km}^2/\text{decennio}, e una scala di colori (a destra) rappresenta i valori, che vanno da -1,5 (perdita significativa, marrone scuro) a +1,5 (aumento, blu scuro). Questi pannelli offrono una visione stagionale completa delle dinamiche del ghiaccio marino, permettendo di valutare se la pausa osservata a settembre si estenda ad altre stagioni.

• Tendenze Stagionali: Nei periodi che terminano intorno al 2010, si osserva una perdita significativa di ghiaccio marino in tutti i mesi dell’anno, con tendenze fortemente negative (fino a -1,5 10^6 \, \text{km}^2/\text{decennio}) particolarmente pronunciate in estate (luglio-settembre). Questo periodo coincide con il picco della perdita di ghiaccio marino, come già evidenziato nei pannelli (c) e (d).
• Rallentamento Generalizzato: A partire dai periodi che terminano dopo il 2015 circa, le tendenze si avvicinano a zero in tutti i mesi, con colori che passano dal marrone scuro (perdita significativa) al giallo chiaro (tendenze vicine a zero). Questo indica un rallentamento generalizzato della perdita di ghiaccio marino, che non si limita al mese di settembre, ma si manifesta durante l’intero ciclo annuale. Anche nei mesi invernali (gennaio-marzo), quando il ghiaccio marino è generalmente più esteso, le tendenze mostrano un’attenuazione della perdita negli ultimi anni.
• Implicazioni Meccanistiche: La presenza di un rallentamento in tutti i mesi dell’anno suggerisce che i meccanismi alla base della pausa osservata non siano specifici di una stagione, ma riflettano processi climatici su larga scala. Questi potrebbero includere variazioni nella variabilità climatica interna, come le oscillazioni oceaniche (ad esempio, l’Oscillazione Nord Atlantica), o cambiamenti nelle forzanti antropogeniche, come le emissioni di aerosol.

Significato Scientifico e Implicazioni

La Figura 1 fornisce un’evidenza osservativa robusta e multidimensionale di una pausa prolungata nella perdita di ghiaccio marino artico, un fenomeno che si manifesta in modo consistente negli ultimi 15-20 anni. I risultati possono essere riassunti nei seguenti punti chiave:

1. Declino a Lungo Termine e Pausa Recente:
   • I pannelli (a) e (b) confermano il declino a lungo termine dell’area di ghiaccio marino di settembre dal 1979, con una riduzione di circa il 50% in 45 anni. Tuttavia, dopo il 2012, si osserva una stabilizzazione, con fluttuazioni interannuali che non indicano una perdita significativa negli ultimi anni. Questo rallentamento è coerente tra i dataset NSIDC e OSISAF, nonostante le loro differenze sistematiche, evidenziando la robustezza del fenomeno.
2. Tendenze su Scale Pluri-Decennali:
   • I pannelli (c) e (d) mostrano come le tendenze su 20 anni siano passate da valori fortemente negativi (circa -1,0 10^6 \, \text{km}^2/\text{decennio}) nei periodi che terminano intorno al 2012 a valori vicini a zero per il periodo 2005-2024. La tendenza di -0,30 (NSIDC) e -0,29 (OSISAF) 10^6 \, \text{km}^2/\text{decennio} per il 2005-2024 non è statisticamente significativa, indicando una pausa nella perdita di ghiaccio marino. Questo rallentamento è il più lento mai registrato su un periodo di 20 anni secondo OSISAF, sottolineando la sua rilevanza.
3. Generalizzazione a Tutte le Stagioni:
   • I pannelli (e) e (f) estendono l’analisi a tutti i mesi dell’anno, dimostrando che la pausa nella perdita di ghiaccio marino non è limitata al minimo estivo di settembre, ma si verifica in modo coerente durante l’intero ciclo annuale. Questo suggerisce che i meccanismi sottostanti siano sistemici e non stagionali, potenzialmente legati a processi climatici di larga scala, come variazioni nella circolazione oceanica o atmosferica, o cambiamenti nelle forzanti antropogeniche, come la riduzione delle emissioni di aerosol.
4. Implicazioni per la Ricerca Climatica:
   • La generalizzazione della pausa a tutti i mesi dell’anno implica che i meccanismi alla base di questo fenomeno non possano essere spiegati esclusivamente da processi specifici dell’estate (ad esempio, l’amplificazione del riscaldamento estivo) o dell’inverno (ad esempio, la variabilità della formazione di ghiaccio). Piuttosto, è necessario considerare fattori che operano su scale temporali pluridecennali e spaziali ampie, come la variabilità interna del sistema climatico o cambiamenti nelle forzanti esterne.
   • La coerenza tra i dataset NSIDC e OSISAF, insieme alla robustezza delle tendenze rispetto alle metriche utilizzate (area o estensione del ghiaccio), rafforza la validità scientifica di queste osservazioni e sottolinea la necessità di ulteriori indagini per comprendere i fattori che hanno determinato questa pausa.

Conclusione

La Figura 1 documenta in modo chiaro e sistematico una pausa prolungata nella perdita di ghiaccio marino artico negli ultimi 15-20 anni, un fenomeno che si manifesta in modo robusto attraverso diverse metriche, stagioni e dataset osservativi. L’evoluzione temporale dell’area di ghiaccio marino di settembre (pannelli a, b) evidenzia un declino a lungo termine interrotto da una stabilizzazione recente, mentre le tendenze su 20 anni (pannelli c, d) confermano un rallentamento statisticamente non significativo per il periodo 2005-2024. L’estensione di questa pausa a tutti i mesi dell’anno (pannelli e, f) suggerisce che si tratti di un fenomeno sistemico, con implicazioni significative per la comprensione delle dinamiche climatiche nell’Artico. Questi risultati sollevano domande cruciali sulla frequenza di tali pause e sui meccanismi che le determinano, spingendo a ulteriori analisi modellistiche per valutare se un tale rallentamento sia un evento atteso nel contesto del cambiamento climatico globale e quali fattori – antropogenici o naturali – ne siano alla base.

3.3 Prolungamento Potenziale della Pausa Osservata nella Perdita di Ghiaccio Marino Artico: Proiezioni per il Prossimo Decennio

La recente osservazione di una pausa nella perdita di ghiaccio marino artico, registrata nel periodo 2005-2024, solleva interrogativi cruciali sulla sua possibile persistenza nel tempo e sulle implicazioni per le proiezioni climatiche future. Per valutare la durata probabile di questa fase di rallentamento nella riduzione del ghiaccio marino, abbiamo analizzato in dettaglio i membri di grandi ensemble modellistici che replicano una perdita di ghiaccio marino attenuata durante il suddetto periodo (si veda Fig. 2a). L’obiettivo è quantificare la durata futura di tali rallentamenti simulati, producendo una stima della probabilità condizionale che una pausa di 20 anni nella perdita di ghiaccio marino di settembre possa estendersi ulteriormente, considerando diversi modelli climatici e scenari di emissione (Fig. 2b).

I risultati, basati su una media multi-modello derivata dalle simulazioni CMIP5 e CMIP6, indicano che le pause nella perdita di ghiaccio marino osservate nel periodo 2005-2024 hanno una probabilità del 50% (1 su 2) di protrarsi per ulteriori cinque anni, fino al 2029, e una probabilità del 33% (1 su 3) di persistere per un ulteriore decennio, fino al 2034. È opportuno notare, tuttavia, che tali stime sono caratterizzate da una significativa variabilità intermodello, con uno scarto di ±25%, che riflette le incertezze intrinseche nei modelli climatici e nelle loro rappresentazioni dei processi artici. Un’analisi comparativa degli scenari di emissione rivela che, in media, gli scenari con emissioni più elevate (ad esempio, RCP8.5 o SSP5-8.5) tendono a mostrare una probabilità leggermente inferiore di mantenere un ritmo attenuato di perdita di ghiaccio marino nel futuro. Tuttavia, questa tendenza non è uniforme tra tutti i modelli, suggerendo che fattori specifici di ciascun modello, come la parametrizzazione dei processi fisici o la sensibilità climatica, possono influenzare significativamente i risultati.

Un aspetto rilevante emerso dall’analisi è la differenza nell’area di ghiaccio marino tra i membri dell’ensemble che simulano pause e quelli che non lo fanno. In particolare, nei membri che replicano una pausa nel periodo 2005-2024, l’area di ghiaccio marino di settembre nel 2025 è, in media, di 0,5 milioni di km² più estesa rispetto ai membri dello stesso modello e scenario che non presentano tale pausa (Fig. 2c). Questa differenza rappresenta una fonte di prevedibilità a breve termine, ma tende a dissolversi entro un decennio. Dopo il 2034, infatti, l’area di ghiaccio marino nei membri con e senza pause diventa statisticamente indistinguibile, indicando che l’effetto della pausa si attenua nel tempo e che la traiettoria a lungo termine della perdita di ghiaccio marino è dominata da fattori climatici forzati, come l’aumento delle temperature globali.

Per garantire la robustezza delle stime, la selezione dei modelli è stata limitata a quelli con almeno cinque membri dell’ensemble che presentano pause nella perdita di ghiaccio marino nel periodo 2004-2025. Questa restrizione è necessaria per calcolare probabilità condizionali significative, ma introduce potenziali bias. In particolare, i modelli con un numero maggiore di membri nell’ensemble hanno una probabilità più alta di includere simulazioni con rallentamenti, grazie a un campionamento più ampio della variabilità interna. Inoltre, i modelli che simulano pause più frequentemente potrebbero essere sovrarappresentati. Di conseguenza, la probabilità media multi-modello di una pausa nella perdita di ghiaccio marino, calcolata su questo sottoinsieme di modelli, è del 28%, superiore al 20% stimato considerando l’intero set di modelli disponibili. Se la pausa osservata fosse un evento raro e intrinsecamente improbabile, questo approccio potrebbe sovrastimare la probabilità di una sua continuazione e sottostimare l’anomalia positiva dell’area di ghiaccio marino rispetto alla tendenza forzata a lungo termine. Tuttavia, è incoraggiante notare che oltre due terzi dei modelli capaci di riprodurre le tendenze osservate sono inclusi in questa analisi, conferendo una certa robustezza ai risultati.

I nostri risultati si allineano con studi precedenti, come quello di Swart et al. (2015), che ha dimostrato la possibilità di pause pluridecennali nella perdita di ghiaccio marino, superiori a 20 anni, nella seconda metà del XXI secolo, in uno scenario di emissioni intermedie. La coerenza con tali studi rafforza la plausibilità delle nostre proiezioni, suggerendo che la variabilità interna del sistema climatico, combinata con la risposta ai forcing antropogenici, possa sostenere periodi prolungati di rallentamento nella perdita di ghiaccio marino.

In conclusione, l’analisi delle simulazioni CMIP5 e CMIP6 indica che è non solo possibile, ma potenzialmente probabile, che l’attuale pausa nella riduzione del ghiaccio marino artico possa persistere per ulteriori 5-10 anni, con una probabilità significativa fino al 2034. Questo scenario implicherebbe una riduzione della probabilità di un Artico privo di ghiaccio nel breve termine rispetto alle proiezioni basate esclusivamente sui dati modellistici grezzi (Jahn et al., 2016; Arthun et al., 2020; Wang et al., 2021; England & Polvani, 2023; Jahn et al., 2024). Tuttavia, le incertezze legate alla variabilità intermodello e alla rappresentazione dei processi climatici artici sottolineano la necessità di ulteriori ricerche per affinare le stime e migliorare la comprensione delle dinamiche che governano la variabilità del ghiaccio marino in un clima in rapido cambiamento.

Analisi Dettagliata della Figura 2: Valutazione della Pausa nella Perdita di Ghiaccio Marino Artico e sue Implicazioni Prospettiche

La Figura 2 fornisce un’analisi approfondita della variabilità e della prevedibilità della perdita di ghiaccio marino artico di settembre, attraverso l’uso di simulazioni derivate da modelli climatici appartenenti ai progetti CMIP5 e CMIP6. La figura si articola in tre pannelli distinti (a, b, c), ciascuno dei quali esplora un aspetto specifico della pausa osservata nella perdita di ghiaccio marino nel periodo 2005-2024, con particolare attenzione alla sua probabilità di persistenza e al suo impatto sull’area di ghiaccio marino nel futuro. Di seguito, viene proposta una descrizione dettagliata e scientifica di ciascun pannello, contestualizzando i risultati nel quadro delle dinamiche climatiche artiche e delle incertezze modellistiche.

Pannello (a): Frequenza delle Simulazioni con Tendenze di Perdita di Ghiaccio Marino Inferiori a Quelle Osservate (2005-2024)

Il primo pannello (a) della Figura 2 quantifica la percentuale di membri dell’ensemble [%] per ciascun modello climatico che simulano tendenze di perdita di ghiaccio marino di settembre nel periodo 2005-2024 inferiori al valore osservato. In altre parole, questo pannello identifica la frazione di simulazioni che replicano una pausa o un rallentamento nella perdita di ghiaccio marino rispetto alla tendenza effettivamente registrata. L’asse y rappresenta la percentuale di membri dell’ensemble che soddisfano questo criterio, mentre l’asse x elenca i diversi criteri di selezione applicati per filtrare le simulazioni.

Sul lato sinistro del pannello, sotto l’etichetta “All simulations”, vengono riportate le percentuali per tutte le simulazioni disponibili, senza alcun filtro selettivo. Questo approccio consente di ottenere una visione d’insieme della capacità dei modelli di simulare pause nella perdita di ghiaccio marino, evidenziando una variabilità significativa tra i diversi modelli. Alcuni modelli mostrano percentuali più elevate, indicando una maggiore tendenza a simulare pause, mentre altri presentano percentuali più basse, suggerendo una sovrastima della perdita di ghiaccio rispetto alle osservazioni.

Sul lato destro del pannello, vengono applicati criteri di selezione progressivi per restringere l’analisi a sottoinsiemi di modelli più rappresentativi delle condizioni osservate. Questi criteri includono: (i) la selezione basata sui parametri definiti da Notz e SIMIP Community (2020), che probabilmente si concentrano sulla qualità della simulazione del ghiaccio marino in termini di estensione e variabilità; (ii) filtri basati sull’intervallo di sensibilità climatica all’equilibrio (ECS), secondo Sherwood et al. (2020), che selezionano modelli con ECS rispettivamente nel range 5-95% e 66%, per garantire che i modelli abbiano una risposta climatica realistica; (iii) un criterio basato sull’area climatologica di ghiaccio marino (SIA) nel periodo 1979-1998, per assicurare che i modelli riproducano accuratamente le condizioni di base del ghiaccio marino prima del periodo di analisi. L’applicazione di questi filtri riduce il numero di modelli considerati, ma aumenta la probabilità che le simulazioni selezionate siano più coerenti con le osservazioni, migliorando la robustezza delle stime.

I risultati di questo pannello evidenziano una marcata variabilità intermodello. Ad esempio, modelli come CanESM2 o MPI-ESM-LR mostrano una maggiore propensione a simulare pause (percentuali più alte), mentre altri, come UKESM1-0-LL, tendono a simulare perdite di ghiaccio più rapide (percentuali più basse). Questa variabilità riflette differenze nella rappresentazione dei processi fisici artici, come la dinamica del ghiaccio marino, l’interazione oceano-atmosfera e la sensibilità climatica di ciascun modello.

Pannello (b): Probabilità Condizionale di Persistenza della Pausa nella Perdita di Ghiaccio Marino Oltre il 2024

Il secondo pannello (b) esplora la probabilità condizionale che le tendenze di perdita di ghiaccio marino, iniziate nel 2005 e caratterizzate da un ritmo più lento rispetto alla media osservata (superiore a -0,29 × 10⁶ km²/decennio), persistano nel futuro, fino a un dato anno finale compreso tra il 2024 e il 2034. L’asse y riporta la probabilità [%], mentre l’asse x rappresenta gli anni finali considerati (dal 2024 al 2034). Ogni linea colorata corrisponde a un modello climatico diverso (ad esempio, CanESM2, CESM1-CAM5, GFDL-CM3, ecc.), e i simboli (triangoli, cerchi, stelle, ecc.) indicano i diversi scenari di forcing climatico utilizzati, come RCP 2.6, RCP 8.5, SSP1-1.9 e SSP5-8.5. La linea nera rappresenta la media ponderata di tutti i modelli, calcolata secondo un’equazione specifica (Equazione 1), che tiene conto del peso relativo di ciascun modello in base al numero di membri dell’ensemble che soddisfano i criteri di selezione.

Per garantire la significatività statistica delle stime, l’analisi include solo i modelli e gli scenari con almeno cinque membri dell’ensemble che mostrano tendenze di perdita di ghiaccio marino superiori a quelle osservate nel periodo 2005-2024. Questo criterio di selezione, sebbene necessario per ottenere probabilità condizionali robuste, potrebbe introdurre un bias verso i modelli con ensemble più grandi, che hanno maggiori probabilità di includere membri con pause, e verso i modelli che simulano pause più frequentemente.

I risultati indicano che la probabilità che la pausa persista diminuisce progressivamente nel tempo. Ad esempio, al 2029 (cinque anni dopo il 2024), la probabilità media ponderata è di circa il 50%, il che significa che c’è una possibilità del 50% che la perdita di ghiaccio marino continui a essere più lenta del previsto. Al 2034 (dieci anni dopo il 2024), questa probabilità scende a circa il 33%. Tuttavia, la variabilità intermodello è significativa: alcuni modelli prevedono una probabilità molto bassa di persistenza della pausa (linee che scendono rapidamente verso lo 0%), mentre altri suggeriscono una pausa più duratura (linee che mantengono valori più alti). Inoltre, gli scenari con emissioni più elevate, come SSP5-8.5, tendono a mostrare probabilità inferiori di una pausa prolungata, coerentemente con l’effetto di un riscaldamento globale più rapido che accelera la perdita di ghiaccio marino. Al contrario, scenari a basse emissioni, come SSP1-1.9, mostrano una maggiore probabilità di persistenza della pausa, riflettendo un minore forcing radiativo e un impatto più graduale sul sistema climatico artico.

Pannello (c): Impatto della Pausa sull’Area di Ghiaccio Marino nel Periodo 2025-2050

Il terzo pannello (c) analizza la differenza media nell’area di ghiaccio marino di settembre [10⁶ km²] tra i membri dell’ensemble che simulano una pausa nella perdita di ghiaccio nel periodo 2005-2024 e quelli che non lo fanno, per il periodo compreso tra il 2025 e il 2050. L’asse y rappresenta l’anomalia dell’area di ghiaccio marino (SIA anomaly), con valori positivi che indicano un’area di ghiaccio marino maggiore nei membri con pausa rispetto a quelli senza. L’asse x copre gli anni dal 2025 al 2050. Come nei pannelli precedenti, ogni linea colorata rappresenta un modello climatico, i simboli indicano gli scenari di forcing, e la linea nera rappresenta la media ponderata di tutti i modelli.

Anche in questo caso, l’analisi include solo i modelli con almeno cinque membri che mostrano pause nel periodo 2005-2024. I risultati mostrano che nel 2025 i membri dell’ensemble con pause presentano un’area di ghiaccio marino di circa 0,5 × 10⁶ km² più grande rispetto ai membri senza pause, coerentemente con quanto riportato nel testo. Questo valore rappresenta una fonte di prevedibilità a breve termine, indicando che la pausa ha un impatto tangibile sull’estensione del ghiaccio marino nel futuro immediato. Tuttavia, questa differenza si riduce rapidamente nel tempo: entro il 2034 (circa un decennio dopo il 2024), l’anomalia dell’area di ghiaccio marino si avvicina a zero, e le due categorie di membri (con e senza pause) diventano statisticamente indistinguibili. Questo risultato suggerisce che l’effetto della pausa è transitorio e che le tendenze a lungo termine della perdita di ghiaccio marino, guidate dal forcing climatico antropogenico, dominano dopo il primo decennio.

La variabilità intermodello è evidente anche in questo pannello. Alcuni modelli mostrano anomalie più pronunciate e durature (linee che rimangono sopra lo zero per più tempo), mentre altri convergono rapidamente verso zero, riflettendo differenze nella sensibilità del ghiaccio marino al forcing climatico e nella rappresentazione dei processi di feedback, come l’albedo del ghiaccio e l’interazione oceano-atmosfera.

Considerazioni Generali e Implicazioni Scientifiche

La Figura 2 offre una visione completa della dinamica della pausa nella perdita di ghiaccio marino artico, evidenziando sia la sua plausibilità che i suoi limiti temporali. Il pannello (a) dimostra che la capacità dei modelli di simulare pause varia significativamente, e l’applicazione di criteri di selezione migliora la rappresentatività delle simulazioni rispetto alle osservazioni. Il pannello (b) quantifica la probabilità che la pausa persista, mostrando che una continuazione per 5-10 anni è possibile, ma con una probabilità che diminuisce nel tempo e varia in base allo scenario di emissione. Il pannello (c) conferma che la pausa ha un impatto a breve termine sull’area di ghiaccio marino, ma questo effetto svanisce entro un decennio, indicando che la variabilità interna del sistema climatico, responsabile della pausa, è sopraffatta dal forcing antropogenico a lungo termine.

Un elemento chiave emerso dall’analisi è la forte dipendenza dei risultati dagli scenari di emissione. Scenari ad alte emissioni (ad esempio, SSP5-8.5) riducono la probabilità e l’impatto delle pause, poiché il riscaldamento globale accelera la fusione del ghiaccio marino, mentre scenari a basse emissioni (ad esempio, SSP1-1.9) favoriscono una maggiore persistenza delle pause. Inoltre, la variabilità intermodello sottolinea l’importanza di migliorare la rappresentazione dei processi artici nei modelli climatici, per ridurre le incertezze nelle proiezioni future.

Dal punto di vista delle implicazioni, i risultati della Figura 2 suggeriscono che la pausa osservata potrebbe ritardare l’occorrenza di un Artico privo di ghiaccio rispetto alle proiezioni basate su tendenze più rapide di perdita di ghiaccio. Tuttavia, questo ritardo è temporaneo, e le tendenze a lungo termine verso un Artico privo di ghiaccio rimangono invariati, a meno che non si adottino scenari di mitigazione climatica più aggressivi. Questi risultati sono coerenti con studi precedenti, come Swart et al. (2015), e forniscono una base solida per ulteriori indagini sulla variabilità del ghiaccio marino e sul suo ruolo nel sistema climatico globale.

3.4 Ruolo Determinante della Variabilità Climatica Interna nella Pausa della Perdita di Ghiaccio Marino Artico: Evidenze dai Modelli Climatici

La comprensione delle dinamiche che regolano la recente pausa nella perdita di ghiaccio marino artico richiede un’analisi approfondita per determinare se tale fenomeno sia esclusivamente il risultato di forzanti antropogenici o se la variabilità climatica interna giochi un ruolo significativo. Questa questione rappresenta un punto cruciale per interpretare le tendenze attuali e future del ghiaccio marino e per migliorare le proiezioni climatiche a lungo termine. Per affrontare questa problematica, è necessario separare la componente forzata delle tendenze osservate dalla variabilità climatica interna, un compito complesso che richiede un’attenta valutazione delle simulazioni modellistiche. In questo contesto, è fondamentale considerare che, se i modelli climatici rappresentano fedelmente una realtà plausibile, le osservazioni del mondo reale dovrebbero riflettere le stesse caratteristiche generali dei singoli membri di un ensemble modellistico. In altre parole, le osservazioni rappresentano una combinazione di una tendenza forzata – determinata principalmente dalle emissioni di gas serra e altri fattori antropogenici – e una specifica realizzazione della variabilità interna del sistema climatico, senza che ci si aspetti una corrispondenza esatta con un singolo membro dell’ensemble. La letteratura scientifica ha già ampiamente dimostrato l’importanza della variabilità climatica interna nelle tendenze del ghiaccio marino artico (Kay et al., 2011; Swart et al., 2015; England et al., 2019; Dörr et al., 2023). Pertanto, in questa sezione, ci proponiamo di valutare se un cambiamento nella risposta forzata possa contribuire in modo significativo al rallentamento osservato nella perdita di ghiaccio marino nel periodo 2005-2024, o se invece la variabilità interna sia il fattore dominante.

Per rispondere a questa domanda, abbiamo condotto un’analisi in due fasi basata sui dati delle simulazioni CMIP5 e CMIP6. In primo luogo, abbiamo quantificato la perdita forzata di ghiaccio marino di settembre nel periodo 2005-2024, calcolata come la tendenza lineare della media dell’ensemble per ciascun modello climatico e scenario di emissione. Questa tendenza rappresenta la componente della perdita di ghiaccio attribuibile esclusivamente ai forzanti antropogenici, escludendo l’influenza della variabilità interna. I risultati sono riportati sull’asse orizzontale della Figura 3, che confronta le tendenze forzate simulate con le tendenze osservate (indicate come linee verticali grigie). L’analisi rivela che solo due combinazioni di modello e scenario – GFDL-ESM2M nello scenario RCP8.5 e CESM2 nello scenario SSP3-7.0 – stimano una tendenza forzata che spiega interamente le tendenze osservate nella perdita di ghiaccio marino. In questi due casi, il ruolo della variabilità climatica interna appare minimo, poiché la perdita di ghiaccio simulata è coerente con quella osservata senza necessità di invocare contributi significativi della variabilità naturale. Tuttavia, questi due casi rappresentano un’eccezione: oltre l’85% dei modelli analizzati mostra una perdita forzata di ghiaccio marino maggiore di quella osservata, posizionandosi a sinistra delle tendenze osservate sull’asse orizzontale della Figura 3. Questo risultato implica che, nella maggior parte dei modelli, la variabilità climatica interna ha agito per rallentare il ritmo della perdita di ghiaccio marino rispetto a quanto ci si aspetterebbe sulla base dei soli forzanti antropogenici. In altre parole, la pausa osservata non può essere spiegata interamente dalla risposta forzata, suggerendo un ruolo significativo della variabilità interna nel modulare le tendenze recenti.

In secondo luogo, abbiamo investigato se la risposta forzata stessa abbia subito un rallentamento negli ultimi due decenni rispetto al periodo precedente, il che potrebbe contribuire alla pausa osservata. Per farlo, abbiamo calcolato il rapporto tra la tendenza forzata della perdita di ghiaccio marino nel periodo 2005-2024 e quella del periodo precedente, 1986-2005, per ciascuna combinazione di modello e scenario. Questo rapporto è riportato sull’asse verticale della Figura 3, dove un valore di 1,0 indica che il ritmo della perdita di ghiaccio è rimasto invariato, un valore superiore a 1 indica un’accelerazione della perdita, e un valore inferiore a 1 indica una decelerazione. I risultati confermano che, anche in questa analisi, solo GFDL-ESM2M RCP8.5 e CESM2 SSP3-7.0 suggeriscono che la riduzione delle tendenze forzate possa spiegare interamente il rallentamento osservato, coerentemente con quanto emerso dalla prima parte dell’analisi. Tuttavia, per la maggior parte dei modelli, i risultati indicano che la pausa osservata non è interamente attribuibile a un cambiamento nella risposta forzata. I modelli rimanenti si dividono in due gruppi approssimativamente equivalenti: circa la metà suggerisce che la tendenza forzata nella perdita di ghiaccio marino si sia modestamente decelerata negli ultimi due decenni rispetto ai due decenni precedenti (rapporti < 1), mentre l’altra metà indica un’accelerazione modesta (rapporti > 1). Questa dicotomia è particolarmente evidente quando si escludono i modelli che non riescono a catturare accuratamente le tendenze osservate recenti, il che sottolinea ulteriormente l’incertezza nella capacità dei modelli di rappresentare i cambiamenti nella risposta forzata.

In sintesi, l’evidenza modellistica presenta un quadro complesso e incerto riguardo al ruolo dei forzanti antropogenici nella recente pausa nella perdita di ghiaccio marino artico. Sebbene alcuni modelli suggeriscano che un rallentamento della risposta forzata possa contribuire in parte al fenomeno, la maggior parte delle simulazioni indica che tale pausa non può essere spiegata esclusivamente dai forzanti antropogenici. Al contrario, è altamente probabile che la variabilità climatica interna abbia svolto un ruolo cruciale nel modulare il ritmo della perdita di ghiaccio marino, agendo per attenuare l’impatto dei forzanti antropogenici nel periodo 2005-2024. Questi risultati sottolineano l’importanza di considerare la variabilità interna come un fattore chiave nelle proiezioni del ghiaccio marino artico e suggeriscono la necessità di ulteriori ricerche per migliorare la rappresentazione di questi processi nei modelli climatici, al fine di affinare le stime future e comprendere meglio le interazioni tra forzanti antropogenici e dinamiche naturali nel sistema climatico artico.

4 Conclusioni e Discussione: Implicazioni della Pausa nella Perdita di Ghiaccio Marino Artico e Prospettive Future

L’analisi condotta in questo studio rivela un fenomeno apparentemente paradossale: mentre le temperature globali hanno registrato un rapido aumento negli ultimi anni, raggiungendo livelli record, la copertura di ghiaccio marino artico non ha mostrato un declino statisticamente significativo negli ultimi due decenni (2005-2024). Questo rallentamento nella perdita di ghiaccio, definito come una “pausa”, rappresenta un’anomalia rispetto alle aspettative basate sulle tendenze globali di riscaldamento e richiede un’analisi approfondita per comprenderne le cause e le implicazioni. Attraverso un’analisi estensiva che ha combinato due set di dati osservativi con migliaia di simulazioni tratte dagli archivi CMIP5 e CMIP6, siamo riusciti a stabilire una serie di conclusioni chiave che rispondono alle quattro domande fondamentali poste nell’introduzione dello studio, offrendo una base solida per interpretare il fenomeno e delineare possibili direzioni future per la ricerca sul clima artico.

In primo luogo, abbiamo dimostrato che il rallentamento nella perdita di ghiaccio marino artico è un fenomeno robusto e non dipende dalla scelta delle definizioni utilizzate, dal set di dati osservativi analizzato o dalla stagione considerata. Questa robustezza suggerisce che la pausa non è un artefatto di specifici metodi di analisi, ma un segnale reale presente nei dati, che si manifesta coerentemente attraverso diverse metriche e periodi dell’anno. In secondo luogo, abbiamo evidenziato che questa pausa osservata è simulata con una frequenza significativa nei modelli climatici, con una probabilità media del 20% di occorrenza, anche in scenari ad alte emissioni come RCP8.5 o SSP5-8.5. Questo risultato indica che il rallentamento non è un evento anomalo o inaspettato, ma rientra nella variabilità simulata dai modelli, anche in contesti di forte forzante antropogenico. In terzo luogo, sulla base delle simulazioni modellistiche, abbiamo stimato che la pausa attuale potrebbe plausibilmente protrarsi per ulteriori cinque o dieci anni, con una probabilità rispettivamente del 50% e del 33% fino al 2029 e al 2034. Questa previsione, sebbene soggetta a incertezze intermodello, suggerisce che il rallentamento potrebbe avere un impatto a medio termine sulla traiettoria del ghiaccio marino artico. Infine, abbiamo riscontrato che quasi tutti i modelli analizzati attribuiscono un ruolo cruciale alla variabilità climatica interna nel modulare e rallentare la perdita di ghiaccio marino forzata antropogenicamente. Questo aspetto sottolinea l’importanza di considerare non solo i forzanti esterni, ma anche le dinamiche naturali del sistema climatico, nella comprensione delle tendenze del ghiaccio marino.

Un punto centrale della discussione riguarda la distinzione tra il contributo dell’influenza umana e quello della variabilità climatica interna alla pausa osservata. Se il rallentamento fosse principalmente un episodio guidato da forzanti antropogenici, i nostri risultati implicherebbero l’esistenza di un forzante mancante condiviso tra i modelli o di una comune deficienza nella risposta modellistica ai forzanti standard. La valutazione di eventuali carenze modellistiche è complessa e richiede ulteriori indagini, ma un possibile candidato per un forzante mancante potrebbe essere l’aumento degli incendi nelle foreste boreali, un fenomeno non pienamente incorporato negli scenari standard utilizzati nelle simulazioni CMIP. A supporto di questa ipotesi, uno studio recente di Blanchard-Wrigglesworth et al. (2025) ha dimostrato che l’inclusione delle emissioni da combustione di biomassa nel modello CESM2 porta a un rapido recupero della copertura di ghiaccio marino di settembre durante il periodo di interesse. Questo effetto è attribuito a un’aumentata riflessione della radiazione solare a onde corte nell’emisfero settentrionale, derivante dalla risposta delle nuvole e dalle interazioni tra aerosol e nuvole indotte dagli incendi. Tuttavia, i risultati di questo studio non sono definitivi, poiché la simulazione delle nuvole polari in CESM2 presenta specificità che possono influenzare i risultati (DeRepentigny et al., 2022; Zhu et al., 2022; Davis & Medeiros, 2024; England & Feldl, 2024). Inoltre, un esperimento simile condotto con un altro modello climatico ha prodotto risultati contrastanti (Zhong et al., 2024), evidenziando la necessità di ulteriori esperimenti con una gamma più ampia di modelli per chiarire il ruolo degli incendi boreali e delle relative emissioni di aerosol sulle tendenze del ghiaccio marino artico.

Guardando al futuro, i risultati di questo studio offrono diverse opportunità per sfruttare le conoscenze acquisite sulla recente pausa nella perdita di ghiaccio marino. In primo luogo, se la variabilità climatica interna ha effettivamente svolto un ruolo significativo, come suggerito dai modelli, ciò potrebbe rappresentare una fonte di prevedibilità per il cambiamento climatico artico a medio termine. Questo approccio è in linea con quanto proposto da Yeager et al. (2015), che hanno dimostrato come la variabilità interna possa essere sfruttata per migliorare le previsioni climatiche regionali. In secondo luogo, il periodo di pausa potrebbe essere utilizzato come un test fuori campione per la valutazione dei modelli climatici futuri, un metodo simile a quello adottato per analizzare i periodi iniziale e centrale del XX secolo (Flynn et al., 2023; Bianco et al., 2024; Chen & Dai, 2024). Questo tipo di valutazione consente di testare la capacità dei modelli di simulare variazioni climatiche in condizioni non utilizzate per la loro calibrazione, migliorandone la robustezza e l’affidabilità.

Tuttavia, questo studio ci invita a una riflessione più ampia sulla complessità delle previsioni climatiche pluridecennali, specialmente in regioni ad alta variabilità come l’Artico. Se ci fossimo trovati nel 2007 o nel 2012, anni caratterizzati da perdite record di ghiaccio marino, e avessimo ascoltato le valutazioni secondo cui i modelli climatici erano inadeguati nel riprodurre la rapida fusione del ghiaccio (Stroeve et al., 2007), sarebbe stato estremamente difficile prevedere un imminente rallentamento sostenuto nella perdita di ghiaccio. Eppure, come dimostrato in questo studio e in lavori precedenti (Kay et al., 2011; Swart et al., 2015; R. Zhang, 2015), tale rallentamento è perfettamente coerente con le simulazioni dei modelli climatici, che prevedono periodi di pausa come parte della variabilità naturale del sistema climatico. Questo ci ricorda l’importanza di mantenere un approccio cauto e umile nelle previsioni a lungo termine, riconoscendo i limiti delle nostre attuali capacità modellistiche e la complessità delle interazioni tra forzanti antropogenici e variabilità interna in un sistema climatico altamente dinamico come quello artico. Futuri studi dovranno concentrarsi su una migliore rappresentazione dei processi fisici, come la dinamica delle nuvole polari e gli effetti degli aerosol, per ridurre le incertezze e migliorare la nostra comprensione delle traiettorie future del ghiaccio marino artico.

Analisi Approfondita della Figura 3: Confronto tra Tendenze Forzate Simulate e Osservazioni nella Perdita di Ghiaccio Marino Artico (2005-2024)

La Figura 3 rappresenta un’analisi grafica dettagliata volta a investigare il ruolo dei forzanti antropogenici e della variabilità climatica interna nella pausa osservata nella perdita di ghiaccio marino artico di settembre durante il periodo 2005-2024. Attraverso uno scatter plot bidimensionale, la figura mette in relazione due metriche chiave derivate dalle simulazioni dei modelli climatici CMIP5 e CMIP6: la tendenza media dell’ensemble nella perdita di ghiaccio marino nel periodo 2005-2024 e il rapporto tra questa tendenza e quella del periodo precedente (1986-2005). Questo approccio consente di valutare se il rallentamento osservato possa essere attribuito esclusivamente alla risposta forzata del sistema climatico o se la variabilità interna abbia un ruolo significativo. Di seguito, viene fornita una descrizione scientifica e approfondita della figura, con un’interpretazione dei risultati e delle loro implicazioni nel contesto della dinamica del ghiaccio marino artico.

Struttura e Componenti della Figura

La Figura 3 è strutturata come un diagramma a dispersione (scatter plot), in cui ogni punto rappresenta una combinazione di modello climatico e scenario di forcing. I modelli analizzati includono un’ampia gamma di strumenti, come CanESM2, CESM1-CAM5, GFDL-ESM2M, MPI-ESM-LR, ACCESS-ESM1-5, CESM2-CAM6, E3SM-2-0, EC-Earth3, IPSL-CM6A-LR, MIROC6, MPI-ESM1-2-LR e UKESM1-0-LL, ciascuno associato a un colore specifico (ad esempio, blu per CanESM2, rosso per GFDL-ESM2M, viola per CESM2-CAM6). I simboli (triangoli, quadrati, stelle, ecc.) rappresentano i diversi scenari di emissione utilizzati, tra cui RCP 2.6, RCP 4.5, RCP 8.5, SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP4-3.4, SSP4-6.0 e SSP5-8.5, come indicato nella legenda a destra.

• Asse orizzontale (x): Questo asse riporta la tendenza media dell’ensemble nell’area di ghiaccio marino di settembre per il periodo 2005-2024, espressa in unità di 10⁶ km² per decennio. La tendenza media dell’ensemble è calcolata come la media di tutti i membri dell’ensemble per ciascun modello e scenario, e rappresenta la componente forzata della perdita di ghiaccio, ossia quella attribuibile ai forzanti antropogenici, come l’aumento delle emissioni di gas serra. Valori negativi indicano una diminuzione dell’area di ghiaccio marino (perdita di ghiaccio), mentre valori positivi indicherebbero un aumento (non presente in questo caso). L’intervallo sull’asse x si estende da -1,5 a +0,25 × 10⁶ km²/decennio, coprendo un’ampia gamma di tendenze simulate.
• Asse verticale (y): Questo asse rappresenta il rapporto tra la tendenza media dell’ensemble nel periodo 2005-2024 e quella del periodo precedente, 1986-2005. Un rapporto pari a 1,0, indicato da una linea tratteggiata nera orizzontale, implica che il ritmo della perdita di ghiaccio marino è rimasto invariato tra i due periodi. Valori superiori a 1 indicano un’accelerazione della perdita di ghiaccio nel periodo recente rispetto al periodo precedente, mentre valori inferiori a 1 indicano una decelerazione. L’intervallo sull’asse y va da 0,25 a 2,0, consentendo di visualizzare sia scenari di accelerazione significativa sia di decelerazione marcata.
• Linee grigie verticali: Due linee verticali grigie rappresentano le tendenze osservate nell’area di ghiaccio marino di settembre per il periodo 2005-2024, derivate da due set di dati osservativi indipendenti: NSIDC (linea tratteggiata) e OSISAF (linea continua). Entrambe le tendenze osservate si collocano intorno a -0,25 × 10⁶ km²/decennio, indicando un rallentamento nella perdita di ghiaccio rispetto alle aspettative basate sui forzanti antropogenici.
• Linea tratteggiata nera orizzontale (y = 1): Serve come riferimento per il rapporto delle tendenze, distinguendo tra accelerazione (sopra la linea) e decelerazione (sotto la linea) della risposta forzata tra i due periodi.

Analisi dei Risultati

Tendenze Forzate Simulate rispetto alle Osservazioni (Asse x)

Sull’asse orizzontale, la posizione dei punti rispetto alle linee grigie verticali (NSIDC e OSISAF) fornisce un’indicazione diretta del ruolo dei forzanti antropogenici nella pausa osservata. La maggior parte dei punti, corrispondenti a oltre l’85% dei modelli analizzati, si trova a sinistra delle linee grigie, con tendenze forzate che variano tra -1,5 e -0,5 × 10⁶ km²/decennio. Questo indica che, in questi modelli, la perdita di ghiaccio marino prevista sulla base dei soli forzanti antropogenici è significativamente maggiore (più negativa) rispetto a quella osservata, che si attesta intorno a -0,25 × 10⁶ km²/decennio. Tale discrepanza suggerisce che i forzanti antropogenici, da soli, porterebbero a una fusione del ghiaccio marino più rapida di quella effettivamente registrata, e che quindi un altro fattore – la variabilità climatica interna – abbia agito per rallentare il ritmo della perdita di ghiaccio.

Un’eccezione notable è rappresentata da due combinazioni modello/scenario: GFDL-ESM2M nello scenario RCP8.5 (triangolo rosso) e CESM2 nello scenario SSP3-7.0 (quadrato viola). Questi punti si trovano molto vicini alle linee grigie, con tendenze forzate prossime a -0,25 × 10⁶ km²/decennio, suggerendo che in questi casi la risposta forzata simulata è sufficiente a spiegare la perdita di ghiaccio osservata, senza la necessità di invocare un contributo significativo della variabilità climatica interna. Tuttavia, questi due casi sono l’eccezione in un panorama modellistico dominato da tendenze forzate più rapide di quelle osservate, rafforzando l’ipotesi che la variabilità interna sia un fattore chiave nella pausa.

Rapporto delle Tendenze tra i Periodi 2005-2024 e 1986-2005 (Asse y)

Sull’asse verticale, il rapporto delle tendenze fornisce informazioni su come la risposta forzata sia cambiata nel tempo. I punti sono distribuiti sia sopra che sotto la linea di riferimento y = 1, evidenziando una divisione tra i modelli: circa la metà mostra un rapporto inferiore a 1, indicando una decelerazione della perdita di ghiaccio forzata nel periodo 2005-2024 rispetto al periodo 1986-2005, mentre l’altra metà mostra un rapporto superiore a 1, suggerendo un’accelerazione. Ad esempio, alcuni punti, come quelli associati a CanESM2 (blu) o ACCESS-ESM1-5 (giallo), si trovano sopra la linea y = 1, con rapporti che arrivano fino a 1,75, indicando un’accelerazione significativa della perdita di ghiaccio. Al contrario, altri punti, come quelli di MPI-ESM1-2-LR (rosa chiaro) o EC-Earth3 (verde chiaro), si trovano sotto la linea, con rapporti inferiori a 0,5, suggerendo una marcata decelerazione.

Anche in questo contesto, GFDL-ESM2M RCP8.5 e CESM2 SSP3-7.0 si distinguono: il loro rapporto delle tendenze è posizionato in modo tale da supportare l’idea che il rallentamento osservato possa essere interamente spiegato da un cambiamento nella risposta forzata. Tuttavia, la distribuzione complessiva dei punti evidenzia un’incertezza significativa: non c’è un consenso chiaro tra i modelli su un’accelerazione o decelerazione della risposta forzata, soprattutto quando si escludono i modelli che non riescono a catturare accuratamente le tendenze osservate recenti. Questa variabilità intermodello riflette differenze nella rappresentazione dei processi climatici, come la sensibilità climatica, i feedback dell’albedo del ghiaccio, e l’interazione tra oceano e atmosfera.

Implicazioni Scientifiche

La Figura 3 offre un quadro complesso del ruolo dei forzanti antropogenici e della variabilità climatica interna nella pausa nella perdita di ghiaccio marino artico. La posizione della maggior parte dei punti a sinistra delle linee osservative (NSIDC e OSISAF) indica che, nella stragrande maggioranza dei modelli, la risposta forzata da sola non può spiegare il rallentamento osservato. Questo suggerisce che la variabilità climatica interna – come oscillazioni naturali nella temperatura dell’oceano, nella circolazione atmosferica o nei pattern di vento – abbia svolto un ruolo cruciale nel modulare l’impatto dei forzanti antropogenici, riducendo il ritmo della perdita di ghiaccio marino rispetto a quanto previsto.

L’analisi del rapporto delle tendenze (asse y) aggiunge un ulteriore livello di complessità. La divisione dei modelli tra quelli che mostrano un’accelerazione e quelli che mostrano una decelerazione della risposta forzata evidenzia l’incertezza nella capacità dei modelli di rappresentare i cambiamenti temporali nella perdita di ghiaccio. Questa incertezza potrebbe essere dovuta a forzanti mancanti non inclusi negli scenari standard (ad esempio, l’effetto degli aerosol derivanti dagli incendi boreali) o a carenze nella parametrizzazione di processi chiave, come la formazione delle nuvole polari o i feedback del ghiaccio marino. I due casi eccezionali, GFDL-ESM2M RCP8.5 e CESM2 SSP3-7.0, suggeriscono che in alcuni scenari la risposta forzata potrebbe effettivamente spiegare il rallentamento, ma la loro rarità sottolinea la necessità di ulteriori indagini per confermare questi risultati e comprendere le specificità di questi modelli.

Un aspetto importante evidenziato nella figura è la distinzione tra le tendenze osservate e la risposta forzata nel sistema climatico reale. Le linee NSIDC e OSISAF rappresentano le tendenze osservate, che sono il risultato combinato di forzanti antropogenici e variabilità interna, mentre le tendenze medie dell’ensemble dei modelli rappresentano solo la componente forzata. Questa distinzione è fondamentale per interpretare correttamente i risultati: la discrepanza tra modelli e osservazioni non implica un fallimento dei modelli, ma piuttosto l’importanza della variabilità interna, che non è catturata dalla media dell’ensemble.

Conclusioni e Prospettive

In sintesi, la Figura 3 conferma che la pausa nella perdita di ghiaccio marino artico nel periodo 2005-2024 è probabilmente il risultato di un’interazione complessa tra forzanti antropogenici e variabilità climatica interna, con quest’ultima che emerge come un fattore dominante nella maggior parte dei modelli. Tuttavia, l’incertezza nella risposta forzata, evidenziata dalla variabilità intermodello nel rapporto delle tendenze, sottolinea la necessità di ulteriori ricerche per migliorare la rappresentazione dei processi climatici artici. Studi futuri dovrebbero concentrarsi sull’inclusione di forzanti aggiuntivi, come gli effetti degli aerosol, e sull’affinamento delle parametrizzazioni dei modelli, per ridurre le incertezze e migliorare la comprensione delle dinamiche che governano il ghiaccio marino in un clima in rapido cambiamento.

Informazioni Supplementari per “Sorprendente, ma non inaspettata, pausa pluridecennale nella perdita di ghiaccio marino artico”

Autori: M. R. England¹, L. M. Polvani²,³, J. Screen¹, A. C. Chan¹
¹Dipartimento di Matematica e Statistica, Università di Exeter, Exeter, Regno Unito
²Osservatorio Lamont-Doherty, Università di Columbia, New York, NY, Stati Uniti
³Dipartimento di Fisica Applicata e Matematica Applicata, Università di Columbia, New York, NY, Stati Uniti

Introduzione

Il presente documento fornisce materiali supplementari a supporto dello studio intitolato “Surprising, but not unexpected, multi-decadal pause in Arctic sea ice loss”, che esplora un fenomeno climatico di rilevanza globale: una temporanea interruzione pluridecennale nel trend di riduzione del ghiaccio marino artico. Tale pausa, pur apparendo sorprendente rispetto alle proiezioni di perdita accelerata del ghiaccio marino, è coerente con la variabilità interna del sistema climatico e con le simulazioni di modelli climatici avanzati. I materiali qui presentati includono figure supplementari (da S1 a S3), una tabella riassuntiva (S1) e un elenco di riferimenti bibliografici che forniscono il contesto scientifico e metodologico per lo studio.

Contenuti del Documento Supplementare

1. Figure Supplementari (S1–S3)
   Le figure S1, S2 e S3 contengono rappresentazioni grafiche di dati rilevanti per l’analisi condotta nello studio principale. Queste figure possono includere, ad esempio, serie temporali di estensione del ghiaccio marino, mappe di anomalie climatiche, o confronti tra osservazioni e simulazioni modellistiche. Ciascuna figura è progettata per chiarire aspetti specifici del fenomeno della pausa nella perdita di ghiaccio marino, come la variabilità interannuale, le influenze di forzanti climatiche esterne o le discrepanze tra diversi modelli climatici.
2. Tabella Supplementare (S1)
   La tabella S1 riassume informazioni chiave, che potrebbero includere statistiche descrittive, parametri di simulazione dei modelli climatici utilizzati, o metriche di confronto tra dati osservativi e modellistici. La tabella è strutturata per fornire un rapido accesso a dati quantitativi che supportano le conclusioni dello studio.

Contesto Scientifico e Metodologico

Lo studio si avvale di una combinazione di osservazioni climatiche e simulazioni numeriche derivate da modelli climatici di ultima generazione, sviluppati nell’ambito del Coupled Model Intercomparison Project (CMIP6) e di altri progetti di ensemble di grande scala. Questi modelli sono stati utilizzati per analizzare la variabilità interna del sistema climatico e per valutare la probabilità di eventi come la pausa nella perdita di ghiaccio marino artico. Di seguito, si fornisce una panoramica dei principali riferimenti citati, che costituiscono la base teorica e metodologica dello studio.

Riferimenti Bibliografici

1. Boucher et al. (2020) – Journal of Advances in Modeling Earth Systems
   Questo studio presenta il modello climatico IPSL-CM6A-LR, utilizzato per simulare il clima globale con un’enfasi sulla rappresentazione dei processi fisici e biogeochimici. La sua valutazione approfondita garantisce l’affidabilità delle simulazioni per studi sulla variabilità climatica, come quello qui considerato.
   DOI: 10.1029/2019MS002010
2. Burger et al. (2022) – Nature Communications
   Gli autori analizzano eventi estremi composti, come ondate di calore marine e picchi di acidità oceanica, che possono influenzare gli ecosistemi marini e, indirettamente, la dinamica del ghiaccio marino. Questo studio fornisce un contesto per comprendere gli impatti climatici complessi nell’Artico.
   DOI: 10.1038/s41467-022-
3. Fasullo et al. (2024) – Earth System Dynamics
   Questo lavoro descrive l’ensemble di grande scala E3SM versione 2, confrontandolo con altri ensemble come CESM. L’utilizzo di ensemble di grande scala è fondamentale per distinguere il segnale del cambiamento climatico dalla variabilità interna, un aspetto cruciale per interpretare la pausa nella perdita di ghiaccio marino.
   DOI: 10.5194/esd-15-367-2024
4. Kay et al. (2015) – Bulletin of the American Meteorological Society
   Il progetto CESM Large Ensemble rappresenta una risorsa comunitaria per lo studio del cambiamento climatico in presenza di variabilità interna. Le simulazioni di questo ensemble sono state probabilmente utilizzate per valutare la plausibilità della pausa osservata nel ghiaccio marino artico.
   DOI: 10.1175/BAMS-D-13-00255.1
5. Kirchmeier-Young et al. (2017) – Journal of Climate
   Questo studio si concentra sull’attribuzione di eventi estremi nell’estensione del ghiaccio marino artico, distinguendo tra cause antropogeniche e variabilità naturale. I metodi di attribuzione qui descritti sono rilevanti per comprendere le dinamiche della pausa.
   DOI: 10.1175/JCLI-D-16-0412.1
6. Maher et al. (2019) – Journal of Advances in Modeling Earth Systems
   Il Max Planck Institute Grand Ensemble (MPI-GE) consente l’esplorazione della variabilità climatica su scala globale. Questo ensemble è stato probabilmente impiegato per testare la robustezza delle simulazioni relative alla pausa nel ghiaccio marino.
   DOI: 10.1029/2019MS001639
7. Olonscheck et al. (2023) – Journal of Advances in Modeling Earth Systems
   Una versione aggiornata dell’MPI-GE con forzanti CMIP6 e output ad alta frequenza fornisce dati dettagliati per l’analisi di fenomeni climatici transitori, come la pausa nel declino del ghiaccio marino.
   DOI: 10.1029/2023MS003790
8. Rodgers et al. (2021) – Earth System Dynamics
   Questo studio evidenzia l’ubiquità dei cambiamenti indotti dall’uomo nella variabilità climatica, fornendo un quadro per valutare se la pausa nel ghiaccio marino possa essere influenzata da forzanti antropogeniche.
   DOI: 10.5194/esd-12-1393-2021
9. Sellar et al. (2019) – Journal of Advances in Modeling Earth Systems
   Il modello UKESM1, descritto in questo studio, è un altro strumento utilizzato per simulare il sistema terrestre, con particolare attenzione ai processi che influenzano il clima artico.
   DOI: 10.1029/2019MS001739
10. Sun et al. (2018) – Journal of Climate
    Gli autori analizzano la risposta climatica globale alla perdita di ghiaccio marino artico tra il 1990 e il 2090, fornendo un contesto per comprendere gli impatti climatici più ampi della variabilità del ghiaccio marino.
    DOI: 10.1175/JCLI-D-18-0134.1
11. Swart et al. (2019) – Geoscientific Model Development
    Il modello CanESM5 è descritto e valutato in questo studio, evidenziando la sua capacità di simulare la variabilità climatica e il cambiamento nell’Artico.
    DOI: 10.5194/gmd-12-4823-2019
12. Tatebe et al. (2019) – Geoscientific Model Development
    Il modello MIROC6 viene presentato come uno strumento per simulare il clima globale, con un focus sulla sensibilità climatica e la variabilità interna, rilevanti per lo studio della pausa nel ghiaccio marino.
    DOI: 10.5194/gmd-12-2727-2019
13. Wyser et al. (2021) – Geoscientific Model Development
    L’ensemble di grande scala SMHI-LENS, basato su EC-Earth3.3.1, fornisce ulteriori dati per l’analisi della variabilità climatica nell’Artico.
    DOI: 10.5194/gmd-14-4781-2021
14. Ziehn et al. (2020) – Journal of Southern Hemisphere Earth Systems Science
    Il modello ACCESS-ESM1.5, utilizzato per simulare il sistema terrestre, contribuisce a una comprensione globale dei processi climatici, inclusi quelli che influenzano l’Artico.
    DOI: 10.1071/ES19035

Discussione

I riferimenti sopra elencati rappresentano una selezione di studi che coprono un’ampia gamma di approcci modellistici e osservativi per lo studio del clima artico e globale. L’uso di ensemble di grande scala, come CESM, E3SM, MPI-GE e SMHI-LENS, consente di quantificare la variabilità interna del sistema climatico e di distinguere gli effetti delle forzanti antropogeniche da quelli naturali. La pausa nella perdita di ghiaccio marino artico, come descritta nello studio principale, è un esempio di come la variabilità interna possa temporaneamente mascherare o modulare i trend di lungo termine indotti dal cambiamento climatico. Le figure e la tabella supplementari fornite in questo documento rafforzano l’analisi, offrendo una rappresentazione visiva e quantitativa dei dati che supportano questa interpretazione.

Conclusione

Le informazioni supplementari qui presentate sono progettate per arricchire la comprensione del fenomeno della pausa pluridecennale nella perdita di ghiaccio marino artico. Attraverso l’integrazione di dati osservativi, simulazioni modellistiche avanzate e un robusto quadro teorico, lo studio contribuisce significativamente alla letteratura scientifica sul cambiamento climatico nell’Artico, evidenziando l’importanza della variabilità interna nel modulare i trend climatici osservati.

Analisi Dettagliata della Figura S1: Serie Temporali dell’Area e dell’Estensione del Ghiaccio Marino Artico in Settembre (1980–2024)

La Figura S1 presenta una rappresentazione grafica delle serie temporali relative all’area e all’estensione del ghiaccio marino artico nel mese di settembre, un periodo critico per il minimo stagionale del ghiaccio marino. I dati sono derivati da due indici ampiamente utilizzati nella comunità scientifica: il National Snow and Ice Data Center (NSIDC) e l’Ocean and Sea Ice Satellite Application Facility (OSISAF). La figura è strutturata in quattro pannelli, organizzati in due righe e due colonne, per consentire un confronto diretto tra le due metriche (area ed estensione) e le due fonti di dati (NSIDC e OSISAF). Inoltre, viene evidenziato il trend lineare degli ultimi 20 anni (2005–2024) con il relativo intervallo di confidenza al 95%, fornendo un’indicazione quantitativa della variabilità e della tendenza recente.

Struttura e Organizzazione della Figura

La figura è suddivisa come segue:

• Riga superiore (pannelli a e b): Rappresenta l’area del ghiaccio marino in settembre, espressa in milioni di km².
  • Pannello (a): Serie temporale basata sui dati NSIDC.
  • Pannello (b): Serie temporale basata sui dati OSISAF.
• Riga inferiore (pannelli c e d): Mostra l’estensione del ghiaccio marino in settembre, anch’essa espressa in milioni di km².
  • Pannello (c): Serie temporale basata sui dati NSIDC.
  • Pannello (d): Serie temporale basata sui dati OSISAF.

In ciascun pannello:

• L’asse orizzontale (X) copre il periodo temporale dal 1980 al 2024, un intervallo di 45 anni che consente di analizzare i cambiamenti a lungo termine del ghiaccio marino artico.
• L’asse verticale (Y) riporta i valori di area o estensione del ghiaccio marino. Per l’area (pannelli a e b), i valori variano da circa 2 a 7 milioni di km²; per l’estensione (pannelli c e d), i valori oscillano tra 4 e 8 milioni di km².
• Una linea nera frastagliata rappresenta l’andamento annuale dell’area o dell’estensione, catturando le fluttuazioni interannuali tipiche della variabilità climatica.
• Una ombreggiatura grigia evidenzia l’intervallo di confidenza al 95% per il trend lineare calcolato nel periodo 2005–2024, fornendo una stima dell’incertezza statistica associata al trend recente.

Analisi dei Dati e delle Tendenze

1. Declino a Lungo Termine del Ghiaccio Marino (1980–2024)

Tutti i pannelli della Figura S1 mostrano un chiaro declino a lungo termine sia dell’area che dell’estensione del ghiaccio marino artico nel mese di settembre, coerente con le aspettative basate sul riscaldamento globale indotto dalle attività antropogeniche. Negli anni ’80, l’area del ghiaccio marino (pannelli a e b) oscillava generalmente tra 5 e 6 milioni di km², mentre l’estensione (pannelli c e d) si attestava tra 7 e 8 milioni di km². A partire dagli anni ’90, si osserva un’accelerazione della perdita di ghiaccio, con una riduzione significativa che diventa particolarmente pronunciata negli anni 2000 e 2010. Entro il 2024, l’area del ghiaccio marino si è ridotta a valori prossimi a 3 milioni di km² (pannelli a e b), mentre l’estensione è scesa a circa 4–5 milioni di km² (pannelli c e d). Questo declino è in linea con le proiezioni dei modelli climatici globali e riflette l’impatto del riscaldamento artico amplificato, un fenomeno noto come Arctic amplification, che vede temperature nell’Artico aumentare a un tasso due o tre volte superiore alla media globale.

2. Pausa nel Declino (2005–2024)

Un elemento chiave evidenziato dalla Figura S1 è la presenza di una pausa o rallentamento nel declino del ghiaccio marino durante il periodo 2005–2024, come indicato dall’ombreggiatura che rappresenta il trend lineare degli ultimi 20 anni. In questo intervallo temporale, il tasso di perdita di ghiaccio appare significativamente ridotto rispetto ai decenni precedenti. Ad esempio, nei pannelli (a) e (b), l’area del ghiaccio marino mostra una stabilizzazione intorno ai 3–4 milioni di km², con fluttuazioni interannuali che rimangono entro un intervallo relativamente ristretto. Analogamente, nei pannelli (c) e (d), l’estensione del ghiaccio marino si stabilizza intorno ai 4–5 milioni di km². L’intervallo di confidenza al 95% associato a questo trend suggerisce che, sebbene il declino complessivo persista, il tasso di perdita è statisticamente meno pronunciato rispetto al periodo 1980–2005. Questo rallentamento è coerente con il titolo dello studio, “Surprising, but not unexpected, multi-decadal pause in Arctic sea ice loss”, e può essere attribuito alla variabilità interna del sistema climatico, come oscillazioni naturali nei pattern atmosferici (ad esempio, l’Oscillazione Artica) o variazioni nella circolazione oceanica.

3. Confronto tra NSIDC e OSISAF

I dati NSIDC e OSISAF mostrano un buon accordo generale, ma emergono alcune differenze sistematiche:

• Area del Ghiaccio Marino (pannelli a e b): I valori riportati da OSISAF (pannello b) tendono a essere leggermente inferiori rispetto a quelli di NSIDC (pannello a), specialmente negli ultimi decenni. Ad esempio, intorno al 2024, l’area del ghiaccio marino secondo OSISAF è spesso inferiore di circa 0,5 milioni di km² rispetto a NSIDC. Questa discrepanza può derivare da differenze nei metodi di processamento dei dati satellitari o nelle soglie utilizzate per definire la presenza di ghiaccio.
• Estensione del Ghiaccio Marino (pannelli c e d): Anche per l’estensione si osserva una tendenza simile, con OSISAF che riporta valori leggermente inferiori a NSIDC negli anni più recenti. Tuttavia, le differenze sono meno marcate rispetto a quelle osservate per l’area, suggerendo una maggiore uniformità nelle definizioni operative di estensione tra i due indici.

Queste discrepanze, pur presenti, non compromettono la validità dell’osservazione principale: la pausa nel declino del ghiaccio marino è evidente in entrambi i dataset, rafforzando la robustezza del risultato.

4. Differenza Concettuale tra Area ed Estensione

Un aspetto fondamentale per interpretare la Figura S1 è la distinzione tra area ed estensione del ghiaccio marino:

• L’area (pannelli a e b) rappresenta la superficie effettiva coperta dal ghiaccio marino, escludendo eventuali spazi aperti (ad esempio, polinie o aree con concentrazione di ghiaccio inferiore al 100%) all’interno della regione ghiacciata.
• L’estensione (pannelli c e d) è definita come l’area totale della regione in cui la concentrazione di ghiaccio supera una soglia minima, tipicamente il 15%. Questo include anche aree con ghiaccio meno denso o frammentato.

A causa di questa differenza, i valori di estensione sono sistematicamente più alti rispetto a quelli dell’area, come evidente confrontando i pannelli della riga superiore con quelli della riga inferiore. Ad esempio, nel 1980, l’area del ghiaccio marino era di circa 5–6 milioni di km², mentre l’estensione era di circa 7–8 milioni di km². Questa distinzione è cruciale per comprendere le dinamiche del ghiaccio marino: una riduzione dell’area può indicare un assottigliamento o una frammentazione del ghiaccio, mentre una riduzione dell’estensione può riflettere una contrazione geografica della regione coperta da ghiaccio.

Implicazioni Scientifiche

La Figura S1 fornisce un supporto visivo fondamentale per le conclusioni dello studio. Il declino a lungo termine del ghiaccio marino artico, osservato dal 1980 al 2024, è coerente con l’aumento delle temperature globali e l’amplificazione artica, entrambi guidati dall’aumento delle concentrazioni di gas serra. Tuttavia, la pausa nel declino durante il periodo 2005–2024, evidenziata dall’ombreggiatura del trend lineare, suggerisce che fattori di variabilità interna possano temporaneamente modulare il segnale del cambiamento climatico antropogenico. Questo fenomeno non è inaspettato, poiché i modelli climatici di grande scala, come quelli citati nello studio (ad esempio, CESM Large Ensemble e MPI-GE), prevedono che la variabilità interna possa generare periodi di stasi o rallentamento nel declino del ghiaccio marino, anche in presenza di un trend di riscaldamento globale.

La coerenza tra i dati NSIDC e OSISAF rafforza la credibilità dell’osservazione, nonostante le lievi differenze metodologiche tra i due indici. Queste discrepanze sottolineano l’importanza di utilizzare multiple fonti di dati per validare i risultati scientifici, specialmente in un contesto complesso come quello del monitoraggio del ghiaccio marino artico. Inoltre, la distinzione tra area ed estensione evidenzia la necessità di considerare entrambe le metriche per ottenere un quadro completo delle dinamiche del ghiaccio marino: l’area fornisce informazioni sulla densità e sulla qualità del ghiaccio, mentre l’estensione riflette l’espansione geografica della copertura glaciale.

Conclusione

La Figura S1 rappresenta un elemento chiave per comprendere il fenomeno della pausa pluridecennale nella perdita di ghiaccio marino artico descritta nello studio. Attraverso una chiara visualizzazione delle serie temporali di area ed estensione del ghiaccio marino, la figura conferma il declino a lungo termine del ghiaccio marino, ma evidenzia anche un rallentamento significativo nel periodo 2005–2024. Questo risultato, supportato da entrambi gli indici NSIDC e OSISAF, sottolinea l’interazione tra il cambiamento climatico antropogenico e la variabilità interna del sistema climatico, offrendo un contributo importante alla comprensione delle dinamiche climatiche nell’Artico. Ulteriori analisi, come quelle condotte con modelli climatici avanzati, possono aiutare a chiarire i meccanismi alla base di questa pausa e a prevedere l’evoluzione futura del ghiaccio marino in un clima in rapido cambiamento.

Analisi Approfondita della Figura S2: Serie Temporale delle Anomalie del Volume del Ghiaccio Marino Artico Simulate dal Modello PIOMAS (1979–2024)

La Figura S2 presenta una serie temporale delle anomalie del volume del ghiaccio marino artico, derivate dalle simulazioni del modello PIOMAS (Pan-Arctic Ice Ocean Modeling and Assimilation System), per il periodo compreso tra il 1979 e il 2024. Le anomalie sono calcolate come deviazioni dalla media a lungo termine del volume del ghiaccio marino per lo stesso periodo, e il grafico include sia le anomalie giornaliere che annuali, con un’analisi specifica del trend lineare negli ultimi 15 anni (2010–2024). Questa figura integra le informazioni fornite dalla Figura S1, che si concentrava su area ed estensione del ghiaccio marino, aggiungendo la dimensione del volume, un indicatore critico per comprendere l’evoluzione complessiva del ghiaccio marino artico in un contesto di cambiamento climatico.

Struttura e Composizione del Grafico

La Figura S2 è un grafico a linea che riporta le seguenti informazioni:

• Asse orizzontale (X): Copre il periodo dal 1979 al 2024, un intervallo di 46 anni che consente di analizzare l’evoluzione del volume del ghiaccio marino su scala pluridecennale.
• Asse verticale (Y): Rappresenta l’anomalia del volume del ghiaccio marino, espressa in migliaia di km³ (10³ km³), con un intervallo che va da +8 a -8 migliaia di km³. Le anomalie sono definite come la differenza tra il volume simulato in un dato momento e la media a lungo termine calcolata sull’intero periodo 1979–2024.
• Linea grigia frastagliata: Illustra le anomalie giornaliere del volume del ghiaccio marino, catturando la variabilità a breve termine dovuta a fluttuazioni stagionali e a eventi climatici transitori.
• Linea nera più spessa: Mostra le anomalie annuali, calcolate come media delle anomalie giornaliere per ciascun anno, evidenziando i trend a lungo termine e riducendo il rumore associato alla variabilità giornaliera.
• Ombreggiatura grigia: Rappresenta l’intervallo di confidenza al 95% per il trend lineare calcolato nel periodo 2010–2024, fornendo una misura dell’incertezza statistica associata al trend recente.

Analisi Dettagliata dei Dati

1. Definizione e Significato delle Anomalie

Le anomalie del volume del ghiaccio marino sono calcolate come la deviazione del volume simulato in un dato giorno o anno rispetto alla media a lungo termine del periodo 1979–2024. Un’anomalia positiva indica un volume di ghiaccio superiore alla media, suggerendo condizioni favorevoli alla formazione o alla conservazione del ghiaccio, mentre un’anomalia negativa indica un volume inferiore alla media, riflettendo una perdita di ghiaccio. Il volume del ghiaccio marino è una metrica fondamentale perché combina l’estensione superficiale del ghiaccio (come vista nella Figura S1) con il suo spessore, offrendo un’indicazione più completa della quantità totale di ghiaccio presente nell’Artico. Un calo del volume può derivare sia da una riduzione dell’area coperta dal ghiaccio sia da un assottigliamento dello strato di ghiaccio, entrambi fattori critici per valutare la vulnerabilità del ghiaccio marino agli stress climatici.

2. Evoluzione a Lungo Termine del Volume del Ghiaccio Marino (1979–2024)

• 1979–1990: All’inizio del periodo, le anomalie giornaliere (linea grigia) e annuali (linea nera) oscillano intorno allo zero, con valori generalmente compresi tra +2 e -2 migliaia di km³. Questo indica che il volume del ghiaccio marino era relativamente stabile rispetto alla media a lungo termine, con fluttuazioni che riflettono la variabilità naturale del sistema climatico, come cambiamenti nei pattern atmosferici (ad esempio, l’Oscillazione Artica) o nelle temperature superficiali del mare.
• 1990–2010: A partire dagli anni ’90, si osserva un declino graduale ma costante delle anomalie, che diventano progressivamente più negative. Questo trend riflette l’impatto del riscaldamento globale, che nell’Artico è amplificato dal fenomeno noto come Arctic amplification. Intorno al 2010, le anomalie annuali raggiungono valori di circa -4 migliaia di km³, indicando una perdita significativa di volume rispetto alla media. Questo periodo coincide con un’accelerazione della fusione del ghiaccio marino, documentata anche in termini di area ed estensione (Figura S1), e può essere attribuito all’aumento delle temperature globali, alla riduzione dell’albedo (dovuta alla diminuzione della copertura di ghiaccio riflettente), e a feedback positivi che amplificano il riscaldamento regionale.
• 2010–2024: Dopo il 2010, il declino delle anomalie continua, ma il tasso di perdita appare meno pronunciato. Le anomalie annuali si stabilizzano intorno a -6 migliaia di km³ negli ultimi anni, con fluttuazioni interannuali che rimangono entro un intervallo relativamente ristretto. Questo rallentamento nel declino del volume è un elemento chiave della Figura S2 e si allinea con il tema dello studio, che esplora una pausa pluridecennale nella perdita di ghiaccio marino.

3. Pausa nel Declino del Volume (2010–2024)

L’ombreggiatura grigia, che rappresenta l’intervallo di confidenza al 95% per il trend lineare del periodo 2010–2024, evidenzia un rallentamento significativo nel declino del volume del ghiaccio marino negli ultimi 15 anni. Sebbene le anomalie rimangano fortemente negative (circa -6 migliaia di km³), il trend lineare in questo periodo mostra una pendenza meno ripida rispetto al periodo precedente (1979–2010). Questo rallentamento suggerisce una possibile pausa nella perdita di volume, coerente con l’ipotesi dello studio di una “pausa pluridecennale” nella perdita di ghiaccio marino. Tale fenomeno può essere attribuito alla variabilità interna del sistema climatico, che può temporaneamente contrastare il trend di perdita indotto dal riscaldamento globale. Ad esempio, variazioni nella circolazione atmosferica (come fasi positive dell’Oscillazione Artica) o nella temperatura superficiale del mare possono favorire la conservazione del ghiaccio, mentre cambiamenti nella dinamica oceanica, come un afflusso di acque più fredde nell’Artico, possono rallentare la fusione.

4. Variabilità Giornaliera e Annuale

• Anomalie giornaliere (linea grigia): La linea grigia mostra una variabilità significativa, con fluttuazioni che riflettono i cicli stagionali e gli eventi climatici a breve termine. Ad esempio, in alcuni anni si osservano picchi positivi o negativi che possono essere attribuiti a eventi estremi, come ondate di calore estive che accelerano la fusione del ghiaccio o inverni particolarmente freddi che favoriscono la formazione di nuovo ghiaccio. Questa variabilità a breve termine è tipica dei dati climatici e sottolinea l’importanza di considerare scale temporali diverse nell’analisi.
• Anomalie annuali (linea nera): La linea nera, che rappresenta la media annuale delle anomalie giornaliere, attenua le fluttuazioni a breve termine e fornisce una visione più chiara del trend a lungo termine. La differenza tra le due linee evidenzia come la variabilità giornaliera possa mascherare i segnali di cambiamento sistematico, rendendo le anomalie annuali uno strumento più efficace per identificare i trend pluridecennali.

Implicazioni Scientifiche

La Figura S2 aggiunge una dimensione cruciale all’analisi del ghiaccio marino artico, complementando le informazioni su area ed estensione presentate nella Figura S1. Il volume del ghiaccio marino è un indicatore chiave della salute complessiva del ghiaccio, poiché integra sia l’estensione superficiale sia lo spessore. Un ghiaccio più sottile è più vulnerabile allo scioglimento e meno capace di resistere a stress climatici, come temperature elevate, venti forti o correnti oceaniche calde. Di seguito, si esplorano le principali implicazioni dei dati:

• Declino a Lungo Termine: Il grafico conferma una perdita significativa di volume del ghiaccio marino tra il 1979 e il 2024, con anomalie che passano da valori prossimi allo zero a valori fortemente negativi (circa -6 migliaia di km³). Questo declino è coerente con il riscaldamento globale e l’amplificazione artica, che hanno portato a un aumento delle temperature nell’Artico a un tasso due o tre volte superiore alla media globale. La perdita di volume indica non solo una riduzione della copertura di ghiaccio, ma anche un assottigliamento, che rende il ghiaccio rimanente più fragile e suscettibile a ulteriori perdite.
• Pausa nel Declino (2010–2024): La stabilizzazione relativa del volume negli ultimi 15 anni, come evidenziato dal trend lineare e dall’intervallo di confidenza, supporta l’ipotesi dello studio di una pausa nella perdita di ghiaccio marino. Questo rallentamento potrebbe essere influenzato da fattori naturali, come variazioni nei pattern atmosferici (ad esempio, fasi positive dell’Oscillazione Artica che riducono il trasporto di calore verso l’Artico) o nella circolazione oceanica (ad esempio, un afflusso di acque più fredde). Tuttavia, la persistenza di anomalie fortemente negative indica che il volume del ghiaccio marino rimane ben al di sotto della media storica, e la pausa non implica un’inversione del trend di perdita a lungo termine.
• Confronto con Area ed Estensione (Figura S1): Rispetto alla Figura S1, che mostrava una pausa simile nell’area e nell’estensione del ghiaccio marino nel periodo 2005–2024, la Figura S2 evidenzia una pausa nel volume che inizia leggermente più tardi (2010–2024). Questo sfasamento temporale potrebbe riflettere differenze nei processi fisici che influenzano il volume rispetto a quelli che influenzano l’area e l’estensione. Ad esempio, lo spessore del ghiaccio (che contribuisce al volume) potrebbe rispondere più lentamente a cambiamenti climatici rispetto alla distribuzione superficiale del ghiaccio, a causa di processi termodinamici e dinamici più complessi.

Contesto Modellistico: Il Ruolo di PIOMAS

Il modello PIOMAS, utilizzato per generare i dati di questa figura, è un modello numerico che integra osservazioni satellitari e dati oceanografici per simulare l’evoluzione del ghiaccio marino artico. PIOMAS è ampiamente utilizzato nella comunità scientifica per la sua capacità di fornire stime affidabili del volume del ghiaccio marino, una variabile difficile da misurare direttamente su larga scala. Le simulazioni di PIOMAS tengono conto di fattori come la temperatura dell’aria e dell’oceano, i venti, la salinità e i processi di fusione e congelamento, offrendo un quadro dettagliato delle dinamiche del ghiaccio marino. Tuttavia, come tutti i modelli, PIOMAS è soggetto a incertezze, specialmente per quanto riguarda la rappresentazione dello spessore del ghiaccio in regioni remote. Nonostante queste limitazioni, i dati di PIOMAS sono considerati una delle migliori fonti disponibili per l’analisi del volume del ghiaccio marino, e i risultati mostrati nella Figura S2 sono coerenti con altre osservazioni indirette, come quelle derivate da misurazioni satellitari e campagne sul campo.

Conclusione

La Figura S2 fornisce un’analisi approfondita delle anomalie del volume del ghiaccio marino artico simulate dal modello PIOMAS per il periodo 1979–2024. Il grafico evidenzia un declino significativo del volume, con anomalie che diventano progressivamente più negative, riflettendo l’impatto del riscaldamento globale e dell’amplificazione artica. Tuttavia, il trend lineare degli ultimi 15 anni (2010–2024) mostra un rallentamento nella perdita di volume, supportando l’ipotesi dello studio di una “pausa pluridecennale” nella perdita di ghiaccio marino. Questo rallentamento, evidenziato dall’intervallo di confidenza al 95%, suggerisce che la variabilità interna del sistema climatico possa temporaneamente modulare il trend di perdita indotto dal cambiamento climatico antropogenico. La figura sottolinea l’importanza di monitorare il volume del ghiaccio marino, oltre a parametri come area ed estensione, per ottenere un quadro completo delle dinamiche climatiche nell’Artico. Questi risultati contribuiscono alla comprensione dei complessi processi che regolano il ghiaccio marino e delle loro implicazioni per il clima globale, offrendo una base per future indagini sui meccanismi alla base della variabilità climatica artica.

Analisi Approfondita della Figura S3: Percentuale di Simulazioni con Trend Non Significativi dell’Area del Ghiaccio Marino Artico in Settembre (2005–2024)

La Figura S3 presenta un’analisi statistica della significatività dei trend dell’area del ghiaccio marino artico (SIA, Sea Ice Area) nel mese di settembre per il periodo 2005–2024, derivata da un’ampia gamma di simulazioni di modelli climatici globali. La figura riporta la percentuale di membri (simulazioni individuali) all’interno di ciascun ensemble di modelli per i quali il trend dell’area del ghiaccio marino non è statisticamente significativo al livello di confidenza del 95%. I dati sono organizzati per diverse categorie di simulazioni, scenari di forzanti radiative (RCP e SSP) e modelli climatici, consentendo un confronto sistematico tra le proiezioni modellistiche e fornendo un supporto cruciale per l’ipotesi dello studio di una “pausa pluridecennale” nella perdita di ghiaccio marino artico.

Struttura e Composizione del Grafico

La Figura S3 è un diagramma a dispersione con simboli sovrapposti, strutturato come segue:

• Asse orizzontale (X): Rappresenta diverse categorie di simulazioni e osservazioni:
  • ALL: Include tutte le simulazioni considerate nell’analisi, aggregando i risultati di diversi modelli e scenari.
  • CMIP6: Si riferisce alle simulazioni del Coupled Model Intercomparison Project fase 6 (CMIP6), un progetto internazionale che fornisce un quadro standardizzato per confrontare i modelli climatici.
  • Notz: Potrebbe indicare un subset di simulazioni o un’analisi specifica associata al ricercatore Dirk Notz, noto per i suoi studi sul ghiaccio marino artico, o un metodo di calibrazione particolare (ulteriori dettagli sarebbero necessari per una definizione precisa).
  • ECS 2.3-6.7K: Suddivide le simulazioni in base alla sensibilità climatica all’equilibrio (ECS, Equilibrium Climate Sensitivity), un parametro che misura l’aumento di temperatura globale in risposta a un raddoppio della concentrazione di CO₂, con valori che variano tra 2.3 K e 6.7 K.
  • SIA 1979-1998: Potrebbe rappresentare un periodo di riferimento per l’area del ghiaccio marino (1979–1998), utilizzato per calibrare i modelli o per confrontare le simulazioni con le osservazioni storiche.
• Asse verticale (Y): Indica la percentuale di membri (simulazioni) per i quali il trend dell’area del ghiaccio marino nel periodo 2005–2024 non è statisticamente significativo al 95%, con valori che variano da 0% a 100%. Un valore più alto indica una maggiore probabilità che il trend sia piatto o non distinguibile dal rumore statistico.
• Simboli e colori: Ogni simbolo rappresenta uno scenario di forzanti radiative, mentre ogni colore o forma corrisponde a un modello climatico specifico, come indicato nella legenda:
  • Scenari di forzanti radiative: RCP 2.6, RCP 4.5, RCP 8.5 (Representative Concentration Pathways, scenari di concentrazione rappresentativa); SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP4-3.4, SSP4-6.0, SSP5-8.5 (Shared Socioeconomic Pathways, scenari socioeconomici condivisi). Gli scenari RCP sono stati utilizzati in CMIP5, mentre gli SSP sono parte di CMIP6 e rappresentano diverse traiettorie di emissioni e cambiamenti socioeconomici.
  • Modelli climatici: CanESM2, CanESM5, CESM1-CAM5, GFDL-CM3, GFDL-ESM2M, MPI-ESM-LR, ACCESS-ESM1-5, CanESM5-1, CESM2, E3SM-2-0, EC-Earth3, IPSL-CM6A-LR, MIROC6, MPI-ESM1-2-LR, UKESM1-0-LL. Questi modelli sono stati selezionati per la loro capacità di simulare il clima artico e sono stati utilizzati in progetti di ensemble di grande scala.

Analisi Dettagliata dei Risultati

1. Significato della Percentuale di Trend Non Significativi

La percentuale riportata sull’asse Y rappresenta la frazione di simulazioni (membri) all’interno di un determinato ensemble di modelli per cui il trend dell’area del ghiaccio marino nel periodo 2005–2024 non è statisticamente significativo al livello di confidenza del 95%. In termini statistici, un trend non significativo implica che non si può rifiutare l’ipotesi nulla di un trend pari a zero con un livello di confidenza del 95%. Questo potrebbe indicare una “pausa” o un rallentamento nel declino dell’area del ghiaccio marino, in cui le variazioni osservate sono indistinguibili dal rumore statistico. Al contrario, un trend significativo (percentuale bassa) indica una chiara tendenza al declino (o, in teoria, a un aumento) dell’area del ghiaccio marino, statisticamente distinguibile dalla variabilità naturale.

2. Risultati per Categorie

• ALL (Tutte le simulazioni): Questa categoria aggrega i risultati di tutte le simulazioni considerate, fornendo una panoramica generale. Le percentuali variano tra circa il 20% e il 60%, a seconda dello scenario di forzanti radiative. Ad esempio, per lo scenario RCP 8.5 (triangolo nero), solo il 20% delle simulazioni mostra un trend non significativo, suggerendo che in questo scenario di forzanti elevate il declino dell’area del ghiaccio marino è generalmente significativo. Al contrario, per SSP1-1.9 (croce viola), la percentuale sale a circa il 50%, indicando che in uno scenario di mitigazione più aggressiva una frazione maggiore di simulazioni rileva una pausa nel declino. Questo suggerisce che scenari con forzanti radiative più elevate (come RCP 8.5 e SSP5-8.5) tendono a produrre trend di declino più marcati e statisticamente significativi, mentre scenari meno aggressivi (come SSP1-1.9 e SSP1-2.6) sono più propensi a mostrare una pausa.
• CMIP6: Le simulazioni CMIP6 mostrano una variabilità simile a quella della categoria ALL, con percentuali che oscillano tra il 20% e il 60%. Ad esempio, per SSP5-8.5 (stella nera), circa il 20% delle simulazioni ha un trend non significativo, mentre per SSP1-2.6 (stella viola), la percentuale è più alta, intorno al 50%. Questo pattern riflette l’influenza delle forzanti radiative: scenari con maggiori emissioni di gas serra (SSP5-8.5) producono un declino più rapido e significativo del ghiaccio marino, mentre scenari con emissioni ridotte (SSP1-2.6) sono più inclini a mostrare una pausa, probabilmente a causa di un minore impatto del riscaldamento sull’Artico.
• Notz: Questa categoria mostra percentuali generalmente più alte, spesso superiori al 40%, indicando che un numero maggiore di simulazioni in questo gruppo non rileva un trend significativo. Ad esempio, per SSP3-7.0 (quadrato grigio), circa il 60% delle simulazioni mostra un trend non significativo, suggerendo che questo subset di simulazioni potrebbe essere più sensibile a fattori che favoriscono una pausa, come una rappresentazione più dettagliata della variabilità interna o una diversa parametrizzazione dei processi del ghiaccio marino.
• ECS 2.3-6.7K: Le simulazioni sono suddivise in base alla sensibilità climatica all’equilibrio (ECS), che misura la risposta della temperatura globale a un raddoppio della CO₂. Per i modelli con ECS più bassa (2.3 K), la percentuale di trend non significativi è più alta, spesso intorno al 60%, indicando che questi modelli tendono a simulare un declino meno pronunciato del ghiaccio marino, favorendo una pausa. Al contrario, per i modelli con ECS più alta (6.7 K), la percentuale scende a circa il 20%, suggerendo che modelli più sensibili al riscaldamento producono trend di declino più significativi. Questo risultato evidenzia il ruolo cruciale della sensibilità climatica nella modellizzazione del ghiaccio marino e sottolinea come le incertezze legate all’ECS possano influenzare le proiezioni future.
• SIA 1979-1998: Questa categoria, che potrebbe rappresentare un periodo di riferimento per l’area del ghiaccio marino (1979–1998) utilizzato per calibrare i modelli o per confrontare le simulazioni con le osservazioni storiche, mostra percentuali variabili tra il 20% e il 50%. Ad esempio, per SSP2-4.5 (cerchio grigio), circa il 40% delle simulazioni ha un trend non significativo. Questo suggerisce che anche le osservazioni storiche o le simulazioni calibrate su dati storici supportano l’idea di una pausa nel declino del ghiaccio marino nel periodo 2005–2024, in linea con i risultati delle altre categorie.

3. Confronto tra Modelli e Scenari

• Influenza degli scenari di forzanti radiative: Gli scenari con forzanti radiative più elevate (RCP 8.5, SSP5-8.5) mostrano percentuali più basse di trend non significativi (circa 20%), indicando che in questi scenari il declino dell’area del ghiaccio marino è più pronunciato e statisticamente rilevante. Questo è coerente con l’aspettativa che un maggiore riscaldamento globale, associato a scenari di emissioni elevate, porti a una fusione più rapida del ghiaccio marino, riducendo la probabilità di una pausa. Al contrario, scenari con forzanti più moderate (RCP 2.6, SSP1-1.9, SSP1-2.6) mostrano percentuali più alte (fino al 60%), suggerendo che in contesti di mitigazione climatica più aggressiva, il declino del ghiaccio marino può essere temporaneamente attenuato, favorendo una pausa.
• Variabilità tra i modelli climatici: I diversi modelli mostrano una certa variabilità nei risultati. Ad esempio, modelli come MPI-ESM-LR (arancione) e UKESM1-0-LL (viola scuro) tendono ad avere percentuali più alte di trend non significativi in molti scenari (spesso intorno al 50–60%), suggerendo che questi modelli potrebbero essere più inclini a simulare una pausa nel declino del ghiaccio marino, forse a causa di una rappresentazione più conservativa dei processi di fusione o di una maggiore sensibilità alla variabilità interna. Al contrario, modelli come CanESM5 (blu) e CESM2 (verde chiaro) mostrano percentuali più basse (circa 20–30%), indicando trend di declino più significativi. Queste differenze possono derivare da variazioni nella parametrizzazione dei processi fisici, come la dinamica del ghiaccio marino, la sensibilità all’albedo, o la rappresentazione delle interazioni oceano-atmosfera.

Implicazioni Scientifiche

La Figura S3 fornisce un supporto quantitativo all’ipotesi dello studio di una “pausa pluridecennale” nella perdita di ghiaccio marino artico, mostrando che una frazione significativa delle simulazioni di modelli climatici non rileva un trend statisticamente significativo nell’area del ghiaccio marino nel periodo 2005–2024. Questo risultato è coerente con le osservazioni presentate nelle Figure S1 e S2, che evidenziavano un rallentamento nel declino dell’area, dell’estensione e del volume del ghiaccio marino, rispettivamente. Di seguito, si esplorano le principali implicazioni dei dati:

• Influenza delle forzanti radiative: La dipendenza dei risultati dagli scenari di forzanti radiative evidenzia come l’entità della pausa sia influenzata dal livello di riscaldamento globale. Scenari con forzanti più elevate (RCP 8.5, SSP5-8.5) producono un declino più rapido e significativo del ghiaccio marino, riducendo la probabilità di una pausa. Al contrario, scenari con forzanti più moderate (RCP 2.6, SSP1-1.9) sono più propensi a mostrare una pausa, probabilmente a causa di un minore impatto del riscaldamento sull’Artico. Questo suggerisce che le strategie di mitigazione climatica, riducendo le emissioni di gas serra, potrebbero aumentare la probabilità di periodi di stabilizzazione del ghiaccio marino, anche se temporanei.
• Ruolo della sensibilità climatica (ECS): La variazione delle percentuali in base all’ECS sottolinea l’importanza di questo parametro nella modellizzazione del ghiaccio marino. I modelli con ECS più bassa (2.3 K) tendono a simulare un declino meno pronunciato, favorendo una pausa, mentre i modelli con ECS più alta (6.7 K) producono trend di declino più significativi. Questo risultato evidenzia le incertezze legate alla stima dell’ECS e il loro impatto sulle proiezioni del ghiaccio marino. Una migliore comprensione della sensibilità climatica potrebbe migliorare la precisione delle previsioni sul futuro del ghiaccio marino artico.
• Confronto con le osservazioni: La categoria “SIA 1979-1998” potrebbe rappresentare un benchmark osservativo o un periodo di riferimento per calibrare i modelli. La variabilità in questa categoria (percentuali tra il 20% e il 50%) indica che anche le osservazioni storiche supportano l’idea di una pausa nel declino del ghiaccio marino nel periodo 2005–2024, in linea con i risultati delle simulazioni. Questo accordo tra modelli e osservazioni rafforza la credibilità dell’ipotesi dello studio e suggerisce che la pausa osservata non è un artefatto delle simulazioni, ma un fenomeno reale, probabilmente guidato dalla variabilità interna del sistema climatico.
• Variabilità tra i modelli: Le differenze tra i modelli climatici riflettono le incertezze nella rappresentazione dei processi fisici che influenzano il ghiaccio marino, come la dinamica del ghiaccio, il trasferimento di calore tra oceano e atmosfera, e i feedback dell’albedo. Modelli come MPI-ESM-LR e UKESM1-0-LL, che mostrano percentuali più alte di trend non significativi, potrebbero incorporare una rappresentazione più dettagliata della variabilità interna o dei processi che mitigano la fusione del ghiaccio, mentre modelli come CanESM5 e CESM2, con percentuali più basse, potrebbero essere più sensibili al riscaldamento globale. Queste differenze sottolineano la necessità di continuare a migliorare i modelli climatici per ridurre le incertezze nelle proiezioni.

Contesto Modellistico: CMIP6 e Ensemble di Grande Scala

I modelli climatici utilizzati nella Figura S3 sono parte di progetti di ensemble di grande scala, come CMIP6, che includono molteplici simulazioni per ciascun modello per catturare la variabilità interna del sistema climatico. Gli scenari RCP e SSP rappresentano diverse traiettorie di emissioni di gas serra e cambiamenti socioeconomici, spaziando da scenari di mitigazione aggressiva (RCP 2.6, SSP1-1.9) a scenari di emissioni elevate (RCP 8.5, SSP5-8.5). La combinazione di diversi modelli e scenari consente di esplorare un’ampia gamma di possibili futuri per il ghiaccio marino artico, tenendo conto sia delle forzanti esterne (come le emissioni di gas serra) sia della variabilità interna (come le oscillazioni naturali nei pattern atmosferici e oceanici). La presenza di una pausa in una frazione significativa delle simulazioni, soprattutto in scenari di forzanti moderate, suggerisce che la variabilità interna può temporaneamente mascherare il segnale del cambiamento climatico antropogenico, un risultato che si allinea con le osservazioni delle Figure S1 e S2.

Conclusione

La Figura S3 offre un’analisi statistica dettagliata della significatività dei trend dell’area del ghiaccio marino artico nel periodo 2005–2024, basata su un’ampia gamma di simulazioni di modelli climatici globali. I risultati mostrano che una percentuale significativa di simulazioni (spesso tra il 20% e il 60%) non rileva un trend statisticamente significativo, supportando l’ipotesi dello studio di una pausa pluridecennale nella perdita di ghiaccio marino. La variabilità tra scenari, modelli e sensibilità climatica evidenzia l’influenza delle forzanti radiative e delle incertezze modellistiche sui trend del ghiaccio marino, sottolineando la complessità delle dinamiche climatiche nell’Artico. Questi risultati rafforzano le conclusioni dello studio e forniscono una base solida per future indagini sui fattori che modulano la variabilità del ghiaccio marino, come la variabilità interna, i feedback climatici e l’impatto delle strategie di mitigazione climatica. La figura contribuisce in modo significativo alla comprensione delle dinamiche del ghiaccio marino artico in un clima in rapido cambiamento, evidenziando l’importanza di un approccio multimodello per affrontare le incertezze associate alle proiezioni climatiche.

Analisi Dettagliata della Tabella S1: Dettagli degli Ensemble di Simulazioni Climatiche Utilizzati nello Studio sul Ghiaccio Marino Artico

La Tabella S1 presenta un elenco dettagliato e sistematico degli ensemble di simulazioni climatiche di grande scala utilizzati nello studio “Surprising, but not unexpected, multi-decadal pause in Arctic sea ice loss”. Questa tabella costituisce un elemento fondamentale per comprendere il quadro metodologico dello studio, fornendo informazioni sui modelli climatici, la loro generazione nell’ambito del Coupled Model Intercomparison Project (CMIP), gli scenari di forzanti radiative considerati (RCP e SSP), il numero di membri (simulazioni individuali) per ciascuno scenario e i riferimenti bibliografici associati. La tabella consente di contestualizzare i risultati delle analisi presentate nelle Figure S1, S2 e S3, offrendo una base solida per interpretare la variabilità interna del sistema climatico e i trend a lungo termine del ghiaccio marino artico.

Struttura e Organizzazione della Tabella

La Tabella S1 è strutturata in quattro colonne principali, ciascuna delle quali fornisce informazioni specifiche sui modelli e sulle simulazioni:

1. Model: Elenca i modelli climatici utilizzati nello studio, rappresentando una selezione di strumenti di simulazione ampiamente riconosciuti nella comunità scientifica.
2. Generation: Indica la generazione del progetto CMIP a cui ciascun modello appartiene, distinguendo tra CMIP5 (utilizzato per il Quinto Rapporto di Valutazione dell’IPCC, AR5) e CMIP6 (utilizzato per il Sesto Rapporto di Valutazione dell’IPCC, AR6).
3. Scenarios (members): Specifica gli scenari di forzanti radiative (RCP per CMIP5 e SSP per CMIP6) simulati da ciascun modello, con il numero di membri (simulazioni individuali) per scenario indicato tra parentesi. Gli scenari rappresentano diverse traiettorie di emissioni di gas serra e cambiamenti socioeconomici.
4. Reference: Fornisce il riferimento bibliografico associato a ciascun modello, che descrive il modello stesso, il progetto di ensemble di grande scala o la sua valutazione scientifica.

Una nota a piè di pagina aggiunge un dettaglio metodologico: “This is the members with or without biomass”, indicando che le simulazioni elencate possono includere o meno variabili legate alla biomassa (ad esempio, processi biogeochimici come la produttività primaria nell’oceano artico), a seconda delle specifiche configurazioni delle simulazioni.

Descrizione Dettagliata dei Modelli e degli Scenari

La tabella include modelli appartenenti sia a CMIP5 che a CMIP6, coprendo un’ampia gamma di scenari di forzanti radiative e un numero variabile di membri per ciascun scenario. Di seguito, viene fornito un riepilogo dettagliato dei modelli e delle loro caratteristiche.

1. Modelli CMIP5

I modelli appartenenti alla generazione CMIP5 utilizzano gli scenari RCP (Representative Concentration Pathways), che rappresentano diverse traiettorie di forzanti radiative basate sulle emissioni di gas serra e sugli aerosol:

• CESM1 (Community Earth System Model 1): Simula gli scenari RCP4.5 con 15 membri e RCP8.5 con 40 membri. Riferimento: Kay et al., 2015. Il progetto CESM Large Ensemble è noto per la sua capacità di catturare la variabilità interna del sistema climatico, grazie al gran numero di membri.
• GFDL-CM3 (Geophysical Fluid Dynamics Laboratory Climate Model 3): Simula RCP8.5 con 20 membri. Riferimento: Sun et al., 2018. Questo modello si concentra sui processi fisici del sistema climatico, con particolare attenzione alle interazioni oceano-atmosfera.
• GFDL-ESM2M (Geophysical Fluid Dynamics Laboratory Earth System Model 2M): Simula RCP8.5 con 30 membri. Riferimento: Burger et al., 2022. Questo modello include componenti biogeochimiche, come il ciclo del carbonio, che possono influenzare i feedback climatici.
• CanESM2 (Canadian Earth System Model 2): Simula RCP8.5 con 50 membri. Riferimento: Kirchmeier-Young et al., 2017. CanESM2 è stato utilizzato per studi di attribuzione degli eventi estremi, come quelli legati al ghiaccio marino artico.
• MPI-ESM-LR (Max Planck Institute Earth System Model, Low Resolution): Simula RCP2.6, RCP4.5 e RCP8.5, ciascuno con 100 membri. Riferimento: Maher et al., 2019. Il Max Planck Institute Grand Ensemble (MPI-GE) è uno degli ensemble più grandi, progettato per esplorare la variabilità interna del sistema climatico su scala globale.

2. Modelli CMIP6

I modelli appartenenti alla generazione CMIP6 utilizzano gli scenari SSP (Shared Socioeconomic Pathways), che combinano traiettorie di emissioni di gas serra con percorsi socioeconomici, offrendo una rappresentazione più complessa delle dinamiche future rispetto agli RCP:

• ACCESS-ESM1-5 (Australian Community Climate and Earth System Simulator Earth System Model 1-5): Simula SSP1-2.6, SSP2-4.5, SSP3-7.0 e SSP5-8.5, ciascuno con 40 membri. Riferimento: Ziehn et al., 2020. Questo modello è progettato per rappresentare i processi del sistema terrestre, con un focus sull’emisfero australe, ma è stato adattato per studi globali.
• CESM2 (Community Earth System Model 2): Simula SSP2-4.5 con 16 membri, SSP3-7.0 con 11 membri e SSP5-8.5 con 50 membri. Riferimento: Rodgers et al., 2021. CESM2 è un’evoluzione di CESM1, con miglioramenti nella rappresentazione dei processi artici e della variabilità climatica.
• CanESM5 (Canadian Earth System Model 5): Simula SSP2-4.5, SSP3-7.0 e SSP5-8.5, ciascuno con 10 membri. Riferimento: Swart et al., 2019. CanESM5 è noto per la sua alta sensibilità climatica, che può influenzare le simulazioni del declino del ghiaccio marino.
• EC-Earth3: Simula SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP4-3.4, SSP4-6.0 e SSP5-8.5, ciascuno con 50 membri. Riferimento: Wyser et al., 2021. EC-Earth3 è un modello europeo utilizzato per simulazioni ad alta risoluzione, con un focus sulla variabilità climatica.
• IPSL-CM6A (Institut Pierre-Simon Laplace Climate Model 6A): Simula SSP2-4.5 e SSP3-7.0, ciascuno con 11 membri. Riferimento: Boucher et al., 2020. Questo modello include una rappresentazione dettagliata dei processi fisici e biogeochimici.
• UKESM1-0-LL (UK Earth System Model 1, Low-Low Resolution): Simula SSP1-2.6 con 16 membri, SSP2-4.5 con 15 membri, SSP3-7.0 con 16 membri, SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0 e SSP5-8.5 con 50 membri ciascuno. Riferimento: Sellar et al., 2019. UKESM1 è un modello avanzato che include componenti del sistema terrestre, come il ciclo del carbonio e gli ecosistemi.
• MIROC6 (Model for Interdisciplinary Research on Climate 6): Simula SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0 e SSP5-8.5, ciascuno con 50 membri. Riferimento: Tatebe et al., 2019. MIROC6 è noto per la sua capacità di simulare la variabilità climatica e la sensibilità climatica.
• MPI-ESM1.2 (Max Planck Institute Earth System Model 1.2): Simula SSP1-2.6 con 21 membri. Riferimento: Olonscheck et al., 2023. Questo modello è un’evoluzione di MPI-ESM-LR, con miglioramenti nella rappresentazione dei processi ad alta frequenza.
• E3SM-2-0 (Energy Exascale Earth System Model 2-0): Simula SSP3-7.0 con 21 membri, SSP2-4.5, SSP3-7.0 e SSP5-8.5 con 50 membri ciascuno. Riferimento: Fasullo et al., 2024. E3SM-2-0 è un modello ad alta risoluzione progettato per simulazioni di grande scala.

Analisi e Interpretazione dei Dati

1. Generazione dei Modelli: CMIP5 vs. CMIP6

• CMIP5: I modelli di questa generazione (CESM1, GFDL-CM3, GFDL-ESM2M, CanESM2, MPI-ESM-LR) sono stati sviluppati per il Quinto Rapporto di Valutazione dell’IPCC (AR5) e utilizzano gli scenari RCP, che si concentrano principalmente sui livelli di forzanti radiative. Ad esempio, RCP2.6 rappresenta uno scenario di mitigazione aggressiva con un riscaldamento globale limitato, mentre RCP8.5 rappresenta uno scenario di emissioni elevate con un riscaldamento significativo. Questi modelli sono più datati rispetto a quelli di CMIP6 e possono avere limitazioni nella risoluzione e nella rappresentazione di alcuni processi climatici, come la dinamica del ghiaccio marino o i feedback biogeochimici.
• CMIP6: I modelli di questa generazione (ACCESS-ESM1-5, CESM2, CanESM5, EC-Earth3, IPSL-CM6A, UKESM1-0-LL, MIROC6, MPI-ESM1.2, E3SM-2-0) sono stati sviluppati per il Sesto Rapporto di Valutazione dell’IPCC (AR6) e utilizzano gli scenari SSP, che combinano traiettorie di emissioni con percorsi socioeconomici. Gli SSP offrono una rappresentazione più dettagliata delle dinamiche future, tenendo conto di fattori come lo sviluppo economico, i cambiamenti demografici e le politiche di mitigazione. CMIP6 rappresenta un’evoluzione rispetto a CMIP5, con miglioramenti nella risoluzione spaziale, nella parametrizzazione dei processi fisici e nella rappresentazione della variabilità interna, rendendo questi modelli più adatti per studi complessi come quello sul ghiaccio marino artico.

2. Scenari di Forzanti Radiative e Numero di Membri

• Scenari RCP e SSP: Gli scenari coprono un’ampia gamma di possibili futuri, da scenari di mitigazione aggressiva (RCP2.6, SSP1-1.9) a scenari di emissioni elevate (RCP8.5, SSP5-8.5). Ad esempio, SSP1-1.9 rappresenta uno scenario di sostenibilità con un riscaldamento globale limitato a 1,5°C, mentre SSP5-8.5 rappresenta uno scenario di sviluppo basato sui combustibili fossili con un riscaldamento significativo. Questa varietà consente di valutare come il declino del ghiaccio marino, e la potenziale pausa identificata nello studio, dipendano dal livello di riscaldamento globale.
• Numero di membri: Il numero di membri per scenario varia notevolmente, da un minimo di 10 membri (ad esempio, CanESM5) a un massimo di 100 membri (ad esempio, MPI-ESM-LR). Un ensemble più grande, come quello di MPI-ESM-LR o EC-Earth3 (con 50–100 membri), permette di catturare meglio la variabilità interna del sistema climatico, distinguendo il segnale del cambiamento climatico antropogenico dal rumore naturale. Ensemble più piccoli, come quello di IPSL-CM6A (11 membri), possono essere meno rappresentativi della variabilità interna, limitando la capacità di identificare fenomeni transitori come la pausa nella perdita di ghiaccio marino.

3. Riferimenti Bibliografici e Contesto Scientifico

I riferimenti citati nella tabella corrispondono a studi che descrivono i modelli o i progetti di ensemble di grande scala, fornendo un contesto scientifico per la loro applicazione nello studio del ghiaccio marino artico:

• Kay et al., 2015 descrive il progetto CESM Large Ensemble (CESM1), noto per la sua capacità di simulare la variabilità interna e gli impatti del cambiamento climatico nell’Artico.
• Maher et al., 2019 e Olonscheck et al., 2023 si riferiscono al Max Planck Institute Grand Ensemble (MPI-GE), che include MPI-ESM-LR e MPI-ESM1.2, progettato per esplorare la variabilità climatica su scala globale con un gran numero di membri.
• Fasullo et al., 2024 descrive l’ensemble E3SM versione 2 (E3SM-2-0), un modello ad alta risoluzione che incorpora processi avanzati per la simulazione del clima artico.
• Altri riferimenti, come Swart et al., 2019 (CanESM5) e Boucher et al., 2020 (IPSL-CM6A), forniscono dettagli sulla valutazione e sulle prestazioni dei modelli, garantendo la loro affidabilità per studi sul ghiaccio marino.

Questi riferimenti non solo validano l’uso dei modelli nello studio, ma offrono anche una base per ulteriori approfondimenti sui metodi di simulazione e sulle incertezze associate.

4. Nota sulla Biomassa

La nota a piè di pagina “This is the members with or without biomass” indica che le simulazioni elencate possono includere o meno variabili legate alla biomassa, come i processi biogeochimici (ad esempio, la produttività primaria nell’oceano artico o l’interazione tra ghiaccio marino ed ecosistemi marini). Alcuni modelli, come GFDL-ESM2M o UKESM1-0-LL, incorporano componenti biogeochimiche che possono influenzare i feedback climatici, ad esempio attraverso l’assorbimento di CO₂ da parte degli ecosistemi marini o l’impatto della biomassa sull’albedo del ghiaccio. La presenza o l’assenza di biomassa nelle simulazioni potrebbe avere un impatto sui risultati, specialmente per quanto riguarda i feedback a lungo termine tra il ghiaccio marino e il sistema climatico.

Implicazioni Scientifiche

La Tabella S1 è un elemento chiave per comprendere il quadro metodologico dello studio e il suo approccio multimodello all’analisi del ghiaccio marino artico. Le informazioni riportate hanno diverse implicazioni scientifiche:

• Diversità dei modelli e delle generazioni: L’inclusione di modelli sia di CMIP5 che di CMIP6 consente di confrontare generazioni diverse di modelli climatici, tenendo conto dei progressi nella modellizzazione tra i due progetti. CMIP5, pur essendo più datato, offre ensemble di grandi dimensioni (ad esempio, MPI-ESM-LR con 100 membri), mentre CMIP6 introduce miglioramenti nella risoluzione e nella rappresentazione dei processi fisici, come la dinamica del ghiaccio marino e i feedback oceano-atmosfera.
• Ampiezza degli scenari: La varietà di scenari (da RCP2.6 a SSP5-8.5) permette di esplorare come il declino del ghiaccio marino, e la potenziale pausa identificata nello studio, dipendano dal livello di riscaldamento globale. Scenari più aggressivi (RCP8.5, SSP5-8.5) sono probabilmente associati a un declino più rapido del ghiaccio marino, mentre scenari più moderati (RCP2.6, SSP1-1.9) potrebbero favorire una pausa, grazie a un minore impatto del riscaldamento sull’Artico.
• Variabilità interna e ensemble di grande scala: Il numero di membri per scenario è cruciale per distinguere il segnale del cambiamento climatico dalla variabilità interna, un aspetto centrale per lo studio della pausa nella perdita di ghiaccio marino. Ensemble più grandi, come quelli di MPI-ESM-LR, EC-Earth3 e MIROC6 (con 50–100 membri), offrono una rappresentazione più robusta della variabilità interna, consentendo di identificare con maggiore precisione fenomeni transitori come la pausa osservata nel periodo 2005–2024.
• Ruolo della biomassa: La nota sulla biomassa suggerisce che i processi biogeochimici possono influenzare i risultati delle simulazioni, specialmente per quanto riguarda i feedback a lungo termine. Ad esempio, una maggiore produttività primaria nell’oceano artico potrebbe alterare l’assorbimento di CO₂ o l’albedo del ghiaccio, influenzando indirettamente la dinamica del ghiaccio marino. Questo aspetto sottolinea la complessità delle interazioni nel sistema climatico artico e la necessità di considerare sia i processi fisici che quelli biogeochimici.

Contesto dello Studio

La Tabella S1 supporta direttamente le analisi presentate nelle Figure S1, S2 e S3. Ad esempio:

• Figura S1 (serie temporali di area ed estensione del ghiaccio marino) si basa su dati osservativi, ma le simulazioni elencate nella Tabella S1 sono probabilmente utilizzate per confrontare i trend osservati con quelli modellizzati.
• Figura S2 (anomalie del volume del ghiaccio marino) utilizza il modello PIOMAS, ma le simulazioni di CMIP5 e CMIP6 possono essere state impiegate per validare o contestualizzare i risultati.
• Figura S3 (percentuale di trend non significativi) si basa direttamente sui modelli elencati nella Tabella S1, utilizzando i membri delle simulazioni per calcolare la significatività statistica dei trend dell’area del ghiaccio marino.

L’uso di un approccio multimodello, con modelli di diverse generazioni e scenari, consente di esplorare un’ampia gamma di possibili futuri per il ghiaccio marino artico, tenendo conto sia delle forzanti esterne (come le emissioni di gas serra) sia della variabilità interna (come le oscillazioni naturali nei pattern atmosferici e oceanici). Questo approccio è particolarmente rilevante per identificare fenomeni come la pausa nella perdita di ghiaccio marino, che potrebbe essere influenzata da fattori transitori e non lineari.

Conclusione

La Tabella S1 fornisce un elenco completo e dettagliato degli ensemble di simulazioni climatiche utilizzati nello studio, specificando i modelli, la loro generazione CMIP, gli scenari di forzanti radiative, il numero di membri e i riferimenti bibliografici. I modelli coprono un’ampia gamma di approcci e scenari, da CMIP5 (con scenari RCP) a CMIP6 (con scenari SSP), consentendo un’analisi robusta della variabilità interna e dei trend a lungo termine del ghiaccio marino artico. La tabella evidenzia l’importanza di un approccio multimodello per affrontare le incertezze associate alle proiezioni climatiche, offrendo un quadro metodologico solido per interpretare i risultati dello studio, in particolare l’ipotesi di una pausa pluridecennale nella perdita di ghiaccio marino. La diversità dei modelli, la varietà degli scenari e il gran numero di membri per alcuni ensemble (come MPI-ESM-LR e EC-Earth3) rafforzano la credibilità delle conclusioni dello studio, contribuendo alla comprensione delle complesse dinamiche del ghiaccio marino artico in un clima in rapido cambiamento.

https://www.google.com/search?client=safari&rls=en&q=Surprising%2C+but+not+unexpected%2C+multi-decadal+pause+in+Arctic+sea+ice+loss&ie=UTF-8&oe=UTF-8#:~:text=the%20past%20two-,decades,-%2C%20Arctic%20sea%20ice