YURI BRUGNARA

1. Facoltà di Ingegneria - Università di Trento Mesiano, 30.05.2011 SEMINARIO 90 ANNI DI PRECIPITAZIONIIN TRENTINO – ALTO ADIGE:DALL’ OMOGENEIZZAZIONEALL’ ANALISI DEI TREND YURI BRUGNARA Istituto di Scienze dell’Atmosfera e del Clima (ISAC)Consiglio Nazionale delle Ricerche (CNR) (now at InstituteofGeography - Oeschger Center forClimateChangeResearch, UniversityofBern) brugnara@giub.unibe.ch

2. Un po’ di storia… Nel 1917 viene istituito in Italia il Servizio Idrografico Centrale, suddiviso in 10 compartimenti delimitati con criteri idrografici (bacini fluviali). La rete ha raggiunto una fase di massima espansione all’inizio degli anni ’30, con 400 unità di personale (la maggior parte laureati o diplomati). Già negli anni ’50/’60 il contingente era sceso a 300 unità per ridursi ulteriormente nel 1990 a 103 persone. Le stazioni pluviometriche, che nel 1930 erano 4300, sono scese negli anni ’90 a 2850, e le misure delle portate fluviali sono scese da 450 a 130. In base al decreto legislativo n. 112, del 31 marzo 1998, gli uffici periferici del Dipartimento dei servizi tecnici nazionali – Servizio Idrografico e Mareografico sono stati trasferiti alle regioni ed incorporati nelle strutture operative regionali competenti in materia. brugnara@giub.unibe.ch

3. Oltre 300 seriedi precipitazioni giornaliere per le Alpi centro-orientali, periodo 1920 - 2009 brugnara@giub.unibe.ch

4. Come sono cambiate le precipitazioni? Cambiamenti nei valori stagionali? Cambiamenti nella distribuzione statistica degli accumuli giornalieri? Quali le cause? Aumento della temperatura? Cambiamenti nella circolazione atmosferica? brugnara@giub.unibe.ch

5. “Substantial uncertainty remains in trends of hydrological variables because of large regional differences, gaps in spatial coverage and temporal limitations in the data.” Source: IPCC AR4, WG I: The Physical Science Basis (2007) brugnara@giub.unibe.ch

6. Brunettiet al. (2006), “Precipitation variability and changes in the greater Alpine region over the 1800–2003 period”,Journal ofGeophysicalResearch111, D11107. brugnara@giub.unibe.ch

7. QUALITÀ DEI DATI Le serie meteorologiche, specialmente quelle lunghe, sono quasi sempre affette da importanti errori sistematici Le cause sono da ricercarsi nelle modifiche alla strumentazione, all’ambiente circostante le stazioni, alle convenzioni di misura etc. Il segnale fisico che vogliamo studiare è quindi spesso nascosto da un segnale artificiale che va eliminato brugnara@giub.unibe.ch

8. PRIMA…… ……E DOPO LA CURA! Stazione meteo di Milano Linate brugnara@giub.unibe.ch

9. Esempio brugnara@giub.unibe.ch 9

10. Part I OMOGENEIZZAZIONE brugnara@giub.unibe.ch

11. Omogeneizzazione NO METADATA! brugnara@giub.unibe.ch

12. Omogeneizzazione METODI INDIRETTI • Una certa serie di precipitazioni X(t) può essere rappresentata come il prodotto del suo valore “normale” N (media climatologica, ad esempio sul periodo 1961-1990), delle anomalie A(t) (rapporto con la media in un dato istante) e della funzione IH(t)che rappresenta le eventuali disomogeneità presenti nella serie: • X(t) = N ∙ A(t) ∙ IH(t) (t = 1, 2,..., n) • Usando la stessa notazione, una serie di riferimento R(t) (ad esempio i dati misurati da una stazione vicina) può essere scritta come segue: • R(t) = N’ ∙ A’(t) ∙ IH’(t) (t= 1, 2,..., n) • Se la correlazione tra le due serie è sufficientemente alta, possiamo assumere che A(t) = A’(t); inoltre se R(t) è omogenea avremo che IH’(t) =1. brugnara@giub.unibe.ch

13. Omogeneizzazione METODI INDIRETTI • Il rapporto tra la serie sotto esame e la serie di riferimento sarà pertanto: • Z(t) = X(t) / R(t) = (N / N’) ∙ IH(t) (t = 1, 2,..., n) • Se non ci sono disomogeneità nelle due serie (i.e., IH(t) = IH’(t) = 1), idealmente Z(t) deve quindi risultare costante. • Naturalmente nella realtà due serie non sono mai perfettamente correlate, quindi Z(t) avrà delle deviazioni casuali (rumore) dal valore costante. • Se Z(t) si discosta troppo dal valore costante, la serie analizzata non è omogenea, cioè IH(t) ≠ 1. COSTANTE ? brugnara@giub.unibe.ch

14. Omogeneizzazione CRADDOCK TEST x: serie da testare y: serie di riferimento Deviazioni puntuali: Deviazioni cumulate: • Il grafico delle deviazioni cumulate si permette di individuare più facilmente eventuali punti di disomogeneità (break points) brugnara@giub.unibe.ch

15. Omogeneizzazione ? Nessuna serie può essere assunta omogenea a priori… Per questo ogni serie è stata testata con 10 diverse serie di riferimento ? ? brugnara@giub.unibe.ch

16. Omogeneizzazione Non solo la quantità di precipitazioni, ma anche il numero di giorni piovosi può essere soggetto a disomogeneità brugnara@giub.unibe.ch

17. Omogeneizzazione ESEMPIO: Prima dell’omogeneizzazione Precipitazioni annuali (serie blu da omogeneizzare) 1963 Test di Craddock (10 serie di riferimento) brugnara@giub.unibe.ch

18. Omogeneizzazione ESEMPIO: Dopo l’omogeneizzazione Precipitazioni annuali Test di Craddock (10 serie di riferimento) brugnara@giub.unibe.ch

19. Omogeneizzazione Qualche statistica… • 200 serie controllate di cui circa l’80% presentava disomogeneità • 350breaks individuati nelle precipitazioni totali durata media di un periodo omogeneo: 33 anni • 103 sottoperiodi eliminati a causa di disomogeneità nel numero di giorni piovosi brugnara@giub.unibe.ch

20. Part II INTERPOLAZIONE brugnara@giub.unibe.ch

21. Interpolazione Il nostro approccio: Selezione delle serie con meno del 25% di dati mancanti nel periodo di riferimento 1971-2000 (127 serie) Ricostruzione dei dati giornalieri mancanti nel periodo di riferimento Conversione dei dati mensili e stagionali in anomalie (rapporti o differenze rispetto alla media nel periodo di riferimento) Interpolazione su una griglia con risoluzione di 0.1° x 0.1° (periodo 1922-2009) brugnara@giub.unibe.ch

22. Interpolazione IL VALORE SU OGNI PUNTO DI GRIGLIA VIENE CALCOLATO COME MEDIA PESATA DEI VALORI DELLE SINGOLE STAZIONI PESI: con m PESO RADIALE PESO ANGOLARE (x,y) è la separazione angolare tra la stazione i e quella j con vertice nel punto di griglia (x,y) dove i PESO TOTALE j brugnara@giub.unibe.ch

23. Interpolazione brugnara@giub.unibe.ch

24. Interpolazione Variabili interpolate (mensili, stagionali, annuali): NPC = Numberofevents PC = Absolutecontribution (mm) (N)PC1: below 10th percentile (N)PC2: 10th ÷ 20th percentile (N)PC3: 20th ÷ 30th percentile (N)PC4: 30th ÷ 40th percentile (N)PC5: 40th ÷ 50th percentile (N)PC6: 50th ÷ 60th percentile (N)PC7: 60th ÷ 70th percentile (N)PC8: 70th ÷ 80th percentile (N)PC9: 80th ÷ 90th percentile (N)PC10: over 90th percentile (N)PC95: over 95th percentile (N)PC99: over 99th percentile • Precipitazioni totali (TP) • Numero di giorni piovosi (WDs) • Intensità media (PI) • Numero di giorni piovosi appartenenti a 12 diverse categorie di intensità (NPC1, …, NPC10, NPC95, NPC99) • Precipitazioni totali imputabili alle 12 categorie (PC1, …, PC10, PC95, PC99) brugnara@giub.unibe.ch

25. Part III ANALISI TREND brugnara@giub.unibe.ch

26. Analisi trend TRENDS OF YEARLY TOTAL PRECIPITATION1922-2009 350breaks corrected TRENDS OF YEARLY WET DAYS1922-2009 103sub-periods deleted brugnara@giub.unibe.ch

27. Analisi trend brugnara@giub.unibe.ch

28. Analisi trend Precipitazioni totali Trend mensili brugnara@giub.unibe.ch

29. Analisi trend Giorni piovosi Trend mensili brugnara@giub.unibe.ch

30. Analisi trend Intensità media Trend mensili brugnara@giub.unibe.ch

31. Analisi trend EVENTI INTENSI brugnara@giub.unibe.ch

32. Analisi trend NPC10 – dettaglio stagionale brugnara@giub.unibe.ch

33. Part IV SINOTTICA brugnara@giub.unibe.ch

34. Sinottica Source: http://www.ldeo.columbia.edu/NAO by Martin Visbeck brugnara@giub.unibe.ch

35. Sinottica Correlazione tra indice NAO e precipitazioni nel periodo 1922-2008 brugnara@giub.unibe.ch

36. Sinottica Andamento indice NAO(Data Source: CGD's ClimateAnalysisSection) brugnara@giub.unibe.ch

37. Sinottica Source: http://www.aoml.noaa.gov/phod/amo_faq.php brugnara@giub.unibe.ch

38. SInottica Aumento pressione nel bacino del Mediterraneo Spostamento verso nord dellastormtrack menoprecipitazioni in T.A.A. menoprecipitazioni in T.A.A. Trend pressione a livello del mare dal dataset HadSLP2, periodo 1922-2008 brugnara@giub.unibe.ch

39. Sinottica Correlazione tra altezze di geopotenziale a 500 hPa e precipitazioni in T-AA dataset HadSLP2, periodo 1949-2007 brugnara@giub.unibe.ch

40. SInottica Lista dei maggiori eventi precipitativi in Trentino dal 1921: brugnara@giub.unibe.ch

41. brugnara@giub.unibe.ch BrugnaraY., Brunetti M., Maugeri M., Nanni T., Simolo C., 2011, “High-resolutionanalysisofdailyprecipitationtrends in the centralAlpsover the last century”, International Journal ofClimatology, in press http://www.isac.cnr.it/~climstor/index.html