image_pdfimage_print

Autore: Franco Zavatti
Data di pubblicazione: 10 Agosto 2019
Fonte originale:  http://www.climatemonitor.it/?p=51336

Nel 2010 è apparsa qui, su Wattsupwiththat, la figura 1 seguente, che aveva lo scopo di mostrare che l’aumento della temperatura globale era in realtà un susseguirsi di aumenti e di diminuzioni o di stasi con quasi nessuna correlazione con la CO2.

Fig.1: Diagramma che mostra come la temperatura media globale sia stata un insieme di alti e bassi, ben poco correlati al livello di CO2.

Ho voluto verificare l’esistenza di questi “alti e bassi” nelle tre serie annuali di temperatura globale (terra+oceano) di figura 2:

Pubblicità
  • GISS (NASA, USA) dal 1880 al 2018
  • HadCRUT4 (HC4, Hadley Climate Research Unit, UK) dal 1850 al 2018
  • NOAA (NOAA,NCDC, USA) dal 1880 al 2018

Tra le serie, GISS e NOAA appaiono notevolmente simili, mentre HC4 si discosta in diversi punti dalle altre due. Tra il 1915 e il 1935 GISS e HC4 sono quasi sovrapponibili e NOAA si allontana.

Fig.2:Grafico delle tre serie utilizate. Si notino le diversità e le somiglianze tra i valori delle temperature, anche tenendo conto che i dati NOAA sono anomalie rispetto al periodo 1901-2000 mentre le altre sono calcolate rispetto al periodo 1961-1990.

Ho quindi calcolato i fit lineari di 6 (7 per HC4) tratti di lunghezza variabile delle tre serie. I risultati sono nella figura 3, riassuntiva dei fit e dei parametri. I valori numerici sono in Tabella 2.

Fig.3: Fit lineari, su tratti di dimensione variabile, per le tre serie annuali GISS, HC4 e NOAA fino al 2018. Nel sito di supporto sono disponibili anche i singoli grafici con i rispettivi spettri.

Nella parte finale delle serie ho calcolato due fit distinti per i periodi 2001-2018 e 2001-2013 con lo scopo di visualizzare l’influenza di El Niño 2015-16 sulle temperature globali. Il fit tra il 2001 e il 2018 appare come una normale continuazione del fit del periodo precedente, mentre tra il 2001 e il 2013 viene evidenziata, in verde, la “pausa”, interrotta dall’instaurarsi del forte El Niño di quattro anni fa. El Niño, anche se in forma debole, prosegue tuttora.

La lunghezza dei tratti di figura 3 è stata definita visualmente, osservando le caratteristiche dei grafici. Questa pratica fa nascere il sospetto di una scelta opportuna dei punti di inizio e fine di ogni sezione (cherry picking, o scelta delle ciliege migliori, ad una ad una) perchè il risultato finale rispecchi le conclusioni di chi fa la scelta. E a nulla servono, in queste pratiche, affermazioni -anche accorate- di buona fede.

In questa ottica, ho fatto anche la scelta neutrale di iniziare dal più lungo dei dataset (HC4, dal 1850) e scegliere tratti di lunghezza fissa 31 anni (1850-1880; 1880-1910; ecc.) per tutti i dataset, esclusi ovviamente i tratti 2000-2018 (a causa della fine dei dati) e 2000-2013 (per eliminare l’influenza di El Niño 2015-2016). Il risultato della serie di fit sui tratti di lunghezza fissa è mostrato in figura 4.

Fig.4: Fit lineare per le tre serie su periodi fissi di 31 anni, a partire dal 1850, primo valore dei dati HC4.

I valori della pendenza dei singoli fit, sia a lunghezza fissa che variabile, oltre che nelle figure precedenti si possono vedere nelle tabelle 1 e 2 rispettivamente.

Con riferimento alla figura 4 è possibile confrontare la pendenza dei tratti in salita e in discesa per ognuna delle tre serie, ad esempio tramite i dati raccolti in tabella 3

La tabella 3 è organizzata in questo modo:

  • Per ogni serie, viene calcolato il rapporto percentuale delle pendenze positive tra il primo tratto (1910-1940) e il secondo tratto (1970-2000) [cioè il valore assoluto di (0.12-0.16)/0.16=4/16, colonna “?”] e viene specificato quale dei due tratti ha la pendenza maggiore (colonna “#”, 2o+ = il secondo tratto ha pendenza maggiore)
  • La stessa operazione per le pendenze negative (1880-1910 e 1940-1970).
  • Lo stesso confronto viene fatto tra il tratto 1940-1970 e quello 2001-2013 per vedere come “la pausa” si comporta nelle tre serie.

Si vede chiaramente che, per tutti i dati globali, il secondo tratto delle serie in salita ha pendenza maggiore rispetto al primo tratto, il che significa che il ritmo di crescita delle temperature aumenta nel tempomentre, nel caso dei tratti in discesa si verifica sempre che il primo tratto ha pendenza maggiore rispetto al secondo tratto. Questo significa che i raffreddamenti globali avvengono ad un ritmo sempre inferiore man mano che il tempo passa.

Vuole dire che la teoria dell’AGW è vera e che il riscaldamento avviene a ritmi sempre più elevati, come previsto dai modelli?
No, per una serie di motivi:

  1. L’estensione temporale delle serie (la loro lunghezza) è molto limitata e non si può estendere in avanti (estrapolare) un modello che già non ricostruisce i dati osservati (per non parlare di quelli storici e preistorici). Il modello ricostruisce dopo essere stato sintonizzato (tuned) sui dati di interesse, ma se gli stessi parametri (lo stesso tuning) vengono usati per ricostruire il clima di un passato più remoto, il modello fallisce.
  2. I modelli non tengono conto (o tengono conto poco e male) dell’influenza solare (non necessariamente della sola TSI).
  3. I modelli non ammettono (se non in maniera molto blanda) le retroazioni (feedback) negative, ma la storia della Terra, di 4.5 miliardi di anni, dimostra che queste retroazioni negative esistono, sono forti e stabilizzano il sistema dopo fluttuazioni climatiche anche molto più potenti di quelle che si vorrebbero presenti oggi (tutte da dimostrare).
  4. Le salite e le discese che sono state descritte qui (e presenti in altre innumerevoli situazioni) sono quasi scorrelate dal livello di CO2, per cui la teoria AGW, che si basa sull’influenza della CO2 sul riscaldamento (catastrofico, visti i soli feedback positivi) globale, non funziona (è sbagliata).
Tutti i grafici e i dati, iniziali e derivati, relativi a questo post si trovano nel sito di supporto qui
Pubblicità