Gli scenari climatici generati nell ambito di AGROSCENARI

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Gli scenari climatici generati nell ambito di AGROSCENARI"

Filippo Alfieri
4 anni fa
Visualizzazioni

1 SCENARI DI ADATTAMENTO DELL AGRICOLTURA ITALIANA AI CAMBIAMENTI CLIMATICI AGROSCENARI Acquisizione, calibrazione e downscaling di scenari climatici futuri a livello locale. Gli scenari climatici generati nell ambito di AGROSCENARI Massimiliano Pasqui CNR IBIMET Rodica Tomozeiu ARPA SIMC Giulia Villani ARPA SIMC Fausto Tomei ARPA SIMC

2 Contenuti Introduzione sulla strategia di costruzione degli scenari climatici futuri; Descrizione del Downscaling Statistico; Descrizione del Downscaling Numerico; Conclusioni

E necessario applicare una strategia di riduzione di scala, ovvero aumento della risoluzione spaziale,

3 Scenari Climatici Il problema scientifico della riduzione di scala Modellistica Numerica L unità di calcolo dei modelli è un box di alcune centinaia di kim di lato, quindi bassa risoluzione spaziale. E necessario applicare una strategia di riduzione di scala, ovvero aumento della risoluzione spaziale, che incrementi l informazione, mantenendo la coerenza della descrizione fisica del comportamento dell atmosfera.

4 Number of observations Linea di ricerca in dettaglio Articolazione della attività Strategie di riduzione di scala degli scenari climatici Metodi Statistici Punto Stazione Area Test Weather Generator Metodi Numerici [~ 50 km] Temperature [ C]

climatici Metodi Statistici Punto Stazione Area Test Metodi Numerici

5 Number of observations Linea di ricerca in dettaglio Articolazione della attività Strategie di riduzione di scala degli scenari climatici Metodi Statistici Punto Stazione Area Test Metodi Numerici [~ 50 km] Modelli Numerici Temperature [ C]

Scenari Climatici Regionali Estrema cura nella valutazione dei dati subito disponili, con serie storiche sufficientemente lunghe (oltre 40 anni), minimi

6 Scenari Climatici Regionali Estrema cura nella valutazione dei dati subito disponili, con serie storiche sufficientemente lunghe (oltre 40 anni), minimi buchi temporali, controllati nella qualità, aggiornati agli ultimissimi anni ed aggiornabili nel futuro. Dati Analisi Oggettiva * Confronto ECA&D dataset e AO.

stagionale (2) (1) cambiamenti nel valore medio (1) cambiamenti

7 Strategia di downscaling statistico 1. TECNICHE DI REGIONALIZZAZIONE/ DOWNSCALING STATISTICA (DS) Output stagionale (2) (1) cambiamenti nel valore medio (1) cambiamenti nella varianza (2) 2. WEATHER GENERATOR (WG) Output giornaliero R.Tomozeiu, G.Villani, F.Tomei

Probability Density Function Probability Density Function Probability Density Function Probability Density Function Cambiamenti della Tmin ( C) 2021-2050 rispetto al 1961-1990, A1B Scenario A1B

1 Scenario A1B (2021:2050-1961:1990) Ensemble Mean (solid line) and present climate (dashed line) -Spring Tmin (MAM) primavera 0.0-4 -3-2 -1 0 1 2 3 4 5 Changes Tmin( C) 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.

1961_1990_Oristano 1961_1990_Marche 2021_2050_Po Valley 2021_2050_Destra Sele 2021_2050_Oristano 2021_2050_Marche Scenario A1B (2021:2050-1961:1990) Ensemble Mean (solid line) and present climate

8 Probability Density Function Probability Density Function Probability Density Function Probability Density Function Cambiamenti della Tmin ( C) rispetto al , A1B Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -WIinter Tmin (DJF) inverno Changes Tmin ( C) Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -Spring Tmin (MAM) primavera Changes Tmin( C) _1990_Po Valley 1961_1990_Destra Sele 1961_1990_Oristano 1961_199_ Marche 2021_2050_Po Valley 2021_2050_Destra Sele 2021_2050_Oristano 2021_2050_Marche 1961_1990_Po Valley 1961_1990_Destra Sele 1961_1990_Oristano 1961_1990_Marche 2021_2050_Po Valley 2021_2050_Destra Sele 2021_2050_Oristano 2021_2050_Marche Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -Summer Tmin (JJA) estate Changes Tmin ( C) Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -Autumn Tmin (SON) autunno Changes Tmin( C) _1990_Po Valley 1961_1990_Destra Sele 1961_1990_Oristano 1961_1990_Marche 2021_2050_Po Valley 2021_2050_Destra Sele 2021_2050_Oristano 2021_2050_Marche R.Tomozeiu, G.Villani, F.Tomei 1961_1990_Po Valley 1961_1990_Destra Sele 1961_1990_Oristano 1961_1990_Marche 2021_2050_Po Valley 2021_2050_Destra Sele 2021_2050_Oristano 2021_2050_Marche

1 Scenario A1B (2021:2050-1961:1990) Ensemble Mean (solid line) and present climate (dashed line) -Spring Tmax (MAM) primavera 0.0-4 -3-2 -1 0 1 2 3 4 5 Changes Tmax ( C) 0.8 0.7 0.6 0.5 0.4 0.3 0.

9 Probability Density Function Probability Density Function Probability Density Function Probability Density Function Cambiamenti della Tmax ( C) rispetto al , A1B Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -winter Tmax (DJF) inverno Changes Tmax ( C) Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -Spring Tmax (MAM) primavera Changes Tmax ( C) _1990_Po Valley 1961_1990_Destra Sele 1961_1990_ Oristano 1961_1990_Marche 2021_2050_Po Valley 2021_2050_Destra Sele 2021_2050_Oristano 2021_2050_Marche 1961_1990_Po Valley 1961_1990_Destra Sele 1961_1990_Oristano 1961_1990_Marche 2021_2050_Po Valley 2021_2050_Destra Sele 2021_2050_Oristano 2021_2050_Marche Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -summer Tmax (JJA) estate Changes Tmax ( C) Scenario A1B (2021: :1990) Ensemble Mean (solid line) and present climate (dashed line) -Autumn Tmax (SON) autunno Changes Tmax ( C) _Po Valley _Oristano 2021_2050_Po Valley 2021_2050_Marche _Destra Sele _Marche _Oristano 2021_2050_Destra Sele R.Tomozeiu, G.Villani, F.Tomei 1961_1990_Po Valley 1961_1990_Destra Sele 1961_1990_Oristano 1961_1990_Marche 2021_2050_Po Valley 2021_2050_ Destra Sele 2021_2050_Oristano 2021_2050_Marche

Po Valley region( 1410 grid point) Marche region (1330 grid point) 60 DJF MAM JJA

egmam_r1 egmam_r2 INGV IPSL METO_HC EM ECHAM5 egmam_r1 egmam_r2 INGV IPSL METO_HC EM

10 changes prec. (%) changes prec. (%) changes prec. (%) changes prec. (%) Cambiamenti della Precipitazione (%) rispetto al , A1B Po Valley region( 1410 grid point) Marche region (1330 grid point) 60 DJF MAM JJA SON 60 DJF MAM JJA SON seasons seasons ECHAM5 egmam_r1 egmam_r2 INGV IPSL METO_HC EM ECHAM5 egmam_r1 egmam_r2 INGV IPSL METO_HC EM Destra Sele region (1179 grid point) Oristano region (1118 grid point) 60 DJF MAM JJA SON 60 DJF MAM JJA SON seasons seasons ECHAM5 egmam_r1 egmam_r2 INGV IPSL METO_HC EM ECHAM5 egmam_r1 egmam_r2 INGV IPSL METO_HC EM R.Tomozeiu, G.Villani, F.Tomei

11 Quadro di sintesi dei cambiamenti climatici valutati attraverso il downscaling statistico durante il periodo le proiezioni mostrano un possibile incremento per la Temperatura massima di: circa 1 C per l inverno; 1.5 C per primavera ed l autunno; circa 1.7 C l'estate. Temperatura minima: circa 1 C durante l inverno, primavera, autunno; circa 1.5 durante l estate durante il periodo leggera diminuzione nelle precipitazioni invernale ( entro 5%-Ensemble Mean); diminuzione nelle precipitazioni primaverile (circa 20%) per Destra Sele ed Oristano; diminuzione nelle precipitazioni estive, più accentuato in Marche ed Oristano (circa 40% Ensemble Mean). R.Tomozeiu, G.Villani, F.Tomei

12 SCENARI DI ADATTAMENTO DELL AGRICOLTURA ITALIANA AI CAMBIAMENTI CLIMATICI AGROSCENARI Acquisizione, calibrazione e downscaling di scenari climatici futuri a livello locale. Il Downscaling regionale numerico Massimiliano Pasqui CNR IBIMET Francesca Guarnieri CNR IBIMET Marco Gaetani CNR IBIMET Enrico Scoccimarro CMCC Silvio Gualdi CMCC Sara Quaresima CRA CMA Edmondo Di Giuseppe CRA CMA

13 Schema Generale di Forcing Regionale Atm. Forcing: Global Model Atmos. Forcing RAMS Dataset dinamicamente coerente Atmosfera Suolo a risoluzione oraria. SST GLC DEM + FAO

14 CMCC Earth System

15 SIMULAZIONI RAMS

16 SIMULAZIONI RAMS

17 SIMULAZIONI RAMS

18 Output di grandezze disponibili Simulazione T Res. Dominio A1B Var CMCC MED NCEP - DOE 1 h RAMS Aree T. 2D (Surf) CMCC MED NCEP - DOE 3 h RAMS 3D Simulazioni già disponibili sul sito ftp di Agroscenari (risoluzione giornaliera e tri oraria)

19 Analisi delle distribuzioni annuali Downscaling Numerico Analisi preliminari

20 Analisi delle distribuzioni annuali Downscaling Statistico

21 Analisi delle distribuzioni annuali Downscaling Numerico Analisi preliminari

22 Analisi delle distribuzioni annuali Downscaling Statistico

23 Conclusioni o La mole di scenari climatici futuri realizzati per il Agroscenari è notevole sia per popolazione del dataset sia per eterogeneità di strategie adottate nel realizzarli, per quanto non disponendo poi di una strategia di validazione per il periodo futuro bisogna sempre passare nelle analisi alle distribuzioni di probabilità; o tale ricchezza richiede(*) una strategia di utilizzo sostenuta da un analisi climatica preliminare dei dataset, già estensivamente eseguita da diverse linee di ricerca del Progetto. E in corso di realizzazione un analisi del dataset di downscaling regionale numerico ed un analisi comparata tra le due strategie, con particolare enfasi all ultimo decennio. o E in corso un azione di ulteriore calibrazione dei dataset regionali, tramite post procesamento, per ridurre alcune discrepanze sistematiche (come ad es.: Tmin e Precipitazione).

Documenti analoghi

R.Tomozeiu, G. Agrillo, G.Villani, F. Tomei, V. Marletto, L.Botarelli. AIAM 2011 BOLOGNA 7-9 giugno 2011

R.Tomozeiu, G. Agrillo, G.Villani, F. Tomei, V. Marletto, L.Botarelli. AIAM 2011 BOLOGNA 7-9 giugno 2011 Scenari di cambiamento climatico di temperatura e precipitazioni in Italia per il periodo 2021-2050, ottenuti attraverso tecniche di regionalizzazione statistica e loro impatto sull irrigazione R.Tomozeiu,