PIOMAS Arctic Sea Ice Volume Reanalysis (ottobre 2023)

[Alessandro 81]

Un Sistema di Modellazione e Assimilazione del Ghiaccio-Oceano Pan-Artico (PIOMAS) viene utilizzato per questo progetto. PIOMAS è un modello accoppiato di Oceano e Ghiaccio Marittimo Parallelo (POIM, Zhang e Rothrock 2003) con capacità di assimilazione di dati di concentrazione e velocità del ghiaccio. È formulato in un sistema di coordinate curvilinee ortogonali generalizzate (GOCC) ed è progettato per funzionare su computer con un singolo processore o su processori massicciamente paralleli. PIOMAS accoppia il Programma Oceano Parallelo (POP) con un modello di ghiaccio marino di distribuzione di spessore e entalpia (TED). Il modello POP è sviluppato presso il Los Alamos National Laboratory.

Il modello di ghiaccio marino TED è un modello termodinamico dinamico che simula anche esplicitamente il rigonfiamento del ghiaccio marino. Il modello si basa sulla teoria della distribuzione dello spessore del ghiaccio marino a scala sub-grid di Thorndike et al. (1975), arricchita dalla teoria della distribuzione dell’entalpia del ghiaccio a scala sub-grid (Zhang e Rothrock, 2001). Comprende 12 categorie sub-grid per lo spessore del ghiaccio, l’entalpia del ghiaccio e la neve. Questo modello TED multicategoria si compone di sette componenti principali: una reologia del ghiaccio viscoso-plastico a forma di lacrima di Zhang e Rothrock (2005) che determina la relazione tra lo stress interno del ghiaccio e la sua deformazione (Hibler 1979), una funzione di ridistribuzione meccanica che determina il rigonfiamento del ghiaccio (Thorndike et al. 1975; Rothrock, 1975; Hibler, 1980), un’equazione del momento che determina il movimento del ghiaccio, un’equazione del calore che determina la crescita/decadenza e la temperatura del ghiaccio, un’equazione di distribuzione dello spessore del ghiaccio che conserva la massa del ghiaccio (Thorndike et al. 1975; Hibler, 1980), un’equazione di distribuzione dell’entalpia del ghiaccio che conserva l’energia termica del ghiaccio (Zhang e Rothrock, 2001), e un’equazione di distribuzione dello spessore della neve che conserva la massa della neve (Flato e Hibler, 1995). L’equazione del momento del ghiaccio è risolta usando il modello di dinamica del ghiaccio di Zhang e Hibler (1997), che impiega una tecnica di rilassamento successivo lineare con un risolutore di matrici tridiagonali, utile per il calcolo parallelo (Zhang e Rothrock, 2003). L’equazione del calore è risolta per ciascuna categoria di spessore del ghiaccio usando un modello termodinamico a tre strati modificato (Winton, 2000). L’ultima versione di PIOMAS è capace di simulare una distribuzione della dimensione dei fiocchi di ghiaccio marino a 12 categorie sub-grid (Zhang et al., 2015, 2016) e la distribuzione delle pozze di fusione (Zhang et al., 2018). La configurazione della griglia a differenze finite di PIOMAS è mostrata di seguito. La griglia del modello è una griglia GOCC estesa con il polo nord della griglia spostato in Groenlandia. Ciò consente al modello di avere la sua risoluzione più alta nel Mare di Groenlandia, nella Baia di Baffin e nell’Arcipelago Canadese Orientale. Questo permette al modello di avere una buona connessione tra l’Oceano Artico e l’Oceano Atlantico tramite il Mare di Groenlandia-Islanda-Norvegia (GIN) e il Mare del Labrador. La risoluzione orizzontale media è di 22 km per il Mare Artico, il Mare di Barents, e i mari GIN e la Baia di Baffin. Il modello è annidato in un modo unidirezionale a un POIM globale (GIOMAS) imponendo condizioni al contorno aperte lungo i confini meridionali (~43°N). I dati di output mensili da GIOMAS sono utilizzati per le condizioni al contorno aperte. Il modello è guidato dai dati di rianalisi NCEP/NCAR. Ulteriori informazioni su PIOMAS e le ultime analisi sono disponibili su https://psc.apl.uw.edu/research/projects/arctic-sea-ice-volume-anomaly/. L’output del ghiaccio marino di PIOMAS è stato ampiamente utilizzato.

 

[Alessandro 81]

Vediamo di andare ad analizzare alcuni termini

sistema di coordinate curvilinee ortogonali generalizzate (GOCC)

Il sistema di coordinate curvilinee ortogonali generalizzate (GOCC, dall’inglese “Generalized Orthogonal Curvilinear Coordinate system”) è un tipo di sistema di coordinate utilizzato nella modellazione fisica e matematica, specialmente in contesti come la modellazione oceanografica e climatica.

1. Coordinate curvilinee: A differenza dei sistemi di coordinate cartesiane (rettangolari) convenzionali, le coordinate curvilinee seguono linee che possono essere curve. Questo consente una maggiore flessibilità nella rappresentazione di superfici e volumi che non sono rettilinei o regolari, come il terreno, gli oceani o le atmosfere planetarie.
2. Ortogonalità: Nonostante la loro natura curva, le coordinate in un sistema GOCC rimangono ortogonali tra loro. Questo significa che in ogni punto del sistema, le linee di coordinate si intersecano ad angoli retti. Questa proprietà è fondamentale per semplificare i calcoli matematici, in quanto consente di trattare le direzioni lungo le diverse coordinate in modo indipendente.
3. Applicazioni nel contesto di PIOMAS: Nel contesto di PIOMAS (Pan-Arctic Ice-Ocean Modeling and Assimilation System), l’uso di un sistema GOCC permette di modellare con maggiore precisione e flessibilità la complessa geometria dell’Oceano Artico e delle regioni polari. La capacità di adattare le coordinate alla forma irregolare dell’oceano e del ghiaccio marino è cruciale per una simulazione accurata della dinamica oceanica e dei processi di ghiaccio marino.
4. Vantaggi: Un vantaggio significativo di usare un sistema GOCC è la sua capacità di aumentare la risoluzione in aree specifiche. Per esempio, nel modello PIOMAS, il polo della griglia nord viene spostato in Groenlandia, permettendo una risoluzione più alta nelle regioni di particolare interesse come il Mare di Groenlandia, la Baia di Baffin e l’Arcipelago Canadese Orientale. Questo aiuta i ricercatori a ottenere dettagli più fini e accuratezza in quelle aree senza la necessità di aumentare la risoluzione su tutta la griglia, il che sarebbe computazionalmente molto più costoso.

In sintesi, il sistema GOCC è uno strumento potente nella modellazione ambientale, poiché permette una rappresentazione più precisa di aree geografiche complesse e facilita calcoli matematici accurati in queste regioni.

Programma Oceano Parallelo (POP)

Il Programma Oceano Parallelo (POP) è un modello computazionale avanzato utilizzato per simulare la dinamica degli oceani. È parte integrante di numerosi sistemi di modellazione climatica e oceanografica. Ecco alcuni punti chiave che spiegano cosa è e come funziona il POP:

1. Simulazione della Dinamica Oceanica: Il POP è progettato per modellare la circolazione oceanica su scala globale. Utilizza equazioni matematiche che rappresentano i processi fisici dell’oceano, come le correnti, le temperature, la salinità e i processi di mescolamento. Il modello può simulare come questi fattori interagiscono tra loro e cambiano nel tempo.
2. Modellazione su Grande Scala: Il POP è in grado di coprire l’intero globo, modellando la circolazione oceanica in tutti i principali bacini. Questo lo rende uno strumento prezioso per studiare e comprendere i processi oceanici globali e il loro impatto sul clima terrestre.
3. Architettura Parallela: Come suggerisce il nome, il POP è progettato per funzionare su sistemi informatici paralleli. Questo significa che può essere eseguito su supercomputer con molti processori lavorando contemporaneamente, permettendo così una simulazione molto dettagliata e complessa in tempi ragionevoli. L’architettura parallela è fondamentale per gestire la grande quantità di dati e le complesse calcolazioni richieste dalla modellazione oceanica.
4. Componente di Sistemi di Modellazione Climatica: Il POP è spesso utilizzato come componente nei modelli climatici accoppiati. In tali sistemi, è integrato con altri modelli che rappresentano l’atmosfera, la criosfera (ghiacci), la biosfera (vita sulla Terra) e altre parti del sistema climatico. Questo approccio olistico è cruciale per comprendere come l’oceano interagisce con altre parti del sistema climatico.
5. Ricerca e Applicazioni: I risultati delle simulazioni del POP sono utilizzati per la ricerca climatica e oceanografica, compresa la comprensione del riscaldamento globale, dei cambiamenti nei modelli di circolazione oceanica e dell’impatto di questi cambiamenti sugli ecosistemi marini. I risultati possono anche informare le politiche di mitigazione e adattamento al cambiamento climatico.
6. Sviluppo e Collaborazioni: Sviluppato inizialmente al Los Alamos National Laboratory, il POP è il risultato di collaborazioni tra istituti di ricerca, università e laboratori governativi. La sua continua evoluzione beneficia dell’apporto di una comunità scientifica globale.

In sintesi, il Programma Oceano Parallelo è un modello computazionale critico per la modellazione e la comprensione della dinamica oceanica e del suo ruolo nel sistema climatico globale. La sua capacità di funzionare su sistemi di calcolo paralleli lo rende uno strumento potente e versatile per gli scienziati del clima e dell’oceano.

 

[Alessandro 81]

modello di ghiaccio marino di distribuzione di spessore e entalpia (TED)

Il modello di ghiaccio marino di distribuzione di spessore e entalpia (TED) è un approccio avanzato nella modellistica del ghiaccio marino, utilizzato per studiare e prevedere le dinamiche del ghiaccio in ambienti oceanici, specialmente nell’ambito dei cambiamenti climatici e della modellazione climatica. Ecco alcuni aspetti chiave di questo modello:

1. Focalizzazione su Spessore e Entalpia: Come suggerisce il nome, il modello TED si concentra su due parametri fondamentali: lo spessore del ghiaccio marino e la sua entalpia (o contenuto termico). Lo spessore del ghiaccio marino è cruciale per comprendere la sua durata, la stabilità e l’interazione con l’ambiente circostante, mentre l’entalpia determina lo stato termico del ghiaccio, che influisce sulla sua fusione e formazione.
2. Modellazione Multicategoria: Il modello utilizza un approccio multicategoria per rappresentare varie classi di spessore del ghiaccio e entalpia all’interno di una griglia di modellazione. Questo permette di catturare meglio la varietà e la distribuzione del ghiaccio marino in termini di spessore e condizioni termiche, offrendo una rappresentazione più realistica e dettagliata.
3. Dinamica Termica e Meccanica: Il modello TED integra sia la dinamica termica che quella meccanica del ghiaccio marino. Ciò include la modellazione di come il ghiaccio marino cresce, si fonde, si muove e interagisce con le forze ambientali come il vento e le correnti oceaniche. La componente termica considera i processi di scambio di calore tra il ghiaccio, l’acqua e l’atmosfera.
4. Importanza per la Modellazione del Clima: Comprendere e prevedere le dinamiche del ghiaccio marino è fondamentale per la modellazione climatica, specialmente in regioni polari. Il ghiaccio marino influisce significativamente sul bilancio energetico della Terra, riflettendo la luce solare e isolando l’oceano dall’atmosfera. Il modello TED contribuisce a prevedere come questi fattori cambiano in risposta ai cambiamenti climatici.
5. Applicazioni: Il modello TED è utilizzato in vari contesti, come la ricerca sul cambiamento climatico, la previsione del clima, la navigazione marittima artica e la gestione delle risorse marine. Fornisce dati essenziali per comprendere e rispondere alle sfide poste dal riscaldamento globale, specialmente nel contesto della riduzione del ghiaccio marino nelle regioni polari.
6. Integrazione in Modelli Più Grandi: Spesso, il modello TED è integrato in sistemi di modellazione climatica più ampi, come il Pan-Arctic Ice-Ocean Modeling and Assimilation System (PIOMAS), che combina dati e modelli oceanici e di ghiaccio marino per creare simulazioni dettagliate e accurate dell’ambiente polare.

In breve, il modello di ghiaccio marino di distribuzione di spessore e entalpia (TED) è uno strumento essenziale per la ricerca sul ghiaccio marino, offrendo una visione dettagliata e realistica delle dinamiche del ghiaccio in un mondo che sta rapidamente cambiando a causa del cambiamento climatico.

griglia GOCC

La griglia GOCC, acronimo di “Generalized Orthogonal Curvilinear Coordinate” (Coordinate Curvilinee Ortogonali Generalizzate), è un tipo di griglia utilizzata nella modellazione matematica e fisica, in particolare in ambiti come la modellazione oceanografica e climatica. Questo tipo di griglia presenta caratteristiche specifiche che la rendono adatta per modellare fenomeni complessi in ambienti naturali. Ecco alcuni aspetti chiave:

1. Coordinate Curvilinee: A differenza delle griglie cartesiane, che usano linee rette e angoli retti, le griglie GOCC utilizzano coordinate che possono essere curve. Questo permette di adattare la griglia più fedelmente alla forma reale di superfici fisiche complesse, come la superficie terrestre o il fondo oceanico.
2. Ortogonalità: Nonostante la loro natura curva, le linee di coordinate in una griglia GOCC si intersecano ad angoli retti (ortogonalmente). Questa proprietà è fondamentale per semplificare i calcoli matematici, poiché consente di trattare indipendentemente le direzioni lungo le diverse coordinate.
3. Flessibilità nella Modellazione: L’uso di griglie GOCC permette una maggiore flessibilità nella modellazione di regioni geografiche irregolari. Per esempio, possono essere utilizzate per modellare con precisione aree come l’Artico, dove la geometria complessa del mare, del ghiaccio e della terraferma richiede un approccio più adattabile rispetto alle griglie regolari.
4. Alta Risoluzione in Aree Specifiche: Le griglie GOCC possono essere “allungate” o “comprese” per aumentare la risoluzione in aree specifiche di interesse. Questo significa che in aree dove sono necessari dettagli più fini, come zone di intenso movimento del ghiaccio marino o correnti oceaniche, la griglia può avere una maggiore densità di punti.
5. Applicazioni: Questo tipo di griglia è particolarmente utile nella modellazione oceanografica e climatica. Ad esempio, in modelli come il PIOMAS (Pan-Arctic Ice-Ocean Modeling and Assimilation System), una griglia GOCC viene utilizzata per rappresentare con precisione la complessa interazione tra oceano e ghiaccio marino nell’Artico.
6. Vantaggi Computazionali: Le griglie GOCC consentono di effettuare calcoli complessi in modo più efficiente, specialmente quando si utilizzano supercomputer o sistemi di calcolo parallelo. Questo è cruciale nei modelli climatici e oceanografici, dove la gestione di enormi quantità di dati e calcoli intensivi è la norma.

In sintesi, la griglia GOCC è un importante strumento nella modellistica ambientale, fornendo un modo più flessibile e preciso per rappresentare regioni geografiche complesse e per facilitare calcoli accurati in queste aree.

Il modello è annidato in un modo unidirezionale a un POIM globale (GIOMAS)

Il concetto di “annidamento unidirezionale” di un modello regionale (come il PIOMAS) in un modello globale (come il GIOMAS, Global Ice-Ocean Modeling and Assimilation System) è un approccio utilizzato nella modellazione climatica e oceanografica per integrare modelli di diverse scale spaziali. Ecco come funziona:

1. Annidamento di Modelli: Nella modellistica ambientale, l’annidamento si riferisce all’incorporazione di un modello più piccolo o più dettagliato (regionale) all’interno di un modello più grande o meno dettagliato (globale). Questo approccio consente di sfruttare i vantaggi di entrambi i tipi di modelli: la copertura globale e la visione d’insieme fornita dal modello globale, e la risoluzione dettagliata e la specificità del modello regionale.
2. Unidirezionale: Il termine “unidirezionale” indica che l’informazione fluisce solo in una direzione: dal modello globale al modello regionale. Questo significa che il modello regionale riceve dati e condizioni al contorno dal modello globale, ma non influenza il modello globale con i suoi output. In sostanza, il modello globale fornisce un contesto e condizioni ambientali entro cui il modello regionale opera.
3. Esempio con PIOMAS e GIOMAS: Nel caso specifico del PIOMAS (Pan-Arctic Ice-Ocean Modeling and Assimilation System), esso è annidato all’interno del GIOMAS. PIOMAS, essendo un modello focalizzato sull’Artico, riceve informazioni su variabili come correnti oceaniche, temperature, e pressioni atmosferiche dal modello GIOMAS, che copre l’intero globo. Queste informazioni sono utilizzate come condizioni al contorno o come input iniziali per le simulazioni condotte da PIOMAS.
4. Vantaggi: Questo approccio permette di ottenere una maggiore precisione nelle simulazioni regionali senza dover ricalcolare tutto il sistema globale, il che sarebbe molto più dispendioso in termini di tempo e risorse computazionali. Inoltre, consente di studiare processi regionali specifici (come la dinamica del ghiaccio marino nell’Artico) nel contesto di processi globali.
5. Applicazioni: L’annidamento unidirezionale è particolarmente utile in studi di cambiamento climatico, meteorologia e oceanografia, dove i processi regionali sono significativamente influenzati da fattori globali. Fornisce un equilibrio tra dettaglio locale e contesto globale, essenziale per una comprensione accurata dei sistemi ambientali complessi.

In sintesi, il modello PIOMAS annidato unidirezionalmente nel GIOMAS sfrutta i dati e le condizioni fornite dal modello globale per condurre simulazioni dettagliate e specifiche dell’Artico, mantenendo una coerenza con le dinamiche e i processi su scala globale.

 

[Alessandro 81]

OTTOBRE 2023

Il volume del ghiaccio marino artico viene calcolato utilizzando il Sistema di Modellizzazione e Assimilazione del Ghiaccio Oceanico Pan-Artico (PIOMAS, sviluppato da Zhang e Rothrock nel 2003) presso APL/PSC. Le anomalie per ciascun giorno vengono calcolate in relazione alla media del periodo 1979-2021 per quel specifico giorno dell’anno, al fine di eliminare il ciclo annuale. Il ciclo medio annuale del modello di volume del ghiaccio marino in questo periodo varia dai 28.000 km³ in aprile agli 11.500 km³ in settembre. La linea blu rappresenta il trend calcolato a partire dal 1 gennaio 1979 fino alla data più recente indicata sulla figura. Le aree ombreggiate rappresentano una e due deviazioni standard dei residui dell’anomalia dal trend nella Figura 1 e le deviazioni standard sulla media giornaliera del periodo 1979-2017 nella Figura 2.

Il grafico rappresenta l’anomalia del volume del ghiaccio marino nell’Artico, secondo il modello PIOMAS, e mostra come questo volume si discosta dalla media del periodo di riferimento 1979-2022.

Analizziamo i componenti del grafico:

• Asse Verticale (Y): Mostra l’anomalia del volume del ghiaccio in migliaia di chilometri cubici (1,000 km³). I valori positivi indicano un volume di ghiaccio superiore alla media del periodo 1979-2022, mentre i valori negativi indicano un volume inferiore alla media.
• Asse Orizzontale (X): Rappresenta il tempo, dal 1979 al 2023. Ogni tacca sull’asse corrisponde al primo giorno dell’anno indicato.
• Linea Blu: Rappresenta il trend di lungo periodo delle anomalie del volume di ghiaccio dall’inizio del periodo osservato (1979) fino all’ultimo dato disponibile nel grafico (31 ottobre 2023). Il trend è calcolato come una linea di regressione lineare, che mostra una diminuzione media di 2.9 ± 1.0 migliaia di km³ per decennio.
• Aree Ombreggiate: Indicano l’intervallo di una e due deviazioni standard dalla tendenza (linea blu). Questi intervalli ci danno una misura della variabilità attorno al trend e della distribuzione dei dati. L’area più chiara rappresenta due deviazioni standard, mentre quella più scura ne rappresenta una. Questo ci dice che la maggior parte dei dati si trova all’interno di queste aree.
• Barre di Errore: Le barre verticali mostrano l’incertezza associata a ciascuna anomalia mensile. L’incertezza è indicata con una barra di errore che mostra la gamma di stime possibili per l’anomalia di quel mese, che è rappresentata con una frequenza annuale nel grafico.
• Dati del Grafico: La linea nera ondulata mostra le anomalie giornaliere del volume di ghiaccio. Si può notare una ciclicità stagionale con picchi e valli che corrispondono alle stagioni di fusione e crescita del ghiaccio marino.

In conclusione, il grafico mostra una tendenza generale al ribasso nel volume di ghiaccio marino, con una variazione stagionale e una variabilità annuale. Le barre di errore e le aree ombreggiate rappresentano l’incertezza sia nel trend di lungo periodo che nelle anomalie individuali.

Il grafico mostra il volume totale del ghiaccio marino artico come modellato dal sistema PIOMAS (Pan-Arctic Ice Ocean Modeling and Assimilation System) su base giornaliera.

Ecco i dettagli del grafico:

• Asse Verticale (Y): Mostra il volume totale del ghiaccio marino artico in migliaia di chilometri cubici (1,000 km³). Il range di volume va da 0 a circa 35,000 km³.
• Asse Orizzontale (X): Indica i mesi dell’anno, mostrando così l’andamento stagionale del volume del ghiaccio marino, che si espande in inverno e si ritira in estate.
• Curve Colorate (2012-2023): Ogni linea colorata rappresenta l’andamento del volume del ghiaccio per ogni anno specifico nell’intervallo 2012-2023. Queste linee permettono di vedere le variazioni stagionali annuali e come queste si confrontano l’una con l’altra e con la media storica.
• Linea con Punti Neri (Media 1979-2020): Questa linea mostra il volume medio del ghiaccio marino artico calcolato su una base giornaliera per il periodo 1979-2020. I punti neri indicano la media per ogni giorno dell’anno, fornendo un riferimento per valutare come ciascun anno si discosta dalla media a lungo termine.
• Aree Ombreggiate (Deviazioni Standard): Indicano l’intervallo di variabilità attorno alla media. La fascia più scura rappresenta l’intervallo entro una deviazione standard dalla media, mentre la fascia più chiara rappresenta l’intervallo entro due deviazioni standard. Queste aree forniscono un’indicazione della variabilità “normale” attesa, basata sulla serie storica.

Analizzando il grafico, possiamo notare che il picco del volume di ghiaccio si verifica tipicamente nei mesi invernali (da marzo ad aprile), mentre il punto più basso si verifica durante i mesi estivi (da settembre a ottobre), che è quando il ghiaccio si scioglie più intensamente a causa delle temperature più alte.

È evidente che alcuni anni recenti (ad esempio il 2012, indicato da una linea blu) hanno mostrato volumi di ghiaccio marino significativamente più bassi durante i mesi estivi rispetto alla media storica. Questo è un indicatore del cambiamento in corso nelle condizioni del ghiaccio marino artico, probabilmente legato al riscaldamento globale e alla perdita di ghiaccio marino.

In conclusione, il grafico mostra non solo il ciclo stagionale del ghiaccio marino artico, ma anche le variazioni interannuali e la tendenza verso volumi di ghiaccio più bassi durante il periodo estivo negli anni più recenti rispetto alla media storica.

 

[Alessandro 81]

Aggiornamento Annuale

“Il 2022 si è concluso con una media annuale del volume del ghiaccio marino che è stata la nona più bassa mai registrata, a 14.300 km³, con gli anni recenti tutti raggruppati molto vicini (vedi Figura 11). Il 2017 mantiene il record per il volume annuale più basso con 12.800 km³.

Il grafico rappresenta il volume medio annuale del ghiaccio marino artico, secondo i dati elaborati dal sistema PIOMAS. Questo sistema utilizza modellistica e assimilazione di dati per stime più precise del volume di ghiaccio.

Analizziamo il grafico in dettaglio:

• Asse Verticale (Y): Mostra il volume annuale medio del ghiaccio marino in migliaia di chilometri cubici (1,000 km³). I valori si estendono da oltre 25,000 km³ negli anni ’80 a meno di 15,000 km³ negli anni recenti.
• Asse Orizzontale (X): Rappresenta il tempo, con i marcatori che indicano gli anni da circa il 1979 fino al 2020.
• Linea con Cerchi Neri: Ciascun cerchio rappresenta il volume medio del ghiaccio marino per ogni anno dato. La linea che collega questi punti illustra la tendenza generale nel volume del ghiaccio nel corso del tempo.
• Linea Azzurra: È la linea di tendenza che mostra il cambiamento del volume medio annuale del ghiaccio marino nel corso degli anni. La pendenza negativa della linea indica una diminuzione generale del volume del ghiaccio marino nel periodo considerato.
• Barre di Errore: Le linee verticali che si estendono sopra e sotto ogni cerchio rappresentano l’incertezza della stima annuale del volume. La lunghezza di queste barre suggerisce il livello di confidenza nelle misurazioni di ciascun anno; barre più lunghe indicano una maggiore incertezza.

In sintesi, il grafico mostra una marcata tendenza al declino nel volume medio del ghiaccio marino nell’Artico dal 1979 al 2020. Le barre di errore indicano che ci sono variazioni annuali nell’accuratezza delle stime del volume del ghiaccio marino. Questo grafico è un chiaro indicatore del cambiamento climatico e della riduzione della massa di ghiaccio nell’Artico nel corso degli ultimi decenni.

Aggiornamento Mensile di Ottobre 2023

Il volume medio del ghiaccio marino artico in ottobre 2023 era di 5.850 km³. Questo valore è il settimo più basso mai registrato per ottobre, circa 900 km³ sopra il record minimo stabilito nel 2020. Il volume del ghiaccio mensile era del 67% inferiore al massimo raggiunto nel 1979 e del 49% sotto la media del periodo 1979-2022. Il volume medio del ghiaccio in ottobre 2023 era 1 deviazione standard sopra la linea di tendenza 1979-2022. La crescita (o perdita) del ghiaccio in ottobre 2023 è stata abbastanza normale per il decennio recente (vedi Figura 4), (al di sopra dei 15 cm di spessore) e all’estremità più sottile del cluster di anni con ghiaccio sottile. La mappa delle anomalie di spessore del ghiaccio di ottobre 2023 rispetto al periodo 2011-2022 (vedi Figura 6) mostra un Artico diviso con anomalie negative nel Mare di Beaufort, nel Mare dei Chukchi, nel Mare Siberiano Orientale e in parte dell’Artico Centrale adiacente a queste regioni. Forti anomalie positive persistono lungo l’Arcipelago Canadese e a nord della Groenlandia, tutte parti dell’Ultima Area di Ghiaccio che avevano subito notevoli riduzioni di ghiaccio marino negli anni precedenti (qui). Mentre il resto del pianeta registra temperature record su terra e in mare, e l’Antartide mostra nuovi minimi record per l’estensione del ghiaccio marino invernale, l’Artico sembra aver avuto un’estate relativamente ‘normale’ per il decennio recente.

CS2 è tornato dalla sua pausa estiva e il modello delle anomalie di spessore è molto simile a quello di PIOMAS, anche se l’anomalia nel Mare di Barents è meno pronunciata nei dati CS2. Ottobre 2023 aggiunge un altro mese al record dei dati CS2, che ora coprono 13 anni. Né CS2 né PIOMAS mostrano una tendenza discernibile in quel lasso di tempo, sottolineando l’importanza della variabilità interna su scale temporali decennali.

Gli aggiornamenti saranno generati a intervalli approssimativamente mensili.”

 

[Alessandro 81]

Il grafico illustra le anomalie giornaliere del volume del ghiaccio marino artico per ogni anno dal 2014 al 2023, confrontate con il periodo di riferimento 1979-2022.

Analizziamo il grafico in dettaglio:

• Asse Verticale (Y): Questo asse mostra l’anomalia del volume del ghiaccio in migliaia di chilometri cubici (1,000 km³). Le anomalie sono misurate rispetto alla media a lungo termine per il periodo 1979-2022. I valori negativi indicano che il volume di ghiaccio è inferiore alla media, mentre valori positivi (non presenti in questo grafico) indicherebbero un volume superiore alla media.
• Asse Orizzontale (X): Rappresenta i mesi dell’anno, da gennaio a dicembre, permettendo di vedere come le anomalie variano stagionalmente.
• Linee Colorate con Simboli: Ogni linea colorata, accompagnata da un simbolo unico (come quadrati, triangoli, croci, ecc.), rappresenta le anomalie del volume di ghiaccio per ciascun anno specificato accanto al simbolo nella legenda. Queste linee mostrano come il volume di ghiaccio in un dato giorno dell’anno si confronta con la media storica del periodo di riferimento.

Dall’analisi del grafico, è evidente che il volume del ghiaccio marino artico è costantemente inferiore alla media storica per ogni anno rappresentato, con variazioni stagionali che riflettono tipicamente minori volumi durante i mesi estivi (quando il ghiaccio marino fonde) e volumi maggiori durante i mesi invernali (quando il ghiaccio marino si forma e si accumula).

Le linee mostrano una variazione sostanziale tra gli anni, con alcuni anni (come il 2019 e il 2020) che presentano anomalie meno pronunciate rispetto ad altri (come il 2015 e il 2022), suggerendo variabilità significativa da un anno all’altro. Le anomalie più pronunciate nei mesi estivi segnalano anni in cui il ghiaccio marino è stato particolarmente ridotto rispetto alla media storica.

In sintesi, il grafico enfatizza la riduzione del ghiaccio marino nell’Artico negli ultimi anni, un fenomeno che è coerente con le osservazioni del riscaldamento globale e la diminuzione del ghiaccio marino artico.

La mappa rappresenta l’anomalia dello spessore del ghiaccio marino artico nel mese di ottobre 2023 rispetto alla media del periodo 2011-2022, secondo i dati del sistema PIOMAS.

• Scala dei Colori (Barra a Destra): La scala dei colori indica l’intensità dell’anomalia dello spessore del ghiaccio. I valori vanno da -1,50 a +1,50 metri. I colori freddi (blu) mostrano dove lo spessore del ghiaccio è minore della media del periodo di riferimento, indicando un assottigliamento del ghiaccio. Al contrario, i colori caldi (rossi e arancioni) indicano dove lo spessore del ghiaccio è maggiore della media, suggerendo un ispessimento del ghiaccio.
• Distribuzione Geografica delle Anomalie:
  • Le aree rosse e arancioni indicano regioni dove il ghiaccio è insolitamente spesso per il mese di ottobre 2023. Questo potrebbe essere dovuto a condizioni climatiche locali che favoriscono l’accumulo di ghiaccio o a variazioni nei modelli di circolazione oceanica che portano a un maggiore trasporto di ghiaccio in queste aree.
  • Le aree azzurre mostrano regioni dove il ghiaccio è più sottile della media storica, il che potrebbe suggerire un aumento delle temperature, modifiche nei modelli di circolazione o altri fattori che influenzano il tasso di fusione o formazione del ghiaccio.
• Annotazioni sulla Mappa:
  • Il Polo Nord è al centro della mappa.
  • La Siberia è visibile nella parte inferiore sinistra, la Groenlandia è in alto a destra, e il Nord America è sul lato destro della mappa.

Questa mappa è utile per i ricercatori e gli scienziati del clima per valutare come le condizioni del ghiaccio artico si stiano modificando nel contesto dei cambiamenti climatici. Le anomalie dello spessore del ghiaccio possono avere implicazioni per la navigazione artica, gli ecosistemi locali, e possono influenzare il clima globale poiché lo spessore del ghiaccio influisce sull’albedo, ovvero sulla capacità della superficie del ghiaccio di riflettere la luce solare.

 

[Alessandro 81]

Scopo

Il volume del ghiaccio marino è un importante indicatore climatico. Esso dipende sia dallo spessore che dall’estensione del ghiaccio, pertanto è più direttamente collegato alle forzanti climatiche rispetto alla sola estensione. Tuttavia, attualmente non è possibile osservare continuamente il volume del ghiaccio marino artico. Le osservazioni da satelliti, sottomarini militari, boe e misurazioni sul campo satellites, Navy submarines, moorings sono tutte limitate sia nello spazio che nel tempo. L’assimilazione delle osservazioni in modelli numerici fornisce attualmente l’unico modo per stimare i cambiamenti nel volume del ghiaccio marino su una base continua per diversi decenni. Il confronto delle stime del modello dello spessore del ghiaccio con le osservazioni aiuta a testare la nostra comprensione dei processi rappresentati nel modello che sono importanti per la formazione e lo scioglimento del ghiaccio marino.

Versioni

Versione 2.1

È stato identificato un errore di programmazione in una routine che interpola i dati di concentrazione del ghiaccio prima dell’assimilazione. Questo errore ha influenzato solo i dati dal 2010 al 2013. Tali dati sono stati riprocessati e ora sono disponibili nella versione 2.1. Lo spessore del ghiaccio è in genere maggiore nella zona del Mare di Beaufort-Chukchi, con le maggiori differenze di spessore riscontrate in maggio. Le differenze nel volume del ghiaccio sono fino all’11% maggiori verso la fine della primavera. Versione 2.0 Questa serie temporale del volume del ghiaccio è stata generata con una versione aggiornata di PIOMAS (15 giugno 2011). Questa versione migliorata rispetto alle precedenti, assimila le temperature della superficie del mare (SST) nelle aree prive di ghiaccio e utilizza una diversa parametrizzazione per la resistenza del ghiaccio. I confronti delle stime di PIOMAS con le osservazioni dello spessore del ghiaccio mostrano una riduzione degli errori rispetto alla versione precedente. La tendenza a lungo termine è diminuita a circa -2,8 x 10³ km³ per decennio rispetto ai -3,6 x 10³ km³ per decennio dell’ultima versione. I nostri confronti con i dati e con altre simulazioni del modello indicano che questa nuova tendenza è una stima prudente della tendenza reale. Con questa versione, forniamo anche statistiche sull’incertezza. Maggiori dettagli possono essere trovati in Schweiger et al. 2011. Il miglioramento del modello è un’attività di ricerca continua presso il PSC e gli aggiornamenti del modello possono avvenire a intervalli irregolari. Quando avvengono aggiornamenti del modello, l’intera serie temporale viene riprocessata e pubblicata.

il grafico visualizzato illustra la differenza nel volume di ghiaccio marino artico tra la Versione 2.1 e la Versione 2.0 del modello PIOMAS nel corso di diversi anni specificati.

Ecco i dettagli del grafico:

• Asse Verticale (Y): Mostra la differenza di volume del ghiaccio marino in migliaia di chilometri cubici (1,000 km³). Un valore positivo indica che la Versione 2.1 del modello stima un volume di ghiaccio maggiore rispetto alla Versione 2.0.
• Asse Orizzontale (X): Rappresenta il tempo, da inizio 2010 fino alla fine del 2013. I marcatori indicano i trimestri (indicati come “04” per aprile e “12” per dicembre).
• Linea Blu: Questa linea mostra le differenze nel volume di ghiaccio marino tra le due versioni del modello nel tempo. I picchi indicano i periodi in cui le differenze sono maggiori.

Dalla linea possiamo vedere che ci sono stati periodi in cui la differenza di volume tra le due versioni del modello è stata maggiore. Questi picchi di differenza appaiono con una stagionalità regolare, suggerendo che le modifiche apportate nella Versione 2.1 possono avere un impatto stagionale nella stima del volume del ghiaccio.

Le cause esatte di queste differenze non sono indicate nel grafico, ma possono essere dovute a diversi fattori, come miglioramenti nella metodologia di calcolo, aggiornamenti nei dati di input o correzioni di errori precedentemente presenti nella Versione 2.0. Queste differenze sono significative perché influenzano la nostra comprensione delle tendenze a lungo termine e della variabilità stagionale del volume del ghiaccio marino artico.

Modello e Procedura di Assimilazione

PIOMAS è un modello numerico che include componenti sia per il ghiaccio marino che per l’oceano e ha la capacità di assimilare alcuni tipi di osservazioni. Nelle simulazioni del volume del ghiaccio marino qui mostrate, le informazioni sulla concentrazione di ghiaccio marino dal prodotto quasi in tempo reale del NSIDC vengono assimilate nel modello per migliorare le stime dello spessore del ghiaccio, e i dati SST dalla rianalisi NCEP/NCAR NSIDC near-real time product vengono assimilati nelle aree prive di ghiaccio. I dati SST della rianalisi NCEP/NCAR si basano sulle analisi giornaliere SST globali ad alta risoluzione di Reynolds, utilizzando osservazioni satellitari e in situ (Reynolds e Marsico, 1993; Reynolds et al., 2007). Le informazioni atmosferiche per guidare il modello, specificamente il vento, la temperatura dell’aria in superficie e la copertura nuvolosa per calcolare la radiazione solare e a onda lunga, sono fornite dalla rianalisi NCEP/NCAR NCEP/NCAR reanalysis . Il modello oceanico pan-artico è alimentato con input da un modello oceanico globale ai suoi confini aperti situati a 45 gradi Nord.

 

[Alessandro 81]

Validazione del Modello e Incertezza

PIOMAS è stato validato estensivamente tramite confronti con osservazioni observations di sottomarini della Marina degli Stati Uniti, boe oceanografiche e satelliti. In aggiunta, sono state effettuate simulazioni del modello in cui sia i parametri del modello che le procedure di assimilazione sono stati modificati. Da questi studi di validazione, abbiamo ottenuto stime conservative dell’incertezza nella tendenza di ± 1.0 x 10³ km³/decennio. L’incertezza del volume medio mensile anomalo del ghiaccio è stimata in ±0,75 x 10³ km³. Le incertezze sul volume totale sono maggiori rispetto a quelle per l’anomalia perché i bias del modello sono rimossi quando si calcolano le anomalie. L’incertezza per il volume totale di ghiaccio di ottobre è stimata essere ±1,35 x 10³ km³. Il confronto dei volumi totali invernali con altre stime di volume deve tenere in considerazione il fatto che il dominio del PIOMAS attualmente non si estende abbastanza a sud per coprire tutte le aree che possono avere una copertura di ghiaccio invernale. Aree nel Mare di Ochotsk e nel Golfo di San Lorenzo sono parzialmente escluse dal dominio. Dettagli sulla validazione del modello possono essere trovati in Schweiger et al. 2011 e (qui) Schweiger et al. 2011 and (here) . Ulteriori informazioni su PIOMAS sono disponibili (qui) (here).

Una vasta biblioteca di dati sullo spessore del ghiaccio marino per la validazione del modello è stata compilata ed è disponibile (qui) (here) .

Prospettiva: Perdita di Ghiaccio ed Energia

Per sciogliere il ghiaccio marino è necessaria energia. Quanta energia? L’energia necessaria per sciogliere i 16.400 km³ di ghiaccio che si perdono ogni anno (media del periodo 1979-2010) da aprile a settembre, come parte del ciclo annuale naturale, è di circa 5 x 10²¹ Joule. A titolo di confronto, il consumo energetico degli Stati Uniti nel 2009 (www.eia.gov/totalenergy) era di circa 1 x 10²⁰ J. Ciò significa che serve circa 50 volte il consumo energetico annuale degli Stati Uniti per sciogliere questa quantità di ghiaccio ogni anno. Questa energia proviene dalla variazione nella distribuzione della radiazione solare man mano che la Terra orbita attorno al sole.

Per sciogliere i 280 km³ aggiuntivi di ghiaccio marino, quantità che stiamo perdendo annualmente secondo i calcoli di PIOMAS, occorrono all’incirca 8,6 x 10¹⁹ J, ovvero l’86% del consumo energetico degli USA.

Tuttavia, quando questa energia aggiuntiva viene distribuita sull’area coperta dal ghiaccio marino artico, risulta essere piuttosto piccola. Corrisponde a circa 0,4 W/m². È come se si lasciasse una lampadina di una piccola e debole torcia elettrica accesa in modo continuativo su ogni metro quadrato di ghiaccio. Rilevare una differenza così minima di energia è molto difficile, il che sottolinea il motivo per cui dobbiamo osservare serie temporali più lunghe e considerare le incertezze nelle nostre misurazioni e calcoli.

Dati I dati del volume di ghiaccio di PIOMAS riprocessati (versione 2.1) sono disponibili (qui) (here) .

Come citare la serie temporale del volume di ghiaccio di PIOMAS Serie temporale del volume e incertezze:

Schweiger, A., R. Lindsay, J. Zhang, M. Steele, H. Stern, “Uncertainty in modeled Arctic sea ice volume”, J. Geophys. Res., doi:10.1029/2011JC007084, 2011 J. Geophys. Res., doi:10.1029/2011JC007084

Dettagli del modello:

Zhang, J.L. e D.A. Rothrock, “Modeling global sea ice with a thickness and enthalpy distribution model in generalized curvilinear coordinates”, Mon. Weather Rev., 131, 845-861, 2003 “Modeling global sea ice with a thickness and enthalpy distribution model in generalized curvilinear coordinates“