Lo squilibrio energetico della Terra è in grado di eliminare i dubbi circa la causa antropica dei cambiamenti climatici?

Alcune settimane orsono NBC news ha dato un annuncio sensazionale e cioè che “Lo squilibrio energetico della Terra elimina quasi tutti i dubbi circa la causa antropica dei cambiamenti climatici:  i ricercatori che studiano l’assorbimento dell’energia solare da parte della Terra hanno trovato una probabilità inferiore all’1% che i recenti cambiamenti si siano verificati per cause naturali”.

L’affermazione di NBC news, posta alla mia attenzione dall’amico agronomo Alberto Guidorzi che ringrazio,  si fonda sui risultati di un lavoro scientifico di Raghuraman et al., uscito pochi giorni prima su Nature Communications e che ha per titolo “Anthropogenic forcing and response yield observed positive trend in Earth’s energy imbalance”. In tale articolo gli autori:

• utilizzano dati da satellite CERES per mostrare che l’Earth Energy Imbalance (EEI) del periodo 2001-2020 manifesta un trend positivo lineare mostrando anomalie positive sempre più spiccate rispetto alla media pluriennale
• fanno ricorso all’output di modelli GCM utilizzati nell’esperimento CMIP6 per escludere il fatto che tali anomalie siano frutto della variabilità interna al sistema climatico terrestre e cioè della variabilità naturale non forzata, per la cui descrizione si rimandano il lettori a Curry (2013).

Aspetti computazionali

I diversi termini del bilancio energetico globale del nostro pianeta sono illustrati da Stephens et al. in un articolo apparso su Nature Geoscience nel 2012 (figura 1). Più nello specifico lo squilibrio energetico della Terra (EEI) è dato dalla differenza tra la radiazione solare in entrata (S0) e la somma di radiazione a onda corta riflessa (RSW) e di radiazione a onda lunga uscente (OLR), il tutto valutato al limite superiore dell’atmosfera (TOA) ed espresso pertanto dall’equazione:

(1) EEI=S0-(RSW+OLR)

EEI può essere oggi ottenuto dalle osservazioni satellitari di CERES che forniscono una serie temporale ininterrotta di due decenni (gennaio 2001-dicembre 2020) dei termini S0, RSW e OLR. Secondo Raghuraman et al. (2021) i dati CERES presentano un’elevata affidabilità che si evidenzia sia dal confronto con misure al suolo sia dal confronto fra i dati forniti dai tre sensori satellitari succedutisi nel tempo nell’eseguire le misure.  In particolare dalla serie dei dati CERES gli autori ricavano l’anomalia mensile di EEI (ΔEEI) e cioè lo scostamento del valore medio mensile del singolo mese dalla media mensile 2001-2020.

Raghuraman et al. (2021) evidenziano inoltre che ΔEEI può essere anche ricavata dall’equazione:

(2) ΔEEI =ΔERF + λΔTs + ϵ

ove ΔERF è l’anomalia mensile nel forcing radiativo frutto di:

• forzanti esterne che includono forzanti naturali (ad es. solare e vulcanica) e antropiche (ad es. gas serra ben rimescolati e aerosol)
• la variabilità interna del sistema climatico ϵ, che comprende fenomeni come ENSO, NAO, AMO, PDO, ecc.
• la risposta radiativa λΔTs, ove ΔTs è l’anomalia delle temperature e λ sono i diversi feedback climatici, i principali dei quali sono (Bastiaansen et al., 2021):  (a) feedback di Planck e feedback da gradiente termico verticale, due feed-back negativi in quanto vedono la radiazione a onda lunga uscente OLR aumentare al crescere della temperatura, (b) il feedback positivo legato al ghiaccio (se la temperatura aumenta le superfici glaciali calano, l’albedo cala e le temperature aumentano ulteriormente), (c) il feedback da vapore acqueo (se la temperatura cresce, aumenta il contenuto in vapore acqueo dell’atmosfera per cessione di vapore dagli oceani e dalla vegetazione  ed essendo il vapore acqueo un potente gas serra le temperature aumentano ulteriormente) e (d) il feedback dovuto alle nubi, che può essere negativo in quanto le nubi aumentano la radiazione solare riflessa, oppure positivo in quanto le nubi si lasciano attraversare più facilmente dalla radiazione solare che non dalla radiazione ad onda lunga di origine terrestre.

I risultati di Raghuraman et al. (2021) e gli elementi critici ad essi relativi

Gli autori riportano i valori medi annui di ΔEEI nel diagramma riprodotto di figura 2 in cui i valori mostrano il prevalere di anomalie negative nel decennio 2001-2010 e di anomalie positive nel decennio 2011-2020. Da ciò si ricava un trend positivo altamente significativo.

Alla luce dell’equazione gli autori passano poi a domandarsi quali siano i fattori che spingono ΔEEI verso valori sempre più positivi e per darsi una risposta ricavano le variabili indipendenti dell’equazione 2 (ΔERF,  λΔTs e ϵ) dagli output dei modelli GCM utilizzati nell’esperimento CMIP6. Il risultato è che la variabilità interna al sistema climatico (ϵ) risulta pesare pochissimo mentre il trend osservato dipende quasi per intero dai termini di forcing e feedback (ΔERF, λΔTs).

L’operazione compiuta dagli autori mi lascia perplesso perché i GCM non sono tutt’oggi in grado di  descrivere alcune grandi forme della variabilità interna al sistema climatico terrestre e in particolare l’Atlantic Multidecadal Oscillation (AMO), la North Atlantic Oscillation (NAO), la Pacific Decadal Oscillation (PDO) e la El Nino Southern Oscilaltion (ENSO), che sono indici che esprimono ciclicità proprie del sistema circolatorio atmosferico e oceanico e che hanno periodo che vanno da 3-5 anni (ENSO) ad alcune decine d’anni.

Sull’attuale incapacità dei GCM a descrivere AMO, NAO e PDO si veda ad esempio quanto scrivono Volodin e Gritsun (2018) con riferimento a una serie di run del loro modello GCM INM-CM5 applicato alla serie storica 1850–2014.

Alla luce di ciò colgo nel ragionamento degli autori una evidente circolarità, nel senso che usano modelli non in grado di descrivere dei fenomeni per affermare che tali fenomeni non hanno peso nel determinare lo squilibrio energetico. In altri termini mi pare quanto meno azzardato utilizzare strumenti modellistici di tipo GCM per valutare il peso della variabilità interna al sistema climatico e per concludere che “the satellite record provides clear evidence of a human-influenced climate system”.
D’altronde leggendo l’articolo ci si rende conto che gli elementi critici dei GCM sono ampiamente analizzati in sede di discussione, il che induce a sospettare che i referi abbiano in realtà richiesto agli autori di porre in risalto le incertezze presenti nei GCM e che gli autori abbiano fatto “orecchio da mercante”, limitandosi a riportare i dubbi in sede di discussione senza però trarne alcuna conseguenza a livello di titolo, abstract e corpo del lavoro.

Come ulteriore elemento critico osservo che Stephen et al., nel loro articolo del 2012 “An update on Earth’s energy balance in light of the latest global observations” e nel quale in base a dati CERES stimavano un imbalance al TOA di 0.6+/-0.4 (figura 1 e figura 3) e scrivevano significativamente  che “Thus the sum of current satellite-derived fluxes cannot determine the net TOA radiation imbalance with the accuracy needed to track such small  imbalances associated  with  forced  climate  change”.  Come mai lo stesso atteggiamento prudenziale non viene adottato da Raghuraman et al.? E’ forse cambiato qualcosa in meglio nella tecnologia CERES? A me non pare ma sarei felice se qualcuno me lo segnalasse.

Per inciso invito i lettori di osservare, sempre da figura 1, la banda di incertezza che Stephen set al segnalano per l’imbalance in superficie: siamo anche qui a 0.6 ma con una incertezza di +/-17 W m^-2 che è un valore enorme e che è il frutto delle incertezze nelle stime dei singoli termini del bilancio energetico di superficie, come si può vedere dai dati in figura 3.

Conclusioni

Se i modelli GCM sono scarsamente sensibili alla variabilità interna al sistema climatico terrestre non dovrebbero ad avviso di chi scrive essere utilizzati a cuor leggero per affermare che la variabilità interna al sistema climatico non ha un peso significativo e che dunque tutto dipende dall’effetto antropico. Ciò anche in virtù del fatto che l’analisi visuale delle serie di CERES 2001-2020 mostra con evidenza che durante il decennio 2001-2010 prevalgono le anomalie negative mentre nel decennio 2011-2020 quelle positive, il che dovrebbe portare a domandarsi cosa determini il cambio di fase, un aspetto su cui gli autori si guardano bene dall’interrogarsi, accontentandosi dell’analisi del trend lineare. Un’altra domanda che bisognerebbe porsi è a mio avviso se 20 anni di dati, peraltro affetti da grande variabilità interannuale, siano sufficienti a descrivere i trend dell’EEI. Ad un atteggiamento prudenziale dovrebbe anche spingere l’incertezza insita nei dati da satellite CERES.
L’impressione complessiva è che l’approccio di Raghuraman et al. (2021) risponda a un atteggiamento culturale che mira ad attribuire all’effetto antropico qualunque cosa accada in ambito meteo-climatico. Al riguardo mi pare utile proporre ai lettori una riflessione sulla variabilità interna basata sui due esempi seguenti:

1. la glaciazione di Wurm si caratterizzò per un’enorme variabilità delle temperature globali e in particolare ebbero luogo circa 24 eventi di riscaldamento abrupto noti come eventi di Daansgard-Oeschger (o e preferite eventi D-O). Nel corso di tali eventi il regime delle temperature e delle precipitazioni a livello globale fu sconvolto e gli effetti si manifestarono in tempi molto rapidi, compatibili con la vita di un essere umano.
2. 4200 anni fa ebbe luogo una “mega-siccità” che interessò l’intero areale circum-mediterraneo provocando ripercussioni enormi sulla civiltà (ad esempio in Mesopotamia cadde l’impero accadico). Di tale siccità vi sono tracce anche in altre parti del mondo, ad esempio in Australia.

La causa di tali eventi critici globali di enorme portata per la nostra specie (es: Homo sapiens arrivò in Europa durante un interstadiale della glaciazione di Wurm) è a tutt’oggi ignota e fa probabilmente parte di quella variabilità interna a cui Raghuraman et al. (2021), grazie ai GCM, attribuiscono un peso del tutto marginale.

BIbliografia

• Bastiaansen et al., 2021. Projections of the Transient State-Dependency of Climate Feedbacks, arXiv:2106.01692v1  [physics.ao-ph]  3 Jun 2021
• Curry J., 2013. What is internal variability, https://judithcurry.com/2013/08/29/what-is-internal-variability/
• Stephens et al., 2012. An update on Earth’s energy balance in light of the latest global observations, Nature Geoscience · September 2012, DOI: 10.1038/ngeo1580
• Volodin E. and Gritsun A., 2018. Simulation of observed climate changes in 1850–2014 with climate model INM-CM5, Earth Syst. Dynam., 9, 1235–1242, 2018, https://doi.org/10.5194/esd-9-1235-2018.