Autore: Franco Zavatti
Data di pubblicazione: 14 Luglio 2021
Fonte originale:  http://www.climatemonitor.it/?p=55354

Nota: quanto auspicato alla fine del post, di poter aggiungere altre stazioni alle 26 originali, l’ho realizzato alcuni giorni dopo aggiungendo altre 19 stazioni. Successivamente ho analizzato anche gli eventi estremi delle 26+19 stazioni, avendo definito come estreme sia le precipitazioni che superano la media della serie più 2 volte la deviazione standard, che quelle che superano la media più 3 volte la deviazione standard. Questo post è quindi composto di tre parti, delle quali la seconda e la terza, più recenti, sono quasi completamente raccolte nel sito di supporto e solo brevemente descritte qui. Invito pertanto i lettori a prendere visione delle tabelle e dei grafici delle 19 stazioni aggiunte successivamente e delle tabelle e degli istogrammi relativi agli estremi delle 26+19 stazioni.

Da quando ho iniziato ad occuparmi di climatologia e annesse serie di dati (circa nel 2011) ho considerato che in Italia la mancanza di un database accessibile liberamente, aggiornato e che contenga tutti i parametri meteorologici (o almeno i principali) è un problema serio, anche perché l’Italia è la sede delle prime misure in assoluto, nate insieme agli strumenti meteorologici prodotti dalla scuola galileiana.
Nella risposta ad un commento, del 26 febbraio scorso, Guido Guidi, da un pulpito ben più alto del mio, confessa che questa mancanza è un suo cruccio da sempre ed io sono sicuro che la stessa criticità affligge la maggior parte dei ricercatori di questa materia.
Il benemerito lavoro di Dario Camuffo e collaboratori che in numerose occasioni ha recuperato dati storici italiani (provare una ricerca su Google Scholar per una bibliografia) è, per quanto ne so, disperso in tante pubblicazioni e difficilmente recuperabile, se non dopo un lavoro di raccolta.

Nei vari siti ARPA regionali esiste probabilmente una grande quantità di dati ma per me entrare in questi siti (tutti diversi, essendo su base regionale) è paragonabile ad un viaggio nel labirinto di Cnosso, in attesa di essere divorato dal Minotauro. Qualche volta la sorte è favorevole e riesco ad uscire vivo e con qualche bottino (dati) dalla vicenda.

In questo ambiente, ho apprezzato molto il GISS della Provincia Autonoma di Bolzano (qualche anno fa; ora non saprei), dal quale ho potuto estrarre facilmente le informazioni che mi servivano per il mio insegnamento nella sede di Bressanone dell’Università di Bolzano.
Il mio apprezzamento va anche all’Ente di gestione del Lago di Garda, che mette a disposizione in modo molto semplice e diretto i dati sul livello e il deflusso del lago, a differenza di quanto accade per gli altri laghi italiani.
Ho anche applaudito all’iniziativa, anch’essa benemerita ma, purtroppo, recente, di dotare numerose città costiere di mareografi.

Il database austriaco Histalp che si interessa della “regione alpina estesa”, grosso modo da Monaco di Baviera a Bologna, contiene dati di numerose località italiane.

Il database europeo ECA&;D racchiude anche dati italiani (v. ad esempio, questo post su CM) ma nelle note periodiche leggo che “sono stati aggiornati i dati” della Lombardia, della Sardegna o della Calabria e nell’elenco delle nazioni per le quali “sono continuati gli aggiornamenti” non compare mai l’Italia.

Anche il database (NOAA-NCDC) GSOD contiene numerose località italiane, facilmente accessibili. Purtroppo, come registra su CM Luigi Mariani, la qualità di questi dati sta degradando in modo preoccupante. Notizie recenti, verificate sperimentalmente tramite un confronto con i dati giornalieri ARPA sempre dall’amico Luigi, testimoniano come i dati pluviometrici GSOD siano praticamente inutilizzabili.

L’unico database italiano che conosco e al quale si accede con facilità è SCIA-ISPRA che contiene anche le misure ex-SIMN (Servizio Idrografico Mareografico Nazionale).

I dati di precipitazione
Avevo usato SCIA saltuariamente in precedenza, ma qui mi propongo di vedere il suo potenziale nella precipitazione cumulata mensile di 26 stazioni delle Marche (mia regione di origine) selezionate, tra il 1938 e il 2019, senza un criterio particolare e (forse) con una propensione verso la provincia di Macerata e quella adiacente di Fermo.
Le serie coprono periodi variabili tra 10 (1 stazione) e 82 anni (1 stazione) e contengono dati mancanti che vanno da 1 mese a uno o più anni.
Le stazioni selezionate sono mostrate nella mappa SCIA (modificata) di figura 1.

Fig.1: Mappa SCIA modificata, con indicate in rosso le stazioni selezionate e il loro numero d’ordine riportato in tabella 1. Si nota una prevalenza delle stazioni nella provincia di Macerata. In giallo le stazioni ex-SIMN.

La parte essenziale di questo post sono le due tabelle che riportano dati e grafico di tutte le stazioni (la prima) e il loro spettro Lomb (la seconda).

Table 1: 26 Stazioni pluviometriche delle Marche in ordine alfabetico.sl is slope.
#File Name, DataRange:yrspdf plotpng plotsl
 1ancona-torrette.txt1951-89:39ancona-torrette.pdfancona-torrette.png
 2apiro.txt1951-86:36apiro.pdfapiro.png==
 3ascoli.txt1951-86:36ascoli.pdfascoli.png
 4barbara.txt1951-86:36barbara.pdfbarbara.png
 5castelraimondo.txt1951-63:13castelraimondo.pdfcastelraimondo.png
 6conero.txt1951-61:11conero.pdfconero.png++
 7corridonia.txt1951-76:26corridonia.pdfcorridonia.png==
 8elcito.txt1951-76:26elcito.pdfelcito.png==
 9fermo.txt1951-19:69fermo.pdffermo.png==
10frontone.txt1954-19:66frontone.pdffrontone.png
11grottammare.txt1951-77:27grottammare.pdfgrottammare.png
12grottazzolina.txt1951-86:36grottazzolina.pdfgrottazzolina.png
13macerata.txt1951-76:26macerata.pdfmacerata.png++
14morrovalle.txt1951-86:36morrovalle.pdfmorrovalle.png==
15offida.txt2002-18:17offida.pdfoffida.png++
16pergola.txt1951-86:36pergola.pdfpergola.png==
17pesaro.txt1951-86:36pesaro.pdfpesaro.png==
18potenza-picena.txt2007-16:10potenza-picena.pdfpotenza-picena.png
19ps-elpidio.txt1951-64:14ps-elpidio.pdfps-elpidio.png++
20recanati.txt1951-77:27recanati.pdfrecanati.png
21san-ginesio.txt1951-63:13san-ginesio.pdfsan-ginesio.png==
22sassocorvaro.txt1951-86:36sassocorvaro.pdfsassocorvaro.png==
23senigallia.txt1951-86:36senigallia.pdfsenigallia.png
24serrapetrona.txt1951-76:26serrapetrona.pdfserrapetrona.png
25treia.txt1999-18:20treia.pdftreia.png++
26urbino.txt1938-19:82urbino.pdfurbino.png==

== (no slope) #10; — (negative slope) #11; ++ (positive slope) #5

Non potendo farlo per tutte le stazioni, riporto a titolo di esempio la precipitazione cumulata mensile della serie più breve (Potenza Picena, 10 anni, no. 18) e di quella più lunga (Urbino, 82 anni, no. 26), sottolineando che non appare (come nelle altre serie) alcuna evidenza di aumento di frequenza delle piogge estreme (cioè dei picchi di precipitazione).

Fig.2: La serie più breve della selezione: Potenza Picena (MC) dal 2007 al 2016, con dati mancanti.

I dati pluviometrici, presi così come sono pubblicati, senza alcuna correzione, mostrano nel fit lineare, una pendenza non positiva (negativa o nulla, tabella 1) nell’81% dei casi (21 su 26) il che, unito al non-aumento degli eventi estremi, porta a dire che nelle Marche le piogge non sono cambiate negli ultimi 10-82 anni.
Non ho difficoltà a riconoscere alla regione un comportamento positivamente “ecologico” (chissà cosa c’entra con meteorologia e clima, ma la parola è di moda in questo periodo) però se, come dicono, la CO2 è un gas “ben distribuito”, quanto succede per la precipitazione marchigiana ha molto poco a che fare con l’anidride carbonica.
Una tabella riassuntiva riporta per le singole stazioni una serie di parametri statistici e questo grafico mostra come la media delle precipitazioni non dipenda in modo sistematico dalla lunghezza della serie.

Fig.3: La serie più lunga della selezione: Urbino (PU) dal 1938 al 2019, con dati mancanti.

Lo spettro
Un primo punto che voglio sottolineare è che gli spettri Lomb (con dati mancanti è obbligatorio usare questa tecnica, se non si vuole usare l’interpolazione) richiedono dati detrended, cioè gli scarti dal fit lineare: questa è una piccola complicazione che qui non ho voluto affrontare, per cui ho usato i dati osservati.
Per le tre serie più lunghe (Fermo, Frontone, Urbino) ho usato anche i dati detrended, che mostro nella tabella 2a, in modo che sia possibile confrontare le differenze negli spettri con e senza detrending. Anche per gli spettri i valori numerici e i grafici sono disponibili tramite le tabelle 2 e 2a che seguono (i periodi sono in mesi).

Table 2: Spettro LOMB di 26 Stazioni pluviometriche delle Marche in ordine alfabetico.
#File Name, Datapdf plotpng plot
 1ancona-torrette.outancona-torrette-lomb.pdfancona-torrette-lomb.png
 2apiro.outapiro-lomb.pdfapiro-lomb.png
 3ascoli.outascoli-lomb.pdfascoli-lomb.png
 4barbara.outbarbara-lomb.pdfbarbara-lomb.png
 5castelraimondo.outcastelraimondo-lomb.pdfcastelraimondo-lomb.png
 6conero.outconero-lomb.pdfconero-lomb.png
 7corridonia.outcorridonia-lomb.pdfcorridonia-lomb.png
 8elcito.outelcito-lomb.pdfelcito-lomb.png
 9fermo.outfermo-lomb.pdffermo-lomb.png
10frontone.outfrontone-lomb.pdffrontone-lomb.png
11grottammare.outgrottammare-lomb.pdfgrottammare-lomb.png
12grottazzolina.outgrottazzolina-lomb.pdfgrottazzolina-lomb.png
13macerata.outmacerata-lomb.pdfmacerata-lomb.png
14morrovalle.outmorrovalle-lomb.pdfmorrovalle-lomb.png
15offida.outoffida-lomb.pdfoffida-lomb.png
16pergola.outpergola-lomb.pdfpergola-lomb.png
17pesaro.outpesaro-lomb.pdfpesaro-lomb.png
18potenza-picena.outpotenza-picena-lomb.pdfpotenza-picena-lomb.png
19ps-elpidio.outps-elpidio-lomb.pdfps-elpidio-lomb.png
20recanati.outrecanati-lomb.pdfrecanati-lomb.png
21san-ginesio.outsan-ginesio-lomb.pdfsan-ginesio-lomb.png
22sassocorvaro.outsassocorvaro-lomb.pdfsassocorvaro-lomb.png
23senigallia.outsenigallia-lomb.pdfsenigallia-lomb.png
24serrapetrona.outserrapetrona-lomb.pdfserrapetrona-lomb.png
25treia.outtreia-lomb.pdftreia-lomb.png
26urbino.outurbino-lomb.pdfurbino-lomb.png
Table 2a: Spettri Lomb delle tre serie più estese, calcolati dopo il detrending. Fermo mostra il confronto diretto con lo spettro calcolato dai dati originali.
#Lomb outputpdf plotpng plot
9fermo2 (out)fermo2 (pdf)fermo2 (png)
10frontone2 (out)frontone2 (pdf)frontone2 (png)
26urbino2 (out)urbino2 (pdf)urbino2 (png)

Come per le serie pluviometriche, mostro gli spettri della serie più breve e di quella più lunga.

Fig.4: Spettro Lomb della serie più breve, Potenza Picena (MC). Il quasi-massimo a circa 12 anni è poco indicativo con un’estensione temporale di 10 anni.

Fig.5: Spettro Lomb della serie più lunga della selezione: Urbino (PU).

È difficile fare confronti tra le caratteristiche spettrali delle serie e per questo ho raggruppato i periodi in classi di 2 anni e li ho rappresentati nell’istogramma di figura 6.

Fig.6: Istogramma delle frequenze di apparizione dei massimi spettrali per le 26 serie pluviometriche delle Marche. I valori superiori o uguali a 20 anni sono raggruppati insieme perché rappresentano un insieme poco significativo data la frequente brevità delle serie.

Dalla figura 6 osserviamo che le periodicità delle precipitazioni delle Marche sono caratterizzate da periodi tipo El Nino (2-10 anni). In quasi tutti gli spettri il periodo più potente è quello di 1 anno che non ho preso in considerazione perché il ritmo annuale delle piogge è un fatto assodato.
Un massimo spettrale interessante è quello a 0.585 anni, la seconda subarmonica dell’Oscillazione di Chandler (Chandler Wobble, 1.17 anni): non sono molto favorevole all’uso, nei periodi, di 3 o più cifre decimali, soprattutto in situazioni complicate come quelle descritte qui (pochi dati, ampie mancanze) ma in questo caso non posso fare a meno di osservare che 12 su 26 stazioni mostrano questo periodo entro il 2% (da 0.573 a 0.597 anni) e 25 su 26 lo mostrano entro il 5% (0.565-0.614 anni).

Seconda parte: altre 19 serie
Un paio di giorni dopo la scrittura del post, ho deciso di analizzare altre serie, in particolare per coprire meglio le province di Pesaro-Urbino (PU) e di Ancona (AN). Ho così estratto altre 19 serie pluviometriche della parte centro-nord della regione. A post già scritto, non ho voluto complicare la situazione e per le nuove figure rimando al sito di supporto che ha una sezione dedicata a questo secondo insieme, caratterizzato da una lunghezza minima di 10 e 13 anni (3 stazioni) e per il resto compreso tra 57 (1 stazione) e 69 anni (10 stazioni); quindi un insieme mediamente più esteso del precedente, per il quale gli spettri Lomb sono stati calcolati dai dati detrended. Per confronto, riporto in figura 7 l’istogramma dei massimi spettrali.

Fig.7: Istogramma delle frequenze di apparizione dei massimi spettrali per le 19 serie pluviometriche delle Marche aggiunte successivamente. Con le serie più estese temporalmente, i bin sono ora 16 e coprono i periodi da 0 a 32 anni.

I nuovi dati, a mio parere, confermano le conclusioni scritte in precedenza che quindi non sono state modificate.

Terza parte: le piogge estreme
Uso una doppia definizione di evento estremo: quando la precipitazione cumulata mensile supera la media della serie più 2 volte e più 3 volte la deviazione standard (>Vmedio+2σ e +3σ). Ho calcolato la frequenza dei due tipi di eventi estremi, raggruppati in intervalli di 5 anni e nella tabella 1a raccolgo i valori numerici, sia i singoli anni in cui si superano i limiti che i valori raggruppati, e l’istogramma per ognuna delle 26 stazioni originali. Nella tabella 2anew raccolgo le stesse informazioni per le serie delle 19 stazioni analizzate successivamente.

Un esempio di istogramma degli eventi estremi, per una delle 19 stazioni aggiunte (in media più estese nel tempo) è in figura 8.

Fig.8: Esempio di istogramma delle frequenze degli eventi estremi per la stazione di Loreto: in verde gli estremi >media+2σ; in rosa quelli >media+3σ. Le scritte verticali sono i limiti in anni dei bin, estremi compresi.

Commenti conclusivi
I dati di precipitazione nelle Marche, estratti dal database SCIA in modo quasi casuale e quindi senza criteri preordinati, ci permettono di dire con ragionevole certezza che:

  1. le piogge non sono cambiate sui periodi di tempo definiti dalle misure;
  2. nella grande maggioranza dei casi la tendenza media NON è la crescita ma la stasi e la diminuzione;
  3. non sembra esistere un aumento nel tempo della frequenza delle precipitazioni estreme, anche se alcune serie sono brevi e altre registrate solo negli ultimi anni (dopo il 2000).

Gli spettri mostrano un’influenza dei periodi tra 2 e 10 anni (tipici di El Nino ma senza escludere cause locali). L’inattesa presenza, su quasi il 50% delle stazioni, di un periodo pari alla metà dell’Oscillazione di Chandler apre un possibile nuovo aspetto di approfondimento.

Credo di aver mostrato l’utilità (almeno climatica, se non meteorologica) dell’analisi dei dati italiani contenuti nel database SCIA e che valga la pena di ampliare il numero di stazioni marchigiane, cosa che farò, aggiornando il sito di supporto di questo post.
Naturalmente il mio augurio è che sia possibile raccogliere tutti i dati italiani in un’unica struttura liberamente e facilmente accessibile … prima o poi.

Un lavoro scientifico approfondito e vasto sulla precipitazione delle Marche è quello di Soldini e Darvini (2017), con il quale questa nota non può essere confrontata, sia per lo scopo (accertare la possibilità di usare i dati SCIA) che per i risultati (qui medie mensili e analisi spettrale senza alcuna selezione delle serie, lì dati orari e giornalieri analizzati statisticamente). Rimando volentieri al lavoro di Soldini e Darvini per ogni statistica attendibile sulla pluviometria marchigiana. Il lavoro è stato citato da Mariani e Pinna, che però hanno dimenticato, per un refuso, di inserirlo in bibliografia, in un post dell’11.3.2021 su CM.

Bibliografia