In un’epoca storica in cui il Global Warming è sicuramente uno dei temi più discussi dalla comunità scientifica internazionale, è sempre più importante indagare la variabilità climatica per comprenderne l’evoluzione e le cause. Per poterlo fare gli scienziati sfruttano la potenza dei calcolatori e i complessi modelli numerici, maneggiando un’enorme quantità di dati che però richiedono molto tempo per essere processati ed anche molta memoria.
Da qui nasce la necessità di implementare metodi numerici-statistici, tali da concentrare l’informazione climatica in una minore quantità di dati. Il connubio tra climatologia e statistica dunque garantisce di poter studiare la variabilità climatica con maggiore semplicità, sebbene di semplice ci sia ben poco.
Studiare la variabilità del Clima, ovvero dei parametri fisici che lo caratterizzano (temperatura, venti, pressione ..) impone di avere a disposizione un dataset per ogni variabile che vogliamo studiare e filtrare ad esso il campo medio, in modo tale da poter vedere solo le oscillazioni a cui i parametri sono sottoposti nel tempo, meglio note come anomalie.
L’utilità delle anomalie si può comprendere da un semplice esempio. Prendete un termometro e misurate la temperatura esterna, fatelo per tutti i giorni in una fissata stagione dell’anno e infine calcolate la media. Otterrete un valore che paragonato ad altri calcolati nello stesso modo negli anni precedenti, vi definisce quanto quella stagione è stata più fredda o più calda rispetto a quelle passate. Questa stima potrebbe però essere corrotta da un segnale medio nel tempo, noto come media climatologica, tale da mascherare l’andamento delle temperature negli ultimi anni, per cui viene filtrata, ottenendo così le anomalie.
Questo metodo viene utilizzato per indagare il Global Warming e comprendere quanto certe aree del globo sono più affette dall’innalzamento delle temperature, rispetto ad altre, consentendo di fare anche una stima delle aree del Pianeta più vulnerabili ai cambiamenti climatici.
La matematica dunque è un’ingrediente di base per capire la fisica che c’è dietro certi fenomeni e la statistica ci aiuta ad analizzare i dati con maggiore efficienza.
Località | T°C |
---|---|
Foggia | 32° |
Palermo | 32° |
Bari | 31° |
Siracusa | 31° |
Chieti | 30° |
Ascoli Piceno | 30° |
Lecce | 30° |
Teramo | 30° |
Catanzaro | 29° |
Rimini | 29° |
Località | T°C |
---|---|
Aosta | 19° |
Biella | 21° |
Belluno | 21° |
Sondrio | 21° |
Genova | 22° |
Varese | 22° |
Gorizia | 22° |
La Spezia | 22° |
Udine | 22° |
Lecco | 22° |