CM86

Analisi spettrale di dati di prossimità

Franco Zavatti

Riassunto: Viene mostrata l'analisi spettrale di tre serie proxy tra quelle citate da Abbot e Marohasy(2017) in un lavoro di applicazione a reti neuronali artificiali (ANN) per confrontare il contributo antropico rispetto a quello naturale nel cambiamento climatico.
Abstract: Spectral analysis of three proxy series quoted by Abbot and Marohasy (2017) is presented. These authors use artificial neural network (ANN) in order to compare antropogenic and natural contribution in climate change.

Introduzione
Abbot e Marohasy (2017, d'ora in poi AM17) usano una rete neuronale artificiale per simulare le temperature del 20.mo secolo partendo dall'analisi (anche spettrale) delle temperature disponibili fino al 1830. Queste temperature sono, in genere, derivate anche da dati di prossimità (proxy), in particolare da anelli di accrescimento di alberi in varie regioni del globo. Vengono citati anche i dati derivati da una stalagmite in Cina e utilizzate le informazioni derivate da ricerche archeologiche e racconti orali relativi al nord-ovest della Groenlandia.
Una volta che il modello (ANN) ha incamerato le informazioni, le usa per estrapolare le temperature del 20.mo secolo. La differenza tra le temperature osservate e quelle calcolate è poi usata come indicazione del contributo umano al riscaldamento globale. Diciamo subito che gli autori trovano che il contributo naturale è preponderante rispetto a quello antropico.

Riassumendo: la rete neuronale riceve in ingresso i parametri spettrali -periodo (o frequenza), ampiezza e fase ricavati dagli spettri delle serie proxy- e produce in uscita una serie di temperature dell'aria "previste" per il 20.mo secolo, essenzialmente un modello delle temperature da confrontare con quanto si osserva.

Come è noto, il rapporto IPCC AR5 stabilisce che le temperature superficiali medie globali sono aumentate di 0.85 °C dal 1880 al 2012 e che il riscaldamento dal 1900 in poi è attribuibile all'aumento di concentrazione dei gas serra, dovuto alle attività umane. L'attribuzione è basata sui GCM (Global Climate Models) dai quali deriva una sensibilità climatica all'equilibrio (ECS) di 3.2°C.
In pratica, un raddoppio della concentrazione di gas serra (in particolare CO2) porterebbe ad un aumento della temperatura media globale di 3.2°C (la stima ha un orizzonte temporale, che è quello dei modelli, e si riferisce al 2100. Qui possiamo considerare sottinteso questo orizzonte).

Il concetto di ECS nasce, storicamente, da un lavoro di Arrhenius del 1896 che prevedeva un aumento di 5-6°C. La sua stima è andata progressivamente diminuendo ma quella derivata dai modelli globali è nettamente più alta di quella che proviene da metodi di spettroscopia sperimentale, con valori attorno a 0.5-0.6°C (e, in alcuni casi, anche inferiori). È chiaro dalla definizione di ECS che, se le stime fossero quelle spettroscopiche, l'AGW, ancor più l'AGW catastrofico o CAGW, non esisterebbe al tavolo della discussione politica, con profonde conseguenze sociali, nel bene e nel male.

In AM17 i modelli di temperatura dell'aria (regionali e globali), generati da reti neuronali, portano a valori stimati di ECS pari a 0.6-0.8°C. Il risultato è simile a quello da spettroscopia e da modelli di bilancio energetico (0.4-2°C) ma è lontano dalla stima da GCM e da studi paleoclimatici (2-3°C).

Confronti
L'uso dell'analisi spettrale per generare onde sinusoidali che siano l'input per una rete neuronale implica sia l'uso di serie proxy che la selezione di periodicità disponibili in letteratura: AM17 elenca una notevole bibliografia di risultati spettrali e di periodi caratteristici che si riferiscono a fenomeni naturali (sole, oscillazioni oceaniche, El Nino, ecc, e relazioni tra loro).
Mi sono posto il problema di verificare, almeno in parte, i periodi spettrali citati in letteratura ma mi sono scontrato con l'impossibilità o la difficoltà di disporre delle serie usate dai vari autori.

Wilson et al., 2007
In particolare ho apprezzato il lavoro di Wilson et al., 2007, un'attenta e dettagliata analisi spettrale di temperatura derivata da anelli di accrescimento di 22 siti (+9 analizzati ma poi non usati) del Golfo dell'Alaska (GOA). Nell'articolo, però non sono forniti i dati da cui si parte (temperatura superficiale dell'aria, del periodo gennaio-settembre), anche se sono una complessa combinazione, seguita da calibrazione e detrending, di quanto si osserva nei 22 siti selezionati. Wilson si limita a mostrare grafici difficilmente gestibili e a fornire periodi spettrali ottenuti con MTM (Multi Taper Method): 10-11, 13-14, e 18-19 anni e con SSA (Singular Spectrum Analysis): 14.1, 15.3, 24.4, 38, 50.4, 91.8 anni. Non è quindi possibile verificare se la serie, estesa dal 700 al 1999, mostri periodicità più lunghe (o più brevi) di quelle elencate.

Rob Wilson appare come uno scienziato molto serio e consapevole delle "bufale" che possono derivare dai proxy. In particolare è molto critico nei confronti dell'Hockey Stick di Mann. Nel sito Bishop Hill ho trovato questa testimonianza di Andrew Montford -il proprietario del sito- che ha assistito ad una lezione di 2 ore di Wilson nel 2013.

Mentre scrivevo queste righe ho pensato che, invece di lamentare la mancanza di dati, avrei potuto scrivere a Wilson per chiederli a lui direttamente. L'ho fatto e nel giro di tre ore ho ricevuto il link ai dati del 2007 e quello ad una elaborazione successiva che qui non uso. Nella sua risposta Rob Wilson mi fa notare che, a causa del detrending, sarebbe stato difficile trovare periodi più lunghi di 100 anni (NB. The detrending of the data will make it difficult to find a strong cenenntial signal I think.).
Invece in fig. 1 (pdf) si osservano tre massimi spettrali oltre i 100 anni (e non identificati in Wilson et al., 2007) di cui uno, a 222 anni, è il massimo assoluto dello spettro.

Fig.1: grafico delle temperature detrended (e con sovrapposto un filtro passa basso di finestra 20 anni) e spettro dei dati GOA07resi disponibili da Rob Wilson. Nello spettro, oltre ai picchi di periodo superiore ai 100 anni, da notare i massimi a 6 anni (El Nino) e a 2.87 anni.

Date le ampie incertezze nelle misure degli anelli e nelle cause che possono averli fatti crescere o meno, credo che il massimo principale possa essere associato al ciclo solare di de Vries (o Suess) di 208 anni. Nello spettro si vedono i massimi a 14.1,15.4, 18.1, 23.8, 38 e 92.8 anni, coincidenti o largamente compatibili con quelli già elencati sopra; si vedono anche i tre intervalli calcolati da Wilson con MTM.
L'analisi conferma i risultati di Wilson et al., 2007 e aggiunge un forte segnale, probabilmente solare, e una "firma" di El Niño, non particolarmente potente ma ben visibile.

Infine, e solo a titolo di curiosità, noto la presenza del massimo a 2.87 anni, una mia vecchia "fissazione", istigata da un commento di Donato Barone, v. ad esempio qui, su CM.

Tan e Liu, 2003
Un'altra serie disponibile, tra quelle elencate da AM17, è Tan e Liu, 2003. La temperatura è derivata da una stalagmite nella cava di Shihua, Pechino e la serie copre un periodo di 2650 anni, dal -650 al 2000. Il suo grafico è mostrato in fig.2 (pdf).

Fig.2: Serie di Tan e Liu (2003) derivata da una stalagmite in Cina. La linea azzurra è un filtro passa-basso di finestra 20 anni.

Per AM17, da questa serie si deducono periodi significativi a 206 e 325 anni, mentre gli autori aggiungono anche 750 e 900 anni
Lo spettro Lomb, mostrato in fig. 3 (pdf), con alcune differenze poco significative, conferma le quattro periodicità ma racconta una storia molto più articolata e complessa: ad esempio sono visibili tutti i periodi identificati nello spettro GOA di Wilson ma anche i periodi (3-6 anni) legati a El Niño, quello a 9.8 anni legato all'interazione sole-pianeti e quello a 342 anni, tutti presenti nello spettro di Wilson.

Fig.3: Spettro Lomb dei dati di fig.2 che evidenzia la complessità delle interazioni che hanno concorso alla formazione della stalagmite.

Moffa-Sanchez et al., 2014
usa carote di sedimenti marini per analizzare la variabilità idrografica della Corrente Nord-Atlantica (NAC) negli ultimi 1000 anni. La NAC è importante per il trasporto di sale verso le alte latitudini e il sale è un prerequisito per la formazione di acque profonde, a loro volta essenziali per AMOC (Atlantic Meridional Overturning Circulation) e quindi per il sistema climato generale. In più il calore prodotto da NAC -e trasportato dai venti occidentali- contribuisce ad un clima migliore in Europa.
Gli autori di questo lavoro sono interessati al confronto tra temperatura, salinità, rapporto Mg/Ca e alla loro relazione con l'irraggiamento solare (TSI, Steinhilber et al, 2009).

Avevo ricevuto i dati relativi a questo lavoro nel marzo 2014 da Paola Moffa-Sanchez e li avevo elaborati allora, ma mai pubblicati.
Mostro qui in fig. 4 (pdf) il confronto tra le variabili e la relazione con TSI.

Fig.4: Confronto fra temperatura, salinità, rapporto Mg/Ca e la loro relazione con TSI. Nel quadro d) il confronto diretto tra temperatura e TSI a cui è stato applicato un ritardio (lag) di 12.42 anni, in accordo con la cross-correlazione calcolata da Moffa-Sanchez. I dati hanno un passo di 6.21 anni per cui non permettono una definizione troppo accurata dei periodi spettrali. Questa figura è simile alla fig.3 dell'articolo.

Dall'analisi spettrale wavelet gli autori derivano periodi significativi compresi tra 135 e 225 anni, ma trovano anche 30, 16,14 anni.

Lo spettro che ho calcolato io, fig. 5 (pdf) non conferma, o conferma molto vagamente, l'analisi spettrale del lavoro. In particolare, dei tre periodi più brevi trovo solo quello di 14 anni e l'intervallo 135-225 anni, oltre ad essere poco preciso, non include il secondo massimo più potente che trovo a 261.5 anni (però ricorda molto due dei tre massimi di periodo più lungo nello spettro di Wilson, in fig.1). Il mio massimo più potente, a 50.3 anni, presente anche negli spettri di Wilson e di Tan e Liu, non viene citato. Da notare che, malgrado la fig.4d faccia pensare diversamente, l'analisi spettrale mostra una relazione quasi inesistente con l'irraggiamento solare.

Fig.5: Spettro della serie di temperatura (nero) e confronto con lo spettro di TSI (rosso).

Conclusioni
Le conclusioni che si possono derivare sono simili a quelle del post scritto insieme a Luigi Mariani: le tecniche di intelligenza artificiale fanno sperare in un futuro davvero interessante, ma per ora usano solo una minima parte delle complesse interazioni tra le variabili climatiche evidenziate dall'analisi spettrale.

Tutti i grafici e i dati, iniziali e derivati, relativi a questo post si trovano nel sito di supporto qui.

Bibliografia


5.10.2017