Notizie e approfondimenti sul clima che cambiaPosts RSS Comments RSS

Archive for the 'Correlazioni' Category

Meraviglie della climatologia olistica

A un’analisi scientifica, l’approccio olistico ai cambiamenti climatici rivela parecchie criticità concettuali e nelle elaborazioni statistiche.
Senato della Repubblica

Negli ultimi anni si è parlato del cosiddetto approccio olistico allo studio del clima. Per i suoi sostenitori, il clima è qualcosa di troppo complesso per poterlo analizzare secondo una serie di cause ed effetti fisicamente determinati; meglio allora cercare delle correlazioni tra i fenomeni più disparati, in modo da evidenziare quali di questi effettivamente abbiano un effetto sul clima.

L’approccio non è distante da quanto normalmente si fa nella scienza del clima: la statistica è un potente alleato che ci aiuta a verificare e quantificare le nostre ipotesi. Ma è un alleato molto infido, che va trattato sempre con il dovuto rispetto, senza cercare di violentare i dati e avendo sempre sott’occhio i meccanismi fisici sottostanti.

Un esempio classico di approccio sbagliato alla statistica delle correlazioni viene citato in un’intervista dal prof. Adriano Mazzarella, uno dei maggiori sostenitori dell’approccio olistico: se in una città aumentano sia i delitti che il numero delle chiese, i due dati risultano correlati, ma non posso certo concludere che la frequentazione della chiesa faccia commettere delitti.

Un articolo del prof. Mazzarella che sfrutta l’approccio olistico, è “Solar forcing, of changes in atmospheric circulation, Earth’s rotation and climate“, in cui l’autore confronta l’andamento di alcune osservazioni, concludendo che esiste una relazione di causa-effetto tra l’andamento del vento solare, l’intensità dei venti, la rotazione terrestre e la temperatura dei mari. Sostanzialmente lo stesso articolo è stato ripubblicato nel 2009 con il significativo titolo “Sun-Climate Linkage Now Confirmed” sulla screditata rivista “Energy and Environment“. Un suo riassunto in italiano è uscito su Climate Monitor, con commenti dell’autore.

La prima perplessità è appunto fisica. Che l’andamento del vento solare possa, per qualche ragione sconosciuta, influenzare la meteorologia e quindi l’andamento globale dei venti ha una qualche plausibilità, anche se la fortissima correlazione evidenziata da Mazzarella non si ritrova in nessun altro lavoro. I venti sicuramente hanno un effetto sulla rotazione terrestre, a causa della conservazione del momento angolare, anche se finora abbiamo visto questo effetto solo rapportato a grosse oscillazioni come il Niño. Ma che una variazione di qualche millisecondo nella durata del giorno possa riscaldare o raffreddare i mari mi sembra al di là di ogni credibilità.

Le perplessità aumentano se si vede come sono trattati i dati. Chiaramente se confronto direttamente le serie temporali di queste quantità non vedrò mai nulla, le oscillazioni a breve termine e le derive a lungo termine sono completamente differenti e mascherano qualsiasi possibile correlazione. Occorre quindi filtrare i dati, in modo da eliminare le componenti spurie. Viene quindi applicata una media mobile di 23 anni, e sottratto un fit lineare. Il problema è che le serie sono brevi, 100, 150 anni al massimo. Se medio i dati ogni 23 anni, avrò quindi 5-6 punti indipendenti per ogni serie. Sono quelli che in statistica si chiamano gradi di libertà: il numero di informazioni che posso estrarre dai dati. Se sottraggo la media e la tendenza a lungo periodo, elimino ulteriori 2 gradi di libertà. Mi ritrovo alla fine con dei dati a cui ho tolto praticamente tutto il contenuto di informazione che avevano all’inizio, sostituendolo con una informazione “standard”. Se mi permetto qualche piccolo aggiustamento ulteriore, come la possibilità di allineare nel tempo le serie o di scegliere quelle che sono più simili tra di loro, mi ritroverò sicuramente delle correlazioni altissime, ma del tutto prive di senso.

Ho quindi tentato di riprodurre i risultati di questo lavoro, per verificare con metodi statistici rigorosi quale fosse il reale livello di significatività dei risultati. I dataset sono pubblici, Mazzarella cita le fonti, e pubblica un grafico dei suoi dati di partenza, è quindi possibile elaborarli. Tuttavia quando confronto i grafici dell’articolo con i dati filtrati da me nello stesso modo i conti non tornano. Questa qui sotto è la correlazione tra l’indice geomagnetico AA (legato all’attività solare) e la differenza di pressione tra le latitudini di 35 e 55 gradi (IZI, legato alla distribuzione dei venti). A sinistra la figura tratta dall’articolo di Mazzarella, a destra la mia.

Confronto


Fig. 5 di Mazzarella (2009) e grafico della stessa serie di dati processata nello stesso modo da me

I due grafici sono molto differenti. Nel primo i dati sono troppo “lisci”: dopo la media su 23 anni, il rumore residuo dovrebbe essere ancora visibile. Evidentemente il filtraggio è stato molto più pesante di quanto dichiarato. Non torna neppure la scala temporale. Ho pensato che ci potesse essere stato un errore e le curve per IZI e Iaa fossero invertite, ma non funziona neanche così.

Vediamo per esempio la differenza di pressione. Il grafico qui accanto mostra in rosso i dati di partenza, identici al grafico in fig. 2 di Mazzarella (la differenza tra la media annuale delle pressioni alle latitudini di 35 e 55 gradi, prese da CRU), e in verde i dati mediati su 23 anni. Non c’è praticamente alcun trend secolare, per cui la seconda curva (verde) è sostanzialmente quella blu del mio primo grafico e molto distante dalla curva puntinata IZI del grafico a sinistra. Lo stesso succede per tutte le altre quantità esaminate da Mazzarella, l’unica che corrisponde è la durata del giorno.

Comunque anche così, con dati completamente differenti, ottengo anch’io una correlazione del 89% per un ritardo tra l’indice geomagnetico e la differenza di pressione pari a 10 anni. Quanto è significativo questo valore? Considerando i gradi di libertà disponibili c’è circa il 30% di probabilità di avere un risultato del genere per puro caso. Cioè se esamino 10 quantità arbitrarie (ad es. la media dei numeri del lotto nel periodo considerato, per 10 ruote differenti, in funzione dell’indice AA) ne trovo tre altrettanto robuste. Ma nell’articolo si trovano correlazioni simili o migliori (fino al 98%) per diverse quantità. Quindi c’è anche dell’altro. I processi che stiamo considerando sono casuali con uno spettro tipicamente “1/f”. Il filtraggio effettuato tende ad estrarre da questi segnali la porzione di rumore con un periodo fisso, attorno ad 80 anni. Alla fine otterremo comunque curve grossomodo sinusoidali con lo stesso periodo, e riusciremo sempre, spostandole una rispetto all’altra, ad allinearli tra di loro ed ottenere un’ottima correlazione. Io ne ho trovata un’altra con una curva completamente differente, utilizzando i dati grezzi di pressione ad una qualsiasi latitudine, invece delle differenze di pressione usate da Mazzarella come indicatori dei venti.

Una cosa curiosa è che nei dati veri le variazioni di durata del giorno precedono, e non seguono, l’indicatore dei venti zonali usato da Mazzarella. Sembrerebbe quindi che le variazioni della durata del giorno causino sia l’andamento dei venti che le variazioni dell’indice geomagnetico AA. Vuoi vedere che in realtà è il clima terrestre ad influenzare il Sole? Assurdo, ma se vogliamo portare l’approccio olistico alle sue estreme conseguenze…

Almeno in questa sua incarnazione, l’approccio olistico non sembra funzionare come atteso. Aspettiamo fiduciosi che Mazzarella ci comunichi le sue procedure, altrimenti si rischia che qualcuno possa malignamente pensare che quell’approccio consista nel far passare a forza i dati in un filtro che dà loro sempre la stessa forma finale, e poi nell’osservare, meravigliati, quanto si somiglino dati relativi a quantità fisiche differenti.

Testo di Gianni Comoretto

26 responses so far

Translate