CAPIRE LA SENSIBILITÀ CLIMATICA: UNA RISPOSTA ALLE CRITICHE RECENTI

Articolo di Nic Lewis – Mercoledì 13 Agosto 2025 – Tempo di lettura 7 minuti

Quanto si riscalderà la Terra se la concentrazione di CO₂ nell’atmosfera raddoppiasse? Questa domanda, nota come sensibilità climatica all’equilibrio (ECS), è una delle più importanti e complesse nella scienza del clima. Negli ultimi anni, il dibattito su come calcolarla ha evidenziato la necessità di metodi rigorosi per ottenere risposte affidabili.

Il punto di partenza

Nel 2020, Steven Sherwood e 24 colleghi hanno pubblicato uno studio influente (S20) che restringeva l’intervallo “probabile” (66% di probabilità) della sensibilità climatica a 2,6-3,9°C, con una stima media di 3,1°C. Questo lavoro, frutto di un workshop del 2015 a cui ho partecipato, ha influenzato il sesto rapporto IPCC del 2021 (AR6), che ha indicato un intervallo “molto probabile” (90%) di 2,0-5,0°C. Un passo avanti rispetto alle stime precedenti, più ampie, che oscillavano tra 1,5°C e 4,5°C. Nel 2022, ho analizzato in dettaglio lo studio S20 (Lewis22), trovando errori significativi. Correggendo questi problemi e aggiornando i dati, ho proposto un intervallo più ristretto e più basso per l’ECS: 1,75-2,7°C, con una stima media di 2,16°C e un intervallo al 90% di 1,55-3,2°C. Entrambi gli studi combinano dati storici, paleoclimatici (come l’Ultimo Massimo Glaciale e il Periodo Caldo del Pliocene Medio) e conoscenze sui feedback climatici.Nel 2024, Sherwood e Chris Forest hanno pubblicato un articolo che metteva in dubbio i progressi nella stima dell’ECS e criticava la mia analisi. Ho risposto con un commento su Atmospheric Chemistry and Physics, chiarendo fraintendimenti e difendendo il mio approccio.

Figura 1 Riprodotto da Lewis22 Fig.2. Probabilità per S basate sulle ipotesi delle variabili di dati di S20 derivate in Lewis22 (linee continue) e, per confronto, quelle mostrate in S20 (linee tratteggiate). (a) Probabilità derivanti da prove per i tre periodi paleoclimatici. (b) Probabilità derivanti da prove di processo e dalla combinazione di prove paleoclimatiche per LGM e mPWP. (c) Probabilità derivanti da prove storiche sia per S che per S_Hist(S senza una regolazione per l’effetto del modello storico). (d) Probabilità da processo combinato, paleoclima (LGM più mPWP) e prove storiche.

Cosa non andava nello studio S20

Nel mio studio del 2022, ho individuato problemi concreti in S20, non semplici “divergenze di opinione” come sostenuto dai suoi autori. Ecco i principali:

1. Calcoli sbagliati: S20 usava un metodo errato per stimare quanto i dati osservati supportassero diversi valori di ECS. Questo errore, evidente nei dati storici e paleoclimatici, gonfiava le probabilità per valori alti di ECS. Ho corretto il problema con metodi più solidi, ottenendo risultati coerenti. Sherwood ha ammesso che il loro approccio non era ideale, ma non ha corretto lo studio.
2. Dati sul CO₂ imprecisi: S20 usava valori sbagliati per l’effetto del CO₂ sul clima, portando a stime di ECS più alte del 16%. Ho usato valori più accurati, basati su calcoli più affidabili.
3. Incoerenze paleoclimatiche: S20 gestiva male i dati paleoclimatici, creando discrepanze tra le diverse fonti. Ho risolto queste incongruenze con un approccio più consistente.

Questi non sono dettagli tecnici: sono errori che hanno influenzato i risultati di S20. Correggendoli, ho ottenuto stime di ECS più basse e precise.

Figura 2. Riprodotto da Lewis22 Informazioni di supporto Fig.S1.1. Illustrazione della necessità di ridurre la stima basata sulla simulazione SST fissa del F effettivo_2×CO2 a una stima basata sulla regressione lineare per evitare la sovrastima di S. I punti grigi mostrano i valori medi annuali oltre 150 anni dopo il CO₂ concentrazione è bruscamente quadruplicata in un GCM rappresentativo, MRI-ESM2-0, scalato a un raddoppio di CO₂. La linea nera mostra l’adattamento della regressione e, alla sua intercetta dell’asse x (la definizione di S), la stima S corretta risultante di 3,08 K (3,08 °C). La pendenza della linea nera è λ, il valore di feedback climatico stimato sia da S20 che da Lewis22. L’intercetta dell’asse y della linea nera è la stima basata sulla regressione di F_2×CO2. Questo è inferiore al valore più accurato basato sulla simulazione SST fissa mostrato dalla croce magenta, a causa della relazione effettiva tra la variabile dell’asse x (riscaldamento globale) e la variabile dell’asse y (lo squilibrio radiativo della parte superiore dell’atmosfera) che non è lineare, con, come in quasi tutti i GCM, una pendenza iniziale più ripida di quella dopo un decennio o due. La linea rossa e la sua intercetta sull’asse x mostrano la sovrastima di S risultante dalla divisione di λ nella stima fissa SST di F_2×CO2, che è quello che ha fatto l’S20. Per l’evidenza del processo questo è ovvio, dal momento che λ è stato stimato in modo da essere coerente con λ in CO₂ quadruplicare le simulazioni GCM. Per prove storiche, la linea blu più ripida corrisponde alla stima di S_Hist; per stimare S la sua pendenza è stata aggiustata per corrispondere a λ, risultando ancora una volta in una stima corrispondente alla linea rossa e una stima S eccessiva. In entrambi i casi uso di una F basata sulla regressione_2×CO2 valore è richiesto per una corretta stima di S, nonostante F_2×CO2 valore è una sottostima del valore reale.  

Chiarire le critiche

Sherwood e Forest hanno travisato il mio lavoro, sostenendo che escludessi alti valori di ECS basandomi solo sui dati storici. Non è vero. I dati storici da soli danno un intervallo ampio (1,2-7,6°C), che non esclude valori elevati. È la combinazione di dati storici, paleoclimatici e feedback climatici, analizzati con metodi statistici rigorosi, a restringere l’intervallo.

Il problema degli aerosol

Un ostacolo per stimare l’ECS è l’incertezza sul raffreddamento causato dagli aerosol, che contrasta parzialmente il riscaldamento da gas serra. In Lewis22, ho rivisto le ipotesi di S20, riducendo la probabilità di un forte raffreddamento degli aerosol, basandomi su studi recenti. Ma anche tornando alle ipotesi di S20, la mia stima di ECS cambia di pochissimo (meno di 0,05°C). Questo dimostra che le mie conclusioni non dipendono da questa revisione.

L’effetto modello

Un altro punto di scontro è l’effetto modello, ossia come la distribuzione geografica del riscaldamento influenza i feedback climatici. Sherwood e Forest sostengono che io abbia sottostimato questo effetto, ma studi recenti, come quello di Modak e Mauritsen (2023), supportano stime più basse, come la mia. Inoltre, ho usato lo stesso grado di incertezza di S20 e AR6, contrariamente a quanto affermato.

Metodi statistici più chiari

S20 usava un approccio statistico “soggettivo”, che può distorcere i risultati quando i dati sono incerti. Io ho scelto un metodo “oggettivo”, con ipotesi iniziali che influenzano il meno possibile i risultati. Contrariamente a quanto detto da Sherwood, questo approccio ha leggermente ampliato l’intervallo di S20, non ristretto.

Errori nei modelli climatici

Un problema importante riguarda i modelli di riscaldamento tropicale. I modelli prevedono che il Pacifico orientale si riscaldi più di quello occidentale, ma studi recenti suggeriscono il contrario. Se i modelli sbagliano, le stime di ECS potrebbero essere troppo alte, influenzando anche le previsioni di riscaldamento a breve termine.

Cosa abbiamo imparato

Il mio studio del 2022 ha corretto errori in S20, aggiornato i dati e prodotto stime di ECS più basse e precise. Le critiche di Sherwood e Forest contengono errori, come l’idea che i dati storici da soli escludano alti valori di ECS. In realtà, è la combinazione di tutte le evidenze a restringere l’intervallo. Circa il 55% della riduzione dell’ECS deriva da correzioni ai calcoli sul CO₂, mentre il resto viene da aggiornamenti ai dati paleoclimatici.

Perché è importante

Questo dibattito tocca tre punti chiave:

1. Metodi rigorosi: Approcci statistici poco affidabili possono falsare le stime.
2. Modelli da migliorare: Errori nei modelli di riscaldamento tropicale possono compromettere le previsioni climatiche.
3. Impatto delle stime: L’ECS influenza decisioni politiche ed economiche, quindi deve essere calcolata con precisione.

Guardare avanti

Il dibattito sull’ECS mostra quanto sia complesso il problema, ma anche quanto sia cruciale usare metodi solidi e confrontarsi apertamente. La mia analisi non mette in dubbio il cambiamento climatico, ma cerca di affinare le stime per guidare scelte informate. Continuare a migliorare i modelli e i metodi sarà essenziale per la scienza del clima.

Fonte: judithcurry