I modelli climatici globali (GCM) del Coupled Model Intercomparison Project (CMIP) stimano che quasi il 100% del riscaldamento della superficie globale osservato tra il periodo 1850–1900 e il 2011–2020 debba essere attribuito a fattori antropogenici, come le emissioni di gas serra. Questi modelli producono inoltre proiezioni climatiche future basate su percorsi socioeconomici condivisi (SSP), supportando la valutazione dei rischi e lo sviluppo di costose strategie di mitigazione climatica “Net-Zero”. Tuttavia, come svela uno studio, i GCM del CMIP affrontano importanti sfide scientifiche nell’attribuzione e nella modellizzazione del cambiamento climatico, in particolare nel rappresentare correttamente la variabilità climatica naturale su molteplici scale temporali durante l’Olocene. Altre questioni chiave riguardano l’affidabilità delle registrazioni della temperatura superficiale globale, l’accuratezza dei modelli di irradianza solare e la solidità delle stime della sensibilità climatica.
Le stime del riscaldamento globale potrebbero essere sovrastimate a causa di bias non climatici non corretti, e i GCM potrebbero sottovalutare in modo significativo le influenze solari e astronomiche sulle variazioni climatiche. Modelli empirici che incorporano la variabilità naturale indicano che il riscaldamento globale del XXI secolo potrebbe rimanere moderato, anche sotto scenari SSP che non richiedono politiche di emissioni Net-Zero. Questi risultati sollevano interrogativi importanti sulla necessità e sull’urgenza di implementare strategie aggressive di mitigazione climatica.
Sebbene i GCM restino strumenti essenziali per la ricerca climatica e per l’elaborazione delle politiche, le loro limitazioni scientifiche evidenziano la necessità di approcci di modellizzazione più raffinati per garantire valutazioni climatiche future accurate. Affrontare le incertezze legate al rilevamento del cambiamento climatico, alla variabilità naturale, alle influenze solari e alla sensibilità climatica al forcing radiativo migliorerà le previsioni e contribuirà a informare meglio strategie climatiche sostenibili. E’ quanto indica lo studio “Detection, attribution, and modeling of climate change: Key open issues“ di Nicola Scafetta del dipartimento di Scienze della Terra, Ambiente e Georisorse, Università di Napoli Federico II, Complesso Universitario di Monte S. Angelo di Napoli, pubblicato sulla prestigiosa rivista internazionale Gondwana Research.
Lo studio
Nel corso della storia umana, il clima ha sempre esercitato un’influenza profonda sugli ecosistemi naturali e sulle società. Periodi di riscaldamento e raffreddamento hanno accompagnato l’ascesa e il declino delle civiltà, modificando la disponibilità di risorse, la produttività agricola e la distribuzione delle popolazioni. Oggi il cambiamento climatico è al centro di un intenso dibattito scientifico e politico. Gli impatti non sono distribuiti in modo uniforme: le comunità economicamente più fragili risultano spesso le più esposte, evidenziando una forte dimensione sociale del problema climatico. Su questo sfondo, si è affermata l’idea che il riscaldamento globale moderno sia dovuto quasi interamente alle attività umane, in particolare alla combustione dei combustibili fossili e alle emissioni di gas serra come l’anidride carbonica.
Questa interpretazione, nota come teoria del riscaldamento globale antropogenico, costituisce il fondamento delle politiche climatiche attuali, comprese le strategie di “Net-Zero” che mirano ad azzerare le emissioni nette entro la metà del secolo. In Europa, tali obiettivi si traducono nel Green Deal, che punta a una drastica riduzione delle emissioni entro il 2030 e alla neutralità climatica entro il 2050. Le misure previste includono la transizione verso le energie rinnovabili e l’elettrificazione dei trasporti.
Tuttavia, questi programmi comportano costi economici enormi e pongono interrogativi sulla loro reale efficacia globale. L’Unione Europea, pur impegnandosi fortemente nella decarbonizzazione, contribuisce oggi a poco più del 6% delle emissioni mondiali, mentre il resto del pianeta continua a incrementare l’uso di carbone, petrolio e gas.
Il ruolo centrale dei modelli climatici
Le conclusioni sul riscaldamento globale si basano in larga parte sui modelli climatici globali (GCM): complessi sistemi computazionali che simulano l’interazione tra atmosfera, oceani, superficie terrestre e ghiacci. Questi modelli integrano diversi fattori, come gas serra, aerosol, attività solare e vulcani, e includono meccanismi di retroazione (feedback) che possono amplificare o attenuare il riscaldamento.
Secondo tali simulazioni, senza l’influenza umana il clima sarebbe rimasto sostanzialmente stabile dal XIX secolo a oggi; solo includendo le emissioni antropiche i modelli riescono a riprodurre l’aumento osservato delle temperature. Su questa base si conclude che quasi il 100% del riscaldamento recente sia di origine umana.
(Adattato da Scafetta, 2024)
Ma qui emergono importanti criticità.
I modelli mostrano un’ampia dispersione nei risultati: la sensibilità climatica (cioè l’aumento di temperatura atteso in seguito al raddoppio della CO₂) varia notevolmente da un modello all’altro. Alcuni prevedono riscaldamenti moderati, altri molto elevati. Inoltre, molti modelli sembrano sovrastimare il riscaldamento osservato negli ultimi decenni, un problema noto come “hot model problem”.
Variabilità naturale e climi del passato
Un altro punto cruciale riguarda la capacità dei modelli di ricostruire il clima del passato. Le evidenze paleoclimatiche mostrano periodi caldi ben documentati avvenuti molto prima dell’industrializzazione. Questi episodi suggeriscono che il sistema climatico possiede una forte variabilità naturale, probabilmente legata anche a cicli solari e oceanici su scale pluridecennali e millenarie.
Eppure, i modelli moderni tendono a sottostimare queste oscillazioni naturali, simulando un clima preindustriale relativamente stabile. Questo solleva un interrogativo fondamentale: se i modelli non riescono a riprodurre correttamente i grandi cambiamenti del passato, quanto sono affidabili nel proiettare il futuro?
Dati di temperatura e possibili bias
Anche le misurazioni della temperatura globale presentano incertezze. Le serie storiche derivano da stazioni meteorologiche, boe oceaniche e satelliti, ma sono influenzate da fattori non climatici, come l’urbanizzazione. L’”effetto isola di calore urbana” può introdurre un riscaldamento artificiale nelle registrazioni terrestri, soprattutto nell’emisfero nord, dove vive la maggior parte della popolazione.
Confronti tra dati satellitari e temperature superficiali mostrano discrepanze significative, suggerendo che una parte del riscaldamento osservato potrebbe essere sovrastimata.
[B] La sensibilità climatica di equilibrio (ECS) e [C] la risposta climatica transitoria (TCR) dei GCM CMIP6 (IPCC, 2021; Hausfather et al., 2022; Scafetta, 2024).
Il Sole e i meccanismi ancora poco compresi
Un tema spesso sottovalutato è il ruolo del Sole. Numerosi studi indicano una correlazione tra attività solare e clima su scale secolari e millenarie. Tuttavia, i modelli climatici attuali considerano questa influenza minima, basandosi su ricostruzioni dell’irraggiamento solare con variazioni molto contenute.
Alcuni ricercatori propongono che l’impatto solare possa essere amplificato da meccanismi indiretti, come la modulazione dei raggi cosmici e della copertura nuvolosa. Questi processi non sono ancora pienamente compresi né inclusi in modo realistico nei modelli.
[D, E] Le variazioni di temperatura dal periodo 1980–1990 al 2012–2022, simulate dai 42 GCM adottati, vengono confrontate con il riscaldamento osservato in HadCRUT v5.0 (0,605 °
(Adattato da Scafetta, 2024)
Adattato da Scafetta, 2014a.
[A] Simulazione della temperatura superficiale dell’Oceano Atlantico settentrionale tramite l’ensemble dei GCM CMIP6 (regione: 0°–70° N; 80° W–20° E).
[B] Serie storiche della temperatura superficiale del mare per la stessa regione dell’Atlantico settentrionale (0°–70° N; 80° W–20° E), derivate da HadSST4 (Kennedy et al., 2019) e dalla NOAA/CIRES/DOE 20th Century Reanalysis V3. Il pannello laterale mostra il riscaldamento approssimativo dal 1940 al 2020: +0,8 °C in base alle simulazioni GCM; e +0,4 °C in base ai dati osservativi.
[C] Indice dell’Oscillazione Multidecadale Atlantica (AMO), calcolato come anomalie della temperatura superficiale dell’Oceano Atlantico settentrionale linearmente detrendizzate dal 1856 al 2022. L’inserto in [A] mostra la regione approssimativa dell’Atlantico settentrionale utilizzata per definire l’indice AMO.
Verso approcci alternativi
Alla luce di queste incertezze, diversi studiosi suggeriscono di affiancare ai modelli numerici tradizionali approcci empirici e semi-empirici, basati direttamente sull’analisi dei dati osservati. Tali modelli indicano spesso un ruolo più rilevante della variabilità naturale e una sensibilità climatica più bassa rispetto a quella assunta negli scenari più allarmistici.
In queste ricostruzioni, il riscaldamento del XX secolo risulterebbe dovuto a una combinazione di fattori: emissioni umane, cicli solari e oscillazioni oceaniche, ciascuno con un contributo significativo.
Il cambiamento climatico è una realtà complessa, che coinvolge processi fisici, biologici e sociali intrecciati. Sebbene esista un ampio accordo sul fatto che le attività umane contribuiscano al riscaldamento recente, permangono profonde incertezze sulla sua quantificazione esatta, sulla sensibilità del clima e sull’importanza dei fattori naturali.
[A] Confronto tra le anomalie di temperatura dell’Emisfero Nord simulate e ricostruite nell’ultimo millennio, includendo l’Anomalia Climatica Medievale (MCA), la Piccola Era Glaciale (LIA) e il XX secolo (20C) (adattato da IPCC, 2013, Fig. 5.8).
[B] Serie temporale delle anomalie della temperatura media globale superficiale dal modello multi-proxy PAGES2K, riferite al periodo 1850–1900, che incorpora le simulazioni dei GCM CMIP5 e CMIP6 (adattato da IPCC, 2021, Fig. 3.2).
[C] Confronto tra la simulazione media multimodello (ciano) dei GCM CMIP e la ricostruzione della temperatura basata su proxy di Moberg et al. (2005) (rosso), calibrata ed estesa con il record di temperatura HadCRUT (verde) a partire dal 1850 (cfr.: Scafetta, 2013a, 2021b). Le frecce blu e grigie a lato indicano la temperatura media approssimativa durante il MWP, stimata dai modelli proxy e simulata dai GCM, estesa approssimativamente dal 900 al 1100 d.C.
(linea nera) proxy della temperatura mediana globale da Kaufman et al. (2020);
(linea rossa) insieme (ensemble) di modelli climatici globali da Liu et al. (2014);
(punti verdi) registro della CO₂ di EPICA Dome-C da Bereiter et al. (2015);
(linea blu) proxy della temperatura antartica da Kaufman et al. (2020).
[A] una ricostruzione dell’irradianza solare totale (Steinhilber et al., 2012);
[B] una ricostruzione delle temperature superficiali dell’Emisfero Nord (Ljungqvist, 2010);
[C] una ricostruzione delle temperature estive europee (Luterbacher, 2016).
[A] Divergenza osservata nelle stime della temperatura dell’aria sulla superficie terrestre dell’Emisfero Nord tra una ricostruzione basata su stazioni sia rurali sia urbane e una ricostruzione basata esclusivamente su stazioni rurali.
[B, C] Percentuale e numero totale di stazioni classificate nei sottoinsiemi urbano, intermedio e rurale (adattato da Soon et al., 2023).
[D] Divergenza tra le medie strumentali delle temperature estive (JJA) sulle aree terrestri (30°N–70°N; rosso) e le ricostruzioni della temperatura media basate sugli anelli degli alberi (blu), rispetto al periodo di riferimento 1930–1960 (adattato da Esper et al., 2018).
[In alto] Diagramma che illustra la struttura dello strato limite atmosferico sopra una città e le aree circostanti: uno strato limite alto durante il giorno facilita la dispersione del calore, mentre uno strato limite basso notturno trattiene l’aria calda vicino alla superficie.
[In basso] Mappa globale della divergenza tra Tₘᵢₙ e Tₘₐₓ confrontando i periodi 1945–1955 e 2013–2023, basata sui dati di temperatura terrestre CRU-TS4.08 (Harris et al., 2020). (cfr.: Scafetta e Ouyang, 2019; Scafetta, 2021a).
[A] Deviazioni schematiche nel registro cosmogenico del ^14C (adattato da Lin et al., 1975).
[B] Interpretazione della curva [A] come rappresentazione dell’inviluppo a lungo termine dell’attività solare.
[C] Quattro stime del clima storico:
(G1) periodi di avanzata e ritiro dei ghiacciai alpini (Le Roy Ladurie, 1967);
(G2) fluttuazioni globali dei ghiacciai (Denton e Karlén, 1973);
(T) stime della temperatura media annua nell’Inghilterra centrale (Lamb, 1965);
(W) indice di severità invernale per la regione Parigi–Londra (Lamb, 1972).
In alto a sinistra è mostrato un elenco dei periodi caldi e freddi documentati nella storia umana (adattato da Eddy, 1977).
[D, E] Confronto del registro cosmogenico del ^14C con due registri climatici (adattato da Bond et al., 2001; Neff, 2001; Kirkby, 2007).
[F] Correlazione tra l’irradianza solare totale ricostruita (Wu et al., 2018) e la frequenza degli strati di piena nell’Europa centrale (finestra mobile di 30 anni) (Czymzik et al., 2016: r = −0,4, p < 0,0001).
[A] Campione compilativo dei compositi satellitari disponibili dell’irradianza solare totale (TSI).
[B, C, D] Raccolta di registri proxy alternativi della TSI. Le fonti dei dati si trovano in Soon et al. (2023), Connolly et al. (2024) e Wu et al. (2018).
[A] i dati percentuali della copertura nuvolosa globale del progetto International Satellite Cloud Climatology Project (ISCCP);
[B] la forzante radiativa efficace antropogenica totale utilizzata nei GCM CMIP6.
[A] Confronto tra il registro globale della temperatura superficiale HadCRUT5 e la media dell’ensemble dei GCM CMIP6.
[A’] Entrambi i registri sono detrendizzati
[B] Confronto tra il registro globale della temperatura superficiale HadCRUT5 e l’ECM derivato dall’Equazione (3), utilizzando un modello proxy dell’Irradianza Solare Totale (TSI) a variabilità medio–alta. Applicando la stessa analisi di detrendizzazione di [A’], si ottiene un coefficiente di correlazione migliorato pari a r = 0,55.
[In alto] Confronto tra il modello climatico globale empirico armonico nello scenario SSP2-4.5 e il registro HadCRUT4.6 (1850–2021) (Morice et al., 2012), insieme ai diagrammi burning ember che rappresentano le cinque principali Reasons for Concern (RFC) globali in scenari con adattamento basso o nullo, come riportato dall’IPCC (2023) AR6.
[In basso] Sintesi e analisi degli impatti e dei rischi proiettati del riscaldamento globale per il periodo 2080–2100, a confronto con le proiezioni del “termometro climatico” di Climate Action Tracker (2024).
[A] Forzanti antropogeniche e vulcaniche efficaci estese utilizzate dai GCM CMIP6, retrodatate dal 1 al 1750 d.C.
[B] Modello sintetico dell’irradianza solare totale costruito utilizzando specifiche armoniche climatiche identificate (Scafetta, 2012b, 2020).
[C] Output climatico generato usando l’ECM basato sull’Equazione (3), incorporando i parametri ottenuti elaborando i registri TSI-2 e HadSST4 da Scafetta (2023a).
[D] Come in [C], ma con l’aggiunta di rumore rosa per simulare la variabilità interna del sistema climatico.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?