Anna Rabitti
Tesi di Laurea in Fisica, Università di Trieste, supervisore dott. Alessandro Crise (OGS), a.a. 2007/2008.
e-mail: anna.rabitti@nioz.nl
Parole chiave: mare Adriatico, mappe climatologiche, dati storici, temperatura, salinità
Grazie al programma Diva (Data-Interpolating Variational Analysis, versione 4.2.1) per l’analisi geostatistica di campi oceanografici, sviluppato dal gruppo GHER dell’Università di Liegi (Belgio) (Rixen et al., 2000), è stata realizzata una nuova caratterizzazione spazio-temporale del mare Adriatico. La distribuzione spaziale dei parametri fisici (temperatura e salinità) e biochimici (concentrazione d’ossigeno disciolto, silicati, nitrati e clorofilla) del bacino Adriatico è stata ricostruita utilizzando misure in-situ disponibili nel database del-l’Istituto Nazionale di Oceanografia e Geofisica Sperimentale (Trieste, Italia). La metodo-logia d'analisi implementata nel Diva consiste nell'utilizzo del metodo variazionale inverso (Vatiational Inverse Method, VIM) e di una discretizzazione spaziale basata sul metodo degli elementi finiti (Finite Element Method), implementati in Diva. Sono state prodotte mappe climatologiche orizzontali annuali, stagionali e mensili, rappresentative delle carat-teristiche medie di ogni parametro.
Per ottenere le mappe orizzontali sono stati utilizzati sia dati storici che recenti, utilizzando misure del periodo 1900-2008: il dataset contiene per il bacino Adriatico circa 2.5*106
misure di temperatura, 2*106 misure di salinità, 1*106 misure di ossigeno disciolto, 2.5*104 misure di concentrazione di fosfati. Come esempio del dataset analizzato, si ve-dano in Figura 1 le misure di temperatura superficiale per le quattro stagioni.
L’analisi per la produzione delle mappe è stata effettuata in collaborazione con il gruppo GHER; molti degli strumenti statistici già disponibili in Diva sono stati testati e applicati al dataset dell’Adriatico, permettendo di migliorare il software stesso e di implementare al suo interno nuove opzioni di analisi.
I due parametri principali necessari per l’analisi di ciascun dataset sono la lunghezza di correlazione (L) e il rapporto tra segnale e rumore (S/N). Il primo parametro (L) rappre-senta la lunghezza scala da utilizzare per la formulazione del problema in termini adimen-sionali, ma è anche direttamente connesso alla scala spaziale di interesse. Rappresenta la lunghezza di correlazione tipica di ciascun dataset, con riferimento alla distribuzione orizzontale e al numero totale di misure nel dominio. La risoluzione della griglia d'analisi dipende da questo parametro (esempio in Figura 2). Il secondo parametro (S/N) è
utiliz-Figura 1. Dati di temperatura superficiale suddivisi per stagione: Inverno [Gennaio – Marzo], Pri-mavera [Aprile – Giugno], Estate [Luglio – Settembre], Autunno [Ottobre - Dicembre]. La tempera-tura è espressa in gradi Celsius.
Figura 2. Esempio di griglia di analisi. Griglia utilizzata per la ricostruzione del campo di tempera-tura invernale superficiale.
zato per valutare l’errore nelle mappe. La copertura disomogenea delle misure non ha permesso una stima oggettiva dei valori di questi due parametri direttamente dalle ca-ratteristiche statistiche dei dataset. I valori sono quindi stati scelti facendo riferimento alla letteratura, considerando la lunghezza scala tipica dei fenomeni adriatici, delle strut-ture poste in evidenza dall'analisi climatologica, e alcune caratteristiche statistiche del da-taset analizzato (L = 0.8°, S/N = 0.5).
L'applicazione del metodo VIM al dataset adriatico è stata sottoposta un test di valida-zione incrociata (Brankart and Brasseur, 1996). I valori di variabilità dovuta alle tecniche di ricostruzione sono risultati inferiori a quelli dovuti alla variabilità spazio-temporale dei campi reali spazio-temporale dei campi reali, ed il VIM è risultato quindi uno strumento valido e appropriato per questo tipo di applicazioni.
Per la prima volta, inoltre, il mare Adriatico è stato considerato globalmente, e non sud-diviso in sottobacini, applicando sistematicamente un'unica metodologia di analisi all’in-tero dataset. Le mappe climatologiche sono state prodotte con una risoluzione spaziale di 1/16 di grado per ciascuno dei 28 strati di interesse, dalla superficie a 1200 m di profondità, con una risoluzione crescente dal fondo alla superficie.
Le mappe climatologiche stagionali e mensili di temperatura, salinità e ossigeno disciolto (un esempio in Figura 3) sono state confrontate (ove possibile) con quelle presenti in letteratura (Artegiani et al., 1997a; Artegiani et al., 1997b; Zavatarelli et al., 1998) e sono risultate in accordo con le ricostruzioni dei campi fatte in precedenza. Utilizzando le mappe relative a di-verse profondità, valutate indipendentemente, sono stati confrontati i profili verticali ricostruiti
Figura 3. Ricostruzione dei campi di temperatura. Da sinistra a destra le quattro stagioni; dall’alto al basso quattro diverse profondità. La temperatura è espressa in gradi Celsius.
con quelli ottenuti tramite misure dirette riportati in letteratura, mostrando un elevato livello di confidenza. Tutte le diverse masse d’acqua, relative a ciascuno dei tre sottobacini (Setten-trionale, Centrale e Meridionale) dell’Adriatico, sono state identificate e confrontate con infor-mazioni di letteratura, ottenendo una rappresentazione completa delle caratteristiche del ba-cino attraverso diagrammi T-S, come si può vedere nelle figure 4, 5 e 6.
Per tre parametri (temperatura, salinità e ossigeno disciolto) si è iniziato un ulteriore studio della variabilità decennale su scala secolare, al fine di analizzare eventuali anda-menti temporali a lungo termine, e la variabilità dei campi, utilizzando dati provenienti da campagne effettuate negli anni 1914-1918 e misure relative alle ultime tre decadi (1970-1979, 1980-1989, 1990-1999). Si è osservato un aumento della temperatura superficiale nei tre sottobacini, mentre i livelli più profondi presentano una dinamica di-versificata, e una generale diminuzione della salinità nell'ultima decade. Ulteriori analisi sono necessarie per ottenere informazioni più robuste sull'evoluzione storica dei profili. Per quanto riguarda il dataset relativo ai nutrienti e ai parametri biochimici, sono state prodotte unicamente mappe climatologiche annuali. Il numero ristretto di misure e la di-somogeneità di copertura dei dati non hanno permesso, infatti, una ricostruzione più det-tagliata. I profili risultanti mostrano la presenza di strutture prevalenti, la maggior parte delle quali legate all'apporto di acque fluviali nella parte nord-occidentale del bacino, do-vuto al fiume Po. L'utilizzo di un dataset più ampio risulta assolutamente necessario per una rappresentazione completa della distribuzione di questi parametri.
Le mappe sono state prodotte seguendo le linee guida del SeaDataNet European Project (www.seadatanet.org). Gli obiettivi di questo progetto sono quelli di creare una rete
inter-Figura 4. Diagramma T-S stagionale dell’Adriatico settentrionale, valutato attraverso I campi rico-struiti. Le isopicne sono rappresentate in blu (kg/m3).
Figura 5. Diagramma T-S stagionale dell’Adriatico centrale, valutato attraverso I campi ricostruiti. Le isopicne sono rappresentate in blu (kg/m3).
Figura 6. Diagramma T-S stagionale dell’Adriatico meridionale, valutato attraverso I campi rico-struiti. Le isopicne sono rappresentate in blu (kg/m3).
nazionale che coinvolga i numerosi NODC (National Oceanographic Data Center) europei, e fornire agli utenti mappe climatologiche aggiornate da utilizzare per l'inizializzazione di modelli numerici predittivi e la validazione di nuovi dataset.
B
IBLIOGRAFIAARTEGIANIA., BREGANTD., PASCHINIE., PINARDIN., RAICICHF., ERUSSOA. (1997a). The Adriatic Sea general circulation. Part I: air-sea interactions and water mass structure. Journal of Physical Oceanography 27: 1492-1514.
ARTEGIANIA., BREGANTD., PASCHINIE., PINARDIN., RAICICHF., ERUSSOA. (1997b). The Adriatic Sea general circulation. Part II: Baroclinic circulation structure. Journal of Physical Oceanography 27: 1515-1532.
BRANKARTJ., EBRASSEURP. (1996). Optimal analysis of in situ data in the Western Medi-terranean using statistic and cross-validation. Journal of Atmospheric and Ocean Te-chnology 13: 477-491.
RIXENM., BECKERSJ., BRANKARTJ., EBRASSEURP. (2000). A numerically efficient data ana-lysis method with error map generation. Ocean Modelling 2: 45-60.
ZAVATARELLIM., RAICICHF., BREGANT D., RUSSOA., EARTEGIANIA. (1998). Climatological bio-geochimical characteristics of the Adriatic Sea. Journal of Marine Systems 18: 227-263.