📊 Anomalia climatica: leggere uno scarto, non un valore assoluto
Abstract. Un’anomalia climatica esprime la differenza tra un valore osservato e il valore medio calcolato per lo stesso luogo e lo stesso periodo dell’anno durante una baseline dichiarata. È uno degli strumenti fondamentali della climatologia perché permette di confrontare regioni, stagioni e dataset con condizioni assolute molto diverse. Il numero, tuttavia, acquista significato soltanto insieme a variabile, area, intervallo temporale, periodo di riferimento, metodo e incertezza. Un’anomalia non coincide automaticamente con un trend, un record, un evento estremo o una prova causale.
Che cosa misura davvero un’anomalia
La temperatura di una giornata, la pioggia accumulata in un mese o l’estensione del ghiaccio marino sono valori fisici. Diventano anomalie quando vengono confrontati con una climatologia di riferimento. In forma generale, l’operazione può essere rappresentata così:
anomalia = valore osservato − valore medio della baseline
La sottrazione deve essere coerente. La temperatura media di gennaio 2026 in una determinata area va confrontata con la media dei gennai della baseline scelta, non con la media annuale e neppure con un mese diverso. Lo stesso principio vale per stagioni, anni e altre variabili.
Se la temperatura media osservata in un luogo durante un mese è 12,4 °C e la media dello stesso mese nella baseline è 10,9 °C, l’anomalia è +1,5 °C. Il segno positivo indica una condizione più calda del riferimento; quello negativo una condizione più fredda. Non dice, da solo, se il valore sia eccezionale, dannoso o parte di una tendenza di lungo periodo.
Concetto chiave. L’anomalia non sostituisce la misura fisica: la colloca rispetto a uno zero climatologico definito. Senza conoscere quello zero, il numero rimane incompleto.
La baseline è uno zero operativo
La baseline è il periodo rispetto al quale viene calcolata la differenza. Non rappresenta un clima ideale, immobile o moralmente “normale”. È uno zero operativo scelto per rendere i dati confrontabili. L’IPCC usa il termine baseline per il periodo rispetto al quale si calcolano differenze, mentre “periodo di riferimento” può indicare più in generale un intervallo impiegato per statistiche o confronti.
L’Organizzazione meteorologica mondiale definisce i normali climatologici standard su periodi consecutivi di trent’anni. Il 1991–2020 è il periodo standard corrente per descrivere le condizioni climatiche recenti e viene aggiornato ogni decennio. Il 1961–1990 continua a essere utilizzato in alcune valutazioni di cambiamento climatico di lungo periodo. Il 1850–1900, invece, viene impiegato su scala globale come approssimazione strumentale del livello preindustriale.
Questi periodi rispondono a domande differenti. Il 1991–2020 aiuta a stabilire quanto un mese o un anno si discosti dal clima recente. Il 1850–1900 serve a valutare quanto la temperatura globale si sia allontanata dalle condizioni precedenti al forte sviluppo industriale. Usare due baseline non genera due climi diversi: produce due valori relativi con due zeri diversi.
Perché le anomalie sono preferite alle temperature assolute
Le temperature assolute cambiano rapidamente nello spazio. Quota, latitudine, esposizione, urbanizzazione, vegetazione e distanza dal mare possono produrre differenze notevoli anche fra luoghi vicini. Stimare una temperatura media assoluta su una regione poco osservata può quindi introdurre un’incertezza elevata.
Le anomalie termiche sono spesso coerenti su aree più ampie. Una stazione alpina e una boa tropicale hanno temperature assolute incomparabili, ma ciascuna può indicare quanto il proprio mese si discosti dalla climatologia locale. Per questa ragione dataset come GISTEMP della NASA costruiscono le medie regionali e globali a partire dalle anomalie delle singole aree, non dalla semplice media aritmetica di tutti i termometri disponibili.
Questo metodo riduce anche la distorsione dovuta alla distribuzione irregolare delle osservazioni. Se molte stazioni si trovano in una regione e poche in un’altra, non si può assegnare a ogni termometro lo stesso peso: la regione più osservata finirebbe per dominare artificialmente il risultato. I dati vengono quindi organizzati in celle o aree e aggregati con pesi coerenti con la superficie rappresentata.
Dall’osservazione alla mappa globale
Una mappa di anomalie non nasce da una singola misura. È il risultato di una catena di elaborazione controllabile.
- Osservazione. Stazioni meteorologiche, navi, boe, satelliti e altri sistemi misurano variabili fisiche in luoghi e tempi determinati.
- Controllo di qualità. Si cercano valori impossibili, errori di trascrizione, duplicati e incoerenze temporali.
- Omogeneizzazione. Si valutano discontinuità non climatiche prodotte da spostamenti delle stazioni, sostituzione degli strumenti, cambiamenti degli orari di lettura o trasformazioni del sito.
- Climatologia. Per ogni luogo o cella si calcola il valore medio della variabile nella baseline, rispettando mese o stagione.
- Anomalia locale. Dal valore osservato viene sottratta la climatologia corrispondente.
- Grigliatura e aggregazione. Le anomalie vengono combinate su aree regolari e pesate per produrre medie regionali o globali.
- Incertezza. Si stima quanto copertura, campionamento, errori di misura e metodo possano influenzare il risultato.
Dataset diversi possono applicare procedure differenti per interpolazione, copertura polare, temperatura del mare, ghiaccio marino o correzione delle discontinuità. Per questo i valori annuali non sono sempre identici fino al centesimo di grado. La robustezza scientifica non richiede identità perfetta: richiede che metodi indipendenti producano risultati compatibili e tendenze coerenti.
Osservazioni e rianalisi non sono la stessa cosa
Alcuni prodotti derivano principalmente da archivi osservativi; altri sono rianalisi. ERA5, realizzata dal Copernicus Climate Change Service presso ECMWF, assimila osservazioni terrestri, marine, atmosferiche e satellitari in un modello numerico. Il risultato è una ricostruzione coerente e spazialmente completa dello stato dell’atmosfera dal 1940 a oggi.
Una rianalisi non è una misura diretta in ogni cella della griglia e non è neppure una semplice simulazione libera. È un prodotto ibrido nel quale le osservazioni vincolano un modello fisico. Questa distinzione deve essere dichiarata, soprattutto nelle regioni e nei periodi con pochi dati, dove il contributo del sistema di assimilazione diventa più importante.
Cambiare baseline: che cosa cambia e che cosa resta
Se una stessa serie viene riferita a una nuova baseline, il suo livello numerico si sposta. In forma semplificata:
A₂(t) = A₁(t) − [media(B₂) − media(B₁)]
Se la baseline più recente è più calda della precedente, le anomalie riferite al nuovo periodo saranno numericamente più basse. La tendenza della serie, però, non scompare: una sottrazione costante cambia lo zero, non la pendenza.
La conversione deve essere documentata. Non basta sommare un valore trovato altrove se i prodotti differiscono per dominio, variabile, copertura o versione. La temperatura media superficiale globale, la temperatura dell’aria a due metri e la combinazione fra aria sulla terraferma e temperatura superficiale del mare sono indicatori vicini, ma non perfettamente identici.
Un esempio contemporaneo mostra l’importanza dello zero. Copernicus stima per il 2025 una temperatura globale di 0,59 °C sopra il 1991–2020 e di 1,47 °C sopra il 1850–1900. È lo stesso anno descritto rispetto a due riferimenti. La WMO, combinando più dataset, stima circa 1,43 ± 0,13 °C sopra il 1850–1900. La lieve differenza fra 1,47 e 1,43 °C riflette dataset e metodi diversi ed è compatibile con l’incertezza dichiarata.
Errore comune. Due anomalie con baseline diverse non possono essere confrontate direttamente. Prima occorre ricondurle allo stesso riferimento con un metodo verificato.
Anomalia non significa trend
Una singola anomalia descrive uno scarto in un intervallo preciso. Un trend descrive invece l’evoluzione statistica di una serie. Un mese molto caldo può avere una grande anomalia senza definire da solo la traiettoria climatica; una serie può mostrare un forte trend di lungo periodo pur contenendo anni con anomalie inferiori a quelli immediatamente precedenti.
Per stimare un trend occorre stabilire il periodo analizzato, controllare l’autocorrelazione, valutare le discontinuità e quantificare l’intervallo d’incertezza. Scegliere intenzionalmente un anno iniziale eccezionalmente caldo o freddo può deformare la pendenza apparente. L’anomalia è quindi un elemento della serie, non la conclusione sull’intera serie.
Anomalia non significa estremo
Un’anomalia positiva non è automaticamente un record o un evento estremo. Per parlare di estremo bisogna conoscere la distribuzione storica, i percentili o una soglia fisica pertinente. Un’anomalia di +2 °C può essere rarissima in una regione con bassa variabilità e relativamente comune in un’area continentale con forti oscillazioni.
Per confrontare scarti in climi con variabilità diversa si può usare un’anomalia standardizzata:
z = (valore − media) / deviazione standard
Il risultato è adimensionale e indica quante deviazioni standard separano il valore dalla media. Non sostituisce però l’analisi della distribuzione. Precipitazioni, vento e molte variabili ambientali non seguono distribuzioni simmetriche; in questi casi percentili, ranghi o indici specifici possono essere più informativi.
Temperatura, precipitazioni e altre variabili
Per la temperatura, l’anomalia viene normalmente espressa in gradi Celsius o kelvin; la differenza numerica è la stessa nelle due scale. Per le precipitazioni si possono usare millimetri, percentuali rispetto alla media o categorie percentile. Ogni scelta risponde a una domanda differente.
Le anomalie percentuali di precipitazione richiedono cautela. Se la pioggia media della baseline è quasi nulla, anche un piccolo accumulo produce una percentuale enorme. Inoltre, una media può descrivere male una variabile intermittente, asimmetrica e ricca di giorni senza pioggia. Per siccità e umidità del suolo si ricorre spesso a indici standardizzati o percentili che tengono conto della distribuzione e della durata.
Anche neve, ghiaccio marino, livello del mare e contenuto termico oceanico hanno unità, baseline e procedure specifiche. Non esiste quindi una singola “anomalia climatica” valida per ogni fenomeno: esiste una famiglia di scarti costruiti con regole esplicite.
Scala locale, regionale e globale
Una grande anomalia locale non può essere trasformata automaticamente in una conclusione globale. Il segnale dipende dalla scala. Una valle può essere molto più calda della propria media mentre una regione vicina presenta uno scarto debole; la media globale integra entrambe insieme a oceani e continenti.
Allo stesso modo, un’anomalia globale di +1 °C non significa che ogni luogo sia più caldo di esattamente un grado. Le terre emerse, gli oceani, le zone polari e le diverse stagioni rispondono in modo differente. Il valore globale è un indice aggregato dello stato del sistema, non una temperatura uniforme distribuita sul pianeta.
Incertezza: il margine che rende il dato più preciso
Ogni stima climatica possiede un’incertezza. Essa può derivare dagli strumenti, dalla copertura incompleta, dai dati mancanti, dalle correzioni, dalla grigliatura e dalle differenze metodologiche. Le baseline lontane nel tempo, come il 1850–1900, hanno copertura osservativa meno completa di quelle moderne e richiedono una valutazione più ampia dell’incertezza.
Un intervallo d’incertezza non significa che il valore sia arbitrario. Indica l’insieme plausibile entro cui si colloca la stima secondo dati e metodo. Quando più dataset indipendenti concordano sul segno, sull’ordine di grandezza e sulla tendenza, piccole differenze numeriche non indeboliscono il quadro generale: permettono di misurarne meglio i limiti.
Come leggere correttamente un dato di anomalia
Prima di interpretare un numero, occorre verificare almeno sei elementi:
- Variabile: temperatura, precipitazione, neve, ghiaccio, umidità o altro.
- Area: stazione, città, regione, continente, oceano o globo.
- Intervallo: giorno, mese, stagione, anno o media pluriennale.
- Baseline: per esempio 1991–2020 oppure 1850–1900.
- Dataset e metodo: osservazioni, rianalisi, ricostruzione o modello.
- Incertezza: intervallo dichiarato e principali fonti di errore.
Una formulazione completa non dice soltanto “anomalia di +1,2 °C”. Dice, per esempio: “anomalia della temperatura media annuale di una determinata area, rispetto al 1991–2020, calcolata con uno specifico dataset e accompagnata dal relativo intervallo d’incertezza”.
Fatti, interpretazioni e limiti
Fatti osservativi. Le anomalie sono scarti calcolati rispetto a una baseline; dataset climatici indipendenti producono serie coerenti del riscaldamento globale; controlli di qualità, omogeneizzazione e pesatura spaziale sono parti necessarie della costruzione del dato.
Interpretazione scientifica. Una sequenza persistente di anomalie, analizzata insieme a meccanismi fisici e indicatori indipendenti, contribuisce a identificare un cambiamento climatico. L’attribuzione delle cause richiede però un passaggio ulteriore: confronto fra osservazioni, forzanti, impronte fisiche e modelli.
Limiti. La precisione varia con regione, periodo, variabile e copertura. Le anomalie non eliminano la necessità di conoscere i valori assoluti quando contano soglie biologiche, sanitarie o infrastrutturali. Un organismo può subire stress a una temperatura assoluta critica anche se l’anomalia locale non è eccezionale.
Sintesi finale
L’anomalia climatica è una misura relativa costruita per rispondere a una domanda precisa: quanto un valore si discosta dalle condizioni medie di un riferimento dichiarato? La sua forza consiste nella confrontabilità. Permette di unire luoghi con climi differenti, ridurre alcuni problemi delle temperature assolute e descrivere variazioni regionali e globali con un linguaggio comune.
La sua apparente semplicità non deve nascondere il metodo. Dietro un singolo numero si trovano osservazioni, metadati, controlli, omogeneizzazione, climatologie, griglie, pesi e intervalli d’incertezza. Cambiare baseline cambia lo zero; non cancella il trend. Un’anomalia non è automaticamente un estremo e una singola anomalia non dimostra una causa.
Leggere correttamente il clima significa quindi chiedere sempre: anomalia di che cosa, dove, quando, rispetto a quale periodo, secondo quale dataset e con quale incertezza? Solo quando queste informazioni sono esplicite, lo scarto diventa conoscenza climatica verificabile.