fbpx Polvere e modelli climatici | Page 7 | Scienza in rete

Polvere e modelli climatici

Read time: 2 mins

Gli attuali modelli climatici potrebbero aver sottostimato anche di otto volte l'effettiva quantità delle silt, le polveri a grana più grossa disperse in atmosfera dalle tempeste di polvere dei deserti.
E' quanto emerge dallo studio di Jasper F. Kok (National Center for Atmospheric Research – Boulder, Colorado) pubblicato a fine anno su PNAS. La conclusione di Kok si basa sulla sua analisi della frammentazione dei grani di polvere trasportati dal vento, una frantumazione che sarebbe del tutto simile a quella che avviene con materiali fragili come il vetro.
Da tempo gli studiosi del suolo sanno che la polvere possiede comportamenti identici a quelli dei materiali fragili e dal canto loro i fisici dispongono di una efficace descrizione della frantumazione di questi materiali. Kok ha messo assieme le due idee giungendo alla conclusione che nel corso di una tempesta di sabbia vengono prodotte frazioni sostanzialmente identiche di particelle piccole, medie e grandi. Le analisi delle polveri raccolte nel bel mezzo di sei tempeste di sabbia in differenti parti del globo gli danno ragione.
Gran parte dei modelli climatici si basano anche sulle rilevazioni di satelliti che misurano la quantità di particelle sospese in atmosfera, ma a queste rilevazioni sfuggono le particelle più grandi. Secondo Kok le tempeste di polvere producono da due a otto volte più silt di quanto finora ritenuto dai climatologi e di questa presenza i modelli dovrebbero opportunamente tenerne conto. E' vero che queste particelle sono le prime a precipitare al suolo, ma non si può certo trascurare il loro ruolo, soprattutto nei modelli matematici impiegati per le previsioni meteorologiche a breve termine nelle regioni più polverose del pianeta.

Wired

Autori: 
Sezioni: 
Free tag: 
Indice: 
Clima

prossimo articolo

Citazioni, h-index e highly cited: perché Clarivate, Scopus e Google Scholar non raccontano la stessa storia

disegno di metro su sfondo con neon

Tre database, tre misure diverse dello stesso fenomeno. Capire le differenze non è un dettaglio tecnico: è il presupposto per usare le metriche senza esserne ingannati.

Immaginate un ricercatore che deve comunicare il proprio h-index in una domanda di finanziamento. Apre Web of Science: il numero è, diciamo, 31. Apre Scopus: 38. Apre Google Scholar: 47. Tre piattaforme, tre numeri, nessuna contraddizione interna a ciascuna — eppure nessuna convergenza tra loro. Quale valore è quello “giusto”? La domanda è mal posta, e il disagio che genera è il punto di partenza di questo articolo.