Come funziona 27 inviernos

La metodologia, allo scoperto. Dietro ogni dato che vedi c’è una decisione e una fonte. Qui le raccontiamo tutte — anche quelle difficili.

I dati: Copernicus, aperti ed europei

Tutto parte da ERA5-Land, la rianalisi climatica del Copernicus Climate Change Service (C3S), gestita dall’ECMWF. Una rianalisi combina osservazioni reali (stazioni, satelliti, boe) con un modello fisico per ricostruire il clima ora per ora, in modo coerente in tutto il continente e dal 1950.

• Variabile: temperatura dell’aria a 2 m.
• Risoluzione: celle di ~9 × 9 km.
• Copertura: Europa (latitudine 35–72, longitudine −10 a 30), 1950–2025.

In pratica, scarichiamo le statistiche giornaliere di ERA5-Land tramite Google Earth Engine (collezione ECMWF/ERA5_LAND/DAILY_AGGR), che ridistribuisce lo stesso prodotto di ECMWF/Copernicus. È un modo efficiente per scaricare decenni di dati cella per cella su scala europea. La fonte e il metodo sono pubblici: la trasparenza parte da lì, e chiunque può verificare ciò che mostriamo.

La baseline: 1951–1980

Per sapere se un anno è “caldo” bisogna confrontarlo con una normalità. Usiamo il periodo 1951–1980 come riferimento — lo stesso della NASA (GISS). È una baseline precedente all’accelerazione del riscaldamento, quindi le anomalie che vedi misurano il cambiamento reale, non una normalità già riscaldata.

Anomalia = temperatura media dell’anno − media 1951–1980 della tua cella.

Le warming stripes

Ogni striscia è un anno. Il suo colore è l’anomalia: blu = più freddo della baseline, rosso = più caldo. È il linguaggio visivo di Ed Hawkins (2018), diventato virale per la sua chiarezza. Il nostro contributo è la cornice “io”: evidenziamo gli anni della tua vita perché la storia globale diventi personale.

Le tue quattro cifre

1. Aumento dalla tua nascita — differenza tra la media degli ultimi 10 anni e quella del tuo anno di nascita, nella tua cella.
2. Anni da record vissuti — anni, da quando sei nato, la cui media ha superato tutti i precedenti dal 1950.
3. Ondate di caldo insolito — vedi sotto.
4. Giorni di caldo estremo rispetto a tuo padre — giorni con massima > 30 °C che hai vissuto in più (o in meno) di chi è nato 30 anni prima, alla tua stessa età.

La scelta onesta: “ondate insolite”, non “ondate di calore”

È la parte che quasi nessuno racconta. Un’ondata di calore sembra semplice, ma definirla obbliga a scegliere una soglia. Abbiamo provato prima il 95° percentile della temperatura massima di tutto l’anno (1951–1980): il problema è che, con il riscaldamento, quasi tutta l’estate supera quella soglia → il conteggio esplode e perde senso (centinaia a persona).

La definizione che usiamo è lo standard scientifico (Perkins & Alexander, 2013; Russo et al., 2015): il 90° percentile della massima per ogni giorno dell’anno (finestra di ±15 giorni). Così misuriamo ciò che è insolitamente caldo per quella data.

Ma siamo andati oltre, per onestà: con quella soglia, un’ondata calda d’inverno conta anche. È corretto come indice scientifico di ondate calde, ma chiamarlo “ondata di calore” sarebbe fuorviante. Per questo lo chiamiamo “ondate di caldo insolito per il periodo dell’anno”: il nome dice esattamente ciò che misura.

Come elaboriamo i dati

Dietro una risposta istantanea c’è una pipeline che digerisce ~2 miliardi di righe (74.510 celle × 76 anni × 365 giorni) fino a tre tabelle compatte:

• una di baseline per cella, una serie annuale con anomalie e record, e una di eventi di ondate calde;
• elaborata con DuckDB (SQL a colonne) per la sua efficienza su larga scala, riproducibile e versionata;
• prima di pubblicare, un audit automatico verifica che il risultato riproduca fatti noti: la tendenza al riscaldamento, la concentrazione di record nei decenni recenti e le estati estreme del 2003 e 2022–2024.

Limiti: ciò che i dati non dicono

• Una rianalisi non è un’osservazione diretta: ha incertezza, maggiore dove ci sono poche stazioni.
• La cella di ~9 km è una media di area: la tua via può differire (effetto urbano, altitudine).
• Mostriamo temperatura, non impatti (salute, raccolti): sono segnali, non destino.
• Semplifichiamo di proposito perché si capisca; il dettaglio tecnico è nella nostra documentazione aperta.

Chi c’è dietro

27 inviernos è un progetto di cultural data: scienza dei dati rigorosa e trasparente per il settore pubblico e culturale europeo, a partire da progetti pratici come questo. Se ti interessa questo lavoro — dal dato aperto a un prodotto comprensibile — scrivici a hola@culture-data.org.

Fonti

• Copernicus Climate Change Service (C3S) / ECMWF — ERA5-Land, via Google Earth Engine (ECMWF/ERA5_LAND/DAILY_AGGR).
• Hawkins, E. (2018) — warming stripes.
• Perkins, S. E. & Alexander, L. V. (2013); Russo, S. et al. (2015) — definizione di ondate calde per giorno dell’anno.
• NASA GISS — periodo di riferimento 1951–1980.