Le temperature estreme nella Milano del 1800: 23 gennaio 1855 -17.2°C!

Didascalie foto in alto:  Milano nel 1840,  nella foto in basso la copertina dell’opera edita da Vallardi nel 1881

Rovistando qua e là ho trovato una bellissima opera in 3 volumi, “Mediolanum”, edita da Vallardi nel 1881. Contiene moltissimi dati statistici, demografici, storici e culturali relativi alla Milano ottocentesca, e alcuni sono veramente interessanti, anche visti alla luce delle solite polemiche sui mutamenti climatici.

Per esempio, c’è una accurata tabella che riporta le temperature minime e massime registrate negli anni dal 1838 al 1880. L’era industriale non era cominciata e l’area milanese era prevalentemente agricola, con attività manifatturiere molto meno inquinanti rispetto alle attuali produzioni industriali.

La luce elettrica è arrivata a Milano solo nel 1885, i trasporti pesanti avvenivano via Navigli o con carri trainati da cavalli, e la popolazione contava meno di 200.000 abitanti.

Eppure il 1° agosto 1864 il termometro ha segnato +38,1°C.

In 19 dei 43 anni presi in esame la temperatura massima ha superato i 35°C .

Non credo proprio che si potesse parlare allora di effetto serra!
In compenso il 23 gennaio 1855 i milanesi hanno “barbellato” (= tremato dal freddo) a causa di un bel -17,2°C! 

Il buon senso mi suggerisce che, se anche più di 150 anni fa le temperature estreme non erano rare, forse non siamo ancora sull’orlo della catastrofe.

Certo non bisogna per questo abbassare la guardia o sottovalutare i problemi ambientali, ma mi dà un certo conforto pensare che sicuramente qualcuno, passeggiando sotto la Galleria illuminata dai becchi a gas, avrà esclamato “Non esistono più le mezze stagioni!”.

 

 

 

Fonte

Segui i nostri aggiornamenti su Facebook e Twitter:

Follow Us on Facebook Follow Us on Twitter

www.la-meteo.it
la-meteo.it

Per le SUPER PREVISIONI nazionali confronto DOPPIO clicca qui
Per le SUPER PREVISIONI METEO in Italia confronto QUADRUPLO seleziona qui
Per le previsioni del tempo mondiali passa qui
Per le previsioni del tempo europee clicca qui
Per le previsioni del tempo in Italia seleziona qui
Per le previsioni del tempo della tua regione passa qui
Per le previsioni meteo in TV clicca qua
Per le previsioni meteo sui mari clicca qui
Per l’altezza della neve clicca qua

www.la-meteo.it
la-meteo.it

Ti potrebbero interessare anche:

 

La meteorologia è una branca delle scienze atmosferiche che comprende la chimica atmosferica e la fisica dell’atmosfera, con una main focus sulla previsione di weather . Lo studio della meteorologia risale a millenni, sebbene il progresso della meteorologia non sia accaduto per il 18 ° secolo. Il 19 ° secolo ha visto modesti progressi nel campo after weather network di osservazione sono stati formati in vaste regioni. I precedenti tentativi di previsione di weather dipendevano dallo storico data . Non era until after la delucidazione delle leggi della fisica e molto più especially , il sviluppo del personal computer , permettendo per la risoluzione automatizzata di great {many | numerose | molte | molte • equazioni che modellano il [wpts_spin]clima , nella seconda metà del 20 ° secolo che significative scoperte in meteo previsioni erano compiuto .
I fenomeni meteorologici sono eventi osservabili climatici che sono spiegati dalla scienza della meteorologia. I fenomeni meteorologici sono descritti e quantificati dalle variabili dell’atmosfera terrestre: temperatura, aria pressione , vapore acqueo, flusso di massa, e le variazioni e le interazioni di queste variabili, e il modo in cui cambiano | alterare | modificare | regola} [/wpts_spin] oltre tempo. Different scale spaziali sono utilizzati per descrivere e prevedere meteo su quartiere , regionale e internazionale livelli.
Meteorologia, climatologia, fisica dell’atmosfera e chimica dell’atmosfera sono sotto-discipline delle scienze atmosferiche. La meteorologia e l’idrologia compongono il campo interdisciplinare dell’idrometeorologia. Le interazioni tra l’atmosfera terrestre e i suoi oceani sono porzione di una tecnica oceano-atmosfera accoppiata metodo . La meteorologia ha applicazioni in {molti | numerosi | molti | molti campi diversi come l’esercito, la produzione, il trasporto, l’agricoltura e la costruzione.
La previsione numerica [wpts_spin] clima (NWP) fa uso di modelli matematici dell’atmosfera e degli oceani per predire il clima basato principalmente su presente clima condizioni . Anche se very first tentò negli anni ’20, non fu till l’avvento della simulazione personal computer negli anni ’50 che numerica meteo previsioni reso realistico risultati . Un numero di worldwide e i modelli di previsione regionali vengono eseguiti in distinct nations in tutto il mondo, using use current clima osservazioni trasmesse da radiosondes, meteo satelliti e altri sistemi di osservazione come input. I modelli matematici basati primariamente sugli stessi principi fisici stessi possono essere utilizzati per generare sia veloce -termine meteo previsioni o previsioni climatiche a lungo termine; questi ultimi sono ampiamente applicati per comprendere e proiettare il clima (cambiare | alterare | modificare | aggiustare). I miglioramenti made ai modelli regionali hanno permesso per importanti miglioramenti nelle previsioni di track e air good quality tropicali; tuttavia, tuttavia, i modelli atmosferici eseguo in modo insoddisfacente nei processi di gestione che succede in una zona relativamente ristretta area , come gli incendi. Manipolare i vasti set di dati ed eseguire i calcoli complessi necessario a contemporaneo previsione numerica clima richiede alcuni di i più potenti [potenti | efficaci | forti} [/wpts_spin] supercomputer nel world } [/wpts_spin]. Anche con la crescita (crescente | crescente | crescente | energia dei supercomputer, la previsione abilità dei modelli numerici clima si estende a circa sei giorni. Aspetti che influenzano l’accuratezza delle previsioni numeriche consistono di la densità e qualità di osservazioni utilizzato come input per le previsioni, insieme a carenze nei modelli numerici stessi. Le tecniche di post-elaborazione strategie come la MOS (model output statistics) sono state sviluppato per aumentare la gestione degli errori nelle previsioni numeriche. Un molto più fondamentale difficoltà si trova nella natura caotica delle equazioni differenziali parziali che governano l’atmosfera. È impossibile a risolvere queste equazioni specificamente , e modesto errori sviluppare con il tempo (raddoppiando su each cinque giorni). La comprensione attuale è che questo comportamento caotico limita le previsioni corrette a circa 14 giorni anche con perfettamente preciso input informazioni e un modello perfetto. Inoltre, le equazioni differenziali parziali utilizzate nel modello richiesta devono essere integrate con parametrizzazioni per radiazione solare, processi umidi (nubi e precipitazioni), scambio termico, suolo, vegetazione, acque superficiali e gli effetti del terreno. In un sforzo per quantificare il enorme importo di incertezza intrinseca che rimane nelle previsioni numeriche, le previsioni di insieme sono state utilizzate perché gli anni ’90 di aid misurano la sicurezza di sé nella previsione, e di acquisire utile risultati più lontano nel futuro che altrimenti raggiungibile . Questo approccio analizza multiple previsioni create con un modello di previsione individual o several Modelli.Nel 1963, Edward Lorenz scoprì la natura caotica delle equazioni di fluidodinamica coinvolte nella previsione di meteorologia. Realmente piccoli errori di temperatura, venti o altri input iniziali dati a modelli numerici amplificheranno e raddoppieranno ogni singolo cinque giorni, generazione it impossibile per extended – varietà previsioni – quelle create molto di più di due settimane prima – per prevedere lo stato dell’atmosfera con qualsiasi grado di previsione abilità . Inoltre , le current reti di osservazione hanno una scarsa copertura in alcune regioni, che introduce l’incertezza nello stato iniziale true dell’atmosfera. Edward Epstein riconobbe nel 1969 che l’atmosfera non poteva essere completamente descritta completamente con una singola esecuzione di previsione a causa dell’incertezza intrinseca, e propose facendo uso di un insieme di stocastico Monte Carlo le simulazioni per generare e le variazioni per lo stato dell’atmosfera. Dagli anni ’90, le previsioni di ensemble sono state utilizzate (come previsioni di routine) per tenere conto della natura stocastica dei processi meteo – cioè, per risolvere la loro incertezza intrinseca. Questo strategia {coinvolge | richiede | include | analizza [wpts_spin] numerose previsioni sviluppato con un modello di previsione persona da occupando diverse parametrizzazioni fisiche o variando le condizioni iniziali | condizioni | circostanze |} [/wpts_spin]. Starting nel 1992 con le previsioni dell’insieme pronto dal Centro europeo per le previsioni di Medium- Variety Weather (ECMWF) e National Prediction Environmental Prediction, le previsioni di ensemble modello sono state usato a support definisce l’incertezza di previsione e estende la finestra in cui la previsione numerica clima è praticabile più lontano nel futuro di quanto altrimenti raggiungibili. Il modello ECMWF, la teoria dell’ensemble Technique , utilizes vettori singolari per simulare la densità di probabilità iniziale, while l’ensemble NCEP, il Global Ensemble Forecasting Technique , uses a strategia noto come riproduzione vettoriale. In un singolo modello- basato metodo , la previsione di insieme è generalmente valutata in termini di media delle previsioni di individuo regard one variabile di previsione, come effective come il grado di accordo between many previsioni dentro l’ensemble system , come rappresentato dal loro spread all round . L’ensemble spread viene diagnosticato via strumenti come i diagrammi di spaghetti, che mostrano la dispersione della quantità {one | 1 | a single | one in particolare sui grafici prognostici per [wpts_spin] determinati time measures in futuro. Un altro strumento esattamente dove spreads ensemble è utilizzato è un meteogramma, che mostra la dispersione nella previsione di un particolare quantità per one certain place . È comune per l’insieme diffuso da anche piccolo a incorpora il clima che veramente accade , che può portare a previsioni sbagliate sulla diagnosi dell’incertezza del modello. Nello stesso molto stesso modo che molti di previsioni da un singolo modello può essere utilizzato a tipo un insieme, many modelli may potrebbe anche essere combinato a generate a una previsione di insieme. Questo strategia è noto come previsione di ensemble multi-modello, ed è stato dimostrato che migliorare previsioni rispetto a un singolo modello- basato principalmente strategia . I modelli inside di un ensemble multi-modello possono essere regolati

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

*