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 DEL TEMPO italiane confronto DOPPIO clicca qua
Per le SUPER PREVISIONI METEO in Italia confronto QUADRUPLO clicca qui
Per le previsioni del tempo globali clicca qua
Per le previsioni d’Europa clicca qui
Per le previsioni meteo in Italia passa qui
Per le previsioni del tempo della tua regione passa qui
Per le previsioni meteo televisive passa qui
Per le previsioni meteo sui mari clicca qua
Per l’altezza della neve passa qui

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 significant focus sulla previsione di climate . 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 following climate network di osservazione sono stati formati in vaste regioni. I precedenti tentativi di previsione di weather dipendevano dallo storico information . Non era till right after la delucidazione delle leggi della fisica e molto più specificamente , il miglioramento del pc , permettendo per la soluzione automatizzata di fantastic {many | numerose | molte | molte • equazioni che modellano il [wpts_spin] clima , nella seconda metà del 20 ° secolo che importanti scoperte in clima previsioni erano raggiunto .
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 stress , 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] più di tempo. Diverse 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 elemento di una tecnica oceano-atmosfera accoppiata . 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]meteo (NWP) usa modelli matematici dell’atmosfera e degli oceani per predire il clima basato su presente tempo circostanze . Anche se first tentò negli anni ’20, non fu until l’avvento della simulazione computer negli anni ’50 che numerica clima previsioni reso realistico risultati finali . Un quantità di international e i modelli di previsione regionali vengono eseguiti in different countries in tutto il mondo, using esistente clima osservazioni trasmesse da radiosondes, clima satelliti e altri sistemi di osservazione come input. I modelli matematici basati sugli stessi principi fisici identici possono essere impiegati per creare sia breve -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 created ai modelli regionali hanno allowed per considerevoli miglioramenti nelle previsioni di track e air quality tropicali; tuttavia, tuttavia, i modelli atmosferici esegui in modo insoddisfacente nei processi di gestione che succede in una zona ragionevolmente ristretta area , come gli incendi. Manipolare i vasti set di dati ed eseguire i calcoli complessi necessario a contemporaneo previsione numerica meteo richiede alcuni di i più potenti [potenti | efficaci | forti} [/wpts_spin] supercomputer nel planet } [/wpts_spin]. Anche con la crescita (crescente | crescente | crescente | energia dei supercomputer, la previsione abilità dei modelli numerici meteo si estende a circa sei giorni. Elementi che influenzano l’accuratezza delle previsioni numeriche contenere la densità e buona qualità di osservazioni utilizzato come input per le previsioni, insieme a carenze nei modelli numerici stessi. Le tecniche di post-elaborazione tecniche come la MOS (model output statistics) sono state creato per aumentare la gestione degli errori nelle previsioni numeriche. Un molto più base difficoltà si trova nella natura caotica delle equazioni differenziali parziali che governano l’atmosfera. È non possibile a risolvere queste equazioni esattamente , e piccolo errori crescere con il tempo (raddoppiando su each 5 giorni). La comprensione attuale è che questo comportamento caotico limita le previsioni accurate a circa 14 giorni anche con completamente preciso input informazioni e un modello perfetto. Inoltre, le equazioni differenziali parziali utilizzate nel modello bisogno 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 quantità di incertezza intrinseca che rimane nelle previsioni numeriche, le previsioni di insieme sono state utilizzate perché gli anni ’90 di help misurano la fiducia nella previsione, e di acquisire utile benefici più lontano nel futuro che altrimenti realizzabile . Questo approccio analizza un numero di previsioni developed con un modello di previsione individual o multiple Modelli.Nel 1963, Edward Lorenz scoprì la natura caotica delle equazioni di fluidodinamica coinvolte nella previsione di meteorologia. Realmente modesti errori di temperatura, venti o altri input iniziali dati a modelli numerici amplificheranno e raddoppieranno ciascuno cinque giorni, creazione it impossibile per long – varietà previsioni – quelle made 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 correct 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 utilizzando un insieme di stocastico Monte Carlo le simulazioni per creare indica 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 clima – cioè, per risolvere la loro incertezza intrinseca. Questo metodo {coinvolge | richiede | include | analizza [wpts_spin]multiple previsioni creato con un modello di previsione individuale da occupando diverse parametrizzazioni fisiche o variando le condizioni iniziali | condizioni | circostanze |} [/wpts_spin]. Beginning nel 1992 con le previsioni dell’insieme pronto dal Centro europeo per le previsioni di Medium- Variety Clima (ECMWF) e National Prediction Environmental Prediction, le previsioni di ensemble modello sono state utilizzato a aid definisce l’incertezza di previsione e estende la finestra in cui la previsione numerica meteo è praticabile più lontano nel futuro di quanto altrimenti fattibile raggiungibili. Il modello ECMWF, la teoria dell’ensemble System , utilizes vettori singolari per simulare la densità di probabilità iniziale, while l’ensemble NCEP, il Worldwide Ensemble Forecasting Method , fa uso di a strategia identificato come riproduzione vettoriale. In un singolo modello- primariamente basato strategia , la previsione di insieme è generalmente valutata in termini di tipica delle previsioni di persona concernendo 1 variabile di previsione, come effective come il grado di accordo among various previsioni dentro l’ensemble program , come rappresentato dal loro spread general . 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 steps in futuro. Un altro strumento esattamente dove spreads ensemble è usato è un meteogramma, che mostra la dispersione nella previsione di 1 quantità per one particular certain place . È diffuso per l’insieme diffuso da anche piccolo a contiene il clima che veramente si verifica , che può portare a previsioni sbagliate sulla diagnosi dell’incertezza del modello. Nello stesso identico modo che molti di previsioni da un singolo modello può essere usato a tipo un insieme, many modelli might potrebbe anche essere combinato a generate a una previsione di insieme. Questo metodo è noto come previsione di ensemble multi-modello, ed è stato dimostrato che migliorare previsioni rispetto a un singolo modello- basato approccio . 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 *

*