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 METEO nazionali confronto DOPPIO passa qui
Per le SUPER PREVISIONI METEO nazionali confronto QUADRUPLO clicca qui
Per le previsioni del tempo globali passa qui
Per le previsioni d’Europa clicca qua
Per le previsioni in Italia passa qui
Per le previsioni del tempo regionali seleziona qui
Per le previsioni in TV clicca qui
Per le previsioni del tempo del moto ondoso passa 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 major 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 weather network di osservazione sono stati formati in vaste regioni. I precedenti tentativi di previsione di climate dipendevano dallo storico information. Non era until following la delucidazione delle leggi della fisica e more specificamente, il miglioramento 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 clima previsioni state 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. Distinct scale spaziali sono impiegati 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 sistema . 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) usa modelli matematici dell’atmosfera e degli oceani per predire il clima basato principalmente su esistente tempo condizioni . Anche se 1st tentò negli anni ’20, non fu until l’avvento della simulazione computer negli anni ’50 che numerica meteo previsioni creato realistico risultati finali . Un quantità di global e i modelli di previsione regionali vengono eseguiti in different countries in tutto il mondo, using current meteo osservazioni trasmesse da radiosondes, meteo satelliti e altri sistemi di osservazione come input. I modelli matematici basati primariamente sugli stessi principi fisici molto simili possono essere impiegati per produrre sia breve -termine clima 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 allowed per significativi miglioramenti nelle previsioni di track e air high quality tropicali; tuttavia, tuttavia, i modelli atmosferici esegui in modo insoddisfacente nei processi di gestione che si verificano in una zona relativamente ristretta posizione, come gli incendi. Manipolare i vasti set di dati ed eseguire i calcoli complessi essenziale a giorno moderno previsione numerica meteo 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. Elementi che influenzano l’accuratezza delle previsioni numeriche consistono di la densità e alta qualità di osservazioni impiegato come input per le previsioni, insieme a carenze nei modelli numerici stessi. Le tecniche di post-elaborazione metodi come la MOS (model output statistics) sono state sviluppato per migliorare la gestione degli errori nelle previsioni numeriche. Un molto più fondamentale problema si trova nella natura caotica delle equazioni differenziali parziali che governano l’atmosfera. È impossibile a risolvere queste equazioni precisamente , e piccolo errori crescere 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 completamente corretto input dati 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 grande quantità di incertezza intrinseca che rimane nelle previsioni numeriche, le previsioni di insieme sono state utilizzate considerando che gli anni ’90 di support misurano la fiducia nella previsione, e di ricevere utile benefici più lontano nel futuro che altrimenti raggiungibile. Questo metodo analizza multiple previsioni designed con un modello di previsione person o several 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 offerti a modelli numerici amplificheranno e raddoppieranno ogni singolo cinque giorni, generazione it non possibile 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 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 meteo – cioè, per risolvere la loro incertezza intrinseca. Questo tecnica {coinvolge | richiede | include | analizza [wpts_spin]multiple previsioni progettato con un modello di previsione persona da usando varie 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- Range Weather (ECMWF) e National Prediction Environmental Prediction, le previsioni di ensemble modello sono state utilizzato a help 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 Program , uses vettori singolari per simulare la densità di probabilità iniziale, while l’ensemble NCEP, il International Ensemble Forecasting Technique, utilizes a approccio identificato come riproduzione vettoriale. In un singolo modello- basato metodo , la previsione di insieme è normalmente valutata in termini di media delle previsioni di persona concernendo one variabile di previsione, come effective come il grado di accordo between many previsioni dentro l’ensemble system , 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 measures in futuro. Un altro strumento esattamente dove spreads ensemble è utilizzato è un meteogramma, che mostra la dispersione nella previsione di 1 quantità per 1 specifico place. È comune per l’insieme diffuso da pure modesto a consistono il clima che in realtà si verifica , che può portare a previsioni sbagliate sulla diagnosi dell’incertezza del modello. Nello stesso stesso modo che numerosi previsioni da un singolo modello può essere usato a tipo un insieme, many modelli might potrebbe anche essere combinato a make a una previsione di insieme. Questo strategia è noto come previsione di ensemble multi-modello, ed è stato dimostrato che aumenta previsioni rispetto a un singolo modello- basato principalmente 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 *

*