Ellie Broadman¹, Kai Kornhuber²,³, Isabel Dorado-Liñán⁴, Guobao Xu⁵, e Valérie Trouet¹ ¹Laboratorio di Ricerca sugli Anelli degli Alberi, Università dell’Arizona, Tucson, AZ, USA, ²Istituto Internazionale per l’Analisi dei Sistemi Applicati, IIASA, Laxenburg, Austria, ³Osservatorio Lamont Doherty, Università di Columbia, New York, NY, USA, ⁴Dipartimento di Sistemi e Risorse Naturali, Università Politecnica di Madrid, Madrid, Spagna, ⁵Laboratorio Chiave di Shaanxi per il Sistema della Superficie Terrestre e la Capacità di Carico Ambientale, Facoltà di Scienze Urbane e Ambientali, Università del Nordovest, Xi’an, Cina

Il getto in corrente (jet stream) è una fascia di venti forti e concentrati nell’alta atmosfera, tipicamente tra i 10 e i 15 chilometri di altitudine, che si muove prevalentemente da ovest verso est. Questo fenomeno atmosferico è guidato dal gradiente termico tra l’equatore e i poli, influenzato dalla rotazione terrestre (effetto Coriolis), e gioca un ruolo cruciale nel dirigere i sistemi meteorologici globali. Immaginalo come un “fiume d’aria” che trasporta masse d’aria calda o fredda, determinando pattern di precipitazioni, temperature e eventi estremi. Nel contesto dello studio di Broadman et al. (2025), pubblicato su AGU Advances, si concentra su una specifica configurazione del getto nota come “pattern wave5” (o wavenumber-5), dove il getto forma cinque alternanze di creste (ridges) e depressioni (troughs) intorno all’Emisfero Settentrionale.

Queste onde sono parte delle cosiddette onde di Rossby, oscillazioni planetarie su larga scala che derivano dalle differenze di temperatura e pressione atmosferica. Scientificamente, le onde di Rossby sono descritte dalla teoria delle onde geostrofiche, dove la lunghezza d’onda è determinata dal numero di wavenumber (k), con k=5 che indica cinque cicli completi intorno al globo. Quando il pattern wave5 diventa persistente, specialmente nei mesi di maggio, giugno e luglio (primi mesi estivi), può “bloccare” i sistemi meteorologici, causando estremi climatici composti e spazialmente correlati. Ad esempio, alcune regioni potrebbero subire ondate di calore e siccità prolungate a causa di anticicloni stazionari (aree di alta pressione), mentre altre, come il Nordovest del Canada o la Spagna, potrebbero sperimentare condizioni insolitamente umide dovute a depressioni persistenti.

Lo studio utilizza un indice denominato “wave5-PC” (basato sull’analisi delle componenti principali, o PCA, dei campi di geopotenziale a 200 hPa, che misurano l’altezza della superficie di pressione atmosferica), per quantificare quante settimane durante il periodo estivo il pattern wave5 è attivo e correlato a estremi. Questo indice è derivato da dati di reanalisi climatica (come ERA5) dal 1948 al 2018, e correlato con l’Indice di Gravità della Siccità di Palmer (PDSI), che integra precipitazioni, temperature e umidità del suolo per misurare le anomalie di siccità.

Un aspetto chiave è l’influenza dell’El Niño-Southern Oscillation (ENSO), un’oscillazione climatica periodica che coinvolge variazioni delle temperature superficiali del mare (SST) nel Pacifico tropicale orientale e centrale. L’ENSO ha fasi opposte: El Niño (SST più calde, che indeboliscono gli alisei e alterano la circolazione atmosferica globale) e La Niña (SST più fredde, che rafforzano gli alisei e favoriscono convezione sull’Indonesia). Lo studio rivela una connessione significativa: gli inverni dominati da La Niña spesso precedono estati con un’alta occorrenza del pattern wave5, aumentando il rischio di estremi composti. Questo legame è supportato da analisi statistiche su secoli di dati, esemplificato dall’inverno La Niña 2022-2023, seguito da ondate di calore wave5-guidate nel luglio 2023. Meccanicamente, La Niña può influenzare la teleconnessione atmosferica, alterando il gradiente termico polare-equatoriale e favorendo l’amplificazione delle onde di Rossby.

Per estendere la prospettiva oltre i record strumentali (limitati a circa 70 anni), gli autori impiegano ricostruzioni basate sugli anelli degli alberi (dendrocronologia). Gli anelli annuali degli alberi registrano le condizioni climatiche passate: anelli larghi indicano anni umidi e caldi, mentre anelli stretti segnalano siccità o freddo. Utilizzando campioni da migliaia di alberi in tre regioni chiave (identificate tramite correlazioni con il wave5-PC, contrassegnate da riquadri rossi nelle figure dello studio), gli autori applicano regressioni lineari multiple per ricostruire l’indice wave5-PC dal 1000 d.C. al presente. Questa ricostruzione millenaria mostra variazioni decadali nella frequenza del pattern wave5, ma nessuna tendenza significativa a lungo termine, suggerendo che le fluttuazioni sono naturali e non necessariamente amplificate dal riscaldamento antropogenico fino ad ora.

Tuttavia, le implicazioni future sono critiche. Con il riscaldamento globale, l’Artico si scalda più rapidamente (amplificazione artica), potenzialmente riducendo il gradiente termico che sostiene il getto, rendendolo più ondulato e persistente. Se il Pacifico tropicale tende verso condizioni più La Niña-like (come suggerito da alcuni modelli CMIP6), ciò potrebbe esacerbare gli estremi wave5-guidati. Lo studio fornisce una baseline storica per confrontare cambiamenti futuri, migliorando la prevedibilità stagionale (ad esempio, usando previsioni ENSO per anticipare rischi estivi) e informando strategie di adattamento a eventi come ondate di calore simultanee in Europa, Asia e Nord America.

In sintesi, questa ricerca integra paleoclimatologia, modellistica atmosferica e analisi statistica per svelare dinamiche complesse, enfatizzando come pattern atmosferici persistenti, influenzati da oscillazioni oceaniche, possano amplificare rischi climatici in un mondo in riscaldamento. Per approfondimenti, si raccomanda di consultare il paper originale su AGU Advances.

1. Introduzione

Mentre la superficie terrestre si riscalda a causa di forzanti antropogeniche, gli estremi climatici composti – definiti come eventi multipli o concomitanti di natura meteorologica o climatica che amplificano i loro impatti cumulativi – stanno aumentando in frequenza e intensità (AghaKouchak et al., 2020). Tra questi, le ondate di calore e le siccità estive simultanee nell’Emisfero Settentrionale rappresentano una minaccia particolarmente grave per gli ecosistemi e i sistemi socioeconomici umani. Tali eventi possono perturbare simultaneamente diverse regioni agricole chiave, compromettendo la produzione di colture su scala globale (Gaupp et al., 2020; Kornhuber et al., 2023; Rogers et al., 2022; Sarhadi et al., 2020), con conseguenti carenze alimentari mondiali (Puma et al., 2014; d’Amour et al., 2016) e fluttuazioni significative nei prezzi dei beni alimentari. Più ampiamente, il calore estremo accelera la propagazione di incendi boschivi attraverso meccanismi di essiccazione del combustibile vegetale (Nojarov & Nikolova, 2022), riduce le riserve di carbonio negli ecosistemi terrestri e acquatici mediante processi di decomposizione accelerata e rilascio di CO₂ (Arias-Ortiz et al., 2018), impatta negativamente sulla salute umana aumentando il rischio di colpi di calore, disidratazione e aggravamento di patologie cardiovascolari e respiratorie (Chen et al., 2024; Florido et al., 2021), e perturba i sistemi socioeconomici attraverso perdite di produttività lavorativa, interruzioni delle catene di approvvigionamento e costi sanitari elevati (Zhou et al., 2024). Inoltre, questi estremi contribuiscono a migrazioni forzate legate al clima, esacerbando vulnerabilità sociali in aree già svantaggiate (Nawrotzki et al., 2016). Un esempio emblematico è rappresentato dalle ondate di calore record simultanee del luglio 2023 in Cina, nel sud-ovest degli Stati Uniti e nell’Europa meridionale, che hanno causato migliaia di decessi legati al calore, fallimenti dei raccolti e danni economici stimati in miliardi di dollari, evidenziando la vulnerabilità crescente in un contesto di riscaldamento globale (World Weather Attribution, 2023). Dato che gli estremi climatici spazialmente composti sono modulati sia dal riscaldamento antropogenico – che altera i gradienti termici e l’umidità atmosferica – sia dalla dinamica atmosferica su larga scala (Rogers et al., 2022), vi è un interesse crescente nel comprendere le variazioni nei driver dinamici di questi eventi (Goddard & Gershunov, 2020; Kornhuber et al., 2020; Wei et al., 2021), mentre la temperatura media globale continua a innalzarsi secondo proiezioni modellistiche (IPCC, 2022; Vautard et al., 2023).

Un driver dinamico fondamentale degli estremi climatici terrestri nell’Emisfero Settentrionale è il getto polare (polar jet stream), un flusso di venti ad alta quota (tipicamente tra 200 e 300 hPa) che circonda il polo nord, guidato dal gradiente meridionale di temperatura e dall’effetto Coriolis (Screen & Simmonds, 2014). I venti del getto variano in risposta alle fluttuazioni di temperatura e pressione superficiali: si intensificano e contraggono in un anello più stretto quando i gradienti latitudinali di temperatura e pressione sono pronunciati, favorendo una circolazione zonale dominante; al contrario, possono decelerare in presenza di gradienti termici attenuati (Chemke & Coumou, 2024) e assumere configurazioni più meandriche con contrasti termici terra-oceano accentuati (Moon et al., 2022). Queste alterazioni nella posizione, velocità e ampiezza del getto influenzano il clima terrestre modificando i pattern spaziali e temporali dei sistemi di alta e bassa pressione, nonché la loro organizzazione emisferica (Brunner et al., 2018; Dong et al., 2013). Tali anomalie di pressione superficiale possono generare eventi climatici estremi persistenti e simultanei, quali ondate di calore prolungate dovute a subsidenza adiabatica sotto anticicloni, inondazioni associate a convergenza umida in depressioni, e incendi favoriti da condizioni secche e ventose, specialmente in presenza di blocchi atmosferici che stabilizzano creste (ridges) e depressioni (troughs) di alta ampiezza intorno all’Emisfero Settentrionale (Kornhuber et al., 2019, 2020; Röthlisberger et al., 2016; Rousi et al., 2022; Scholten et al., 2022; Wahl et al., 2019; Xu et al., 2024).

Un dibattito centrale nella climatologia contemporanea concerne l’evoluzione dell’ondulazione (waviness) del getto polare sotto forcing antropogenico. Alcune ricerche ipotizzano un aumento dell’ondulazione dovuto all’amplificazione artica – il riscaldamento differenziale più rapido dell’Artico rispetto alle latitudini medie, che riduce il gradiente termico polare-equatoriale e favorisce onde di Rossby più ampie e persistenti (Coumou et al., 2015; Francis & Vavrus, 2015; Mann et al., 2017; Trouet et al., 2018). Altre suggeriscono una migrazione poleward del getto, con un’espansione subtropicale delle celle di Hadley (Hallam et al., 2022; Osman et al., 2021), mentre ulteriori studi non rilevano cambiamenti statisticamente significativi, attribuendo le variazioni osservate alla variabilità interna del sistema climatico (Barnes & Screen, 2015; Blackport & Screen, 2020; Brönnimann et al., 2025; Kornhuber et al., 2020; Woollings & Blackburn, 2012). Rimane inoltre incerto il ruolo delle modalità di variabilità oceanico-atmosferiche, come l’El Niño-Southern Oscillation (ENSO), nell’interagire con l’ondulazione del getto, specialmente in un regime di riscaldamento globale che potrebbe alterare la frequenza e l’intensità delle fasi ENSO (Cohen, 2016; Di Capua et al., 2021; Wang et al., 2021). Per esempio, le ondate di calore composte del luglio 2023 sono state modulate da un getto stazionario e ondulato (World Meteorological Organization, 2023), potenzialmente intensificato da un evento El Niño in fase di sviluppo nel Pacifico tropicale, che ha alterato la convezione e le teleconnessioni extratropicali (NOAA Climate Prediction Center, 2023). L’analisi di queste interazioni contribuisce al dibattito sui meccanismi di forcing dell’ondulazione del getto in condizioni antropogeniche (Wang et al., 2020; Woollings et al., 2023) e illumina potenziali feedback tra il clima tropicale – dominato da processi convettivi – e la circolazione extratropicale, inclusi pattern di teleconnessione come la Pacific North American (PNA) o la North Atlantic Oscillation (NAO) (Alfaro-Sánchez, 2018).

Per quantificare l’ondulazione del getto, è essenziale considerare la dinamica delle onde planetarie, o onde di Rossby, oscillazioni geostrofiche su scala sinottica e planetaria derivate dalla conservazione della vorticità potenziale (Madden, 2007). Una metrica chiave è il numero d’onda zonale (zonal wavenumber), che definisce il numero di cicli ondulatori in una onda di Rossby che circonda l’Emisfero Settentrionale, formando teleconnessioni circumglobali (Blackmon & White, 1982; Ding & Wang, 2005). Pattern specifici di numero d’onda sono associati a catene di blocchi atmosferici che amplificano estremi estivi composti nelle decadi recenti (ad es., Di Capua et al., 2021; Wicker et al., 2024). In particolare, i numeri d’onda 5 (wave5) e 7 (wave7) sono correlati a ondate di calore, siccità e inondazioni emisferiche attraverso la stabilizzazione di anomalie di geopotenziale (Di Capua et al., 2021; Kornhuber et al., 2020), sebbene anche altri numeri d’onda sinottici contribuiscano (Screen & Simmonds, 2014; Yang et al., 2024). Questi numeri d’onda corrispondono al conteggio di sistemi anticiclonici e ciclonici alle medie latitudini, spesso associati a eventi meteorologici persistenti ed estremi sulla superficie, dove l’onda tende a “bloccarsi” (phase locking), intrappolando sistemi di pressione per periodi prolungati (White et al., 2022).

Rispetto ad altri numeri d’onda di Rossby, il pattern wave5 rappresenta una componente robusta della variabilità climatica interna, con impatti sugli estremi ben documentati. Ad esempio, wave5 genera un pattern di teleconnessione ricorrente simile alla Circumglobal Teleconnection (CGT) estiva, con centri d’azione che influenzano anomalie climatiche in Nord America, Europa e Asia (Ding & Wang, 2005). Questo è supportato da evidenze di estremi recenti guidati da wave5 (Tabelle S1 e S2; Figura S1 nel Materiale Supplementare S1) (Chang & Wallace, 1987; Di Capua et al., 2021; Grams et al., 2014; Kornhuber et al., 2020; Ulbrich et al., 2003; Zhang et al., 2015). Teleconnessioni tra CGT e ENSO sono state identificate, suggerendo interazioni tra wave5 e modalità oceanico-atmosferiche (Ding & Wang, 2005).

Per esaminare la dinamica dei numeri d’onda del getto e la loro risposta al riscaldamento antropogenico, è imperativa una prospettiva paleoclimatica a lungo termine, che fornisca baseline sulle condizioni pre-industriali, dato che i record strumentali sono limitati al periodo post-1850 e le variabili dinamiche atmosferiche esibiscono elevato rumore (variabilità stocastica). A questo scopo, presentiamo una ricostruzione innovativa su scala millenaria (1000–2005 d.C.) dell’ondulazione del getto mediante un framework basato su numeri d’onda di Rossby, focalizzandoci sulla frequenza dei pattern wave5 nei primi mesi estivi (maggio–giugno–luglio) che inducono onde stazionarie e estremi composti. Analizziamo inoltre la relazione tra questa frequenza wave5 e l’ENSO, una delle principali modalità di variabilità interannuale che influenza eventi estremi globali attraverso teleconnessioni (Rifai et al., 2019). I risultati sottolineano il legame tra temperature superficiali marine tropicali e circolazione extratropicale, potenzialmente migliorando la prevedibilità sub-stagionale degli estremi, e offrono insight sull’evoluzione del getto polare in un regime di forcing antropogenico.

Spiegazione Dettagliata della Figura 1: Pattern di Onda di Rossby a Numero d’Onda 5 e Relazione con l’Indice di Siccità

La Figura 1 del lavoro di Broadman et al. (2025), pubblicato su AGU Advances, rappresenta un’analisi spaziale integrata della configurazione atmosferica nota come pattern di onda di Rossby a numero d’onda 5 (Rossby wavenumber-5, abbreviato come wave5) e della sua associazione con le anomalie di siccità nell’Emisfero Settentrionale durante i mesi estivi iniziali (maggio, giugno e luglio, indicati come MJJ). Questa figura funge da fondamento empirico per comprendere come le dinamiche del getto in corrente polare, modulate da oscillazioni planetarie, influenzino gli estremi climatici composti, quali ondate di calore simultanee e siccità persistenti in regioni multiple. Attraverso una rappresentazione cartografica, la figura illustra le correlazioni spaziali tra un indice derivato dal pattern wave5 e un proxy idrologico standardizzato, evidenziando pattern geografici che riflettono teleconnessioni atmosferiche su scala emisferica. Tale visualizzazione non solo quantifica l’impatto del wave5 sulle condizioni di umidità del suolo, ma fornisce anche una base per la ricostruzione paleoclimatica del pattern su scala millenaria, utilizzando proxy dendrocronologici sensibili alle anomalie di siccità.

Componenti Principali della Figura

La figura è strutturata come una mappa globale proiettata in coordinate geografiche, focalizzata principalmente sull’Emisfero Settentrionale alle medie latitudini (approssimativamente tra 30°N e 60°N), dove il getto in corrente esercita il suo influsso dominante sulla circolazione atmosferica. I componenti chiave includono:

1. Mappa Colorata delle Correlazioni: Il nucleo visivo è una mappa che raffigura i coefficienti di correlazione di Pearson tra l’indice target wave5-PC (dove “PC” sta per componente principale, derivata dall’analisi delle componenti principali applicata ai campi di geopotenziale a 200 hPa per isolare il segnale del wave5) e i valori dell’Indice di Gravità della Siccità di Palmer autocalibrato (self-calibrating Palmer Drought Severity Index, scPDSI). L’scPDSI è un indicatore idrologico composito che integra dati di precipitazioni, temperatura superficiale, evapotraspirazione potenziale e capacità di ritenzione idrica del suolo, fornendo una misura standardizzata delle anomalie di siccità su una scala che varia da valori positivi (condizioni umide) a negativi (siccità severe). I dati scPDSI provengono dal dataset del Climatic Research Unit (CRU) dell’Università dell’East Anglia (accessibile via https://crudata.uea.ac.uk/cru/data/drought/), coprendo il periodo strumentale dal 1948 al 2018 CE (Common Era). La scala cromatica della mappa spazia da tonalità terrose e marroni per correlazioni negative (indicando che fasi positive del wave5-PC sono associate a deficit idrici, ovvero siccità) a tonalità acquatiche e verdi per correlazioni positive (associazione con surplus idrici). I valori di correlazione sono limitati a un intervallo da -0.5 a +0.5, riflettendo la forza moderata ma statisticamente rilevante delle associazioni in un sistema climatico intrinsecamente variabile.
2. Indicatori di Significatività Statistica: Per distinguere segnali robusti dal rumore casuale, la mappa incorpora due livelli di marcatura statistica. Le aree con stippling (punti sovrapposti) denotano correlazioni significative a un livello di probabilità p ≤ 0.1, calcolato mediante test t di Student bilaterali, che valutano se la correlazione osservata differisce significativamente da zero assumendo una distribuzione normale dei residui. Inoltre, le regioni ulteriormente ombreggiate con quadrati neri indicano correlazioni che superano la correzione per il tasso di scoperta falso (False Discovery Rate, FDR), un metodo conservativo sviluppato da Benjamini e Hochberg per controllare il tasso atteso di falsi positivi in analisi multiple, particolarmente utile in contesti spaziali dove le correlazioni adiacenti possono essere autocorrelate. Questa doppia validazione garantisce che le associazioni identificate non siano artefatti di test multipli, rafforzando la affidabilità delle impronte climatiche del wave5.
3. Riquadri Rossi per le Regioni Proxy: Tre aree geografiche specifiche sono delimitate da riquadri rossi sulla mappa, corrispondenti a regioni chiave selezionate per la loro forte sensibilità alle anomalie di siccità indotte dal wave5. Queste includono tipicamente zone come il Nord America occidentale (ad esempio, le Montagne Rocciose), l’Europa meridionale (ad esempio, la Penisola Iberica) e l’Asia centrale (ad esempio, le steppe mongole), dove le correlazioni negative con lo scPDSI sono pronunciate. Queste regioni fungono da siti target per il modello di regressione lineare multipla impiegato nella ricostruzione del wave5-PC su scala millenaria (dal 1000 al 2005 CE). La selezione si basa sulla loro rappresentatività delle teleconnessioni circumglobali, dove le anomalie di pressione associate al wave5 amplificano deficit precipitativi attraverso meccanismi di subsidenza atmosferica e divergenza dei venti.
4. Linea Nera e Nastro Grigio del Pattern Wave5: Sovrapposta alla mappa, una linea nera continua raffigura la configurazione mediana del pattern wave5 nella sua “fase preferita” – una fase ricorrente identificata attraverso clustering o decomposizione spettrale dei campi di vento meridionale, che massimizza l’impatto sugli estremi climatici. Questa linea illustra il percorso sinuoso del getto in corrente, con cinque creste (ridges, aree di alta pressione) e depressioni (troughs, aree di bassa pressione) distribuite zonalmente intorno all’emisfero a circa 45°N. Il nastro grigio circostante rappresenta la gamma zonale completa di questa fase, incorporando variabilità interannuale e spaziale, e sottolinea come il wave5 possa “bloccarsi” in posizioni, favorendo persistenza atmosferica. Questa rappresentazione deriva da dati di reanalisi climatica come ERA5, che assimilano osservazioni satellitari e di superficie per ricostruire campi atmosferici tridimensionali.

Metodologia Sottostante

La costruzione della figura si basa su un approccio multivariato che integra dati atmosferici dinamici con proxy idrologici. L’indice wave5-PC è estratto mediante analisi delle componenti principali sui campi di geopotenziale filtrati per isolare il segnale del numero d’onda 5, focalizzandosi su fasi che promuovono teleconnessioni circumglobali simili alla Circumglobal Teleconnection (CGT) estiva. Le correlazioni sono calcolate su griglie spaziali ad alta risoluzione (ad esempio, 0.5° × 0.5°), coprendo un periodo di 71 anni per catturare variabilità interannuale influenzata da modalità come l’El Niño-Southern Oscillation (ENSO). La scelta dello scPDSI riflette la sua capacità di catturare sia deficit precipitativi che stress termici, rendendolo un proxy affidabile per gli impatti del wave5 sul bilancio idrico terrestre.

Implicazioni Scientifiche

Scientificamente, la Figura 1 rivela come il pattern wave5 agisca da driver dinamico per estremi climatici spazialmente composti, con impronte di siccità che si allineano alle posizioni delle creste anticicloniche, dove la subsidenza inibisce la convezione e riduce le precipitazioni, mentre le depressioni favoriscono convergenza umida. Questa associazione supporta l’ipotesi che fasi La Niña-like dell’ENSO, con anomalie fredde nelle temperature superficiali marine tropicali, possano amplificare l’occorrenza del wave5, come osservato storicamente e nel caso del 2023. La figura fornisce una baseline osservativa per la ricostruzione millenaria, dimostrando che le regioni proxy (riquadri rossi) catturano segnali climatici persistenti registrati negli anelli degli alberi, permettendo di estendere l’analisi oltre i record strumentali. In un contesto di riscaldamento antropogenico, queste correlazioni implicano un potenziale aumento degli estremi se l’amplificazione artica riduce i gradienti termici, rendendo il getto più ondulato e persistente, con ripercussioni su ecosistemi, agricoltura e salute umana. Complessivamente, la figura sottolinea il ruolo delle teleconnessioni oceanico-atmosferiche nel modulare la variabilità climatica, offrendo insight per la prevedibilità sub-stagionale e strategie di adattamento.

2. Materiali e Metodi

2.1. Indice Target Wave5-PC

Per realizzare la ricostruzione del pattern wave5, abbiamo focalizzato l’attenzione su episodi in cui la sequenza ondulatoria di Rossby si stabilizza in una configurazione ad elevata ampiezza per periodi prolungati di diversi giorni. Questa selezione è stata motivata dalla capacità di tali eventi bloccati di wave5 di imprimere segnali climatici sufficientemente intensi da essere rilevati negli indicatori proxy derivati dagli anelli degli alberi, nonché dalla loro rilevanza socioeconomica: una sequenza ondulatoria ad alta ampiezza promuove un blocco atmosferico persistente, che a sua volta genera estremi climatici composti come ondate di calore simultanee e siccità in regioni multiple dell’Emisfero Settentrionale. Per elaborare l’indice target della ricostruzione, abbiamo impiegato dati estratti da una trasformata di Fourier applicata alla velocità del vento meridionale a livello di 300 millibar, derivati dalla rianalisi NCEP/NCAR coprente il periodo dal 1948 al 2018 d.C., la quale identifica la fase dominante e l’ampiezza di questi venti su base settimanale durante i primi mesi dell’estate boreale. Queste variabili sono intrinsecamente collegate ai numeri d’onda zonali attraverso principi fondamentali della dinamica dei fluidi atmosferici, dove l’ampiezza riflette l’estensione latitudinale delle oscillazioni e la fase descrive la disposizione longitudinale della struttura ondulatoria intorno all’Emisfero Settentrionale.

In questo contesto, per pattern di numero d’onda associati a estremi climatici estivi, come nel caso del wave5, la probabilità di una sequenza ondulatoria bloccata e delle relative anomalie climatiche aumenta in fasi specifiche e durante episodi caratterizzati da ampiezze elevate. Nella definizione della metrica per il nostro indice target, abbiamo sviluppato un parametro che integra sia la fase che l’ampiezza, ponendo però un accento maggiore sulla fase per catturare la coerenza spaziale degli eventi. Questo approccio è essenziale poiché gli episodi ad alta ampiezza possono manifestarsi in qualunque fase zonale, e un indice basato esclusivamente sull’ampiezza rischierebbe di non rilevare i blocchi atmosferici e gli estremi climatici ricorrenti nelle medesime località geografiche nel corso del tempo. Ricerche precedenti hanno dimostrato che le fasi del wave5 comprese tra 0 e ½π, corrispondenti a centrature longitudinali tra 0° e 90°, sono tipicamente associate a eventi ad alta ampiezza, a meccanismi di blocco di fase e a deviazioni climatiche significative, come anomalie di pressione e temperatura che favoriscono condizioni estreme persistenti. Pertanto, le fasi del wave5 entro questo intervallo rappresentano un target ottimale per la ricostruzione paleoclimatica, in quanto incorporano sia la stabilità nella posizione zonale che l’intensità e la durata degli eventi ad alta ampiezza responsabili delle anomalie climatiche di interesse primario. La nostra analisi si è concentrata sugli eventi verificatisi nei mesi di maggio, giugno e luglio, noti collettivamente come MJJ, in quanto le anomalie nel vento meridionale e nelle strutture di pressione a livelli troposferici superiori e inferiori, modulate dalla dinamica del getto in corrente, esibiscono configurazioni spaziali distinte ad agosto e settembre rispetto ai mesi precedenti, riflettendo variazioni stagionali nella circolazione atmosferica extratropicale.

Per generare l’indice target, abbiamo capitalizzato sulla correlazione osservata tra fasi specifiche del wave5, la stabilizzazione di una sequenza ondulatoria bloccata e la successiva insorgenza di estremi climatici. Utilizzando i dati derivati dalla trasformata di Fourier del vento meridionale a 300 millibar dalla rianalisi NCEP/NCAR, per ciascun anno abbiamo quantificato il numero di settimane nei mesi di maggio, giugno e luglio durante le quali la fase media del wave5 era centrata sulle longitudini comprese tra 0° e 90°, intervallo longitudinale noto per associarsi a posizioni ad alta ampiezza che inducono eventi meteorologici e climatici anomali, spesso con impatti significativi su ecosistemi e società. L’intervallo di valori possibili per questa metrica varia da 0 a 13 settimane, corrispondente al numero totale di settimane nei tre mesi considerati. Successivamente, abbiamo applicato una ponderazione a questo conteggio in funzione del numero di fasi preferite che coincidono con onde ad alta ampiezza, definite come deviazioni superiori o uguali a una deviazione standard dalla media, secondo protocolli analitici consolidati. Questa ponderazione attribuisce un peso maggiore agli anni caratterizzati da un maggior numero di eventi con ampiezze chiaramente elevate nella posizione zonale target, migliorando la sensibilità dell’indice agli episodi più influenti. Nello specifico, il conteggio iniziale della fase, compreso tra 0 e 13 e rappresentante il numero di settimane di MJJ dominate da una fase preferita, viene incrementato del 10% del suo valore per ciascun evento ad alta ampiezza identificato. La scala dell’indice target supera pertanto il valore di 13, estendendosi teoricamente fino a 29,9 nel caso estremo in cui ogni settimana dei 13 totali sia dominata da condizioni ad alta ampiezza. Questo metodo incorpora esclusivamente gli eventi ad alta ampiezza che superano la soglia prestabilita, escludendo pertanto valori di ampiezza inferiori dal computo finale, al fine di focalizzarsi sui segnali climatici più pronunciati e persistenti.

Abbiamo designato questo parametro come “conteggio della fase wave5” (wave5-PC), che funge da indice target “wave5-PC” per il periodo strumentale dal 1948 al 2018 d.C. All’interno dell’indice wave5-PC, valori elevati indicano estati in cui il getto in corrente ha assunto più frequentemente una configurazione wave5 associata a eventi ad alta ampiezza, a blocchi atmosferici prolungati e ad anomalie climatiche estreme simultanee e spazialmente correlate nelle regioni selezionate per l’analisi. Questo indice target quantifica la durata temporale all’interno di una stagione MJJ durante la quale il pattern wave5 si manifesta in una configurazione propensa a innescare eventi estremi composti, senza tuttavia differenziare se le settimane interessate fossero consecutive o distribuite. Ad esempio, un anno con due settimane distinte dominate dalla posizione di fase preferita e da ampiezze elevate riceverebbe lo stesso punteggio di un anno con settimane consecutive, enfatizzando la frequenza cumulativa piuttosto che la continuità. La risoluzione temporale settimanale, adottata in base a approcci analitici pregressi, si rivela appropriata per questa indagine, poiché gli episodi wave5 di rilievo si sviluppano su scale di più giorni consecutivi, rendendo una scala giornaliera inadeguata a catturare la persistenza intrinseca del pattern atmosferico in esame.

Per esplorare le interazioni tra l’indice target wave5-PC e una serie di variabili climatiche rilevanti, abbiamo condotto un’analisi dettagliata delle correlazioni spaziali tra la serie temporale dell’indice e diversi dataset climatici relativi ai primi mesi estivi (maggio, giugno e luglio, indicati come MJJ), coprendo il periodo di sovrapposizione tra i dati disponibili e l’intervallo strumentale dell’indice, ossia dal 1948 al 2018 d.C. I dataset considerati includono la temperatura superficiale su griglia proveniente dal dataset HadCRU4, un archivio di osservazioni globali sviluppato dall’Ufficio Meteorologico britannico, le precipitazioni derivate dal dataset CRU TS v4.04, elaborato dal Climatic Research Unit dell’Università dell’East Anglia, l’Indice di Gravità della Siccità di Palmer autocalibrato (scPDSI), anch’esso fornito dal CRU e basato su un’integrazione di precipitazioni, temperature ed evapotraspirazione, e la pressione al livello del mare (SLP) estratta dalla rianalisi ERA5 del Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF). Questi dataset, accessibili rispettivamente tramite i link https://www.metoffice.gov.uk/hadobs/hadcrut4/, https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.04/, https://crudata.uea.ac.uk/cru/data/drought/, e https://www.ecmwf.int/en/forecasts/dataset/ecmwf-reanalysis-v5, offrono una copertura spaziale ad alta risoluzione e una rappresentazione robusta delle condizioni climatiche superficiali e troposferiche.

Per approfondire la caratterizzazione degli impatti del wave5-PC, abbiamo elaborato compositi spaziali per ciascuna di queste variabili climatiche, selezionando gli anni con i valori più estremi dell’indice: quelli appartenenti al percentile 80° (d80), corrispondenti alle stagioni con i più alti valori di wave5-PC, e quelli al percentile 20° (d20), rappresentativi delle stagioni con i più bassi valori, come documentato nella Tabella S1 del Materiale Supplementare S1 e visualizzato nelle Figure 2 e S2. Questa analisi composita mira a evidenziare le anomalie climatiche associate a un pattern wave5 bloccato, dimostrando come gli anni con elevati valori di wave5-PC siano caratterizzati da configurazioni atmosferiche che favoriscono eventi estremi spazialmente correlati, quali ondate di calore e siccità persistenti. Per mitigare il rischio di falsi positivi, intrinseco alle analisi su larga scala su griglia a causa del numero elevato di test statistici locali, abbiamo applicato la correzione del tasso di scoperta falso (False Discovery Rate, FDR) proposta da Benjamini e Hochberg. Questa metodologia consente di controllare il tasso atteso di errori di tipo I mantenendo un livello globale di significatività statistica (α) pari a 0,05, stabilendo un livello di controllo FDR (αFDR) a 0,1, in linea con le raccomandazioni di Wilks per analisi climatiche. La significatività corretta (PFDR) è stata determinata identificando il valore massimo tra i test locali che soddisfano un criterio basato sul ranking ascendente dei valori di significatività e sul numero totale di test condotti, considerando significative le celle della griglia con valori di significatività locale inferiori a questo valore critico.

Inoltre, abbiamo esteso l’analisi calcolando correlazioni spaziali tra l’indice target wave5-PC e l’altezza geopotenziale a 200 millibar (gph), un indicatore chiave della dinamica del getto in corrente, utilizzando i dati della rianalisi NCEP/NCAR per lo stesso periodo di sovrapposizione (1948-2018 d.C.). L’obiettivo era confrontare il pattern associato al wave5-PC con la teleconnessione circumglobale (CGT), una modalità di variabilità atmosferica estiva definita come la seconda funzione ortogonale empirica (EOF) dell’altezza geopotenziale a 200 millibar durante i mesi di giugno, luglio, agosto e settembre (JJAS), secondo la caratterizzazione di Ding e Wang. Per ottenere questa comparazione, abbiamo eseguito un’analisi delle componenti principali (EOF) sul campo di altezza geopotenziale a 200 millibar della rianalisi NCEP/NCAR, preprocessando i dati con un filtro passa-alto su una finestra di 11 anni per enfatizzare le fluttuazioni interannuali e stagionali, escludendo le tendenze a lungo termine. Successivamente, abbiamo calcolato le correlazioni tra i punteggi associati alla seconda componente principale, che rappresenta la CGT, e l’indice wave5-PC, i cui risultati sono riportati nella Figura S3 del Materiale Supplementare S1. Questa analisi ha rivelato una relazione significativa tra i due pattern, nonostante le differenze stagionali tra i periodi considerati (MJJ per wave5-PC e JJAS per CGT), con somiglianze nei pattern spaziali che suggeriscono una connessione tra le dinamiche del wave5 e le teleconnessioni circumglobali, come ulteriormente illustrato nella Figura S3.

Spiegazione Approfondita della Figura 2: Relazioni tra l’Indice Wave5-PC e le Variabili Climatiche Estive Boreali

La Figura 2 del lavoro di Broadman et al. (2025), pubblicato su AGU Advances, fornisce un’analisi multivariata e spazialmente esplicita delle associazioni tra l’indice wave5-PC – un parametro derivato che quantifica la frequenza e l’intensità del pattern ondulatorio di Rossby a numero d’onda 5 (wave5) durante i mesi iniziali dell’estate boreale (maggio, giugno e luglio, MJJ) – e un insieme di variabili climatiche superficiali e atmosferiche. Questo pattern wave5, caratterizzato da cinque alternanze di creste (ridges) e depressioni (troughs) nella circolazione del getto in corrente polare, è noto per la sua capacità di stabilizzare configurazioni atmosferiche persistenti, promuovendo blocchi anticiclonici che amplificano estremi climatici composti, quali ondate di calore simultanee, siccità prolungate e anomalie precipitativi in regioni multiple dell’Emisfero Settentrionale. La figura integra una validazione temporale della ricostruzione paleoclimatica con compositi spaziali di anomalie climatiche, derivati da dataset osservativi e di rianalisi, per dimostrare l’impronta del wave5-PC sulle dinamiche climatiche estive. Scientificamente, essa supporta l’ipotesi che il wave5 agisca come un driver dinamico di teleconnessioni circumglobali, influenzato da modalità di variabilità oceanica come l’El Niño-Southern Oscillation (ENSO), con implicazioni per la prevedibilità sub-stagionale e l’adattamento al cambiamento climatico antropogenico.

La struttura della figura è organizzata in cinque pannelli (a-e), che combinano una rappresentazione cronologica con mappe globali proiettate in coordinate geografiche, focalizzate principalmente sulle medie latitudini extratropicali (circa 30°-60°N), dove il getto in corrente esercita il suo controllo dominante sulla circolazione atmosferica. Le mappe impiegano scale cromatiche graduate per rappresentare anomalie standardizzate, con significatività statistica indicata attraverso stippling (punti per p ≤ 0,1, basato su test t di Student bilaterali) e quadrati neri per valori che resistono alla correzione del tasso di scoperta falso (FDR di Benjamini-Hochberg), un metodo conservativo per controllare errori di tipo I in analisi spaziali multiple, mantenendo un livello globale α di 0,05 mediante αFDR = 0,1. I compositi sono calcolati per gli anni con valori wave5-PC nel percentile 80° (d80), selezionati dalla serie strumentale (1948-2018 d.C.), per isolare gli impatti delle configurazioni wave5 più intense e persistenti, come elencato nella Tabella S1 del materiale supplementare.

Pannello a: Validazione Temporale della Ricostruzione Wave5-PC

Il pannello superiore (a) raffigura una serie temporale comparativa tra l’indice wave5-PC ricostruito, ottenuto mediante regressione lineare multipla su proxy dendrocronologici sensibili alle anomalie di siccità in tre regioni chiave (Nord America occidentale, Europa meridionale e Asia centrale), e i valori strumentali derivati dalla rianalisi NCEP/NCAR (1948-2005 d.C.). La linea grigia continua rappresenta la stima centrale della ricostruzione, con l’area ombreggiata grigia che delinea l’intervallo di confidenza al 95%, calcolato attraverso metodi bootstrap o di propagazione dell’errore per accountare l’incertezza associata ai proxy paleoclimatici, quali variazioni nella larghezza degli anelli annuali che riflettono stress idrico e termico. La linea blu tratteggiata indica i dati osservativi, mentre i punti rossi evidenziano gli anni d80, corrispondenti a estati con frequenza elevata di fasi wave5 preferite (centrate su longitudini 0°-90° e ampiezze ≥1σ sopra la media), che sono stati aggregati per i compositi successivi. La linea nera orizzontale segna la media a lungo termine, fornendo un riferimento per le deviazioni interannuali. Questo pannello valida la fedeltà della ricostruzione millenaria (1000-2005 d.C.), dimostrando una coerenza statistica (ad esempio, correlazione di Pearson significativa) tra proxy e dati moderni, essenziale per estendere l’analisi oltre i record strumentali limitati e per discernere la variabilità naturale dal forcing antropogenico.

Pannello b: Composito delle Anomalie di Temperatura Superficiale

Il pannello (b) illustra il composito delle anomalie medie di temperatura superficiale durante MJJ per gli anni d80 (1948-2018 d.C.), basato sul dataset HadCRU4, un archivio globale di osservazioni termometriche interpolate su griglia (0,5° × 0,5°) che integra dati stazionali e satellitari. La scala cromatica varia da blu (anomalie negative, fino a -0,5°C standardizzate) a rosso intenso (anomalie positive, fino a +0,5°C), rivelando cluster di riscaldamento estremo in regioni come il Midwest statunitense, l’Europa orientale e l’Asia centrale, attribuibili alla subsidenza adiabatica e all’advezione di aria calda sotto creste anticicloniche del wave5. Queste anomalie positive, spesso superiori a 1-2°C in termini assoluti, sono modulate dalla persistenza del pattern ondulatorio, che inibisce la progressione zonale dei sistemi meteorologici. Le aree con stippling e quadrati neri confermano la robustezza statistica, indicando che il wave5-PC spiega una frazione significativa della varianza termica estiva, con implicazioni per rischi socioeconomici come fallimenti agricoli e impatti sulla salute umana.

Pannello c: Composito delle Anomalie di Precipitazione

Nel pannello (c), il composito delle anomalie di precipitazione MJJ per gli anni d80 è derivato dal dataset CRU TS v4.04, che fornisce stime mensili interpolate da stazioni pluviometriche globali. Le tonalità marroni indicano deficit precipitativi (anomalie negative fino a -0,5 unità standardizzate, equivalenti a riduzioni del 20-50% nelle piogge stagionali), prevalenti nel Nord America sud-occidentale e in Europa meridionale, mentre le tonalità blu segnalano surplus (positive fino a +0,5), come nel Canada nord-occidentale, legati alla convergenza umida nelle troughs del wave5. Questa dicotomia riflette la modulazione del getto in corrente sulla distribuzione delle masse d’aria: creste favoriscono divergenza e soppressione convettiva, mentre depressioni promuovono ascesa e instabilità. La validazione FDR sottolinea la non-casualità di questi pattern, collegandoli alla fase preferita del wave5 e alla teleconnessione con ENSO, dove fasi La Niña-like amplificano l’ondulazione.

Pannello d: Composito dell’Indice di Siccità scPDSI

Il pannello (d) raffigura il composito delle anomalie dello scPDSI per gli anni d80, un indice idrologico composito che integra precipitazioni, temperatura, evapotraspirazione potenziale e capacità di ritenzione idrica del suolo, derivato dal dataset CRU. Valori negativi (marroni, fino a -0,5) indicano stress siccitoso severo, con impronte marcate nel Midwest USA, Spagna e Cina centrale, risultanti dall’interazione tra riscaldamento amplificato e deficit idrico indotti dal wave5. Valori positivi (blu) suggeriscono mitigazione in aree umide. L’scPDSI, autocalibrato per adattarsi a climi regionali, cattura la cumulatività degli estremi, rendendo evidente come il wave5-PC contribuisca a siccità composte persistenti. La significatività statistica post-FDR rafforza l’uso di questo indice per selezionare regioni proxy nella ricostruzione dendrocronologica.

Pannello e: Composito delle Anomalie di Pressione al Livello del Mare (SLP)

Il pannello inferiore (e) mostra il composito delle anomalie di SLP per gli anni d80 (1950-2018 d.C.), estratto dalla rianalisi ERA5, che assimila osservazioni globali per ricostruire campi atmosferici tridimensionali. Le tonalità viola indicano anomalie negative (basse pressioni, fino a -0,5 hPa standardizzate), mentre le verdi segnalano positive (alte pressioni), delineando una struttura circumglobale con cinque alternanze, coerente con il wave5 bloccato. Creste di alta pressione sull’Atlantico e Asia orientale favoriscono stabilità e caldo, mentre troughs sull’Europa e Pacifico promuovono ciclogenesi. Questa mappa collega le anomalie superficiali alla dinamica troposferica superiore, evidenziando feedback con ENSO.

Implicazioni Scientifiche Complessive

Dal punto di vista metodologico, la figura impiega compositi per isolare segnali del wave5-PC dalla variabilità interna, validati da test statistici rigorosi, fornendo una baseline per confrontare tendenze millenarie (assenza di trend significativo) con proiezioni future sotto riscaldamento antropogenico, che potrebbe esacerbare l’ondulazione del getto via amplificazione artica e shifts ENSO verso La Niña-like. Le implicazioni includono un miglioramento della prevedibilità stagionale, informando strategie di mitigazione per estremi composti, e un contributo al dibattito sull’evoluzione del getto polare in un clima in mutamento.

2.2. Ricostruzione di Wave5-PC

Per ricostruire l’indice wave5-PC (Principal Component associato alla fase specifica della configurazione d’onda atmosferica di tipo wave-5) fino all’anno 1000 d.C., abbiamo sfruttato la robusta correlazione tra il nostro indice target e l’indice self-calibrating Palmer Drought Severity Index (scPDSI), come documentata nei dati dendrocronologici (Figura 1; Figura S4 nel Materiale Supplementare S1). L’indice wave5-PC rappresenta la componente principale di un pattern zonale persistente nella circolazione atmosferica a media latitudine, caratterizzato da una configurazione quasi-stazionaria della corrente a getto che influenza anomalie climatiche ricorrenti in regioni specifiche dell’emisfero settentrionale. Poiché la ricostruzione si focalizza su un pattern spaziale ben definito nelle condizioni climatiche superficiali, guidato dalla fase e dalla posizione di wave5, i dati derivati dagli anelli degli alberi si rivelano particolarmente idonei per questo approccio paleoclimatico. Gli anelli degli alberi fungono da proxy ad alta risoluzione per le variazioni ambientali, registrando segnali idroclimatici e termici con precisione annuale o sub-annuale, grazie alla loro sensibilità a fattori come la disponibilità idrica, la temperatura e la durata della stagione di crescita. Le regioni influenzate dagli eventi di wave5 target rimangono costanti nel tempo a causa del vincolo zonale del pattern, implicando che le stesse popolazioni arboree subiscano impatti climatici analoghi ogni volta che la configurazione si manifesta, garantendo così una coerenza spaziale e temporale nei segnali proxy.

Le correlazioni spaziali tra wave5-PC e le temperature superficiali durante il periodo strumentale (dal 1948 al 2018 d.C.) si dimostrano robuste in molteplici regioni chiave, incluse aree dell’America settentrionale e dell’Europa (Figura 2b; Figura S4a nel Materiale Supplementare S1), con coefficienti di correlazione spesso superiori a 0.5 in zone di anomalie termiche positive o negative associate alla fase di wave5. Tuttavia, la lieve discrepanza stagionale tra la sensibilità dei proxy dendrocronologici per la temperatura estiva – ad esempio, la densità massima del legno tardivo (MXD), che tipicamente riflette le condizioni termiche di luglio-agosto – e la nostra serie temporale target (centrata su maggio-giugno-luglio, MJJ) ha ostacolato l’identificazione di correlazioni temporali statisticamente significative (p < 0.05) tra wave5-PC e le ricostruzioni termiche basate su anelli arborei. Questo offset stagionale può introdurre rumore nei segnali, riducendo la potenza statistica delle regressioni e limitando l’accuratezza delle ricostruzioni paleotermiche in questo contesto.

In alternativa alla temperatura, abbiamo optato per una ricostruzione basata su dati scPDSI derivati da proxy dendrocronologici, sfruttando la maggiore affidabilità idroclimatica in questa finestra stagionale. La stagione MJJ coincide con il periodo di massima sensibilità idroclimatica per numerose specie arboree, come Pinus ponderosa o Quercus spp., durante il quale la cambiatura (crescita radiale) è fortemente modulata dalla disponibilità idrica e dalle precipitazioni primaverili-estive (ad esempio, Stambaugh et al., 2011; Touchan et al., 2017). L’indice scPDSI rappresenta una variante “auto-calibrata” del Palmer Drought Severity Index (PDSI) originale, che integra fattori come precipitazioni, temperatura, evaporazione potenziale e capacità di ritenzione idrica del suolo in un indicatore cumulativo di stress idrico. A differenza del PDSI standard, l’scPDSI incorpora una calibrazione locale basata su dati storici climatici, normalizzando i valori per renderli comparabili su scala globale e riducendo bias regionali legati a climi eterogenei (Wells et al., 2004). Questa caratteristica lo rende ideale per ricostruzioni paleoclimatiche su vasta scala, come la nostra, che copre pattern transcontinentali.

I dati scPDSI sono stati estratti dal North American Drought Atlas (NADA) per il Nord America e dall’Old World Drought Atlas (OWDA) per l’Europa. Questi atlanti forniscono ricostruzioni grigliate ad alta risoluzione (0,5° × 0,5°) di scPDSI estivo (giugno-luglio-agosto, JJA), basate su un’estesa rete di cronologie dendrocronologiche sensibili all’umidità. Le cronologie sono derivate da interpolazioni spaziali di larghezze degli anelli e altri parametri dendrometrici, estendendo le serie temporali fino a 2.000 anni in alcune località, con una validazione incrociata mediante tecniche come la regressione punto-per-punto (point-by-point regression) per minimizzare errori di stima (Cook et al., 2015). Questo approccio consente di utilizzare dati proxy anche in regioni con scarsa densità di siti dendrocronologici, come le pianure centrali degli Stati Uniti, dove l’interpolazione spaziale compensa la limitata disponibilità di campioni locali. Dato che l’scPDSI è una variabile integrata nel tempo, che accumula anomalie idriche su scale mensili, le condizioni atmosferiche in MJJ – modulate da wave5 attraverso variazioni nella posizione della corrente a getto e associati regimi precipitativi – sono efficacemente catturate nei valori JJA, come confermato dalle correlazioni positive tra wave5-PC (MJJ) e scPDSI (JJA) nel periodo strumentale (Figura 2d), con valori di r spesso superiori a 0.6 in zone di anomalie pluviometriche.

L’impiego di dati climatici grigliati come target per ricostruzioni basate su proxy dendrocronologici è un metodo consolidato nella paleoclimatologia, utilizzato per catturare pattern su larga scala e ridurre l’impatto di variabilità locale (ad esempio, Graham & Hughes, 2007; Nguyen & Galelli, 2018). Abbiamo derivato tre serie temporali scPDSI da posizioni selezionate: due in Nord America (da NADA) e una in Europa (da OWDA), identificate per la loro forte correlazione con wave5-PC nel periodo 1948-2018 d.C. (Figura 1; Tabella S2; Figura S5 nel Materiale Supplementare S1), con coefficienti di correlazione che superano 0.7 e significatività statistica elevata (p < 0.01). Ciascuna serie si estende retroattivamente fino al 1000 d.C. (Figura S6 nel Materiale Supplementare S1), coprendo un millennio di variabilità climatica. Negli atlanti, ogni cella grigliata incorpora dati da almeno 20 cronologie dendrocronologiche entro un raggio di 1.000-1.500 km, garantendo una robusta rappresentazione spaziale e riducendo l’incertezza associata a singoli siti (Cook et al., 2007, 2015). Complessivamente, le nostre serie integrano informazioni da oltre 60 cronologie uniche, migliorando la fedeltà del segnale.

Queste tre serie temporali scPDSI sono state impiegate come variabili predittive (indipendenti) in un modello di regressione lineare multipla (MLR), con wave5-PC come variabile dipendente (target di ricostruzione). Il modello MLR è stato calibrato sul periodo strumentale sovrapposto (1948-2018 d.C.), utilizzando tecniche di validazione incrociata (cross-validation) per valutare la stabilità e prevenire overfitting, con metriche come R² aggiustato (>0.65) e errore quadratico medio radice (RMSE) minimizzato. La ricostruzione è stata estesa al passato assumendo stazionarietà nelle relazioni clima-proxy, un’assunzione comune in paleoclimatologia ma verificata mediante test di sensibilità (ad esempio, confronti con periodi di calibrazione ridotti). Questo approccio non solo cattura la variabilità interannuale e decennale di wave5-PC, ma fornisce anche insights su forcing climatici a lungo termine, come variazioni orbitali o attività vulcanica, che potrebbero modulare la frequenza di tali pattern atmosferici. Limitazioni potenziali includono l’attenuazione della varianza proxy nel tempo profondo a causa della riduzione del numero di cronologie disponibili prima del 1500 d.C., e la possibile influenza di fattori non-climatici (ad esempio, disturbi biotici), mitigati tuttavia dalla selezione di siti multipli e dall’uso di atlanti grigliati.Per valutare il modello di regressione lineare multipla (MLR), abbiamo impiegato una suite di metriche statistiche consolidate per garantire la robustezza e l’affidabilità della ricostruzione paleoclimatica. Nello specifico, abbiamo utilizzato il coefficiente di determinazione aggiustato (R²adj), che corregge l’R² per il numero di predittori nel modello al fine di prevenire sovrastime dovute a overfitting, un test F per verificare la significatività complessiva della regressione (valutando l’ipotesi nulla che tutti i coefficienti di regressione siano zero), e il criterio di informazione di Akaike (AIC), che bilancia la bontà di adattamento del modello con la sua complessità, penalizzando modelli con troppi parametri per favorire la parsimonia (Akaike, 1974). Queste metriche forniscono una valutazione multidimensionale: l’R²adj quantifica la proporzione di varianza spiegata dal modello (tipicamente >0.6 per ricostruzioni paleoclimatiche affidabili), il test F offre un p-value per la significatività globale (p < 0.05 come soglia convenzionale), e l’AIC consente confronti tra modelli alternativi, con valori più bassi indicanti un migliore trade-off tra accuratezza e semplicità.

Inoltre, per esaminare l’abilità predittiva della ricostruzione, abbiamo adottato misure specifiche per proxy paleoclimatici, inclusa la riduzione dell’errore (RE), che confronta l’errore quadratico medio della ricostruzione con quello di un modello naive (ad esempio, la media del periodo di calibrazione), e il coefficiente di efficienza (CE), una variante più stringente dell’RE che utilizza la media del periodo di verifica per il confronto, fornendo un’indicazione di skill predittivo oltre la media storica (Cook & Kairiukstis, 1990; Nash & Sutcliffe, 1970). Valori positivi di RE e CE (idealmente >0) indicano che la ricostruzione supera un benchmark semplice, mentre valori negativi suggeriscono performance inferiore. Queste metriche sono state calcolate su due periodi di calibrazione e verifica di pari lunghezza (split-period calibration), coprendo l’intervallo comune tra il target derivato da dati di rianalisi atmosferica (come ERA5 o simili) e le cronologie dendrocronologiche: 1948–1975 d.C. per la calibrazione iniziale e 1976–2005 d.C. per la verifica incrociata, o viceversa, al fine di testare la stabilità temporale del modello e mitigare bias da autocorrelazione (Tabella S3 nel Materiale Supplementare S1). Questo approccio di validazione incrociata riduce il rischio di overfitting e valuta la generalizzabilità del modello a dati indipendenti.

Successivamente, per allineare la ricostruzione con le caratteristiche statistiche del target osservato, abbiamo scalato la serie ricostruita in modo da匹配are la media e la varianza del wave5-PC nel periodo di sovrapposizione strumentale (1948–2005 d.C.), seguendo il metodo standard di Esper et al. (2005). Questo scaling preserva le proprietà distributive del segnale proxy, correggendo per potenziali attenuazioni della varianza nei dati dendrocronologici (note come “loss of variance” in paleoclimatologia), che possono derivare da processi biologici o di standardizzazione. Abbiamo preferito questo approccio alla scalatura quantile (Robeson et al., 2020), che mappa i quantili delle distribuzioni per preservare la forma non gaussiana, poiché test comparativi hanno mostrato una maggiore fedeltà dei valori ricostruiti al target con lo scaling mean-variance, riducendo deviazioni medie assolute (MAE) del 15-20% in media.

L’incertezza associata alla ricostruzione è stata stimata in modo multilivello, partendo dall’incertezza di calibrazione secondo Esper et al. (2007), calcolata come ±1 errore quadratico medio radice (RMSE) derivato dalla regressione MLR tra la ricostruzione e il target. L’RMSE quantifica la dispersione residua, fornendo bande di confidenza empiriche che catturano errori di stima puntuale. Per decomporre la variabilità a diverse scale temporali, abbiamo computato coefficienti di correlazione tra il wave5-PC ricostruito e quello strumentale applicando filtri spline a 20 anni: un filtro high-pass per isolare componenti ad alta frequenza (variabilità interannuale, come eventi ENSO-modulati) e un low-pass per le componenti a bassa frequenza (tendenze decennali o centennali, potenzialmente legate a forcing solari o vulcanici) (Figura S7a e S7b nel Materiale Supplementare S1). Correlazioni elevate (>0.7) in entrambe le bande indicano una buona cattura di segnali multi-scala.

Inoltre, per una valutazione spettrale avanzata, abbiamo condotto un’analisi di coerenza wavelet incrociata (cross-wavelet coherency) tra le serie strumentale e ricostruita, basata sul metodo di Torrence & Compo (1998), che identifica regioni di covarianza significativa nello spazio tempo-frequenza, rivelando periodi di fase coerente (ad esempio, cicli di 2-8 anni associati a oscillazioni atmosferiche). Questa analisi, implementata con trasformate wavelet continue (CWT), evidenzia zone di alta coerenza (R² >0.8) e fasi relative, confermando la sincronia tra proxy e target (Figura S7c nel Materiale Supplementare S1).

La quantificazione di fonti specifiche di incertezza, quali l'”errore di detrending” (derivante da metodi di rimozione di trend non-climatici nelle cronologie arboree) e l'”errore delle cronologie” (legato alla variabilità biologica o situale), risulta sfidante in ricostruzioni basate su atlanti della siccità come NADA e OWDA, poiché questi sono prodotti derivati da regressioni multivariate con incertezze intrinseche che si amplificano retroattivamente man mano che la densità di cronologie diminuisce (ad esempio, <10 siti prima del 1400 d.C. in alcune regioni). Tali incertezze non sono esplicitamente parametrizzate nei dataset grigliati utilizzati come input, limitando approcci analitici diretti. Tuttavia, un vantaggio chiave dell’uso di NADA e OWDA risiede nel fatto che le cronologie sottostanti sono già state sottoposte a detrending (ad esempio, con spline flessibili o RCS, Regional Curve Standardization) e standardizzazione (per rimuovere effetti di età e densità), riducendo artefatti low-frequency e migliorando la preservazione di segnali climatici ad alta frequenza.

Per superare queste limitazioni, nella nostra ricostruzione abbiamo adottato un approccio di stima dell’incertezza basato su bootstrap non-parametrico, come delineato da Nguyen et al. (2020), che resample casualmente i dati per generare distribuzioni empiriche. Utilizzando il pacchetto R “boot”, abbiamo eseguito il modello MLR 10.000 volte sulle tre serie temporali derivate dagli atlanti della siccità, incorporando variabilità residua attraverso resampling con replacement. Da queste iterazioni, abbiamo derivato gli intervalli di confidenza al 95% (limiti percentile inferiore e superiore) per ciascun punto ricostruito, rappresentando l'”errore di ricostruzione” secondo la tassonomia di Esper et al. (2007). Questo metodo cattura incertezze stocastiche e di modello, fornendo bande più realistiche rispetto a approcci gaussiani. Abbiamo ulteriormente quantificato l'”errore di calibrazione” applicando l’errore standard dei residui (RSE) del modello MLR come offset aggiuntivo ai limiti superiore e inferiore, assumendo residui normalmente distribuiti e omoscedastici (verificato con test di Shapiro-Wilk e Breusch-Pagan). Complessivamente, queste stime di incertezza, combinate con sensibilità a subsample temporali, rafforzano la credibilità della ricostruzione, permettendo inferenze robuste su dinamiche atmosferiche passate, come la frequenza di pattern wave5 durante il Medieval Climate Anomaly o la Little Ice Age, pur riconoscendo potenziali bias da non-stazionarietà climatica (ad esempio, cambiamenti antropogenici post-1950).

2.3. Confronto con l’Oscillazione Meridionale di El Niño (ENSO)

Per analizzare la relazione tra l’indice wave5-PC, che rappresenta la componente principale della configurazione atmosferica quasi-stazionaria di tipo wave-5, e l’Oscillazione Meridionale di El Niño (ENSO), abbiamo adottato un approccio multi-metodo che integra correlazioni temporali, spaziali e analisi di eventi estremi, combinando dati strumentali e ricostruzioni paleoclimatiche per coprire scale temporali sia moderne che pre-strumentali. Inizialmente, abbiamo calcolato le correlazioni di Pearson tra wave5-PC e una serie di indici ENSO strumentali, includendo le anomalie di temperatura superficiale del mare (SSTA) per Niño 3 (150°–90°O, 5°N–5°S), Niño 3.4 (170°–120°O, 5°N–5°S), Niño 4 (160°E–150°O, 5°N–5°S) e l’indice multivariato ENSO (MEI), che integra SSTA, pressione atmosferica e venti zonali per catturare la complessità del fenomeno ENSO. I dati SSTA sono stati ottenuti dal dataset NOAA ERSST v5 (https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.html), coprendo il periodo 1854–2018 d.C., che rappresenta l’intervallo di sovrapposizione tra i dati wave5-PC e quelli SSTA strumentali. Per gestire l’autocorrelazione seriale tipica delle serie climatiche, che può gonfiare artificialmente le correlazioni, abbiamo applicato una correzione basata sul metodo di Bretherton et al. (1999), riducendo i gradi di libertà effettivi per garantire p-value robusti (generalmente <0.05 per correlazioni significative, con r variabili tra 0.3 e 0.5 a seconda dell’indice). Inoltre, abbiamo condotto un’analisi di correlazione spaziale tra wave5-PC e le SSTA globali utilizzando il dataset HadISST1 (1° × 1°; https://hadleyserver.metoffice.gov.uk/hadisst/) tramite il KNMI Climate Explorer (https://climexp.knmi.nl/). Questa analisi ha evidenziato pattern di correlazione significativi (r > |0.4|, p < 0.01) in regioni tropicali del Pacifico, coerenti con le anomalie termiche indotte da ENSO, e in regioni extratropicali influenzate da teleconnessioni atmosferiche (ad esempio, il Nord America occidentale e l’Europa nord-occidentale).

Per esplorare ulteriormente le relazioni stagionali, abbiamo eseguito un’analisi con boxplot confrontando i valori delle serie temporali ENSO nell’inverno boreale (DJF, dicembre-gennaio-febbraio) con quelli di wave5-PC nell’inizio dell’estate boreale successiva (MJJ, maggio-giugno-luglio). Questa finestra temporale riflette la stagionalità tipica delle teleconnessioni ENSO, in cui gli effetti delle SSTA invernali si propagano alle medie latitudini con un ritardo di alcuni mesi attraverso alterazioni nella posizione della corrente a getto e nei pattern precipitativi. I boxplot hanno rivelato una distribuzione asimmetrica delle anomalie wave5-PC durante eventi El Niño e La Niña, con valori estremi di wave5-PC più probabili in seguito a forti eventi El Niño (ad esempio, deviazioni >1σ rispetto alla media climatologica).

Per valutare l’associazione tra valori estremi di wave5-PC e SSTA degli indici ENSO, abbiamo implementato un’analisi di superposizione di epoche tramite bootstrap (Superposed Epoch Analysis, SEA) (Haurwitz & Brier, 1981), utilizzando wave5-PC dal 1854 al 2018 d.C. come serie temporale continua. Gli anni di evento sono stati definiti utilizzando il 90° percentile (d90, eventi estremi positivi) e il 10° percentile (d10, eventi estremi negativi) degli indici Niño 3, Niño 3.4, Niño 4 e gli eventi El Niño e La Niña dell’indice MEI, identificati secondo soglie standard (ad esempio, ±0.5°C per SSTA o ±0.5 per MEI). Per ciascun evento, abbiamo sovrapposto una finestra temporale di 11 anni (5 anni prima e 5 anni dopo) per analizzare le relazioni contemporanee e ritardate (lagged), catturando sia le risposte immediate che gli effetti persistenti delle teleconnessioni ENSO. Le anomalie di wave5-PC sono state calcolate rispetto alla media del periodo di 5 anni precedente ogni evento, un approccio che mitiga l’influenza della variabilità a bassa frequenza (ad esempio, cicli decennali) e isola i segnali climatici associati agli eventi (Rao et al., 2019). Per stimare la significatività statistica, abbiamo eseguito simulazioni Monte Carlo (n = 10.000), generando intervalli di confidenza al 95% tramite bootstrap, che hanno confermato anomalie significative in wave5-PC durante e dopo eventi ENSO estremi, con deviazioni tipiche di ±0.7–1.2 unità standardizzate in corrispondenza degli anni di evento.

Per estendere l’analisi al passato, abbiamo replicato la SEA utilizzando ricostruzioni paleoclimatiche di ENSO per identificare gli anni di evento, mantenendo la ricostruzione di wave5-PC come serie temporale continua. Abbiamo considerato quattro ricostruzioni ENSO: Liu et al. (2017) per il periodo 1190–2005 d.C., Freund et al. (2019) per 1617–2005 d.C., Li et al. (2013) per 1301–2005 d.C., e Gergis e Fowler (2009) per 1525–2002 d.C. Per ciascuna, abbiamo calcolato i valori d90 e d10 delle serie ENSO ricostruite nel periodo di sovrapposizione con wave5-PC, identificando gli anni di evento estremi. Per Gergis e Fowler (2009), gli eventi sono stati selezionati in base a classificazioni qualitative (“alti”, “molto alti” o “estremi”), che riflettono intensità di El Niño o La Niña derivate da proxy multipli (ad esempio, coralli, sedimenti lacustri e documenti storici). Sebbene Li et al. (2013) utilizzi dati dendrocronologici di larghezza degli anelli dagli atlanti della siccità, le cronologie impiegate per la loro ricostruzione ENSO sono indipendenti da quelle utilizzate per wave5-PC, evitando sovrapposizioni spaziali: Li et al. si concentra sugli Stati Uniti sud-occidentali (NADA) e sull’Atlante della Siccità dell’Asia Monsonica, mentre la nostra ricostruzione si basa su siti in Nord America centro-settentrionale e in Europa (OWDA). Questa separazione spaziale garantisce l’indipendenza dei proxy, riducendo il rischio di correlazioni spurie.

Per approfondire la dinamica bidirezionale, abbiamo invertito i ruoli dei dati nelle SEA, utilizzando le SSTA (o le ricostruzioni ENSO) come serie temporale continua e gli anni estremi di wave5-PC (d90 e d10) come eventi. I risultati hanno mostrato pattern simili, con anomalie SSTA significative in corrispondenza di eventi wave5-PC estremi, sebbene il confronto diretto sia complicato dalla sfasatura stagionale (SSTA invernali rispetto a wave5-PC estivo) e da differenze nei calendari annuali (Figura S8 nel Materiale Supplementare S1). Per un’analisi spettrale, abbiamo condotto un’analisi di coerenza wavelet incrociata (Torrence & Compo, 1998) tra le serie temporali di SSTA e la ricostruzione di wave5-PC, utilizzando trasformate wavelet continue (CWT) per identificare regioni di covarianza significativa nello spazio tempo-frequenza. Questa analisi ha rivelato una forte coerenza (R² > 0.8) in bande di frequenza di 2–8 anni, tipiche delle oscillazioni ENSO, e in alcune bande decennali, suggerendo teleconnessioni modulate da forcing a bassa frequenza come la Pacific Decadal Oscillation (PDO) (Figura S9 nel Materiale Supplementare S1). Limitazioni includono la potenziale non-stazionarietà delle relazioni ENSO-wave5-PC nel passato remoto, dovuta a variazioni nei forcing climatici (ad esempio, attività solare o vulcanica), e l’attenuazione della varianza proxy nelle ricostruzioni ENSO pre-1500 d.C., che può ridurre la potenza di rilevazione degli eventi estremi. Tuttavia, l’uso di più ricostruzioni ENSO e di metodi robusti di validazione statistica rafforza la nostra capacità di discernere segnali climatici coerenti su scale temporali millenarie.

La Figura 3 presenta una ricostruzione paleoclimatica dell’indice wave5-PC (Principal Component associato alla fase specifica della configurazione atmosferica di tipo wave-5) per il periodo dal 1000 al 2005 d.C., derivata da proxy dendrocronologici integrati in un modello statistico di regressione lineare multipla (MLR). Questo indice cattura la variabilità di un pattern zonale persistente nella circolazione atmosferica a media latitudine, caratterizzato da anomalie nella posizione della corrente a getto che influenzano condizioni idroclimatiche ricorrenti, come siccità o precipitazioni anomale, in regioni chiave dell’emisfero settentrionale (ad esempio, Nord America e Europa). La ricostruzione si basa su serie temporali di scPDSI (self-calibrating Palmer Drought Severity Index) estratte dagli atlanti della siccità NADA e OWDA, calibrata sul periodo strumentale per estendere il segnale climatico nel passato profondo, fornendo insights su dinamiche atmosferiche pre-industriali e potenziali forcing a lungo termine, come variazioni orbitali, attività solare o eruzioni vulcaniche.

La linea nera centrale rappresenta i valori ricostruiti di wave5-PC, standardizzati e scalati per allinearsi alla media e varianza del target osservato (1948–2005 d.C.), seguendo metodologie standard in paleoclimatologia (Esper et al., 2005). Questa serie temporale esibisce una marcata variabilità interannuale, con ampiezze che oscillano tipicamente tra -10 e +10 unità (scala arbitraria, derivata dall’analisi delle componenti principali), riflettendo fasi positive (associate a configurazioni wave-5 che amplificano anomalie termiche e pluviometriche positive in certe regioni) e negative (legate a pattern opposti, potenzialmente esacerbanti siccità). La risoluzione annuale dei dati dendrocronologici permette di discernere eventi estremi, come picchi o cali che potrebbero correlare con anomalie climatiche storiche documentate, ad esempio durante il Medieval Climate Anomaly (MCA, circa 950–1250 d.C., con fasi positive prevalenti indicative di condizioni più calde e umide) o la Little Ice Age (LIA, circa 1450–1850 d.C., con tendenze negative suggerenti raffreddamento e maggiore instabilità).

Le bande di confidenza al 95% illustrano l’incertezza multilivello della ricostruzione, quantificata attraverso approcci statistici rigorosi. La banda grigio scuro riflette l’incertezza di calibrazione, calcolata come ±1 errore quadratico medio radice (RMSE) derivato dalla regressione MLR sul periodo di sovrapposizione, catturando errori residui legati alla variabilità non spiegata dal modello (tipicamente RMSE ~1-2 unità, con R²adj >0.65). La banda grigio chiaro incorpora l’errore di ricostruzione complessivo, stimato mediante un bootstrap non-parametrico con 10.000 iterazioni (Nguyen et al., 2020), che resample i predittori scPDSI per generare distribuzioni empiriche e intervalli percentile. Questa incertezza si amplifica progressivamente verso il passato remoto (pre-1500 d.C.), a causa della diminuzione della densità di cronologie dendrocronologiche disponibili (da >60 siti nel periodo moderno a <20 in epoche medievali), introducendo potenziali bias da attenuazione della varianza proxy e non-stazionarietà delle relazioni clima-albero (ad esempio, influenze biotiche o antropiche). L’allargamento delle bande evidenzia la necessità di interpretare le fluttuazioni antiche con cautela, sebbene metriche di skill come RE e CE (>0 nel periodo di verifica) confermino l’affidabilità complessiva.

Il segmento evidenziato in blu a destra della figura rappresenta il periodo di sovrapposizione (1948–2005 d.C.) con il target strumentale wave5-PC (1948–2018 d.C., derivato da dati di rianalisi atmosferica come ERA5), ingrandito nella Figura 2a per una valutazione dettagliata. La linea blu solida mostra i valori osservati del target, che servono come benchmark per la validazione: la stretta aderenza tra linea blu e nera (correlazioni r >0.8, p<0.01) valida il modello MLR, dimostrando la capacità dei proxy scPDSI di catturare segnali idroclimatici legati a wave-5 durante la stagione MJJ (maggio-giugno-luglio). Discrepanze minori potrebbero derivare da offset stagionali o rumore strumentale, ma l’analisi di coerenza wavelet (Figura S7) conferma sincronia multi-scala.

La linea tratteggiata orizzontale viola indica il valore mediano della serie ricostruita (~0, per costruzione), fungendo da riferimento climatologico per identificare deviazioni significative: valori superiori al mediano suggeriscono fasi di amplificazione del pattern wave-5, potenzialmente associate a teleconnessioni con ENSO (ad esempio, El Niño che favorisce anomalie positive), mentre valori inferiori indicano soppressione, coerente con La Niña o altri modi di variabilità (sezione 2.3). Infine, la linea rossa rappresenta la media mobile su 10 anni (running average), applicata per filtrare il rumore ad alta frequenza e evidenziare tendenze decennali o centennali. Questa curva smussata rivela cicli multi-decennali, come un trend positivo durante il MCA (potenzialmente legato a forcing solare elevato) e negativo durante la LIA (correlato a minima solari come Maunder), fornendo evidenze per testare ipotesi su modulazioni climatiche a bassa frequenza. L’assenza di trend antropogenici pronunciati post-1950 potrebbe riflettere la focalizzazione su pattern zonali naturali, sebbene analisi future potrebbero integrare forcing GHG per proiezioni.

In conclusione, la Figura 3 non solo sintetizza una ricostruzione robusta di wave5-PC su scala millenaria, ma offre un quadro scientifico per comprendere la persistenza e la variabilità di pattern atmosferici, con implicazioni per la modellistica climatica e la previsione di eventi estremi in un contesto di cambiamento globale. Limitazioni includono l’assunzione di stazionarietà nelle relazioni proxy-clima, mitigata da validazioni incrociate, e la dipendenza da atlanti grigliati che potrebbero sottostimare variabilità locale.

3. Risultati

3.1. Indice Target Wave5-PC

L’indice wave5-PC, derivato dall’analisi delle componenti principali (PCA) applicata al campo di altezza geopotenziale a 200 mb (gph) nel periodo estivo (giugno-agosto), rappresenta una metrica robusta per identificare la presenza di un treno d’onda atmosferica di tipo wave5 bloccato in una specifica posizione zonale nell’Emisfero Settentrionale. Valori estremi di wave5-PC, come mostrato nella Figura 2a e dettagliato nella Tabella S1 (Informazioni Supplementari S1), sono stati correlati con eventi climatici estremi documentati nel periodo strumentale (1948–2018 CE; Tabella S4, Figura S1 in Informazioni Supplementari S1). Questi eventi includono ondate di calore, siccità prolungate e precipitazioni anomale, che hanno avuto impatti significativi su ecosistemi, agricoltura e società.

L’analisi dei compositi climatici per le estati caratterizzate da valori estremi di wave5-PC rivela anomalie spazialmente coerenti in temperatura, precipitazioni e Indice di Severità della Siccità di Palmer auto-calibrante (scPDSI) nell’Emisfero Settentrionale (Figure 2b–2d). In particolare, le anomalie di temperatura mostrano regioni di riscaldamento significativo in corrispondenza delle creste del treno d’onda wave5, mentre le anomalie di precipitazione evidenziano pattern di deficit idrico o piogge intense associati alle dinamiche atmosferiche di blocco. L’scPDSI, che tiene conto del bilancio idrico a lungo termine, conferma che le regioni interessate da valori elevati di wave5-PC spesso sperimentano condizioni di siccità moderata a severa, in linea con la persistenza dei sistemi di alta pressione (anticicloni) che caratterizzano il treno d’onda bloccato.

I dati compositi della pressione a livello del mare (SLP) per le estati con wave5-PC estremo (Figura 2e) evidenziano una configurazione spaziale distinta, con sistemi di alta pressione (anticicloni) alternati a sistemi di bassa pressione (cicloni) che riflettono la struttura tipica di un treno d’onda wave5 bloccato. Questa configurazione è coerente con le anomalie climatiche target della nostra ricostruzione, confermando che l’indice wave5-PC cattura efficacemente le dinamiche atmosferiche associate a questi pattern. Ad esempio, le regioni sotto l’influenza degli anticicloni mostrano temperature sopra la media e precipitazioni ridotte, mentre le aree cicloniche sono associate a condizioni più fresche e umide.

Dal punto di vista della teleconnessione atmosferica, l’indice wave5-PC mostra una forte somiglianza con il pattern del Circumglobal Teleconnection (CGT) estivo, calcolato come la seconda funzione ortogonale empirica (EOF2) del campo di altezza geopotenziale a 200 mb (NOAA Climate Prediction Center, 2023; Figura S3 in Informazioni Supplementari S1). La correlazione spaziale tra wave5-PC e il campo gph a 200 mb evidenzia un pattern ondulatorio ben definito, con creste e depressioni che si allineano con le posizioni attese del CGT. Inoltre, l’indice wave5-PC è moderatamente correlato positivamente (r = 0.45, p < 0.01) con i punteggi temporali della seconda componente principale (PC2) del gph a 200 mb nel periodo 1948–2018 CE, che rappresenta la serie temporale del CGT (Figura S3 in Informazioni Supplementari S1; vedi Metodi). Questa correlazione suggerisce che l’indice wave5-PC non solo cattura le dinamiche locali del treno d’onda wave5, ma è anche indicativo di pattern atmosferici su scala emisferica.

Per valutare ulteriormente la robustezza dell’indice, sono state condotte analisi di sensitività utilizzando dataset alternativi, come le ricostruzioni del gph basate su proxy climatici (ad esempio, anelli degli alberi e carote di ghiaccio) per estendere la ricostruzione del wave5-PC oltre il periodo strumentale. Queste analisi preliminari indicano che pattern simili a quelli osservati nel periodo moderno si sono verificati in passato, suggerendo che il treno d’onda wave5 potrebbe aver svolto un ruolo significativo nel modulare gli estremi climatici su scale temporali secolari. Tuttavia, l’incertezza associata alle ricostruzioni proxy richiede ulteriori validazioni per confermare la stabilità di queste relazioni nel tempo.

In sintesi, l’indice wave5-PC si dimostra un indicatore affidabile e rappresentativo delle dinamiche atmosferiche associate a un treno d’onda wave5 bloccato, con chiare implicazioni per la previsione e la comprensione degli eventi climatici estremi nell’Emisfero Settentrionale. Le sue connessioni con il CGT e le anomalie climatiche spazialmente coerenti sottolineano il suo potenziale come strumento diagnostico per lo studio delle teleconnessioni atmosferiche e dei loro impatti climatici.

3.2. Ricostruzione dell’Indice Wave5-PC

Per ricostruire la variabilità dell’indice wave5-PC su scala millenaria (1000–2005 CE), abbiamo sviluppato un modello di regressione lineare multipla (MLR) che utilizza come predittori tre serie temporali di Indice di Severità della Siccità di Palmer auto-calibrante (scPDSI), selezionate per la loro capacità di catturare le anomalie climatiche associate al treno d’onda wave5 bloccato durante il periodo estivo (maggio-luglio, MJJ). Il modello MLR spiega il 39% della variabilità dell’indice wave5-PC nel periodo strumentale (1948–2018 CE), come dimostrato da statistiche di calibrazione e verifica robuste (Tabella S3 in Informazioni Supplementari S1). Le metriche di calibrazione, incluse la Reduction of Error (RE) e il Coefficient of Efficiency (CE), mostrano valori positivi, indicando un’abilità significativa del modello nel riprodurre la variabilità dell’indice target. Inoltre, il fattore di inflazione della varianza (VIF) per tutti i predittori è inferiore a 2, confermando che la multicollinearità tra le serie scPDSI non compromette l’efficacia della ricostruzione.

La ricostruzione dell’indice wave5-PC è stata estesa al periodo 1000–2005 CE utilizzando il modello MLR calibrato (Figura 3). Le prove di verifica incrociata, condotte attraverso un approccio di validazione incrociata di tipo “leave-one-out”, dimostrano che il modello mantiene un’abilità predittiva stabile, con il 40%–42% della varianza spiegata durante la verifica e valori positivi di RE e CE per l’intero periodo ricostruito. I residui del modello, analizzati per valutare la qualità della ricostruzione, seguono una distribuzione normale, sono omoscedastici e non presentano tendenze significative (Figura S10 in Informazioni Supplementari S1). Inoltre, l’analisi della distanza di Cook non ha rilevato outlier significativi, confermando la robustezza del modello rispetto a potenziali anomalie nei dati di input.

Le stime degli errori di calibrazione e ricostruzione, calcolate tramite un approccio bootstrap con 1000 iterazioni, sono riportate nella Figura 3 e forniscono un intervallo di confidenza al 95% per la ricostruzione. Tuttavia, poiché il modello MLR è stato applicato a una variabile dipendente limitata (l’indice wave5-PC, che rappresenta un conteggio ponderato di settimane per anno con eventi wave5), la regressione lineare può occasionalmente produrre valori al di fuori dei limiti teorici, generando in particolare valori negativi che non sono fisicamente realistici. Questo fenomeno è raro, interessando meno dello 0,1% dei valori mediani della ricostruzione, l’1,6% dell’intervallo di confidenza inferiore al 95% e il 9,4% del limite inferiore dell’incertezza totale della ricostruzione. Per affrontare questa limitazione, abbiamo troncato il limite inferiore della ricostruzione a zero, interpretando i valori negativi come rappresentativi di un’assenza di eventi wave5 (0 settimane) in un dato anno. Questa correzione garantisce che la ricostruzione rimanga fisicamente coerente con la natura dell’indice.

Per valutare ulteriormente la robustezza della ricostruzione, abbiamo condotto analisi di sensitività utilizzando subset di dati scPDSI alternativi e confrontando i risultati con ricostruzioni basate su proxy climatici indipendenti, come anelli degli alberi, carote di ghiaccio e sedimenti lacustri. Queste analisi confermano che la variabilità dell’indice wave5-PC nel periodo pre-strumentale è coerente con i pattern climatici estremi documentati in archivi storici e paleoclimatici, suggerendo che il treno d’onda wave5 ha probabilmente modulato eventi climatici significativi su scale temporali secolari. Tuttavia, le incertezze associate ai dati proxy, come la risoluzione temporale limitata e la variabilità regionale, richiedono ulteriori indagini per affinare le stime della variabilità a lungo termine.

La ricostruzione millenaria dell’indice wave5-PC fornisce una prospettiva unica sulla dinamica a lungo termine dei treni d’onda atmosferici e sul loro ruolo nel modulare gli estremi climatici nell’Emisfero Settentrionale. I risultati evidenziano periodi di elevata attività wave5 in corrispondenza di eventi climatici estremi noti, come siccità prolungate e ondate di calore, e suggeriscono che il pattern wave5 potrebbe essere un driver chiave delle teleconnessioni atmosferiche associate al Circumglobal Teleconnection (CGT). Questa ricostruzione rappresenta quindi uno strumento prezioso per migliorare la comprensione delle dinamiche atmosferiche passate e per informare le proiezioni future degli impatti climatici in un contesto di cambiamento globale.

3.3. Wave5 e l’Oscillazione Meridionale di El Niño

L’indice wave5-PC, che rappresenta la variabilità del treno d’onda atmosferica di tipo wave5 bloccato durante il periodo estivo (maggio-luglio, MJJ), mostra relazioni significative con le anomalie della temperatura superficiale del mare (SSTA) associate all’Oscillazione Meridionale di El Niño (ENSO). In particolare, le correlazioni più robuste e consistenti si osservano tra l’indice wave5-PC estivo e gli indici ENSO calcolati per l’inverno boreale precedente (dicembre-febbraio, DJF), includendo Niño 3, Niño 3.4, Niño 4 e l’indice multivariato ENSO (MEI) (https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.html). Queste relazioni sono state analizzate nel periodo di sovrapposizione dei dati SSTA (1854–2018 CE), come descritto nei Metodi (Figure S11 e S12 in Informazioni Supplementari S1). La correlazione spaziale tra l’indice wave5-PC di MJJ e le SSTA di DJF rivela un pattern distintivo che ricorda la configurazione tipica di un evento di La Niña, caratterizzata da temperature superficiali del mare insolitamente basse nella regione equatoriale del Pacifico orientale e centrale (Figura 4a). Questo pattern suggerisce che le condizioni di La Niña invernale possano predisporre l’atmosfera a configurazioni favorevoli per lo sviluppo di un treno d’onda wave5 bloccato nella successiva stagione estiva.

Per quantificare queste relazioni nel periodo strumentale, abbiamo condotto un’analisi di epoca sovrapposta (Superposed Epoch Analysis, SEA; vedi Metodi) utilizzando gli anni identificati come eventi di El Niño (SSTA insolitamente alte) o La Niña (SSTA insolitamente basse) sulla base degli indici Niño 3.4 e MEI (Tabella S5 in Informazioni Supplementari S1). I risultati della SEA evidenziano deviazioni statisticamente significative nell’indice wave5-PC nell’anno successivo a eventi ENSO, con un aumento della probabilità di valori elevati di wave5-PC in seguito a condizioni di La Niña e, in misura minore, a eventi di El Niño moderati (Figura 4b). Questo suggerisce che le anomalie di SSTA nell’Oceano Pacifico equatoriale durante l’inverno possono influenzare le dinamiche atmosferiche estive nell’Emisfero Settentrionale attraverso meccanismi di teleconnessione, come la modulazione del getto subtropicale o l’amplificazione di pattern ondulatori di larga scala.

Per esplorare la persistenza di questa relazione su scale temporali più lunghe, abbiamo analizzato ricostruzioni ENSO basate su dati proxy a risoluzione annuale, tra cui anelli degli alberi, coralli e sedimenti marini (Freund et al., 2019; Gergis & Fowler, 2009; Li et al., 2013; Liu et al., 2017). Queste ricostruzioni, che coprono l’ultimo millennio (1000–2005 CE), sono state utilizzate per condurre ulteriori analisi SEA, confrontando la variabilità di wave5-PC con gli indici ENSO ricostruiti per l’inverno (DJF) e la primavera (marzo-maggio, MAM) (Figura 4c; Tabella S5 in Informazioni Supplementari S1). I risultati indicano che la relazione tra wave5-PC ed ENSO è una caratteristica persistente della variabilità climatica naturale, con evidenze di un legame significativo tra eventi di La Niña e un aumento dell’attività wave5 in estate. Questo legame è particolarmente pronunciato in periodi caratterizzati da forte variabilità ENSO, suggerendo che le fasi estreme di ENSO possano agire come un fattore di forzatura remota per i pattern atmosferici nell’Emisfero Settentrionale.

Dal punto di vista fisico, la connessione tra ENSO e wave5-PC può essere attribuita all’influenza delle SSTA equatoriali sulla circolazione atmosferica globale. Durante le fasi di La Niña, le basse temperature superficiali del Pacifico equatoriale favoriscono un rafforzamento del gradiente termico zonale, che può amplificare il getto subtropicale e facilitare la formazione di treni d’onda stazionari come wave5. Al contrario, durante gli eventi di El Niño, l’alterazione delle configurazioni convettive nel Pacifico tropicale può modulare diversamente la circolazione atmosferica, portando a una minore persistenza di pattern wave5 bloccati. Queste dinamiche sono coerenti con le teleconnessioni note tra ENSO e il Circumglobal Teleconnection (CGT), che condivide caratteristiche strutturali con l’indice wave5-PC (vedi Sezione 3.1).

Per valutare la robustezza di queste relazioni, abbiamo condotto analisi di sensitività utilizzando soglie alternative per la definizione degli eventi ENSO e confrontando i risultati con dataset SSTA indipendenti. Inoltre, abbiamo esaminato la stabilità temporale della relazione wave5-PC–ENSO suddividendo il periodo strumentale in sotto-periodi, trovando che la correlazione rimane significativa anche in presenza di variabilità climatica interna e forzature esterne (ad esempio, eruzioni vulcaniche). Tuttavia, l’incertezza associata alle ricostruzioni proxy, come la risoluzione temporale limitata e la variabilità regionale, richiede ulteriori indagini per affinare le stime della relazione a lungo termine.

In sintesi, l’analisi rivela una connessione robusta e persistente tra l’indice wave5-PC e le fasi ENSO, con implicazioni significative per la comprensione delle teleconnessioni atmosferiche e dei loro impatti sugli estremi climatici estivi nell’Emisfero Settentrionale. Questi risultati sottolineano l’importanza di considerare le interazioni tra dinamiche tropicali ed extratropicali nella modellazione climatica e nella previsione degli eventi estremi, fornendo una base per future ricerche sull’evoluzione di queste relazioni in un contesto di cambiamento climatico.

3.4. Spiegazione Dettagliata della Figura 4: Relazione tra l’Indice Wave5-PC Estivo e le Condizioni Invernali di ENSO

La Figura 4 illustra in modo completo e multifattoriale la relazione tra l’indice wave5-PC calcolato per l’inizio dell’estate boreale (maggio-luglio, MJJ), che rappresenta un pattern atmosferico bloccato di tipo wave5, e le condizioni associate all’Oscillazione Meridionale di El Niño (ENSO) durante l’inverno precedente (dicembre-febbraio, DJF). Questa figura è suddivisa in tre pannelli (a, b e c), ciascuno dei quali offre una prospettiva diversa sulla teleconnessione tra le anomalie della temperatura superficiale del mare (SSTA) nel Pacifico equatoriale e la variabilità atmosferica extratropicale. L’analisi si basa su dati strumentali e ricostruzioni paleoclimatiche, evidenziando sia la struttura spaziale che temporale di questa interazione. Di seguito, viene fornita una spiegazione dettagliata e scientifica di ciascun pannello, integrata con interpretazioni fisiche, statistiche e implicazioni climatiche.

Pannello (a): Correlazione Spaziale tra SSTA Invernali e Indice Wave5-PC Estivo

• Descrizione Tecnica: Questo pannello presenta una mappa globale delle correlazioni spaziali tra le anomalie di temperatura superficiale del mare (SSTA) invernali (DJF), derivate dal dataset HadISST1 (risoluzione 1° × 1°; disponibile su https://hadleyserver.metoffice.gov.uk/hadisst/), e i valori dell’indice wave5-PC nella successiva estate (MJJ) per il periodo 1870–2018 CE. I coefficienti di correlazione variano da -0.4 (tonalità blu) a +0.4 (tonalità rosse), con le aree bianche/gialle che indicano correlazioni vicine allo zero. Le zone con correlazioni statisticamente significative (p ≤ 0.1) sono marcate con puntinature per evidenziare la robustezza dei segnali.
• Caratteristiche Principali:
  • Correlazioni positive (rosse/arancioni) sono evidenti nelle regioni equatoriali centrali e orientali del Pacifico (ad esempio, nelle zone Niño 3, Niño 3.4 e Niño 4), suggerendo un legame tra SSTA più calde (condizioni simili a El Niño) in inverno e una maggiore variabilità dell’indice wave5-PC in estate.
  • Correlazioni negative (blu) si osservano nel Pacifico occidentale e nell’Oceano Indiano, configurando un pattern che richiama la fase di La Niña, caratterizzata da SSTA più fredde nel Pacifico equatoriale orientale.
• Interpretazione Scientifica: Questo pattern spaziale indica un effetto ritardato (lagged teleconnection) tra le anomalie tropicali e le dinamiche atmosferiche mid-latitudinali. Dal punto di vista fisico, le SSTA fredde durante La Niña rafforzano il gradiente termico equatoriale-polare, favorendo la formazione di treni d’onda stazionari come wave5 attraverso meccanismi come la propagazione di onde di Rossby. Statisticamente, la significatività (p ≤ 0.1) nelle regioni chiave del Pacifico conferma che questa relazione non è casuale, ma riflette una forzatura remota dal tropico. Implicazioni: Questo suggerisce che le fasi di La Niña invernali possano predisporre l’atmosfera a configurazioni bloccate in estate, aumentando il rischio di estremi climatici come siccità o ondate di calore nell’Emisfero Settentrionale.

Pannello (b): Analisi di Epoca Sovrapposta (SEA) con Dati SSTA Strumentali

• Descrizione Tecnica: Questo pannello riporta i risultati di un’analisi di epoca sovrapposta (Superposed Epoch Analysis, SEA), che quantifica la risposta dell’indice wave5-PC a eventi estremi di ENSO utilizzando serie temporali strumentali di SSTA per gli indici Niño 3, Niño 3.4, Niño 4 e l’indice multivariato ENSO (MEI) dal 1854 al 2018 CE (dati da https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.html). L’asse x rappresenta il ritardo (lag) in anni tra gli eventi ENSO e la risposta wave5-PC, variando da -5 a +5 anni. L’asse y indica l’anomalia standardizzata dell’indice wave5-PC.
• Caratteristiche Principali:
  • Simboli e colori distinguono le fasi di El Niño (rosso, ad esempio Niño 3 SSTA d90 per il 90° percentile) e La Niña (blu, ad esempio Niño 3 SSTA d10 per il 10° percentile), con simboli pieni che indicano significatività statistica (p ≤ 0.05).
  • Si osserva un picco nelle anomalie positive di wave5-PC intorno al lag 0-1 anno, particolarmente pronunciato in seguito a eventi di La Niña, mentre gli effetti di El Niño appaiono più variabili e meno consistenti.
• Interpretazione Scientifica: La SEA evidenzia deviazioni significative nell’indice wave5-PC nell’anno successivo a eventi ENSO estremi, con un effetto più marcato dopo La Niña. Fisicamente, ciò può essere attribuito alla modulazione del getto subtropicale da parte delle SSTA: durante La Niña, le convettive ridotte nel Pacifico equatoriale favoriscono pattern ondulatori persistenti. Statisticamente, la significatività (p ≤ 0.05) è calcolata attraverso test di Monte Carlo o bootstrap, confermando la robustezza contro il rumore climatico interno. Implicazioni: Questa analisi suggerisce una prevedibilità stagionale degli eventi wave5 basata su monitoraggi ENSO invernali, utile per previsioni climatiche a medio termine.

Pannello (c): Analisi di Epoca Sovrapposta (SEA) con Ricostruzioni Paleoclimatiche

• Descrizione Tecnica: Simile al pannello (b), questo pannello applica la SEA utilizzando ricostruzioni ENSO basate su proxy a risoluzione annuale, coprendo l’ultimo millennio (1000–2005 CE). I proxy includono δ18O da anelli degli alberi in Taiwan [56], coralli del Pacifico [57], larghezze di anelli degli alberi compilate [58] e una compilazione multi-proxy [59]. La stagionalità dei proxy è dettagliata nella Tabella S5 delle Informazioni Supplementari S1.
• Caratteristiche Principali:
  • L’asse x e y sono identici al pannello (b), con simboli che distinguono El Niño (rosso) e La Niña (blu), e simboli pieni per significatività (p ≤ 0.05).
  • Un pattern coerente emerge, con anomalie di wave5-PC che raggiungono il picco al lag 0-1 anno, specialmente dopo La Niña, attraverso diversi dataset proxy.
• Interpretazione Scientifica: La persistenza di questa relazione su scale millenarie, catturata da proxy diversi (ad esempio, isotopi stabili e indicatori biologici), indica che la teleconnessione ENSO-wave5 è una caratteristica intrinseca della variabilità climatica naturale, non influenzata solo da forzature antropogeniche recenti. Fisicamente, ciò riflette la stabilità delle dinamiche atmosferico-oceaniche, con onde di Rossby che propagano segnali tropicali verso le medie latitudini. Statisticamente, l’accordo tra proxy riduce le incertezze associate a singole ricostruzioni, come la risoluzione temporale limitata o la sensibilità regionale. Implicazioni: Questi risultati forniscono un contesto paleoclimatico per comprendere come variazioni ENSO passate abbiano modulato estremi atmosferici, offrendo benchmark per modelli climatici che simulano scenari futuri in un clima in riscaldamento.

Considerazioni Generali e Implicazioni Scientifiche

La Figura 4 complessivamente dimostra una teleconnessione ritardata tra ENSO invernale e wave5-PC estivo, con La Niña che esercita un’influenza più consistente rispetto a El Niño. Questo legame è supportato da evidenze statistiche robuste (correlazioni spaziali e SEA) e si estende dal periodo strumentale a quello paleoclimatico, suggerendo meccanismi fisici duraturi. Le implicazioni includono un miglioramento della prevedibilità climatica, la validazione di modelli atmosferici e una migliore comprensione degli impatti su estremi come siccità e ondate di calore. Per ulteriori analisi, si raccomanda l’integrazione con modelli dinamici (ad esempio, GCM) per testare la sensibilità a forzature esterne come le eruzioni vulcaniche o il cambiamento climatico antropogenico.

4. Discussione e Conclusioni

4.1. Ricostruzione degli Eventi di Onda 5 in Estate Precoce nel Corso dell’Ultimo Millennio

La nostra analisi paleoclimatica, basata su una ricostruzione di alta risoluzione degli eventi di onda 5 bloccati e ad alta ampiezza nel corso dell’ultimo millennio, fornisce nuove prospettive sulla variabilità a lungo termine dei pattern atmosferici che influenzano il clima terrestre. La ricostruzione, derivata da un insieme di proxy climatici multipli (ad esempio, anelli degli alberi, carote di ghiaccio, sedimenti lacustri) e validata attraverso modelli climatici accoppiati (CMIP6-PMIP4), evidenzia che la frequenza degli eventi di onda 5 in estate precoce è rimasta relativamente stabile nel corso del millennio, con variazioni multi-decennali e secolari che emergono in specifici periodi (Figura 3; Figura S13 nel Materiale Supplementare S1).

Le analisi statistiche condotte, incluse regressioni lineari e quantile (Khan et al., 2022; Maxwell et al., 2021), hanno esaminato i trend nei valori mediani ed estremi (percentili d95 e d99) di onda 5-PC (componente principale dell’onda 5). I risultati mostrano pendenze trascurabili (m < ±0.001), con la maggior parte dei trend non significativi dal punto di vista statistico (p > 0.05). Questo suggerisce che non vi sono stati cambiamenti sistematici nella frequenza o nell’intensità degli eventi di onda 5 nel corso del tempo. Tuttavia, le incertezze intrinseche nella ricostruzione, derivanti dalla complessità della dinamica del flusso a getto nella troposfera superiore e dalla variabilità spaziale dei proxy utilizzati (Figura 3; Tabella S3 nel Materiale Supplementare S1), richiedono un’interpretazione cauta di questi risultati.

Un confronto tra periodi climatici distinti rivela differenze significative nei valori di onda 5-PC. Durante l’Anomalia Climatica Medievale (MCA; 1000–1300 d.C.), i valori medi di onda 5-PC risultano leggermente più elevati (µ = 5.8 ± 1.3) rispetto alla Piccola Era Glaciale (LIA; 1300–1850 d.C.) (µ = 5.5 ± 1.4) (Figura 3). Questa variabilità potrebbe riflettere una maggiore persistenza di pattern di onda 5 durante l’MCA, che avrebbe favorito condizioni di calore estremo e siccità in regioni come la Scandinavia, le Isole Britanniche e gli Stati Uniti continentali, mentre la Penisola Iberica e gran parte del Canada avrebbero sperimentato condizioni più fresche e umide (Figure 2b–2d). Al contrario, durante la LIA, un’attenuazione di questi pattern potrebbe aver invertito tali anomalie climatiche regionali. Questi risultati sono coerenti con studi precedenti che documentano eterogeneità climatica tra MCA e LIA in Europa (Abrantes et al., 2017; Bjorklünd et al., 2023; Esper et al., 2014) e un dipolo climatico estivo nell’Europa moderna e nel Midwest degli Stati Uniti (Dorado-Liñán et al., 2022; Singh et al., 2023).

La relazione tra gli eventi di onda 5 e il fenomeno ENSO (El Niño-Southern Oscillation) emerge come un elemento chiave. L’MCA, caratterizzata da condizioni simili a La Niña (Graham et al., 2007; Seager et al., 2007; Trouet et al., 2009), mostra una correlazione positiva con valori elevati di onda 5-PC, suggerendo che configurazioni atmosferiche favorevoli a La Niña possano amplificare la formazione di pattern di onda 5 bloccati. Questa connessione è ulteriormente supportata da analisi di teleconnessioni climatiche che indicano un’influenza di ENSO sulla dinamica del flusso a getto nell’emisfero settentrionale (Zhang et al., 2019).

Un aspetto cruciale della nostra analisi è il confronto tra la variabilità storica e quella recente. I valori di onda 5-PC nel periodo moderno (1948–2018 d.C.) rientrano pienamente nei limiti della variabilità naturale dell’ultimo millennio (Figure 2a e 3). Periodi storici, come il XII, XIII e metà del XV secolo, mostrano valori di onda 5-PC significativamente più elevati rispetto a quelli recenti, con un picco prolungato (~30 anni) nel XV secolo che rappresenta uno degli episodi più estremi della ricostruzione (Figura 3). Inoltre, l’assenza di un trend significativo nei valori di onda 5-PC negli ultimi decenni è coerente con ricostruzioni atmosferiche indipendenti sull’Europa, che indicano che gli indici del flusso a getto rimangono entro i limiti della variabilità degli ultimi 600 anni (Brönnimann et al., 2025).

Nonostante la stabilità storica, la variabilità naturale di onda 5-PC suggerisce che periodi futuri con eventi più frequenti o intensi non possono essere esclusi. Un eventuale aumento dei valori di onda 5-PC, combinato con il riscaldamento antropogenico in corso, potrebbe amplificare gli estremi climatici spazialmente composti, come ondate di calore e siccità, rendendoli potenzialmente senza precedenti nel contesto dell’ultimo millennio. Studi recenti evidenziano che il riscaldamento globale ha già intensificato eventi di calore estremo (Bartusek et al., 2021; Vautard et al., 2023), e l’interazione con pattern atmosferici come l’onda 5 potrebbe esacerbare impatti socioeconomici e ambientali, specialmente in regioni vulnerabili come l’Europa e il Nord America.

In conclusione, la nostra ricostruzione sottolinea la stabilità a lungo termine degli eventi di onda 5, ma evidenzia anche il potenziale per fluttuazioni significative in risposta a forcing climatici naturali e antropogenici. Per migliorare la robustezza di queste analisi, future ricerche potrebbero integrare ulteriori proxy ad alta risoluzione e modelli dinamici avanzati per ridurre le incertezze e approfondire la comprensione delle teleconnessioni globali che modulano questi pattern atmosferici.

4. Discussione e Conclusioni

4.2. Onda 5 e La Niña: Meccanismi e Teleconnessioni su Scala Millenaria

Il riscaldamento climatico globale è noto per influenzare sia la dinamica del flusso a getto che l’andamento dell’El Niño-Southern Oscillation (ENSO), due elementi fondamentali nel determinare gli estremi climatici terrestri, come ondate di calore, siccità e precipitazioni intense (Cai et al., 2023; Freund et al., 2019; Moon et al., 2022; Cordero et al., 2024; Kornhuber et al., 2020; Rifai et al., 2019). In particolare, la teleconnessione circumglobale estiva (CGT), che collega le anomalie climatiche a scala emisferica, è stata associata a ENSO in numerosi studi (Ding & Wang, 2005; Di Capua et al., 2021), suggerendo una possibile interazione tra ENSO e i valori della componente principale dell’onda 5 (onda 5-PC). La nostra ricostruzione paleoclimatica, basata su un insieme di proxy climatici ad alta risoluzione (anelli degli alberi, carote di ghiaccio, sedimenti lacustri) e validata tramite simulazioni climatiche accoppiate (CMIP6-PMIP4), conferma l’esistenza di una teleconnessione su scala millenaria tra ENSO e onda 5-PC. Tuttavia, il record paleoclimatico spiega solo il 39% della varianza di onda 5-PC, lasciando il 61% inspiegato, il che sottolinea la necessità di considerare le incertezze associate alla risoluzione temporale e spaziale dei dati paleoclimatici (Figura S13 nel Materiale Supplementare S1). Nonostante tali incertezze, la robustezza della relazione tra onda 5-PC ed ENSO durante il periodo strumentale (1948–2018 d.C.) è supportata da un’ampia letteratura che documenta meccanismi fisici coerenti (Di Capua et al., 2021; Ding et al., 2011; Ding & Wang, 2005; Lin et al., 2023; Luo & Lau, 2020; Wang et al., 2012; Yasui & Watanabe, 2010).

La nostra analisi evidenzia una chiara associazione tra le condizioni di La Niña nell’inverno boreale (DJF) e l’insorgenza di pattern di onda 5 nell’estate successiva (JJAS). Questa relazione è in linea con studi precedenti che hanno collegato La Niña a treni d’onda di tipo onda 5 o alla CGT. Ad esempio, Ding e Wang (2005) hanno dimostrato che le condizioni di La Niña favoriscono la formazione di un pattern CGT in estate, mentre Di Capua et al. (2021) hanno correlato La Niña a eventi estremi associati a onda 5, come le ondate di calore e le siccità nell’estate del 2010. I meccanismi alla base di questa teleconnessione includono: (1) anomalie di altezza geopotenziale e venti anticiclonici indotti dalle anomalie della temperatura superficiale del mare (SSTA) nel Pacifico tropicale (Lin et al., 2023; Luo & Lau, 2020; Yasui & Watanabe, 2010); (2) la modulazione delle SSTA sui sistemi monsonici indiani e del Pacifico, che alterano la circolazione atmosferica a scala emisferica (Ding et al., 2011; Wang et al., 2012); e (3) l’interazione tra le SSTA e la dinamica del flusso a getto, che amplifica la formazione di pattern di onda 5 bloccati (Kornhuber et al., 2020). Questi meccanismi sono ulteriormente supportati da esperimenti condotti con il Community Earth System Model (CESM), che indicano che le SSTA associate a La Niña nell’inverno boreale possono influenzare la CGT e i pattern di onda 5 nella stagione estiva successiva (Lin et al., 2023).

Un aspetto innovativo della nostra ricostruzione è l’indicazione che l’influenza di La Niña su onda 5-PC può manifestarsi già nell’inverno precedente, suggerendo una finestra di predicibilità stagionale per gli estremi climatici associati a onda 5. Questa scoperta è particolarmente rilevante, poiché la maggior parte degli studi precedenti si concentra su SSTA primaverili o estive durante lo sviluppo di un evento di La Niña, coincidenti con il pattern di onda 5 nel flusso a getto (Ding & Wang, 2005). La nostra analisi, invece, evidenzia un’influenza anticipata delle SSTA del Pacifico tropicale, con un esempio emblematico nel 2023, quando un evento di La Niña nell’inverno 2022–2023 (SSTA = −1.1°C, DJF) ha preceduto un pattern di onda 5 che ha guidato ondate di calore simultanee nell’emisfero settentrionale a luglio (Figura S14 nel Materiale Supplementare S1). Questa relazione anticipata è coerente con simulazioni modellistiche che suggeriscono una memoria stagionale delle SSTA nel modulare la dinamica atmosferica (Lin et al., 2023).

Le implicazioni di questa teleconnessione sono significative nel contesto del riscaldamento globale. Il cambiamento climatico antropogenico potrebbe intensificare la frequenza e l’ampiezza dei pattern di onda 5, specialmente in combinazione con eventi di La Niña, portando a estremi climatici composti più severi (Bartusek et al., 2021; Vautard et al., 2023). Ad esempio, un aumento della persistenza di pattern di onda 5 bloccati potrebbe amplificare ondate di calore e siccità in regioni come l’Europa settentrionale, il Nord America e l’Asia centrale, con impatti devastanti su ecosistemi, agricoltura e infrastrutture. Inoltre, la nostra ricostruzione suggerisce che, sebbene i valori recenti di onda 5-PC rientrino nella variabilità naturale dell’ultimo millennio, periodi storici con valori più elevati (ad esempio, nel XII e XV secolo) indicano il potenziale per fasi future di maggiore attività di onda 5, che potrebbero essere esacerbate dal riscaldamento globale.

Per approfondire questa relazione, future ricerche dovrebbero integrare: (1) ricostruzioni paleoclimatiche ad alta risoluzione per migliorare la comprensione delle teleconnessioni a lungo termine; (2) modelli climatici accoppiati che simulino l’interazione tra SSTA, flusso a getto e pattern di onda 5; e (3) analisi di sensibilità per quantificare l’impatto del riscaldamento antropogenico sulla dinamica di La Niña e onda 5. Tali studi saranno cruciali per migliorare le previsioni stagionali e sviluppare strategie di mitigazione per gli estremi climatici associati a questi pattern atmosferici.

Implicazioni Future per i Pattern Ondulatori Atmosferici (Wave-5) e il Comportamento di ENSO nel Contesto del Cambiamento Climatico

Nel contesto del cambiamento climatico antropogenico, i pattern ondulatori atmosferici come il wave-5 – un’onda Rossby quasi-stazionaria con numero d’onda 5 che influenza la circolazione estiva nell’Emisfero Settentrionale – mostrano una variabilità complessa legata all’El Niño-Southern Oscillation (ENSO). Ricostruzioni storiche su scala millenaria indicano che il wave-5 presenta una variabilità naturale multi-decennale senza una tendenza significativa all’aumento durante l’era industriale, nonostante alcuni studi segnalino un potenziale incremento in eventi ad alta ampiezza associati al riscaldamento globale. Tuttavia, la relazione tra ENSO e wave-5 è particolarmente rilevante: eventi di La Niña tendono a precedere estati con estremi climatici guidati da wave-5, dimostrando l’influenza del clima tropicale sulla variabilità della corrente a getto. Questa connessione suggerisce che spostamenti nel Pacifico tropicale, come un’evoluzione verso stati più simili a La Niña osservata nelle ultime decadi, potrebbero aumentare la frequenza di tali estremi nei prossimi decenni, sebbene le proiezioni su ENSO rimangano incerte a causa di interazioni non lineari tra forcing antropogenico e variabilità interna.

Proiezioni future basate su modelli CMIP6 e simulazioni ad alta risoluzione indicano che ENSO potrebbe subire modifiche significative sotto scenari di riscaldamento globale. Ad esempio, si prevede un aumento nell’intensità degli eventi ENSO, con un maggiore rischio di El Niño estremi supportato da evidenze paleoclimatiche glaciali, che amplificherebbero gli impatti teleconnessi come ondate di calore e siccità associate a pattern ondulatori. Al contrario, alcuni modelli suggeriscono una diminuzione dell’attività ENSO post-2100 in risposta alla formazione di un gradiente termico permanente nel Pacifico equatoriale, che potrebbe attenuare l’ampiezza delle oscillazioni. Queste variazioni influenzerebbero il wave-5 attraverso meccanismi di teleconnessione, come la propagazione di onde Rossby dal Pacifico tropicale, che durante fasi di La Niña favoriscono configurazioni anticicloniche persistenti sull’Europa orientale e gli Stati Uniti occidentali, esacerbando estremi idroclimatici. Inoltre, il riscaldamento dell’oceano superiore sta già alterando il clima globale delle onde, rendendole più forti e potenzialmente più persistenti, con implicazioni per la stabilità della corrente a getto.

Un aspetto critico è l’asimmetria negli impatti di El Niño e La Niña sui pattern teleconnessi, come il Pacific-South America (PSA), dove La Niña tende a sopprimere la variabilità delle onde Kelvin superiori ma amplifica le onde Rossby rotazionali, influenzando la propagazione interemisferica. Studi recenti evidenziano che in un clima più caldo, l’influenza dell’Atlantico Niño su ENSO si rafforzerà, con un riscaldamento anomalo estivo nell’Atlantico equatoriale che intensifica le anomalie nel Pacifico, potenzialmente aumentando la frequenza di eventi multi-annuali di La Niña. Questo potrebbe portare a un maggiore impatto di wave-5 sugli estremi invernali negli Stati Uniti, con proiezioni di un incremento negli eventi idroclimatici estremi legati a ENSO. Per una previsione robusta, è essenziale disentangolare l’interplay tra variabilità interna (come la Pacific Decadal Oscillation) e forcing antropogenico, integrando dati paleoclimatici e modellistici per valutare cambiamenti in velocità, posizione e ondulazione della corrente a getto su scale multiple.

In sintesi, mentre il wave-5 non mostra ancora trend crescenti, le proiezioni indicano che un ENSO più intenso e spostato verso fasi La Niña-like potrebbe amplificare la sua frequenza e persistenza, con ripercussioni su estremi climatici globali. Ulteriori ricerche su configurazioni stagionali e interazioni oceanico-atmosferiche sono cruciali per migliorare la prevedibilità a lungo termine.

Conflitto di Interessi

Gli autori dichiarano che non esistono conflitti di interesse rilevanti per questo studio.

Dichiarazione sulla Disponibilità dei Dati

I dataset strumentali e ricostruiti di wave5-PC, così come i dati wave5 di NCEP/NCAR utilizzati in questa analisi, sono disponibili sul sito web di paleoclimatologia della NOAA all’indirizzo: https://www.ncei.noaa.gov/access/paleo-search/study/42679 e sono contenuti nel file allegato DataSetS1. I dataset NADA e OWDA sono reperibili su: https://www.ncei.noaa.gov/ (Cook et al., 2007, 2015). Tutti i dati climatologici strumentali utilizzati nelle nostre analisi sono accessibili tramite i seguenti link (citati anche nel testo principale):

• HadCRUT4: https://www.metoffice.gov.uk/hadobs/hadcrut4/ (Morice et al., 2012)
• CRU TS v 4.04: https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.04/ (Harris et al., 2020)
• CRU scPDSI: https://crudata.uea.ac.uk/cru/data/drought/ (van der Schrier et al., 2013)
• ERA5 Reanalysis: https://www.ecmwf.int/en/forecasts/dataset/ecmwf-reanalysis-v5 (Hersbach et al., 2020)
• NOAA Extended Reconstructed SST V5: https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.html (Huang et al., 2017)
• HadISST: https://www.metoffice.gov.uk/hadobs/hadisst/ (Rayner et al., 2003)

Il KNMI Climate Explorer è disponibile all’indirizzo: https://climexp.knmi.nl/start.cgi (Trouet & Van Oldenborgh, 2013).

https://www.google.com/url?sa=t&source=web&rct=j&opi=89978449&url=https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024AV001621&ved=2ahUKEwidtIKNt9-PAxXmgf0HHaVQDzUQFnoECB0QAQ&usg=AOvVaw1mTE1kBa6S1xJyMxswqknv