Circumglobal Teleconnections, the Jet Stream Waveguide, and theNorth Atlantic Oscillation

Titolo: Effetti della Guida d’Onda dei Getti Troposferici sulle Perturbazioni Atmosferiche a Bassa Frequenza

Abstract In questo studio, sono stati analizzati i campi della troposfera superiore dell’emisfero settentrionale, mediati su base mensile e stagionale durante l’inverno, per verificare l’efficacia dell’effetto di guida d’onda dei getti troposferici medi sulle perturbazioni a bassa frequenza. La ricerca conferma che tali perturbazioni vicino ai getti medi, in particolare il getto che attraversa il Sud Asia, differiscono notevolmente da quelle situate in aree con gradienti meridionali dei venti medi più deboli, come nel Pacifico centrale.

I modelli di variabilità associati ai getti sono caratterizzati da dimensioni ridotte e da una disposizione in catene di anomalie orientate zonalmente. Al contrario, la variabilità nel Pacifico centrale presenta modelli con una chiara orientazione meridionale. Grazie alla loro trappola meridionale e estensione zonale, i modelli legati alla guida d’onda del getto connettono attività tra punti molto più distanti rispetto ai modelli in altre regioni globali.

Particolarmente rilevante è la variabilità all’interno della guida d’onda del Sud Asia, che si manifesta come un’onda zonale-5 senza una fase longitudinale dominante. Questo modello particolare è di notevole importanza poiché covaria con regioni lontane nelle medie latitudini, generando un modello di variabilità che circonda l’intero emisfero. Questa configurazione ha anche una componente media zonale significativa e risulta essere uno dei modelli dominanti nella troposfera superiore, riflettendosi nell’EOF principale della funzione di flusso e coincidendo con l’EOF principale della componente del vento y.

Sull’Atlantico Nord, la struttura di questo modello condivide molte caratteristiche con l’Oscillazione dell’Atlantico Nord, influenzando in modo significativo le rappresentazioni delle anomalie di circolazione emisferica legate a tale fenomeno.

1. Introduzione ai Modelli di Teleconnessione Atmosferica e il loro Impatto Globale

I modelli di teleconnessione atmosferica che hanno maggiormente influenzato il pensiero degli scienziati atmosferici sulla variabilità su scale temporali interannuali o superiori sono caratterizzati da catene di lobi, i cui centri sono collegati da linee con evidenti componenti meridionali. Tra questi modelli spiccano il modello Pacifico-Nord Americano (Wallace e Gutzler, 1981), l’Oscillazione Nord Atlantica (Walker e Bliss, 1932; Hurrell, 1995), e il modello Tropicale Nord Americano legato alle anomalie di riscaldamento dell’Equatore Pacifico (Barnston e Livezey, 1987). Questi modelli si distinguono per un marcato carattere meridionale e per la loro apparenza di essere confinati in specifici settori longitudinali del globo.

Storicamente, l’ipotesi che i pattern di variabilità a bassa frequenza fossero fondamentalmente regionali ha condotto numerosi studi a introdurre un pregiudizio verso la regionalità. Questo approccio si è manifestato sia nell’analisi isolata di singoli settori geografici [come in Kimoto e Ghil (1993)], sia nell’uso di funzioni ortogonali empiriche ruotate tramite varimax [come in Horel (1981) e Barnston e Livezey (1987)].

Recentemente, è stata riconosciuta l’importanza del carattere globale o emisferico di uno di questi pattern di teleconnessione. Thompson e Wallace (1998) hanno rivelato che l’Oscillazione Nord Atlantica è, in effetti, una rappresentazione regionale di un pattern che è sostanzialmente a scala emisferica, ribattezzato Oscillazione Artica. Questo modello acquisisce una dimensione globale principalmente grazie a una componente media zonale prominente, ed è talvolta descritto come una modalità anulare.

Ulteriormente, la teoria suggerisce un’ulteriore metodologia per creare teleconnessioni a bassa frequenza tra punti geograficamente distanti, ovvero attraverso gli effetti di trappola e focalizzazione esercitati dai getti troposferici medi, che fungono da guide d’onda. A differenza delle anomalie medie zonali, questi effetti genererebbero catene di perturbazioni orientate zonalmente.

In questo studio, esaminiamo il comportamento a bassa frequenza nei Modelli di Circolazione Generale (GCM) e nei fenomeni naturali per verificare l’esistenza di teleconnessioni non anulari a distanza e per identificare se presentano le caratteristiche previste per le perturbazioni sotto l’influenza guida d’onda dei getti.

La componente meridionale prominente delle onde di Rossby-Haurwitz che si disperdono è stata evidenziata da Longuet-Higgins (1964, 1965) e Hoskins et al. (1977). Tuttavia, considerando gli effetti rifrattivi di un campo di vento di fondo zonalmente simmetrico, si osserva che le anomalie di circolazione a bassa frequenza di scala intermedia tendono a confinarsi nelle latitudini dove il getto troposferico è più pronunciato. L’analisi di Hoskins e Karoly (1981), per esempio, suggerisce che onde stazionarie con un numero d’onda totale di circa sei saranno intrappolate meridionalmente intorno ai 30°N, dove si trova il nucleo del getto medio zonale.

Contrariamente a quanto si potrebbe pensare, il getto invernale non presenta una simmetria zonale, ma si manifesta in fasce che si estendono dal Sud Asia al Pacifico occidentale e attraversano l’Atlantico Nord, come illustrato nella Figura 1a.

Le ricerche di Branstator (1983), basate su soluzioni lineari dell’equazione della vorticità barotropica non divergente con uno stato di fondo longitudinalmente non uniforme, indicano che il trappolamento di tipo previsto dall’analisi del numero d’onda stazionario di Hoskins e Karoly si verifica anche in getti longitudinalmente limitati, purché il getto abbia una sufficiente estensione zonale. Allo stesso tempo, ha rilevato che in regioni prive di gradienti meridionali, come notato da Hoskins et al. (1977), prevalgono strutture ad arco con velocità di gruppo meridionali pronunciate.

In conclusione, la struttura meridionale di una perturbazione a bassa frequenza varierà significativamente a seconda della sua posizione relativa allo stato di fondo, sottolineando l’importanza del contesto geografico e dinamico nel determinare le caratteristiche delle perturbazioni atmosferiche.

Lo studio di Branstator, insieme a un’analisi più approfondita condotta da Hoskins e Ambrizzi (1993), ha evidenziato che il comportamento differenziato delle perturbazioni può essere spiegato attraverso l’indice di rifrazione basato sulla teoria di Wentzel-Kramer-Brillouin (WKB), dipendente dallo stato di fondo locale. Questa analisi dimostra che le perturbazioni vicine al nucleo del getto sono refratte verso il nucleo stesso, confermando che il getto funge da guida d’onda.

Oltre a generare perturbazioni con strutture diverse da quelle che emergono in assenza di un getto, le soluzioni lineari di questi studi suggeriscono che l’azione di guida d’onda del getto potrebbe ampliare l’estensione geografica delle perturbazioni a bassa frequenza. Essendo le perturbazioni confinatamente meridionali, la loro energia non si disperde su un’area vasta e può propagarsi più lontano prima di dissiparsi. Questa capacità di trasporto energetico è ulteriormente rafforzata dal fatto che la velocità di gruppo è proporzionale ai venti di fondo, che sono particolarmente intensi nel getto.

La Figura 1c illustra una soluzione dell’equazione della vorticità barotropica che mostra queste caratteristiche delle perturbazioni a bassa frequenza sotto l’influenza del getto del Sud Asiatico. Per ottenere questa soluzione, il modello è stato linearizzato rispetto alla funzione di flusso media di dicembre-febbraio a 300 mb e forzato a (25°N, 158°W), proprio a monte del getto asiatico. L’elongazione zonale e la limitata estensione meridionale di questa risposta sono particolarmente evidenti quando confrontate con la soluzione nella Figura 1b, ottenuta da una sorgente a (25°N, 165°E). In quest’ultimo caso, dove l’influenza dei getti di fondo è minima, emerge una risposta ad arco più tradizionale.

Nonostante sia possibile che esistano modelli di variabilità largamente intrappolati meridionalmente, si è osservata una tendenza naturale negli studi osservativi a focalizzarsi su modelli con un’evidente orientazione meridionale. La maggior parte degli studi tende a concentrarsi sui bacini oceanici del nord, poiché queste aree mostrano una maggiore prevalenza di variabilità a bassa frequenza, come indicato da Blackmon (1976). Tuttavia, come suggerito dalla Figura 1a e dalle soluzioni precedenti, queste sono proprio le regioni dove si prevede che dominino i modelli con orientamento meridionale. Al contrario, alcuni studi che hanno esplorato regioni al di fuori di queste aree hanno rilevato evidenze di catene di perturbazioni orientate zonalmente vicino ai getti medi. Utilizzando analisi di correlazione ritardata, che evidenziano caratteristiche con lenta propagazione di fase, Kiladis e Weickmann (1992), Hsu e Lin (1992), e Ambrizzi et al. (1995) hanno identificato la presenza di tali strutture.

Motivati dalla teoria e dagli studi osservativi sopracitati, intraprendiamo l’analisi per determinare se le perturbazioni a bassa frequenza sotto l’influenza della guida d’onda del getto siano strutturalmente distinte da quelle che non risentono di tale effetto e se la guida d’onda possa facilitare una covariabilità tra punti distanti senza necessità di ricorrere a anomalie annulari. Iniziamo con una descrizione dei set di dati che esamineremo.

La Figura 1 presenta tre pannelli che illustrano dati meteorologici relativi alla troposfera superiore a 300 mb durante i mesi invernali, basati su rianalisi di 39 inverni. Ogni pannello mostra differenti aspetti dell’analisi del vento e della funzione di flusso:

1. Figura 1a: Visualizza la media climatologica della componente orizzontale del vento durante il periodo invernale (dicembre, gennaio e febbraio, abbreviato come DJF). Le linee mostrano i contorni di velocità del vento con un intervallo di 5 m/s. Le zone con linee più fitte indicano la presenza di getti atmosferici più forti, che sono aree di grande interesse poiché influenzano la circolazione atmosferica globale.
2. Figura 1b: Illustra la risposta della funzione di flusso atmosferico a una perturbazione specifica posizionata a (25°N, 165°E). Questo pannello mostra come una forzatura localizzata possa generare pattern ondulatori che si estendono attraverso l’atmosfera, modificando così la distribuzione del flusso atmosferico.
3. Figura 1c: Analogamente alla figura 1b, ma con la perturbazione posizionata a (25°N, 158°W). Anche qui, si osservano le modifiche al flusso atmosferico dovute alla perturbazione, ma con una risposta di ampiezza ridotta rispetto a quella mostrata nella figura 1b, a causa della differente localizzazione della forzatura.

In tutte e tre le figure, i contorni negativi sono rappresentati con linee tratteggiate, facilitando la distinzione tra le aree di alta e bassa pressione o velocità del flusso. Queste visualizzazioni aiutano a comprendere come specifiche perturbazioni influenzino la dinamica atmosferica, particolarmente in relazione ai getti che possono agire come guide d’onda, direzionando e modificando la traiettoria delle perturbazioni a scala più ampia.

Analisi dei Dati Climatici Storici

Parte del nostro studio si focalizza sull’analisi dei campi generati dal progetto di rianalisi del National Centers for Environmental Prediction–National Center for Atmospheric Research (NCEP–NCAR) (Kalnay et al. 1996). Abbiamo selezionato campi globali dei mesi di dicembre, gennaio e febbraio, relativi ai 39 inverni dell’emisfero nord tra il dicembre 1958 e il febbraio 1997. Questi campi sono stati processati riducendo il numero d’onda totale a 15 (R15) attraverso l’uso di basi di armoniche sferiche.

Idealmente, le nostre conclusioni dovrebbero derivare interamente da questi campi osservativi. Tuttavia, la breve serie storica di dati disponibili solleva dubbi sulla affidabilità dei risultati. Inoltre, ci proponiamo di analizzare gli effetti dei flussi d’aria sull’intero spettro dei disturbi a bassa frequenza generati dall’atmosfera. Purtroppo, qualsiasi analisi statistica che consideri medie mensili o stagionali potrebbe essere significativamente influenzata dalla risposta atmosferica alle temperature superficiali del mare del Pacifico tropicale (SST), compromettendo gli esiti dell’analisi.

Per superare queste difficoltà, adottiamo due approcci strategici. Innanzitutto, nell’analizzare i dati osservativi, evitiamo l’uso di medie mensili o stagionali e preferiamo utilizzare le deviazioni medie mensili rispetto alle medie centrare su periodi di tre mesi. Questo metodo minimizza l’effetto delle variazioni interannuali nelle SST e elimina l’influenza di eventuali tendenze, ampliando così la dimensione del campione disponibile rispetto all’uso di semplici medie stagionali.

Prima di esaminare i dati naturali, analizziamo le integrazioni di ensemble dei modelli di circolazione generale dell’atmosfera. Come indicato da Leith (1978), l’uso degli ensemble ci permette di eliminare gli effetti delle variazioni interannuali delle temperature superficiali del mare (SST) e di analizzare campioni molto più ampi rispetto a quelli disponibili per i dati naturali, incrementando significativamente la nostra fiducia nei risultati. Inoltre, se i risultati ottenuti dallo studio dei dati naturali si rivelano simili a quelli derivati dai dati del modello GCM, ritenuto altamente affidabile, la nostra fiducia nella validità dei risultati osservativi aumenterà.

I dati che abbiamo esaminato provengono da un ensemble di 22 membri simulati dal Community Climate Model 3 (CCM3) del National Center for Atmospheric Research e da un ensemble di nove membri prodotto dal Progetto di Predizione Stagionale-Interannuale (NSIPP) della NASA. Il CCM3 è un modello moderno, le cui caratteristiche sono state descritte in dettaglio in diversi studi, inclusi quelli di Kiehl et al. (1998), Hack et al. (1998) e Hurrell et al. (1998). I membri dell’ensemble del CCM3 sono stati forzati utilizzando dati delle SST osservate dal dicembre 1950 al novembre 1994. Dieci membri dell’ensemble utilizzano le SST del dataset Global Sea Ice and SST version 2 (GISST2) (Rayner et al. 1996), cinque si avvalgono delle SST prodotte al NCEP attraverso la ricostruzione EOF (Smith et al. 1996), e sette combinano SST ricostruite dal NCEP fino al 1982 con SST analizzate tramite interpolazione ottimale post-1982 (Reynolds e Smith 1994).

Abbiamo valutato che le Temperature della Superficie del Mare (SST) siano sufficientemente simili nei periodi di interesse (Hurrell e Trenberth 1999) per giustificare la fusione degli esperimenti in un unico ensemble. Il modello NSIPP è stato sviluppato e testato di recente presso la NASA, e le sue caratteristiche sono descritte in dettaglio da Bacmeister et al. (2000). Gli esperimenti che analizziamo impiegano le SST osservate GISST prima del 1982 e le SST ottenute tramite interpolazione ottimale dopo il 1982, focalizzandosi sul periodo da gennaio 1951 a dicembre 2000.

Per gli ensemble di entrambi i Modelli di Circolazione Generale (GCM), tronchiamo i campi a R15 e analizziamo le deviazioni dalle medie dell’ensemble, limitando così i nostri risultati principalmente alla variabilità interna del sistema. A differenza delle osservazioni naturali, la lunghezza di questi dataset elimina la necessità di massimizzare la dimensione del campione; di conseguenza, preferiamo considerare le medie di dicembre-febbraio, piuttosto che le medie mensili, per concentrarci meglio sulle basse frequenze.

Per comprendere il valore dell’utilizzo degli ensemble di modelli, è utile confrontare brevemente la maggiore fiducia che otteniamo nell’analizzare il loro comportamento rispetto alla fiducia nei dati naturali. Principalmente, il nostro studio si concentra sulle correlazioni tra la variabilità temporale in coppie di punti geografici. Come spiegato nell’appendice, per un determinato dataset, le barre di errore sulle stime dei coefficienti di correlazione dipendono dal valore della stima stessa. Tuttavia, per confrontare i dataset, è sufficiente osservare che per il nostro ensemble CCM3, la semi-ampiezza degli intervalli di confidenza al 95% è circa 0,05, per l’ensemble NSIPP è inferiore a 0,10, mentre per il dataset di rianalisi più breve è di circa 0,20.

Risultati del Modello di Circolazione Generale (GCM)

a. Analisi della Funzione di Corrente a 300-mb

Iniziamo il nostro studio analizzando la media stagionale di dicembre-gennaio-febbraio (DJF) della funzione di corrente a 300-mb dal CCM3, il dataset più vasto del nostro studio. Optiamo per concentrarci sulla funzione di corrente anziché sulle altezze geopotenziali, poiché il nostro interesse è rivolto particolarmente al comportamento nelle vicinanze del getto medio dell’Asia meridionale; di conseguenza, evitiamo di utilizzare un campo in cui la varianza è naturalmente minore alle basse latitudini. Il nostro obiettivo è comprendere la struttura delle anomalie in questi campi in relazione alla posizione geografica. A tal fine, impieghiamo mappe di correlazione a un punto che illustrano la correlazione temporale tra la variabilità in un punto base e quella in ogni altro punto del globo.

Come anticipato, l’analisi dei grafici per i punti base in Asia meridionale e nel Pacifico nord centrale rivela pattern nettamente distinti. La Figura 2a mostra il grafico per il punto base (24°N, 172°W), un esempio rappresentativo per una località nel Pacifico nord. Osserviamo una struttura ad arco con una notevole estensione meridionale, simile alla soluzione lineare della Fig. 1b e a numerosi modelli di variabilità precedentemente segnalati per questa regione. In contrasto, per un punto base a (24°N, 60°W) nel cuore del getto dell’Asia meridionale, la Figura 2b mostra una struttura orientata zonalmente, con gran parte del modello confinato alle latitudini vicine a quella del punto base ma estendendosi praticamente su tutti i longitudini. Punti distanti quasi 150° di longitudine, nel Pacifico nord centrale e nel Golfo del Messico, raggiungono correlazioni vicine e superiori a 0,60.

Per comprendere come le strutture contrastanti osservate in questi esempi si estendano ai disturbi in tutto il globo, abbiamo costruito mappe di correlazione a un punto per i punti base su una griglia trasformata R15 di 48×40. Abbiamo poi sintetizzato le caratteristiche di queste 1920 mappe utilizzando diverse misure delle proprietà oggetto del nostro studio.

Un esempio specifico: per determinare se i disturbi tendono a essere intrappolati meridionalmente vicino a getti forti, per ogni mappa di correlazione a un punto calcoliamo la frazione della varianza spaziale globale che si verifica entro 180° di longitudine a est del punto base e entro 10° di latitudine. Considerando i modelli delle Fig. 1b,c e 2a,b, osserviamo che nelle Fig. 1c e 2b la maggior parte della varianza a est del punto base si trova presso la latitudine del punto base, mentre nelle Fig. 1b e 2a si registra una varianza considerevole a latitudini distanti. La Figura 3a mostra questa frazione posizionata alla posizione di ciascun punto base, indicando che l’intrappolamento meridionale del getto medio influisce sistematicamente sulla variabilità, con una frazione più che doppia per i punti vicini al getto medio rispetto ai punti a latitudini basse e alte. Questo effetto è particolarmente marcato per i punti situati appena a monte dei principali getti asiatici e atlantici.

Per valutare un secondo effetto atteso dei getti, la loro capacità di generare modelli di variabilità longitudinalmente estesi, adottiamo una statistica riassuntiva alternativa. Su ogni mappa di correlazione a un punto, identifichiamo il punto più lontano dal punto base che presenta una correlazione con un valore assoluto di almeno 0,50. Poiché ci interessano modelli estesi zonalmente, misuriamo la distanza solo in termini di posizione longitudinale e tracciamo il valore assoluto della distanza nella Figura 3b.

L’analisi dei grafici di correlazione a un punto mostra che i valori elevati appena a sud dell’equatore, come illustrato nella Figura 3b, corrispondono a una covariabilità tra località nell’emisfero meridionale tropicale. Essendo limitata ai Tropici, è improbabile che questa covariabilità sia influenzata dalle proprietà del getto. Nelle medie latitudini settentrionali, si osserva una banda di valori alti, centrata attorno al complesso del getto medio temporale, circondata a nord e sud da punti che sono connessi teleconnettivamente solo con località vicine.

L’analisi dei punti lontani, che mostrano un’alta correlazione con i punti base nella regione del getto, indica che anche questi tendono a situarsi vicino al nucleo del getto. Di conseguenza, questa figura conferma che il getto influenza l’organizzazione della variabilità a bassa frequenza, favorendo la formazione di modelli di disturbo allungati zonalmente.

Le statistiche delle Figure 3a e 3b non sono gli unici attributi rilevanti delle famiglie di grafici di correlazione a un punto. Nel loro studio sui modelli di teleconnessione, Wallace e Gutzler (1981) introdussero il termine “teleconnettività”, definito come il valore assoluto della correlazione temporale tra il punto base e il punto sul globo che risulta essere il più negativamente correlato con il punto base. La Figura 3c mostra la teleconnettività per il nostro dataset.

È interessante notare che questa misura fornisce una prospettiva diversa rispetto alla misura della Figura 3b su dove si verificano le teleconnessioni più significative. Utilizzando la misura tradizionale della teleconnettività, il Sud Asia non emerge come una regione con collegamenti insoliti con altre regioni, mentre secondo la nostra analisi lo è. Questa distinzione deriva dall’enfasi della nostra misura sulla lontananza della teleconnessione, un criterio che la teleconnettività convenzionale non considera.

Avendo rilevato collegamenti insolitamente distanti tra punti nei getti atmosferici, siamo interessati alla struttura dei modelli che si associano a questi punti. Per questo motivo, procediamo all’analisi di specifici grafici di correlazione a un punto. Abbiamo già esaminato uno di questi grafici, specificatamente il grafico della covariabilità associato al punto base (24°N, 60°E), mostrato nella Figura 2b.

La Figura 2c illustra la correlazione a un punto per un altro punto base situato nel getto del Sud Asiatico, (29°N, 90°E). Questo grafico conferma che la variabilità in questa regione è prevalentemente confinata nel getto e si estende su un’ampia zona longitudinale, sebbene, a differenza del suo vicino a ovest, questo punto base non sia collegato a un modello che circonda completamente il globo. All’interno del percorso del getto, il modello di variabilità di questo grafico è molto simile a quello del punto base (24°N, 60°E), eccetto per uno spostamento di 30° verso est.

L’analisi di ulteriori grafici di correlazione a un punto per i punti base vicini al getto medio del Sud Asiatico rivela un comportamento analogo. Dalla costa del Golfo del Messico fino quasi alla costa occidentale del Nord America, tutte queste mappe mostrano un modello simile: un’onda zonale cinque confinata al getto medio, con una fase longitudinale che dipende dalla longitudine del punto base.

Anche i punti alle medie latitudini mostrati nella Figura 3b, che presentano teleconnessioni distanti ma non sono parte del getto del Sud Asiatico, sono associati a modelli simili. Questo è evidenziato nella Figura 2d, che rappresenta una di queste località, un punto base a (20°N, 97°W). Ancora una volta, emerge un modello circumglobale.

La Figura 2 illustra i grafici di correlazione a un punto relativi alla variabilità interna della funzione di corrente a 300 mb durante la media stagionale di dicembre-febbraio (DJF), utilizzando il modello CCM3. Ogni pannello rappresenta le correlazioni calcolate a partire da un diverso punto base, evidenziando come la variabilità in una specifica località sia correlata con la variabilità in altre parti del globo.

• (a) (24.48°N, 172.58°W): Questo grafico, originato da un punto nel Pacifico settentrionale, mostra strutture ad arco con significativa estensione meridionale e settentrionale, indicando una forte correlazione trasversale.
• (b) (24.48°N, 60.08°E): Il punto base si trova nel getto del Sud Asia. Il pattern qui è prevalentemente zonale, limitato vicino alla latitudine del punto base ma esteso longitudinalmente attraverso quasi tutti i meridiani.
• (c) (28.98°N, 90.8°E): Similmente al pannello (b), ma con il punto base leggermente spostato verso est. Anche qui, la covariabilità è intrappolata all’interno del getto, mostrando una forte coerenza longitudinale.
• (d) (20.08°N, 95.58°W): Situato vicino al Golfo del Messico, questo grafico mostra un modello circumglobale, simile a quelli dei pannelli (b) e (c), con estese correlazioni zonali.

Dettagli Tecnici:

• Intervallo dei contorni: Ogni contorno rappresenta una variazione di 0.1 nei coefficienti di correlazione, aiutando a visualizzare la gradazione delle correlazioni attraverso diverse regioni.
• Ombreggiature: Utilizzate per evidenziare le aree di alta ampiezza nei grafici, queste non riflettono la significatività statistica.

Significatività statistica: I dati derivanti dal modello CCM3 hanno intervalli di confidenza al 95% di circa ±0.05, indicando una maggiore precisione rispetto ai dati osservazionali, che presentano intervalli di circa ±0.20. Questo dettaglio sottolinea la maggior affidabilità dei risultati del modello rispetto agli equivalenti osservazionali.

Questa figura è fondamentale per capire l’interazione tra diverse regioni del globo in termini di variabilità atmosferica, mostrando come determinate aree possano influenzare o essere influenzate da fenomeni a grande scala.

La Figura 3 presenta diverse visualizzazioni basate sui dati di correlazione a un punto della funzione di corrente a 300 mb durante la media stagionale di dicembre-febbraio (DJF), ottenuti dal modello CCM3. Ogni pannello (a, b, c) illustra specifiche misure di correlazione geografica globale.

• (a) Varianza Globale Correlata: Questo pannello mostra la frazione della varianza globale in una mappa di correlazione a un punto che si trova entro 10° di latitudine e non più di 180° a est del punto base. L’intervallo dei contorni è 0.1, con l’ombreggiatura più scura che inizia a 0.5, indicando aree con alta concentrazione di varianza correlata vicino al punto base.
• (b) Distanza Longitudinale Massima: Rappresenta la distanza longitudinale fino al punto che è il più lontano dal punto base e che mostra una covarianza con un coefficiente di correlazione di almeno 0.50. L’intervallo dei contorni è 2 × 10^6 metri, con l’ombreggiatura più scura che inizia a 12 × 10^6 metri. Questo pannello evidenzia l’estensione massima delle correlazioni significative, dimostrando la portata longitudinale dell’influenza del punto base.
• (c) Teleconnettività: Definita originariamente da Wallace e Gutzler nel 1981, questo grafico mostra il valore assoluto della correlazione temporale tra il punto base e il punto che è il più negativamente correlato con esso. L’intervallo dei contorni è 0.1, con l’ombreggiatura più scura che inizia a 0.7. Il grafico illustra le aree di forte disconnessione o inversione di correlazione, sottolineando i punti con forti legami negativi a scala globale.

Ogni pannello della Figura 3 fornisce una prospettiva unica sulle dinamiche della variabilità interna e sulle interconnessioni a lunga distanza nell’atmosfera, offrendo una visione dettagliata delle dimensioni e delle scale di correlazione e teleconnettività tra punti specifici e altre regioni del mondo. Queste visualizzazioni sono cruciali per comprendere come determinate località influenzino o siano influenzate da fenomeni atmosferici a grande scala.

La Figura 4 illustra un grafico di correlazione a un punto per la componente del vento y non divergente a 300 mb durante il periodo di dicembre-febbraio (DJF), basato sui dati del modello CCM3. Questa analisi specifica ha come punto di riferimento le coordinate (28.98°N, 112.58°E), presumibilmente in Asia centrale.

Dettagli del Grafico:

• Punto Base: Localizzato a (28.98°N, 112.58°E).
• Correlazioni Rappresentate: Le linee di contorno indicano i coefficienti di correlazione tra la variabilità della componente y del vento in questo punto base e in altri punti globali.
• Intervallo di Contorno: Ogni linea di contorno corrisponde a una variazione di 0.1 nel coefficiente di correlazione.

Le zone con alta correlazione sono demarcate da contorni chiusi e densi. La presenza di vari anelli di correlazione estesi su ampie aree geografiche suggerisce che la variabilità in questo punto base è significativamente connessa con variazioni atmosferiche in regioni lontane.

Interpretazione delle Correlazioni:

• Le aree con contorni più fitti indicano una correlazione più intensa, suggerendo legami forti tra le variazioni del vento in questo punto e in punti distanti.
• Questi grafici sono essenziali per identificare aree di influenza teleconnettiva, dove cambiamenti in una regione possono influenzare o essere influenzati da cambiamenti in un’altra parte del mondo.

Questo grafico offre una panoramica dettagliata delle connessioni atmosferiche su larga scala, evidenziando come determinate regioni possano essere interconnesse tramite la dinamica atmosferica ai livelli superiori. Queste informazioni sono fondamentali per una comprensione approfondita dei pattern di circolazione atmosferica e per la previsione di eventi meteorologici su vasta scala.

Analisi del Componente Y del Vento

In diversi aspetti, i risultati dell’analisi della funzione di corrente confermano l’ipotesi iniziale, tuttavia emergono elementi inaspettati. Ogni schema nelle figure 2b–d evidenzia una componente quasi zonalmente simmetrica marcata. L’esame di ulteriori grafici di correlazione per punti base vicino al getto medio rileva questa stessa caratteristica. Ciò risulta particolarmente interessante perché suggerisce che le teleconnessioni lontane individuate potrebbero essere intensificate da questa componente, nonostante la sua struttura non sembri derivare dagli effetti tipici delle guide d’onda.

Per questo motivo, decidiamo di ripetere gli aspetti cruciali della nostra analisi sulle mappe di correlazione unipunto, utilizzando stavolta la componente y del vento non divergente a 300 mb del CCM3. Questo campo è stato scelto poiché, essendo proporzionale al gradiente zonale della funzione di corrente, non presenta una media zonale. L’utilizzo della componente y aggiunge il vantaggio di agire come filtro spaziale implicito, conferendo maggiore rilevanza alle scale zonali più brevi rispetto alla funzione di corrente, e dovrebbe quindi mettere in evidenza preferenzialmente le scale minori che la teoria prevede siano confinate nei getti.

Iniziamo esaminando un grafico di correlazione unipunto di esempio, scegliendo un punto situato a (298N, 1128E), appena a monte della parte più intensa della guida d’onda, e associato a significative anomalie di y nel modello di correlazione della funzione di corrente mostrato nella Figura 2b. Come illustrato nella Figura 4, la variabilità associata a questa posizione si manifesta attraverso una sequenza di lobi che si estendono zonalmente lungo lo stesso asse di punti di media latitudine, con una covariabilità distante identificata nell’analisi della funzione di corrente.

Come previsto, il modello non presenta una componente quasi-zonalmente simmetrica; tuttavia, nonostante questa assenza, si osservano significative correlazioni a distanza, con valori al centro di ogni lobo non inferiori a 0,40. Inoltre, il confinamento meridionale del modello, in prossimità del getto medio, risulta ancora più marcato rispetto a quello osservato nei grafici di correlazione unipunto della funzione di corrente.

Utilizzando alcune delle stesse misure impiegate per analizzare la struttura della variabilità a bassa frequenza di y, rispetto a quelle usate per la funzione di corrente, emergono evidenze che l’influenza dei getti medi è ancora più pronunciata per y. Ad esempio, la Figura 5a mostra la misura della covariabilità a distanza per y, già illustrata nella Figura 3b per la funzione di corrente. Tutti i punti con teleconnessioni a distanza, per y, si trovano nelle vicinanze dei getti medi, presumibilmente perché l’utilizzo di y ha escluso le perturbazioni medie zonali che generavano alti valori nei tropici quando si analizzavano i modelli della funzione di corrente.

D’altro canto, sebbene la teleconnettività tramite anomalie medie zonali sia stata eliminata con questo approccio, la distanza tipica tra i punti che covariano rimane simile a quella osservata per i punti vicini ai getti medi quando si analizzava la funzione di corrente. È interessante notare che, applicando la definizione convenzionale di teleconnettività a y (Figura 5b), la massima teleconnettività si riscontra nella guida d’onda del getto e non nei bacini oceanici settentrionali, dove di solito si evidenzia una grande teleconnettività per il geopotenziale o la funzione di corrente (Figura 3c). Pertanto, l’uso di una variabile che enfatizza le scale intermedie e non possiede una componente media zonale che oscuri le correlazioni negative a monte e a valle (confronta le Figure 4 e 2), mette in luce l’importanza degli effetti della guida d’onda anche in questa misura di covariabilità.

La Figura 5 illustra due pannelli, (a) e (b), che rappresentano le strutture delle correlazioni unipunto per la componente y del vento non divergente a 300 mb del modello climatico CCM3 durante il periodo medio DJF (Dicembre, Gennaio, Febbraio), basate su punti distribuiti globalmente.

1. Pannello (a): Mostra la distanza massima longitudinale da un punto base che mostra una correlazione significativa (almeno 0,50) con lo stesso punto base. Questo pannello evidenzia le aree con forti legami teleconnettivi attraverso distanze estese, sottolineando la capacità di specifici punti di influenzare o essere influenzati da altri luoghi a grandi distanze.
2. Pannello (b): Rappresenta la Teleconnettività, indicando come punti specifici sul globo siano correlati significativamente con altri punti distanti. Le zone ombreggiate sono allineate con quelle mostrate nella Figura 3, mettendo in risalto le regioni dove la teleconnettività è particolarmente pronunciata.

Questi pannelli sono fondamentali per identificare le aree chiave che giocano un ruolo cruciale nella variabilità climatica globale, offrendo una visione profonda su come cambiamenti in specifiche località possano avere impatti climatici in regioni lontane. Questa analisi è vitale per avanzare nella comprensione delle dinamiche climatiche globali e nella pianificazione di strategie di mitigazione e adattamento ai cambiamenti climatici.

c. La Famiglia dei Modelli delle Guide d’Onda

L’analisi di numerosi grafici di correlazione unipunto di y conferma l’osservazione fatta nei grafici della funzione di corrente della Figura 2: le perturbazioni intrappolate nella guida d’onda del Sud Asiatico si differenziano dai modelli convenzionali di teleconnessione, in quanto non presentano una fase longitudinale preferita. Per verificare ciò, abbiamo condotto un’analisi EOF (Funzione Ortogonale Empirica) di y, limitata alla regione tra l’equatore e 45°N, e da 0° a 120°E. Oltre ad essere spostati zonalmente l’uno rispetto all’altro, i due principali EOF di y, mostrati nella Figura 6, hanno una struttura quasi identica e spiegano una quantità simile di varianza (38% contro 34%). Di conseguenza, i due modelli non sono discreti ma formano una continua famiglia di strutture.

Le statistiche delle Figure 3b e 5a rivelano che alcuni punti all’interno della guida d’onda del Sud Asiatico manifestano teleconnessioni più lontane rispetto ad altri. Tuttavia, considerando la composizione della variabilità all’interno della guida d’onda, potrebbe essere più preciso affermare che alcune fasi della famiglia della guida d’onda presentano teleconnessioni più estese rispetto ad altre.

Per confermare questa osservazione, abbiamo misurato l’intensità della covariabilità sul lato opposto dell’emisfero, associata a varie fasi della famiglia di modelli dei getti del Sud Asiatico. Questo è stato realizzato valutando i campi globali del modello y rispetto alle proiezioni di y su una specifica combinazione delle prime due EOF, in funzione di diverse fasi. Calcoliamo quindi la media quadrata dei campi risultanti all’interno dei settori di interesse. Nella colonna “Guida d’Onda Asiatica” della Tabella 1, le medie quadrate calcolate nel settore da 0° a 120°E dell’emisfero settentrionale, dove si trova la guida d’onda del Sud Asiatico, mostrano poca dipendenza dalla fase. In contrasto, la colonna “Emisfero Occidentale” evidenzia che, quando queste medie sono calcolate nel settore da 180° a 60°W, la variabilità associata è notevolmente dipendente dalla fase del modello della guida d’onda del Sud Asiatico, con un massimo in una fase specifica, indicando che questa fase particolare presenta teleconnessioni distanti eccezionalmente forti.

d. Un Modello Speciale della Guida d’Onda

Si è scoperto che il modello globale associato alla fase speciale della guida d’onda del Sud Asiatico è una componente così predominante della variabilità a bassa frequenza nel modello CCM3 che l’analisi delle Funzioni Ortogonali Empiriche (EOF) si rivela un metodo efficace per riprodurre lo stesso schema. Confrontando il global yEOF1 (mostrato nella Figura 7a) con il campo globale di y, ottenuto dalla regressione sulle proiezioni di una fase specifica (non mostrata), si osserva che i due modelli sono quasi identici. Di conseguenza, il global yEOF1 rappresenta quella fase della famiglia della guida d’onda del Sud Asiatico con le teleconnessioni più ampie, e viene utilizzato come un modo conveniente per definire questo modello particolare di teleconnessione circonglobale.

Inoltre, si nota che il global yEOF2 (mostrato nella Figura 7b) corrisponde alla struttura del modello in fase ortogonale e al suo campo globale associato. Pertanto, insieme, il global yEOF1 e yEOF2 includono una grande parte della variabilità all’interno della guida d’onda del Sud Asiatico, insieme alla sua covariabilità globale. A differenza degli yEOF settoriali, ma in accordo con i dati della Tabella 1, per questi yEOF globali, il primo vettore proprio spiega una percentuale di varianza notevolmente maggiore rispetto al secondo vettore principale (22% contro 13%).

Per stabilire un legame tra il modello circonglobale e i nostri risultati relativi alla funzione di corrente, abbiamo identificato le anomalie della funzione di corrente a 300 mb associate al global yEOF1 attraverso la regressione della funzione di corrente DJF dai componenti principali di global yEOF1. Il campo risultante della funzione di corrente a 300 mb è rappresentato nella Figura 8a. Questo corrisponde all’ampiezza di questo campo quando il predittore assume un valore di una deviazione standard. Notiamo che i lobi prominenti di questo modello, localizzati sopra l’Europa meridionale, il Mar Arabico, la Penisola Coreana, Hawaii e appena a nord del Golfo del Messico, coincidono esattamente con le località di teleconnettività a distanza particolarmente intensa evidenziate nella Figura 3b, confermando ulteriormente che yEOF1 cattura il modello della guida d’onda associato alla covariabilità più estesa e forte. Questo modello corrisponde anche ai grafici di correlazione unipunto della funzione di corrente che abbiamo precedentemente visualizzato per i punti base in due di queste località (Figure 2b e 2d).

In aggiunta a chiarire la connessione tra le località di significativa covariabilità distante della funzione di corrente e di y, le anomalie della funzione di corrente della Figura 8a sono anche utili per esaminare un’altra questione. Abbiamo notato che i componenti quasi zonalmente simmetrici dei modelli delle guide d’onda mostrati nelle Figure 2b–d non erano previsti dalla soluzione lineare della guida d’onda introdotta inizialmente. Di conseguenza, è rilevante determinare se questo componente sia realmente indipendente nel tempo rispetto ai componenti ondulatori di quei modelli. La funzione di corrente regressa della Figura 8a è utile per determinare questo aspetto, in quanto global yEOF1 rappresenta esclusivamente il componente ondulatorio.

Il fatto che i lobi di un segno in questa figura siano più forti dei lobi del segno opposto suggerisce che il componente ondulatorio di questo modello dominante è associato alla variabilità della media zonale. D’altra parte, la media zonale della funzione di corrente regressa non è quasi tanto marcata quanto quella osservata nei grafici di correlazione unipunto della Figura 2. Ci aspetteremmo lo stesso risultato di simmetrie zonali molto più accentuate in un’analisi basata sulla funzione di corrente (o geopotenziale) rispetto a un’analisi basata su y, se stessimo osservando un sistema con due modi indipendenti, uno prevalentemente annulare e l’altro principalmente ondulatorio. Pertanto, poiché l’analisi basata sulla funzione di corrente sembra mescolare due fenomeni, consideriamo il modello di y regresso della Figura 8a come la rappresentazione più fondamentale della funzione di corrente del modello dominante della guida d’onda circonglobale.

Per offrire una visione più completa di questo modello di circolazione ricorrente, analizziamo la sua struttura verticale regredendo le anomalie della funzione di corrente di CCM3 DJF a 850, 700 e 500 mb contro le proiezioni su yEOF1. In linea con il comportamento comunemente associato alla variabilità interannuale (Blackmon et al. 1979), i risultati indicano che il modello è equivalente barotropico ovunque, anche se le anomalie sopra l’Asia centrale e il Nord America centrale praticamente scompaiono vicino alla superficie, come evidenziato dalla rappresentazione del campo della funzione di corrente regressa a 850 mb nella Figura 8b.

Figura 6: Principali EOF della Componente y del Vento a 300 mb

La Figura 6 è composta da due pannelli, (a) e (b), che illustrano rispettivamente il primo e il secondo EOF principale della componente y del vento non divergente a 300 mb, analizzati per la variabilità interna media DJF nel modello climatico CCM3. L’area di studio si estende dall’equatore fino a 45°N e longitudinalmente da 0° a 120°E.

• Pannello (a): Visualizza il primo EOF principale, che rappresenta la modalità dominante di variazione spaziale nella regione specificata. Questo modello evidenzia aree con contorni ben definiti, che indicano regioni di alta coerenza nella variazione della componente del vento. Queste aree sono di particolare interesse poiché rappresentano le principali dinamiche di variazione del vento durante la stagione considerata.
• Pannello (b): Mostra il secondo EOF principale, rappresentando la seconda modalità dominante di variazione. Questa modalità, pur essendo generalmente meno influente della prima, rivela ulteriori dinamiche climatiche che il primo EOF potrebbe non catturare, evidenziando così la complessità delle interazioni atmosferiche nella regione.

L’intervallo di contorno per entrambi i pannelli è fissato a 0.04, facilitando la distinzione delle variazioni incrementali nella componente del vento. Questi dettagli sono essenziali per una comprensione approfondita della variabilità atmosferica a larga scala e delle sue implicazioni climatiche per la regione analizzata.

Tabella 1: Analisi Regressione del Componente del Vento y del CCM3

La Tabella 1 mostra i risultati della regressione del componente del vento y nel modello climatico CCM3, con i valori quadrati mediati per area, assumendo un’ampiezza costante del modello. Le unità di misura sono espressi in millimillesimi di metri quadrati per secondo al quadrato (0.001 m²/s²).

• Colonne della Tabella:
  • Asian waveguide: Include i valori per la regione dell’Emisfero Settentrionale che si estende da 0 a 120 gradi est, conosciuta come guida d’onda asiatica.
  • Western Hemisphere: Presenta i valori per la regione dell’Emisfero Settentrionale che va da 180 a 60 gradi ovest.
• Righe della Tabella:
  • Le righe rappresentano varie fasi del modello atmosferico, spaziando da zero fino a poco meno di un ciclo completo.

Osservazioni Principali:

• I valori nella colonna Asian waveguide sono costantemente più alti rispetto a quelli nella colonna Western Hemisphere, indicando una maggiore intensità della variabilità del vento nella regione asiatica sotto le condizioni simulate.
• La differenza nei valori attraverso le varie fasi mostra come queste influenzano in modo diverso la variabilità del vento nelle due regioni indicate. Un picco nei valori per l’emisfero occidentale in una specifica fase evidenzia un significativo impatto di quella fase sulla variabilità del vento in quella regione.

Questi dati sono fondamentali per capire come diverse condizioni del modello atmosferico influenzano la variabilità del vento in regioni geografiche distinte, offrendo una visione approfondita degli impatti climatici regionali.

Figura 7: Principali EOF della Componente y del Vento a 300 mb nell’Emisfero Nord

La Figura 7 comprende due pannelli, (a) e (b), che illustrano il primo e il secondo EOF principale (Funzione Ortogonale Empirica) della componente y del vento non divergente a 300 mb, osservata durante il periodo DJF (Dicembre, Gennaio, Febbraio) nel modello climatico CCM3.

• Pannello (a): Questo pannello visualizza il primo EOF principale, che identifica la modalità più dominante di variazione del vento nella media troposfera nell’Emisfero Nord. Le zone con contorni intensi e concentrati segnalano aree di maggiore coerenza e intensità nella variazione del vento, evidenziando così le regioni più influenzate da questa modalità predominante.
• Pannello (b): Mostra il secondo EOF principale, rappresentando la seconda modalità più significativa di variazione del vento. Sebbene questa modalità sia generalmente meno pronunciata rispetto alla prima, i contorni delineano ancora aree dove il vento mostra variazioni notevoli, offrendo una visione complementare alla dinamica atmosferica prevalente.

Questi EOF sono essenziali per comprendere le dinamiche atmosferiche complesse e le loro interazioni con il clima globale, in particolare durante i mesi invernali. La rappresentazione tramite EOF aiuta a isolare le principali forze motrici dietro le variazioni climatiche nell’Emisfero Nord, fondamentale per la previsione e lo studio di fenomeni meteorologici estesi come cicloni e modelli di precipitazioni.

Figura 8: Campi di Funzione di Corrente Previsti dal Modello Climatico CCM3

La Figura 8 illustra due pannelli, (a) e (b), che mostrano le previsioni basate su anomalie standard del componente principale per il primo EOF della componente y non divergente del vento a differenti quote durante il periodo medio DJF (Dicembre, Gennaio, Febbraio), ottenute attraverso la regressione lineare.

• Pannello (a): Questo pannello presenta la funzione di corrente a 300 mb. Le linee di contorno delineano la distribuzione e l’intensità dei movimenti atmosferici nella media troposfera, riflettendo i modelli dominanti come i flussi dei getti e le perturbazioni atmosferiche. Questa rappresentazione aiuta a visualizzare le strutture significative nella dinamica atmosferica ad alta quota.
• Pannello (b): Mostra la funzione di corrente a 850 mb. A questa quota più bassa, il pannello evidenzia le variazioni nella funzione di corrente che influenzano direttamente il clima a livello superficiale, come i sistemi frontali e ciclonici. Questo livello è particolarmente importante per la comprensione di come i movimenti atmosferici modellano le condizioni meteorologiche locali.

In entrambi i pannelli, la funzione di corrente è esaminata per determinare come significative variazioni nelle componenti principali possano influenzare i modelli di circolazione atmosferica su vasta scala. Questi dati sono cruciali per migliorare le previsioni meteorologiche e per lo studio degli impatti dei cambiamenti climatici sulle dinamiche di corrente globale.

Figura 9: Primo EOF della Funzione di Corrente a 300 mb nell’Emisfero Nord

La Figura 9 rappresenta il primo EOF (Funzione Ortogonale Empirica) della funzione di corrente a 300 mb, elaborato per la variabilità interna media del modello climatico CCM3 durante i mesi invernali DJF (Dicembre, Gennaio, Febbraio). Questo modello cattura le dinamiche atmosferiche predominanti in questo periodo, essenziale per l’analisi meteorologica e climatologica.

Le linee di contorno nella figura delineano regioni di alta e bassa pressione atmosferica, fondamentali per identificare i movimenti dei sistemi atmosferici su larga scala. Le aree con contorni densi e ben definiti, visibili principalmente al centro della mappa, indicano centri di azione atmosferica intensi, generalmente associati a correnti jet potenti e significative perturbazioni meteorologiche.

L’identificazione di questi pattern è cruciale per una migliore comprensione delle strutture atmosferiche su larga scala e per le loro implicazioni nei fenomeni meteorologici globali, come tempeste, variazioni di temperatura, e pattern di precipitazioni. Tale comprensione aiuta meteorologi e climatologi a prevedere più accuratamente gli eventi atmosferici e a analizzare le interazioni climatiche che influenzano il tempo su scala globale.

Manifestazioni Dopo aver constatato che la firma della covariabilità intrappolata dal flusso a getto tra punti distanti dell’emisfero nord durante l’inverno è estremamente marcata, appare plausibile che questo meccanismo possa influenzare altri fenomeni di bassa frequenza notevoli, finora non riconosciuti. Analizziamo due pattern di variabilità a bassa frequenza prevalenti nel modello CCM3.

Il primo modello esaminato è la EOF principale della funzione di corrente a 300-mb dell’emisfero nord per DJF. Presentata in Figura 9, questa struttura chiarisce il 22% della variabilità interna del modello. È evidente che il pattern dominante della guida d’onda da noi documentato sia integrato in questa EOF; infatti, i cinque massimi locali della sua struttura coincidono perfettamente con i centri del pattern della guida d’onda (Fig. 8a). Ulteriori conferme del legame tra questa EOF della funzione di corrente e il pattern della guida d’onda circumglobale si ottengono scoprendo che il suo componente principale è correlato con il componente principale della yEOF1 globale con un valore di 0,96.

Conforme ai nostri risultati sulle correlazioni unipunto della funzione di corrente, l’analisi dell’EOF1 della funzione di corrente enfatizza il componente quasi zonalmente simmetrico del modello di funzione di corrente associato al pattern della guida d’onda. Tuttavia, un’analisi simile a quella condotta nella sezione 3c suggerisce che questo rafforzamento deriva probabilmente dalla combinazione di due fenomeni fisici che sono, in realtà, temporalmente indipendenti. In particolare, regredendo la funzione di corrente a partire da un indice costituito da proiezioni di y sul campo y, derivato in modo non divergente da cEOF1, gran parte del componente zonale di cEOF1 si dissipa.Il secondo modello analizzato è l’Oscillazione Nord Atlantica (NAO). Questo approccio è motivato dalle anomalie di circolazione associate alla componente atlantica del principale modello teleconnettivo circumglobale, che evocano la NAO, come documentato da Hurrell nel 1995. Per delineare la struttura della NAO nel contesto del nostro clima CCM3, adottiamo un indice semplice: la EOF principale della funzione di corrente a 850 mb nel settore dell’Atlantico Nord. Limitando l’analisi all’area tra 90°O e 30°E nell’emisfero nord e focalizzandoci sulle medie di DJF, emergono i risultati mostrati nella Figura 10a. Questa EOF spiega il 47% della varianza del settore. La corrispondenza di questo modello con le analisi dei campi naturali condotte da Hurrell nel 1995 conferma che, all’interno di questo settore, il CCM3 riproduce una variabilità molto simile a quella della NAO naturale, anche per i campi di variabilità interna che stiamo esaminando.

Per determinare se esiste un collegamento tra questo modello e il pattern circumglobale, nella Figura 10b presentiamo la funzione di corrente a 300 mb dell’emisfero nord, correlata con il componente principale della funzione di corrente a 850 mb del settore EOF1. Oltre alle anomalie di circolazione dell’Atlantico Nord, che ci si attenderebbe considerando una struttura barotropica equivalente, nel nostro modello CCM3 l’indice NAO è associato a perturbazioni su tutto l’emisfero nord. Sono presenti centri di correlazione con valori superiori a 0,50 in ogni quadrante dell’emisfero. A differenza delle altre parti della nostra indagine, abbiamo optato per mostrare i risultati relativi alla NAO su proiezioni stereografiche polari, facilitando così il confronto con studi precedenti. Per evidenziare che le anomalie circumglobali nella Figura 10b sono praticamente identiche a quelle del pattern circumglobale che abbiamo esaminato, le posizioni dei cinque lobi prominenti del pattern circumglobale della Figura 8a sono indicate con punti sulla Figura 10b. È evidente che le anomalie della NAO a 300 mb e il pattern circumglobale condividono queste caratteristiche nonché una distintiva caratteristica anulare. Di conseguenza, per il CCM3, qualsiasi analisi della NAO probabilmente includerà contributi dal pattern della guida d’onda circumglobale.

La Figura 10 illustra due analisi distinte della funzione di corrente nell’emisfero nord durante i mesi invernali (DJF).

Figura 10a: Mostra la EOF principale della variabilità interna della funzione di corrente a 850 mb per il settore dell’emisfero nord tra 90°O e 30°E. L’EOF principale è un metodo statistico utilizzato per catturare i pattern dominanti di variazione atmosferica, offrendo una rappresentazione chiave delle modalità prevalenti di circolazione atmosferica in questa regione durante l’inverno.

Figura 10b: Presenta la correlazione tra la variabilità interna della funzione di corrente a 300 mb e il componente principale associato all’EOF di (a). Questa mappa evidenzia come le variazioni nella circolazione a livello più basso (850 mb) siano connesse a quelle più elevate (300 mb). Le aree più scure indicano una correlazione positiva forte, mentre le aree più chiare mostrano una correlazione negativa o minore. I cinque punti neri segnalano i centri delle cinque lobi nella mappa della funzione di corrente della Figura 8a, sottolineando una correlazione spaziale diretta tra questi centri di attività atmosferica.

L’intervallo di contorno di 0,1 aiuta a discernere le variazioni graduali nella correlazione, evidenziando le zone di transizione tra le correlazioni positive e negative e offrendo una visuale dettagliata delle dinamiche atmosferiche su vasta scala.

Questa figura è essenziale per comprendere come le strutture di circolazione atmosferica a diverse altitudini interagiscono e si influenzano reciprocamente, riflettendo la complessa dinamica dell’atmosfera nell’emisfero nord durante i mesi invernali.

4. Risultati dal Mondo Reale Ora esaminiamo il dataset di rianalisi descritto nella sezione 2 per verificare se anche lì possiamo rilevare gli effetti del getto medio. Come anticipato nella sezione 2, ci baseremo principalmente sulle somiglianze con i nostri risultati ottenuti dagli ensemble di modelli globali di circolazione (GCM) per confermare l’affidabilità delle nostre scoperte.

Iniziamo, come con i dati GCM, valutando se i modelli di variabilità vicino al getto medio dell’Asia Meridionale siano più estesi zonalmente rispetto a quelli nel Pacifico Nord Centrale. Utilizzando punti base nelle stesse località impiegate nelle Figure 2a,b, identifichiamo le stesse distinzioni nella variabilità del mondo reale osservate nei GCM. Il modello del Pacifico Nord (Fig. 12a) si presenta come un arco, mentre il modello dell’Asia Meridionale (Fig. 12b) è più limitato in direzione meridionale e si estende maggiormente in direzione zonale. Se non avessimo osservato modelli simili nei GCM, la nostra fiducia nel modello dell’Asia Meridionale sarebbe limitata, ma i risultati dei GCM rendono il carattere zonale del modello decisamente convincente.

Proseguiamo analizzando come questi risultati si applicano a punti in tutto l’emisfero nord, utilizzando due delle stesse statistiche impiegate per le anomalie dei GCM. La Figura 13a illustra la funzione di corrente e indica la distanza longitudinale fino al punto più distante che covaria con un coefficiente di correlazione di almeno 0,40. Nei GCM, abbiamo applicato un criterio di 0,50 per il calcolo corrispondente, ma nel mondo reale i punti che soddisfano tale soglia risultano essere leggermente più vicini ai punti base.Oltre a questa distinzione, la figura illustra che le caratteristiche osservate nei GCM si manifestano anche in natura. I punti situati lungo il getto dell’Asia meridionale e al largo della costa orientale del Nord America presentano connessioni più forti con punti distanti rispetto ad altre località delle medie latitudini dell’emisfero nord. Alcune di queste località mostrano covarianza con punti situati a distanze notevolmente grandi. La posizione di queste località speciali è leggermente spostata in natura rispetto a quelle nei GCM, particolarmente vicino alla costa orientale del Nord America, ma il loro spaziamento rimane simile.

La Figura 13b presenta la misura convenzionale di teleconnessione di Wallace e Gutzler (1981) applicata a y, e ancora una volta osserviamo che la natura si comporta in modo molto simile al CCM3 (Fig. 5b). Non solo i punti con la maggiore teleconnessione sono limitati alla banda della guida d’onda, ma anche molti dei massimi locali all’interno di quella banda coincidono con quelli nel CCM3. È importante notare, come evidenziato da Wallace e Gutzler (1981) e Hsu e Lin (1992), che, analogamente a quanto riscontrato con i dataset GCM, calcolando la teleconnessione per la funzione di corrente a bassa frequenza o il geopotenziale della natura, i getti medi non risultano essere aree di connettività particolarmente evidente.

Uno degli aspetti interessanti della variabilità intrappolata dal getto nel CCM3 è che questa possiede una scala zonale preferita senza una fase preferita specifica all’interno del getto dell’Asia meridionale. Per verificare se queste caratteristiche si estendono anche in natura, abbiamo ripetuto un’analisi EOF del campo y nel settore dell’Asia meridionale e abbiamo trovato (Fig. 14) che, insieme, le principali EOF rappresentano una famiglia di modelli quasi identici a quelli osservati nel CCM3. Come indicato nella Tabella 2, scopriamo che per una fase di questa famiglia, la variabilità all’interno della guida d’onda è più strettamente correlata alla variabilità dall’altro lato dell’emisfero rispetto ad altre fasi. Ulteriori analisi mostrano che questa fase ha creste d’onda spostate di circa 15° di longitudine verso ovest dalle posizioni che generano le massime teleconnessioni circumglobali nel CCM3.

Un’apparente differenza tra natura e GCM è che, nell’ambito della guida d’onda del Sud Asia, la natura mostra una fase preferita, dato che yEOF1 presenta un autovalore maggiore (37%) rispetto a yEOF2 (26%). Questo, tuttavia, potrebbe essere risultato di deficienze nel campionamento, poiché una rianalisi con medie di 30 giorni sovrapposte riduce il divario tra gli autovalori.

Nel CCM3, il modello della guida d’onda circumglobale era sufficientemente prominente da figurare come componente delle principali EOF di funzione di corrente e y. Abbiamo condotto analisi EOF corrispondenti per la natura e abbiamo trovato conferma di questa consistenza. Per esempio, la Figura 15 mostra la principale EOF della funzione di corrente mensile a 300 mb. Notiamo che, a causa della forte covariabilità dei punti all’interno della guida d’onda, in particolare a 50°E, 110°E, 170°W, 60°W e 0°E, questi emergono come massimi in questo modello. Le versioni modificate di questo calcolo suggeriscono che i dettagli dell’analisi sono cruciali e spiegano probabilmente perché queste caratteristiche non siano state distinte come speciali in altri studi. L’uso della funzione di corrente piuttosto che del geopotenziale e l’uso delle deviazioni dalle medie stagionali sono elementi importanti.Le principali EOF globali di y osservate in natura (non mostrate) riflettono lo stesso comportamento visto nei grafici della Figura 7 delle yEOF globali del CCM3, evidenziando entrambe un chiaro modello di onda zonale cinque che è confinato latitudinalmente alla stessa zona di latitudini serpeggiante osservata in tutto questo studio. Tuttavia, queste EOF enfatizzano maggiormente la metà orientale del Pacifico e del Nord America rispetto ai loro omologhi GCM, forse a causa del metodo approssimativo utilizzato per eliminare l’effetto delle SST variabili interannuali, che potrebbe accentuare l’influenza del fenomeno El Niño in questa regione.

Come test finale sulla validità dei risultati del CCM3 nel contesto naturale, esaminiamo se il comportamento della guida d’onda possa influenzare gli studi sulla circolazione dell’emisfero nord associata all’NAO. Procedendo come precedentemente, creiamo un indice NAO identificando la principale EOF della funzione di corrente a 850 mb nel settore Atlantico (Figura 16a) e utilizziamo la serie temporale del componente principale risultante come indice. Successivamente, correlando la funzione di corrente a 300 mb con la variabilità di questo indice, otteniamo il pattern mostrato nella Figura 16b. Notiamo che nelle medie latitudini, il carattere zonalmente simmetrico dell’NAO è molto marcato. A differenza dello studio di Deser (2000), questa rappresentazione della circolazione associata a un indice NAO supporta l’interpretazione di Thompson e Wallace (1998), secondo cui l’NAO è effettivamente un’analisi locale di una modalità ampia a livello emisferico. Inoltre, osserviamo che, oltre alle caratteristiche zonalmente simmetriche, la circolazione associata all’NAO presenta forti asimmetrie, e i centri di queste asimmetrie si trovano vicino ai centri del dominante modello della guida d’onda del nostro studio.

Da questo risultato emerge che, sia in natura sia nel CCM3, gli studi sull’NAO (Oscillazione Nord Atlantica) o sull’Oscillazione Artica possono automaticamente includere il modello della guida d’onda globale. Considerando che altri studi non hanno identificato centri non anulari distinti di covariabilità dell’NAO al di fuori del settore Atlantico, abbiamo esaminato questa discrepanza trovando tre importanti fattori contributivi. Uno è il nostro utilizzo della funzione di corrente come indicatore delle associazioni globali dell’NAO, che amplifica i segnali nelle basse latitudini, dove la guida d’onda è prevalentemente localizzata. Un altro fattore è l’uso di 300 mb come livello per l’identificazione di relazioni globali. Come osservato nella Figura 8b, i modelli della guida d’onda tendono a svanire ai livelli bassi sopra i continenti, rendendoli meno rilevabili nei campi vicino alla superficie. Il terzo fattore è il nostro uso della funzione di corrente a 850 mb piuttosto che della pressione al livello del mare per formare un indice NAO, conferendo maggiore importanza al lobo delle medie latitudini dell’NAO, una caratteristica che è un componente prominente del modello della guida d’onda globale.

La Figura 11 presenta una rappresentazione grafica delle anomalie o variazioni in un campo specifico, utilizzando i dati del modello globale di circolazione (GCM) NSIPP. Questo grafico è una continuazione di quanto mostrato nella Figura 3b, suggerendo che adotta la stessa metodologia o misura la stessa variabile, ma con un differente insieme di dati.

L’asse orizzontale del grafico rappresenta la longitudine, che varia da 0° a 360° (etichettata come 0° E, 120° E, 180°, 120° W, 60° W), mentre l’asse verticale rappresenta la latitudine, estendendosi da 90° nord a 30° sud. Le aree più scure o più chiare nel grafico identificano rispettivamente i massimi e i minimi locali dell’intensità o di un’altra variabile climatica rilevante, come pressione o temperatura.

Le linee chiuse visualizzate nel grafico sono isolinee che connettono punti di uguale valore (ad esempio, di pressione o temperatura), indicando zone di intensa variazione o forti gradienti di quella variabile specifica. Zone con meno isolinee mostrano aree di maggiore uniformità nella variabile misurata.

Per una completa comprensione di questa figura, è essenziale considerare il contesto fornito dallo studio associato, in quanto le interpretazioni precise possono variare in base alla variabile specifica analizzata e al contesto climatico o meteorologico studiato. Questa mappa potrebbe essere utilizzata per analizzare anomalie climatiche, distribuzioni di massa d’aria, o altri fattori atmosferici, come visualizzati dal modello GCM NSIPP.

La Figura 12 presenta due grafici di correlazione unipunto delle anomalie della funzione di corrente a 300 mb relative ai mesi invernali di dicembre, gennaio e febbraio (DJF), calcolate rispetto alle medie centrate su tre mesi.

• Figura 12a: La correlazione è calcolata utilizzando un punto base a (24.48°N, 172.58°W), situato nell’Oceano Pacifico. Le isolinee rappresentano il livello di correlazione tra le variazioni di funzione di corrente in questo punto e altre regioni globali. Questo grafico evidenzia come specifiche variazioni in un’area possano influenzare o essere correlate con altre parti dell’atmosfera a grande distanza.
• Figura 12b: Similarmente, la correlazione è analizzata partendo da un punto base a (24.48°N, 60.08°E), posizionato vicino alla regione del Medio Oriente. Le linee chiuse indicano le correlazioni tra le variazioni in questo punto e altre aree del mondo.

Intervallo di contorno: Entrambi i grafici utilizzano un intervallo di contorno di 0.1, che significa che ogni linea del contorno rappresenta un incremento o decremento di 0.1 nel coefficiente di correlazione. Aree con linee di contorno più dense suggeriscono regioni con variazioni più rapide nella correlazione, mentre aree con linee di contorno più sparse indicano variazioni più lente.

Questi grafici sono cruciali per comprendere l’interconnessione tra varie parti dell’atmosfera e per studiare l’impatto delle fluttuazioni atmosferiche in un punto specifico su fenomeni meteorologici su larga scala in altre parti del globo.

La Figura 13 presenta due diverse rappresentazioni grafiche basate su correlazioni unipunto delle osservazioni medie mensili durante i mesi invernali di dicembre, gennaio e febbraio (DJF), relative alle medie centrate su tre mesi, ciascuna focalizzata su aspetti distinti della covariabilità atmosferica.

• Figura 13a: Questo pannello mostra la distanza di covariabilità tra punti base in diverse località del globo e altre aree, utilizzando la stessa metrica impiegata nelle precedenti Figure 3b e 11. Le linee chiuse nel grafico indicano la distanza fisica a cui le variazioni in un punto sono correlate a variazioni in altre parti del mondo. L’intervallo di contorno, che rappresenta due milioni di metri, evidenzia la scala globale di queste connessioni atmosferiche.
• Figura 13b: Questo pannello illustra la teleconnettività per la componente del vento a 300 mb. Le linee del contorno hanno un intervallo di 0.1, mostrando la forza e l’estensione delle correlazioni tra variazioni atmosferiche in un punto e quelle in altri punti. Le aree ombreggiate corrispondono alle visualizzazioni in altre figure, enfatizzando come configurazioni specifiche del vento possano essere interconnesse su vasta scala.

In generale, la Figura 13 fornisce un’analisi dettagliata di come determinate anomalie atmosferiche, in punti selezionati, siano correlate a livello globale. Illustra non solo le distanze fisiche delle interconnessioni ma anche il comportamento dinamico dell’atmosfera, contribuendo a una migliore comprensione delle strutture delle interconnessioni atmosferiche su larga scala.

La Figura 14 illustra le prime due Funzioni Ortogonali Empiriche (EOF) della componente non divergente del vento y a 300 mb, basate su dati osservati durante i mesi invernali di dicembre, gennaio e febbraio (DJF). Queste analisi focalizzano sulle anomalie medie mensili confrontate con le medie centrate su tre mesi, specificatamente nella regione tra l’equatore e 45°N, e estendendosi verso est da 0° a 120°E.

• Figura 14a: Presenta la prima EOF, che rappresenta il modello dominante di variazione del vento nella regione analizzata. Le linee chiuse in questa mappa delineano aree dove la variabilità del vento è maggiormente coerente, identificando così i massimi e i minimi principali del modello di vento.
• Figura 14b: Mostra la seconda EOF, che evidenzia il secondo modello più significativo di variazione del vento. Questo pattern fornisce una visione alternativa delle dinamiche del vento che non è stata catturata dalla prima EOF.

L’intervallo di contorno, impostato a 0.04, serve a illustrare le variazioni graduali nei valori di questa componente del vento.

Queste EOF sono strumenti cruciali per decifrare i principali modelli di comportamento atmosferico nella regione specificata durante i mesi invernali, offrendo intuizioni preziose per l’analisi delle dinamiche climatiche e meteorologiche, inclusi fenomeni come i monsoni o altri pattern di circolazione atmosferica prevalenti in quella parte del mondo.

La Tabella 2 mostra come i pattern di variabilità atmosferica, basati su dati di rianalisi naturali, varino in diverse fasi all’interno di due regioni geografiche: la guida d’onda asiatica e l’emisfero occidentale. I dati qui presentati sono simili a quelli di una tabella precedente, ma questa volta derivano direttamente dalle osservazioni reali della natura piuttosto che da modelli o simulazioni climatiche.

Struttura della tabella:

• La prima colonna indica la fase del ciclo o del pattern atmosferico, suddivisa in frazioni di un ciclo completo. Ogni fase rappresenta una parte distinta di un modello ciclico o periodico, probabilmente legato alla circolazione atmosferica o alle onde climatiche.
• La seconda colonna, Guida d’onda asiatica, presenta i valori numerici associati a ciascuna fase per la regione asiatica, che potrebbero riflettere l’intensità o l’ampiezza delle variazioni atmosferiche nella guida d’onda in questa regione.
• La terza colonna, Emisfero occidentale, mostra i corrispondenti valori per l’emisfero occidentale, permettendo un confronto diretto con i dati della guida d’onda asiatica.

Osservazioni principali:

• I valori nella guida d’onda asiatica sono generalmente più elevati rispetto a quelli dell’emisfero occidentale, suggerendo che la variabilità atmosferica in questa regione sia più pronunciata o intensa.
• Ci sono variazioni cicliche chiare nei valori in entrambe le regioni, con alcuni picchi significativi che indicano fasi in cui la variabilità è particolarmente alta o ben definita. Ad esempio, nella fase che corrisponde a tre quarti del ciclo completo, entrambi i settori mostrano un valore relativamente elevato.

Questa tabella è fondamentale per comprendere come i pattern atmosferici globali cambino ciclicamente in diverse regioni del mondo e in differenti fasi. Fornisce un quadro chiaro di come la variabilità atmosferica si manifesti in modo differente tra la regione asiatica e l’emisfero occidentale, aiutando a evidenziare le differenze regionali nella risposta del sistema atmosferico alle variazioni globali.

La Figura 15 visualizza la Funzione Ortogonale Empirica principale (EOF) della funzione di corrente a 300 mb dell’emisfero nord, basandosi sulle osservazioni medie mensili per i mesi invernali di dicembre, gennaio e febbraio (DJF), rispetto alle medie centrate su tre mesi.

Dettagli chiave della visualizzazione:

• Le linee chiuse nel grafico rappresentano isolinee della funzione di corrente, che tracciano i principali schemi di movimento atmosferico a circa 300 mb di altezza.
• Le zone con linee densamente raggruppate indicano aree di forte variazione della funzione di corrente, mentre le zone con meno linee indicano una maggiore uniformità del flusso atmosferico.
• Le aree scure e chiare nel grafico delineano rispettivamente i massimi e i minimi locali, che possono corrispondere a zone di alta e bassa pressione o a regioni di convergenza e divergenza dei flussi d’aria.

Importanza della figura:

• Questa EOF principale illustra il modello dominante di variazione nella funzione di corrente per l’emisfero nord durante i mesi invernali, offrendo una comprensione essenziale di come i venti ad alta quota si organizzano in questo periodo.
• Analizzare questo pattern è cruciale per spiegare e prevedere fenomeni meteorologici e climatici, inclusi la formazione di sistemi tempestosi e la persistenza di condizioni atmosferiche specifiche.

Implicazioni meteorologiche:

• I pattern rivelati da questa analisi hanno impatti significativi sui modelli climatici regionali, influenzando variabili meteorologiche come temperatura, precipitazioni e la distribuzione delle masse d’aria.

In conclusione, la Figura 15 fornisce un’analisi dettagliata e visivamente efficace del comportamento atmosferico più influente nell’emisfero nord durante l’inverno, evidenziando le complesse interazioni tra diverse masse d’aria che definiscono i pattern climatici su larga scala.

La Figura 16 visualizza due mappe che illustrano le anomalie della funzione di corrente osservate durante i mesi invernali di dicembre, gennaio e febbraio (DJF), rispetto alle medie centrate su tre mesi. Queste rappresentazioni sono basate su dati reali e sono simili alle visualizzazioni della Figura 10, ma riflettono osservazioni dirette anziché risultati di modelli.

Dettagli delle sottofigure:

• Figura 16a: Presenta una mappa in proiezione polare focalizzata sull’Artico e sulle regioni settentrionali dell’America del Nord. Le isolinee densamente raggruppate indicano aree di intensa attività della funzione di corrente, suggerendo significative dinamiche delle masse d’aria e potenziali condizioni meteorologiche estreme.
• Figura 16b: Offre una prospettiva più estesa sull’emisfero nord, includendo dettagli sui pattern di funzione di corrente che interessano l’Europa, l’Asia, e il Nord America. Questa mappa fornisce una rappresentazione dettagliata delle interazioni tra diverse regioni atmosferiche.

Importanza delle mappe:

• Le rappresentazioni evidenziano le anomalie nella circolazione atmosferica su larga scala durante l’inverno, cruciali per analizzare fenomeni come tempeste severe e ondate di freddo.
• Esaminare queste anomalie nei dati osservati aiuta a identificare deviazioni significative dal comportamento atmosferico tipico, fornendo indizi vitali per studi sul cambiamento climatico e sulla variabilità climatica.

In sintesi, la Figura 16 mostra come la circolazione atmosferica effettiva si discosti dalle medie stagionali, mettendo in luce le aree di maggiore attività e potenziale impatto meteorologico. Queste osservazioni sono fondamentali non solo per la validazione dei modelli climatici ma anche per comprendere in modo più approfondito le dinamiche atmosferiche complesse.

5. Riassunto e Discussione
Il nostro studio ha avuto l’obiettivo di stabilire se la variabilità a bassa frequenza sia prevalentemente caratterizzata da modelli con forti orientamenti meridionali, come suggerito da numerosi studi sul comportamento invernale dell’emisfero nord, o se emergano significativi modelli con orientamento zonale, che implicano una covariabilità tra posizioni longitudinali distanti. Questa indagine è stata motivata dal fatto che le soluzioni dell’equazione della vorticità barotropica, linearizzate rispetto allo stato climatologico invernale, mostrano che i getti agiscono come guide d’onda. Di conseguenza, le soluzioni stazionarie all’interno delle latitudini dei getti troposferici medi tendono ad essere confinate meridionalmente e estese longitudinalmente, a differenza delle soluzioni influenzate in regioni con gradienti meridionali deboli di vorticità ambientale. Attraverso l’analisi della variabilità interna di insiemi di integrazioni di GCM e dei dati di 39 inverni, abbiamo concluso che i complessi dei getti medi effettivamente conferiscono alla variabilità a bassa frequenza la struttura prevista dalla teoria lineare.

La nostra indagine ha identificato comportamenti specifici osservabili tanto nei modelli climatici globali (GCM) quanto in natura:I modelli di variabilità della troposfera superiore nei pressi dei getti medi temporali tendono a essere confinati meridionalmente attorno ai getti stessi, formando catene di anomalie che si estendono in direzione zonale. Associati a questi modelli, troviamo punti distanti fino a 1508 di longitudine, i quali presentano un coefficiente di correlazione di covariabilità che può raggiungere il 0,60 nei GCM. Questo comportamento è nettamente differente da quello osservato nel Pacifico settentrionale centrale, dove il getto è debole e le perturbazioni assumono forme ad arco con una pronunciata struttura meridionale ma con una limitata estensione zonale.Le perturbazioni intrappolate nel flusso d’onda del getto del Sud Asia non presentano fasi longitudinali preferenziali all’interno del flusso d’onda e sono prevalentemente caratterizzate dal numero d’onda zonale 5. Questi modelli del flusso d’onda possono essere visti come una famiglia di strutture interconnesse.In una prospettiva globale, queste perturbazioni del flusso d’onda mostrano una fase preferenziale. In una determinata fase, le regioni con cui covariano sono notevolmente estese, arrivando a circondare quasi completamente l’emisfero settentrionale. Questi effetti del flusso d’onda sono cruciali per la formazione di un modello speciale che connette tutte le longitudini dell’emisfero, denominato modello del flusso d’onda circumglobale. Questo risultato evidenzia che, generalmente, non è opportuno segmentare in settori quando si analizzano fenomeni a bassa frequenza.

Osservando il comportamento del modello del flusso d’onda più prominente, si nota che le caratteristiche del flusso d’onda sono barotrope equivalenti; tuttavia, non si estendono alla troposfera inferiore sui continenti.Quando si analizzano dati provenienti da campi con un significativo componente medio zonale (come il geopotenziale o la funzione di corrente), i modelli del flusso d’onda evidenziano una componente media zonale importante. Ciò implica che non sono ortogonali alle caratteristiche annulari e sono spesso combinati con modelli annulari nelle analisi EOF.Il modello del flusso d’onda circumglobale è talmente prominente che le sue caratteristiche forniscono un contributo sostanziale alla EOF principale della variabilità della funzione di corrente nell’emisfero settentrionale, diventando l’EOF principale della variabilità y non divergente.Il modello del flusso d’onda circumglobale mostra una struttura a dipolo nord-sud nel settore dell’Atlantico Nord. Questo significa che il modello si proietta sugli indici NAO e le sue caratteristiche influenzano la variabilità in varie località delle medie latitudini dell’emisfero settentrionale associate alla variabilità NAO. Utilizzando un indice NAO che enfatizza le medie latitudini dell’Atlantico Nord, a 300 mb, queste località mostrano un coefficiente di correlazione di covariabilità con l’NAO superiore a 0,50.

Sebbene il nostro studio confermi le distinzioni qualitative tra la variabilità a bassa frequenza delle medie latitudini in presenza di un getto medio e in regioni con gradienti di fondo più uniformi, come previsto dalla teoria lineare, esistono alcune strutture analizzate che una teoria basata su lente variazioni dello stato di fondo non spiega adeguatamente. Una di queste è il carattere globale dei modelli associati alla variabilità nel flusso d’onda del Sud Asia, che dipende dalla fase longitudinale della sezione sud asiatica della perturbazione. I nostri risultati indicano che in una fase specifica (Fig. 2b) le perturbazioni del flusso d’onda sono collegate a un modello ad arco simile al PNA che attraversa il Nord America, mentre nella fase di quadratura (Fig. 2c) questo non avviene. Considerando che studi precedenti (per esempio, Simmons et al. 1983) sui modi normali dell’equazione della vorticità barotropica linearizzata per le condizioni invernali boreali suggeriscono l’esistenza di modi quasi risonanti e geograficamente fissi simili a questo modello ad arco, una possibile interpretazione è che in una fase le caratteristiche del flusso d’onda attivano un tale modo, estendendosi globalmente, mentre nella fase di quadratura non succede e il modello si dissolve nel Pacifico centrale.

Un altro aspetto che la teoria tradizionale del flusso d’onda non riesce a spiegare è la presenza concomitante di caratteristiche simili a flussi d’onda e anomalie medie zonali distinte. Abbiamo riscontrato che la componente simmetrica zonale di tali modelli può essere enfatizzata artificialmente applicando analisi di correlazione a un punto o di EOF a campi la cui variabilità include componenti medie zonali evidenti. Tuttavia, abbiamo anche concluso che la variabilità nel flusso d’onda possiede effettivamente una media zonale autentica.

Non siamo a conoscenza della causa di questa caratteristica intrinseca, ma evidenziamo che potrebbe non essere necessario sviluppare nuove teorie per spiegare questo risultato. Una spiegazione semplice potrebbe essere che, a una certa latitudine, le anomalie di divergenza localizzate possono includere una componente media zonale. Queste potrebbero quindi influenzare le perturbazioni includendo sia componenti ondulatorie che medie zonali. Infatti, nel loro studio di modellazione lineare, Hoskins e Ambrizzi (1993) hanno dimostrato (nella loro Fig. 7) che una fonte di vorticità, che includeva una componente zonale media, posizionata a (40°N, 75°W) avrebbe potuto stimolare un pattern simile al modello circumglobale che abbiamo identificato, incluso una componente simmetrica zonale. In realtà, anche la componente media zonale del forcing potrebbe non essere essenziale in tale calcolo. Branstator (1985) ha scoperto che il modo normale principale dello stato invernale di un GCM aveva un periodo molto lungo e una evidente media zonale nelle medie latitudini; tuttavia, dato che questo modo è quasi neutrale, sarebbe sufficiente un minimo di forzatura per eccitarlo. Pertanto, qualsiasi fattore che stimoli la serie di massimi e minimi atmosferici comunemente previsti nel flusso d’onda potrebbe anche innescare tale disturbo.

Riteniamo che la nostra scoperta, secondo cui gli indici NAO e AO sono correlati a caratteristiche dell’Atlantico Nord che ricordano il modello del flusso d’onda circumglobale identificato nel nostro studio, possa essere significativa per comprendere perché le ricerche sull’Oscillazione Artica includano frequentemente un centro di variabilità nel Pacifico Nord centrale; l’Atlantico Nord e il Pacifico Nord sono due dei cinque lobi del modello circumglobale (e sono i due che si estendono fino alla superficie). Tuttavia, senza ulteriori analisi, non possiamo affermare con certezza se NAO e AO e il modello circumglobale siano fisicamente connessi o se presentino semplicemente strutture simili nell’Atlantico Nord.

Inoltre, è importante evidenziare che, sebbene il nostro studio abbia volutamente escluso l’influenza delle SST variabili interannuali sui pattern a bassa frequenza esaminati, ciò non implica che i modelli identificati non svolgano un ruolo nella risposta dell’atmosfera a tali SST. Infatti, basandosi sul teorema della fluttuazione-dissipazione, si potrebbe prevedere che influenzino come l’atmosfera reagisce alle SST. I risultati preliminari di uno studio sulle precipitazioni associate al modello del flusso d’onda circumglobale mostrano che esso è accompagnato da notevoli anomalie delle piogge tropicali, sia nella realtà che nei GCM. Tuttavia, fino a quando non verranno condotte ulteriori analisi, non sarà chiaro se queste anomalie di precipitazione siano un motore del modello del flusso d’onda o se siano invece una conseguenza di esso. Meno ambigua è la ricerca recente di Chen (2002), che ha trovato che gli eventi di freddo nel Pacifico tropicale sono accompagnati non solo da anomalie di circolazione con la struttura ad arco ben nota sopra il Pacifico nord-orientale e il Nord America, ma anche da una serie di alti e bassi a scala ridotta che si estendono attraverso il Sud Asia nel flusso d’onda.

APPENDICE
Intervalli di Confidenza del Coefficiente di Correlazione
Come indicato nei manuali di statistica di base, ad esempio Anderson (1971), per valutare la affidabilità delle correlazioni, è necessario trasformare le stime di correlazione attraverso la trasformazione di Fisher z. Dopo tale trasformazione, si prevede che queste assumano distribuzioni normali, permettendo l’uso di tecniche standard con la statistica t per derivare intervalli di confidenza. L’ampiezza di questi intervalli dipende dal valore della correlazione stimata. La determinazione del numero di gradi di libertà temporali nei campioni usati nel nostro studio non è immediata, ma ipotizzando, per semplicità di discussione, che il nostro record osservativo includa 78 campioni indipendenti—assumendo due campioni per ogni inverno di tre mesi—si può stabilire che, per una confidenza del 95%, i valori della correlazione si determinano entro un intervallo di circa 0.4. Per esempio, se la miglior stima è che il coefficiente di correlazione sia zero, l’intervallo di confidenza al 95% è (-0.23, 0.23), mentre se è 0.50, l’intervallo è (0.31, 0.65). Al contrario, per il nostro insieme CCM3 di 22 membri, ciascuno con 44 medie stagionali, l’intervallo di confidenza al 95% per una stima di correlazione di zero è (-0.06, 0.06) e per una stima di 0.50 è (0.45, 0.55), presupponendo che ogni media stagionale sia indipendente. Similmente, per l’insieme NSIPP, l’intervallo di confidenza al 95% per una stima di zero è (-0.10, 0.10) mentre per una stima di 0.50 è (0.42, 0.57).

https://journals.ametsoc.org/view/journals/clim/15/14/1520-0442_2002_015_1893_cttjsw_2.0.co_2.xml