Classificazione della circolazione su larga scala, regimi meteorologici e clima locale in Francia, nelle Alpi e nell’Europa occidentale

Lo studio di Plaut e Simonnet si concentra sulla classificazione della circolazione atmosferica su larga scala, sull’individuazione dei cosiddetti “weather regimes” (regimi meteorologici) e sulla loro influenza sul clima locale di Francia, Alpi e Europa occidentale. Attraverso un’analisi statistica delle configurazioni sinottiche (ovvero delle mappe di pressione e di circolazione dei venti a scala continentale), i ricercatori identificano alcuni schemi circolatori dominanti in grado di influenzare in modo ricorrente le condizioni meteorologiche regionali. Questo approccio permette di comprendere come specifici pattern di alta e bassa pressione possano condizionare la distribuzione di piogge, neve e temperature, specialmente in aree orograficamente complesse come l’arco alpino.

Uno degli aspetti centrali della ricerca è l’uso di tecniche di classificazione avanzate per suddividere le configurazioni atmosferiche in gruppi omogenei (weather regimes), in modo da studiare l’impatto di ciascuno sulla climatologia locale. I risultati dimostrano che alcuni di questi regimi, come ad esempio situazioni di blocco anticiclonico sulle isole britanniche o circolazioni zonali intense provenienti dall’Atlantico, possono portare a condizioni di siccità, ondate di calore o, al contrario, a precipitazioni intense e fenomeni estremi. In sintesi, questo lavoro offre un quadro interpretativo che aiuta a capire come i meccanismi di larga scala influenzino la variabilità climatica locale, fornendo spunti utili per la previsione stagionale e la comprensione dei trend climatici in un contesto di cambiamento globale.

Guy Plaut^1,*, Eric Simonnet^2

^1Institut Non Linéaire de Nice CNRS, Université de Nice – Sophia Antipolis, 1361 route des Lucioles, 06560 Valbonne, Francia
^2Laboratoire de Météorologie dynamique du CNRS, École Polytechnique, 91128 Palaiseau, Francia

RIASSUNTO:

Applicando l’algoritmo di clustering dinamico ai modelli di circolazione su larga scala a vari livelli troposferici (Z700, Z500 e PSL [pressione al livello del mare]), abbiamo identificato i cosiddetti regimi meteorologici (WRs). Questi WRs sono rappresentati dai modelli centrali dei cluster; la procedura è completamente priva di soggettività. Un test del rumore rosso permette di determinare il numero ottimale di cluster per ciascun livello. È stata eseguita una comparazione tra le classificazioni dei vari livelli, evidenziando correlazioni statisticamente molto significative.

Mentre precedenti tentativi di classificare le circolazioni giornaliere in maniera completamente obiettiva si concentravano sui livelli medio-troposferici e non potevano retrocedere oltre i 50 anni, nel presente studio siamo riusciti a classificare 120 anni di modelli di PSL. Abbiamo scoperto che gli stessi 5 WRs si manifestano coerentemente nei tre periodi storici esaminati: 1880–1918, 1919–1957 e 1958–1997.

Successivamente, abbiamo esplorato il collegamento tra questi WRs e le condizioni meteorologiche locali reali, analizzando sia le temperature che le precipitazioni. Abbiamo scoperto che la deviazione istantanea del clima locale dalla media climatica è fortemente correlata con i WRs, offrendo così una descrizione sfidante ma coesa dei climi locali. L’atmosfera non si limita a evolvere attorno al suo stato medio, ma tende a gravitare più frequentemente attorno a alcuni stati peculiari su larga scala che hanno implicazioni specifiche per il clima locale.

Questi risultati suggeriscono che i WRs possano servire come base per lo sviluppo di algoritmi di downscaling particolarmente efficaci per lo studio delle modificazioni del clima locale. Questi algoritmi, essendo derivati da un metodo completamente oggettivo, promettono di essere strumenti affidabili per prevedere e interpretare le variazioni climatiche locali in risposta ai cambiamenti climatici globali.

1. INTRODUZIONE

Curiosamente, il termine “regime meteorologico” (WR) è stato associato ai modelli di circolazione su larga scala mid-troposferici più frequenti o più persistenti, non direttamente al tempo atmosferico tangibile. L’obiettivo principale di questo articolo è proprio quello di afferare con certezza il legame tra i WRs e gli effettivi pattern meteorologici locali o mesoscalari sull’Europa occidentale, in particolare sulla Francia e su alcune sub-regioni alpine.

Il concetto di WR è stato introdotto per la prima volta dai sinottici nei primi anni ’50; l’idea era che, in una certa misura, l’atmosfera evolve tra un numero limitato di stati. Chiunque viva nell’Europa occidentale durante l’inverno può osservare lunghi periodi di umidi e piovosi venti occidentali. Ma a volte gli occidentali si fermano improvvisamente, e gli orientali portano condizioni gelidamente fredde. Durante alcuni inverni, gli orientali quasi mai soffiano, ma ci sono anche inverni con ripetuti periodi di venti orientali che possono durare per settimane, tanto che si potrebbe dire che ci sono 2 possibili stati per l’atmosfera sull’Atlantico orientale e sull’Europa occidentale: quello occidentale o zonale e quello orientale o bloccato. Infatti, durante i periodi di blocco, i miti venti occidentali (e i corrispondenti minimi atlantici) sono fermati da anticloni di blocco longevi sopra il Mare del Nord o la Scandinavia. La famosa transizione zonale-bloccata sull’Atlantico e sull’Europa è stata conosciuta per molto tempo; è stata inizialmente interpretata come una manifestazione di equilibri di flusso multipli da Charney & DeVore (1979).

L’interesse pratico nella classificazione delle mappe di circolazione (su larga scala) in pochi pattern ricorrenti risiede nell’osservazione che il tempo atmosferico locale tangibile dipende in larga misura dal flusso su larga scala. Dall’inizio degli anni ’50 alla fine degli anni ’70, l’approccio dei ‘Grosswetterlagen’ fu sviluppato in Germania (Gressel 1954a,b, 1959, Schepp 1979), mentre i tipi di tempo di Lamb (Lamb 1972) erano ampiamente utilizzati dai sinottici britannici. Questi schemi di classificazione rimangono per lo più soggettivi. Approcci completamente automatici e oggettivi si sono sviluppati solo negli ultimi due decenni. Anche se si classificano i modelli di circolazione, il nome “regime meteorologico” è diventato generico quando si fa riferimento ai pattern ottenuti tramite algoritmi di classificazione oggettivi. Questi algoritmi possono essere raggruppati in circa 3 categorie:

Nel primo (Hansen & Sutera 1986, Kimoto & Ghil 1993a), i WRs sono ricercati come quegli stati che massimizzano la funzione di densità di probabilità (PDF) in alcuni spazi di bassa dimensione (tipicamente lo spazio generato dalle 2 alle 5 principali componenti principali).
Il secondo approccio è tipificato dal lavoro di Vautard (1990) e mira a rilevare gli stati per cui l’evoluzione su larga scala è quasi-stazionaria in senso statistico. Tali stati mostreranno naturalmente una tendenza a persistere per un tempo massimo.

(3) Il terzo approccio si basa sulla classificazione dei modelli su larga scala come cluster in uno spazio relativamente a bassa dimensione (ma maggiore rispetto al caso 1), fino a 10 dimensioni. Una maggiore fiducia in questo metodo deriva dallo sviluppo di lunghi archivi di dati, attualmente estesi a 50 anni. Criteri oggettivi sono stati sviluppati da Michelangeli et al. (1995) per selezionare il numero ottimale di cluster e per verificare la significatività della classificazione.

Si potrebbe interrogare se questi diversi algoritmi conducano a WR simili. Sebbene non si possano trarre conclusioni definitive, è rilevante notare che Michelangeli et al. (1995), utilizzando l’algoritmo di clustering dinamico, un approccio di tipo 3, hanno ottenuto, sul settore Euro-Atlantico, 4 cluster che possono essere messi in corrispondenza uno-a-uno con quelli identificati da Vautard (1990), che ha utilizzato un approccio di tipo 2 (equilibrazione statistica); i due set di cluster hanno mostrato quasi nessuna differenza qualitativa. Kimoto & Ghil (1993b) hanno introdotto una velocità di evoluzione dell’atmosfera. I loro calcoli mostrano una chiara tendenza dell’atmosfera a rallentare quando si evolve in prossimità dei loro centri di WR di tipo 1, rendendo questi centri anche candidati rilevanti per un approccio di tipo 2. Nella Sezione 7, discuteremo il confronto dei nostri WR dell’algoritmo di tipo 3 con i tipi 1 e 2.

Sebbene il nostro interesse principale in questo lavoro risieda nei collegamenti tra i WR e il clima locale (più precisamente, la deviazione dal clima medio locale), procediamo prima alla classificazione dei modelli LSC utilizzando 3 diversi campi su larga scala. I lavori precedenti di solito utilizzavano solo 1 campo di questo tipo, tipicamente le altezze Z700 o Z500, e non potevano confrontare le classi che emergono a diversi livelli troposferici. Qui cerchiamo modelli di WR a 3 diversi livelli: Z700, Z500 e PSL (pressione al livello del mare). Utilizziamo anche set di dati più omogenei, dato che le altezze geopotenziali sono state riesaminate. Inoltre, i 120 anni di modelli giornalieri di PSL ci permettono di confrontare i WR trovati per diversi periodi storici.

Per illustrare l’influenza di un determinato WR sul clima locale, adotteremo la procedura comune nella quale temperature o precipitazioni sono classificate in quantili. Ad esempio, ci si aspetta che, con un flusso zonale sull’Europa occidentale, la prevalenza del terzile caldo domini sulla Francia settentrionale, o l’ultimo decile delle precipitazioni non si verifichi sul versante mediterraneo delle Alpi, mentre venti orientali di blocco asciugheranno la Francia settentrionale, ma favoriranno intense precipitazioni sulle regioni costiere meridionali esposte agli easterlies mediterranei, come la Catalogna o il Rossiglione. Cercheremo di quantificare tali effetti nelle Sezioni 5 e 6, per testare l’efficacia dell’approccio WR nella descrizione del tempo locale piuttosto che solo nella descrizione del clima locale considerato come un tempo medio.

Se la deviazione istantanea del tempo locale dal clima medio può essere affidabilmente assegnata al specifico WR presente, ciò suggerisce che l’approccio WR può essere efficace per costruire cosiddetti algoritmi di downscaling. Il downscaling inferisce il tempo locale dai modelli LSC in un modo più o meno statistico. Potrebbe essere uno strumento appropriato per inferire i cambiamenti del clima locale dalle simulazioni dei modelli di circolazione generale (GCM), ma potrebbe anche offrire un’alternativa alle previsioni puramente deterministiche quando esiste un legame solido tra LSC e tempo locale.

I diversi set di dati utilizzati per la classificazione così come per gli studi sul clima locale sono descritti nella Sezione 2, insieme alla nostra metodologia. Quindi procediamo alla classificazione LSC in WR nella Sezione 3. La Sezione 4 è dedicata a un confronto dei regimi meteorologici a diversi livelli e per diversi periodi storici nel caso del PSL. Il resto del nostro lavoro è dedicato alle indagini sui collegamenti tra i WR ottenuti in precedenza e i climi locali sulla Francia, le Alpi e l’Europa occidentale, in termini di temperatura (Sezione 5) e precipitazioni (Sezione 6). Conclusioni importanti sulla affidabilità dell’approccio WR per descrivere il clima locale e per costruire algoritmi di downscaling per studi sui cambiamenti del clima locale sono fornite nella Sezione 7.

2. DATI E METODOLOGIA

Sebbene siamo consapevoli che il termine “regimi di circolazione” potrebbe essere più appropriato, manteniamo la prassi comune e chiamiamo i modelli centrali dei cluster che otteniamo classificando tutti i modelli LSC di un set di dati in modo obiettivo, senza alcuna conoscenza a priori sulle classi (incluso il loro numero), “regimi meteorologici“. Il nostro approccio è di tipo 3 (vedi Sezione 1), quindi identifichiamo i modelli LSC più ricorrenti. Come in Michelangeli et al. (1995), utilizziamo l’algoritmo di clustering dinamico implementato nel nostro pacchetto ANAXV, che consente una procedura completamente oggettiva senza alcuna ipotesi a priori sui modelli da trovare, o sul loro numero. Questa oggettività si contrappone alla soggettività di molti schemi di classificazione più vecchi (Gressel 1959, Lamb 1972, Schepp 1979), anche se fossero automatizzati nel loro ultimo passaggio. Ma prima descriviamo i diversi campi su larga scala che classifichiamo, permettendo un confronto dei WR trovati a diversi livelli, o per diversi periodi.

2.1. Set di dati LSC

Le altezze geopotenziali giornaliere Z500 e Z700 sono state ottenute dal progetto di rianalisi NCEP/NCAR e si estendono dal 1958 al 1998 (Kalnay et al. 1996). Sono state estratte spazialmente presso la Climatic Research Unit, Norwich (UK). Per facilitare il confronto con i risultati di Michelangeli et al. (1995), classifichiamo i LSC giornalieri dei mesi invernali (da novembre a marzo) e usiamo la stessa finestra di 100° di longitudine e 40° di latitudine, centrata a 50° N, 10° O, coprendo la maggior parte dell’Atlantico Nord e dell’Europa. Con una risoluzione di (2,5° × 2,5°), include 640 punti griglia.

I dati della PSL sono stati raccolti presso la Climatic Research Unit; la risoluzione della griglia è di 5° × 5°. Coprono un periodo molto più lungo (1880–1997), che permette confronti molto interessanti tra diversi periodi. Ci sono alcuni problemi noti con questi dati, specialmente su terreni molto elevati o nell’Artico (Jones 1987). Tuttavia, con la stessa finestra di 100° di longitudine e 40° di latitudine come sopra, questi problemi sono abbastanza irrilevanti per il nostro scopo.

2.2. Dati su Temperature e Precipitazioni

Per evidenziare i legami tra i WR e le condizioni meteorologiche effettive, utilizziamo quattro insiemi di dati relativi a temperature o precipitazioni. Questi insiemi sono di natura molto diversa: i primi due sono costituiti da archivi giornalieri di stazioni; il terzo consiste in dati grigliati giornalieri costruiti a partire da osservazioni di una rete di stazioni densa; e il quarto consiste in dati di rianalisi grigliati. Più esplicitamente, utilizziamo:

Temperature medie giornaliere registrate in 30 stazioni di MétéoFrance dal 1949 al 1996. Le ubicazioni sono mostrate nella Fig. 13.
Dati giornalieri delle stesse stazioni francesi riguardanti le precipitazioni.
Temperature dell’aria medie giornaliere a 2 metri (T2m) su una griglia gaussiana densa, limitata all’Europa occidentale, estendendosi da 30° a 70° N, e da 10° O a 30° E, e includendo 460 punti griglia. Questi dati coprono il periodo 1958–1997 e sono dati rianalizzati elaborati con il modello NCEP/NCAR allo stesso modo delle altezze geopotenziali LSC.
La Climatologia delle Precipitazioni Alpine (APC) dall’Istituto Federale Svizzero di Tecnologia, Zurigo (Frei & Schär 1998), che copre l’area delle Alpi Europee e l’avampaese adiacente. Consiste in una compilazione di 6678 registrazioni di stazioni proiettate su una griglia di 25 km per ogni giorno del periodo 1971–1995. Ogni punto griglia corrisponde in media a 6 stazioni. Anche i dati grigliati offrono possibilità molto interessanti per indagini sui climi mesoscalari, insieme ai loro legami con il LSC.

2.3. Metodologia

Per classificare i LSC, dobbiamo prima ridurre la dimensione del set di dati, poiché gli algoritmi di classificazione possono operare solo in spazi a bassa dimensione. Questo non è un problema, poiché classifichiamo modelli su larga scala: i WR sono sempre cercati nello spazio sottodimensionale a bassa frequenza/grande scala dominato dalle funzioni ortogonali empiriche principali (EOFs) (Vautard 1990, Kimoto & Ghil 1993b, Michelangeli et al. 1995). Eseguiamo quindi un’analisi delle componenti principali (PCA, basata sulla matrice di covarianza, includendo i coseni delle latitudini), e manteniamo solo un piccolo numero di EOFs, tipicamente 10. Il numero preciso di EOFs mantenuti è irrilevante, e si ottengono modelli quasi indistinguibili mantenendo da 6 a 10 EOFs o più: i WR sono essenzialmente punti fissi debolmente instabili che si trovano nello spazio sottodimensionale a bassa frequenza (effettivamente inferiore alla sinottica) dello spazio EOF. Le EOFs di ordine superiore corrispondenti a frequenze/più piccole scale semplicemente non contribuiscono ai modelli WR.

Procediamo quindi alla classificazione dei modelli LSC all’interno di questo spazio PC a 10 dimensioni. Supponiamo prima che il numero di cluster, k, sia determinato. Quindi l’obiettivo dell’algoritmo di clustering dinamico è trovare una partizione dell’intero set di dati in k cluster che minimizzi un certo criterio, solitamente la somma delle varianze all’interno dei cluster. Tuttavia, possono essere utilizzati anche altri criteri (Robertson & Ghil 1999), come la somma delle distanze di correlazione (dc): dc=1−apcc dove apcc è il coefficiente di correlazione del modello di anomalia (effettivamente un coseno nello spazio PC) e dc varia da 0 per modelli perfettamente correlati fino a 2 per quelli inversamente correlati. Nella Sezione 3.2, discutiamo brevemente le differenze tra le classificazioni ottenute con i due tipi di criteri. La distanza di correlazione dc viene utilizzata anche nella Sezione 5.4 per imporre criteri di appartenenza alla classe più stringenti.

Nel processo di classificazione, il numero di cluster, k, è generalmente un parametro fissato a priori. Tuttavia, sosteniamo che il valore ottimale di k non dovrebbe essere un parametro soggettivo, ma dovrebbe essere determinato dai dati stessi, seguendo una regola oggettiva. Adottiamo la regola proposta da Michelangeli et al. (1995). Partendo da semi casuali, l’algoritmo di clustering dinamico individua partizioni dei dati in cluster. Denominiamo P e Q due di queste partizioni dello stesso insieme di dati in k cluster, originate da semi casuali differenti. Se k ha il suo valore ottimale, ci si aspetterebbe che P e Q risultino molto simili, a prescindere dai semi casuali utilizzati. Per quantificare questa esigenza, si definisce un indice di classificabilità c* che deve essere il più alto possibile.

Nella pratica, si utilizza un test del rumore rosso e si richiede che la ‘classificabilità’ dei dati reali sia superiore a quella di un insieme di set di dati artificiali generati tramite un processo di Markov di primo ordine che possiede le stesse matrici di covarianza a lag 0 e lag 1 dei dati atmosferici reali.

Il test del rumore rosso opera nel modo seguente: per un valore fissato di k, e date qualsiasi due partizioni P e Q, calcoliamo c(P,Q), una misura della somiglianza tra queste due partizioni. Questo valore è pari a 1 se i modelli centrali dei cluster di P e Q sono identici, e a –1 nei casi peggiori. Questo viene realizzato calcolando prima l’apcc (coefficiente di correlazione del modello di anomalia) tra qualsiasi centroide di cluster appartenente a P e uno appartenente a Q. Per ogni cluster in P, si seleziona il suo miglior partner in Q (quello con l’apcc più alto), e c(P,Q) è preso come il minimo di questi apcc più alti. In altre parole, c(P,Q) misura la correlazione del peggior abbinamento quando si confrontano P e Q.

Cinquanta classificazioni del set di dati reali vengono generate, e la media di c* di tutti i c(P,Q) determina il suo indice di classificabilità in k cluster. Per stabilire i limiti di significatività per c*, utilizziamo il processo di Markov di primo ordine di Michelangeli et al. (1995): vengono generati 100 campioni della stessa lunghezza del set di dati reale, che producono 100 valori di c*, i quali sono ordinati per trovare i limiti di confidenza al 90%. Si confronta quindi l’indice c* del set di dati reale con questi limiti: valori dell’indice atmosferico al di sopra del limite superiore indicano una classificabilità significativamente maggiore rispetto al modello di rumore rosso. Molto spesso, emerge chiaramente un valore migliore di k.

La Figura 1 rappresenta i risultati dei test di significatività del rumore rosso per la classificazione delle circolazioni su larga scala (LSC) giornaliere in regimi meteorologici (WR). Questi test sono eseguiti per periodi di inverno esteso (pannelli a, b, c) e per l’intero anno (pannelli d, e, f), focalizzandosi su diverse variabili atmosferiche quali la pressione al livello del mare (SLP) e le altezze geopotenziali a 500 mb (Z500) e 700 mb (Z700).

Descrizione dettagliata dei pannelli:

Pannelli a, b, c: Questi mostrano i risultati per l’inverno esteso. Ogni pannello include:
- Cerchi neri: Rappresentano l’indice di classificabilità c* per ogni numero di classi testato (da 3 a 6 classi). L’indice c* è una misura dell’affidabilità con cui il modello può distinguere tra differenti WR rispetto a un modello di rumore rosso.
- Barre grigie: Indicano gli intervalli di confidenza dal 10% al 90%. Questi intervalli mostrano dove ci si aspetterebbe che cadano i risultati se i dati fossero generati completamente al caso, sotto l’assunzione del modello di rumore rosso.
Pannelli d, e, f: Presentano i risultati per l’intero anno. Oltre ai cerchi neri e alle barre grigie usate come sopra, includono:
- Triangoli: Rappresentano l’indice di classificabilità c* quando la classificazione è effettuata usando la distanza di correlazione dc. Questa è una misura alternativa che valuta quanto bene si corrispondono i cluster tra due partizioni, P e Q, basata sulla correlazione tra i centri dei cluster.

Interpretazione:

Indice di classificabilità (c*)**: Un valore elevato di c* (cerchi neri che superano la parte superiore delle barre grigie) indica che la classificazione dei WR è statisticamente significativa e distinta dal caso di un modello di rumore di fondo. Se il c* è consistente tra diversi valori di k, ciò suggerisce robustezza nel numero di classi scelte.
Distanza di correlazione (dc): L’uso di dc nei pannelli d, e, f introduce un approccio di misurazione basato sulla correlazione che può essere più sensibile ai dettagli sottili nei pattern di dati rispetto alle metriche euclidee tradizionali.

In conclusione, la Figura 1 fornisce un’analisi complessiva dell’efficacia e della robustezza dei modelli di classificazione delle LSC in WR, valutando non solo la loro capacità di distinguere pattern significativi rispetto al rumore di fondo ma anche la coerenza di tali classificazioni attraverso diverse metriche e configurazioni stagionali.

3. I REGIMI METEOROLOGICI

3.1. WR di Z700 e Z500

Inizialmente, abbiamo applicato la procedura precedentemente descritta per stabilire i limiti dei livelli di confidenza. Un totale di 6140 mappe invernali Z700 erano soggette a classificazione. La Figura 1b mostra c*, l’indice di classificabilità, rispetto a k, il numero di classi, insieme ai limiti dal 10% al 90%. Solo la scelta k = 4 conduce a classi significative dal punto di vista del test del rumore rosso. L’indice di classificabilità c* raggiunge poi un valore così elevato (0.99) che i 4 modelli centrali dei cluster della Figura 2 non mostrano alcuna dipendenza dai semi casuali iniziali. Questi modelli sono effettivamente gli stessi identificati da Michelangeli et al. (1995). Essi mostrano solo piccole differenze rispetto ai regimi di categoria 2 WR di Vautard (1990), i quali erano individuati come punti quasi-stazionari nello spazio a 10 dimensioni dominato dalle 10 principali PC. Questi regimi persistono per circa 4 giorni in media.

Seguendo la prassi comune e Vautard (1990), nominiamo questi pattern nel modo seguente:

AR (Atlantic Ridge): induce venti da nord-ovest sull’Europa occidentale e centrale;
BL (Blocking): presenta un’anomalia positiva massima sopra la Scandinavia;
GA (Greenland Anticyclone): con un’anomalia positiva sulla Groenlandia e una negativa sull’Atlantico settentrionale a media latitudine;
ZO (Zonal): caratterizzato da un flusso zonale intensificato sull’Atlantico settentrionale.

Le percentuali di giorni all’interno di ogni classe sono evidenziate nella Figura 2; le linee spesse nella colonna a destra indicano le aree dove l’anomalia del modello centrale del cluster eccede la varianza intra-cluster.

Le mappe Z500 da classificare coprono lo stesso periodo delle Z700. Con k = 4 cluster, i pattern corrispondono esattamente a quelli di Z700: le correlazioni tra le anomalie delle coppie abbinate di Z700 e Z500 sono tutte superiori al 90%: l’apcc definito nella Sezione 2.3 è pari a 0.91. Tuttavia, il test del rumore rosso suggerisce che k = 5 sia preferibile (Figura 1a). Il quinto regime selezionato presenta una forte anomalia positiva vicino a Terranova, con una meno marcata sull’Europa orientale, e può essere provvisoriamente identificato come GT (Greenwich Trough). Questo regime non persiste quando le LSC di tutto l’anno sono classificate, rendendolo meno robusto rispetto agli altri. I pattern di anomalia per i 5 WR sono illustrati nella Figura 3, insieme ai corrispondenti pattern completi di Z500.

3.2. WR di SLP (Pressione al Livello del Mare)

Nonostante i dati giornalieri di SLP coprano un arco di 120 anni, per facilitare i confronti con i dati di Z700 o Z500, abbiamo inizialmente classificato solo gli inverni successivi al 1957. La scelta di k = 5 classi si è rivelata preferibile (Fig. 1c). Nella Figura 4, si può osservare che quattro dei regimi hanno modelli di anomalia molto simili a quelli dei WR di Z700. La differenza più significativa risiede nel fatto che il regime di SLP che denominiamo BL corrisponde mediamente a una cellula anticiclonica centrata sull’Europa Orientale, vicino all’Ucraina. Un esame del suo modello centrale nella colonna di destra della Figura 4 suggerisce che questo cluster potrebbe rappresentare una fusione tra il noto BL troposferico e il celebre anticiclone siberiano di SLP, il cui margine occidentale si estende sulle aree più orientali del nostro dominio Euro-Atlantico.

È importante sottolineare che, per quanto ci risulta, i modelli di SLP non erano stati precedentemente classificati in WR prima di questo studio, anche se esistono numerose classificazioni soggettive. Di conseguenza, ci troviamo di fronte alla sfida di attribuire un nome a ciascun regime. Siamo consapevoli che il nome “Anticiclone Europeo” (EA) sarebbe potuto essere appropriato anche per il WR che abbiamo chiamato BL. Analogamente, c’è una certa arbitrarietà nella scelta del nome “West Blocking” (WBL) per il quinto regime, che avrebbe potuto essere chiamato semplicemente Blocking. WBL, in particolare, tende a favorire condizioni molto più fredde sull’Europa, con una cellula anticiclonica centrata mediamente sulla Scozia.

Prima di procedere al confronto dei WR su diversi livelli, è opportuno menzionare brevemente che abbiamo anche eseguito la classificazione giornaliera delle LSC in WR per tutti i mesi dell’anno. In questo caso, il ciclo stagionale di ogni punto griglia è stato eliminato prima di procedere con l’analisi delle componenti principali (PCA). Sono stati identificati modelli molto simili (non mostrati). I test di significatività del rumore rosso (che hanno guidato la scelta migliore per k) sono riassunti nella colonna di destra della Fig. 1. Tre aspetti meritano di essere evidenziati:

L’utilizzo di una distanza angolare o euclidea, come sopra, porta a conclusioni identiche per k e a classificazioni quasi indistinguibili.
Per Z700 e Z500, si preferiscono k = 3 cluster; i modelli sono identici a entrambi i livelli, due dei quali sono già noti come BL e ZO e un terzo che potrebbe essere chiamato AR-GA.
Cinque cluster sono sempre preferiti per SLP; risultano notevolmente simili alle classi invernali.

4. CONFRONTO A DIVERSI LIVELLI E PER DIVERSI PERIODI

4.1. Confronto tra WR a diversi livelli

Il confronto tra i WR a diversi livelli può essere affrontato da due punti di vista complementari: si possono confrontare i modelli di anomalia, ma si può anche esaminare le tabelle di contingenza delle occorrenze simultanee dei WR trovati a due livelli distinti. L’enfasi viene posta sullo spazio con il primo approccio, e sul tempo con il secondo. Dal punto di vista spaziale, le somiglianze tra 4 dei 5 WR della Figura 3 e i 4 WR della Figura 2 sono evidenti, e questo è confermato dai calcoli di apcc: i valori di apcc per le coppie corrispondenti sono tutti superiori al 90%.

Tuttavia, specialmente per i confronti tra WR di SLP e quelli mid-troposferici, il secondo punto di vista potrebbe essere più appropriato: a un anticiclone al livello del mare freddo, come quello siberiano, non corrisponde necessariamente un’anomalia positiva ai livelli superiori. Adottiamo questo ultimo punto di vista e calcoliamo le tabelle di contingenza delle occorrenze di WR a diversi livelli (Tabelle 1 a 3). Le soglie di significatività dell’1% e del 99% sono state stabilite mescolando casualmente i giorni 500 volte. I numeri in corsivo sono al di sotto della soglia di confidenza dell’1% e indicano un numero di coincidenze inferiore al caso; i numeri in grassetto sono al di sopra del livello del 99%. Le soglie di significatività sono stampate in caratteri piccoli tra parentesi sotto il numero effettivo di coincidenze: l’alta significatività di tutti i valori nelle Tabelle 1 a 3 è chiaramente evidenziata in questo modo. Ma esaminiamo i risultati più nel dettaglio:

Z700–Z500 (Tabella 1): I 4 regimi AR, BL, GA e ZO per Z700 e Z500 sono in chiara corrispondenza uno-a-uno. Questo era suggerito dall’ispezione visiva delle Figure 2 e 3. Il WR GT sembra corrispondere a un mix dei WR AR e BL di Z700.
Z700–SLP (Tabella 2): Conclusioni simili valgono quando confrontiamo i dati di Z700 e SLP; WBL appare essere un mix di alcuni membri AR e BL di Z700. Si osserva che il BL di SLP coincide, nel 20% dei casi, con il regime zonale di Z700. Infatti, un’ispezione della Figura 4 rivela che su gran parte dell’Atlantico Nord, questo regime corrisponde a un flusso zonale che potrebbe ben coincidere con un’estensione dell’anticiclone siberiano sull’Europa continentale e/o con inversioni di temperatura strato-basso persistenti su quest’area come nel gennaio 1997.

Z500–SLP (Tabella 3): Ancora una volta, i nuovi membri del regime GT (Z500) sono principalmente derivati dai regimi di SLP AR e quelli simili al blocco (BL e WBL). Questo è coerente con i confronti precedenti, poiché il regime BL di Z700 include membri sia dei regimi BL che WBL di SLP. Ci sono quindi correlazioni altamente significative tra le classificazioni delle LSC a diversi livelli. I modelli GA meritano una particolare attenzione: essi corrispondono quasi allo stesso insieme di giorni ai tre livelli (i valori nelle Tabelle 1 a 3 sono notevoli), ma la mappa a livello del mare mostra un anticiclone posizionato più a nord, mentre ai livelli superiori si osserva solo una cresta più a sud con Z500 rispetto a Z700, a causa dell’alta latitudine dell’anomalia. Al contrario, i modelli di anomalia (colonne a sinistra nelle Figure 2 a 5) sono sorprendentemente simili ai tre livelli. È anche degno di nota che i giorni classificati come ZO a un livello sono quasi sempre classificati come ZO anche agli altri livelli, mentre i giorni WBL (per SLP) non coincidono mai con i giorni ZO agli altri livelli. Queste conclusioni non erano affatto scontate dato che abbiamo classificato tutti i modelli giornalieri: la LSC di ogni singolo giorno deve appartenere a una tra 4 o 5 classi, il che obbliga le classi a includere alcuni membri scarsamente correlati. Ci sono effettivamente modelli giornalieri che non si correlano con alcun WR, mostrando così solo una lieve somiglianza con il modello centrale della classe a cui sono stati assegnati. Questo potrebbe spiegare, per esempio, l’elevata percentuale di giorni BL a tutti i livelli. Questo potrebbe rappresentare un significativo svantaggio; tuttavia, le conclusioni delle Sezioni 5 e 6 dimostrano che ciò non accade. In ogni caso, nella Sezione 5.4 cogliamo l’opportunità di stabilire condizioni di appartenenza alla classe più rigide, con lo svantaggio che non tutti i giorni verranno classificati.

La Figura 2 illustra i quattro Regimi Meteorologici (WR) di Z700 per gli inverni (da novembre a marzo) tra il 1958 e il 1998. La figura è organizzata in due colonne che presentano visualizzazioni dettagliate degli anomalie dei centri dei cluster e dei campi completi Z700 dei centri dei cluster.

Colonna di sinistra: Anomalie dei centri dei cluster

Queste mappe visualizzano le anomalie relative alla media climatologica. Le aree più scure indicano anomalie negative (pressione più bassa del normale), mentre le aree più chiare rappresentano anomalie positive (pressione più alta del normale). Le linee contornate delineano specifici livelli di anomalia, aiutando a identificare le variazioni significative della pressione atmosferica rispetto alla norma.

Colonna di destra: Campi completi Z700 dei centri dei cluster (gpm)

Le mappe in questa colonna mostrano il campo completo di altezze geopotenziali a 700 millibar. Le linee di contorno rappresentano le altezze in geopotential meters (gpm), illustrando la configurazione complessiva della pressione atmosferica a questo livello durante i periodi dominati dai rispettivi regimi meteorologici.

Descrizione Dettagliata dei Regimi Meteorologici:

AR (Atlantic Ridge) — 25%: Caratterizzato da un robusto rialzo delle altezze geopotenziali sull’Atlantico. Questo regime induce venti da nord-ovest sull’Europa occidentale e centrale, tipicamente portando tempo più stabile e secco in queste regioni.
BL (Blocking) — 27%: Mostra un’intensa configurazione di blocco con altezze geopotenziali significativamente elevate sopra la Scandinavia. Questo blocco impedisce il normale flusso di masse d’aria mite e umida dall’Atlantico, risultando spesso in condizioni più fredde e secche su vasti settori dell’Europa.
GA (Greenland Anticyclone) — 20%: Evidenzia un’anticiclone sulla Groenlandia con altezze geopotenziali elevate. Questa configurazione estende l’aria fredda verso sud attraverso l’Atlantico settentrionale a media latitudine, influenzando le condizioni meteorologiche delle regioni circostanti.
ZO (Zonal) — 28%: Indica un marcato flusso zonale da ovest verso est sull’Atlantico. Questo regime è associato a condizioni più miti e umide per l’Europa, con frequenti e attivi sistemi frontali che portano piogge e temperature più elevate.

Le percentuali tra parentesi rappresentano la frequenza con cui ciascun regime si verifica durante il periodo analizzato, offrendo una stima della loro prevalenza relativa negli inverni tra il 1958 e il 1998. Questi dati sono cruciali per comprendere l’impatto e la regolarità con cui ciascun regime influisce sul clima invernale europeo durante il periodo considerato.

La Figura 3 illustra i cinque Regimi Meteorologici (WR) di Z500 per gli inverni (da novembre a marzo) tra il 1958 e il 1998. Questa figura è strutturata in due colonne che mostrano dettagliatamente le anomalie dei centri dei cluster e i campi completi Z500 dei centri dei cluster, fornendo una rappresentazione visiva sia delle deviazioni dalla norma climatologica sia della struttura atmosferica effettiva durante i periodi dominati da ciascun regime.

Colonna di sinistra: Anomalie dei centri dei cluster

Le mappe in questa colonna visualizzano le anomalie relative alla media climatologica. Le zone scure indicano anomalie negative (pressioni più basse del normale), mentre le zone chiare indicano anomalie positive (pressioni più alte del normale). Le linee contornate delineano livelli specifici di anomalia, facilitando la comprensione delle variazioni significative nella pressione atmosferica rispetto alla norma.

Colonna di destra: Campi completi Z500 dei centri dei cluster (gpm)

Queste rappresentazioni mostrano il campo completo di altezze geopotenziali a 500 millibar. Le linee di contorno illustrano le altezze in geopotential meters (gpm), delineando la configurazione complessiva della pressione atmosferica a questo livello durante i periodi dominati dai regimi meteorologici.

Descrizione Dettagliata dei Regimi Meteorologici:

AR (Atlantic Ridge) — 20%: Questo regime è caratterizzato da un significativo rialzo delle altezze geopotenziali sull’Atlantico, che induce venti da nord-ovest sull’Europa occidentale e centrale, tipicamente associati a tempo più stabile e secco.
BL (Blocking) — 22%: Questo regime mostra un forte blocco, con altezze geopotenziali elevate che bloccano il flusso normale di aria mite e umida dall’Atlantico, risultando spesso in condizioni meteorologiche più fredde e secche su vaste aree dell’Europa.
GA (Greenland Anticyclone) — 17%: Caratterizzato da un’anticiclone sulla Groenlandia, questo regime presenta estese altezze geopotenziali positive che influenzano le condizioni meteorologiche nelle regioni adiacenti.
GT (Greenwich Trough) — 17%: Questo è un nuovo regime identificato, caratterizzato da una marcata depressione di basse pressioni vicino a Greenwich. Tale configurazione può avere un impatto distinto sul clima, particolarmente sull’Inghilterra e le regioni adiacenti.
ZO (Zonal) — 24%: Indica un potente flusso zonale sull’Atlantico, associato a condizioni più miti e umide per l’Europa, e facilitando il trasporto di sistemi frontali attivi e frequenti.

Le percentuali tra parentesi indicano la frequenza con cui ciascun regime è stato predominante durante i mesi invernali del periodo in esame, offrendo una misura dell’impatto relativo di ciascun regime sul clima invernale in quel periodo. Questi dati sono fondamentali per comprendere la regolarità e l’intensità con cui ciascun regime ha influenzato il clima europeo durante gli inverni tra il 1958 e il 1998.

La Figura 4 illustra i cinque Regimi Meteorologici (WR) della Pressione al Livello del Mare (SLP) per gli inverni (da novembre a marzo) tra il 1958 e il 1998. Questa figura è strutturata in due colonne, una mostrando le anomalie dei centri dei cluster e l’altra i campi completi SLP dei centri dei cluster.

Colonna di sinistra: Anomalie dei centri dei cluster

Queste mappe visualizzano le anomalie rispetto alla media climatologica. Le aree scure indicano anomalie negative (pressioni più basse del normale), mentre le aree chiare rappresentano anomalie positive (pressioni più alte del normale). Le linee contornate delineano specifici livelli di anomalia, aiutando a identificare le variazioni significative della pressione atmosferica rispetto alla norma.

Colonna di destra: Campi completi SLP dei centri dei cluster (hPa)

Le mappe mostrano il campo completo di pressione al livello del mare misurato in ettopascal (hPa). Le linee di contorno illustrano specifici valori di pressione, fornendo una rappresentazione visiva dettagliata della configurazione della pressione atmosferica durante i periodi dominati dai rispettivi regimi meteorologici.

Descrizione Dettagliata dei Regimi Meteorologici:

AR (Atlantic Ridge) — 21%: Questo regime è caratterizzato da un rialzo significativo delle pressioni sull’Atlantico. Questa configurazione induce venti da nord-ovest sull’Europa occidentale e centrale, influenzando il clima di queste regioni con condizioni più stabili e secche.
BL (Blocking) — 24%: Presenta un blocco atmosferico con pressioni elevate, che interrompe il flusso normale di masse d’aria mite e umida dall’Atlantico, risultando in condizioni più fredde e secche su estese aree dell’Europa.
GA (Greenland Anticyclone) — 18%: Mostra un anticiclone sulla Groenlandia con pressioni notevolmente elevate, estendendo il suo effetto sulle condizioni meteorologiche delle regioni circostanti.
WBL (West Blocking) — 17%: Questa variazione del regime di blocco è caratterizzata da un’anticiclone centrato più a ovest rispetto al normale regime di blocco, spesso favorisce condizioni più fredde su gran parte dell’Europa occidentale.
ZO (Zonal) — 20%: Indica un forte flusso zonale sull’Atlantico, associato a condizioni meteorologiche più miti e umide per l’Europa e facilita il passaggio di sistemi frontali attivi.

Le percentuali tra parentesi indicano la proporzione di giorni durante i quali ciascun regime è stato predominante durante i mesi invernali del periodo in esame. Questi dati sono essenziali per comprendere l’impatto e la regolarità con cui ciascun regime ha influenzato il clima europeo durante gli inverni analizzati, sottolineando l’importanza di questi pattern di pressione nel modulare le condizioni atmosferiche invernali su scala continentale.

La Tabella 1 fornisce una tabella di contingenza dettagliata delle occorrenze simultanee dei Regimi Meteorologici (WR) di Z700 (nelle righe) e di Z500 (nelle colonne) per gli inverni tra il 1958 e il 1998. Questa tabella è essenziale per analizzare la correlazione tra i regimi atmosferici a due differenti livelli di pressione, offrendo una visione approfondita sulla loro interazione e coerenza verticale.

Struttura e Interpretazione della Tabella

Righe e Colonne: Le righe rappresentano i WR di Z700, mentre le colonne rappresentano i WR di Z500. Ogni cella nella tabella mostra quante volte i regimi corrispondenti si sono verificati simultaneamente.
Valori Numerici Principali: Questi valori indicano il numero di coincidenze osservate per le coppie di regimi di Z700 e Z500.
Valori tra Parentesi: Mostrano l’intervallo di confidenza dal 1% al 99% per le coincidenze osservate, calcolato attraverso 500 mescolamenti casuali dei giorni. Questi intervalli aiutano a determinare se le coincidenze osservate sono statisticamente significative o semplicemente casuali.
Valori in Grassetto: Indicano un numero di coincidenze che è statisticamente significativo al livello dell’1% e suggeriscono una forte correlazione tra i regimi a questi due livelli. Per esempio, il valore di 1319 per la coincidenza ZO su Z700 e ZO su Z500 mostra una forte coerenza del regime zonale attraverso questi strati della troposfera.
Valori in Corsivo: Indicano un numero di coincidenze significativamente basso al livello dell’1%, suggerendo una bassa correlazione o una mancanza di associazione tra i regimi a questi due livelli.

Esempi Specifici dalla Tabella

La cella che incrocia AR (Atlantic Ridge) su Z700 con AR su Z500 mostra un valore alto di 1053 coincidenze, indicando che il regime di Atlantic Ridge tende a manifestarsi con coerenza tra i 700 mb e i 500 mb.
Al contrario, la cella che incrocia BL (Blocking) su Z700 con GT (Greenwich Trough) su Z500 mostra un valore basso e in corsivo, indicando che questi due regimi tendono raramente a verificarsi simultaneamente, suggerendo dinamiche atmosferiche diverse a questi livelli durante tali eventi.

Implicazioni Meteorologiche

La Tabella 1 offre una base solida per comprendere come differenti configurazioni di pressione a 700 mb e 500 mb interagiscono tra loro. Le forti correlazioni supportano l’idea di coerenza verticale dei regimi meteorologici, mentre le basse correlazioni possono indicare dinamiche complesse o interazioni tra differenti strati dell’atmosfera che meritano ulteriori indagini. Questa analisi è fondamentale per i meteorologi e i ricercatori nel campo della dinamica atmosferica e nella modellazione del clima.

La Tabella 2 mostra una tabella di contingenza che illustra le occorrenze simultanee dei Regimi Meteorologici (WR) di Z700 (presenti nelle righe) e di SLP (nelle colonne) per gli inverni tra il 1958 e il 1998. Questa tabella è fondamentale per analizzare la correlazione verticale tra questi due livelli atmosferici, mostrando come i pattern di pressione a circa 700 mb e al livello del mare coesistano durante i periodi invernali specificati.

Struttura della Tabella

Righe: Indicano i WR a 700 mb (Z700) come AR, BL, GA, ZO.
Colonne: Mostrano i WR a livello del mare (SLP) come AR, BL, GA, WBL, ZO.

Dettagli dei Valori e Interpretazione Statistica

Valori Numerici Principali: Rappresentano il numero di giorni in cui i regimi di Z700 e SLP specificati si sono verificati simultaneamente.
Valori tra Parentesi: Forniscono l’intervallo di confidenza dal 1% al 99%, calcolato mescolando casualmente i giorni 500 volte. Questo intervallo stabilisce se le coincidenze osservate riflettono una relazione significativa piuttosto che eventi casuali.
Valori in Grassetto: Segnalano un numero di coincidenze statisticamente significativo al livello dell’1% e indicano una forte correlazione tra i regimi a questi livelli, suggerendo un’accoppiamento robusto dei pattern meteorologici.
Valori in Corsivo: Indicano un numero di coincidenze significativamente basso al livello dell’1%, il che suggerisce una bassa correlazione o una mancanza di associazione tra i regimi a questi due livelli.

Analisi Specifiche dalla Tabella

Interazioni AR: La cella che incrocia AR su Z700 con AR su SLP mostra 912 coincidenze, con un intervallo di confidenza di 287–345, evidenziando una forte presenza simultanea di AR attraverso questi due strati atmosferici.
Interazioni GA: GA su Z700 e GA su SLP, con 885 coincidenze e un intervallo di confidenza di 187–242, confermano una forte correlazione, indicando che il regime di Anticiclone della Groenlandia tende a manifestarsi coerentemente sia a 700 mb che al livello del mare.
WBL e ZO: L’interazione tra WBL su SLP e ZO su Z700 mostra un valore eccezionalmente basso di 0 coincidenze, suggerendo che queste configurazioni tendono a non verificarsi simultaneamente, riflettendo possibili dinamiche atmosferiche indipendenti a questi livelli.

Conclusioni Meteorologiche

L’analisi delle correlazioni in Tabella 2 fornisce dati cruciali per comprendere come i regimi atmosferici influenzino i diversi livelli dell’atmosfera. Un’alta correlazione suggerisce una similitudine strutturale tra i livelli, mentre scarse correlazioni possono indicare influenze dinamiche distinte tra il livello del mare e la media troposfera. Queste informazioni sono vitali per la modellazione del clima e la previsione meteorologica, migliorando la nostra comprensione delle interazioni complesse all’interno dell’atmosfera terrestre.

La Tabella 3 fornisce una dettagliata tabella di contingenza che mostra le occorrenze simultanee dei Regimi Meteorologici (WR) di Z500 (rappresentati nelle righe) e di SLP (nelle colonne) per gli inverni tra il 1958 e il 1998. Questa analisi è cruciale per esplorare come i regimi atmosferici a circa 500 mb di altitudine interagiscano con quelli al livello del mare durante il periodo invernale.

Struttura della Tabella

Righe: Presentano i WR di Z500, includendo AR, BL, GA, GT, ZO.
Colonne: Mostrano i WR di SLP, includendo AR, BL, GA, WBL, ZO.

Valori e Statistiche

Valori Numerici Principali: Indicano il numero di giorni in cui i regimi specificati di Z500 e SLP si sono verificati simultaneamente.
Valori tra Parentesi: Mostrano l’intervallo di confidenza dal 1% al 99%, ottenuto mescolando casualmente i giorni 500 volte, per stabilire la significatività statistica delle coincidenze osservate.
Valori in Grassetto: Denotano un numero di coincidenze statisticamente significativo al livello dell’1%, suggerendo una forte correlazione tra i regimi a questi due livelli.
Valori in Corsivo: Indicano un numero di coincidenze significativamente basso al livello dell’1%, suggerendo una bassa correlazione o una mancanza di associazione tra i regimi a questi due livelli.

Analisi Specifiche dalla Tabella

Interazioni Forti (Grassetto): Ad esempio, la coincidenza tra ZO su Z500 e ZO su SLP mostra un numero elevato di coincidenze (896), con un intervallo di confidenza di 249–312. Questo indica che il regime zonale a 500 mb e al livello del mare si verifica molto frequentemente insieme, suggerendo una robusta coerenza verticale di questo flusso atmosferico.
Interazioni Deboli (Corsivo): L’interazione tra GT su Z500 e WBL su SLP mostra solo 2 coincidenze, con un intervallo di confidenza di 218–276, indicando che questi due regimi tendono a non verificarsi contemporaneamente, riflettendo dinamiche atmosferiche potenzialmente indipendenti o contrastanti a questi livelli.

Conclusioni Meteorologiche

La Tabella 3 è fondamentale per comprendere come i pattern di pressione atmosferica a diversi livelli si correlino o differiscano significativamente. Una forte correlazione verticale tra i regimi può indicare una similitudine strutturale nell’atmosfera, mentre le scarse correlazioni possono evidenziare interazioni complesse o indipendenti tra diversi strati atmosferici. Questi dati sono cruciali per i meteorologi e i climatologi nel modellare accuratamente il clima e nel prevedere eventi meteorologici, migliorando la nostra comprensione delle interazioni verticali dei regimi meteorologici.

La Figura 5 presenta i modelli di anomalie dei Regimi Meteorologici (WR) della Pressione al Livello del Mare (SLP) per due periodi storici distinti: il primo dalla colonna di sinistra per il periodo 1880–1918 e il secondo dalla colonna di destra per il periodo 1919–1957. Questi modelli sono essenziali per esplorare le variazioni o le consistenze nei regimi meteorologici attraverso lunghe fasi storiche.

Struttura della Figura

Colonna di sinistra: Visualizza le anomalie di SLP per i WR durante il periodo 1880-1918.
Colonna di destra: Mostra le anomalie di SLP per gli stessi WR nel periodo successivo, 1919-1957.

Descrizione dei Regimi Meteorologici:

AR (Atlantic Ridge): Questo regime è caratterizzato da un rialzo significativo delle altezze geopotenziali sull’Atlantico, influenzando i venti e il clima sull’Europa occidentale e centrale.
BL (Blocking): Indica un forte blocco con altezze geopotenziali elevate, che blocca il normale flusso di masse d’aria mite e umida dall’Atlantico, influenzando il tempo atmosferico in vaste aree.
GA (Greenland Anticyclone): Presenta un anticiclone sulla Groenlandia, con una notevole estensione di altezze geopotenziali positive che influenzano le condizioni meteorologiche delle regioni circostanti.
(GA)-WBL (West Blocking): Questo WR rappresenta una combinazione delle caratteristiche di GA e un blocco occidentale, indicando probabilmente un anticiclone con una posizione più occidentale rispetto al normale GA.
ZO (Zonal): Indica un forte flusso zonale sull’Atlantico, associato a condizioni meteorologiche più miti e umide per l’Europa, facilitando il passaggio di sistemi frontali attivi.

Interpretazione delle Anomalie

Le mappe di anomalie mostrano aree scure e chiare che rappresentano rispettivamente pressioni più basse e più alte del normale, con contorni che definiscono i livelli specifici di deviazione dalla media climatologica.
L’analisi comparativa di questi pattern nei due diversi periodi storici aiuta a comprendere come i regimi meteorologici possano essere stati influenzati da cambiamenti climatici o altri fattori atmosferici nel tempo.

Rilevanza della Figura

La visualizzazione di queste mappe fornisce dati cruciali per studi climatici e meteorologici, offrendo una prospettiva storica su come i regimi di pressione abbiano potuto influenzare il clima e il tempo atmosferico su periodi estesi. L’analisi di tali pattern è vitale per anticipare possibili tendenze climatiche future e per migliorare la comprensione globale dei meccanismi che regolano il clima e la meteorologia.

4.2. Regimi di Pressione al Livello del Mare (SLP) nell’ultimo secolo e oltre

Per effettuare un confronto accurato tra i regimi di SLP dei periodi 1958–1997, 1880–1918 e 1919–1957, abbiamo replicato l’analisi SLP per gli ultimi due periodi citati. Il trattamento dei dati è stato uniformato per ciascuna delle epoche considerate: inizialmente, è stato sottratto il valore medio invernale del campo di pressione per ogni punto della griglia analizzata. Successivamente, abbiamo applicato l’Analisi delle Componenti Principali (PCA) per ridurre la dimensionalità dei dati e facilitare la successiva classificazione tramite l’algoritmo di clustering dinamico nelle prime 10 componenti principali (PC). I risultati dell’analisi hanno rivelato le seguenti caratteristiche distintive:

1880–1918—L’algoritmo di clustering seleziona soltanto quattro cluster per questo intervallo. Un’analisi visuale dettagliata indica l’assenza del regime GA precedentemente identificato, mentre il pattern WBL è evidente ma mostra una leggera distorsione, risultando in una configurazione che si posiziona tra i pattern WBL e GA originariamente identificati nelle Figure 4.
1919–1957—In questo periodo più recente, l’algoritmo predilige cinque cluster, che risultano essere sostanzialmente indistinguibili dai cinque Weather Regimes (WR) del periodo 1958–1997. Questo si evince dal confronto diretto tra le mappe di anomalie mostrate nella colonna di destra della Figura 5 e quelle nella colonna di sinistra della Figura 4.

Queste osservazioni portano a una conclusione di rilievo: i pattern di circolazione su larga scala (LSC) più frequenti hanno mostrato una notevole stabilità nel corso degli ultimi 120 anni. La preferenza per quattro cluster nel periodo più antico non solleva problemi significativi; infatti, testando la possibilità di cinque cluster, si sono ottenuti gli stessi cinque pattern dei due periodi successivi.

Questa costanza nei pattern permette di classificare tutti i sistemi di circolazione su larga scala (LSC) degli inverni tra il 1880 e il 1998 secondo i cinque WR identificati per il periodo 1958–1997. Nella Figura 6, viene illustrato il numero di occorrenze di ogni WR per inverno, accompagnato dalla media mobile decennale. Si manifesta chiaramente una variabilità a bassa frequenza, con una predominanza di frequenze molto basse nei pattern WBL e ZO. È particolarmente notevole, ad esempio, l’incremento del pattern ZO (Hurrell & van Loon 1997) negli ultimi 25 anni, insieme a una corrispondente diminuzione di WBL, dopo un periodo di stallo durante l’interruzione del riscaldamento dell’emisfero settentrionale (è tuttavia nel recente inverno del 1995–1996 che si registra la frequenza più alta di WBL in 120 anni!).

Nella Tabella 4 vengono presentate le frequenze medie mensili (in percentuale, da novembre a marzo) di ciascuno dei cinque SLP WR per i tre periodi storici. Emergono alcune tendenze significative: (1) Quando aggregate su periodi di 40 anni, le frequenze annuali dei WR mostrano una mancanza di tendenze secolari significative. (2) La frequenza di WBL presenta un minimo marcato in dicembre e gennaio, incrementando notevolmente nei mesi successivi. (3) Il GA mostra un aumento di frequenza verso la fine dell’inverno. (4) Al contrario, la frequenza di ZO è massima in dicembre e gennaio, diminuendo poi significativamente.

Queste caratteristiche sono state riscontrate in tutti e tre i periodi analizzati.

La Figura 6 rappresenta un’analisi dettagliata della frequenza degli eventi per ciascuno dei cinque Regimi di Pressione al Livello del Mare (SLP Weather Regimes, WRs) osservati durante gli inverni degli ultimi 120 anni. Ogni pannello del grafico corrisponde a un diverso regime atmosferico, fornendo una visione approfondita delle dinamiche climatiche a lungo termine. I regimi considerati includono:

GA (Greenland Anticyclone): Questo pannello traccia la frequenza dell’anticiclone sopra la Groenlandia. L’anticiclone della Groenlandia è noto per il suo impatto sul clima dell’Europa settentrionale e dell’America del Nord, deviando correnti fredde e influenzando le condizioni meteorologiche invernali.
AR (Atlantic Ridge): Il grafico mostra la frequenza con cui si verifica la cresta atmosferica sull’Atlantico. La cresta atlantica è associata a periodi di tempo più stabile e mite sul continente europeo, a seconda della sua intensità e posizione.
BL (Blocking): Illustra la frequenza dei blocchi atmosferici, che sono configurazioni di alta pressione persistenti capaci di modificare significativamente i percorsi delle tempeste e delle masse d’aria, portando a periodi prolungati di tempo anomalo in specifiche regioni.
WBL (West Blocking): Rappresenta la frequenza del regime di blocco occidentale. Questo tipo di blocco, posizionato più a ovest rispetto al classico blocco, può avere effetti pronunciati sul tempo atmosferico dell’Europa occidentale e del Nord Atlantico.
ZO (Zonal): Questo grafico mostra la frequenza del regime zonale, caratterizzato da un flusso predominante da ovest verso est attraverso l’Atlantico. Un regime zonale forte è spesso associato a inverni miti in Europa e condizioni più tempestose.

Ogni pannello presenta due linee:

Linea sottile: Indica il segnale originale per ogni anno, rappresentando il numero di occorrenze del regime durante l’inverno di quell’anno. Questa linea fornisce una misura diretta della variabilità interannuale del regime.
Linea spessa: Mostra la media mobile decennale, utilizzata per evidenziare le tendenze a lungo termine e mitigare le fluttuazioni annuali. Questo aiuta a identificare i cambiamenti più significativi e persistenti nei pattern climatici.

L’analisi di queste serie temporali consente di identificare periodi di variabilità aumentata o diminuita per ciascun regime, sottolineando come alcuni pattern possano emergere o regredire nel corso del tempo. Queste osservazioni sono fondamentali per comprendere l’evoluzione dei pattern climatici e le loro possibili implicazioni future sul clima globale.

La Tabella 4 mostra la frequenza relativa (%) dei cinque Regimi di Pressione al Livello del Mare (SLP Weather Regimes, WRs) durante i mesi invernali per tre distinti periodi storici: 1880-1918, 1919-1957 e 1958-1997. Questi regimi includono AR (Atlantic Ridge), BL (Blocking), GA (Greenland Anticyclone), WBL (West Blocking), e ZO (Zonal). Ogni regime rappresenta una specifica configurazione della circolazione atmosferica che influisce sulle condizioni meteorologiche invernali.

Dettagli sui Regimi SLP:

AR (Cresta Atlantica): Indica una cresta di alta pressione sull’Atlantico che influisce sul clima dell’Europa e dell’America del Nord.
BL (Blocco): Rappresenta configurazioni persistenti di alta pressione che possono causare condizioni meteorologiche estreme, come freddo intenso o riscaldamento anomalo.
GA (Anticiclone della Groenlandia): È un anticiclone centrato sulla Groenlandia che ha impatti significativi sul clima dell’Atlantico settentrionale e delle regioni circostanti.
WBL (Blocco Occidentale): Una forma di blocco atmosferico situato più a ovest rispetto ai blocchi tradizionali.
ZO (Zonale): Caratterizzato da un flusso prevalente da ovest a est, tipico di condizioni meteorologiche più miti e umide in Europa.

Analisi dei Dati:

Distribuzione Mensile: Ogni colonna della tabella fornisce la percentuale di giorni in cui un dato regime è stato dominante durante specifici mesi invernali: novembre, dicembre, gennaio, febbraio e marzo. Questo dettaglio permette di osservare le variazioni stagionali nei regimi atmosferici.
Confronto Tra Periodi: La tabella consente di confrontare come la prevalenza di ciascun regime sia cambiata attraverso i decenni. Ad esempio, la frequenza di GA in marzo aumenta significativamente nel periodo più recente (1958-1997), indicando una possibile intensificazione o spostamento stagionale dell’anticiclone della Groenlandia.
Media Invernale Complessiva: La riga ‘Winter’ mostra la media delle frequenze per l’intero periodo invernale, fornendo una visione compatta dell’impatto generale di ciascun regime durante l’inverno.

Importanza Scientifico-Climatica:

Queste informazioni sono essenziali per gli studi climatologici, in quanto le variazioni nei regimi di SLP possono essere correlate con cambiamenti nei pattern climatici a lungo termine, influenzando le previsioni e le strategie di adattamento ai cambiamenti climatici. La comprensione delle dinamiche di questi regimi aiuta i meteorologi e i climatologi a prevedere meglio le condizioni meteorologiche future basandosi su modelli storici.

5.1. Metodologia

Per valutare l’impatto dei WR sul clima locale, iniziamo con la classificazione delle temperature locali nei terzili (caldo, medio e freddo). Questo processo consente di distribuire uniformemente i dati delle temperature in tre categorie, basate sulla loro frequenza di occorrenza, facilitando analisi più specifiche sulle variazioni climatiche legate ai WR.

Dopo aver classificato le temperature, procediamo alla selezione dei giorni nei quali si verifica un determinato WR. Per questi giorni, calcoliamo la frequenza locale di ciascuna delle categorie di temperatura precedentemente definite. È fondamentale osservare che la frequenza di queste categorie tende a variare significativamente rispetto al valore climatico di riferimento, che è di un terzo per ciascun terzile.

Le analisi sono condotte su due set di dati di temperatura distinti: il primo riguarda le temperature osservate presso 30 stazioni di Météo-France, mentre il secondo set include le temperature T2m rianalizzate per griglia del NCEP in Europa occidentale. Questo approccio bitemporale permette una comparazione robusta e versatile delle influenze climatiche dei WR.

Il calcolo della variazione di frequenza per ogni categoria viene eseguito attraverso la creazione di una tabella di contingenza 3×5, che correla le tre categorie di temperatura con i cinque WR SLP. Per ogni punto della griglia o stazione, registriamo il numero di giorni in cui si verifica simultaneamente una determinata categoria di temperatura e un regime di WR, come il regime ZO.

Calcoliamo poi la percentuale di giorni rientranti in una specifica categoria di temperatura (es. giorni freddi) durante i giorni in cui si manifesta un WR (es. ZO), confrontando questa percentuale con il 33%, che rappresenta la distribuzione climatica attesa. Se, per esempio, la percentuale di giorni freddi scende all’11%, deduciamo che vi sia stata una variazione significativa di -66% rispetto al valore atteso. È importante notare che questi cambiamenti possono essere superiori al +100%.

Inoltre, per validare la significatività statistica di queste osservazioni, stabiliamo delle soglie del 95% basandoci su un rimescolamento casuale dei dati per 100 volte. Questo metodo di permutazione aiuta a determinare se le variazioni osservate sono frutto di fluttuazioni casuali o se rappresentano effetti climatici reali e misurabili.

5.2. Temperature nelle stazioni francesi e SLP

Le variazioni relative della frequenza dei giorni freddi per i 5 Regimi di Pressione al Livello del Mare (SLP WRs) sono esposte nella Figura 7. Le deviazioni non significative dalla media climatica sono indicate dalle aree ombreggiate. Tra i cambiamenti più rilevanti, si evidenzia il quasi raddoppio (aumento del 100%) dei giorni freddi con il WBL nella maggior parte delle stazioni, anche se questo incremento è leggermente inferiore nel sud della Francia. In netto contrasto, con il regime ZO, i giorni freddi diventano estremamente rari, con una diminuzione superiore al 50%, e talvolta fino al 75%. Altri WR hanno influenze meno marcanti, ma comunque spesso significative sul clima.

La Figura 8 mostra le analoghe variazioni per la probabilità di occorrenza dei giorni caldi. Con il regime WBL, si osserva una riduzione delle occorrenze di giorni caldi, con una percentuale che varia dal 50% (nelle stazioni più a sud) al 75% (nelle altre aree). È interessante notare un apparente paradosso con il regime AR, in cui la maggior parte delle stazioni tende a registrare sia una diminuzione dei giorni freddi che di quelli caldi; ciò suggerisce che l’AR promuove un clima medio, più equilibrato su tutto il territorio francese.

Una conclusione preliminare che emerge da questa analisi è che, almeno per la Francia, l’approccio basato sui WR permette una descrizione più dettagliata e accurata del clima locale rispetto alla semplice nozione di ‘clima medio’. L’atmosfera non si limita a evolvere attorno a uno stato medio, ma piuttosto trascorre più tempo in pochi stati specifici di larga scala, i quali hanno conseguenze ben definite per il meteo locale. Questa osservazione si estende anche alla maggior parte dell’Europa occidentale. In particolare, in Francia si nota che i pattern LSC più frequenti inducono deviazioni dal clima medio più marcate (sia in termini di maggiore freddo che di calore) al nord rispetto al sud del paese.

5.3. Temperature grigliate europee con i WR Z700 e SLP

Nelle Figure 9 e 10 mostriamo, rispettivamente, gli effetti di ciascun episodio dei Regimi di Pressione al Livello del Mare (SLP WRs) e dei Regimi di Z700 sulla frequenza dei giorni freddi in Europa. Per ragioni di sintesi, non trattiamo la classificazione Z500 in questa discussione. Con i WR BL, GA e ZO, i modelli visualizzati in entrambe le figure risultano molto simili. Tuttavia, il regime AR comporta un netto calo dei giorni freddi nella maggior parte dell’Europa quando la classificazione avviene tramite SLP. Questa caratteristica può essere attribuita al fatto che l’AR a livello Z700 comprende numerosi giorni freddi caratterizzati da SLP di tipo WBL, mentre l’AR a livello SLP include una percentuale significativa di giorni caldi associati a Z700 ZO (vedi Tabella 2).

GA, quando analizzato a entrambi i livelli di pressione, mostra influenze contrastanti sulle temperature europee: la frequenza dei giorni freddi può aumentare fino al 70% in Scandinavia, principalmente a causa dell’advezione di aria fredda o fresca da nord-ovest, mentre si registra una diminuzione del 40% nella regione iberica, a causa dell’aumento dell’advezione di aria calda da sud-ovest dovuto a condizioni più cicloniche.

In modo particolare, con la classificazione secondo SLP, il WR BL risulta associato a temperature più elevate dalle Isole Britanniche fino alla Scandinavia, ma notevolmente più fredde nell’Europa sud-orientale. Il regime SLP che identifichiamo come BL è caratterizzato dalla presenza di una cellula anticiclonica sull’Europa orientale, che induce flussi oceanici miti sull’Europa nord-occidentale e settentrionale, ma porta advezione di aria fredda dagli est sull’Europa sud-orientale.

ZO e WBL manifestano i loro effetti più marcati sulla Francia occidentale, probabilmente perché qui le peculiarità dell’aria oceanica o continentale sono più evidenti, dovute ai specifici pattern LSC di questi WR (visualizzati nella Figura 4, colonna a destra). Indipendentemente dai 5 WR SLP, l’accordo tra le Figure 7 e 10 (concentrate sulla Francia) è eccezionalmente notevole, specialmente considerando le differenti origini e la natura dei due set di dati analizzati.

5.4. WR con criteri di appartenenza più severi

Nell’esplorare un approccio di classificazione più stringente per i Regimi di Pressione al Livello del Mare (WR), abbiamo temporaneamente escluso il requisito che tutti i pattern giornalieri debbano appartenere a uno dei cluster. Questo esperimento, ispirato da Robertson & Ghil (1999), implica l’introduzione di un filtro angolare severo nello spazio delle Componenti Principali (PC), richiedendo un angolo massimo di 45° (apcc > 0,7 o dc < 0,3) tra il pattern di anomalia giornaliero e il pattern centrale specifico di un WR. Tale approccio ha lo scopo di escludere i giorni che non si adattano chiaramente a uno dei WR, risultando nel fatto che solo il 28% dei pattern viene classificato, a differenza del 100% precedente.

Le implicazioni di questi criteri più rigorosi sono notevoli. Le frequenze di questi ‘WR forti’ variano dal 4% per BL e WBL, fino all’8% per ZO. Con la Figura 11 si osserva che, con GA, la probabilità di giorni freddi ora raddoppia sulla Scandinavia; in contrasto, con la classe ZO rafforzata, la probabilità di un giorno freddo diminuisce di oltre l’80% in un’ampia area che si estende dalla Francia occidentale e sud-est dell’Inghilterra verso nord-est fino alla Scandinavia meridionale, e verso est fino alla Polonia occidentale e all’Austria, includendo parti delle regioni alpine. Il WR WBL mostra conseguenze locali opposte ma altrettanto marcate, estendendosi su quasi tutta l’Europa: dalla Francia nord-occidentale alla Polonia, la probabilità di giorni freddi aumenta fino al 130-150%, confrontata con la media climatica.

Queste osservazioni rafforzano ulteriormente il punto di vista che la classificazione dei Sistemi di Circolazione su Larga Scala (LSC) in WR fornisce un metodo efficace per descrivere le deviazioni locali dal clima locale medio in modo coerente. I WR potrebbero addirittura essere impiegati in approcci di downscaling per studi sui cambiamenti climatici locali, partendo dai dati di output di modelli climatici globali di larga scala (GCM).

La Figura 7 illustra la variazione percentuale nella frequenza dei giorni freddi per ciascuno dei Regimi di Pressione al Livello del Mare (SLP WRs). Questa analisi è fondamentale per comprendere come specifici pattern atmosferici influenzino la distribuzione termica regionale in Europa. La mappa utilizza diverse convenzioni grafiche per rappresentare le variazioni rispetto alla media climatica, stabilita come un terzo dei giorni.

AR (Atlantic Ridge): Le linee solide in questa mappa indicano un aumento relativo nella frequenza dei giorni freddi, mentre le linee tratteggiate rappresentano una diminuzione. La presenza predominante di linee tratteggiate suggerisce che, sotto l’influenza dell’AR, i giorni freddi tendono a essere meno frequenti nella maggior parte delle aree raffigurate.
GA (Greenland Anticyclone): Qui, un maggior numero di linee solide suggerisce un significativo aumento della frequenza dei giorni freddi, specialmente nelle regioni settentrionali e centrali. Questo è tipico dell’anticiclone della Groenlandia, che porta spesso masse d’aria più fredde verso sud attraverso l’Europa.
BL (Blocking): Mostra un pattern visivamente complesso con significative linee solide che indicano un notevole aumento dei giorni freddi. Questo fenomeno è legato alla natura stessa dei blocchi, che possono causare condizioni meteorologiche prolungate e atipiche, inclusi freddi estremi.
ZO (Zonal): Predominanza di linee tratteggiate, che indicano una riduzione della frequenza dei giorni freddi. Il regime zonale è generalmente associato a condizioni più miti e umide, portate da correnti occidentali.
WBL (West Blocking): Illustra un aumento marcato nella frequenza dei giorni freddi attraverso estese linee solide, che coprono una vasta area. Il blocco occidentale spesso devia le correnti fredde verso sud, influenzando ampie regioni.

Le aree ombreggiate in ogni mappa segnalano dove le variazioni non raggiungono significatività statistica al livello del 5%. Ciò significa che, in queste regioni, le variazioni potrebbero non essere direttamente attribuibili ai WRs ma piuttosto a variazioni naturali del clima o ad altri fattori non esaminati in questo studio.

In sintesi, la Figura 7 fornisce una rappresentazione visuale di come i diversi WRs modulino la temperatura attraverso l’Europa, evidenziando zone di significativo raffreddamento o riscaldamento rispetto alla media climatica. Questo tipo di analisi è cruciale per modellare previsioni meteorologiche più accurate e per studi di adattamento ai cambiamenti climatici locali.

La Figura 8 illustra la variazione percentuale nella frequenza dei giorni caldi per ciascuno dei Regimi di Pressione al Livello del Mare (SLP WRs), evidenziando come ciascun regime influenzi il clima in maniera distinta attraverso varie regioni europee. Le mappe sono state generate utilizzando dati meteorologici raccolti dalle stazioni di Météo-France e rappresentano la deviazione dalla media climatica stabilita al 33% (un terzo).

AR (Atlantic Ridge): La mappa mostra un mix di linee solide e tratteggiate, indicando un aumento e una diminuzione della frequenza dei giorni caldi in diverse aree. La presenza di linee tratteggiate in alcune aree suggerisce che l’AR può portare a una diminuzione dei giorni caldi, forse a causa di un rafforzamento del flusso zonale che trasporta masse d’aria più fresche dall’Atlantico.
GA (Greenland Anticyclone): Predominantemente caratterizzato da linee tratteggiate, il che indica una generale diminuzione della frequenza dei giorni caldi sotto l’influenza di questo anticiclone. L’aria più fredda associata al GA può spiegare questa tendenza, particolarmente evidente nelle regioni che normalmente sperimentano un riscaldamento durante altri regimi.
BL (Blocking): Questo regime mostra una variazione complessa con linee solide in alcune regioni e tratteggiate in altre, indicando che i blocchi possono sia aumentare che ridurre la frequenza dei giorni caldi. I blocchi spesso modificano i percorsi delle masse d’aria e possono quindi causare anomalie significative nella temperatura normale di una regione.
ZO (Zonal): La presenza predominante di linee tratteggiate suggerisce che il flusso zonale porta generalmente a una riduzione dei giorni caldi, facilitando il trasporto di aria più fresca e umida da ovest a est attraverso il continente.
WBL (West Blocking): Evidenziato da numerose linee solide, indica un significativo aumento nella frequenza dei giorni caldi, probabilmente dovuto all’influenza di masse d’aria più calde trattenute o deviate dal blocco verso regioni specifiche.

Le aree ombreggiate segnalano regioni in cui le variazioni osservate non sono statisticamente significative al 5%, suggerendo che le anomalie di temperatura in queste zone possono non essere direttamente attribuibili ai WRs considerati.

In sintesi, la Figura 8 offre una visione dettagliata e dinamica di come i vari WRs possano modulare la distribuzione dei giorni caldi in Europa. Questa analisi non solo enfatizza l’importanza di considerare i WRs nello studio delle variazioni climatiche locali ma anche la complessità delle interazioni atmosferiche che regolano il clima regionale.

La Figura 9 rappresenta la variazione percentuale nella frequenza dei giorni freddi per ciascuno dei Regimi a 700 hPa (Z700 Weather Regimes, WRs), evidenziando come questi pattern atmosferici influenzino le condizioni meteorologiche locali. Ogni mappa visualizza le variazioni rispetto alla media climatica stabilita al 33%, utilizzando linee solide per indicare un aumento e linee tratteggiate per indicare una diminuzione della frequenza dei giorni freddi:

AR (Atlantic Ridge):
- La mappa in alto a sinistra mostra un aumento significativo della frequenza dei giorni freddi in varie parti, particolarmente evidente nelle regioni nord-occidentali. Questo aumento è rappresentato da linee solide che si estendono attraverso diverse aree geografiche.
- Le aree ombreggiate, che denotano le regioni dove le variazioni non sono statisticamente significative al 5%, suggeriscono che in queste aree le fluttuazioni possono essere attribuite a variazioni naturali o a dati insufficienti per una conclusione definitiva.
GA (Greenland Anticyclone):
- Predominantemente caratterizzato da linee tratteggiate, indica una diminuzione generale della frequenza dei giorni freddi sotto l’influenza di questo regime, specialmente nelle regioni meridionali e centrali della mappa. Questo pattern suggerisce che l’anticiclone della Groenlandia può portare a condizioni più miti rispetto al solito in queste aree.
BL (Blocking):
- Questo regime mostra un pattern complesso di linee solide e tratteggiate, indicando un effetto variabile a seconda della localizzazione geografica. Le linee solide, che indicano un aumento della frequenza dei giorni freddi, sono più prominenti nelle aree centrali e orientali della mappa, riflettendo l’effetto di blocco che può isolare regioni specifiche da influenze climatiche più miti.
ZO (Zonal):
- Dominato da linee tratteggiate, questa mappa mostra una prevalente riduzione nella frequenza dei giorni freddi. Questo è indicativo del fatto che un flusso zonale robusto tende a portare condizioni più miti attraverso le regioni interessate, stabilizzando le temperature al di sopra delle medie stagionali fredde.

Queste visualizzazioni forniscono una comprensione dettagliata di come i diversi WRs Z700 modulino specificamente la temperatura locale, evidenziando le zone di significativo riscaldamento o raffreddamento rispetto alla media climatica. Le mappe, basate sui dati grigliati della rianalisi NCEP, offrono una panoramica precisa delle dinamiche atmosferiche su larga scala e delle loro implicazioni dirette sul clima locale. Questa analisi può essere fondamentale per migliorare le previsioni meteorologiche e per studi approfonditi sul cambiamento climatico.

6. REGIMI METEOROLOGICI Z700 E PRECIPITAZIONI LOCALI

6.1. Metodologia Per analizzare le precipitazioni, sono stati effettuati due tipi di confronti. Il primo si concentra sulla percentuale locale di giorni ‘umidi’ (quantità di pioggia non nulle), mentre il secondo si occupa dei giorni di ‘forte precipitazione’ (d’ora in poi HP), ovvero quelli che rientrano nell’ultimo decile delle quantità di precipitazione non nulle. L’influenza dei WR sulla frequenza dei giorni umidi è stata esaminata sia per le stazioni francesi sia per le precipitazioni grigliate delle Alpi (APC) (vedi Sezione 2.2 per dettagli su questi dati). La discussione è limitata all’influenza dei WR Z700.

6.2. Percentuale di giorni umidi nelle stazioni francesi La Figura 12 evidenzia un netto contrasto tra le stazioni della regione mediterranea e tutte le altre. Con il WR AR, sia la Francia occidentale che quella sud-orientale sperimentano una riduzione dei giorni umidi, mentre l’estremo nord-est registra fino al 15% in più di giorni umidi rispetto alla media. Questo risultato è prevedibile considerando che (vedi Figura 2) nei giorni di AR, l’Europa occidentale è soggetta a un flusso da NO, prevalentemente anticiclonico a SO, ma più ciclonico a NE. L’orografia particolare della Francia può spiegare l’aumento minore dei giorni umidi osservato anche vicino ai Pirenei e a ovest e nord del Massiccio Centrale.

Con il WR BL, la probabilità di precipitazione diminuisce fortemente quasi ovunque. La diminuzione maggiore è superiore al 60% a nord, ma c’è un aumento marcato sulla regione del Rossiglione, particolarmente esposta ai venti di levante mediterranei che favoriscono intense precipitazioni (Plaut et al. 2001), o persino inondazioni estreme, come quelle di metà novembre 1999, quando le quantità di precipitazione localmente superavano i 500 mm in 24 ore.

Con il WR GA, si verifica un grande aumento dei giorni umidi in tutto il paese. Questo aumento è molto minore sul Rossiglione a causa degli effetti di stau, ma raggiunge il massimo nell’estremo sud-est, dove una specifica classe di pattern LSC, che include una bassa pressione a ovest della Bretagna oltre a un’alta pressione sulla Groenlandia, effettivamente favorisce intense precipitazioni (Plaut et al. 2001).

Infine, con i giorni di ZO, si osserva un netto contrasto tra le regioni più mediterranee e tutte le altre. La probabilità di giorni umidi aumenta fino al 40% nel NO, ma diminuisce fino al 20% nel SE, parzialmente a causa degli effetti di stau con i venti occidentali.

I pattern di correlazione tra la precipitazione totale da novembre a marzo e la frequenza di ciascun WR Z700 sono stati calcolati. I pattern risultano molto simili a quelli della Figura 12, il che suggerisce nuovamente che l’approccio WR è rilevante se si desidera descrivere coerentemente la deviazione del clima locale dalla media.

La Figura 10 illustra la variazione percentuale nella frequenza dei giorni freddi associati a ciascun Regime Meteorologico della Pressione al Livello del Mare (SLP), basata sui dati di rianalisi NCEP. Questo tipo di analisi è cruciale per comprendere come differenti configurazioni atmosferiche influenzino le condizioni meteorologiche in termini di temperatura, in particolare la frequenza dei giorni freddi.

Struttura della Figura

Ogni trama rappresenta un regime di SLP diverso: AR (Atlantic Ridge), GA (Greenland Anticyclone), BL (Blocking), ZO (Zonal), e WBL (West Blocking).
Linee solide indicano un aumento relativo nella frequenza dei giorni freddi rispetto alla media climatica, che è definita come 1/3.
Linee tratteggiate mostrano una diminuzione relativa nella frequenza dei giorni freddi.
Aree ombreggiate segnalano che le variazioni non sono statisticamente significative al livello del 5%.

Interpretazione dei Dati

Aumento nella Frequenza dei Giorni Freddi: Le linee solide in alcune mappe suggeriscono che, sotto specifici regimi di SLP, vi è stato un incremento significativo nella frequenza dei giorni freddi durante il periodo analizzato. Questo può indicare che tali regimi portano a condizioni atmosferiche che favoriscono temperature più basse.
Diminuzione nella Frequenza dei Giorni Freddi: Le linee tratteggiate indicano una riduzione nella frequenza dei giorni freddi sotto certi regimi, suggerendo che tali configurazioni atmosferiche possano essere associate a condizioni meno fredde rispetto alla norma.
Variazioni Non Significative: Le aree ombreggiate dove le variazioni non raggiungono significatività statistica implicano che, sotto questi regimi, le modifiche nella frequenza dei giorni freddi non differiscono in modo apprezzabile dalla media climatica.

Implicazioni Climatologiche e Meteorologiche

Questa analisi fornisce informazioni essenziali per i climatologi e i meteorologi nel prevedere e interpretare l’effetto dei regimi di alta pressione su pattern climatici locali e regionali. Capire come vari regimi influenzino la frequenza dei giorni freddi permette di:

Prevedere meglio le condizioni meteorologiche stagionali, essenziale per la pianificazione in settori come l’agricoltura, la gestione delle risorse idriche e la preparazione per eventi meteorologici estremi.
Valutare le tendenze climatiche in relazione a cambiamenti nei regimi di pressione a lungo termine, particolarmente rilevante nell’ambito degli studi sui cambiamenti climatici.

In sintesi, la Figura 10 non solo mostra le variazioni nella frequenza dei giorni freddi legati a specifici regimi di SLP, ma aiuta anche a correlare questi regimi con effetti più ampi sul clima e sul tempo atmosferico, offrendo una base per ulteriori analisi e decisioni informate nel campo della climatologia e della meteorologia.

La Figura 11 mostra la variazione percentuale nella frequenza dei giorni freddi per ciascun Regime di Pressione al Livello del Mare (SLP WR), utilizzando un criterio di appartenenza ai cluster più stringente attraverso un filtraggio angolare additivo. Questo metodo seleziona solo il 28% dei giorni, concentrandosi su quelli che corrispondono più strettamente al pattern centrale di ciascun WR. Questo approccio è mirato a isolare gli effetti più chiari e definiti dei WR sul clima locale.

AR (Atlantic Ridge): Le linee solide, che indicano un aumento nella frequenza dei giorni freddi, sono evidenti in diverse aree, riflettendo l’effetto raffreddante diretto che il regime AR può avere su specifiche regioni. Le linee tratteggiate, che denotano una diminuzione, suggeriscono che in altre regioni l’AR può portare a condizioni più miti, possibilmente a causa di un maggior flusso di aria marittima moderata.
GA (Greenland Anticyclone): Caratterizzato principalmente da linee solide, questo regime mostra un incremento significativo nei giorni freddi, particolarmente nelle regioni settentrionali e centrali della mappa. Questo è indicativo dell’effetto di raffreddamento associato all’advvezione di aria fredda da nord associata all’anticiclone della Groenlandia.
BL (Blocking): Presenta un complesso pattern di linee solide e tratteggiate, riflettendo l’effetto variabile dei blocchi atmosferici. Le linee solide in molte regioni indicano un aumento dei giorni freddi, tipico dei blocchi che possono isolare le regioni da influenze climatiche più miti e mantenere condizioni fredde prolungate.
ZO (Zonal): Dominato da linee tratteggiate, indica una generale diminuzione nella frequenza dei giorni freddi, suggerendo che il flusso zonale porta tipicamente condizioni più miti attraverso le regioni colpite, stabilizzando le temperature al di sopra delle medie stagionali fredde.
WBL (West Blocking): Con intense linee solide, mostra un significativo aumento nella frequenza dei giorni freddi, specialmente nelle aree centrali e orientali. Questo è in linea con l’effetto dei blocchi occidentali che deviano le correnti fredde verso sud, influenzando ampie regioni.

Le aree ombreggiate in ciascuna mappa indicano regioni in cui le variazioni nella frequenza dei giorni freddi non sono statisticamente significative al livello del 5%. Questo implica che le variazioni osservate in queste aree potrebbero essere il risultato di fluttuazioni casuali o di altri fattori non direttamente collegati ai WR.

In sintesi, la Figura 11 fornisce un’analisi raffinata dell’impatto dei WR sulla frequenza dei giorni freddi, applicando un criterio rigoroso che permette di focalizzarsi sugli impatti più diretti e marcati dei vari regimi meteorologici. Questa visualizzazione aiuta a comprendere come i criteri più severi di selezione influenzino la percezione degli effetti climatici dei WR, enfatizzando i cambiamenti più definiti e rilevanti.

La Figura 12 rappresenta le variazioni percentuali nella frequenza dei giorni umidi per ciascun Regime Meteorologico a 700 hPa (Z700 WRs), rispetto alla media climatica locale. Ogni pannello visualizza l’effetto di un diverso regime meteorologico sulle probabilità di precipitazione in diverse parti dell’Europa, basandosi su dati provenienti dalle stazioni di Météo-France. Ecco un’analisi dettagliata per ogni regime:

AR (Atlantic Ridge):
- Le linee solide, che indicano un aumento nella frequenza dei giorni umidi, sono evidenti lungo le coste nord-occidentali dell’Europa, dove il flusso di aria umida dall’Atlantico è intensificato da questo particolare pattern atmosferico.
- Le linee tratteggiate, che rappresentano una diminuzione della frequenza dei giorni umidi, appaiono prevalentemente nelle regioni interne e meridionali, dove l’influenza dell’AR potrebbe portare a condizioni più secche e stabili.
GA (Greenland Anticyclone):
- Questo pannello mostra principalmente linee tratteggiate, suggerendo una riduzione generale nella frequenza dei giorni umidi in vasti tratti dell’Europa centrale e orientale. L’anticiclone della Groenlandia tende a portare aria più fredda e secca, influenzando le precipitazioni in queste aree.
BL (Blocking):
- Caratterizzato da un complesso pattern di linee solide e tratteggiate, riflettendo un’efficace modificazione delle condizioni climatiche locali. Le linee solide, indicate nelle regioni costiere settentrionali e occidentali, denotano un aumento dei giorni umidi, tipico dei blocchi che possono intrappolare umidità e sistemi di bassa pressione. Al contrario, le linee tratteggiate nelle regioni sud-orientali suggeriscono una diminuzione dei giorni umidi, possibilmente a causa di condizioni più stabili e bloccate.
ZO (Zonal):
- Presenta in prevalenza linee tratteggiate, che indicano una diminuzione nella frequenza dei giorni umidi, specialmente nelle aree centrali e orientali. Il regime zonale è associato a un flusso prevalente da ovest a est che, nonostante possa trasportare masse d’aria umida, spesso porta condizioni relativamente più miti e meno propense a precipitazioni intense in queste regioni.

Queste visualizzazioni forniscono un’analisi dettagliata di come vari regimi meteorologici Z700 influenzino la distribuzione spaziale dei giorni umidi, mettendo in evidenza le zone di significativo aumento o diminuzione rispetto alla media climatica. Questa mappa offre una panoramica preziosa dell’impatto dei pattern atmosferici su larga scala sul clima locale e fornisce spunti utili per la previsione del tempo e la pianificazione climatica, specialmente in contesti di cambiamento climatico dove la comprensione delle variazioni locali diventa cruciale.

La Figura 13 visualizza la correlazione tra la precipitazione totale accumulata nei mesi da novembre a marzo e la frequenza del Regime di Pressione al Livello del Mare (SLP) Zonale (ZO) attraverso una mappa dettagliata che copre una porzione significativa del territorio francese. Le correlazioni sono calcolate usando dati raccolti dalle stazioni di Météo-France, il cui posizionamento è segnalato dai triangoli sulla mappa.

Aspetti chiave della mappa:

Coefficients di Correlazione: I numeri visualizzati indicano il valore del coefficiente di correlazione in varie località. Questi coefficienti quantificano la relazione tra la frequenza del regime ZO e le variazioni nelle precipitazioni totali invernali.
- Valori Positivi (come 0.4, 0.3, ecc.), indicano una correlazione positiva, suggerendo che un aumento della frequenza del regime ZO è associato ad un aumento delle precipitazioni in quelle stazioni.
- Valori Negativi (come -0.1, -0.2, ecc.), indicano una correlazione negativa, suggerendo che un aumento della frequenza del regime ZO è associato ad una diminuzione delle precipitazioni in quelle stazioni.
Direzione delle Correlazioni: Le frecce sulla mappa non solo mostrano la posizione geografica delle correlazioni ma anche la loro direzione e intensità. Questo dettaglio aggiunge un ulteriore livello di comprensione sull’impatto locale del regime ZO.
- Una freccia diretta verso l’alto in una località con un valore di correlazione positivo suggerisce un forte legame diretto tra maggiori frequenze del regime ZO e un aumento delle precipitazioni.
- Al contrario, una freccia diretta verso il basso in una località con un valore di correlazione negativo suggerisce un legame diretto tra maggiori frequenze del regime ZO e una diminuzione delle precipitazioni.

Questo tipo di analisi è essenziale per comprendere come specifici regimi atmosferici influenzino il clima locale, in particolare le precipitazioni, che sono cruciali per la gestione delle risorse idriche e la pianificazione agricola. La mappa offre una panoramica dettagliata e specifica su come variazioni nei pattern atmosferici possano portare a cambiamenti significativi nelle precipitazioni regionali, fornendo informazioni preziose per i meteorologi, i climatologi e i pianificatori climatici. Questo approccio analitico aiuta a migliorare la precisione delle previsioni meteorologiche e a sviluppare strategie adattive di fronte ai cambiamenti climatici.

6.3. Giorni di pioggia e precipitazioni intense sulle Alpi

Approfondiamo l’influenza dei Regimi di Circolazione a 700 hPa (Z700 WRs) sulle precipitazioni locali nella regione alpina, utilizzando i dati di precipitazione grigliati e densi dell’APC. Le figure 14 e 15 evidenziano due caratteristiche principali: da un lato, l’emergere di numerose meso-strutture che delineano la relazione tra i dati delle precipitazioni locali e la Circolazione di Grande Scala (LSC); dall’altro, l’apparizione di anomalie molto simili a quelle osservate nella figura 12 per le regioni del Mediterraneo.

Con il regime di blocco (BL), si registra una riduzione del 80% della frequenza delle precipitazioni intense (HP) nel terzo settentrionale dell’area APC (figura 15), mentre la frequenza dei giorni di pioggia diminuisce solo del 30% in media (figura 14). In prossimità del Roussillon, la probabilità di HP aumenta localmente fino all’80%; ciò conferma che il regime BL favorisce precipitazioni intense nelle aree costiere esposte ai venti di levante, come analizzato nella Sezione 6.2.

Nel contesto del regime di ondulazione (ZO), si osserva un incremento della probabilità di HP superiore al 40% in un settore nord-occidentale relativamente ristretto, mentre si verifica un calo significativo nelle Alpi meridionali francesi, nella regione di Languedoc-Roussillon e nel Piemonte italiano.

Per il regime atlantico retrogrado (AR), la frequenza delle HP cresce di quasi il 60% nel terzo più nordorientale del dominio APC, segnando la regione con le massicce nevicate di febbraio 1999, risultato di un flusso persistente da nord-ovest. Per il regime zonale di tipo Groenlandia (GA), l’aumento della frequenza di HP eccede il 100% nelle Alpi francesi meridionali, sottolineando l’impatto marcato di questi regimi di circolazione sulla distribuzione e intensità delle precipitazioni nella regione alpina.

La Figura 14 illustra le variazioni percentuali nella frequenza dei giorni di pioggia associati a ciascun regime meteorologico Z700 (Weather Regimes, WRs), confrontate con la media climatica locale. Questi dati sono essenziali per comprendere l’impatto dei diversi regimi di circolazione atmosferica sul clima regionale europeo.

Pannelli e Regimi Meteorologici: Ogni pannello rappresenta un diverso regime meteorologico: AR (Atlantico Retrogrado), GA (Groenlandia Anticiclonica), BL (Blocco), e ZO (Zonale Ovest). Questi regimi sono stati identificati come configurazioni dominanti di circolazione che influenzano il clima europeo durante l’inverno.
Variazioni nella Frequenza dei Giorni di Pioggia:
- Linee solide: Indicano un aumento relativo nella frequenza dei giorni di pioggia rispetto alla media climatica. Questo aumento può essere interpretato come un effetto diretto del regime meteorologico corrispondente che potrebbe favorire condizioni più umide.
- Linee tratteggiate: Indicano una diminuzione relativa nella frequenza dei giorni di pioggia. Questa diminuzione suggerisce che il regime meteorologico potrebbe portare a condizioni più secche rispetto alla norma.
Significatività Statistica:
- Aree ombreggiate: Mostrano le zone dove le variazioni nella frequenza dei giorni di pioggia non sono statisticamente significative al 5%. Questo indica che le variazioni osservate in queste aree potrebbero non essere robuste o consistenti attraverso il periodo di studio.
Dati Sorgente e Metodologia:
- I dati provengono dai dati pluviometrici grigliati dell’Istituto Federale Svizzero di Tecnologia ETH di Zurigo, APC, come descritto nella Sezione 2.2 del documento. Questo dettaglio fornisce un contesto sulla qualità e provenienza dei dati utilizzati per le analisi.
- Intervalli di contorno del 10%: Questi intervalli facilitano la visualizzazione delle variazioni graduali o brusche nella frequenza dei giorni di pioggia attraverso differenti aree geografiche.

La Figura 14 è quindi un’importante visualizzazione dell’impatto dei diversi regimi meteorologici sulla frequenza dei giorni di pioggia in Europa, fornendo una chiara dimostrazione di come i pattern di circolazione a grande scala possano avere conseguenze locali specifiche, essenziali per la pianificazione e la gestione delle risorse idriche e agricole.

La Figura 15 illustra le variazioni percentuali nella frequenza delle precipitazioni intense per ciascun regime meteorologico Z700 (Weather Regimes, WRs). Questi regimi includono AR (Atlantico Retrogrado), GA (Groenlandia Anticiclonica), BL (Blocco), e ZO (Zonale Ovest), rappresentati in quattro pannelli distinti.

Interpretazione delle Linee:
- Linee solide: Indicano un aumento relativo nella frequenza delle precipitazioni intense. Queste linee mostrano aree dove, sotto l’influenza del regime specifico, si verifica un aumento statisticamente significativo della probabilità di eventi di precipitazione intensa.
- Linee tratteggiate: Segnalano una diminuzione relativa nella frequenza di tali eventi, indicando le aree dove le precipitazioni intense diventano meno frequenti sotto l’effetto del regime meteorologico in questione.
Significatività delle Variazioni:
- Aree ombreggiate: Corrispondono a zone dove le variazioni osservate nella frequenza delle precipitazioni intense non raggiungono la significatività statistica al 5%. Questo dettaglio è cruciale perché indica che, in queste aree, le differenze potrebbero non essere distinguibili da fluttuazioni casuali, suggerendo cautela nell’interpretazione di questi risultati come indicatori di cambiamenti climatici.
Dati Utilizzati:
- I dati derivano dai dati pluviometrici grigliati dell’Istituto Federale Svizzero di Tecnologia ETH di Zurigo, APC. L’utilizzo di dati grigliati permette un’analisi dettagliata e geograficamente precisa delle variazioni nelle precipitazioni, essenziale per la mappatura accurata di tali cambiamenti.
- Intervalli di contorno del 20%: Ogni linea di contorno sulla mappa rappresenta una variazione del 20%, fornendo una chiara visualizzazione delle aree con le maggiori modifiche nella frequenza delle precipitazioni intense.

Quest’analisi è particolarmente rilevante per comprendere come specifici pattern di circolazione atmosferica influenzano la frequenza e l’intensità delle precipitazioni a scala regionale. Gli insight derivati da queste mappe sono fondamentali per la pianificazione in risposta ai cambiamenti climatici, la gestione delle risorse idriche e la preparazione a eventuali catastrofi naturali, evidenziando l’impatto locale dei cambiamenti nei regimi di circolazione globale.

RIASSUNTO E CONCLUSIONE

Abbiamo classificato 40 anni di dati giornalieri invernali di Z500, Z700 e SLP relativi ai pattern di Circolazione di Grande Scala (LSC) sull’Atlantico Nord e sull’Europa, impiegando l’algoritmo di clustering dinamico, una procedura completamente oggettiva. Il numero di cluster è stato determinato in modo oggettivo attraverso un test di significatività del rumore rosso. Le classificazioni più rilevanti hanno evidenziato 4 cluster per Z700 e 5 cluster per SLP e Z500. Le classificazioni realizzate a diversi livelli hanno mostrato una notevole compatibilità.

Durante l’analisi, abbiamo utilizzato 120 anni di mappe giornaliere di SLP, suddivise in tre periodi di 40 anni; ciascuno di questi periodi ha confermato la presenza degli stessi 5 WRs, nonostante le frequenze annuali abbiano mostrato una variabilità bassa e molto bassa (interdecadale) come illustrato in (Fig. 6). È stato osservato che l’occorrenza di singoli WRs ha impatti specifici sulla deviazione del tempo atmosferico locale dalla media climatica locale. Questo ha permesso di emergere una descrizione oggettiva e precisa del clima locale: l’atmosfera non evolve solo attorno al suo stato medio, ma trascorre più tempo attorno a pochi stati ricorrenti caratteristici con specifiche conseguenze per il clima locale. Questa prospettiva è ulteriormente supportata dai calcoli della PDF nello spazio dei 10 PC principali dove è stata eseguita la classificazione: le PDF radiali intorno alle direzioni individuali dei WR risultano essere superiori di un fattore 20 a 25 rispetto alla loro media generale.

Anche se la multimodalità nelle distribuzioni dell’ampiezza delle onde planetarie (Hansen & Sutera 1986) può essere oggetto di discussione (Nitsche et al. 1994), le PDF radiali nel nostro spazio PC mostrano massimi evidenti nelle direzioni dei WR. Nella Sezione 1, abbiamo distinti 3 categorie di algoritmi per la classificazione oggettiva nei WRs. Nella Sezione 3, abbiamo riscontrato che i nostri WR di tipo 3 erano quasi identici ai WR di tipo 2 di Vautard (1990). L’esistenza di questi massimi indiscutibili della PDF conferma che essi soddisfano anche il criterio della categoria 1, eccezion fatta per il fatto che la ricerca è condotta in uno spazio dimensionale più ampio rispetto a quello utilizzato da Kimoto & Ghil (1993a).

Queste conclusioni e osservazioni rafforzano l’interesse verso gli approcci dei sistemi dinamici agli studi sui cambiamenti climatici, come suggerito da Palmer (1993), a condizione che i punti fissi instabili possano essere identificati inequivocabilmente con i WRs (cosa che sembra avvenire nonostante piccole differenze). È degno di nota che siano rimasti quasi invariati negli ultimi 120 anni, mentre il tempo trascorso ogni anno nelle vicinanze di ciascuno di essi potrebbe non essere stato stazionario. L’approccio WR sembra quindi molto probabile che fornisca un quadro affidabile per costruire algoritmi di downscaling adatti agli studi sul cambiamento climatico locale, utilizzando i risultati dei GCM come proxy, poiché si prevede spesso che i cambiamenti LSC simulati dai GCM siano più rilevanti delle caratteristiche mesoscalari dello stesso GCM.

Ci sono molti punti importanti che non abbiamo potuto trattare in questo articolo. Per esempio, esistono transizioni preferenziali tra i WRs, come da ZO a AR (o BL), o da WBL a BL (o GA). Le transizioni sono ampiamente discusse in un articolo complementare (Simonnet & Plaut 2001, questo numero). Si potrebbe anche aver combinato, ad esempio, SLP e Z700 per determinare WRs congiunti. Lasciamo questo per ulteriori indagini, anche se abbiamo potuto facilmente verificare che WRs su due livelli molto simili ai nostri sono stati ottenuti usando semplici regole di combinazione per unire i due campi. Un’altra domanda importante può essere sollevata: se non si è più interessati al tempo corrente, ma a eventi intensi (se non estremi, per i quali una descrizione statistica sarebbe discutibile), i WRs (i pattern su larga scala più frequentemente osservati) forniscono un quadro accurato per costruire algoritmi di downscaling tentativi? Gli eventi intensi sono effettivamente rari, quindi potrebbero essere favoriti da pattern di circolazione raramente verificatisi, non dai più frequenti. Affrontiamo questa domanda in un altro articolo complementare (Plaut et al. 2001).

https://www.researchgate.net/publication/250221634_Large-scale_circulation_classification_weather_regimes_and_local_climate_over_France_the_Alps_and_Western_Europe?enrichId=rgreq-5f975ac3cdaf4996bf5070e045139f77-XXX&enrichSource=Y292ZXJQYWdlOzI1MDIyMTYzNDtBUzoxODI1NTQxMDc4NTA3NTJAMTQyMDUzNTY5OTU1NQ%3D%3D&el=1_x_2&_esc=publicationCoverPdf

Classificazione della circolazione su larga scala, regimi meteorologici e clima locale in Francia, nelle Alpi e nell’Europa occidentale

Pubblicato da Alessandro il Dicembre 31, 2024Dicembre 31, 2024