http://dx.doi.org/10.1029/2018GL079203
Uno dei motivi per cui “nessun indice unico” riesce davvero a rappresentare tutta la varietà di ENSO è che molti indicatori classici (Niño3, Niño3.4, Niño4, SOI, oppure indici “di sapore” come quelli per Modoki) misurano anomalie di SST in aree fisse, ma non descrivono in modo univoco ciò che, fisicamente, determina gran parte delle teleconnessioni: dove si colloca lungo la longitudine del Pacifico equatoriale il massimo della convezione profonda (il ramo ascendente della Walker) e quanto esso migra da ovest verso est e viceversa. Questa distinzione è cruciale perché eventi con “forza” simile in termini di SST media (ad esempio alcuni El Niño molto intensi) possono produrre risposte atmosferiche e impatti remoti differenti se la convezione resta più centrata sul Pacifico centrale anziché “sfondare” verso il settore orientale; il 2015–2016 è spesso discusso proprio come caso in cui la struttura e la dinamica dell’evento (con contributi CP oltre a EP) hanno modulato la risposta atmosferica rispetto a episodi storici come il 1997–1998. journals.ametsoc.org+3journals.ametsoc.org+3ess.uci.edu+3
Il punto di partenza del lavoro di Williams e Patricola è un fatto ben consolidato in letteratura: la convezione tropicale profonda non cresce “linearmente” con la SST, ma mostra un comportamento a soglia. Sotto un certo intervallo (tipicamente ~26–28 °C, con dipendenza da umidità, circolazione e variabilità regionale) la convezione organizzata è rara; oltre tale soglia diventa molto più probabile, mentre ulteriori aumenti di SST non garantiscono un incremento proporzionale dell’intensità convettiva, perché entrano in gioco limiti legati a stabilità, subsidenza, convergenza al suolo e feedback radiativi. PubMed+2journals.ametsoc.org+2 Un passaggio chiave, utile anche per la diagnostica ENSO, è che la “temperatura di soglia” non è un numero fisso universale: evidenze osservative indicano che essa tende a seguire l’evoluzione della SST media tropicale (e quindi può “traslare” con il ciclo stagionale e con il riscaldamento di fondo), rendendo concettualmente più coerente ragionare in termini di SST rispetto alla soglia convettiva del momento, piuttosto che rispetto a una climatologia fissa di lungo periodo. Sistema di Dati Astrofisici+1
Su questa base, l’idea dell’ENSO Longitude Index (ELI) è di trasformare un problema multi-indice (EP vs CP, Modoki, estremi, neutralità) in una metrica unica che rappresenti direttamente la variabile atmosferica “chiave” per molte teleconnessioni: la longitudine media della convezione profonda nel Pacifico equatoriale. Operativamente, la letteratura di sintesi descrive l’ELI come la longitudine media dei punti del Pacifico tropicale in cui la SST supera una soglia convettiva tempo-variabile, spesso concettualizzata come un valore legato alla SST media tropicale (convective threshold) e dunque capace di incorporare automaticamente sia la stagionalità sia i cambiamenti di background. Springer Nature+2ISU Sites+2 Questo passaggio è importante perché rende “nonlineare” la mappatura tra lo stato termico oceanico e la risposta convettiva: quando l’area di SST sopra-soglia si espande o si contrae e, soprattutto, quando il suo baricentro si sposta lungo l’asse zonale, l’atmosfera può rispondere in modo molto diverso a parità di anomalia media in una box tradizionale. In pratica, l’ELI tende a unificare in una sola coordinata sia l’ampiezza ENSO sia la “posizione” dell’evento lungo il continuum Pacifico centrale–orientale, che è alla base delle classificazioni moderne della diversità ENSO (EP/CP; warm pool/cold tongue; Modoki e sue varianti) e delle differenze di teleconnessione e impatti regionali. journals.ametsoc.org+4eScholarship+4journals.ametsoc.org+4 Nel quadro discusso dagli autori, gli El Niño estremi emergono come casi in cui la convezione media si colloca insolitamente a est (con forte riorganizzazione della Walker), mentre gli eventi tipo Modoki/CP risultano più “centrati” e La Niña tende a confinare la convezione più a ovest, producendo firme atmosferiche e catene di teleconnessione differenti. Questa prospettiva è anche coerente con la letteratura sui cambiamenti futuri della frequenza relativa dei “sapori” ENSO sotto riscaldamento globale: se lo stato medio e i gradienti zonali del Pacifico cambiano, cambia anche la facilità con cui la convezione riesce a superare la barriera convettiva nel Pacifico centrale-orientale, con potenziali effetti sulla distribuzione di eventi estremi e sulla rarità delle condizioni veramente neutrali.
1. Introduzione
Come sottolinea la letteratura sulla “ENSO diversity”, l’idea che un singolo numero possa riassumere tutti i “sapori” di El Niño e La Niña è, di fatto, una semplificazione operativa più che una descrizione fisica completa: “No two El Niño events are quite alike” è una frase spesso richiamata proprio per ricordare quanto ampiezza, struttura spaziale e ciclo di vita possano variare da un evento all’altro. journals.ametsoc.org+1 In questo contesto, Williams e Patricola mettono il dito su un limite strutturale degli indici SST tradizionali (ONI/Niño3.4 e affini): essi quantificano un’anomalia termica media su aree fisse, ma non misurano direttamente la variabile atmosferica che più “decide” molte teleconnessioni, cioè la posizione longitudinale della convezione profonda lungo il Pacifico equatoriale e la conseguente riorganizzazione della Circolazione di Walker. Wiley Online Library+2eesm.science.energy.gov+2 Il caso 2015–2016 è emblematico: pur essendo classificato come uno degli eventi più intensi dal punto di vista Niño3.4/ONI, diversi studi mostrano che la sua architettura accoppiata oceano–atmosfera differiva dagli “Eastern Pacific” estremi classici (1982–83 e 1997–98), con segnali relativamente più centrati/complessi e con una risposta convettiva sul Pacifico orientale meno marcata di quanto ci si aspetterebbe da un ONI simile. PMC+3journals.ametsoc.org+3Wiley Online Library+3 Questa discrepanza non è un dettaglio: quando la convezione profonda non migra con decisione verso est, la forzante diabatico-convettiva che “accende” i treni d’onda extratropicali cambia posizione e intensità, e di conseguenza possono attenuarsi o riorientarsi gli impatti idroclimatici remoti, incluso il segnale invernale sulle precipitazioni del settore occidentale degli Stati Uniti, risultato oggetto di analisi specifiche proprio per il 2015/16. Wiley Online Library+3AOML+3Springer Nature+3
Il tema diventa ancora più delicato quando ci si sposta dalle diagnosi osservative alle proiezioni future. Una parte rilevante della letteratura definisce gli “extreme El Niño” non tanto tramite la sola SST, ma tramite la riorganizzazione convettiva e pluviometrica nel Pacifico orientale (ad esempio usando la pioggia in Niño3 come metrica), trovando in diversi ensemble un aumento marcato della frequenza nel XXI secolo; al tempo stesso, studi focalizzati sulla variabilità della SST evidenziano che i cambiamenti di ampiezza “pura” dell’ENSO possono risultare più modesti e/o fortemente dipendenti dal modello e dallo stato medio del Pacifico. PMC+3Nature+3journals.ametsoc.org+3 Questa asimmetria tra indici “rain-based” e “SST-based” è fisicamente plausibile perché la precipitazione convettiva tropicale risponde in modo non lineare: da un lato dipende dalla dinamica accoppiata (feedback di Bjerknes, termoclino, venti zonali, ecc.), dall’altro è amplificata termodinamicamente dal maggiore contenuto di vapore acqueo in un’atmosfera più calda, rendendo meno banale separare ciò che è “dinamica ENSO” da ciò che è “scaling dell’umidità” nelle metriche basate sulla pioggia. Nature+3Nature+3Wiley Online Library+3 In parallelo, la questione della diversità (EP vs CP/Modoki) introduce ulteriori incertezze: diversi lavori discutono possibili variazioni del rapporto tra eventi centrati nel Pacifico centrale e quelli del Pacifico orientale sotto riscaldamento globale, ma con sensibilità a bias modellistici e al cambiamento dello stato medio (gradienti zonali di SST, profondità del termoclino, pattern di warming). ScienceDirect+4PubMed+4Nature+4
È su questo sfondo che l’introduzione di una nuova metrica SST-based “fisicamente informata” assume significato: Williams e Patricola propongono di rappresentare ENSO tramite una variabile più prossima al controllore atmosferico, cioè la longitudine media associata alle condizioni favorevoli alla convezione profonda (concettualmente legata al superamento di una soglia convettiva di SST). Wiley Online Library+2eesm.science.energy.gov+2 L’idea chiave, già coerente con molti risultati su estremi ENSO, è che quando lo stato medio del Pacifico orientale si avvicina di più al “regime convettivo” (per warming di fondo), anche anomalie SST non eccezionali possono più facilmente innescare riorganizzazioni convettive sproporzionate, aumentando la frequenza di configurazioni ad alto impatto senza richiedere necessariamente un incremento altrettanto grande degli indici SST tradizionali. Nature+2repository.library.noaa.gov+2In sintesi, l’introduzione stabilisce un passaggio concettuale molto netto: il problema non è soltanto “quanto” si scalda il Pacifico equatoriale, ma “dove” si sposta la convezione profonda lungo la fascia equatoriale; e finché gli indici non codificano esplicitamente questa migrazione longitudinale, la diversità ENSO e la non linearità degli estremi continueranno a sfuggire a qualunque metrica unica basata su box SST fissi. Wiley Online Library+2journals.ametsoc.org+2
2. Metodi
Il cuore della metodologia proposta da Williams e Patricola consiste nel sostituire l’idea “classica” di ENSO come semplice anomalia di SST media in un riquadro fisso (Niño3, Niño3.4/ONI, Niño4) con una variabile più direttamente legata alla forzante atmosferica: la posizione longitudinale della convezione profonda nel Pacifico equatoriale, cioè del ramo ascendente della Circolazione di Walker. La motivazione fisica è coerente con decenni di teoria e modellistica: negli schemi tipo Gill (1980) il riscaldamento convettivo tropicale agisce da sorgente di onde equatoriali (Kelvin e Rossby) e impone pattern di circolazione su larga scala; nei modelli accoppiati di ENSO (Zebiak & Cane, 1987) l’interazione tra SST, venti zonali e termoclino amplifica e struttura l’oscillazione; nei quadri “convective quasi-equilibrium” e di regolazione termodinamica tropicale (Neelin & Held, 1987; Sobel & Bretherton, 2000) la convezione tende a mantenere la troposfera prossima a un profilo termico umido quasi comune, rendendo la distribuzione e il posizionamento della convezione più determinanti della sola anomalia termica locale. In questo contesto, l’innovazione dell’ENSO Longitude Index (ELI) è concettuale prima ancora che tecnica: l’indice non chiede “quanto è calda” una box, ma “fino a che longitudine verso est arriva il regime convettivo” e dove si colloca il suo baricentro lungo l’equatore.
Per rendere operativa questa idea, gli autori definiscono la convezione profonda mediante un criterio a soglia sulla SST, sfruttando l’evidenza che l’insorgenza di convezione intensa non è una funzione lineare della SST, ma mostra un comportamento tipo “threshold”: quando l’oceano supera un certo livello termico (che dipende dallo stato medio e dalla stagione), aumenta nettamente la probabilità di nubi convettive profonde e quindi di riscaldamento diabatico organizzato. Johnson & Xie (2010) hanno mostrato che una proxy efficace di questa soglia è la SST media dei tropici: l’argomento fisico, ripreso da Williams et al. (2009), è che la convezione profonda e lo smorzamento delle anomalie di galleggiamento orizzontali attraverso onde di gravità, insieme al mixing turbolento efficiente nello strato limite e nello strato superficiale, “accoppiano” termicamente la troposfera tropicale verso un’unica adiabatica umida rappresentativa delle regioni convettive (il concetto di convective adjustment). In altre parole, se la troposfera tropicale tende a comportarsi come un sistema fortemente comunicante, la soglia convettiva non resta fissa nel tempo: segue lo stato termico medio tropicale, risultando quindi naturalmente sensibile sia al ciclo stagionale sia al riscaldamento climatico di fondo. Questo è un punto metodologico cruciale, perché consente a ELI di rimanere confrontabile in climi diversi senza dover “rincorrere” a posteriori la climatologia di riferimento.
Dal punto di vista procedurale, ELI viene calcolato mese per mese con una sequenza volutamente semplice. Si stima anzitutto una SST media tropicale su una fascia equatoriale (nel lavoro 5°S–5°N) e la si interpreta come soglia convettiva mensile. Si costruisce poi una maschera binaria: 1 dove la SST locale è maggiore o uguale alla soglia e 0 dove è inferiore. A questo punto l’indice non è una media termica ma una media spaziale di longitudini: ELI è la longitudine media di tutti i punti “attivi” (maschera=1) all’interno del bacino del Pacifico, sempre nella fascia equatoriale considerata. Due scelte tecniche meritano attenzione perché chiariscono la filosofia dell’indice: (i) la robustezza geometrica, dato che i risultati risultano poco sensibili all’allargamento della banda latitudinale (ad esempio fino a 20°S–20°N), suggerendo che il segnale sia davvero legato alla migrazione zonale del regime convettivo equatoriale; (ii) l’assenza di pesatura per “quanto” la SST superi la soglia, scelta che evita di reintrodurre implicitamente un indice di ampiezza termica e mantiene l’attenzione sulla sola estensione e posizione del dominio convettivo, cioè sul controllo dinamico/forzante (dove si colloca il riscaldamento convettivo) più che sull’intensità termica locale.
Un ulteriore aspetto metodologico, spesso sottovalutato ma essenziale per applicazioni climatiche, è la robustezza rispetto ai cambiamenti della SST di fondo. Poiché la soglia è legata alla media tropicale del mese, l’indice incorpora implicitamente la stagionalità del sistema Pacifico (evoluzione della cold tongue orientale e della warm pool occidentale) e riduce la dipendenza da una climatologia fissa; inoltre, attenua la vulnerabilità a cambiamenti di background associati alla variabilità extrabacino (ad esempio modalità atlantiche che modulano la SST tropicale e la circolazione) e al forcing antropogenico, un punto discusso nella letteratura su come il “mean state” del Pacifico condizioni sia la statistica degli eventi sia le teleconnessioni. In pratica, ELI è costruito per essere una misura della geometria convettiva (posizione/estensione del ramo ascendente della Walker) più che un’anomalia termica riferita a un periodo standard: questa impostazione rende l’indice particolarmente adatto a confronti tra epoche e scenari, e aiuta a interpretare perché alcune metriche “rain-based” o “convection-based” possano mostrare aumenti di estremi più marcati rispetto agli indici SST tradizionali, senza che ciò implichi necessariamente un aumento equivalente dell’ampiezza di Niño3.4.
Gli autori sottolineano anche che la scelta di una soglia SST è una semplificazione utile ma non indispensabile: risultati simili si ottengono sostituendo il criterio con un proxy più diretto della convezione profonda, come una soglia di OLR (radiazione infrarossa uscente), coerentemente con il fatto che OLR basso identifica aree di nubi alte e convezione intensa. Questo dettaglio è importante perché chiarisce che ELI non “dipende” da un particolare campo, ma dal concetto: diagnosticare la longitudine media della convezione profonda in modo oggettivo e confrontabile. Infine, per un confronto equo con la pratica operativa, gli autori calcolano anche gli indici standard (Niño3, Niño3.4/ONI, Niño4) come medie mobili trimestrali delle anomalie di SST nelle rispettive box, con climatologia di riferimento definita tramite una media mobile trentennale: un’impostazione che riduce l’influenza di cambiamenti lenti della climatologia, ma che non risolve il limite strutturale degli indici a box fissi, cioè l’incapacità di misurare direttamente lo spostamento est–ovest della convezione, che è proprio la variabile che ELI mira a rendere “osservabile” in un singolo indice.
Figura 1 – Relazione tra ONI ed ENSO Longitude Index (ELI): perché la “posizione” della convezione conta quanto l’ampiezza della SST
La Figura 1 mette in scena, in modo molto “diagnostico”, il punto centrale dell’articolo: gli indici ENSO basati su anomalie di SST in riquadri fissi (qui l’ONI, cioè Niño3.4) descrivono bene l’ampiezza termica media dell’evento, ma non descrivono in modo univoco la risposta atmosferica chiave, cioè dove si colloca lungo la longitudine equatoriale il massimo della convezione profonda e quindi del riscaldamento diabatico che forza la Circolazione di Walker e, tramite onde tropicali ed extratropicali, le teleconnessioni. Nei due pannelli (a) DJF e (b) JJA, ogni punto rappresenta una media stagionale nel periodo 1951–2016; l’asse x è l’ONI, mentre l’asse y è l’ELI espresso come longitudine media (°E) del dominio pacifico equatoriale (5°S–5°N) in cui la SST supera una soglia convettiva. In termini fisici, ELI non chiede “quanto è calda la Niño3.4”, ma “fin dove verso est si estende il regime di SST compatibile con convezione profonda” e, per estensione, dove tende a collocarsi il ramo ascendente della Walker: è una trasformazione concettuale importante perché si appoggia alla non linearità con cui la convezione tropicale risponde alla SST (comportamento a soglia) e alla teoria secondo cui il riscaldamento convettivo agisce da forcing dinamico primario per la circolazione tropicale (schema tipo Gill) e per l’accoppiamento oceano–atmosfera di ENSO (feedback di Bjerknes e dinamica del termoclino nei modelli accoppiati).
Nel pannello DJF (a) emerge una relazione complessivamente crescente tra ONI ed ELI: all’aumentare dell’ONI, l’ELI tende a spostarsi verso longitudini più orientali, segnalando che, mediamente, gli El Niño più intensi sono associati a un avanzamento verso est della convezione. Tuttavia la nuvola di punti non è una retta “perfetta”: a parità di ONI, ELI può assumere valori diversi, e questa dispersione è precisamente la firma della diversità ENSO. La figura evidenzia che gli eventi estremi 1982–1983 e 1997–1998 occupano una regione particolare: non solo ONI elevato, ma anche ELI molto spostato a est, cioè una configurazione in cui il dominio convettivo supera con decisione la barriera del Pacifico centrale e si proietta nel Pacifico orientale. Questo è il tratto fisico distintivo degli El Niño estremi ad alto impatto: non è semplicemente “SST molto positiva”, è lo spostamento del massimo di riscaldamento convettivo verso est (e quindi una riorganizzazione più drastica della Walker), che tende a produrre una forzante d’onda più efficace e teleconnessioni più robuste. In altre parole, l’ELI separa meglio gli eventi in cui la risposta atmosferica è qualitativamente diversa (convezione davvero orientale) da quelli in cui la SST è forte ma la convezione rimane più centrale, un aspetto che la letteratura sulla ENSO diversity discute da anni distinguendo varianti “Eastern Pacific” e “Central Pacific/Modoki”.
I cerchi rossi (Modoki) sono particolarmente istruttivi: si collocano in una fascia intermedia di ELI, spesso con ONI moderato o anche positivo, ma senza raggiungere le longitudini orientali associate agli estremi storici. Questo pattern è coerente con l’interpretazione dinamica degli eventi CP/Modoki: l’anomalia di riscaldamento e la massima risposta convettiva restano più centrate sul Pacifico centrale, con un diverso assetto dei venti zonali, della termoclino-profondità e della distribuzione delle anomalie di precipitazione lungo l’equatore. Da qui discende il motivo pratico per cui un El Niño “con lo stesso ONI” può avere impatti molto diversi a distanza: se la convezione resta più a ovest, cambia la sorgente di forzante diabatico-convettiva che alimenta i treni d’onda e i pattern di anomalia extratropicale, e quindi cambiano le risposte in precipitazione e temperatura in regioni remote.
Il pannello JJA (b) aggiunge un’informazione stagionale cruciale: la relazione ONI–ELI appare ancora positiva, ma con una struttura più “compressa” e una dispersione che riflette il fatto che JJA corrisponde spesso a fasi di sviluppo o transizione degli eventi ENSO, prima della piena maturazione tipica di fine anno. Questo è coerente con la stagionalità intrinseca di ENSO (phase locking) e con l’idea che l’accoppiamento oceano–atmosfera e la risposta convettiva non evolvano in modo identico in tutte le stagioni: in estate boreale piccoli cambiamenti nella distribuzione della SST vicino alla soglia convettiva possono produrre differenze sensibili nella posizione del dominio convettivo, senza che l’ONI (che “media” su un riquadro fisso) catturi con la stessa prontezza la geometria della risposta atmosferica. Gli istogrammi marginali in alto (ONI) e a destra (ELI) servono proprio a mostrare che i due indici non campionano lo stesso tipo di variabilità: ONI ha una distribuzione legata alla variabilità termica in Niño3.4, mentre ELI descrive la variabilità della posizione del regime convettivo, che può cambiare anche quando l’anomalia media in un box non cambia in modo proporzionale.
Il messaggio complessivo della figura, quindi, è che l’ELI introduce una coordinata “più vicina alla fisica” della teleconnessione: la longitudine media della convezione profonda. Questo rende immediato distinguere (i) El Niño estremi con convezione spinta nel Pacifico orientale (ELI molto a est), (ii) eventi centrali/Modoki con convezione intermedia (ELI intermedio), e (iii) La Niña, associata a ONI negativo e a una convezione mediamente confinata più a ovest (ELI più occidentale), il tutto senza dover moltiplicare gli indici o ricorrere a classificazioni ad hoc. È anche per questo che gli autori insistono sulla robustezza concettuale rispetto al “background”: se ciò che conta è il superamento di una soglia convettiva che segue lo stato termico medio tropicale, ELI tende a rimanere interpretabile anche quando cambia la climatologia di SST (stagionalità, variabilità extrabacino, riscaldamento globale), mentre un indice basato su anomalie in box fissi può perdere parte della connessione diretta con la variabile atmosferica che, in ultima analisi, governa gli impatti.
4. Risultati
L’ENSO Longitude Index (ELI) mette in evidenza un aspetto che gli indici tradizionali basati su anomalie termiche “a scatola fissa” (come ONI/Niño3.4) tendono a smussare: non conta soltanto quanto si scalda il Pacifico equatoriale centro-orientale, ma soprattutto dove si colloca la fascia di acque abbastanza calde da sostenere convezione profonda e, quindi, il massimo riscaldamento atmosferico. In questa prospettiva, gli inverni boreali 1982–1983 e 1997–1998emergono come eventi categoricamente estremi rispetto a gran parte degli altri El Niño storici, incluso 2015–2016, pur in presenza di valori ONI comparabili. La firma distintiva dei due “super eventi” è l’espansione verso est della convezione profonda fino a ridosso della costa sudamericana, cioè uno slittamento/estensione del riscaldamento convettivo che risulta molto più marcato rispetto a quanto avvenuto nel 2015–2016. Questo è coerente con la letteratura che identifica gli “extreme El Niño” come episodi in cui la soglia convettiva viene superata su longitudini insolitamente orientali, con una riorganizzazione più radicale della Walker circulation e del gradiente caldo–freddo tra warm pool e cold tongue. AOML+1
Dal punto di vista fisico, il valore aggiunto di ELI sta nel fatto che interpreta l’ENSO come spostamento longitudinale della convezione (e quindi della sorgente di onde planetarie), incorporando la non-linearità dell’innesco convettivo rispetto alla SST e il ruolo dello stato di fondo (warm pool a ovest e cold tongue a est). In termini operativi, ELI viene costruito stimando mese per mese una soglia “convettiva” a partire dalla SST media tropicale (5°S–5°N), applicando poi una maschera binaria alle aree del Pacifico equatoriale che superano tale soglia e calcolando infine la longitudine media delle zone “attive” (maschera=1): in questo modo l’indice segue direttamente la posizione media della fascia oceanica capace di sostenere convezione profonda. Questa formulazione chiarisce perché la relazione tra ELI e indici come Niño4/ONI non debba essere né unica né monotona: a parità di anomalia in un box, lo spostamento effettivo della regione sopra-soglia può cambiare in modo discontinuo, proprio perché la convezione risponde in modo soglia/non lineare e perché il gradiente zonale di SST di base modula l’estensione delle aree “convettive”. Springer+1
ELI fornisce anche una lettura più “dinamica” dei cosiddetti flavors di El Niño legati alla collocazione del riscaldamento: ad esempio, gli eventi spesso etichettati come Central Pacific/Modoki (per cui si usa anche l’El Niño Modoki Index, EMI) tendono a presentare ELI intermedi, coerenti con una convezione media collocata poco a ovest della linea del cambio di data. In altri termini, dal punto di vista atmosferico (posizione del massimo riscaldamento convettivo) questi eventi risultano più simili tra loro di quanto non suggerisca una classificazione basata solo su “dove è massima la SSTA”, mentre i due super eventi 1982–83 e 1997–98 si collocano su un altro piano proprio perché spingono la convezione molto più a est. È esattamente questa variazione longitudinale del riscaldamento convettivo a dover essere grande abbastanza da cambiare in modo apprezzabile la risposta extratropicale, cioè la struttura del wave-train forzato dai tropici. JAMSTEC+1
La conseguenza pratica è che, anche quando l’anomalia termica media in Niño3.4 è elevata, la teleconnessione può risultare diversa da un evento all’altro se cambia la posizione del forcing convettivo: spostare il massimo riscaldamento di qualche decina di gradi di longitudine significa spostare la regione di divergenza in alta troposfera e quindi la sorgente di onde di Rossby, con ricadute sulla collocazione e sull’intensità delle anomalie di geopotenziale e del getto alle medie latitudini. Studi focalizzati sull’idroclima del West statunitense mostrano che i forti El Niño definiti con ELI sono associati a un segnale di precipitazione invernale più marcato rispetto a quando gli stessi compositi sono costruiti con soglie su Niño3.4; nello stesso quadro, il 2015–2016 risulta più coerente con un El Niño “moderato” dal punto di vista della longitudine della convezione, mentre gli inverni 1982–83 e 1997–98 corrispondono ai casi di massimo spostamento verso est e alle stagioni notoriamente più favorevoli a precipitazioni molto abbondanti in California. Rimane inoltre il tema dell’interazione con la variabilità interna atmosferica (rumore dinamico), che può amplificare o mascherare il segnale ENSO in singole stagioni, contribuendo alla dispersione evento-per-evento delle risposte pluviometriche. Springer+2Springer+2
Infine, quando si usano regressioni (lineari o non lineari) per inferire gli impatti remoti dell’ENSO, ELI tende a recuperare i pattern “classici” (ad esempio deficit pluviometrici in aree dell’Indonesia e del Sud America durante El Niño e segnali termici su Nord America), ma in diversi contesti può risultare più sensibile di ONI nel collegare la variabilità delle precipitazioni osservate alla reale posizione del forcing convettivo. La stessa logica si estende ai cicloni tropicali: la letteratura mostra che la diversità dell’ENSO modifica in modo sostanziale l’attività ciclonica in più bacini, e indici in grado di seguire lo spostamento della convezione (quindi anche della shear e dei pattern di circolazione tropicale/subtropicale) aiutano a interpretare perché non tutti gli El Niño “forti” producano lo stesso segnale su frequenza e traiettorie dei TC. TC-RAMS+1
Se guardiamo l’ENSO come un “continuum” di stati, diventa naturale descriverlo nel piano definito dalle prime due componenti principali (PC1 e PC2) delle SST nel Pacifico tropicale: insieme spiegano gran parte della variabilità osservata (circa quattro quinti, a seconda del dataset e del periodo). In questa cornice, molti indici classici (Niño3.4/ONI, Niño4, ecc.) si comportano come “proiezioni lineari”: equivalgono, di fatto, a scegliere un asse (o una rotazione di assi) nel piano PC1–PC2 e leggere lungo quell’asse l’intensità dell’evento. È un approccio potente e pulito, ma inevitabilmente “selettivo”: ogni scelta enfatizza un particolare sapore di El Niño (più orientale vs più centrale), e nessun asse rettilineo riesce da solo a rappresentare l’intero spettro di diversità ENSO, anche perché PC1 e PC2 non sono indipendenti in modo perfettamente lineare quando si entra nel regime degli eventi forti e delle asimmetrie El Niño/La Niña. Monash Research+3Wiley Online Library+3Wiley Online Library+3
È qui che l’idea di un indice “curvo” come l’ELI (ENSO Longitude Index) cambia prospettiva: invece di imporre un unico asse lineare, l’ELI segue la geometria media delle variazioni locali nel piano PC1–PC2, allineandosi alla traiettoria lungo cui gli eventi tendono effettivamente a disporsi (soprattutto quando la risposta atmosferica entra in un regime non lineare). In pratica, questo rende l’ELI il primo tentativo esplicito di comprimere in un solo numero informazioni che, con gli indici convenzionali, richiedono più coordinate (o più “famiglie” di indici) per distinguere intensità e longitudinalità del riscaldamento/risposta convettiva. Non a caso, nel confronto concettuale l’ELI finisce per “ricomprendere” l’informazione contenuta in indici nati proprio per separare sapori diversi: il Trans-Niño Index (gradiente tra Niño1+2 e Niño4), l’EMI per gli eventi tipo Modoki, e approcci che selezionano sottoinsiemi di eventi in base a soglie o segnali radiativi (OLR) più direttamente legati al riscaldamento convettivo tropicale. American Meteorological Society Journals+3Wiley Online Library+3American Meteorological Society Journals+3
Il punto fisico decisivo è che l’atmosfera “non legge” le anomalie di SST in modo lineare: la convezione profonda risponde in modo soglia (threshold-like) e dipende dalla climatologia di fondo (SST assoluta, umidità, stabilità, posizione del warm pool e del cold tongue). Questo implica che, a parità di anomalia, l’effetto convettivo può cambiare molto da stagione a stagione e da regione a regione; e, simmetricamente, per ottenere uno spostamento comparabile della convezione (quello che l’ELI vuole misurare come longitudine media del riscaldamento convettivo), in inverno può servire un’anomalia più intensa nel Pacifico centrale rispetto all’estate, perché il cold tongue e il gradiente zonale stagionale modulano la “distanza” dalla soglia convettiva. La letteratura sull’annuale del Pacifico equatoriale mostra infatti una propagazione e una ristrutturazione stagionale del cold tongue e del bacino orientale/centrale che alterano profondamente la base su cui si innestano le anomalie ENSO. In questa chiave, l’ELI “assorbe” parte dell’informazione che gli indici basati solo su anomalie tendono a perdere: non solo quanto è caldo, ma dove quel caldo diventa (o non diventa) riscaldamento convettivo efficace. American Meteorological Society Journals+3Wiley Online Library+3American Meteorological Society Journals+3
Quando poi ci si sposta dagli eventi storici alle proiezioni climatiche, questa distinzione diventa operativa: metriche fondate sulle sole anomalie, sottraendo una climatologia che cambia, possono mascherare cambiamenti nella frequenza degli estremi convettivi e nella loro “geografia” (perché la soglia convettiva e la SST media si muovono insieme al riscaldamento globale). In simulazioni large-ensemble (come CESM-LENS) l’impostazione non lineare dell’ELI porta a diagnosticare un aumento della frequenza delle code dello spettro ENSO (estremi e anche alcuni sapori “centrali”), a scapito delle condizioni neutre; risultati che dialogano con evidenze multimodello che indicano un aumento degli eventi estremi (El Niño e La Niña) in un clima più caldo. E questa non è una sottigliezza “accademica”: spostare la longitudine del riscaldamento convettivo significa cambiare l’eccitazione dei treni d’onda extratropicali e quindi le teleconnessioni, con effetti sensibili su idroclima e precipitazioni regionali (ad esempio sul Nord America occidentale), oltre a interagire con la variabilità interna che può amplificare o attenuare l’impronta forzata in singole realizzazioni. sierraforestlegacy.org+5Wiley Online Library+5Nature+5
La Figura 2 sintetizza, in forma molto “operativa”, un’idea chiave della dinamica ENSO: ciò che telecomanda le precipitazioni extratropicali non è tanto (o non solo) l’ampiezza dell’anomalia di SST in un box, quanto la posizione longitudinale del massimo riscaldamento convettivo tropicale e quindi della divergenza in alta troposfera che funge da sorgente di onde di Rossby. I due pannelli mostrano infatti le pendenze (slope) della regressione lineare tra le anomalie di precipitazione su terraferma in DJF e due descrittori diversi dell’ENSO: nel pannello (a) l’ELI, che è costruito per seguire lo spostamento verso est/ovest della fascia di oceano capace di superare una soglia convettiva; nel pannello (b) l’ONI, che misura l’anomalia termica media in Niño3.4. La “normalized regression slope” (con unità in mm/mese) va letta come risposta tipica della pioggia associata a un incremento dell’indice (qui scalato per la sua escursione), e quindi rende confrontabili, a colpo d’occhio, le regioni in cui l’ENSO agisce come forcing robusto del bilancio idrologico stagionale.
Fisicamente, la struttura spaziale che vedi è coerente con la letteratura classica sulle teleconnessioni ENSO delle precipitazioni (ad esempio Ropelewski & Halpert; lavori successivi di sintesi come Trenberth e collaboratori), in cui El Niño tende a produrre deficit pluviometrici sul Maritime Continent/Indonesia e su porzioni dell’Australia, mentre innesca anomalie di segno opposto in aree dove la circolazione tropicale e subtropicale viene riorganizzata. Il segnale blu intenso su Indonesia e regioni limitrofe è il riflesso della soppressione della convezione in un settore che climatologicamente è “centrale” per la risalita della cella di Walker: quando la convezione si sposta verso il Pacifico centrale-orientale, l’ascendenza sul Maritime Continent si indebolisce, aumenta la stabilità troposferica e calano le precipitazioni convettive. Questo schema è interpretabile anche tramite la risposta tipo Gill (Gill, 1980) al riscaldamento tropicale e, soprattutto, tramite il concetto di Rossby wave source (Sardeshmukh & Hoskins, 1988): la divergenza in quota associata alla convezione riorganizza vorticità e flussi, generando treni d’onda che modulano storm tracks e campi di convergenza/divergenza alle medie latitudini.
La differenza più istruttiva tra (a) e (b) non è tanto nel “segno” dei pattern principali (che in larga parte rimangono quelli attesi), quanto nella nitidezza e localizzazione del segnale in diverse regioni chiave. Nel pannello ELI (a) il campo appare spesso più coerente e “fisicamente allineato” con ciò che ci aspettiamo quando il forcing è definito dalla longitudine media del riscaldamento convettivo, cioè dalla variabile che più direttamente controlla dove si colloca la divergenza in alta troposfera e quindi il punto di aggancio del wave-train. Questo aspetto è particolarmente importante perché eventi con ONI simile possono avere convezione profondamente diversa: la letteratura sugli El Niño “extreme” (ad esempio Cai et al., 2014) evidenzia che 1982–83 e 1997–98 sono caratterizzati da un’espansione convettiva molto più a est rispetto a eventi come 2015–16; proprio questo scarto longitudinale (ordine di decine di gradi) è quello che, secondo la teoria e la diagnostica dei treni d’onda (Hoerling & Kumar, 2002), può modificare la risposta extratropicale in modo significativo anche se il segnale globale medio sembra simile. Quando un indice come ONI “media” il problema in un box SST, tende a mischiare dentro lo stesso contenitore eventi che l’atmosfera, dal punto di vista del forcing convettivo, percepisce come differenti; ELI invece riduce questo aliasing, e ciò può tradursi in regressioni con maggiore sensibilità regionale.
Guardando i tropici, la Figura 2 mostra bene l’asimmetria ENSO nelle precipitazioni: oltre alla soppressione sul Maritime Continent, compaiono segnali robusti su Africa orientale e su settori del Sud America. Il pattern su Africa orientale è coerente con gli studi su teleconnessioni e variabilità stagionale delle piogge (molta letteratura collega El Niño a un’anomalia di circolazione che favorisce, in DJF, condizioni più umide in alcune aree dell’East Africa e più secche in altre, con forte dipendenza dalla stagione e dal settore geografico). In Sud America, la combinazione di deficit in aree tropicali e surplus in porzioni subtropicali (ad esempio il segnale più umido sul sud-est del continente) è un esito tipico della riorganizzazione della circolazione tropicale e dell’interazione con i getti subtropicali: spostando la sorgente convettiva nel Pacifico, si ricalibrano subsidenza e flussi di umidità, e cambiano anche i percorsi preferenziali delle perturbazioni e delle bande convettive, con risposte che la letteratura ha documentato ampiamente a scala stagionale.
Sulle Americhe extratropicali, anche se la figura si concentra sulle terre emerse tra 45°S e 45°N, si intravede la logica nota dei “dipoli” ENSO in inverno: tendenza a maggiore piovosità su porzioni del Nord America meridionale e segnali opposti in altri settori, con un ruolo cruciale delle storm tracks e della posizione del getto pacifico e subtropicale. Qui il punto non è memorizzare ogni macchia di colore, ma capire perché ELI possa “vedere” meglio il segnale in alcune aree: se la risposta del Pacifico-Nord America dipende dalla fase e dall’ancoraggio longitudinale del forcing tropicale, allora un indice che discrimina dove avviene la convezione (ELI) ha più probabilità di produrre una regressione che separi eventi con teleconnessioni diverse; questa è anche la ragione per cui molti lavori moderni insistono sulla distinzione tra El Niño di tipo East Pacific e Central Pacific/Modoki, o sulla necessità di indici multipli per descrivere l’ENSO (Ashok et al., 2007; Takahashi et al., 2011; Dommenget et al., 2013). ELI, nel quadro proposto dagli autori, tenta di comprimere questa multidimensionalità in un singolo asse “curvo” che segue la geometria della variabilità SST/forzante convettiva.
Un ulteriore elemento implicito nella figura riguarda la stagionalità: ONI e altri indici SST-anomalia sono, per costruzione, meno sensibili alle variazioni della soglia convettiva indotte dal ciclo annuale della cold tongue e del warm pool. In inverno il Pacifico centrale tende a essere più freddo in climatologia rispetto all’estate, quindi per ottenere lo stesso “effetto convettivo” serve spesso un’anomalia più grande; questo fa sì che una parte degli eventi invernali proietti più facilmente su pattern tipo Modoki/EOF2 (come discusso in letteratura e nel testo che mi hai fornito). Un indice come ELI, che è concettualmente ancorato al superamento della soglia convettiva e alla longitudine della fascia sopra-soglia, è meglio attrezzato per incorporare questo fatto: due eventi con identico ONI possono produrre differenti spostamenti della convezione se il background stagionale è diverso, e la regressione ONI–precipitazione tende allora a diluire il legame; ELI riduce la diluizione perché “misura” più direttamente la variabile che l’atmosfera usa come forcing.
Infine, la figura va letta tenendo presente che una regressione osservazionale, per quanto informativa, è sempre il risultato di un segnale ENSO sovrapposto a variabilità interna (rumore atmosferico) e a interazioni con altri modi di variabilità (ad esempio NAO, PDO/IPO, ecc.). È per questo che in letteratura si insiste sul fatto che le differenze evento-per-evento (ad esempio il caso 2015–16 rispetto ai grandi eventi del passato) possono dipendere sia dalla diversa collocazione del forcing convettivo sia dalla fase della variabilità interna che modula la propagazione del wave-train e la risposta regionale (Deser et al., 2018; Chen & Kumar, 2018). La Figura 2, mettendo ELI e ONI fianco a fianco, non “nega” l’utilità degli indici SST classici, ma mostra in modo immediato perché un descrittore basato sulla longitudine della convezione possa aumentare la sensibilità diagnostica delle teleconnessioni pluviometriche in aree dove pochi gradi di longitudine del forcing tropicale fanno la differenza.
La Figura 3 mette “in prospettiva” la diversità dell’ENSO usando uno spazio di fase costruito con le prime due componenti principali (PC1 e PC2) delle anomalie di SST nel Pacifico tropicale, mediate in inverno boreale (DJF). In pratica, ogni pallino nei pannelli (a–c) è un inverno: la sua posizione nel piano PC1–PC2 descrive quanto è forte l’evento ENSO (lungo la direzione dominante della variabilità) e che forma spaziale assume (più “Eastern Pacific” oppure più “Central Pacific/Modoki”), mentre il colore codifica l’ENSO Longitude Index (ELI), cioè la longitudine media associata allo spostamento della convezione profonda tropicale. L’idea fisica chiave è che la risposta convettiva non è lineare rispetto alle sole anomalie di SST (esiste una soglia/forte non-linearità legata alla climatologia di fondo), quindi due eventi con “anomalia simile” in un box SST possono avere convezione collocata a longitudini diverse e quindi teleconnessioni differenti. Proprio per questo ELI è concepito come indice “process-based”: segue la posizione zonale del riscaldamento convettivo, non solo l’ampiezza termica in un rettangolo. Cascade+1
Nel pannello (d) vedi i pattern spaziali associati alle due EOF: EOF1 rappresenta la modalità “canonica” di ENSO (massima variabilità lungo l’asse equatoriale con riscaldamento/raffreddamento esteso), mentre EOF2 introduce un contrasto zonale (una sorta di dipolo lungo l’equatore) che è cruciale per distinguere eventi più “centrali” da eventi più “orientali”. In molti lavori, proprio perché PC1 e PC2 catturano gran parte della variabilità, gli indici ENSO più usati si possono interpretare come proiezioni/rotazioni in questo piano: cambiare indice equivale, di fatto, a cambiare “angolo di vista” con cui si misura l’evento (ad esempio enfatizzando Niño3.4/ONI, oppure la componente Modoki/centrale). Questo quadro è coerente sia con approcci che definiscono indici EP/CP come combinazioni lineari di PC1 e PC2, sia con studi che mostrano come la non-linearità e l’asimmetria tra eventi forti/moderati si manifestino proprio nella geometria del piano delle prime PC. Vlaams Instituut voor de Zee+2Wiley Online Library+2
Il pannello (a) rende questa idea molto concreta: le tre “aste” colorate (ONI in rosso, EMI in verde, Rain3 in blu) sono assi lineari stimati tramite regressione nel piano PC1–PC2 e mostrano che ciascun indice tradizionale coglie bene una particolare combinazione di PC1 e PC2 (da qui gli R² elevati riportati). EMI, per costruzione, è sensibile ai casi “Central Pacific/Modoki”, mentre ONI è più vicino a una misura dell’ampiezza media in Niño3.4; il Trans-Niño Index (TNI), in letteratura, nasce proprio per rappresentare un gradiente est–ovest (Niño1+2 vs Niño4), cioè un’informazione più “di forma” che di sola ampiezza. Il punto, però, è che tutti questi assi sono rettilinei: se la traiettoria reale degli stati ENSO nel piano PC1–PC2 è curva (per via di soglie convettive, feedback non lineari e cambi di pattern con l’intensità), una singola proiezione lineare tende inevitabilmente a “perdere” parte della diversità. Wiley Online Library+2Wiley Online Library+2
Ed è qui che entra l’elemento distintivo della figura: l’asse nero curvo è ELI rappresentato come coordinata non lineare nel piano PC1–PC2, costruita per allinearsi alla direzione delle variazioni locali medie (cioè seguire la “cresta” della nuvola di punti). Visivamente, questo significa che ELI non si limita a dire “quanto El Niño”, ma ordina gli eventi lungo una progressione fisicamente interpretabile: da stati con convezione più occidentale (valori ELI più bassi, colori freddi) verso stati con convezione spostata molto a est (ELI più alti, colori caldi), che sono quelli associati ai casi estremi in cui la convezione raggiunge/si espande verso il Pacifico orientale. In altre parole, la curvatura dell’asse è un modo geometrico per incorporare in un unico indice la combinazione di ampiezza + localizzazione del forcing convettivo, evitando di dover passare a “più indici” a seconda del sapore ENSO. Cascade+2Wiley Online Library+2
I pannelli (b) e (c) mostrano che questa geometria non è un dettaglio “solo osservativo”: nel CESM (storico) la nube di punti mantiene una struttura simile, mentre nello scenario RCP8.5 compare una popolazione più abbondante di stati con ELI elevato (più punti verso i colori caldi e verso la porzione dell’asse che corrisponde a convezione molto orientale). Questo tipo di segnale è coerente con la letteratura che lega l’aumento di eventi estremi a un indebolimento del gradiente zonale/meridionale di SST e a una maggiore probabilità di superare la soglia convettiva nel Pacifico orientale, con conseguente riorganizzazione profonda della convezione e degli impatti a distanza. AOML+1
La Figura 4 va letta come una dimostrazione “meccanicistica” del motivo per cui un indice come l’ELI, costruito sulla posizione longitudinale della convezione profonda, riesce a descrivere aspetti dell’ENSO che gli indici basati su sole anomalie di SST faticano a rappresentare in modo univoco. I pannelli superiori (a, b) mostrano la climatologia stagionale della SST nel Pacifico equatoriale: in DJF e in JJA il gradiente warm pool–cold tongue cambia sensibilmente e, con esso, cambia la distanza della superficie oceanica dalla soglia termodinamica oltre la quale la convezione profonda tende ad aumentare in modo non lineare. Questa idea della “soglia convettiva” (spesso collocata grossolanamente nell’intervallo 26–28 °C, con dipendenza dal contesto atmosferico) è un risultato robusto nella letteratura su SST e convezione tropicale: sotto soglia la convezione è intermittente e limitata, sopra soglia cresce rapidamente e si autoalimenta tramite feedback umidità–nubi–circolazione. American Meteorological Society Journals+1
I pannelli inferiori (c, d) traducono questa fisica in un linguaggio molto concreto: le anomalie di SST non sono compositate per “quanto è grande l’anomalia in un box”, ma per sei classi di ELI (da 144°E a 204°E), cioè per quanto a est si colloca mediamente la regione in cui la SST supera la soglia favorevole alla convezione profonda. Nel composito invernale (c), all’aumentare di ELI l’anomalia calda non solo si intensifica, ma soprattutto si espande e si ancora progressivamente più a est, fino a raggiungere il Pacifico orientale e la fascia prossima alla costa sudamericana nelle classi più alte (che hanno N piccolo, quindi sono rare). Questo è esattamente il comportamento atteso per gli “El Niño estremi” definiti dalla capacità di portare convezione in piena cold tongue orientale: non è un semplice El Niño “più forte” in termini di Niño3.4, ma un evento in cui la soglia convettiva viene superata su longitudini insolitamente orientali, con un forcing atmosferico molto diverso e quindi teleconnessioni potenzialmente più incisive. Nature+2Wiley Online Library+2
La componente stagionale è il punto più istruttivo della figura. Confrontando (a) e (b) si vede che, in media, il Pacifico centrale (intorno a 180–150°W) è più freddo in inverno rispetto all’estate, mentre il settore più orientale della cold tongue vicino al Sud America può risultare relativamente più caldo in inverno che in estate. Questa asimmetria è coerente con la descrizione classica del ciclo annuale del Pacifico tropicale: la fase calda stagionale della cold tongue tende a propagarsi verso ovest e raggiunge il Pacifico centrale in estate boreale, modificando la base climatica su cui si “sommano” le anomalie ENSO. Ne consegue una implicazione non banale: per ottenere lo stesso intervallo di ELI(quindi la stessa longitudine media della fascia sopra-soglia convettiva), in DJF spesso serve un’anomalia più ampia nel Pacifico centrale rispetto a JJA, perché la climatologia invernale è più lontana dalla soglia convettiva proprio in quel settore. La figura rende visibile questa non linearità: ELI non è una semplice funzione monotona di Niño4/ONI, perché a controllare l’esito è la combinazione tra anomalia e climatologia di fondo (e la convezione “sceglie” dove attivarsi). American Meteorological Society Journals+3ResearchGate+3Soest Hawaii+3
Nel composito estivo (d) questa stessa logica spiega due segnali pratici: (i) la distribuzione di ELI è più “stretta” (compaiono righe con “No data” agli estremi), a indicare che i casi con convezione estremamente occidentale o estremamente orientale sono molto meno rappresentati in JJA; (ii) per le classi intermedie, le anomalie richieste per collocare la fascia convettiva a una certa longitudine sono spesso più contenute o diverse nella struttura rispetto all’inverno, perché la climatologia estiva nel Pacifico centrale è già più calda e quindi più vicina alla soglia. Questo è il motivo per cui metriche progettate per catturare “sapori” specifici (come l’EMI per eventi central-Pacific/Modoki) risultano stagionalmente più attive o più “allineate” a certe configurazioni: in inverno, quando serve una spinta termica maggiore nel Pacifico centrale per produrre lo stesso effetto convettivo, l’anomalia tende a proiettare più facilmente su pattern compatibili con il dominio Modoki, mentre in estate la stessa classe di ELI può essere ottenuta senza una proiezione altrettanto forte su quel pattern. In termini concettuali, la Figura 4 mostra quindi perché l’ELI riesca a integrare in modo naturale informazioni che altrimenti richiederebbero più indici (ONI, EMI, TNI o indici radiativi legati alla convezione): l’ELI “vede” direttamente lo spostamento della regione convettiva, ma lo fa tenendo implicitamente conto del fatto che la soglia convettiva e il ciclo stagionale della cold tongue cambiano la relazione tra SST-anomalia e risposta atmosferica. staff.washington.edu+4Wiley Online Library+4American Meteorological Society Journals+4
La Figura 5 confronta, per il trimestre invernale DJF, la distribuzione di probabilità relativa di quattro metriche ENSO nel large ensemble CESM-LENS: tre indici “classici” basati su anomalie di SST (Niño3, ONI/Niño3.4, Niño4: pannelli a–c) e l’ELI (pannello d), che invece è espresso in gradi di longitudine e sintetizza dove si colloca mediamente il forcing convettivo tropicale. Il messaggio statistico è reso più incisivo dalla scelta dell’asse y in scala logaritmica: ciò comprime il “corpo” centrale della distribuzione e mette in risalto le code, cioè gli eventi rari (estremi), che sono quelli più sensibili ai cambiamenti del clima di fondo. La colorazione indica clima storico (blu) e scenario RCP8.5 (rosso), con sovrapposizione in viola: quando rosso e blu divergono soprattutto nelle code, significa che cambia la frequenza relativa dei casi estremi anche se il centro della distribuzione può restare simile.
Nei pannelli (a)–(c) la forma generale delle distribuzioni storiche e future appare relativamente vicina, con variazioni che, pur presenti, risultano meno “drammatiche” nelle code positive rispetto a quanto ci si aspetterebbe se l’unica informazione rilevante fosse l’ampiezza termica. Questo è coerente con un limite concettuale noto degli indici SST-anomalia: essi misurano quanto si discosta la SST dalla climatologia in un box, ma non distinguono in modo robusto dove quel riscaldamento si traduce in convezione profonda persistente. La letteratura sugli “flavors” di ENSO (EP vs CP/Modoki) ha mostrato che eventi con ampiezza simile in Niño3.4 possono avere massimi di riscaldamento e, soprattutto, massimi di convezione collocati a longitudini diverse, con teleconnessioni extratropicali differenti; per questo sono stati proposti indici multipli (EMI, TNI e vari indici EP/CP basati su EOF o su combinazioni di regioni) proprio per separare intensità e localizzazione (Ashok et al., 2007; Trenberth & Stepaniak, 2001; Takahashi et al., 2011; Dommenget et al., 2013). In un clima che si riscalda, inoltre, il fatto che questi indici sottraggano una climatologia (che a sua volta cambia) può rendere meno trasparente l’evoluzione degli estremi: l’anomalia “necessaria” per raggiungere un certo regime convettivo non è costante, perché dipende dalla SST assoluta e dal gradiente zonale di fondo, che controllano la distanza dalla soglia convettiva e la facilità con cui il Pacifico orientale entra in regime di convezione organizzata.
Il pannello (d) mostra invece un cambiamento più strutturato quando si passa allo scenario RCP8.5: la distribuzione dell’ELI tende a evidenziare un ispessimento delle code e una maggiore presenza di valori molto elevati (longitudini più orientali), che corrispondono a stati in cui la convezione “utile” al forcing atmosferico si espande più verso il Pacifico orientale. È importante notare che l’ELI non misura la SST in sé, ma un proxy della geografia del riscaldamento convettivo: dal punto di vista dinamico, spostare la sorgente di riscaldamento tropicale di alcune decine di gradi di longitudine significa spostare la regione di divergenza in alta troposfera e quindi la Rossby wave source, con possibili cambiamenti nella struttura dei treni d’onda e nelle risposte idroclimatiche regionali (il quadro teorico classico richiama la risposta tipo Gill e, soprattutto, la formulazione della sorgente d’onda di Sardeshmukh & Hoskins, 1988; per l’interpretazione ENSO–teleconnessioni, Hoerling & Kumar, 2002). In termini probabilistici, il fatto che la differenza tra rosso e blu si manifesti nelle code su scala logaritmica implica che non si tratta di un aggiustamento marginale: anche scarti visivamente modesti in y corrispondono a variazioni di frequenza relative su fattori rilevanti per eventi rari.
Dal punto di vista dei meccanismi, questa “sensibilità” dell’ELI è coerente con l’idea, supportata da vari studi multimodello, che il riscaldamento globale possa indebolire il gradiente climatologico Pacifico ovest–est e aumentare la probabilità che porzioni più orientali della cold tongue superino più spesso condizioni favorevoli alla convezione profonda, rendendo più frequenti configurazioni assimilabili agli El Niño più orientali ed estremi (Cai et al., 2014, 2015 e filone successivo). In un contesto large-ensemble, inoltre, la stima delle code è più robusta perché l’insieme fornisce molte realizzazioni della variabilità interna: questo è cruciale per ENSO, dove la dispersione evento-per-evento può mascherare i segnali nelle serie singole. In sostanza, la figura evidenzia una differenza metodologica: gli indici convenzionali, essendo costruiti su anomalie in box fissi, sono ottimi per descrivere l’ampiezza media dell’evento, ma possono essere meno adatti a diagnosticare cambiamenti futuri nella frequenza di stati convettivamente estremi; l’ELI, essendo legato alla posizione del forcing convettivo e quindi più vicino alla variabile “dinamicamente attiva” per le teleconnessioni, rende più visibili cambiamenti che nel futuro possono riguardare soprattutto le code dello spettro ENSO (riducendo il peso relativo delle condizioni neutre e aumentando la probabilità di configurazioni a impatto elevato), anche quando le distribuzioni di Niño3/ONI/Niño4 non mostrano un segnale altrettanto netto nelle stesse regioni di probabilità.
ELI e la “geografia” della convezione: un nuovo modo di leggere la diversità dell’ENSO
Il cuore della discussione è semplice ma, sul piano fisico, molto potente: l’ENSO non è soltanto un’oscillazione di anomalie di SST in una regione “a scatola fissa”, bensì un riassetto dinamico della warm pool, del ramo ascendente della circolazione di Walker e della convezione profonda che ne costituisce il motore termico-atmosferico. In questo quadro, l’ENSO Longitude Index (ELI) funziona perché sposta la variabile di controllo da “quanto si scalda il mare” a “dove si colloca la convezione che scalda l’atmosfera”: una trasformazione concettuale che incorpora esplicitamente la risposta non lineare e di tipo soglia della convezione tropicale alla SST, ampiamente discussa nella letteratura su accoppiamento oceano–atmosfera e parametrizzazione convettiva. La logica è che la convezione profonda non cresce in modo proporzionale all’anomalia, ma tende ad attivarsi in maniera molto più efficiente quando la SST assoluta (e il contesto termodinamico/umido) supera certe condizioni favorevoli; per questo, due eventi con ONI simile possono produrre una distribuzione di riscaldamento convettivo molto diversa e, di conseguenza, teleconnessioni differenti. Questo punto è cruciale perché la longitudine della convezione nel Pacifico tropicale è uno dei collegamenti più diretti tra pattern di SST, dinamica ENSO e risposta a distanza, dato che sposta la sorgente del forcing tropicale che eccita treni d’onda extratropicali (Hoerling & Kumar, 2002). È anche il motivo per cui la distinzione tra eventi di tipo Modoki/central Pacific e quelli più orientali non è un vezzo classificatorio, ma una differenza dinamicamente rilevante, già formalizzata in vari indici “a più dimensioni” (ad esempio EMI: Ashok et al., 2007; oppure indici di gradiente come il Trans-Niño Index: Trenberth & Stepaniak, 2001; e formulazioni basate su EOF/rotazioni: Takahashi et al., 2011; Dommenget et al., 2013). L’ELI tenta, di fatto, di comprimere questa multidimensionalità in un solo asse, perché misura direttamente la migrazione zonale del massimo convettivo, cioè ciò che l’atmosfera “sente” come riscaldamento.
Questa impostazione diventa particolarmente informativa quando si guarda al clima futuro: nello scenario di riscaldamento, aumenta la frequenza sia degli eventi tipo Modoki (Pacifico centrale) sia degli eventi estremi (Pacifico orientale), perché sia il Pacifico centrale sia quello orientale si portano più spesso vicino alle condizioni in cui la convezione profonda può sostenersi, anche se la “soglia convettiva” stessa non è un numero fisso e tende a traslare con lo stato di fondo. Il messaggio non è “basta scaldare di più e avremo sempre El Niño estremi”, ma qualcosa di più sottile: se il gradiente climatologico di SST ovest–est si indebolisce e la cold tongue orientale diventa più frequentemente “convettivamente accessibile”, allora episodi di convezione anomala nel Pacifico orientale possono attivarsi con maggiore facilità e l’ampiezza effettiva dell’ENSO (intesa come capacità di riorganizzare Walker e forcing convettivo) può aumentare. Questa conclusione dialoga in modo naturale con l’evidenza paleoclimatica secondo cui climi più caldi tendono ad avere gradienti di SST più deboli (Fedorov et al., 2006; Manucharyan & Fedorov, 2014), ma non implica automaticamente un ENSO “smorzato”: anzi, l’idea che gradienti più deboli possano coesistere con variabilità ENSO-like robusta è compatibile sia con proxy e ricostruzioni (ad esempio sedimenti laminati e fossili: Galeotti et al., 2010; Ivany et al., 2011) sia con simulazioni accoppiate che mostrano segnali extratropicali significativi in paleoclimi caldi (Huber & Caballero, 2003). In altre parole, l’ELI offre una chiave di lettura che riconcilia apparenti tensioni: non serve che il “gap” tra Pacifico orientale e convezione si annulli del tutto; è sufficiente che si riduca abbastanza da rendere più frequenti configurazioni in cui il riscaldamento convettivo si spinge molto a est, cambiando la dinamica e gli impatti a distanza.
Un secondo aspetto di rilievo è che l’ELI si inserisce bene nella cosiddetta prospettiva “energetica” della dinamica climatica, che interpreta strutture come ITCZ e monsoni in termini di bilanci energetici e collocazione dei massimi di riscaldamento e convergenza (ad esempio Schneider et al., 2014; Biasutti et al., 2018). In questo senso l’ELI è interessante perché, invece di restare ancorato a una metrica puramente oceanica (anomalia di SST in un box), si collega direttamente alla distribuzione del riscaldamento convettivo che governa la circolazione atmosferica tropicale e i suoi accoppiamenti con le medie latitudini. Ed è proprio questa aderenza al processo fisico a renderlo appetibile anche in ottica applicativa: per la valutazione dei modelli accoppiati, ad esempio, non basta “riprodurre bene ONI”, perché un modello può rappresentare la statistica delle anomalie in Niño3.4 ma sbagliare la frequenza o la localizzazione degli eventi central-Pacific/Modoki o di quelli estremi orientali; non a caso, una sensibilità critica risiede nelle parametrizzazioni di convezione profonda e nubi, note per influenzare in modo sostanziale l’ENSO simulato (Neale et al., 2008; Bellenger et al., 2014). Valutare un modello anche in termini di ELI significa chiedergli: “riesci a mettere la convezione dove deve stare quando il Pacifico si riscalda?”, una domanda più vicina agli impatti reali.
Infine, c’è un punto diagnostico e quasi “filosofico” sulla classificazione degli eventi: secondo l’ELI, il 2015–2016 rientra nello spettro ENSO senza presentare la firma convettiva marcatamente orientale tipica dei casi 1982–1983 e 1997–1998; al contrario, molte metriche convenzionali tendono a collocarlo nello stesso scaffale degli eventi estremi perché guardano soprattutto all’ampiezza termica. Questo suggerisce che la vera anomalia fisica dei grandi eventi storici potrebbe essere stata sottostimata quando si usano indici che non distinguono la longitudine del forcing convettivo, e che ciò che spesso chiamiamo “canonico” possa, in realtà, corrispondere a episodi estremi in termini di estensione verso est della convezione. Da qui discende una priorità scientifica molto concreta: comprendere meglio il comportamento soglia degli El Niño estremi e i feedback oceano–atmosfera che lo sostengono è essenziale per migliorare previsione e attribuzione degli impatti, dalle anomalie di precipitazione regionale agli estremi idroclimatici e alle modulazioni dell’attività ciclonica tropicale. In più, il fatto che l’ELI sia una serie temporale continua apre anche alla diagnostica dinamica “classica” (spettri di potenza) e a metodi non lineari (time-delay embedding) già applicati allo studio della dinamica ENSO (Chang et al., 1995; Tziperman et al., 1995), oltre a renderlo un bersaglio interessante per i modelli teorici di ENSO che cercano di rappresentare l’oscillazione come risultato di feedback accoppiati e instabilità (Battisti & Hirst, 1988; Suarez & Schopf, 1988).
0 commenti