ENSO teleconnections in terms of non‑NAO and NAO atmospheric variability

Influenza dell’ENSO sulla variabilità atmosferica NAO e non-NAO

La storica ipotesi che l’Oscillazione Meridionale El Niño (ENSO) influenzi a distanza l’Oscillazione Nord Atlantica (NAO) nei mesi di gennaio-febbraio-marzo (JFM) è stata recentemente messa in dubbio.

Nel nostro studio, abbiamo utilizzato dati atmosferici filtrati per isolare la variabilità ortogonale e parallela alla NAO. Questa separazione si basa sul metodo della Componente Principale/Funzione Ortogonale Empirica, identificando la modalità principale della pressione a livello del mare nel settore dell’Atlantico Nord come NAO, mentre la restante variabilità è considerata ortogonale (non correlata) alla NAO.

Le analisi composite dimostrano che l’ENSO presenta legami statisticamente significativi sia con la variabilità non-NAO che con quella NAO a diversi livelli atmosferici. Abbiamo implementato ulteriori test di bootstrap per quantificare l’incertezza e confermare la significatività statistica di queste relazioni.

Confermando studi precedenti, abbiamo riscontrato che le teleconnessioni dell’ENSO relative alla NAO si manifestano con anomalie del flusso di calore degli eddies nella bassa stratosfera, legate alla propagazione verticale delle onde planetarie. Queste anomalie iniziano a manifestarsi in novembre-dicembre e si intensificano durante il periodo JFM. Durante eventi di El Niño (La Niña), si verifica un’interferenza costruttiva (distruttiva) tra il flusso di calore eddy anomalo e il pattern climatologico, intensificando (riducendo) i flussi sul nord Pacifico e sul Mare di Barents.

Abbiamo inoltre osservato che la teleconnessione di un El Niño estremo è essenzialmente un fenomeno non-NAO. Vi è suggerita una certa non-linearità nelle teleconnessioni, con El Niño che mostra più variabilità correlata alla NAO rispetto a La Niña. Tuttavia, la significatività statistica è ridotta a causa di segnali più deboli e dimensioni campionarie ridotte dopo la partizione.

Questi risultati hanno importanti implicazioni per la comprensione della natura delle teleconnessioni ENSO sull’Atlantico Nord e per il perfezionamento dei metodi usati per caratterizzare e valutare tali dinamiche nei modelli climatici.

1. Introduzione: Teleconnessioni dell’ENSO e Risposta Atmosferica Extratropicale

La comprensione delle teleconnessioni dell’ENSO (Oscillazione Meridionale El Niño) nelle aree extratropicali poggia sui paradigmi di risposta alle variazioni termiche nei tropici e nei subtropici del Pacifico tropicale. Questi paradigmi includono gli studi di Gill (1980) e Sardeshmukh e Hoskins (1988), che descrivono le basi della propagazione delle onde di Rossby verso le regioni extratropicali, approfondite da Hoskins e Karoly (1981), Hoskins e Ambrizzi (1993), e Jin e Hoskins (1995). Gli anni ’80 e ’90 hanno visto notevoli progressi in questo campo, come sottolineato nella revisione di Trenberth et al. (1998).

Le ricerche successive hanno evidenziato come l’influenza dei tropici sulla troposfera extratropicale avvenga anche attraverso percorsi stratosferici, portando a nuove comprensioni delle teleconnessioni tropicali-extratropicali. Queste sono dettagliate in lavori come quelli di Bell et al. (2009), Butler et al. (2014), Cagnazzo e Manzini (2009), Garcia-Herrera et al. (2006), Garfinkel e Hartmann (2008), e nella revisione di Domeisen et al. (2019). Si è scoperto che la stratosfera gioca un ruolo cruciale nell’impatto dell’ENSO sulle anomalie atmosferiche dell’Atlantico Nord attraverso interazioni con la troposfera.

Il lavoro di Mezzina et al. (2020) mette in discussione risultati di numerosi studi precedenti, i quali sostenevano che l’ENSO influenzasse l’Oscillazione Nord Atlantica (NAO) durante i mesi di JFM. Attraverso l’analisi di regressione di variabili come la pressione al livello del mare (SLP), l’altezza geopotenziale, il vento zonale e il flusso di calore meridionale degli eddy a 200 hPa (vT) rispetto agli indici di NAO e ENSO, gli autori hanno notato che, nonostante un’elevata correlazione spaziale (0.87) tra le anomalie SLP legate all’ENSO e la NAO, esistono differenze significative tra i due fenomeni, specialmente a quote superiori. Queste differenze suggeriscono che la teleconnessione ENSO non è direttamente collegata alla NAO. In particolare, le anomalie legate alla NAO si estendono più a est verso il continente europeo, mentre quelle legate all’ENSO rimangono confinate all’Atlantico Nord occidentale e centrale. Tuttavia, si sostiene che queste analisi non riescano a rilevare efficacemente i segnali della NAO, implicando che esista una variabilità NAO intrinseca nelle teleconnessioni dell’ENSO.Nel nostro studio, ci proponiamo di esplorare ulteriormente i risultati presentati da Mezzina et al. (2020). Il nostro approccio si focalizza sull’analisi separata della variabilità atmosferica correlata e non correlata alla NAO, eliminando qualsiasi ambiguità su un eventuale coinvolgimento della NAO nei risultati osservati. Anticipando i risultati, questa metodologia non solo migliora la comprensione dei segnali ENSO non legati alla NAO, ma suggerisce anche, come discuteremo, che l’ENSO influisce effettivamente sulla NAO.

Analizzare le relazioni ENSO-Atlantico Nord in questa maniera offre nuove prospettive sui meccanismi specifici e sulle non linearità delle teleconnessioni, con particolare attenzione agli eventi di El Niño, La Niña e El Niño estremi.

Tra i meccanismi di interesse, spicca il percorso stratosferico, la cui rilevanza è stata evidenziata in numerosi esperimenti di modellazione. Studi come quello di Bell et al. (2009) hanno dimostrato che un modello di media complessità riesce a simulare una teleconnessione ENSO più marcata con l’Atlantico Nord quando la variabilità stratosferica non è limitata artificialmente, come avviene con l’uso del drag di Rayleigh. Altre ricerche hanno confermato che i modelli “high-top”, che rappresentano meglio la variabilità stratosferica, mostrano una teleconnessione ENSO più intensa rispetto ai modelli “low-top”, particolarmente nelle latitudini medie e alte. Questo è dovuto a un potenziamento dell’interazione climatologica anticipata tra troposfera e stratosfera.

Durante gli eventi di El Niño, la propagazione verticale delle onde di Rossby verso la stratosfera e il conseguente indebolimento del vortice polare danno origine a un segnale che si propaga verso il basso, influenzando la troposfera in modo da rafforzare la NAO negativa canonica, come osservato in studi come quelli di Bell et al. (2009) e Butler et al. (2014). Al contrario, gli eventi di La Niña tendono a manifestare effetti opposti, anche se studi recenti come quello di Iza et al. (2016) hanno rilevato una non linearità nella forza della teleconnessione in relazione all’ampiezza delle anomalie della temperatura superficiale del mare nel Pacifico tropicale.Gli El Niño più intensi, descritti nella letteratura come “estremi” (ulteriori dettagli nella Sez. 2.3), sono stati associati a una teleconnessione che non riflette la NAO negativa. Questi eventi sono invece collegati a un treno di onde di Rossby che si orienta da sud-ovest a nord-est, come indicato dagli studi di Toniazzo e Scaife (2006) e Scaife et al. (2017). Si ipotizza che questa teleconnessione tropicale-extratropicale abbia origine nell’est del Pacifico, dove l’anomalia della SST è più marcata durante gli eventi di El Niño forti, e si estenda fino all’Atlantico Nord attraverso l’Atlantico tropicale (Toniazzo e Scaife 2006; Casselman et al. 2022).

Approfondendo attraverso l’analisi di ricostruzioni climatiche basate sugli anelli degli alberi e i dati del periodo strumentale, King et al. (2020) hanno osservato che anche gli impatto idroclimatici in Europa variano significativamente durante gli El Niño estremi rispetto a quelli regolari. Sebbene spesso si ritrovi una connessione della teleconnessione NAO con il percorso stratosferico (per esempio, Butler et al. 2014; Ineson e Scaife 2009; Jiménez-Esteve e Domeisen 2018), si potrebbe supporre che la teleconnessione dell’El Niño estremo all’Atlantico Nord non implichi significativamente la stratosfera.

Un aspetto cruciale nella non linearità delle teleconnessioni riguarda la localizzazione dei massimi delle anomalie della temperatura superficiale del mare (SST) dell’ENSO, prevalentemente distinti tra il Pacifico centrale (CP) e il Pacifico orientale (EP). Zhang et al. (2018) hanno osservato che la teleconnessione ENSO CP mostra una simmetria marcata tra le teleconnessioni di El Niño e La Niña. Al contrario, la teleconnessione La Niña EP introduce un’asimmetria nell’Atlantico Nord, fenomeno attribuito alle basse temperature SST climatologiche nel Pacifico orientale, che durante EP La Niña restano sotto la soglia di convettività, attivandosi solo durante forti episodi di EP El Niño.

Studi come quelli di Calvo et al. (2017), Graf e Zanchettin (2012), e Ren et al. (2019) hanno evidenziato come l’ENSO CP, a confronto con l’ENSO EP, stabilisca una connessione più netta con la NAO. Tuttavia, chiarire l’asimmetria tra El Niño e La Niña, oltre alle non linearità tra ENSO CP e EP o la forza dell’ENSO, rimane complicato anche analizzando dati di rianalisi che risalgono fino al tardo diciannovesimo secolo. Per questo motivo, le ricerche in questo ambito tendono a basarsi su ensemble di modelli più estesi (es., Weinberger et al. 2019).

La Sezione 2 del documento dettaglia i dati e i metodi impiegati per decomporre la variabilità totale in componenti NAO e non-NAO, e per selezionare gli eventi/anni ENSO specifici. La Sezione 3.1 illustra il risultato principale dello studio, esaminando le teleconnessioni ENSO attraverso i dati filtrati NAO e non-NAO. La Sezione 3.2 approfondisce alcune proprietà atmosferiche connesse a questa dualità non-NAO/NAO. La Sezione 3.3 indaga l’asimmetria delle teleconnessioni in relazione a El Niño estremo, ENSO CP e EP, dal punto di vista della variabilità non-NAO/NAO. Infine, la Sezione 4 riassume i risultati, discutendo le implicazioni e le questioni ancora aperte.

2. Dati e Metodi

2.1 Dati Utilizzati

Conforme agli studi correlati di Deser et al. (2017), King et al. (2021) e Mezzina et al. (2020), le variabili atmosferiche come la pressione al livello del mare (SLP), l’altezza geopotenziale (Z), il vento meridionale (v) e la temperatura dell’aria (T) sono estratte dalla Rianalisi del Ventesimo Secolo NOAA-CIRES (V2c), coprendo il periodo dal 1851 al 2014 (Compo et al. 2011). Le analisi si concentrano su anomalie stagionali ottenute dalle medie di novembre-dicembre (ND) e gennaio-febbraio-marzo (JFM). Per esplorare la propagazione verticale delle onde planetarie, utilizziamo il flusso di calore meridionale degli eddies vT. Le variabili v e T, a risoluzione giornaliera, vengono inizialmente sottoposte a un filtro passa-basso di 10 giorni per conservare la variabilità quasi-stazionaria. Le deviazioni dalle medie zonali per le variabili v e T filtrate sono impiegate per calcolare il vT giornaliero, e successivamente si calcolano le anomalie ND e JFM per ciascun anno.

I dati sulla temperatura superficiale del mare (SST), utilizzati per identificare gli eventi ENSO, provengono dal dataset HadISST1.1 (Rayner et al. 2003).

2.2 Separazione delle Componenti NAO e Non-NAO

Per filtrare la variabilità totale dei dati nelle componenti NAO e non-NAO, ci basiamo sui Componenti Principali (PC) della pressione al livello del mare (SLP) nel settore dell’Atlantico Nord, che va dai 20° ai 80° di latitudine nord e dai 90° di longitudine ovest ai 40° di longitudine est. Questo approccio permette di esprimere un campo di anomalie SLP in un dato momento temporale in termini di una serie di modelli spaziali, ognuno moltiplicato per un coefficiente che varia nel tempo.

Il primo di questi modelli spaziali, con il suo relativo coefficiente temporale, è identificato come l’indice NAO, seguendo la stessa metodologia utilizzata in studi precedenti come Mezzina et al. (2020). Questo primo modello corrisponde al noto schema di dipolo della NAO. Pertanto, la parte della variabilità SLP che si allinea con la NAO è determinata da questo primo modello spaziale e coefficiente.

La parte della variabilità che è ortogonale alla NAO, che indichiamo anche come “non correlata alla NAO” o semplicemente “non-NAO”, include tutti gli altri modelli spaziali e coefficienti che non sono parte del primo modello.

La separazione di componenti NAO e non-NAO si estende anche ad altri campi meteorologici come l’altezza geopotenziale, ma sempre usando l’indice NAO derivato dalla SLP nel settore dell’Atlantico Nord. Questo assicura una definizione coerente e uniforme della NAO, che è cruciale per interpretare la variabilità NAO o non-NAO attraverso diversi campi meteorologici.

Questa metodologia di separazione consente alle analisi del nostro studio di concentrarsi specificamente su dati che contengono solo la variabilità legata alla NAO o solo quella non-NAO. Questo approccio ci aiuta a rispondere chiaramente alla questione se le teleconnessioni ENSO siano direttamente legate alla NAO. Se non esistesse alcuna relazione, i modelli compositi delle teleconnessioni ENSO che includono dati correlati alla NAO non mostrerebbero segnali significativi nel settore dell’Atlantico Nord. La natura lineare dell’analisi composita assicura che la somma dei risultati ottenuti dai dati filtrati per la NAO e per la non-NAO corrisponda ai compositi ottenuti dai dati originali, permettendo un confronto diretto tra i contributi delle componenti NAO e non-NAO.

2.3 Criteri di Selezione degli Eventi ENSO

Gli eventi ENSO sono classificati in base alla loro localizzazione nel Pacifico centrale (CP) e Pacifico orientale (EP), utilizzando aree definite specificatamente, simili a quelle impiegate da Ashok et al. (2007) per studiare l’ENSO Modoki. Le aree di interesse sono rappresentate dalle caselle a e b nelle figure 1a e 1b del documento di riferimento.

Selezione degli eventi El Niño e La Niña CP:

• El Niño CP: viene identificato quando l’anomalia della temperatura superficiale del mare (SST) nella casella a è maggiore o uguale a 0,6 K e superiore all’anomalia SST nella casella b.
• La Niña CP: si verifica quando l’anomalia SST nella casella a è minore o uguale a -0,6 K e inferiore all’anomalia SST nella casella b.

Il composito di SST che mostra la differenza tra gli El Niño CP e le La Niña CP nei mesi di dicembre, gennaio e febbraio (DJF) è illustrato nella Fig. 1a.

Selezione degli eventi El Niño e La Niña EP:

• El Niño EP: è definito quando l’anomalia SST nella casella b è maggiore o uguale a 0,6 K e superiore all’anomalia SST nella casella a.
• La Niña EP: si verifica quando l’anomalia SST nella casella b è minore o uguale a -0,6 K e inferiore all’anomalia SST nella casella a.

Il composito di SST che mostra la differenza tra gli El Niño EP e le La Niña EP in DJF è visualizzato nella Fig. 1b.

Un evento ENSO è generalmente considerato in corso, come riconosciuto da enti quali NOAA e studi come Butler et al. (2014) e Weinberger et al. (2019), quando si presenta un’anomalia persistente della SST di almeno 0,5 K. Tuttavia, in questo studio, la soglia è stata aumentata a 0,6 K per evitare la selezione di troppi eventi marginali. La ricerca identifica gli eventi ENSO sia nel Pacifico centrale (CP) che nel Pacifico orientale (EP), utilizzando criteri specifici per garantire la precisione nella selezione degli eventi significativi. Gli eventi sono classificati come tali quando le anomalie della temperatura superficiale del mare (SST) superano i 0,6 K, un valore scelto per ridurre il numero di eventi con teleconnessioni deboli senza compromettere la dimensione del campione. Questo criterio più stringente rispetto allo standard di 0,5 K normalmente utilizzato da enti come la NOAA, mira a migliorare la qualità dell’analisi. Il composito di SST dimostra che i pattern durante gli eventi ENSO riecheggiano l’anomalia SST canonica dell’ENSO, come identificata dall’indice Niño3.4. In particolare, sono stati selezionati 23 eventi El Niño e 33 eventi La Niña durante i mesi invernali (DJF), dettagliati nella Tabella supplementare 1. Per enfatizzare la coerenza dell’analisi, gli El Niño estremi sono stati esclusi dalle sezioni principali dello studio a causa delle loro teleconnessioni atipiche nell’Atlantico Nord. Tuttavia, una sezione dedicata esplorerà l’impatto di cinque eventi estremi significativi, fornendo insight preziosi sulle loro peculiari dinamiche climatiche.

L’analisi si concentra sui compositi medi degli eventi ENSO, tralasciando le modulazioni decennali o multidecennali delle teleconnessioni, che sono complesse da dimostrare statisticamente. Questo focus permette di mantenere una chiarezza metodologica e di concentrarsi su risultati immediatamente quantificabili. La ricerca approfondisce le non linearità nelle teleconnessioni, analizzando separatamente gli eventi CP e EP, sia El Niño che La Niña. Questo esame dettagliato aiuta a comprendere in che misura varie categorie di eventi ENSO influenzino l’atmosfera in modi diversi, ponendo particolare attenzione alle variazioni tra la variabilità associata e non associata alla NAO.

Questo studio offre una visione dettagliata e strutturata delle teleconnessioni ENSO, utilizzando un approccio rigoroso nella selezione degli eventi e nella loro analisi, contribuendo significativamente alla comprensione delle dinamiche climatiche globali.

Figura 1: Compositi di Anomalie di Temperatura Superficiale del Mare (SST) per Eventi El Niño e La Niña

Analisi Complessiva: La Figura 1 illustra le differenze nelle anomalie di SST tra gli eventi El Niño e La Niña durante i mesi invernali di dicembre, gennaio e febbraio (DJF). Utilizzando dati dal dataset HadISST v1.1, la figura è divisa in tre pannelli distinti che rappresentano differenti regioni del Pacifico, ognuna delle quali è crucialmente importante per l’analisi degli impatti climatici degli eventi ENSO.

Dettagli dei Pannelli:

1. Pannello (a) – ENSO del Pacifico Centrale (CP): Questo pannello visualizza le anomalie di SST nella regione Pacifico Centrale, definita tra 165° Est e 140° Ovest, e tra 10° Sud e 10° Nord. Le anomalie evidenziate sono contrassegnate da colori che indicano la significatività statistica al 5%. L’uso di sfumature di rosso e blu sottolinea rispettivamente i valori positivi e negativi delle anomalie.
2. Pannello (b) – ENSO del Pacifico Orientale (EP): Focalizza sulle anomalie SST nella regione del Pacifico Orientale, tra 110° Ovest e 80° Ovest, da 10° Sud a 10° Nord. Anche qui, la significatività statistica al 5% è rappresentata con colorazione simile al pannello (a), facilitando confronti diretti tra le due regioni.
3. Pannello (c) – Combinazione di ENSO EP e CP: Combina le informazioni dei due pannelli precedenti, mostrando un quadro complessivo delle anomalie SST attraverso il Pacifico. È utile per osservare le anomalie aggregate di temperatura che coinvolgono entrambe le aree di ENSO.

Importanza delle Anomalie: L’intervallo di contorno (CI) di 0.5 K in ogni pannello aiuta a quantificare le variazioni di temperatura, delineando i contorni che rappresentano incrementi o decrementi di 0.5 K. Questa dettagliata visualizzazione delle anomalie SST non solo distingue tra eventi El Niño e La Niña, ma fornisce anche una base per comprendere le dinamiche climatiche più ampie associate agli ENSO.

La Figura 1 è quindi essenziale per identificare e analizzare le variazioni di temperatura legate agli eventi El Niño e La Niña e il loro impatto potenziale sul clima globale, offrendo un supporto visivo cruciale per la comprensione delle complesse interazioni climatiche legate agli ENSO.

Teleconnessioni ENSO e loro Interazione con la Variabilità NAO e non-NAO

Le sezioni 3.1 e 3.2 presentano composizioni lineari come anomalie atmosferiche associate ad El Niño meno quelle associate a La Niña. Non abbiamo trovato differenze qualitative importanti tra le composizioni atmosferiche lineari degli eventi CP-ENSO e EP-ENSO, quindi questi eventi sono stati raggruppati per aumentare la dimensione del campione per le analisi composite.

Le composizioni dei campi atmosferici associati a ENSO durante Novembre-Dicembre sono mostrate nelle colonne a sinistra delle Fig. 2 (ortogonali alla NAO) e 3 (parallele alla NAO). È stato riportato da studi precedenti un modello di anomalia correlato a ENSO che somiglia al modello dell’Atlantico Est (EA) durante Novembre-Dicembre. Qui, l’analisi indica che questa teleconnessione ENSO al modello simile a EA proviene dalla parte della variabilità che è ortogonale alla NAO (prima riga in Fig. 2). Inoltre, l’analisi della variabilità parallela alla NAO trova che El Niño (La Niña) è connesso alla fase positiva (negativa) della NAO (prima riga in Fig. 3) durante Novembre-Dicembre.I risultati che affrontano il focus principale di questo studio sono mostrati nelle righe inferiori delle Fig. 2 e 3. Le composizioni della variabilità non-NAO in JFM associate a ENSO (Fig. 2e, f) mostrano il ben noto treno d’onda ad arco dal Nord Pacifico, con la caratteristica predominante di un indebolimento del Minimo delle Aleutine. Le composizioni della variabilità correlata alla NAO (Fig. 3e, f) sono coerenti con il pensiero convenzionale secondo cui una NAO negativa (positiva) è associata a El Niño (La Niña). Le ampiezze delle composizioni lineari della pressione al livello del mare (SLP) mostrate in Fig. 2f, 3f indicano che la teleconnessione media di El Niño e La Niña sull’Atlantico Nord e in Europa è del 20-30% di una deviazione standard delle anomalie SLP nella regione. Mentre la variabilità non-NAO domina sul Nord Pacifico, sia la variabilità non-NAO che quella NAO sono importanti per la teleconnessione ENSO sull’Atlantico Nord. La Fig. 10 conferma che la somma delle composizioni non-NAO e NAO deve essere uguale alla composizione dai dati originali, confermando anche che i nostri calcoli sono stati eseguiti correttamente. L’inclusione degli eventi estremi di El Niño nelle composizioni potrebbe rafforzare il modello non-NAO e quindi indebolire il contributo del segnale NAO alla teleconnessione complessiva, ma non tanto che la NAO debba essere trascurata. Pertanto, la nostra analisi mostra teleconnessioni ENSO statisticamente significative correlate alla NAO attraverso tutta la profondità della troposfera (Fig. 3e, f).Dato che i dati utilizzati nell’analisi per la Fig. 3 contengono solo la variabilità NAO, una critica ragionevole è che qualsiasi selezione di anomalie per calcolare le composizioni deve risultare soltanto in una NAO positiva o negativa, a prescindere dalla presenza di significatività statistica. Pertanto, oltre al test t di Student già mostrato nelle Fig. 3e, f, abbiamo eseguito due test di bootstrap per valutare la robustezza dei segni e delle ampiezze. Il primo test è simile a quello utilizzato in Deser et al. (2017) e King et al. (2021). Per ottenere un indice NAO di bootstrap relativo a ENSO, gli anni di El Niño e La Niña vengono rispettivamente campionati casualmente con sostituzione; e la differenza (El Niño meno La Niña) nei valori medi standardizzati di PC 1 (indice NAO) viene poi calcolata. Questo passaggio è ripetuto 20.000 volte per creare una gamma di valori di bootstrap. L’intervallo di confidenza dal 2,5° al 97,5° percentile (che quantifica l’incertezza nel campionamento) contiene solo valori negativi dell’indice NAO (Fig. 4a). I pannelli c, d mostrano le anomalie SLP corrispondenti per questi percentili, indicando spazialmente il NAO negativo a questi limiti. Il risultato del test conferma la significatività statistica mostrata nella Fig. 3f e il concetto della relazione di ENSO con il segno della NAO che è coerente con la comprensione convenzionale. Molteni et al. (2020) hanno anche applicato il bootstrap alla rianalisi CERA-20C e hanno scoperto che l’indice NAO correlato a ENSO, basato sull’altezza geopotenziale a 500 hPa, assume valori negativi nei mesi di gennaio-febbraio, fornendo così ulteriore supporto. Il secondo test implementa un test di bootstrap in cui tutte le stagioni JFM disponibili nel periodo 1870-2014 sono utilizzate per calcolare 23 stagioni estratte casualmente meno 33 stagioni estratte casualmente. L’ipotesi nulla è che gli eventi selezionati di El Niño e La Niña siano campioni casuali per quanto riguarda l’ipotizzata teleconnessione alla NAO, e quindi la teleconnessione calcolata non ha significatività statistica.

Una dimensione del campione di bootstrap più piccola (2000) è stata utilizzata perché il campionamento dei dati spaziali è più intensivo dal punto di vista computazionale rispetto al campionamento degli indici sopra descritto. L’ombreggiatura grigia nella colonna sinistra (destra) della Fig. 11 indica i punti griglia dove i compositi osservati (come mostrato nelle Fig. 3e, f) sono minori (maggiori) del 5° (95°) percentile dei valori dei punti griglia dei compositi di bootstrap. Questo indica anche che meno del 5% dei campioni casuali hanno anomalie negative (positive) tanto basse (alte) quanto il centro d’azione meridionale (settentrionale) nei compositi osservati. Di conseguenza, l’ipotesi nulla può essere respinta e l’ipotesi che la teleconnessione El Niño meno La Niña sia associata a un NAO negativo come mostrato nella Fig. 3 è preferita a un livello di confidenza del 95%.

Infine, si nota che le anomalie mostrate nella Fig. 3 sono una rappresentazione spaziale della relazione tra ENSO e l’indice NAO (PC 1), poiché tutti i punti nello spazio covariano mutualmente e perfettamente con l’indice NAO (coefficiente di correlazione = 1,0). Se esiste una significatività statistica nella relazione tra ENSO e l’indice NAO, allora esiste significatività statistica per tutti i punti griglia (significatività locale); e, se non esiste significatività statistica, essa è assente anche in tutti i punti griglia. In questo caso, un test di significatività statistica globale è equivalente al test locale, e i due hanno gli stessi valori di p (<0,05). Raggiungere la significatività del campo qui non aggiungerebbe ulteriore confidenza statistica rispetto a quella già fornita dal test locale. Non è banale evitare questa questione nell’indagare il legame di ENSO con NAO, poiché questa indagine si basa su una definizione di NAO che è essenzialmente basata su una serie temporale e il rilevamento statistico di un segnale in questa serie temporale ‘rumorosa’. Tuttavia, i tre test statistici (t di Student e due test di bootstrap) eseguiti sopra aiutano a migliorare la confidenza nella relazione ENSO-NAO identificata.

La Figura 2 presenta le composizioni dei campi atmosferici per gli eventi di El Niño meno La Niña (gli eventi EP-ENSO e CP-ENSO sono aggregati, escludendo gli El Niño estremi). L’analisi si concentra sulla variabilità ortogonale alla NAO (Oscillazione Nord Atlantica).

La figura è suddivisa in sei pannelli che rappresentano due distinti periodi: Novembre-Dicembre (pannelli a, b, c) e Gennaio-Febbraio-Marzo (pannelli d, e, f). Ogni pannello visualizza differenti componenti dei dati atmosferici:

• Pannelli a e d: Illustrano le anomalie a 250 hPa (geopotenziale), indicando l’altezza della pressione atmosferica a circa 10.000 metri sopra il livello del mare.
• Pannelli b e e: Mostrano le anomalie a 200 hPa (geopotenziale), simili ai pannelli a e d, ma a un’altezza leggermente inferiore di circa 11.800 metri.
• Pannelli c e f: Presentano le anomalie della pressione al livello del mare (SLP), che sono cruciali per osservare gli impatti delle variazioni atmosferiche direttamente al livello del suolo.

Le linee di contorno blu (negative) e rosse (positive) indicano le anomalie. L’ombreggiatura grigia segnala che le anomalie sono statisticamente significative al 5%, basate sui dati della rianalisi del ventesimo secolo NOAA-CIRES (V2c).

In conclusione, questi pannelli evidenziano come le differenze tra gli eventi di El Niño e La Niña modellino la struttura atmosferica sopra l’Atlantico Nord, esaminando le variazioni nelle altezze di pressione e nelle pressioni al livello del mare durante specifici periodi dell’anno, mostrando l’effetto significativo che questi fenomeni possono avere sul clima delle regioni interessate.

La Figura 3 mostra i compositi dei campi atmosferici per gli eventi di El Niño meno La Niña (gli eventi EP-ENSO e CP-ENSO sono combinati, escludendo gli El Niño estremi). Qui, l’analisi si concentra sulla variabilità parallela alla NAO (Oscillazione Nord Atlantica).

La figura è organizzata in sei pannelli, rappresentanti due periodi distinti dell’anno: Novembre-Dicembre (pannelli a, b, c) e Gennaio-Febbraio-Marzo (pannelli d, e, f). Ogni pannello esplora diverse componenti dei dati atmosferici:

• Pannelli a e d: Illustrano le anomalie a 250 hPa (geopotenziale), che indicano l’altezza della pressione atmosferica a circa 10.000 metri sopra il livello del mare.
• Pannelli b e e: Presentano le anomalie a 200 hPa (geopotenziale), a un’altezza di circa 11.800 metri.
• Pannelli c e f: Mostrano le anomalie della pressione al livello del mare (SLP), fondamentali per osservare gli impatti delle variazioni atmosferiche direttamente al livello del suolo.

Le linee di contorno blu (negative) e rosse (positive) rappresentano le anomalie. L’ombreggiatura grigia indica che queste anomalie sono statisticamente significative al 5%, secondo i dati della rianalisi del ventesimo secolo NOAA-CIRES (V2c).

In conclusione, questi pannelli offrono una visione dettagliata di come le differenze tra gli eventi di El Niño e La Niña modellino la struttura atmosferica sopra l’Atlantico Nord, esaminando le variazioni nelle altezze di pressione e nelle pressioni al livello del mare durante periodi specifici dell’anno, evidenziando l’importante impatto che questi eventi possono avere sul clima regionale.

Proprietà atmosferiche correlate alla teleconnessione ENSO

In questa sezione, descriviamo le proprietà atmosferiche precedenti e contemporanee associate alla teleconnessione ENSO in termini di variabilità ortogonale e parallela alla NAO in JFM.

Per esaminare i modelli compositi che precedono la teleconnessione di JFM, mostriamo nelle righe superiore e inferiore della Figura 5 i compositi di ENSO per le anomalie di novembre-dicembre, che sono rispettivamente non correlate e correlate alla NAO in JFM. Questi modelli compositi nella Figura 5 anticipano quelli in JFM (righe inferiori delle Figure 2 e 3 rispettivamente) di circa due mesi, se si considerano come punti di riferimento i centri dei periodi. I modelli a due mesi di anticipo (riga inferiore della Figura 5) sono fondamentalmente diversi dai modelli a ritardo zero (riga inferiore della Figura 3), suggerendo che potrebbero essere un precursore correlato all’ENSO per la NAO in JFM. In particolare, le Figure 5e, f assomigliano ai modelli di blocco scandinavo o degli Urali, che in studi precedenti sono stati segnalati come precursori della NAO o dell’Oscillazione Artica. Studi su altri fattori di teleconnessione sulla NAO come il ghiaccio marino artico, la copertura nevosa eurasiatica e la SST dell’Atlantico Nord hanno trovato anomalie circolatorie precursorie simili.

Al contrario, nel caso della variabilità ortogonale alla NAO, i compositi a ritardo zero (riga superiore nella Figura 2) e a due mesi di anticipo (riga superiore nella Figura 5) di novembre-dicembre presentano modelli qualitativamente simili, entrambi somiglianti al modello dell’Atlantico Est sopra l’Atlantico Nord. Pertanto, non siamo in grado di speculare se questi modelli atmosferici precedenti (a due mesi di anticipo) abbiano un collegamento dinamico con la teleconnessione in JFM o stiamo solo rilevando gli stessi segnali dell’ENSO dei compositi a ritardo zero. Non vi è inoltre alcun segnale statisticamente significativo nella stratosfera, che normalmente si ritiene fornisca un percorso dinamico per una correlazione ritardata in JFM sopra l’Atlantico Nord e influisca sulla variabilità della NAO. Questi fattori, insieme a una relativa mancanza di comprensione precedente nel meccanismo di anticipazione per la variabilità non-NAO, ostacolano la nostra capacità di inferire un collegamento dinamico in questo caso.

Per approfondire il collegamento tra la troposfera e la stratosfera, la Figura 6 presenta analisi composite del flusso di calore meridionale degli eddies (vT) nella stratosfera inferiore (100 hPa), precedente (colonna sinistra) e contemporanea (colonna destra) alla variabilità di JFM. La variabile vT, relativa a vT anomalo in novembre-dicembre (colonna sinistra), è qualitativamente simile nello spazio alle anomalie contemporanee in JFM (colonna destra), ma molto più debole. Per la teleconnessione ENSO non correlata alla NAO, il valore medio zonale netto di vT nel tardo autunno è vicino allo zero (inserzione laterale in Fig. 6a), il che è coerente con la mancanza di anomalie statisticamente significative nella circolazione stratosferica (Fig. 5a). Il vT per la teleconnessione non correlata alla NAO diventa più forte solo nel composite contemporaneo mostrato in Fig. 6b. Al contrario, il vT medio zonale precedente per la teleconnessione ENSO correlata alla NAO è già debolmente positivo nel medio zonale (inserzione in Fig. 6c) e diventa più forte nel composite contemporaneo (Fig. 6d). Come nei due paragrafi precedenti, interpretiamo questo risultato come l’esistenza di una relazione di lead-lag più forte tra troposfera e stratosfera per la variabilità correlata alla NAO, ma non per quella non correlata alla NAO.

Abbiamo scoperto che il vT anomalo contemporaneo (cioè a ritardo zero) presenta valori medi zonali fortemente positivi (nello stesso senso di El Niño) sia per la variabilità non-NAO che per quella NAO (vedi le inserzioni laterali nella colonna destra della Fig. 6). Questo è coerente con le Fig. 2d, 3d, dove si osservano altezze geopotenziali positive anomale forti nella stratosfera polare. L’analisi su vT correlato e non correlato alla NAO concorda in generale con studi precedenti che hanno riportato un’intensificazione (diminuzione) della propagazione ondulatoria verso l’alto sopra il Pacifico Nord sotto le condizioni di El Niño (La Niña) (Ineson e Scaife 2009; Jiménez-Esteve e Domeisen 2018; Manzini et al. 2006; Taguchi e Hartmann 2006).

Tuttavia, emergono ulteriori dettagli spaziali qualitativi. Ad esempio, la variabilità correlata alla NAO è principalmente in fase con, e potenzia, il modello climatologico di vT (Fig. 6d); in aggiunta al Pacifico Nord, anche il vT positivo sul Mare di Barents e sulla Russia nord-occidentale contribuisce al valore medio zonale positivo di vT (vedi anche Garfinkel et al. 2010; Kuroda e Kodera 1999; Peings 2019; Takaya e Nakamura 2008; White et al. 2019). La variabilità non correlata alla NAO (Fig. 6b) è diversa, con vT anomalo positivo e negativo (colorazioni) che si posizionano attraverso le regioni di vT climatologico positivo (contorni solidi) sul Pacifico Nord e sull’Eurasia. In entrambi i casi, le anomalie di vT positive sono più forti delle anomalie negative, contribuendo a valori medi zonali netti positivi (inserzioni in Fig. 6b, d). Interpretiamo il risultato della Fig. 6b come indicativo del fatto che gli eddies troposferici di JFM nel caso non-NAO sono in grado di generare onde propaganti verso l’alto anomale nella media zonale, risultando in un Z50 anomalo fortemente positivo a ritardo zero (vedi Fig. 2d). Per il caso NAO, l’Z50 anomalo a ritardo zero è anch’esso positivo, ma più debole (Fig. 3d), il che è coerente con il vT medio zonale più debole mostrato in Fig. 6d. Complessivamente, i risultati di questa sezione supportano l’idea di un percorso stratosferico nella risposta correlata alla NAO all’ENSO, dove il collegamento con la troposfera si sta già sviluppando in novembre-dicembre (Fig. 6c e riga inferiore in Fig. 5).

La Figura 4 include tre parti che illustrano differenti aspetti statistici e spaziali della relazione tra l’ENSO (El Niño e La Niña) e gli indici dell’NAO (North Atlantic Oscillation) durante i mesi di gennaio, febbraio e marzo (JFM).

(a) Distribuzione di probabilità degli indici anomali dell’NAO calcolati mediante bootstrap

Questa parte mostra un istogramma della distribuzione di probabilità di 20.000 indici anomali dell’NAO, ottenuti tramite la tecnica del bootstrap, associati all’ENSO. Ogni indice anomalo dell’NAO è calcolato come la media dei valori PC1 di 23 eventi di El Niño meno la media dei valori PC1 di 33 eventi di La Niña, ripetuto 20.000 volte. Le linee verticali grigie e le etichette indicano il 2,5° percentile (-1.27) e il 97,5° percentile (-0.17). Il modello nella Figura 3i corrisponde a un indice anomalo dell’NAO di circa -0.7.

(b) Composito della Pressione al Livello del Mare (SLP) corrispondente al 2,5° percentile degli indici dell’NAO ottenuti mediante bootstrap

Questa mappa mostra il composito della pressione al livello del mare (SLP) corrispondente al 2,5° percentile degli indici dell’NAO. Le linee di contorno blu indicano anomalie negative, mentre quelle rosse indicano anomalie positive. Questo suggerisce le condizioni di pressione predominanti quando gli indici dell’NAO sono estremamente bassi durante eventi di ENSO.

(c) Composito della Pressione al Livello del Mare (SLP) per il 97,5° percentile

Simile alla parte (b), ma per il 97,5° percentile degli indici dell’NAO ottenuti mediante bootstrap. Mostra le condizioni di pressione quando gli indici dell’NAO sono relativamente alti durante gli eventi di ENSO.

Interpretazione Generale

Queste visualizzazioni aiutano a comprendere come i pattern di pressione al livello del mare varino in relazione agli estremi degli indici dell’NAO durante gli eventi di ENSO, offrendo una visione più dettagliata di come El Niño e La Niña possano influenzare il clima nell’Atlantico del Nord attraverso l’oscillazione nord-atlantica.

La Figura 5 mostra compositi dei campi atmosferici per eventi di El Niño meno La Niña, combinando insieme eventi di ENSO orientali e centrali (EP- e CP-ENSO), escludendo gli El Niño estremi. La figura è organizzata in due righe che rappresentano differenti configurazioni temporali e spaziali associate alla variabilità NAO durante i mesi di novembre-dicembre (ND).

Righe e Colonne della Figura:

• Prima Riga (a-c): Mostra i campi per i mesi di ND con variabilità ortogonale alla NAO in JFM (gennaio, febbraio, marzo).
• Seconda Riga (d-f): Illustra i campi per ND con variabilità parallela alla NAO in JFM.

Contenuti Specifici per Colonna:

• Colonna (a, d) Z50 (altezza geopotenziale a 50 hPa): Rappresentano le anomalie di altezza geopotenziale nella stratosfera superiore.
• Colonna (b, e) Z200 (altezza geopotenziale a 200 hPa): Mostrano le anomalie nell’alta troposfera, indicando movimenti verticali e configurazioni di pressione aeree significative.
• Colonna (c, f) SLP (Pressione al Livello del Mare): Indicano anomalie di pressione al livello del mare che influenzano i pattern meteorologici regionali.

Anomalie:

• Linee di contorno blu: Indicano anomalie negative.
• Linee di contorno rosse: Indicano anomalie positive.
• Ombreggiatura grigia: Indica livelli di significatività statistica al 5%.

Interpretazione Generale:

Questi compositi sono utilizzati per osservare come le configurazioni di pressione e altezza geopotenziale differiscano durante gli eventi di El Niño rispetto a La Niña, e come queste differenze si allineino con la variabilità della Oscillazione Nord Atlantica durante i mesi invernali. La disposizione ortogonale e parallela rispetto alla NAO suggerisce un esame di come queste anomalie interagiscono o coincidano con i pattern tipici della NAO durante l’inverno.

La Figura 6 illustra i compositi di vT a 100 hPa per eventi di El Niño meno La Niña, escludendo gli El Niño estremi e combinando insieme gli eventi di ENSO orientali e centrali (EP- e CP-ENSO). La figura è suddivisa in quattro pannelli che mostrano le anomalie di vT sia relative alla NAO che non relative, durante i mesi di novembre-dicembre (ND) e gennaio-febbraio-marzo (JFM).

Panoramica dei Pannelli:

• Pannelli a sinistra (a, c): Rappresentano i campi di ND, cioè i mesi precedenti JFM, con le anomalie di vT che sono:
  • (a) ortogonali alla NAO in JFM (i.e., non correlati con la NAO in JFM).
  • (c) paralleli alla NAO in JFM (i.e., correlati con la NAO in JFM).
• Pannelli a destra (b, d): Mostrano i campi atmosferici di JFM con le anomalie di vT che sono:
  • (b) ortogonali alla NAO contemporanea.
  • (d) paralleli alla NAO contemporanea.

Elementi Visivi:

• Ombreggiature: Mostrano le anomalie di vT, dove i colori blu e arancione rappresentano rispettivamente le anomalie negative e positive.
• Contorni scuri: Indicano le climatologie di vT per i rispettivi mesi, con un intervallo di contorno (Cont. Int.) di 10 km/s.
• Inserzioni laterali: Illustrano i valori medi zonali dei compositi di vT lungo i 40°–90° N. Il numero in cima a ogni inserzione indica il valore medio di questa curva.

Significato e Interpretazione:

• Analisi Temporale: I pannelli a sinistra (a, c) mostrano le condizioni atmosferiche che precedono la variabilità della NAO in JFM, fornendo indizi sui possibili precursori o condizioni iniziali che influenzano la teleconnessione tra ENSO e NAO.
• Analisi Contemporanea: I pannelli a destra (b, d) esplorano come le anomalie di vT si manifestano contemporaneamente alla NAO durante i mesi di JFM, aiutando a capire l’impatto diretto dell’ENSO sulla NAO durante questo periodo.

Questa disposizione di pannelli permette di comparare direttamente l’impatto delle condizioni precedenti e contemporanee di ENSO sulla variabilità NAO, evidenziando differenze chiave nelle dinamiche atmosferiche legate all’ENSO e alla NAO nei mesi invernali.

3.3 Teleconnessioni ENSO degli El Niño Estremi, del Pacifico Centrale e Orientale

Studi che analizzano le medie di DJF o DJFM possono rilevare non linearità nelle teleconnessioni a causa dell’esistenza di teleconnessioni variabili all’interno di questi mesi (Figg. 2, 3, così come Moron e Gouirand 2003; King et al. 2018a, 2021). In questa sezione, rivediamo brevemente due altri fattori che contribuiscono alle non linearità—gli El Niño estremi, e le anomalie della temperatura superficiale del mare (SST) del Pacifico tropicale centrale (CP) o orientale (EP)—utilizzando l’approccio di separazione formale in componenti non-NAO e NAO, come sopra. Da notare che tutte le separazioni (in non-NAO/NAO, El Niño/La Niña, e CP/EP ENSO) dividono i segnali di teleconnessione e/o riducono le dimensioni del campione, entrambi i fattori che influenzano la significatività statistica. Pertanto, un importante (e generale) avvertimento qui è che la mancanza di significatività statistica potrebbe non indicare l’assenza di non linearità, solo che questa non può essere rilevata nei dati di ri-analisi (King et al. 2021). La non linearità stessa è un effetto di ordine inferiore (una differenza nelle anomalie di teleconnessione). Per questi motivi, molti studi su questo argomento si basano su grandi insiemi di simulazioni di modelli, e commentano la sfida nel rilevare significative non linearità anche in questi set di dati (ad es., Weinberger et al. 2019). Alcuni dei risultati seguenti non sono immuni da questo problema. La teleconnessione nell’Atlantico del Nord durante JFM per gli eventi di El Niño più estremi è stata trovata differente dall’NAO negativa associata agli El Niño tipici (Toniazzo e Scaife 2006). Per gli El Niño estremi nel gennaio-febbraio del 1983 e del 2016, un modello di previsione stagionale (UK Met Office GloSea5) è stato in grado di simulare il modello anomalo di SLP che è simile alle osservazioni (Scaife et al. 2017). Nel nostro studio, oltre alla separazione degli El Niño estremi dagli El Niño tipicamente forti, non indaghiamo ulteriormente le ampiezze delle teleconnessioni rispetto alle forze delle anomalie di SST di El Niño, il che comunque potrebbe essere difficile da stabilire utilizzando i dati di ri-analisi a causa della limitazione nelle dimensioni del campione (ma vedi lo studio di modello di Jiménez-Esteve e Domeisen 2020).

L’analisi in Figura 7 indica che la teleconnessione dell’El Niño estremo è completamente non correlata all’NAO, a differenza della teleconnessione dell’El Niño regolare, che include sia segnali non correlati all’NAO sia segnali correlati all’NAO. Nella colonna di sinistra sono presentati i compositi utilizzando i dati originali (non filtrati per variabilità non-NAO vs. NAO), e le colonne centrale e destra mostrano, rispettivamente, i compositi dalla variabilità non-NAO e NAO. La teleconnessione dell’El Niño estremo ottenuta qui (colonna di sinistra) è conforme a quanto riportato da Toniazzo e Scaife (2006). Secondo le definizioni dei nostri metodi, la somma dei pannelli centrale e destro di ogni riga deve essere uguale al pannello di sinistra. Quindi, la Figura 7 conferma che la variabilità non-NAO (colonna centrale) domina i compositi totali, mentre i segnali correlati all’NAO (colonna destra) sono molto deboli e non statisticamente significativi.

I compositi per i campi di novembre-dicembre sotto gli stessi eventi di El Niño estremo (Figura 12, compositi ritardati di circa 2 mesi) mostrano anche il predominio della variabilità non-NAO precedente. È interessante notare che ci sono somiglianze tra le anomalie di teleconnessione per l’El Niño estremo (Figura 7, colonna di sinistra) e le teleconnessioni non correlate all’NAO mostrate nella Figura 2 e nella fila superiore della Figura 5 per gli El Niño tipici (cioè, ‘non estremi’), suggerendo che le anomalie osservate sotto gli El Niño estremi potrebbero essere ancora attive sotto gli El Niño tipici. Le due differenze sono che, sotto gli El Niño tipici, la variabilità ortogonale all’NAO è più debole di quella sotto gli El Niño estremi (si noti che nelle Figure 7, 12 gli intervalli di contorno utilizzati sono il doppio di quelli nella Figura 2), e la variabilità correlata all’NAO è anche attiva. Perché in primo luogo gli El Niño estremi amplificano il non-NAO e non hanno influenza sulla variabilità NAO della teleconnessione è una questione interessante per ulteriori ricerche. Toniazzo e Scaife (2006) suggeriscono che il forzamento dall’Atlantico tropicale che covaria con El Niño gioca un ruolo in questo. Si osserva anche che c’è un’anomalia più forte e statisticamente significativa nella stratosfera sopra l’estremo oriente della Russia durante novembre-dicembre sotto gli El Niño estremi (Figura 12b), ma questa caratteristica è assente o debole sotto gli El Niño tipici (Figura 5a). Hardiman et al. (2019) riportano che il percorso troposferico della teleconnessione ENSO (basato sulle fonti di onde di Rossby sopra i Caraibi e l’Atlantico tropicale) è lineare con l’indice ENSO, intensificando così la teleconnessione non-NAO per un evento ENSO estremo.

Per completezza, la Figura 13 documenta il vT a 100 hPa relativo agli El Niño estremi in JFM; la variabilità corrispondente (Fig. 13b) presenta valori molto elevati, coerentemente con l’importante anomalia Z50 osservata nella Figura 7b, mentre il composito relativo alla NAO è molto debole in confronto (Fig. 13d), senza segnali statisticamente significativi nella stratosfera (Fig. 7c). Il vT precedente in novembre-dicembre (Fig. 13a, c) è anch’esso debole, ancora una volta in accordo con segnali deboli o assenti nel precedente Z50 (Fig. 12b, c) per la variabilità correlata alla NAO.

La non linearità o l’asimmetria è un argomento importante nella ricerca sulle teleconnessioni ENSO. In questa parte finale, esaminiamo brevemente le teleconnessioni dovute a El Niño e La Niña separatamente, includendo i loro corrispettivi CP e EP, dalla prospettiva non-NAO e NAO. Sebbene ci siano differenze localizzate nelle anomalie, considerando solo i segni complessivi e i pattern nell’intero emisfero (o nei settori del Pacifico Nord o Atlantico separatamente) non si evidenzia un’asimmetria degna di nota tra le teleconnessioni di El Niño e La Niña (Fig. 8) (vedi anche ad es. Bayr et al. 2019; Deser et al. 2017; Hardiman et al. 2019; King et al. 2021; Toniazzo e Scaife 2006). Il segnale non-NAO per La Niña (Fig. 8b) è leggermente più debole rispetto a quello per El Niño (Fig. 8a). Il segnale ENSO correlato alla NAO nella troposfera superiore (Fig. 3e) risulta provenire principalmente da El Niño (Fig. 8c), con il segnale di La Niña molto più debole e, di fatto, non statisticamente significativo di per sé (Fig. 8d). Iza et al. (2016) hanno scoperto che sono necessarie anomalie SST di La Niña più forti rispetto a El Niño per ottenere una teleconnessione sull’Atlantico Nord di magnitudine equivalente, indicando una non linearità tra le ampiezze dell’anomalia di teleconnessione sull’Atlantico Nord e le intensità di ENSO (vedi anche Jiménez-Esteve e Domeisen 2020).

In termini di eventi CP e EP, la Figura 9 non indica grandi asimmetrie degne di nota, considerando i segni e i modelli ampiamente su tutto l’emisfero e limitandosi solo ai segnali statisticamente significativi. Diversi studi precedenti (es. Feng et al. 2017; Zhang et al. 2018) hanno segnalato una non linearità nel settore nord-atlantico-europeo a causa di EP-La Niña. La nostra analisi rivela che questa non linearità origina dalla componente NAO (Fig. 9h), dove la teleconnessione di EP-La Niña presenta segni opposti rispetto a CP-La Niña, e anche rispetto a quanto ci si aspetterebbe in generale sotto La Niña. Tuttavia, un’importante avvertenza è che l’anomalia nella Figura 9h non è statisticamente significativa di per sé, anche se contribuisce all’apparente non linearità in alcune analisi.Regionalmente, per i segnali ortogonali alla NAO, gli eventi EP hanno teleconnessioni che si estendono nell’Atlantico a medie latitudini e raggiungono la penisola iberica (Fig. 9e, f), mentre ciò non si verifica per gli eventi CP (Fig. 9a, b).Per definizione del metodo EOF, le componenti NAO e non-NAO non sono temporalmente correlate quando si considera l’intero periodo di analisi. Tuttavia, non troviamo tale correlazione tra la variabilità non-NAO e NAO per il settore dell’Atlantico Nord nei nostri eventi ENSO selezionati (non mostrato). In altre parole, le anomalie non-NAO e NAO non si verificano insieme in media durante gli anni ENSO.La Figura 9 suggerisce che gli eventi EP (Fig. 9e, f) hanno una maggiore influenza sul segnale ENSO non-NAO sul settore dell’Atlantico Nord rispetto agli eventi CP (Fig. 9a, b). Questo è coerente con gli El Niños estremi che hanno teleconnessioni non-NAO, poiché questi eventi consistono principalmente di El Niños EP molto forti. Tuttavia, questa spiegazione non è completamente soddisfacente perché anche la teleconnessione di EP-El Niño si è trovata avere una componente correlata alla NAO (Fig. 9g).Considerando i compositi in termini di El Niño meno La Niña (come nelle Sezioni 3.1, 3.2), CP-ENSO (Fig. 9c, d) ha una relazione molto più forte con la NAO rispetto a EP-ENSO (Fig. 9g, h) (vedi anche Calvo et al. 2017; Feng et al. 2017; Graf e Zanchettin 2012; Ren et al. 2019) perché la teleconnessione di EP-La Niña ha lo stesso segno di EP-El Niño, come già descritto (quindi il pannello c meno d è più forte del pannello g meno h). Anche se non tutti i modelli nella Figura 9 sono statisticamente significativi, il risultato di EP-La Niña nel pannello h potrebbe spiegare perché i compositi completi di ENSO o le regressioni lineari mancano di un chiaro segnale NAO poiché questi eventi insieme riducono effettivamente l’anomalia NAO in questi tipi di analisi.

La Figura 7 presenta compositi dei campi atmosferici durante i mesi di gennaio, febbraio e marzo (JFM) per eventi di El Niño estremi (1878, 1889, 1973, 1983, 1998). I compositi sono calcolati utilizzando tre diversi set di dati:

1. Sinistra: Dati originali non filtrati.
2. Centro: Dati contenenti variabilità ortogonale alla NAO (Oscillazione del Nord Atlantico).
3. Destra: Dati contenenti variabilità parallela alla NAO.

Dettagli dei Pannelli:

• (a, b, c) Z50 (altezza geopotenziale a 50 hPa): Mostra le anomalie di altezza a livello della stratosfera.
• (d, e, f) Z200 (altezza geopotenziale a 200 hPa): Rappresenta le anomalie a un livello più basso nella troposfera.
• (g, h, i) SLP (Pressione al Livello del Mare): Illustra le anomalie di pressione al livello del mare.

Colorazione e Significato:

• Linee di contorno blu: Indicano anomalie negative.
• Linee di contorno rosse: Indicano anomalie positive.
• Ombreggiatura grigia: Indica livelli di significatività statistica al 5%.

Interpretazione:

• Le anomalie positive e negative sono rappresentate rispettivamente dalle linee rosse e blu, che mostrano dove la pressione o l’altezza geopotenziale sono rispettivamente più alta o più bassa del normale.
• L’ombreggiatura grigia segnala le aree dove le anomalie sono statisticamente significative, suggerendo che tali deviazioni dalla norma non sono casuali ma piuttosto legate all’El Niño estremo.
• La divisione dei dati in variabilità ortogonale e parallela alla NAO aiuta a discernere come l’El Niño interagisca o influenzi la variabilità climatica associata alla NAO, con possibili differenze nelle influenze sul clima a seconda dell’allineamento con questa oscillazione.

Questa analisi è cruciale per comprendere meglio la dinamica tra l’El Niño estremo e la NAO, e le sue possibili implicazioni sui modelli climatici e meteorologici globali.

La Figura 8 presenta i compositi Z200 (altezza geopotenziale a 200 hPa) durante i mesi di gennaio, febbraio e marzo (JFM) sotto le condizioni di El Niño (a sinistra) e La Niña (a destra). Per quest’analisi, gli eventi di El Niño e La Niña considerano sia eventi del Pacifico Orientale (EP) che del Pacifico Centrale (CP), escludendo gli El Niño estremi. I pannelli sono divisi per mostrare la variabilità ortogonale alla NAO (parte superiore) e la variabilità parallela alla NAO (parte inferiore).

Dettagli dei Pannelli:

• (a, b): Mostrano la variabilità ortogonale alla NAO per El Niño (a) e La Niña (b).
• (c, d): Illustrano la variabilità parallela alla NAO per El Niño (c) e La Niña (d).

Colorazione e Significato:

• Linee di contorno blu: Indicano anomalie negative.
• Linee di contorno rosse: Indicano anomalie positive.
• Ombreggiatura grigia: Segnala aree dove le anomalie sono statisticamente significative al 5%.

Interpretazione:

• Anomalie Positive e Negative: Le linee rosse e blu rappresentano zone dove l’altezza geopotenziale è rispettivamente superiore o inferiore alla media, indicando zone di alta e bassa pressione atmosferica.
• Significato Statistico: L’ombreggiatura grigia suggerisce che queste deviazioni non sono casuali ma piuttosto legate agli effetti di El Niño e La Niña.
• Variabilità Ortogonale vs. Parallela alla NAO: I pannelli superiore e inferiore permettono di esplorare come El Niño e La Niña influenzino diversamente la dinamica atmosferica relativa alla NAO, mostrando come questi fenomeni interagiscano o meno con la variabilità climatica associata alla NAO.

Questa analisi fornisce una visione dettagliata dell’impatto di El Niño e La Niña sulla circolazione atmosferica sopra il Nord Atlantico, essenziale per capire le complesse interazioni tra grandi scale climatiche e eventi climatici regionali.

La Figura 9 illustra i compositi Z200 (altezza geopotenziale a 200 hPa) durante i mesi di gennaio, febbraio e marzo (JFM) per eventi specifici di El Niño e La Niña, distinti per Pacifico Centrale (CP) e Pacifico Orientale (EP), escludendo gli El Niños estremi.

Colonne della Figura:

• Prima colonna (a, c): Compositi per CP-El Niño.
• Seconda colonna (b, d): Compositi per CP-La Niña.
• Terza colonna (e, g): Compositi per EP-El Niño.
• Quarta colonna (f, h): Compositi per EP-La Niña.

Righe della Figura:

• Riga superiore (a, b, e, f): Rappresenta la variabilità ortogonale alla NAO.
• Riga inferiore (c, d, g, h): Rappresenta la variabilità parallela alla NAO.

Significato delle Anomalie:

• Linee di contorno blu: Indicano anomalie negative (valori di altezza geopotenziale inferiori alla media).
• Linee di contorno rosse: Indicano anomalie positive (valori di altezza geopotenziale superiori alla media).
• Ombreggiatura grigia: Indica che le anomalie sono statisticamente significative al 5%.

Interpretazione:

• Le anomalie positive e negative evidenziano come l’altezza geopotenziale vari in risposta ai diversi tipi di eventi El Niño e La Niña, influenzando i pattern di pressione e circolazione atmosferica.
• La distinzione tra variabilità ortogonale e parallela alla NAO aiuta a delineare come queste condizioni climatiche interagiscano o influenzino l’Oscillazione del Nord Atlantico, una componente chiave per la regolazione del clima dell’Atlantico del Nord.
• La differenziazione tra eventi CP e EP permette di osservare come le variazioni nella posizione geografica dell’anomalia termica nell’Oceano Pacifico possano portare a risposte climatiche differenziate nel Nord Atlantico.

Questa analisi è cruciale per decifrare le complesse dinamiche tra fenomeni climatici oceanici su larga scala e la loro trasmissione attraverso i pattern meteorologici globali, contribuendo a una migliore previsione delle condizioni meteorologiche e climatiche in specifiche regioni del mondo.

4 Riassunto e discussione In uno studio recente, Mezzina et al. (2020) hanno messo in discussione se ci sia una connessione tra l’ENSO e l’NAO come comunemente riportato (El Niño associato a NAO negativo, La Niña associata a NAO positivo). Il loro principale argomento si basa su differenze apparenti tra i campi atmosferici di alto livello associati all’ENSO e quelli associati all’NAO. Se confermato, lo studio potrebbe avere ripercussioni non solo sulla nostra comprensione fondamentale delle teleconnessioni dell’ENSO, ma anche in aree applicative come la valutazione dei modelli e la previsione climatica. Il nostro studio esamina ulteriormente la suddetta affermazione. Lo facciamo identificando i segnali dell’ENSO in dati atmosferici che sono stati prima decomposti in componenti ortogonali e paralleli all’NAO. Questa decomposizione formale ci permette di identificare in modo inequivocabile le porzioni non-NAO e NAO della teleconnessione dell’ENSO. I risultati compositi (El Niño meno La Niña) mostrano che il noto tren d’onda nel Nord Pacifico risiede nella parte non-NAO della teleconnessione (fila inferiore della Fig. 2). Inoltre, l’analisi dei dati relativi all’NAO mostra segnali statisticamente significativi in JFM (fila inferiore della Fig. 3). Test statistici aggiuntivi utilizzando il bootstrapping (Fig. 4, 10) confermano la relazione ampiamente riportata tra l’ENSO e l’NAO al livello di confidenza del 95%. La conclusione principale è che sia le variabilità non-NAO che quelle NAO sono incorporate nei modelli di teleconnessione canonici dell’ENSO ai livelli atmosferici superiori (Fig. 10 e Sez. 3.1).

Un possibile obiezione alla metodologia utilizzata qui (García-Serrano 2022, comunicazione personale) è che l’indice NAO (PC 1 della SLP su un settore dell’Atlantico Nord) include intrinsecamente una covariabilità statistica con la serie temporale di Niño3.4 e, quindi, una struttura di teleconnessione dipolare condivisa, ma quella di cui Mezzina et al. (2020) sostengono non abbia altre proprietà NAO. Pertanto, il presente studio potrebbe non risolvere completamente il dibattito. Tuttavia, nel tentativo di comprendere l’NAO, la sua dinamica e gli effetti di teleconnessione, si deve prima definire l’NAO in termini della sua struttura spaziale (dipolo meridionale) e della variabilità associata (componente principale o indice). Non si può evitare tali procedure quando si fanno analisi statistiche di dati climatici rumorosi. Mezzina et al. (2020) hanno dovuto utilizzare la stessa definizione di NAO per avanzare i loro argomenti confrontando le teleconnessioni a livello atmosferico superiore dovute all’NAO (PC1) e a Niño3.4 mentre i due indici covariano e hanno segnali misti l’uno dell’altro. Quindi, una chiave per avanzare in questo dibattito potrebbe essere concordare su quale definizione di NAO sia appropriata per la questione in questione.

Le anomalie di circolazione in novembre-dicembre che precedono la teleconnessione ENSO correlata all’NAO in JFM assomigliano al modello scandinavo con un forte centro anticiclonico sull’Ural (fila inferiore in Fig. 5). Il flusso di calore meridionale associato vT è per lo più in fase spazialmente con e quindi potenzia il modello climatologico sul Nord Pacifico, l’Artico e il Mare di Barents (Fig. 6d). Queste caratteristiche sono state anche segnalate da numerosi studi che investigano i precursori o i motori atmosferici (ghiaccio marino, copertura nevosa eurasiatica, SST dell’Atlantico Nord) dell’NAO, oscillazione artica e variabilità del vortice polare (ad esempio, Garfinkel et al. 2010; Jiménez-Esteve e Domeisen 2018; Kuroda e Kodera 1999; Takaya e Nakamura 2008; García-Serrano et al. 2015; Gastineau et al. 2017; Siew et al. 2020). Queste proprietà atmosferiche correlate forniscono supporto per il percorso stratosferico attraverso il quale l’ENSO influenza l’NAO.

L’esistenza delle teleconnessioni ENSO correlate e non correlate all’NAO probabilmente contribuisce alle non-linearità rilevate da molti studi. La dimostrazione più evidente viene dagli eventi di El Niño estremi, la cui teleconnessione (Sez. 3.3) si è scoperto essere principalmente un fenomeno non-NAO con una interazione contemporanea con la stratosfera in JFM. Oltre al ruolo degli eventi di El Niño estremi (che possono coinvolgere anche l’Atlantico tropicale, vedi Toniazzo e Scaife 2006; Hardiman et al. 2019), non è chiaro dalle nostre analisi quali altri fattori influenzino l’attivazione della variabilità non-NAO o NAO durante un evento ENSO tipico (Sez. 3.3). Studi precedenti hanno suggerito che i tipi di SST ENSO, gli stati atmosferici e oceanici sopra gli oceani Indiano e Atlantico tropicale, e il vortice polare stratosferico potrebbero modulare le teleconnessioni ENSO generate sull’Atlantico Nord. Anche il cambiamento climatico e le variazioni climatiche multidecadali possono modulare la forza della relazione ENSO-NAO (es., Fereday et al. 2020; Ivasic et al. 2021; López-Parages et al. 2014; López-Parages e Rodríguez-Fonseca 2012). Considerati nel contesto dei nostri risultati, questi fattori potrebbero essere ulteriormente indagati per capire come modulano la teleconnessione ENSO con l’Atlantico Nord e, quindi, quando essa si manifesta come un segnale correlato o non correlato all’NAO. Una migliore comprensione dei fattori modulanti potrebbe contribuire a una migliore comprensione dinamica della variabilità euro-atlantica, a metriche più mirate per la valutazione dei modelli climatici e a una maggiore accuratezza delle previsioni stagionali. Il nostro studio dimostra i benefici della separazione della variabilità atmosferica nei componenti non-NAO e NAO nella ricerca della teleconnessione ENSO.

Appendice Vedi le Figure 10, 11, 12 e 13.

Figura 10 mostra quattro pannelli che rappresentano la composizione Z200 di JFM per l’ENSO utilizzando dati con variabilità ortogonale (a sinistra) e parallela (a destra) all’NAO, escludendo gli El Niño estremi. Ecco una spiegazione dettagliata di ogni pannello:Pannello (a) – Z200_NAO, CI=20m:

Mostra i dati di altezza geopotenziale a 200 hPa (Z200) che presentano variabilità ortogonale all’NAO.

Le linee di contorno blu rappresentano anomalie negative, mentre le rosse indicano anomalie positive.

È evidente una concentrazione di anomalie positive sopra la regione nord-atlantica e siberiana, con anomalie negative vicino alla Groenlandia.

Pannello (b) – Z200 || NAO, CI=20m:

Rappresenta i dati di Z200 con variabilità parallela all’NAO.

Anche in questo caso, le linee di contorno blu e rosse indicano rispettivamente anomalie negative e positive.

Le anomalie mostrano un pattern differente rispetto al pannello (a), illustrando l’effetto della variabilità parallela all’NAO.

Pannello (c) – Somma dei pannelli (a, b), CI=20m:

Fornisce una visione combinata delle influenze ortogonali e parallele all’NAO sulle anomalie di Z200.

Le anomalie combinate rivelano un pattern complesso che integra gli effetti visualizzati nei primi due pannelli.

Pannello (d) – Z200 (tot.), CI=20m:

Presenta i dati originali (non filtrati) di Z200, usati per confrontare gli effetti della separazione in componenti nelle analisi precedenti.

Serve come riferimento per valutare come le anomalie nei pannelli filtrati si discostino o corrispondano ai dati originali.

Questa visualizzazione aiuta a comprendere come le componenti ortogonali e parallele all’NAO modulino le anomalie dell’alta atmosfera durante eventi ENSO, escludendo gli El Niño estremi, e offre un’utile prospettiva per approfondire le dinamiche climatiche tra ENSO e NAO.

La Figura 11 illustra i risultati di un’analisi statistica dei dati climatici per il periodo gennaio-marzo (JFM), utilizzando una tecnica di bootstrap basata sulla selezione casuale di anni da un insieme storico (1870-2014). Questa metodologia aiuta a identificare come le variazioni estreme si collocano rispetto alla norma storica, specificatamente in relazione agli eventi ENSO. Ecco i dettagli di ciascun pannello:

1. Pannello (a) – Z200, 5° percentile, CI=10m:
   • Visualizza i valori del 5° percentile per l’altezza geopotenziale a 200 hPa (Z200).
   • Le linee di contorno blu rappresentano anomalie negative.
   • L’ombreggiatura grigia mostra aree dove la composizione osservata di ENSO è inferiore al 5° percentile.
2. Pannello (b) – Z200, 95° percentile, CI=10m:
   • Illustra i valori del 95° percentile per Z200.
   • Le linee di contorno rosse segnalano anomalie positive.
   • L’ombreggiatura grigia indica dove la composizione osservata di ENSO è superiore al 95° percentile.
3. Pannello (c) – SLP, 5° percentile, CI=0.5hPa:
   • Mostra i valori del 5° percentile per la pressione al livello del mare (SLP).
   • Le linee di contorno blu indicano anomalie negative.
   • L’ombreggiatura grigia mostra dove i dati di ENSO osservati sono inferiori al 5° percentile.
4. Pannello (d) – SLP, 95° percentile, CI=0.5hPa:
   • Presenta i valori del 95° percentile per SLP.
   • Le linee di contorno rosse indicano anomalie positive.
   • L’ombreggiatura grigia mostra dove la composizione di ENSO osservata supera il 95° percentile.

In sintesi, questi pannelli offrono una prospettiva dettagliata su come anomalie estreme siano distribuite durante periodi di ENSO, confrontando questi estremi con un ampio record storico. Questo tipo di analisi è fondamentale per valutare la variabilità climatica e per migliorare la comprensione delle dinamiche dei modelli climatici e dei loro impatti.

La Figura 12 mostra composizioni di campi atmosferici per novembre-dicembre (ND), relative a eventi di El Niño estremi durante gli anni 1878, 1889, 1973, 1983, 1998, e anticipa gli eventi di El Niño per il periodo gennaio-marzo (JFM). I pannelli sono suddivisi in tre categorie basate sulla variabilità rispetto all’NAO: totale, ortogonale all’NAO e parallela all’NAO. Di seguito, viene dettagliata l’analisi per ogni serie di pannelli:

1. Variabilità Totale (Pannelli a, d, g):
   • Pannello (a) – Z250 (altezza geopotenziale a 250 hPa)
   • Pannello (d) – Z200 (altezza geopotenziale a 200 hPa)
   • Pannello (g) – SLP (pressione al livello del mare)
   • Questi pannelli mostrano la variabilità atmosferica totale, con linee di contorno blu per le anomalie negative e rosse per le positive.
   • L’ombreggiatura grigia indica le aree dove le anomalie sono statisticamente significative al 5%.
2. Variabilità Ortogonale all’NAO (Pannelli b, e, h):
   • Pannello (b) – Z250
   • Pannello (e) – Z200
   • Pannello (h) – SLP
   • Illustrano la variabilità che non è influenzata dall’NAO, mostrando come gli eventi di El Niño interagiscono con l’atmosfera indipendentemente dall’NAO.
3. Variabilità Parallela all’NAO (Pannelli c, f, i):
   • Pannello (c) – Z250
   • Pannello (f) – Z200
   • Pannello (i) – SLP
   • Mostrano la variabilità che segue le dinamiche dell’NAO, evidenziando come l’NAO possa essere modulato o influenzato dagli eventi di El Niño.

Questa analisi multidimensionale permette di comprendere le interazioni complesse tra gli eventi di El Niño estremi e la variabilità atmosferica durante specifici periodi dell’anno, sottolineando l’importanza delle dinamiche del NAO nel modulare o essere influenzate da tali eventi. Questo approccio offre insight cruciali sulle dinamiche climatiche che possono aiutare a prevedere e interpretare gli impatti degli eventi El Niño su scala globale.

La Figura 13 analizza le composizioni di vT (prodotto del vento meridionale e della temperatura) a 100 hPa durante eventi di El Niño estremi (anni 1878, 1889, 1973, 1983, 1998). Queste mappe distinguono le influenze correlate e non correlate all’NAO (Oscillazione del Nord Atlantico) per i periodi di Novembre-Dicembre (ND) e Gennaio-Febbraio-Marzo (JFM). Di seguito, la spiegazione dettagliata per ciascun pannello:

1. Pannello (a) – vT non correlato all’NAO (ND):
   • Rappresenta la variabilità di vT che è ortogonale all’NAO durante ND.
   • Le anomalie negative e positive sono indicate rispettivamente con ombre in blu e rosso.
   • I contorni scuri visualizzano la climatologia di vT per questi mesi.
   • L’insetto laterale mostra i valori medi zonali di vT tra i 40° e i 90° N, con il numero in alto che rappresenta il valore medio di questa curva.
2. Pannello (b) – vT correlato all’NAO (ND):
   • Illustra la variabilità di vT che è parallela all’NAO durante ND.
   • Anche qui, le anomalie e la climatologia sono rappresentate con ombre e contorni simili al pannello (a).
3. Pannello (c) – vT non correlato all’NAO (JFM):
   • Presenta vT ortogonale all’NAO durante i mesi di JFM.
   • La rappresentazione delle anomalie e della climatologia segue lo stesso schema dei pannelli ND.
4. Pannello (d) – vT correlato all’NAO (JFM):
   • Mostra vT parallelo all’NAO per il periodo JFM.
   • Le anomalie e la climatologia sono indicate come negli altri pannelli.

Questa analisi offre una visione approfondita su come le variazioni atmosferiche legate agli eventi di El Niño estremi siano influenzate dalle dinamiche dell’NAO. L’uso di ombre e contorni per indicare le anomalie e la climatologia fornisce una chiara visualizzazione delle differenze tra le influenze correlate e non correlate all’NAO, offrendo dettagli cruciali per comprendere l’impatto degli eventi di El Niño in relazione ai cambiamenti atmosferici a scala globale.

https://www.researchgate.net/publication/368752802_ENSO_teleconnections_in_terms_of_non-NAO_and_NAO_atmospheric_variability