Estensione degli Indici dell’Oscillazione Nord Atlantica e del Blocco della Groenlandia 1800–2020 da Nuova Rianalisi Meteorologica
Sommario
Basandoci su una nuova rianalisi meteorologica disponibile, compiliamo e presentiamo serie stagionali estese dell’Oscillazione Nord Atlantica (NAO) e degli indici di blocco della Groenlandia che coprono il periodo 1800-2020, che analizziamo alla ricerca di tendenze significative. Questo rappresenta una notevole estensione all’indietro rispetto agli indici NAO basati su strumenti e rianalisi precedentemente disponibili tra Azzorre e Islanda e agli indici NAO basati sui componenti principali. Ciò ci permette di valutare l’eventuale effetto delle perturbazioni climatiche naturali, in particolare delle grandi eruzioni vulcaniche del 1809 e 1815 e del minimo solare Dalton tra circa 1790 e 1830, sulla circolazione atmosferica dell’Atlantico settentrionale. Troviamo che gli inverni 1809/10 e 1816/17 segnano picchi positivi di NAO, rispetto a diversi anni prima e dopo, in accordo con la teoria della forzatura vulcanica del clima. Tuttavia, vi è poca evidenza di una firma vulcanica della NAO estiva. Nel complesso, basandosi sulla serie storica di rianalisi significativamente più lunga, le nuove serie qui presentate corroborano ed estendono i nostri precedenti risultati riguardo a: (1) una NAO che varia notevolmente di anno in anno con un recente raggruppamento eccezionale di eventi estremi dal 2000 per l’inverno; (2) una tendenza crescente significativa al blocco sopra la Groenlandia in estate. Queste tendenze hanno importanti ripercussioni sulla probabilità dell’occorrenza di eventi meteorologici estremi nell’Europa nord-occidentale e sulla sensibilità e risposta del manto glaciale della Groenlandia al riscaldamento globale, specialmente se continuano come parte integrante dei cambiamenti climatici antropogenici.
Introduzione
L’Oscillazione Nord Atlantica (NAO) è una misura ampiamente utilizzata per studiare le variazioni del getto polare dell’Atlantico settentrionale (principalmente la posizione nord-sud del getto), che rappresenta un importante fattore determinante delle condizioni climatiche e delle fluttuazioni meteorologiche estreme nel Regno Unito, nell’Europa nord-occidentale e nella parte orientale del Nord America [1,2,3,4]. La NAO viene misurata in vari modi, utilizzando una differenza di pressione media al livello del mare da sud a nord (tipicamente tra Azzorre e Islanda, ma talvolta usando Lisbona o Gibilterra come stazione meridionale) o un’analisi dei componenti principali di dati di pressione o altezza geopotenziale grigliati sull’Atlantico settentrionale [1,2,5,6,7]. Rappresentando un sistema dinamico complesso e non lineare, la NAO presenta un ampio spettro di variazioni temporali [8,9,10] e, oltre alla variabilità interna, è probabilmente influenzata da una serie di fattori che agiscono sul getto [11]. I potenziali fattori di variazione del getto e della NAO possono essere raggruppati in diverse categorie: effetti criosferici dovuti alle variazioni dell’estensione del ghiaccio marino e del manto nevoso; effetti oceanici derivanti dalle temperature superficiali dell’Atlantico settentrionale, che possono anche influenzare, ad esempio, la teleconnessione NAO con le temperature superficiali dell’aria dell’altopiano tibetano [12]; influenze tropicali come l’Oscillazione Meridionale El Niño; effetti stratosferici dovuti alla variabilità della circolazione stratosferica, alla variabilità solare, alle eruzioni vulcaniche e all’Oscillazione Quasi-Biennale (una variazione del vento zonale che si propaga verso il basso nella stratosfera equatoriale, che tipicamente inverte la fase ogni circa 28 mesi tra flussi est e ovest). Questi fattori possono opporsi o rafforzarsi a vicenda e ci sono indicazioni delle loro interazioni [13]. Studi recenti hanno dimostrato la capacità di fornire previsioni stagionali invernali NAO accurate sia attraverso modelli dinamici [14,15] che statistici/sistemi complessi [13,16], fornendo una base per migliorare significativamente la previsione meteorologica stagionale dell’Atlantico settentrionale.
Riflettendo il modello spaziale delle variazioni di pressione atmosferica nell’Atlantico settentrionale, la NAO è strettamente associata alle fluttuazioni di altezza geopotenziale e di blocco sulla regione della Groenlandia, ad esempio, dove quest’ultime sono misurate utilizzando l’Indice di Blocco della Groenlandia (GBI) [17,18]. Il Blocco della Groenlandia è un fattore chiave per determinare la fase e il modello invernale della NAO [19,20], e influisce molto probabilmente anche sulla NAO in estate [21]. Le cause fisiche del blocco, e di conseguenza come esso risponde e influenza i cambiamenti climatici su una scala più ampia, sono poco comprese [22], specialmente in termini di connessione tra meteo (giornaliero) e clima (interannuale). Esiste una concreta possibilità che il Blocco della Groenlandia possa fungere da canale tra l’amplificazione artica del riscaldamento globale e il getto polare dell’Atlantico settentrionale e, quindi, i cambiamenti della NAO [23], sebbene tali collegamenti siano estremamente complessi e non lineari [2,24,25]. Il Blocco della Groenlandia potrebbe anche avere una più ampia influenza sulle temperature superficiali estive nel Nord Canada e nell’Est Siberia [26], e le altezze geopotenziali della Groenlandia – che attraverso il loro rapporto con il Basso Canadese e l’Alto Siberiano sono più direttamente legate ai cambiamenti del getto nei pressi dell’Islanda – sono state rilevate avere un effetto maggiore rispetto ai cambiamenti su scala più ampia della NAO sulla dinamica della vegetazione in Islanda [27]. Episodi estremi di Blocco della Groenlandia possono anche originare da perturbazioni dell’onda Rossby che si propagano dal Pacifico tropicale [21] e sono associati a un maggiore trasporto di umidità nella regione [28]. Ricerche recenti mostrano un significativo aumento del blocco nella regione della Groenlandia, principalmente in estate, a partire dal 1990, raggiungendo picchi nel 2012 e 2019 [21,29,30,31,32]; tuttavia, anche nell’ultima decade, ci sono estati contrastanti con forti condizioni cicloniche [33].
Questo recente aumento osservato del Blocco in Groenlandia durante l’estate non è simulato dalla generazione attualmente disponibile di modelli climatici globali (GCMs), i quali prevedono un declino graduale di tale blocco nello stesso periodo [29,34]. In generale, i GCMs hanno grandi difficoltà nel rappresentare il blocco sia in termini della sua climatologia attuale sia dei cambiamenti [22,35], anche se tale blocco è sia localmente molto significativo sia influente sul clima emisferico in generale.
Inoltre, ci sono profonde implicazioni in un potenziale continuo aumento del Blocco in Groenlandia durante l’estate per potenziare la fusione e la perdita di massa superficiale (accumulo netto di neve meno deflusso di acqua di fusione superficiale) del manto glaciale della Groenlandia, dove le perdite superficiali attualmente – e molto probabilmente anche in futuro – dominano il bilancio di massa complessivo del manto glaciale [31,36]. Comprendere come questo vasto deposito di ghiaccio risponda ai futuri cambiamenti climatici dipende dalla capacità di modellare meglio i cambiamenti della circolazione atmosferica sulla regione della Groenlandia [37,38]. Inoltre, l’aumento del Blocco in Groenlandia negli ultimi 25-30 anni ha molto probabilmente contribuito ad alcuni periodi estivi record di piogge in Inghilterra e Galles [3,21], mentre un Blocco in Groenlandia più variabile in inverno (specialmente all’inizio dell’inverno – dicembre) ha accompagnato un aumento nella variazione annuale del getto polare dell’Atlantico settentrionale e condizioni meteorologiche invernali più estreme nel Regno Unito nell’ultima decade [7,39].
I risultati esistenti si basano tipicamente sulla media dell’area della Groenlandia della geopotenziale a 500 hPa [18,40], ma un aumento significativo del Blocco della Groenlandia in estate negli ultimi ~50 anni è anche indicato utilizzando variazioni relative nella geopotenziale tra la regione della Groenlandia e la media zonale emisferica per mitigare l’eventuale effetto del riscaldamento globale sui livelli di altezza media, che risulta essere minimo fino ad oggi [29,34], così come un approccio misto [22]. Altre possibili conseguenze climatologiche di un aumento continuo della frequenza e intensità del Blocco della Groenlandia includono potenziali influenze sulle traiettorie dei principali cicloni tropicali, come quella dell’Uragano Sandy nel 2012, che è stato impedito di ricurvarsi verso il polo sull’Atlantico settentrionale e ha invece seguito una traiettoria interna verso ovest sulla regione del New Jersey/New York [41].
In precedenti lavori, abbiamo utilizzato dati di rianalisi meteorologica contemporanea per costruire serie temporali mensili e stagionali del GBI dal 1851 al 2015, riscontrando un aumento significativo del GBI estivo dal 2007 [30]. Questo aumento del Blocco della Groenlandia è stato successivamente confermato da altri studi [21,22,32,34,40]. In un’analisi parallela, abbiamo analizzato le tendenze e la variabilità della NAO dal 1899 al 2013 e abbiamo riportato una diminuzione significativa della NAO estiva dagli anni ’90, nonché un aumento significativo a lungo termine della variabilità da un anno all’altro dei valori della NAO di inizio inverno (dicembre), che è culminata in un raggruppamento di valori record alti e bassi durante l’ultima decade del 2004-2013 [7]. Tuttavia, queste analisi sono limitate dalla lunghezza dei record disponibili, quindi è importante verificare i loro risultati utilizzando set di dati climatici più lunghi e potenzialmente più affidabili di recente disponibilità.
Gli sforzi recenti dei principali centri di modellazione climatica hanno prodotto nuove generazioni di rianalisi meteorologiche. Questi includono prodotti disponibili a ritroso fino al 1806 (il dataset esteso di Rianalisi del Ventesimo Secolo, versione 3 = 20CRv3 [42]), fino al 1600 (la rianalisi EKF400v2 [43]) e persino per l’ultimo millennio (La Rianalisi dell’Ultimo Millennio [44]). In questo studio, utilizziamo uno di questi prodotti, le rianalisi EKF400v2, come base per costruire e analizzare nuovi lunghi record stagionali di NAO e GBI che coprono il periodo dal 1800 al 2020. Estendendo la nostra precedente analisi di NAO e GBI indietro di 50-99 anni, ci manteniamo nel lasso di tempo in cui sono disponibili almeno alcuni dati strumentali (il che è probabile che renda una rianalisi più affidabile rispetto all’uso di soli dati proxy) e ci permette di rivalutare la rilevanza dei cambiamenti della circolazione atmosferica dell’Atlantico del Nord negli ultimi decenni, che sono probabilmente stati fortemente influenzati dal riscaldamento globale causato dall’uomo, in un contesto del primo-metà del diciannovesimo secolo in gran parte non perturbato (da gas serra antropogenici). Per aggiornare la nostra analisi e utilizzare il miglior prodotto composito disponibile, integriamo i dati EKF400v2 con la recente rianalisi ERA5 del Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF) [45].
Estendendo i record NAO/GBI fino al 1800, possiamo anche valutare la potenziale firma sui modelli e la variabilità della circolazione dell’aria nell’Atlantico del Nord di un paio di significative variazioni climatiche naturali che si sono verificate durante l’inizio del diciannovesimo secolo. In particolare, il minimo solare di Dalton del 1790-1830 [46] e l’eruzione del Monte Tambora nell’aprile 1815, che è stata l’evento vulcanico più potente nella storia umana [47]. Lavori di modellazione precedenti suggeriscono che, a livello globale o emisferico, si ritiene che gli effetti vulcanici di molteplici eruzioni durante questo periodo, piuttosto che la forzatura solare, abbiano principalmente contribuito al calo della temperatura globale durante questi decenni [46]. Grandi eruzioni tropicali riscaldano la bassa stratosfera alle basse latitudini attraverso l’assorbimento della radiazione solare, il che aumenta il gradiente di temperatura meridionale della stratosfera. Questo, a sua volta, rafforza il vortice polare e favorisce le condizioni positive dell’Oscillazione Artica (AO)/NAO con inverni più miti e piovosi nell’Europa settentrionale, contemporaneamente al raffreddamento della superficie media globale a causa della riflessione degli aerosol, nei primi anni dopo un’eruzione. D’altro canto, il raffreddamento radiativo troposferico domina in estate, con condizioni più fresche in gran parte dell’Europa e una tendenza a un sistema di alta pressione scandinavo più debole [48,49,50], sebbene quest’ultimo non sia necessariamente riflettuto attraverso un NAO negativo (ad es., [4]).
Il riferimento [51] suggerisce inizialmente un NAO negativo e successivamente positivo derivante da cambiamenti nella distribuzione del velo di polvere atmosferico e nel gradiente di riscaldamento meridionale a seguito di eruzioni tropicali climaticamente significative. Nel frattempo, i periodi di ridotta attività solare sono ritenuti responsabili dell’indebolimento del vortice polare e portano a correnti occidentali polari più deboli e a un getto polare dell’Atlantico settentrionale più debole in inverno [52,53]. Nonostante gli studi di modellazione precedenti, rimangono domande intriganti riguardo agli effetti relativi del minimo solare di Dalton e dell’eruzione vulcanica di Tambora sul clima Euro-Atlantico (e globale) durante la metà-fine degli anni 1810. Poiché i valori NAO e GBI basati esclusivamente su dati strumentali o di rianalisi non erano precedentemente disponibili prima del 1821 e 1851, rispettivamente (e 1899 per i record NAO basati su componenti principali), affrontiamo anche questa questione qui. Infine, è stato recentemente segnalato [54] che le relazioni NAO-AO potrebbero rompersi a causa del cambiamento climatico dovuto ad anomalie di temperatura superficiale sull’Eurasia e sul Pacifico e ai cambiamenti nel coupling troposfera-stratosfera, e il nostro record NAO esteso potrebbe essere utile per affrontare queste e altre questioni in futuro.
Materiali e Metodi
2.1. Dataset di Rianalisi
Combiniamo le serie temporali NAO e dell’altezza geopotenziale della Groenlandia da due rianalisi di recente disponibilità: EKF400v2 ed ERA5. La rianalisi EKF400v2 utilizza il modello climatico globale ECHAM5.4 con il filtraggio di Kalman ad insieme per assimilare dati strumentali (pressione, temperatura e precipitazioni) e proxy (anelli degli alberi e coralli), producendo medie mensili che coprono il periodo 1601-2003 con una risoluzione di 2° di latitudine per 2° di longitudine e 32 livelli verticali [43]. Un insieme di simulazioni di modello transitorio pre-calcolate viene miscelato offline con i dati osservativi sopra menzionati. I dettagli metodologici completi sono forniti in [43]. EKF400(v2) è la prima paleo-rianalisi con informazioni mensili multivariate sullo stato dell’atmosfera degli ultimi 400 anni. Il file di input sulla pressione contiene 141 serie temporali, inclusi i dati del Global Historical Climatology Network-Monthly (GHCN-Monthly) v2 dal 1755, serie storiche strumentali climatologiche superficiali della Greater Alpine Region dai dati del 1763, dati dei log delle navi intorno a 40° N, 35° W dal 1749-2004, Gordon Castle (Scozia; 1782-1827), Londra (1692-2004), Parigi (1670-2004) e Stoccolma (1756-2004) [43]. Qui, utilizziamo i dati EKF400v2 per il periodo 1800-1949; il 1800 è una data di inizio appropriata, come indicato dalla notevole dispersione dell’insieme (divergenza dei singoli membri del modello) che riflette le limitazioni nei dati di input prima della fine del diciottesimo secolo.
La nostra rianalisi moderna di scelta, ERA5, che copre il periodo da gennaio 1950 al quasi presente, sostituisce la vecchia analisi ERA-Interim che ha interrotto la produzione il 31 agosto 2019 e assimila enormi quantità di dati storici in situ e satellitari [45]. L’ERA5 si basa sul Sistema di Previsione Integrato (IFS) Cy41r2 dell’ECMWF che era operativo nel 2016, utilizza uno schema di assimilazione aggiornato, ha una risoluzione molto più elevata nel tempo e nello spazio, con campi di analisi orari su una griglia di 31 km (rispetto a 6 ore e 79 km per la rianalisi ERA-I precedente), e ha 137 livelli verticali fino a un’altitudine di 80 km. Come con EKF400v2, anche ERA5 ingloba nuovi set di dati rielaborati. Un’altra innovazione rispetto ad ERA-I sono le stime dell’incertezza, sebbene, dato che siamo molto sicuri dei valori di NAO e GBI rianalizzati per gli ultimi decenni, non li utilizziamo qui. Per confrontare con i risultati di EKF400v2 e fare un benchmark basato sui dati delle stazioni meteorologiche, utilizziamo il 20CRv3, che è il prodotto di quarta generazione (a seguito di v1, v2 e v2c) della Rianalisi del Ventesimo Secolo che copre il periodo 1806-2015, che rappresenta un periodo notevolmente più lungo rispetto al 20CRv2c (1851-2012) [42]. La rianalisi 20CRv3 assimila solo dati di pressione superficiale nel modello terrestre-oceano del Sistema di Previsione Globale con temperature superficiali del mare e concentrazione di ghiaccio marino prescritte e comprende stime meteorologiche ogni 3 ore su una griglia di 75 km con 64 livelli verticali.
La versione precedente di questo dataset (20CRv2c) presenta diversi problemi significativi, tra cui un bias nella pressione atmosferica al livello del mare a metà del XIX secolo e problemi con le stime della fiducia basate su insiemi. Il 20CRv3 utilizza metodi di assimilazione dei dati migliorati e assimila un numero maggiore di osservazioni di pressione, oltre a possedere un modello di previsione di nuova generazione e ad alta risoluzione che specifica la massa d’aria secca. Questi miglioramenti hanno ridotto il bias della pressione al livello del mare e aiutato a limitare le stime degli errori. Tuttavia, la nostra verifica degli archivi dell’International Surface Pressure Databank (ISPD, [55]) non mostra la presenza di dati di pressione superficiale islandesi fino a novembre 1845, sia nei dati disponibili che in quelli assimilati (Figura S1). Questo è alquanto sorprendente data la presenza conosciuta di osservazioni giornaliere di pressione da sud-ovest dell’Islanda (Reykjavík e Stykkishólmur) risalenti al 1820 [5,56]. Il non utilizzo di dati barometrici islandesi prima del 1845 potrebbe influenzare la rappresentazione di NAO e GBI in 20CRv3, potenzialmente sopprimendo la variabilità nelle stagioni estreme e aumentando la diffusione dell’insieme a causa della peggiore restrizione dei modelli di circolazione atmosferica dell’Atlantico settentrionale. Inoltre, il ghiaccio marino artico passa da una climatologia ripetuta (1806-1849) basata su HadISST2.3 ([57], aggiornata) al dataset di Walsh et al. [58] [42], il che potrebbe anche influenzare la rappresentazione della climatologia dell’Atlantico settentrionale ad alta latitudine.
L’incertezza in questi prodotti è tipicamente espressa tramite un insieme di modelli, dei quali ci sono, rispettivamente, 30 e 80 membri dell’insieme per EKF400v2 e 20CRv3. Qui, utilizziamo principalmente statistiche medie dell’insieme ma utilizziamo anche le serie dei membri dell’insieme EKF400v2 per aiutare a valutare la significatività delle tendenze di NAO e GBI (Sezione 3.1). Utilizziamo anche i dati dei membri dell’insieme per aiutare a delimitare le incertezze dei dati GBI/NAO individuali annuali per il periodo 1800-1830 (Sezione 3.2).
2.2. Serie di Pressione al Livello del Mare Basate su Stazioni e il Loro Utilizzo per Valutare i Dati di Reanalisi
Molto poche serie di pressione al livello del mare (MSLP) sono disponibili prima della metà del XIX secolo. Qui, introduciamo estensioni retroattive alle serie MSLP dell’Islanda sud-occidentale e di Gibilterra [5] e versioni aggiornate delle serie MSLP di Londra e Parigi [59] per confrontare/validare la MSLP di reanalisi 20CRv3 e EKF400v2. Queste sono quattro delle serie di stazioni MSLP più lunghe e quasi continue, e tra di loro coprono la zona di interesse dell’Atlantico nord-orientale/Europa occidentale.
La versione mensile della serie di pressione dell’Islanda sud-occidentale, che è iniziata nel 1821, è stata qui estesa per coprire il periodo settembre 1807-agosto 1814 (con una lacuna rimanente dal 1814-1821), basata su osservazioni fatte a Akureyri (65°40′ N, 18°05′ W; 5 m sopra il livello del mare) da una squadra di rilevamento costiero [60]. I diari originali non sono stati trovati, ma sono stati tutti copiati da un membro della squadra all’inizio degli anni 1830. Queste copie (ora conservate presso la biblioteca nazionale d’Islanda) furono copiate nuovamente dall’Istituto Meteorologico Danese alla fine del XIX secolo. Queste copie successive sono state digitalizzate dal Dr. Trausti Jonssón (comunicazione personale 2021) che ha applicato le correzioni necessarie e fornito metadati accompagnatori. Gli originali pollici francesi (27,07 mm) sono stati convertiti in hPa. Il barometro era situato in una stanza non riscaldata e la sua temperatura non era disponibile ma è stata stimata. La relazione tra la temperatura ambiente al barometro (tttb) e la temperatura esterna (ttto) si basava su misurazioni comparative fatte a Nes vicino a Reykjavík nel periodo 1822-1829:
𝑡𝑡𝑡b=0.813×𝑡𝑡𝑡o+2.309.
Si presumeva che, in caso di temperature esterne molto basse (ttto < -6,5 °C), la temperatura interna non scendesse al di sotto dei -3 °C. Il punto di congelamento Celsius è stato utilizzato come riferimento per la correzione, che era di 0,16917 hPa/°C. Sono state effettuate correzioni per l’altitudine sul livello del mare (+0,6 hPa) e per la gravità (+1,5 hPa). Sulla base di alte correlazioni (0,91 ≤ r ≤ 0,98) tra le medie mensili della pressione ad Akureyri e Reykjavík per il periodo 1951-2020, abbiamo utilizzato le differenze di MSLP mensili medie tra i dati MSLP di Akureyri e Reykjavík per questo periodo più moderno per correggere i valori mensili MSLP di Akureyri del periodo 1807-1814.
Il dataset mensile MSLP di Gibilterra dal 1821 al 2020 ([5], dati aggiornati) è stato esteso fino al 1799 utilizzando i dati di Cadiz/San Fernando nelle vicinanze: (1) da gennaio 1799 ad agosto 1801, 1804-1809 (con alcune lacune mensili) e maggio 1812-dicembre 1813 digitalizzati dalla Dr. Deborah Smith (comunicazione personale), e (2) da settembre 1816 a dicembre 1819 e da ottobre a dicembre 1820 digitalizzati dal coautore MB. Analogamente ai vecchi dati sulla pressione islandese descritti sopra, a questi dati sulla pressione di San Fernando recentemente scoperti sono state applicate correzioni per l’altitudine (~3 hPa) ma, a causa delle limitazioni nei metadati, solo la parte (1) è stata corretta per la gravità (-0,88 hPa) e la temperatura (utilizzando la formula che la MSLP completamente corretta = pressione parzialmente corretta – {1,65 + [temperatura (°C) – 10] × 0,16}).
Utilizziamo le serie MSLP mensili di Londra e Parigi aggiornate da [59]. Le serie MSLP di Londra e Parigi utilizzate in questa analisi si basano sulle serie giornaliere descritte in [61,62]. Tuttavia, piuttosto che essere una combinazione di osservazioni sub-giornaliere e valori medi su 24 ore, come era il caso nella serie precedente, i valori dei dati nella nuova versione sono sub-giornalieri per tutta la durata. Ciò ha richiesto la digitalizzazione di dati aggiuntivi per completare certi periodi. Nel caso di Londra per il periodo 1843-1854, sono state utilizzate le letture delle 9:00 e delle 14:00 registrate nel diario meteorologico privato di John Henry Belville, prese presso la sua abitazione in vari siti intorno a Greenwich; dal 1854 al 1920 sono state utilizzate le letture manuali del barometro prese presso il Royal Observatory Greenwich alle 9:00, 12:00 e 15:00; dal 1920 al 1949 (e per colmare le lacune nei periodi precedenti) sono state utilizzate le osservazioni di Londra dal Daily Weather Report (DWR) dell’UK Meteorological Office [63]. Le lacune nella serie di Belville sono state completate utilizzando le osservazioni conservate da William Rogerson, come pubblicato nella Nautical Magazine. Questi nuovi dati integrano la serie esistente utilizzata nella versione precedente della serie MSLP di Londra. Nel caso della serie di Parigi, sono stati utilizzati dati dall’Osservatorio di Montsouris per il periodo dal 1872 ad oggi. A questi dati sono stati aggiunti nuovi dati digitalizzati registrati all’Osservatorio di Parigi che erano stati estratti dalla pubblicazione del Journal de Physique prima del 1816 e dal registro dell’Osservatorio per il periodo 1816-1871.
Sono state applicate delle correzioni, laddove necessario, alle serie di pressione barometrica digitalizzate per ridurre le letture a zero gradi Celsius, alla gravità standard e al livello medio del mare rispetto alle loro rispettive altezze di osservazione. Le letture sono state anche convertite nell’unità di hPa dalle unità originali di osservazione. I dati sono stati controllati in termini di qualità eliminando valori non fisici, attraverso il confronto delle serie tra loro, così come i valori MSLP sub-giornalieri contemporanei registrati a De Bilt nei Paesi Bassi, e contro i valori 20CRv3 secondo il metodo descritto dal riferimento [64]. Variazioni grandi e rapide nei valori giornalieri di MSLP sono state anche esaminate manualmente e rimosse laddove necessario seguendo il riferimento [65]. I dati mensili sono stati quindi testati per l’omogeneità temporale attraverso il confronto con la media ponderata delle stazioni vicine più prossime utilizzando il test Penalized Maximal t [66] e senza una serie di riferimento utilizzando il test Penalized Maximal F [67] dal software RHtestsv4 [68]. Le serie di riferimento erano le stesse utilizzate nei riferimenti [61,62]. Tuttavia, dato i miglioramenti apportati attraverso la digitalizzazione delle nuove fonti di dati, l’unico aggiustamento ritenuto necessario era quello per tenere conto della deriva nella serie di Londra prima del 1822 [61]. Un aggiustamento di +0,5 hPa è stato applicato ai dati di Parigi prima del 1856 per correggere un cambio repentino nei dati, oltre a una correzione di +3/4 di linea (2,3 hPa) prima del 21 maggio 1800. I valori sub-giornalieri sono stati interpolati per una osservazione a mezzogiorno dal rispettivo orario di registrazione, e i valori medi mensili sono stati calcolati da questi valori di mezzogiorno.
Le statistiche comparative e le rappresentazioni grafiche dei dati di reanalisi stagionali 20CRv3 e EKF400v2 rispetto a queste quattro serie temporali osservate per il periodo 1806-1850 sono presentate nella Tabella S1 e nelle Figure S2-S5. Esse mostrano una performance generalmente superiore di EKF400v2 rispetto a 20CRv3 per questo periodo dell’inizio-metà del XIX secolo. Le correlazioni più alte tra EKF400v2 e le stazioni meteorologiche (0,88 ≤ r ≤ 0,98) si trovano per Londra e Parigi (Tabella S1), il che non sorprende, poiché queste stazioni sono state utilizzate nella reanalisi EKF400v2 (Valler et al. 2021). Le correlazioni tra 20CRv3 e le stazioni meteorologiche per questi due siti sono ancora alte (0,67 ≤ r ≤ 0,89) per tre stagioni, sebbene diminuiscano per l’estate (0,50 per Londra e 0,46 per Parigi). L’ISPD, versione 4 [69], utilizzata come base per 20CRv3, contiene serie temporali per il periodo 1811-1880 per Parigi ma solo 1815-1817 per Londra. Le correlazioni tra reanalisi e stazione per l’Islanda sud-occidentale sono molto più alte per EKF400v2 (0,81 ≤ r ≤ 0,90) rispetto a 20CRv3 (0,23 ≤ r ≤ 0,55), il che riflette l’inclusione dei primi dati MSLP dell’Islanda sud-occidentale (1821-1844) in GHCN-Monthly v2 [70], che viene inglobato in EKF400v2, e la sua mancata incorporazione in 20CRv3 fino al 1845. Allo stesso modo, Gibilterra non viene incorporata in 20CRv3 fino al 1852, rispetto a EKF400v2, che ingloba Gibilterra dal 1821 tramite il GHCN v2 (https://iridl.ldeo.columbia.edu/SOURCES/.NOAA/.NCDC/.GHCN/.v2/, consultato il 2 marzo 2022).
Mentre EKF400v2 mostra complessivamente una prestazione migliore rispetto a 20CRv3 quando entrambi vengono confrontati con le osservazioni per il punto griglia di Gibilterra, EKF400v2 ha prestazioni scarse per le correlazioni estive, mentre i suoi errori medi sono leggermente maggiori in inverno. Tuttavia, nel complesso, basandosi sui confronti per queste quattro località e con valori di errore RMSE/MAE generalmente molto più bassi per EKF400v2 MSLP nella zona di interesse rispetto a 20CRv3 (Tabella S1), e le prove di una variabilità da anno ad anno artificialmente soppressa in 20CRv3 prima del 1850 (Figure S2–S5), utilizziamo EKF400v2 nelle analisi seguenti.
2.3. Serie NAO e GBI
Per massimizzare la coerenza temporale delle serie temporali NAO e GBI durante l’intero periodo, abbiamo collegato i dataset mensili di pressione a livello del mare (NAO) e di altezza geopotenziale (GBI) di EKF400v2 e ERA5 (cioè, abbiamo regolato la media e la deviazione standard per il rispettivo mese in modo che corrispondessero) tra loro per il periodo comune di sovrapposizione EKF400v2/ERA5 del 1950–2003, prima di aggregare queste serie temporali mensili in serie stagionali per la nostra analisi. Le condizioni medie stagionali e le anomalie spaziali dei modelli di altezza geopotenziale a 500 hPa sulla regione della Groenlandia e della pressione a livello del mare dell’Atlantico settentrionale per diversi periodi basati sulla nostra serie collegata sono mostrate nelle Figure 1 e 2.
Figura 1. Condizioni medie stagionali per il periodo 1800-2020 (colonna di sinistra) e anomalie per vari periodi (rispetto al 1800-2020) del modello spaziale dell’altezza geopotenziale a 500 hPa sulla regione della Groenlandia per diversi periodi, basati sulla nostra serie combinata EKF400v2-ERA5 per (dall’alto in basso) inverno (DJF), primavera (MAM), estate (JJA) e autunno (SON). Le zone puntinate mostrano aree di anomalie significative (p ≤ 0,05) dove l’anomalia dell’altezza geopotenziale è ≥±4 m.
Figura 2. Condizioni medie stagionali per il periodo 1800-2020 (colonna di sinistra) e anomalie per vari periodi (rispetto al 1800-2020) del modello spaziale della pressione atmosferica media a livello del mare nell’Atlantico settentrionale, basato sulla nostra serie combinata EKF400v2-ERA5 per (dall’alto in basso) inverno (DJF), primavera (MAM), estate (JJA) e autunno (SON). Le zone puntinate mostrano aree di anomalie significative (p ≤ 0,05) dove l’anomalia della pressione atmosferica media a livello del mare è ≥±0,25 hPa.
Nel nostro studio utilizziamo tre versioni dell’NAO per tenere conto delle potenziali differenze tra metodologie e dati sottostanti. Il primo NAO, da qui in avanti denominato NAOFixed, rappresenta un NAO pseudo-stazionario utilizzando la pressione a livello del mare di EKF400v2 e ERA5 dalle caselle della griglia di rianalisi che comprendono Ponta Delgada, Azzorre e Reykjavik, Islanda. Le serie temporali delle Azzorre e dell’Islanda sono utilizzate per creare l’NAO per tutti i 30 membri dell’ensemble della rianalisi combinata EKF400v2-ERA5. Sia le serie temporali stagionali delle Azzorre che dell’Islanda MSLP vengono normalizzate utilizzando le rispettive medie e deviazioni standard dal 1951 al 2000 prima che la serie dell’Islanda venga sottratta dalle Azzorre. Si ritiene che l’NAO Azzorre-Islandese catturi meglio la migrazione annuale dei centri d’azione dell’NAO rispetto all’utilizzo di una stazione meridionale continentale come Lisbona o Gibilterra [5] (tuttavia, un dipolo Isole Britanniche-Groenlandia viene spesso identificato come un modello spaziale NAO estivo più riflessivo [71]).
Per catturare meglio il modello estivo dell’NAO, il secondo NAO, da ora in poi denominato NAOPC, utilizza la prima componente principale degli anomalie mensili (aggregate stagionalmente) di SLP detrended dal set di dati combinato EKF400v2-ERA5 (1800-2020, anomalie utilizzando 1961-1990) che copre da -90° W a 40° E e da 20° N a 80° N. Costruiamo l’NAOPC dai singoli membri dell’ensemble, poi mediando le serie temporali (invertendo le serie temporali se necessario in modo che il dipolo delle Azzorre, o il dipolo britannico durante l’estate, sia quello positivo). La varianza spiegata varia per ciascun membro dell’ensemble, ma la media su tutti i membri dell’ensemble (cioè, NAOPC) spiega il 34% (DJF), 32% (MAM), 30% (JJA) e 26% (SON) della variabilità SLP sottostante. NAOFixed e NAOPC sono generalmente ben correlati ma meno fortemente, e occasionalmente in modo non significativo, in estate rispetto all’inverno (Tabella S2), il che riflette gli spostamenti stagionali nei centri d’azione dell’NAO [71].
L’ultimo NAO, da ora in poi denominato NAOLuter [72], è utilizzato come punto di riferimento per confrontare i nostri valori NAOFixed e NAOPC del periodo 1800-1850. NAOLuter è una serie NAO Azzorre-Islanda che è stata costruita sulla base di predittori proxy da fonti strumentali eurasiatiche (pressione atmosferica, precipitazioni e temperatura) e documentarie (copertura nuvolosa, neve e ghiaccio marino e osservazioni fenologiche). È l’unico record disponibile basato (in parte) su strumenti Azzorre-Islanda che si estende prima del 1850 e fornisce un utile riferimento incrociato nella nostra valutazione dei valori stagionali dell’NAO durante il periodo 1800-1830 che potrebbero essere stati influenzati dall’eruzione vulcanica del Tambora del 1815 e/o dal minimo solare di Dalton.Per GBI, utilizziamo due misure, dove GB1 è semplicemente l’altezza geopotenziale a 500 hPa ponderata per area e normalizzata sulla regione 60-80° N, 20-80° W [17,18] e GB2 è l’altezza geopotenziale a 500 hPa ponderata per area su questa regione della Groenlandia meno quella calcolata sull’intera fascia zonale emisferica di 60-80° N [34]. GB2 è talvolta preferito per mitigare l’effetto possibile del riscaldamento globale sui livelli di altezza media, come discusso nella Sezione 1. GB1 e GB2 sono molto fortemente correlati per tutte le stagioni e periodi (Tabella S3). Normalizziamo i valori di GB1 e GB2 utilizzando il periodo 1951-2000.
2.4. Analisi Statistiche
Utilizziamo un filtro binomiale a 21 punti per evidenziare la variabilità decennale a lungo termine in GBI e NAO. Seguendo Hanna et al. (2015), utilizziamo anche una deviazione standard mobile di 11 anni per esaminare potenziali cambiamenti a lungo termine nella variabilità annuale di GBI/NAO. Utilizziamo test di significatività standard per le tendenze lineari, assegnando significatività ai risultati dove p ≤ 0,05. Vengono utilizzate le stagioni meteorologiche standard di tre mesi, dove l’inverno (DJF) corrisponde all’anno contrassegnato dal gennaio. Per valutare le proprietà statistiche delle nostre nuove serie temporali di NAO e GBI, valutiamo vari periodi lungo la serie ma con un focus su due periodi recenti 2000-2020 e 2007-2020, che segnano l’era recente di forte riscaldamento artico e, in particolare, la serie record di estati artiche con bassa estensione di ghiaccio dal 2007 (utilizzando due periodi recenti ci permette di valutare la sensibilità temporale dei nostri risultati). Utilizziamo la distribuzione ipergeometrica per identificare la significatività degli eventi record di NAO e GBI del 21° secolo, come in [7] seguendo [73]. La distribuzione ipergeometrica è una distribuzione di probabilità discreta che descrive la probabilità di k successi (estrazioni casuali per le quali l’oggetto estratto ha una caratteristica specificata) in n estrazioni, senza sostituzione (ed è quindi diversa dalla distribuzione binomiale), da una popolazione finita contenente K oggetti con quella caratteristica, in cui ogni estrazione è un successo o un fallimento. Ad esempio, in un record di N anni per una particolare stagione, definiamo 10 anni record (valori estremi alti e bassi di GBI o NAO), N-10 anni non record e 21 anni (2000-2020) come “estrazioni” di campionamento. A causa dei test su più stagioni e tipi di valore estremo (sia valori alti che bassi), vengono applicate correzioni di Bonferroni (scala ×8) ai valori di p riportati per mitigare l’aumentata probabilità di rigettare l’ipotesi nulla di nessun raggruppamento significativo di valori stagionali estremi di GBI o NAO negli ultimi ~20 anni di registrazione.
- Risultati
- 3.1. Caratteristiche principali delle serie GBI/NAO 1800–2020
La serie temporale stagionale invernale di GB1 normalizzata per l’intero periodo dei record mostra un picco record (2,94 deviazioni standard sopra la media invernale 1951–2000) nel 2010 (Figura 3a). Tuttavia, nella serie invernale GB2, il 2010 è solo il quinto valore più alto, mentre i tre valori più bassi sono nel 1984, 2015 e 2018, a contrasto con una distribuzione più uniforme di valori estremamente bassi nel tempo nella serie GB1 (Figura 3a). Nonostante queste differenze, non c’è una tendenza evidente nel valore o nella variabilità di GB1 o GB2 invernale per l’intero periodo dei record. Tuttavia, le trame di altezza geopotenziale spaziale mostrano anomalie negative moderate centrate sulla Groenlandia meridionale e centrale, circondate da anomalie positive moderate, per l’inverno per il periodo 1991–2020, con queste anomalie per lo più non significative che annullano la regione GBI più ampia (Figura 1). Per la primavera, GB1 mostra il valore più alto nel 2010, mentre GB2 ha il suo valore più basso nel 2011, ma ancora una volta non c’è una chiara tendenza a lungo termine o un cambiamento complessivo nella variabilità con il tempo (Figura 3b). Le anomalie spaziali per il 1991–2020 per la primavera sono significativamente positive e maggiori sulla Groenlandia nord-occidentale e verso l’Artico canadese (Figura 1), che potrebbe riflettere un maggiore riscaldamento dell’atmosfera vicino alla superficie a causa della riduzione stagionale della copertura di ghiaccio marino.
Il grafico GBI estivo mostra diversi valori altamente insoliti dal 2007 e fluttuazioni estreme di anno in anno tra stagioni estive successive, ovvero 2012 (GBI alto) – 2013 (GBI basso) e 2018 (GBI basso) – 2019 (GBI alto) (Figura 3c). Queste due recenti coppie estive presentano di gran lunga le fluttuazioni interannuali più elevate nell’intero periodo del record GB1, e due delle tre maggiori fluttuazioni da un anno all’altro nel record GB2. L’aumento generale del GBI estivo negli ultimi decenni è riflesso dalla mappa delle anomalie spaziali 1991–2020 (Figura 1), che mostra significative anomalie di altezza geopotenziale elevate sull’intera Groenlandia e nei suoi dintorni immediati, ma sono maggiori nell’ovest e nel nord-ovest della Groenlandia e nello Stretto di Davis. L’autunno presenta il valore GB1 più alto (più basso) nel 1876 (1837) e il valore GB2 più alto (più basso) nel 1968 (1938) senza un chiaro schema nella distribuzione temporale dei valori estremi (Figura 3d). Un aumento sottostante del GBI autunnale dalla fine degli anni ’70 fino alla metà degli anni 2000 (mostrato anche come anomalie positive significative dal 1991–2020 nella Figura 1), dopo una leggera diminuzione dalla metà del XIX secolo, si è generalmente invertito negli ultimi 15 anni dei record. Le categorie più frequenti di valori GB1 (cioè il numero di anni con valori GBI medi per il rispettivo periodo) sono passate in estate da GB1 < -0,5 durante tutti i periodi di 50 anni fino al 2000, a >0,5 nel 2000–2020 e >0,5 e >1 (pari) nel 2007–2020 (Figura 4). I soli valori medi estivi di GB1 che superano una deviazione standard (con la deviazione standard di anno in anno per il rispettivo periodo mostrata tra parentesi) erano 1,35 (1,28σ) per il 2000–2020 e 1,74 (1,38σ) per il 2007–2020 (Figura 4). Questo modello di un recente aumento moderato del GBI estivo è confermato usando GB2 nella Tabella S4, il che suggerisce che l’aumento non è dovuto esclusivamente alla termodinamica e c’è una componente di circolazione. Non ci sono chiari cambiamenti generali per le altre stagioni.
Figura 3. Serie stagionali per il periodo 1800–2020 delle due serie GBI (GB1 e GB2) per (a) inverno (DJF), (b) primavera (MAM), (c) estate (JJA) e (d) autunno (SON).
Figura 4. Grafici a violino che mostrano la distribuzione dei valori annuali stagionali di GB1 per periodi selezionati. La mediana e i quartili sono rappresentati da linee orizzontali, e c’è una stima della densità del kernel della distribuzione campionaria.
Le serie levigate delle GBI stagionali (Figura 5) mostrano picchi significativi a metà-fine degli anni ’60 per l’inverno e intorno al 2010 per l’estate. L’incremento recente in estate è statisticamente significativo dal 1951 in GB1 ma non in GB2 (Tabella 1). I valori massimi di GBI primaverili si verificano intorno al 1930, che è più pronunciato per GB2. I valori autunnali sono relativamente elevati intorno alla fine degli anni ‘1870 e all’inizio degli anni 2000 (solo GB1). Si osservano punti bassi intorno al 1990 per l’inverno e la primavera, all’inizio degli anni ‘1920 e (GB2) alla fine degli anni ‘1930 per l’estate e 1832 per l’autunno. I picchi nella variabilità interannuale in GBI sono mostrati per l’inverno, e in particolare per la primavera e l’estate, nell’ultimo decennio del registro (Figura 6). Tuttavia, le tendenze lineari (associate a questi picchi recenti e ad altre fluttuazioni) delle serie temporali di variabilità complessiva GB1/GB2 e delle sottoserie selezionate non sono per lo più statisticamente significative, ad eccezione di un aumento significativo nella variabilità GB2 per la primavera durante il periodo 1951–2015 (Tabella 2). Otto (sei) dei dieci valori estivi più alti di GB1 (GB2) nell’intero registro si sono verificati dal 2000 (Tabella 3). Questo è molto altamente significativo (p ≤ 0.00045) secondo la distribuzione ipergeometrica, con una correzione di Bonferroni applicata al valore p per tener conto del campionamento multiplo attraverso quattro stagioni e i due estremi alto/basso che campioniamo nella Tabella 3. Le due estati GBI migliori (classifiche combinate GB1 e GB2) sono il 2012 e il 2019, seguite da vicino dal 2011, 2008 e 2010. Non si vede una simile raggruppamento (significativo) recente di anni GBI estremi per le altre stagioni. Tuttavia, il 2010 figura tra i dieci anni più alti di GB1 e GB2 per l’inverno, la primavera (solo GB1), l’estate e l’autunno, mentre il 2018 è tra i dieci valori invernali e autunnali più bassi di GB2 (ma non GB1), e il 2013 ha il terzo valore estivo GB2 più basso.
Figura 5. Serie levigate stagionali di GB1 e GB2 per (a) inverno (DJF), (b) primavera (MAM), (c) estate (JJA) e (d) autunno (SON). I valori annuali di GBI sono stati filtrati qui usando un filtro binomiale a 21 punti per enfatizzare eventuali fluttuazioni e tendenze a lungo termine.
Figura 6. Serie stagionali della deviazione standard mobile di 11 anni di GB1 e GB2 per (a) inverno (DJF), (b) primavera (MAM), (c) estate (JJA) e (d) autunno (SON).
Tabella 1. Coefficienti di correlazione medi (R) e numero di membri dell’ensemble con tendenze significative (n), basati sull’analisi individuale di tutti i 30 membri dell’ensemble di EKF400v2 (1800–1949) uniti con ERA5 (1950–2020), di tendenze in GBI e NAO per l’intero record e vari sottoperiodi. n mostra il numero di membri dell’ensemble con tendenze significative (per il periodo pre-ERA5 in cui vengono utilizzati membri dell’ensemble). Tendenze temporali complessive in aumento (in diminuzione), determinate sulla base del riferimento [74], con il corrispondente numero di tendenze dell’ensemble significative, sono evidenziate in rosso (blu).
Tabella 2. Coefficienti di correlazione medi (R) e numero di membri dell’ensemble con tendenze significative (n), basati sull’analisi individuale di tutti i 30 membri dell’ensemble di EKF400v2 (1800–1949) uniti con ERA5 (1950–2020), di tendenze nella deviazione standard mobile di 11 anni di GBI e NAO per l’intero record e vari sottoperiodi. Altri dettagli sono come indicato nella didascalia della Tabella 1. Nel valutare la significatività statistica, i gradi di libertà sono stati ridimensionati dall’intervallo di levigatura (cioè il numero di anni meno due è stato diviso per undici). Tendenze temporali complessive in aumento, determinate sulla base del riferimento [74], con il corrispondente numero di tendenze dell’ensemble significative, sono evidenziate in rosso.
Tabella 3. Dieci anni/valori GB1 e GB2 più alti e dieci più bassi per ogni stagione dal 1800 al 2020. Gli anni dal 2000 inclusi sono evidenziati, e questi anni sono anche ombreggiati quando figurano in entrambe le metriche GB.
I dati stagionali del NAO (Figura 7 e Figura 8) non mostrano tendenze a lungo termine nei valori medi, ma mostrano una maggiore variabilità di anno in anno nell’ultima decade in inverno (Figura 7a). Tuttavia, altre stagioni (Figura 7b–d) mostrano la massima variabilità in vari punti a metà-fine del diciannovesimo secolo e all’inizio o a metà del ventesimo secolo. La mappa delle anomalie invernali del MSLP dell’Atlantico del Nord per il 1991–2020 mostra significative anomalie positive centrate attorno alle Azzorre e significative anomalie negative vicino al nord dell’Islanda (Figura 2), che riflettono valori NAO relativamente positivi complessivamente negli ultimi decenni del record (Figura 7a). Ci sono segni di una diminuzione estiva del NAO dal 1990 circa (Figure 7c e Figura 8), confermati dalla mappa delle anomalie estive del MSLP dell’Atlantico del Nord per il 1991–2020 (Figura 2), che integra l’aumento estivo di GB1 e segue le aspettative basate sulla forte correlazione negativa tra la serie NAOpc e GB1 (Tabella 4). Le serie stagionali levigate del NAO per l’inverno mostrano massimi a metà degli anni 1900 fino ai primi anni 1920 e intorno al 1990, e un profondo minimo a metà degli anni 1960 (Figura 9a). La primavera ha punti alti (bassi) intorno al 1910 e 1990 (fine anni 1880, 1930 e inizio anni 1950) (Figura 9b). La Figura 9c mostra massimi estivi all’inizio degli anni 1920 o alla fine degli anni 1930 e minimi intorno al 1900 e 2010 (anche 1822 per NAOfixed). Le due serie autunnali di NAO non corrispondono sempre bene nel tempo, ma hanno un punto alto (basso) comune nei primi anni 1830 (fine anni 1870). Ulteriori analisi su NAOpc mostrano uno spostamento lieve ma insignificante verso valori invernali più positivi (estivi negativi) durante gli ultimi due periodi dal 2000 (Figura 8). I valori estivi medi (deviazione standard anno per anno) di NAOpc sono −0,73 (1,25σ) nel 2000–2020 e −1,00 (1,41σ) nel 2007–2020. La leggera ma complessivamente insignificante diminuzione estiva del NAO (Figura 2) è riflessa utilizzando i valori NAOfixed nella Tabella S5.
Figura 7. Serie stagionale dal 1800 al 2020 di NAOfixed e NAOPC per (a) inverno (DJF), (b) primavera (MAM), (c) estate (JJA) e (d) autunno (SON).
Figura 8. Diagrammi a violino che mostrano la distribuzione dei valori stagionali annuali di NAOPC per periodi selezionati. La mediana e i quartili sono mostrati da linee orizzontali, e c’è una stima della densità kernel della distribuzione del campionamento.
Figura 9. Serie stagionale levigata di NAOfixed e NAOpc per (a) inverno (DJF); (b) primavera (MAM); (c) estate (JJA); (d) autunno (SON). I valori annuali dell’NAO sono stati filtrati utilizzando un filtro binomiale a 21 punti per enfatizzare qualsiasi fluttuazione e tendenza a lungo termine.
Tabella 4. Coefficienti di correlazione detrendizzati tra gli indici stagionali GB1 e NAO per vari periodi. I valori ombreggiati non sono statisticamente significativi al livello p ≤ 0,05.
La variabilità interannuale delle serie temporali stagionali del NAO (Figura 10, Tabella 2) mostra un aumento significativo della variabilità invernale (p = 0,005) per NAOpc durante il periodo 1901-2015. Tuttavia, a causa dell’elevato grado di levigatura, l’aumento della variabilità invernale di NAOpc dal 1951 al 2015 non è del tutto significativo (p = 0,07). Gli incrementi nella variabilità invernale di NAOfixed non sono statisticamente significativi, sebbene NAOfixed diventi significativamente più variabile in primavera durante il periodo 1951-2015 (p = 0,021).
I cambiamenti secolari nella variabilità di anno in anno del NAO invernale includono una minore variabilità intorno al 1850, 1910, 1950 e 2005 (Figura 10a), mentre la variabilità primaverile raggiunge il picco intorno al 1920 e poi diminuisce durante la metà del ventesimo secolo prima di aumentare nuovamente per raggiungere un picco simile o leggermente maggiore intorno al 2010 (Figura 10b). La variabilità estiva raggiunge il picco intorno al 1820, 1900 e alla fine degli anni ’50 (Figura 10c). Il picco recente (~2010) è leggermente superiore ai picchi estivi precedenti per la serie NAOpc e simile o inferiore ai picchi precedenti per il record NAOfixed.
La Tabella 5 conferma l’insolito modello di circolazione atmosferica negli inverni 2010 (che è stato l’inverno NAOPC più negativo e il secondo inverno NAOfixed più negativo mai registrato) e 2015 (l’inverno NAOfixed più positivo e l’ottavo inverno NAOpc più positivo).
Cinque inverni recenti (2000, 2012, 2014, 2015 e 2020) rientrano nei primi dieci valori NAOFixed, con tre di questi anni (2000, 2015 e 2020) nei primi dieci inverni NAOpc. Data la lunghezza complessiva del record, cinque valori record rappresentano un raggruppamento significativo basato sulla distribuzione ipergeometrica corretta con Bonferroni (p corretto = 0,0068). Poiché entrambi i nostri record estesi di NAO includono anche il 2010 come un inverno NAO con valore basso record, ciò può essere testato come un cluster di quattro o sei degli inverni NAO più estremi avvenuti negli ultimi 21 anni, il che rappresenta anch’esso un raggruppamento significativo nella serie invernale NAOfixed (p corretto = 0,040). L’anno 2009 rientra nei valori estivi più bassi in entrambi gli indici NAO, mentre l’indice estivo NAOpc ha quattro anni recenti (2009, 2011, 2015 e 2019) tra i suoi dieci valori più bassi, il che non è del tutto statisticamente significativo (p corretto = 0,064). Inoltre, il 2012, il quarto valore estivo più basso di NAOfixed, fa parte del principale gruppo recente di estati GBI elevate ed è dinamicamente collegato attraverso cambiamenti concomitanti nel getto polare dell’Atlantico settentrionale (Hanna et al. 2018a).
Figura 10. Serie stagionale della deviazione standard su 11 anni di NAOfixed e NAOpc per (a) inverno (DJF), (b) primavera (MAM), (c) estate (JJA) e (d) autunno (SON).
Tabella 5. Dieci anni/valori più alti e dieci anni/valori più bassi di NAOfixed e NAOpc per ogni stagione nel periodo 1800-2020. Gli anni dal 2000 in poi sono in grassetto e questi anni sono anche evidenziati laddove compaiono in entrambe le metriche GB.
I coefficienti di correlazione detrendizzati tra GB1 e i due indici NAO sono riassunti nella Tabella 4. Questi sono quasi tutti significativi e sono più forti in inverno e più deboli in estate. Le correlazioni sono generalmente più alte usando l’indice NAOpc, mentre le correlazioni di localizzazione tra GB1-NAOfixed in estate sono insignificanti per il periodo 1971-2000. Non ci sono tendenze o variazioni a lungo termine chiare in queste correlazioni, eccetto per valori estivi più deboli di GBI e NAOfixed raggruppati a metà-fine del ventesimo secolo. I nostri risultati combinati suggeriscono che ciò potrebbe riflettere i centri d’azione del NAO che cambiano durante questo periodo piuttosto che un’influenza più debole del blocco del Groenlandia sul NAO.
3.2. Valutazione dei valori di NAO e GBI dal 1800 al 1830
Questo periodo è di particolare interesse perché coincide con il minimo solare di Dalton così come con l’eruzione vulcanica di Tambora nel 1815. Esaminiamo quindi le statistiche riassuntive dei valori annuali di NAO e GBI e delle loro variazioni. La Figura 11 mostra le variazioni del NAO basate sulle nostre ricostruzioni NAOPC e NAOfixed e su NAOluter. Le nostre serie di NAO derivate da EKF400v2 sono significativamente correlate con NAOluter per tutte le stagioni, con le correlazioni più forti per l’inverno e quando si utilizza NAOfixed piuttosto che NAOpc per le altre tre stagioni (Tabella 6). I valori medi stagionali di NAO dell’ensemble mean EKF400v2 e la loro variabilità interannuale per il periodo 1801-1830, insieme ai valori stagionali annuali per il 1815-1817 (coincidenti con le immediate conseguenze di Tambora) e la loro variabilità tra i membri dell’ensemble di EKF400v2, sono mostrati nella Tabella 7. Gli inverni 1815 e 1816 presentano condizioni NAO leggermente negative o quasi neutre; tuttavia, il 1817 ha il valore più positivo dall’inizio (1800) di entrambe le serie invernali NAO basate su EKF400v2 fino dopo il 1850, con buon accordo tra i rispettivi indici NAO (Figura 11a, Tabella 7). I grafici a scatola e baffi che mostrano la diffusione delle stime tra i membri dell’ensemble di EKF400v2 confermano un chiaro passaggio a un NAO altamente positivo nell’inverno 1817 (Figura 11a). Ciò è in accordo con la tendenza di una grande eruzione vulcanica tropicale, come Tambora, a favorire un NAO invernale positivo [50], e questo potenziale driver potrebbe essere stato potenziato dall’attività solare vicino al picco del ciclo solare di 11 anni nel 1816 [75], anche se l’attività delle macchie solari era allora solo di gamma media rispetto a un ciclo di 11 anni generalmente più attivo al di fuori del regime del Minimo di Dalton. Un NAO invernale negativo e poi positivo negli anni successivi a Tambora è in accordo con il Riferimento [51]. I nostri risultati mostrano anche una simile escursione positiva di NAO nell’inverno 1810, a seguito di un’altra grande eruzione vulcanica di posizione sconosciuta nel 1809, che è stato il terzo evento più grande dal 1500 con il doppio dell’emissione di zolfo dell’eruzione del Pinatubo nel 1991 [76] (Figura 11a e Figura 12a).
Figura 11. Serie stagionale 1800-1850 di NAOpc, NAOfixed e NAOluter per (a) inverno (DJF), (b) primavera (MAM), (c) estate (JJA) e (d) autunno (SON).
Figura 12. Serie stagionale delle calcolazioni basate sui membri dell’ensemble EKF400v2 di NAOpc per il periodo 1809-1821 incluso: (a) inverno (DJF), (b) primavera (MAM), (c) estate (JJA) e (d) autunno (SON). I grafici a scatola e baffi mostrano la distribuzione dei membri dell’ensemble per ogni anno.
Il grafico a scatola e baffi (o box plot) è un metodo grafico per rappresentare la distribuzione di un insieme di dati. Ecco una breve spiegazione dei componenti del grafico:
- Scatola (Box): rappresenta il range interquartile (IQR), ovvero la distanza tra il primo e il terzo quartile. In altre parole, la scatola racchiude la metà centrale dei dati, con il 25% dei dati al di sotto del bordo inferiore e il 25% al di sopra del bordo superiore.
- Linea Mediana: divide la scatola in due parti e rappresenta la mediana (o il secondo quartile) dei dati, ovvero il valore al 50° percentile.
- Baffi (Whiskers): si estendono dalla scatola verso l’esterno e rappresentano la variabilità al di fuori dell’IQR. Ci sono diverse metodologie per determinare la lunghezza dei baffi, ma spesso vanno dal valore minimo al valore massimo all’interno di 1.5 volte l’IQR.
- Punti al di fuori dei Baffi: rappresentano valori “anomali” o “outliers”, cioè valori che si discostano notevolmente dalla maggior parte degli altri dati.
Nel contesto fornito, il box plot è utilizzato per mostrare la distribuzione dei membri dell’ensemble per ogni anno. Questo significa che il grafico fornisce un’idea della variabilità o incertezza tra i diversi membri dell’ensemble per un dato anno.
Tabella 6. Coefficienti di correlazione tra i nostri indici stagionali NAOPC e NAOfixed e NAO di Luterbacher et al. (2002) (NAOluter) per il periodo 1800-1830 e 1800-1850. Tutti i valori sono significativi al livello p ≤ 0,05.
Tabella 7. Statistiche riassuntive: (in alto) medie dell’ensemble EKF400v2 con deviazioni standard interannuali di queste medie tra parentesi per il periodo 1800-1830; (in basso) valori stagionali annuali 1815-1817 degli indici NAO rispettivi con ±valori per NAOfixed e NAOpc che esprimono la deviazione standard dell’ensemble di tutti i 30 membri dell’ensemble EKF400v2. I valori stagionali annuali o le medie che superano ±1σ sono evidenziati in grassetto.
I valori NAO dell’estate e dell’autunno per gli anni 1815-1817 sono vicini alla neutralità, ad eccezione forse dell’estate 1817, che secondo NAOLuter era molto positivo, e dell’autunno 1816, che era fortemente negativo secondo NAOFixed ma non negli altri due indici (Figura 11c). La serie estiva NAOpc non mostra una risposta evidente alle eruzioni vulcaniche del 1809 (sorgente sconosciuta) o del Tambora del 1815. I registri di pressione delle stazioni terrestri e i registri delle navi indicano un regime debole dell’Alta pressione delle Azzorre e una Forte Bassa pressione islandese nell’estate 1816 (l’infame “anno senza estate” (ad es., [77])), con anomalie di bassa pressione concentrate sul Regno Unito [50] e flussi ciclonici nord-occidentali che causano condizioni anomale di umidità e freddo sia lì ([78], pp. 339-340) che in Europa centrale. Tuttavia, a causa dei cambiamenti più ampi nel campo di pressione Euro-Atlantico, questo modello di circolazione potrebbe corrispondere a un NAO quasi neutro piuttosto che negativo, come indicato da [72]. Sebbene gli indici NAO a posizione fissa possano avere problemi nel catturare le variazioni estive del NAO (ad es., [2]), un valore NAO estivo quasi neutro per il 1816 è suggerito da tutti e tre gli indici NAO utilizzati nel nostro studio, compreso NAOPC, che non è influenzato da questo potenziale problema. Inoltre, le estati 1821, 1822 e 1824 sono notevoli in quanto sono fortemente negative in tutte e tre le serie NAO che utilizziamo (Figura 11c).
Sulla base della prevalenza di sedimenti di solfato nei carotaggi di ghiaccio in Antartide e Groenlandia [79], il velo di polvere del Tambora sembra improbabile che sia persistito fino al 1821. Tuttavia, il riferimento ([78], pp. 340–342) nota osservazioni di tramonti e crepuscoli colorati notevoli a Londra nell’estate 1821, attribuendoli a un effetto di velo di polvere vulcanica, e conferma l’impatto dell’NAO estivo altamente negativo del 1821 sull'”estate molto fresca” di quell’anno nelle Isole Britanniche.
Durante il periodo 1800-1830 (coincidente con la maggior parte del Minimo di Dalton), i valori medi invernali dell’NAO dai tre indici disponibili sono in media quasi neutri (Tabella 7), e ci sono alcune escursioni invernali dell’NAO negative moderate ma non eccezionali durante questo periodo (Figura 7a e Figura 11a). Sebbene ci sia una significativa variabilità dell’ensemble nelle stime dell’NAO per EKF400v2 per questo periodo, sono ancora evidenti chiare differenze tra alcuni anni consecutivi (Figura 12), e la significativa correlazione con i valori NAOLuter (Tabella 6) aumenta la fiducia nelle stime centrali di EKF400v2. Anche se non ci sono dati indipendenti che possono aiutare a verificare le stime della reanalisi del Blocco della Groenlandia per questo periodo, la nostra analisi suggerisce una serie di stagioni con blocco negativo (Groenlandia ciclonica) durante il 1815-1817, cioè inverno 1817 GB1 (GB2) di −1.82 (−1.38), collegato con l’NAO altamente positivo precedentemente menzionato, e una mancanza simile di blocco durante l’inverno successivo 1818 e nell’inverno 1810; le primavere 1815 e 1817 erano altamente cicloniche, l’estate 1816 era moderatamente a fortemente ciclonica, mentre gli autunni dal 1815 al 1818 erano anche ciclonici sulla Groenlandia.
4. Conclusioni
Abbiamo presentato nuovi indici del Blocco della Groenlandia e dell’NAO basati su reanalisi climatiche recentemente pubblicate, che superano l’arco temporale di record simili precedenti del 34% (221/165 anni), includendo un’estensione informativa per gran parte dei primi decenni del diciannovesimo secolo. Utilizzando i singoli membri dell’ensemble (n = 30) per aiutare a valutare le tendenze, siamo riusciti a superare una grande limitazione statistica dell’uso dei dati medi dell’ensemble archiviati. La nostra analisi conferma ed estende (basandosi su un record più lungo) risultati precedenti riguardanti un aumento significativo a lungo termine della variabilità di anno in anno dell’NAOpc invernale, che era stato precedentemente evidenziato per il periodo 1899-2014 per il mese di dicembre da [7], e qui culmina in un raggruppamento significativo di valori estremamente bassi/alto durante il periodo 2000-2020 nella nostra serie NAOFixed. Sebbene un’interpretazione fisica dettagliata vada oltre lo scopo di questo articolo, supponiamo che diversi fattori che agiscono sul jet polare invernale per spostarlo alternativamente a nord e a sud siano stati particolarmente attivi negli ultimi decenni: questi fattori includono probabilmente la riduzione del ghiaccio marino artico e il recente minimo solare profondo di circa 2010 relativo al calo del ciclo solare di circa 80 anni, così come i cambiamenti nei modelli di temperatura della superficie del mare dell’Atlantico del Nord, la convezione tropicale e l’ENSO [11,13,16].
L’aumento della variabilità da anno a anno dell’NAO negli ultimi decenni ha importanti implicazioni per la previsione meteorologica stagionale-decennale e per la pianificazione in caso di eventi meteorologici estremi, specialmente se queste tendenze continueranno. L’aumento della variabilità interannuale in inverno, con un NAO simultaneamente inclinato positivamente nel futuro, potrebbe essere mantenuto se eventi meteorologici estremi come le stagioni invernali del 2010 e 2011 intervallano inverni NAO generalmente positivi, o potrebbero diminuire in loro assenza. Tuttavia, sottolineiamo anche che un trend NAO in aumento con il riscaldamento climatico è tutt’altro che certo, e c’è stata una tendenza invernale prevalentemente negativa osservata nel periodo 1991–2014 [7].
Il Blocco della Groenlandia, secondo entrambe le nostre metriche GBI estese utilizzate qui, ha avuto un raggruppamento insolito di valori record elevati in estate dal 2007, accompagnato da un significativo aumento estivo di GB1 dal 1991 al 2020, confermando risultati precedenti. L’aumento significativo recente del GBI in estate è anche un potente feedback positivo sullo scioglimento del manto glaciale della Groenlandia che attualmente non è considerato nei modelli climatici globali e regionali [29,34]. Dopo due anni di perdita di massa estiva relativamente bassa (2017–2018), il 2019 e poi il 2021 hanno segnato un ritorno a uno scioglimento eccezionale [31,80,81]. Secondo il riferimento [82], l’aumento dell’addolcimento dell’Atlantico del Nord che segue eventi di maggiore perdita di massa estiva del manto glaciale della Groenlandia potrebbe portare a un NAO positivo.
Pertanto, un GBI estivo sempre più positivo (un NAO negativo) potrebbe favorire un NAO invernale positivo, ma è necessario ulteriore lavoro su un possibile feedback. Una tendenza leggermente positiva dell’NAO è anche una risposta attesa alla forzatura antropogenica nei modelli climatici [83], anche se l’affidabilità delle proiezioni dei modelli per i cambiamenti della circolazione atmosferica nella regione Groenlandia/Atlantico del Nord è stata messa in discussione [29,34].
A causa della loro grandezza, persistenza e unicità, sembra improbabile che le tendenze significative nel GBI estivo e nella variabilità del NAO invernale, e nel raggruppamento di valori estremi di GBI estivo e NAO invernale dal 2000 al 2020 che riportiamo, riflettano interamente la variabilità interna, e i futuri studi dovrebbero quindi concentrarsi sulla comprensione dei processi e sul miglioramento della loro rappresentazione nei modelli climatici. Questi ultimi sono ben sintonizzati sulla cattura delle medie climatiche globali, ma meno sulla variabilità regionale e temporale (ad esempio, da anno a anno o decennale).Le eruzioni vulcaniche del 1809 (di origine sconosciuta) e del 1815 Tambora sono attese di aver influenzato il NAO principalmente in inverno (un segnale positivo) ma anche potenzialmente in estate (NAO negativo), anche se qui troviamo maggiore evidenza del segnale invernale proiettato. Tuttavia, i valori di NAO in estate riflettono meno il regime generale di circolazione atmosferica dell’Atlantico del Nord, ad esempio [4]. Concludiamo che qualsiasi segnale solare del Minimo di Dalton, che si concentrerebbe di nuovo in inverno in termini di sua possibile risposta al NAO, sembra essere limitato in termini di cambiamento della circolazione atmosferica Euro-Atlantica, sebbene i lavori futuri dovrebbero utilizzare l’analisi delle ricostruzioni di NAO alla scala mensile o addirittura settimanale per testare questo risultato. Questo aspetto merita ulteriore attenzione sulla base dell’apparente influenza dei minimi solari profondi sulle temperature dell’aria superficiale Euro-Atlantica del Nord e sui modelli di circolazione dal tardo diciannovesimo secolo [52,84]. Un raggruppamento di valori significativi (~−2σ) negativi di primavera nella serie NAO di Luterbacher et al. [72] dal 1806 al 1816 incluso, con inverni NAO positivi nel 1810 e nel 1817, è riflesso per quest’ultimo nella nostra serie NAO basata su EKF400v2, e potrebbe essere stato influenzato sia dalla forzatura solare che vulcanica durante le fasi di minimo solare.
https://www.mdpi.com/2073-4433/13/3/436