Il Ruolo del Raffreddamento del Pacifico Tropicale nell’Accelerazione della Fusione del Ghiaccio Marino Artico trail 2007 e il 2012: Evidenze di Forzanti Antropogeniche e Variabilità Climatica

Rielaborazione e Traduzione Estesa dell’Abstract:

Negli ultimi quattro decenni, il ghiaccio marino artico ha subito un progressivo declino, con una marcata riduzione dell’estensione minima registrata nel mese di settembre. Il periodo compreso tra il 2007 e il 2012 si distingue per un’accelerazione anomala della fusione, culminata nei minimi storici osservati nel 2007 e nel 2012, che rappresentano punti di svolta significativi nella traiettoria del declino del ghiaccio artico. Attraverso un’analisi integrata di dati osservativi e simulazioni modellistiche, questo studio evidenzia come i cambiamenti osservati nel ghiaccio marino estivo a partire dagli anni 2000 siano il risultato di una combinazione di due processi distinti ma interconnessi: una fusione continua guidata da forzanti antropogeniche, principalmente legate alle emissioni di gas serra, e una variabilità interdecennale della circolazione atmosferica artica che ha modulato l’intensità di questo declino.

Un elemento chiave emerso dalla ricerca è il ruolo delle teleconnessioni climatiche, in particolare quelle originate dalle variazioni della temperatura superficiale del mare (SST) nella regione centro-orientale del Pacifico tropicale. Queste anomalie di SST generano un treno d’onde di Rossby, un pattern atmosferico che si propaga dalle latitudini tropicali fino all’Artico, influenzando le condizioni climatiche polari. Questo meccanismo, denominato teleconnessione Pacifico-Artico (PARC), rappresenta il principale modo interno di variabilità climatica che collega le dinamiche tropicali a quelle delle alte latitudini. Durante il periodo 2007-2012, il modo PARC ha agito come un amplificatore del riscaldamento artico, contribuendo in modo significativo all’accelerazione della perdita di ghiaccio marino. Tuttavia, a partire dal 2013, l’attenuazione di questa teleconnessione ha coinciso con un rallentamento apparente del declino del ghiaccio, creando l’illusione di una stabilizzazione o di una pausa nella fusione artica negli ultimi 11 anni.

Per approfondire il meccanismo alla base del modo PARC, è stata condotta una simulazione con un modello di tipo “pacemaker”, in cui le SST osservate nel Pacifico tropicale orientale sono state imposte come condizione al contorno. Questa simulazione ha confermato la plausibilità fisica del ruolo del PARC nel modulare il clima artico, dimostrando che le anomalie di SST nel Pacifico tropicale possono indurre cambiamenti significativi nella circolazione atmosferica e, di conseguenza, nella temperatura e nell’estensione del ghiaccio marino artico. Tuttavia, l’intensità del segnale PARC simulato dal modello è risultata notevolmente inferiore rispetto a quella osservata, suggerendo che il modello cattura solo parzialmente i processi fisici responsabili dell’accelerazione della fusione tra il 2007 e il 2012. Questo divario tra osservazioni e simulazioni evidenzia la complessità delle interazioni climatiche coinvolte e la necessità di ulteriori miglioramenti nei modelli climatici per rappresentare accuratamente le teleconnessioni tropicali-polari.

Per collocare questi risultati in un contesto climatico più ampio, lo studio ha analizzato le caratteristiche dei pattern di circolazione atmosferica su larga scala associati a periodi di fusione estrema in una simulazione preindustriale di lunga durata (1800 anni) condotta con il modello CESM (Community Earth System Model). Questa analisi ha rivelato che le forzanti remote, come le anomalie di SST nel Pacifico tropicale, hanno il potenziale di innescare episodi di riscaldamento significativo nell’Artico, anche in assenza di forzanti antropogeniche. Questi risultati rafforzano l’ipotesi che il Pacifico tropicale svolga un ruolo cruciale nel modulare il clima artico, ma sottolineano anche le limitazioni dei modelli climatici attuali nel riprodurre pienamente l’ampiezza e la dinamica del modo PARC osservato, caratterizzato da una relazione tra un Pacifico tropicale più freddo e un Artico più caldo.

In conclusione, questo studio fornisce una visione integrata delle cause dell’accelerazione della fusione del ghiaccio marino artico tra il 2007 e il 2012, evidenziando il ruolo combinato delle forzanti antropogeniche e della variabilità climatica interna. Tuttavia, le discrepanze tra i risultati osservativi e quelli modellistici indicano che ulteriori ricerche sono necessarie per chiarire i meccanismi fisici alla base della teleconnessione PARC e per migliorare la capacità dei modelli climatici di prevedere le risposte del sistema climatico artico alle forzanti tropicali. Questi sforzi saranno essenziali per affinare le proiezioni future del declino del ghiaccio marino e per comprendere meglio le implicazioni dei cambiamenti climatici nell’Artico per il sistema climatico globale.

1. Introduzione:

Negli ultimi quattro decenni, il pianeta ha registrato un marcato aumento delle temperature globali, con l’Artico che si distingue come la regione con il riscaldamento più rapido, un fenomeno noto come amplificazione artica (Serreze e Barry 2011; Bintanja et al. 2011; Vaughan et al. 2013; Fyfe et al. 2013; Cohen et al. 2014; Perlwitz et al. 2015; Screen e Francis 2016). Questo riscaldamento accelerato nelle alte latitudini settentrionali, che procede a un ritmo quasi doppio rispetto alla media globale, ha avuto profonde conseguenze sull’ambiente artico, tra cui una significativa riduzione dell’estensione del ghiaccio marino, il ritiro dei ghiacciai, il degrado del permafrost e un prolungamento della stagione di fusione (Post et al. 2013; Overland e Wang 2013; Stroeve et al. 2014; Notz e Stroeve 2016). A partire dalla metà degli anni 2000, il ghiaccio marino estivo ha subito un declino particolarmente rapido, culminando nei minimi storici dell’estensione di settembre registrati nel 2007 e nel 2012. Tuttavia, a partire dai primi anni 2010, la tendenza al ribasso sembra aver subito un’apparente decelerazione (Swart et al. 2015), un’osservazione che contrasta con l’aumento costante delle emissioni di gas serra, che hanno raggiunto un incremento medio di 2 ppm all’anno nell’ultimo decennio, fornendo una forzante climatica continua e stabile.

Questa apparente incongruenza tra l’accelerazione della perdita di ghiaccio marino nel periodo 2007-2012 e il successivo rallentamento pone interrogativi fondamentali sulle dinamiche che guidano il declino del ghiaccio artico. Tra le possibili spiegazioni figurano la variabilità interna del sistema climatico (Kay et al. 2011; Day et al. 2012; Ding et al. 2014, 2017, 2019; Meehl et al. 2018) e l’azione di feedback stabilizzanti che possono generare recuperi temporanei dell’estensione del ghiaccio (Tietsche et al. 2011). Studi recenti suggeriscono che, negli ultimi 40 anni, la variabilità climatica interna a bassa frequenza abbia avuto un ruolo altrettanto rilevante rispetto alle forzanti antropogeniche nel modulare il declino osservato del ghiaccio marino artico (Kay et al. 2011; Wettstein e Deser 2014; Zhang 2015; Screen e Francis 2016; Stroeve e Notz 2018). In particolare, Ding et al. (2017, 2019) hanno evidenziato come una tendenza nella circolazione atmosferica artica, in parte attribuibile alla variabilità interna, abbia contribuito significativamente alla perdita di ghiaccio. Questa tendenza ha generato un’anomalia di alta pressione barotropica sull’Artico, che ha incrementato le temperature e l’umidità atmosferica, intensificato la radiazione a onda lunga discendente in condizioni di cielo sereno e accelerato la fusione del ghiaccio marino durante i mesi estivi.

Un meccanismo cruciale alla base di questi cambiamenti nella circolazione artica sembra essere rappresentato dalle teleconnessioni climatiche, in particolare quelle originate dalla variabilità a bassa frequenza delle temperature superficiali del mare (SST) e dai pattern di convezione nelle regioni tropicali (Lee 2012; Ding et al. 2014; Trenberth et al. 2014; Lee et al. 2017; Meehl et al. 2018; Bevis et al. 2019). Fino a tempi recenti, la ricerca sul ruolo della variabilità interna nella perdita di ghiaccio marino si è concentrata principalmente sui processi locali all’interno dell’Artico (Lee et al. 2011; Lee 2012; Cvijanovic et al. 2017). Tuttavia, questo studio si propone di analizzare in modo specifico l’accelerazione della fusione del ghiaccio marino osservata tra il 2007 e il 2012, con un’attenzione particolare al ruolo delle teleconnessioni tra l’Artico e le SST tropicali. Ipotizziamo che l’intensificazione della fusione in questo periodo, seguita da un’attenuazione dell’influenza di questo meccanismo, abbia generato l’apparenza di una “pausa” decennale nel declino del ghiaccio marino estivo.

Comprendere i driver e le dinamiche di queste teleconnessioni è essenziale non solo per interpretare i recenti cambiamenti climatici nell’Artico, ma anche per migliorare le proiezioni future, inclusa la stima del momento in cui potremmo osservare la prima estate priva di ghiaccio marino nell’Artico. Inoltre, l’identificazione delle fonti remote di variabilità interna rappresenta un elemento cruciale per affinare le previsioni climatiche su scala decennale relative al ghiaccio marino artico (Mahlstein e Knutti 2012; Overland et al. 2012; Jahn et al. 2016; Swart 2017; Screen 2018). Questo studio si propone quindi di colmare una lacuna nella comprensione delle interazioni tra forzanti antropogeniche e variabilità climatica interna, offrendo nuove prospettive sulle complesse dinamiche che regolano il sistema climatico artico.

Metodologie e Fonti Dati per l’Analisi delle Variazioni Climatiche e del Ghiaccio Marino Artico: Un ApproccioIntegrato

2.a. Dati di Rianalisi e Dati sul Ghiaccio Marino:

Per analizzare le dinamiche climatiche e le variazioni del ghiaccio marino artico nel periodo compreso tra il 1979 e il 2017, sono stati utilizzati dataset di rianalisi e osservazioni di alta qualità, selezionati per la loro affidabilità e copertura temporale. Le variazioni nella circolazione atmosferica, incluse le anomalie di pressione, temperatura, umidità specifica e il flusso di radiazione a onda lunga, sono state quantificate attraverso l’impiego del dataset di rianalisi ERA-Interim, prodotto dal Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF) (Dee et al. 2011). Questo dataset, noto per la sua accuratezza e risoluzione spaziale e temporale, fornisce una rappresentazione coerente delle condizioni atmosferiche globali, rendendolo particolarmente adatto per lo studio delle interazioni climatiche su scala regionale e globale.

Le temperature superficiali del mare (SST), un parametro cruciale per l’analisi delle teleconnessioni tra le regioni tropicali e l’Artico, sono state estratte dal dataset ERSSTV5 (Extended Reconstructed Sea Surface Temperature, versione 5), sviluppato dal NOAA (Huang et al. 2017). Questo dataset offre una ricostruzione robusta delle SST globali, basata su osservazioni storiche e moderne, e rappresenta uno strumento fondamentale per valutare le influenze delle anomalie termiche oceaniche sui pattern climatici. Per quanto riguarda le precipitazioni, i dati sono stati acquisiti dal Global Precipitation Climatology Project (GPCP; Huffman et al. 2009), un progetto che integra osservazioni satellitari e di superficie per fornire stime globali delle precipitazioni con un’elevata affidabilità, utili per analizzare i cambiamenti nei pattern convettivi associati alle variazioni delle SST.

L’analisi del ghiaccio marino si è basata sui dati forniti dal National Snow and Ice Data Center (NSIDC), che comprendono informazioni mensili sull’estensione e la concentrazione del ghiaccio marino a partire da novembre 1978 fino al presente (Cavalieri et al. 1996; Fetterer e Knowles 2004). Questi dati, derivati principalmente da osservazioni satellitari, rappresentano una delle fonti più complete e affidabili per lo studio delle variazioni del ghiaccio marino nell’Artico. L’area del ghiaccio marino è stata calcolata per ogni cella della griglia oceanica come il prodotto della concentrazione di ghiaccio (espressa in percentuale) e l’area della cella stessa. Successivamente, l’estensione totale del ghiaccio marino è stata determinata sommando le aree di tutte le celle della griglia con una concentrazione di ghiaccio superiore al 15%, una soglia standard utilizzata per definire la presenza di ghiaccio marino.

In questo studio, l’attenzione è stata posta principalmente sull’area del ghiaccio marino come metrica primaria per valutare i cambiamenti avvenuti negli ultimi quattro decenni, data la maggiore affidabilità dei dati satellitari nel misurare variazioni di area rispetto ad altre metriche, come il volume del ghiaccio. L’approccio metodologico adottato consente di quantificare con precisione l’evoluzione temporale del ghiaccio marino e di correlarla con le variazioni climatiche su scala regionale e globale, fornendo una base solida per l’analisi delle teleconnessioni e dei meccanismi climatici sottostanti. L’integrazione di questi dataset di alta qualità ha permesso di costruire un quadro coerente delle interazioni tra la circolazione atmosferica, le SST tropicali e il declino del ghiaccio marino, ponendo le basi per un’analisi approfondita dei fattori che hanno guidato l’accelerazione della fusione tra il 2007 e il 2012.

“Analisi Dettagliata della Tabella 1.27: Risoluzione Spaziale dei Modelli Climatici CMIP5 Utilizzati per lo Studio delle Forzanti Climatiche e del Declino del Ghiaccio Marino Artico”

La Tabella 1.27 presenta un elenco completo di 27 modelli climatici globali impiegati nell’ambito degli esperimenti del Coupled Model Intercomparison Project Phase 5 (CMIP5), un’iniziativa internazionale volta a standardizzare e confrontare le simulazioni climatiche per analizzare la risposta del sistema climatico terrestre a forzanti antropogeniche e naturali. Gli esperimenti considerati nella tabella combinano simulazioni storiche con lo scenario RCP8.5 (Representative Concentration Pathway 8.5), uno scenario ad alte emissioni di gas serra che rappresenta un futuro con un significativo aumento del forzante radiativo, pari a circa 8,5 W/m² entro il 2100. La tabella riporta, per ciascun modello, le dimensioni della griglia atmosferica orizzontale, espresse attraverso due parametri: nx, che indica il numero di punti di griglia lungo la longitudine, e ny, che rappresenta il numero di punti di griglia lungo la latitudine. Questi valori definiscono la risoluzione spaziale del componente atmosferico di ciascun modello, un aspetto cruciale per determinare la capacità del modello di rappresentare con accuratezza i processi climatici su scale globali e regionali.

Struttura e Contenuto della Tabella

I modelli elencati, tra cui ACCESS1.0, BCC-CSM1.1, CCSM4, GISS-E2-R, MIROC5 e NorESM1-M, sono stati sviluppati da diversi centri di ricerca climatica a livello globale e rappresentano una vasta gamma di approcci alla modellizzazione del sistema climatico terrestre. Ogni modello integra componenti chiave come l’atmosfera, gli oceani, il ghiaccio marino e la superficie terrestre, ma differisce per parametrizzazioni, configurazioni e risoluzioni spaziali. I valori di nx e ny riportati nella tabella riflettono la suddivisione della sfera terrestre in una griglia bidimensionale, dove nx corrisponde al numero di celle lungo i meridiani (longitudine) e ny al numero di celle lungo i paralleli (latitudine). Ad esempio, il modello ACCESS1.0 utilizza una griglia di 192 punti in longitudine (nx = 192) e 144 punti in latitudine (ny = 144), mentre MIROC5 presenta una risoluzione più fine con nx = 256 e ny = 128, e FGOALS-g2 una risoluzione più grossolana con nx = 128 e ny = 60.

Implicazioni della Risoluzione Spaziale

La risoluzione spaziale di un modello climatico è un fattore determinante per la sua capacità di simulare accuratamente i processi fisici e dinamici del sistema climatico. Una griglia più fine, caratterizzata da valori elevati di nx e ny (ad esempio, CCSM4 con nx = 288 e ny = 192), consente una rappresentazione più dettagliata dei pattern atmosferici e oceanici, come i gradienti di temperatura, i venti zonali e meridionali, e i fenomeni convettivi che possono influenzare le teleconnessioni climatiche. Questo è particolarmente importante per lo studio delle interazioni tra le regioni tropicali e l’Artico, come il modo Pacific-Arctic teleconnection (PARC), che dipende dalla propagazione di treni d’onde di Rossby attraverso l’atmosfera. D’altra parte, una griglia più grossolana, con valori inferiori di nx e ny (ad esempio, FGOALS-g2 con nx = 128 e ny = 60), tende a semplificare i processi su scala regionale, potenzialmente trascurando dettagli critici come le variazioni locali della temperatura superficiale del mare (SST) o i pattern di fusione del ghiaccio marino.

La variabilità nella risoluzione tra i modelli CMIP5 riflette differenze negli obiettivi scientifici e nelle risorse computazionali disponibili per ciascun gruppo di ricerca. Modelli con risoluzioni più elevate, come CESM1-CAM5 e CCSM4, richiedono una maggiore potenza di calcolo, ma offrono una rappresentazione più accurata delle dinamiche atmosferiche e dei feedback climatici, come quelli legati alla perdita di ghiaccio marino e al riscaldamento artico. Al contrario, modelli con risoluzioni più basse, come FGOALS-g2 o MIROC-ESM-CHEM (nx = 128, ny = 64), sono meno onerosi dal punto di vista computazionale, ma possono introdurre approssimazioni che limitano la loro capacità di catturare fenomeni complessi su scala regionale, come le anomalie di pressione barotropica nell’Artico o le interazioni tra SST tropicali e circolazione atmosferica.

Rilevanza per lo Studio

Nel contesto di questo studio, che si concentra sull’accelerazione della fusione del ghiaccio marino artico tra il 2007 e il 2012 e sul ruolo delle teleconnessioni tropicali-artiche, la scelta della risoluzione spaziale dei modelli CMIP5 è di fondamentale importanza. I modelli con griglie più fini possono meglio rappresentare i meccanismi fisici che collegano le anomalie di SST nel Pacifico tropicale centro-orientale al riscaldamento e alla fusione del ghiaccio marino nell’Artico, come il treno d’onde di Rossby che caratterizza il modo PARC. Tuttavia, anche i modelli con risoluzioni più basse possono fornire informazioni utili, soprattutto per analizzare tendenze di lungo periodo e pattern climatici su larga scala.

Considerazioni Tecniche e Limiti

Va notato che la risoluzione spaziale non è l’unico fattore che determina la qualità delle simulazioni climatiche. Altri aspetti, come le parametrizzazioni dei processi fisici (ad esempio, la formazione delle nubi o il trasferimento di calore tra oceano e atmosfera), la rappresentazione delle interazioni tra i componenti del sistema climatico e la qualità dei dati osservativi utilizzati per validare i modelli, giocano un ruolo altrettanto importante. Inoltre, la risoluzione orizzontale riportata nella tabella si riferisce esclusivamente al componente atmosferico dei modelli, mentre la risoluzione degli altri componenti, come l’oceano o il ghiaccio marino, potrebbe differire e influire sui risultati delle simulazioni.

Conclusione

In sintesi, la Tabella 1.27 offre una panoramica dettagliata delle caratteristiche tecniche dei 27 modelli climatici CMIP5 utilizzati per analizzare le forzanti climatiche e il declino del ghiaccio marino artico. La variabilità nella risoluzione spaziale, espressa dai valori di nx e ny, evidenzia le differenze tra i modelli e sottolinea l’importanza di considerare le limitazioni e i punti di forza di ciascun modello nell’interpretazione dei risultati. Questo aspetto è particolarmente rilevante per lo studio delle teleconnessioni tropicali-artiche e della fusione accelerata del ghiaccio marino tra il 2007 e il 2012, poiché la capacità dei modelli di rappresentare accuratamente i pattern atmosferici su larga scala e le dinamiche regionali può influire significativamente sulle conclusioni scientifiche e sulle proiezioni future del cambiamento climatico nell’Artico.

“Metodologie di Simulazione Climatica: Utilizzo dei Dataset CMIP5, CESM-LENS e MPI-Grand per l’Analisi del Declino del Ghiaccio Marino Artico e delle Dinamiche Climatiche”

Sezione 2.b. CMIP5, CESM-LENS e MPI-Grand:

Per analizzare l’evoluzione dell’area del ghiaccio marino artico e il ruolo della variabilità climatica interna e delle forzanti esterne, sono stati impiegati dati provenienti da diverse fonti di simulazioni climatiche globali, ciascuna progettata per fornire una rappresentazione dettagliata delle dinamiche del sistema climatico terrestre. In particolare, sono state utilizzate serie temporali mensili dell’area del ghiaccio marino derivate da due grandi insiemi di simulazioni: il CESM Large Ensemble Community Project (LENS) e il MPI Grand Ensemble (Grand-Ens). Il progetto CESM-LENS (Kay et al. 2015) ha fornito 40 realizzazioni, mentre il MPI Grand Ensemble (Giorgetta et al. 2013) ha contribuito con 100 realizzazioni, entrambe caratterizzate da condizioni iniziali leggermente perturbate per catturare la variabilità interna del sistema climatico. Queste simulazioni includono sia esperimenti storici, che coprono il periodo passato, sia proiezioni future basate sullo scenario RCP8.5 (Representative Concentration Pathway 8.5), uno scenario ad alte emissioni di gas serra che prevede un significativo aumento del forzante radiativo entro la fine del XXI secolo.

Parallelamente, l’analisi ha incluso i 27 modelli climatici riportati nella Tabella 1, estratti dal database del Coupled Model Intercomparison Project Phase 5 (CMIP5; Taylor et al. 2012). Questo database rappresenta un’importante risorsa per la comunità scientifica, poiché consente di confrontare le prestazioni di diversi modelli climatici globali e di stimare la risposta del ghiaccio marino alle forzanti esterne, sia nel periodo storico che in scenari futuri come l’RCP8.5. L’obiettivo di questa analisi è stato quello di quantificare il contributo delle forzanti antropogeniche, come l’aumento delle emissioni di gas serra, e della variabilità interna del sistema climatico al declino del ghiaccio marino, con un’attenzione particolare al periodo compreso tra il 1979 e il 2017, noto come “era satellitare storica”. Questo intervallo temporale è stato scelto per consentire un confronto diretto tra le tendenze simulate dell’area del ghiaccio marino, calcolate come medie d’insieme delle diverse realizzazioni, e le tendenze effettivamente osservate attraverso i dati satellitari, garantendo così una validazione robusta dei risultati modellistici.

Per approfondire la comprensione delle dinamiche climatiche associate a episodi estremi di fusione del ghiaccio marino in un contesto privo di influenze antropogeniche, è stata utilizzata una simulazione preindustriale di lunga durata (1800 anni) condotta con il modello CESM (Kay et al. 2015). Questa simulazione, che rappresenta uno stato di equilibrio del sistema climatico in assenza di forzanti antropogeniche come le emissioni di gas serra, ha permesso di analizzare le caratteristiche dei pattern di circolazione atmosferica su larga scala che possono innescare eventi significativi di riduzione del ghiaccio marino artico. L’analisi di questa simulazione preindustriale è fondamentale per distinguere il ruolo della variabilità climatica interna, come le fluttuazioni naturali della circolazione atmosferica, da quello delle forzanti esterne, fornendo un termine di paragone per comprendere meglio i meccanismi che hanno guidato l’accelerazione della fusione del ghiaccio marino tra il 2007 e il 2012.

L’approccio metodologico descritto, che integra simulazioni d’insieme come CESM-LENS e MPI-Grand con i modelli CMIP5 e simulazioni preindustriali, offre un quadro completo per analizzare le complesse interazioni tra variabilità interna e forzanti esterne nel contesto del declino del ghiaccio marino artico. Questo approccio consente non solo di valutare l’impatto delle teleconnessioni tropicali-artiche, come il modo Pacific-Arctic teleconnection (PARC), ma anche di esplorare le condizioni che possono portare a episodi estremi di fusione, contribuendo a una comprensione più approfondita delle dinamiche climatiche che regolano il sistema artico e delle loro implicazioni per il cambiamento climatico globale.

“Progettazione e Implementazione di Esperimenti Modellistici con ECHAM4.6: Analisi dell’Influenza delle SST Tropicali sui Cambiamenti Climatici Artici nel Periodo 2007-2012”

Sezione 2.c. Esperimenti Modellistici:

Per approfondire l’analisi del ruolo delle temperature superficiali del mare (SST) tropicali nel modulare i cambiamenti climatici nell’Artico, in particolare durante il periodo di fusione accelerata del ghiaccio marino tra il 2007 e il 2012, sono stati condotti una serie di esperimenti modellistici utilizzando il modello di circolazione generale atmosferica ECHAM4.6. Questo modello, sviluppato presso il Max Planck Institute for Meteorology (Roeckner et al. 1996), è stato configurato con una risoluzione orizzontale di T42, che corrisponde a circa 2,8° di latitudine per 2,8° di longitudine, e include 19 livelli verticali per rappresentare la struttura tridimensionale dell’atmosfera. Tale risoluzione, pur non essendo tra le più fini disponibili nei modelli climatici moderni, offre un compromesso adeguato tra dettaglio spaziale e fattibilità computazionale, rendendo ECHAM4.6 uno strumento efficace per analizzare le teleconnessioni su larga scala tra le regioni tropicali e l’Artico.

Il modello ECHAM4.6 è stato accoppiato a un oceano a lastra (slab ocean), un approccio semplificato per rappresentare l’oceano come una serie di scatole d’acqua con una profondità uniforme di 50 metri (Ding et al. 2014). In questo schema, l’oceano non include dinamiche complesse come le correnti oceaniche o la circolazione termoalina; invece, la temperatura dell’oceano e le condizioni del ghiaccio marino in ciascun punto della griglia sono determinate esclusivamente dagli scambi di calore attraverso l’interfaccia aria-mare. È stato inoltre incorporato un semplice modello di ghiaccio marino basato esclusivamente sulla termodinamica, che si attiva quando la temperatura dell’oceano scende al punto di congelamento, permettendo la formazione di ghiaccio in modo realistico, seppur semplificato. Va notato che, in questa configurazione, non esiste una comunicazione diretta tra i punti adiacenti della griglia oceanica, né una rappresentazione dell’oceano profondo, limitando il modello alla simulazione delle interazioni superficiali tra atmosfera e oceano.

Per garantire che il ciclo stagionale della temperatura oceanica e delle condizioni del ghiaccio marino riflettesse le condizioni osservate, è stato aggiunto un flusso di calore climatologico ciclostazionario all’equazione della tendenza della temperatura oceanica. Questo flusso di calore è stato calibrato per replicare il ciclo stagionale medio osservato nel periodo 1979–1999, un intervallo rappresentativo delle condizioni climatiche moderne prima dell’accelerazione della fusione del ghiaccio marino negli anni 2000. Tale approccio consente di mantenere un realismo di base nelle simulazioni, pur operando all’interno di un framework semplificato.

Sono stati condotti due esperimenti di tipo “pacemaker”, una tecnica in cui le SST sono prescritte in una regione specifica (in questo caso, il Pacifico centro-orientale tropicale, denominato ECP), mentre altrove vengono generate interattivamente attraverso l’accoppiamento con l’oceano a lastra. La regione ECP è stata definita come l’area compresa tra 25°S e 30°N di latitudine e tra 145°E e 285°E di longitudine, una zona critica per le teleconnessioni climatiche (si veda anche la Figura 8b dello studio originale). Nella simulazione di controllo, sono state imposte le SST mensili climatologiche osservate nel periodo 1979–2017, con un ciclo annuale di 12 mesi, derivate dal dataset ERSST. Questo dataset fornisce una ricostruzione affidabile delle SST globali basata su osservazioni storiche e satellitari, rendendolo ideale per questo tipo di esperimenti.

Per valutare l’impatto specifico delle SST del Pacifico centro-orientale tropicale sui recenti cambiamenti della circolazione atmosferica nell’Artico, un secondo esperimento ha imposto le SST mensili medie del periodo 2007–2012 nella regione ECP. Questo intervallo di sei anni è stato selezionato per la sua rilevanza, poiché coincide con il periodo di massima accelerazione della fusione del ghiaccio marino artico, culminata nei minimi storici del 2007 e 2012. In entrambi gli esperimenti, la forzante antropogenica, come l’effetto delle emissioni di gas serra, è stata mantenuta costante per isolare l’influenza delle anomalie di SST e minimizzare l’interferenza di altri fattori esterni.

Ciascun esperimento è stato integrato per un periodo di 40 anni, ma solo gli ultimi 30 anni di ciascuna simulazione sono stati utilizzati per l’analisi, scartando i primi 10 anni come periodo di inizializzazione (spinup) per consentire al modello di raggiungere un equilibrio dinamico. Poiché gli anni individuali in queste simulazioni sono in gran parte indipendenti, ogni anno può essere considerato equivalente a un membro di un ensemble, e le medie calcolate su 30 anni corrispondono a medie d’insieme. Le differenze tra la simulazione di controllo e quella con le anomalie di SST del 2007–2012 hanno permesso di quantificare l’impatto delle anomalie di SST tropicali sulla circolazione atmosferica e, di conseguenza, sulla fusione del ghiaccio marino artico durante il periodo di interesse.

Inoltre, sono stati condotti due esperimenti aggiuntivi utilizzando la stessa metodologia pacemaker di 40 anni, ma espandendo i domini delle SST prescritte per includere l’intero tropico e il Pacifico settentrionale. Questi esperimenti supplementari hanno l’obiettivo di esplorare l’influenza di regioni oceaniche più ampie sulle dinamiche climatiche artiche, fornendo un confronto utile per comprendere l’importanza relativa del Pacifico centro-orientale rispetto ad altre aree oceaniche.

In sintesi, gli esperimenti condotti con il modello ECHAM4.6 rappresentano un approccio mirato per isolare e analizzare l’effetto delle SST tropicali sui cambiamenti climatici nell’Artico, con particolare attenzione al ruolo del modo Pacific-Arctic teleconnection (PARC) durante il periodo di fusione accelerata del ghiaccio marino tra il 2007 e il 2012. La combinazione di simulazioni di controllo e di esperimenti pacemaker, insieme all’espansione dei domini di analisi, offre un quadro robusto per comprendere le complesse interazioni tra forzanti tropicali e risposte climatiche polari, contribuendo a una migliore interpretazione dei meccanismi che guidano il declino del ghiaccio marino artico.

“Metodologie Avanzate per l’Analisi delle Teleconnessioni Climatiche: Applicazione dell’Analisi della Covarianza Massima, dell’Attività delle Onde e della Significatività Statistica nello Studio del Declino del Ghiaccio Marino Artico”

Sezioni 2.d, 2.e e 2.f:

Per analizzare le complesse interazioni tra la circolazione atmosferica artica e le temperature superficiali del mare (SST) tropicali, nonché per valutare il loro impatto sul declino del ghiaccio marino artico, sono state adottate diverse tecniche analitiche avanzate, descritte di seguito. Queste metodologie sono state progettate per identificare i pattern climatici dominanti, tracciare la propagazione delle onde atmosferiche e verificare la significatività statistica delle relazioni osservate, fornendo un quadro robusto per comprendere le teleconnessioni che collegano le regioni tropicali e polari.

Analisi della Covarianza Massima (MCA)
Un approccio fondamentale utilizzato in questo studio è l’analisi della covarianza massima (MCA), una tecnica statistica impiegata per determinare i principali pattern di covarianza tra due campi climatici, in questo caso la circolazione atmosferica artica e le SST tropicali. L’MCA si basa su un metodo matematico che decompone la matrice di covarianza tra due variabili, permettendo di estrarre i modi dominanti di variabilità condivisa. Nello specifico, l’analisi ha considerato l’altezza geopotenziale a 200 hPa (un indicatore della circolazione atmosferica a quote elevate) nei mesi estivi di giugno, luglio e agosto (JJA), periodo critico per la fusione del ghiaccio marino, e le SST tropicali nello stesso intervallo temporale. I risultati dell’MCA hanno prodotto serie temporali e pattern spaziali che rappresentano le configurazioni ottimali di accoppiamento tra questi due campi, evidenziando le connessioni dinamiche tra le anomalie di SST nel Pacifico tropicale e i cambiamenti nella circolazione atmosferica artica. Questo approccio è essenziale per identificare il modo Pacific-Arctic teleconnection (PARC), che si ritiene abbia contribuito all’accelerazione della fusione del ghiaccio marino tra il 2007 e il 2012.

Analisi dell’Attività delle Onde
Per esaminare i meccanismi fisici che facilitano le teleconnessioni tra le regioni tropicali e l’Artico, è stata condotta un’analisi dell’attività delle onde, basata sul metodo sviluppato da Plumb (1985). Questa tecnica si concentra sulla propagazione dell’energia associata alle onde di Rossby stazionarie, un tipo di onda atmosferica su larga scala che gioca un ruolo cruciale nel trasferimento di energia e momento attraverso l’atmosfera. L’analisi ha utilizzato il vettore di flusso delle onde, che fornisce un’indicazione diretta della direzione e dell’intensità del flusso di attività delle onde, allineato con la velocità di gruppo delle onde di Rossby quasi-stazionarie. Questo strumento diagnostico si è rivelato particolarmente efficace per rilevare la presenza e il percorso delle onde di Rossby su larga scala, che possono originarsi da anomalie di SST nel Pacifico tropicale e propagarsi verso l’Artico, influenzando la temperatura e la pressione atmosferica in quella regione. L’identificazione di questi pattern di propagazione è fondamentale per comprendere come le condizioni tropicali possano aver amplificato il riscaldamento artico e la conseguente fusione del ghiaccio marino durante il periodo di interesse.

Determinazione della Significatività delle Correlazioni
Per garantire la robustezza delle relazioni identificate tra le variabili climatiche, come le SST estive e l’estensione del ghiaccio marino di settembre, è stata condotta un’analisi approfondita della significatività statistica delle correlazioni. Questo processo ha tenuto conto dell’autocorrelazione presente nelle serie temporali, un fenomeno comune nei dati climatici che può portare a una sovrastima della significatività se non adeguatamente considerato. Per affrontare questo problema, è stata calcolata una dimensione campionaria effettiva, che ajusta il numero di gradi di libertà in base al livello di autocorrelazione delle variabili analizzate. Un livello di confidenza del 95% è stato adottato come soglia per determinare la significatività delle correlazioni e delle analisi compositive, garantendo un’alta affidabilità dei risultati.

Per ulteriormente validare le correlazioni, è stato implementato un test Monte Carlo, una tecnica statistica che utilizza simulazioni casuali per valutare la significatività dei risultati. In questo test, sono state generate 1000 serie temporali sintetiche di dati sul ghiaccio marino, ciascuna della durata di 39 anni (corrispondente al periodo 1979–2017), costruite come rumore bianco per eliminare qualsiasi struttura temporale intrinseca. Queste serie sono state successivamente correlate con le SST estive (JJA) osservate nello stesso periodo. Per ciascun punto della griglia oceanica, le 1000 correlazioni risultanti sono state ordinate in ordine crescente, e sono stati calcolati i percentili 97,5 e 2,5, la cui media ha definito una soglia di correlazione al livello di confidenza del 95%. Questa soglia, specifica per ogni punto della griglia, è stata utilizzata in combinazione con quella derivata dal metodo basato sulla dimensione campionaria effettiva, adottando il valore più conservativo (cioè il maggiore) tra i due per determinare la significatività delle correlazioni tra l’estensione del ghiaccio marino di settembre e le SST estive. Questo approccio rigoroso ha permesso di identificare con maggiore precisione le regioni oceaniche in cui le SST hanno un impatto statisticamente significativo sul ghiaccio marino artico, contribuendo a una comprensione più chiara delle teleconnessioni climatiche.

Conclusione
Le metodologie descritte, che combinano l’analisi della covarianza massima, l’analisi dell’attività delle onde e un’approfondita valutazione della significatività statistica, hanno fornito un quadro analitico completo per investigare le connessioni tra le SST tropicali e i cambiamenti climatici artici. Questi strumenti hanno permesso di identificare i pattern dominanti di variabilità climatica, di tracciare i percorsi delle onde di Rossby che collegano le regioni tropicali all’Artico, e di confermare la robustezza delle correlazioni osservate, gettando luce sui meccanismi che hanno guidato l’accelerazione della fusione del ghiaccio marino tra il 2007 e il 2012.

“Dinamiche del Declino del Ghiaccio Marino Artico: Analisi delle Variazioni nell’Area di Settembre e Ruolo della Variabilità Interna nel Periodo 2007-2012”

Sezione 3.a. Cambiamenti nell’Area Totale del Ghiaccio Marino di Settembre:

L’Artico ha subito un riscaldamento estivo significativo e una marcata fusione del ghiaccio marino nel periodo compreso tra il 2007 e il 2012, un intervallo che si distingue per la sua rilevanza nel contesto del declino a lungo termine del ghiaccio marino. Per analizzare queste dinamiche, è stata esaminata l’evoluzione dell’area totale del ghiaccio marino di settembre, un indicatore chiave dello stato del ghiaccio artico, nel corso degli ultimi quattro decenni. I dati osservativi rivelano un declino complessivo dell’area del ghiaccio marino di settembre pari a 0,77 milioni di km² per decennio, un tasso di riduzione significativamente più rapido rispetto a quello simulato dalle medie d’insieme dei principali progetti di modellizzazione climatica. In particolare, le simulazioni CMIP5 mostrano un declino medio di 0,55 milioni di km² per decennio, il progetto CESM-LENS (Large Ensemble) riporta una diminuzione di 0,6 milioni di km² per decennio, e il MPI Grand Ensemble (Grand-Ens) indica una riduzione di 0,48 milioni di km² per decennio. Questa discrepanza tra osservazioni e simulazioni suggerisce che i modelli climatici potrebbero sottostimare l’entità del declino reale del ghiaccio marino, evidenziando l’importanza di fattori non completamente catturati dai modelli.

Un’analisi più dettagliata delle tendenze osservate rivela che il declino del ghiaccio marino non è stato uniforme, ma ha mostrato variazioni significative nei tassi di cambiamento da decennio a decennio, una caratteristica che non si riflette nelle medie d’insieme delle simulazioni climatiche (illustrata nella Figura 1a). Questo comportamento indica una forte componente di variabilità interna nel cambiamento del ghiaccio marino, come suggerito da studi precedenti (Winton 2011; Rosenblum e Eisenman 2017). In particolare, il periodo più recente, dal 2007 al 2017, presenta una tendenza di declino quasi trascurabile, con un tasso di variazione di appena 0,04 milioni di km² per decennio (Figura 1a). Questo rallentamento della tendenza, già notato da Swart et al. (2015) per il periodo 2007–2013, si è protratto fino al 2017 e persino al 2018, quando l’area del ghiaccio marino di settembre ha raggiunto 3,56 milioni di km² (Figura 1a). Tale rallentamento contrasta con il declino più rapido osservato nei decenni precedenti e solleva interrogativi sui fattori che modulano queste variazioni temporali.

Per esplorare in modo più approfondito la variabilità interna del declino del ghiaccio marino dal 1979 in poi, è stato calcolato il tasso di variazione osservato su tutti i possibili periodi decadali con durata superiore a 10 anni, compresi tra il 1979 e il 2017, utilizzando un approccio basato su una finestra mobile (Figura 1b). Questo metodo ha permesso di identificare oggettivamente i periodi di declino più lento e più rapido negli ultimi 39 anni, considerando qualsiasi durata temporale, e di analizzare le cause alla base delle loro differenze. L’analisi ha evidenziato due periodi particolarmente significativi in termini di tassi di cambiamento dell’area del ghiaccio marino: un periodo di 11 anni, dal 2007 al 2017, caratterizzato dal declino più lento con una tendenza vicina allo zero, e un periodo di 12 anni, dal 2001 al 2012, che ha registrato il declino più marcato. Questi due periodi si sovrappongono nel lasso di tempo compreso tra il 2007 e il 2012, un intervallo che si distingue per un’area di ghiaccio marino estivo eccezionalmente bassa, culminata nei minimi storici registrati nel 2007 e nel 2012.

Il periodo 2007–2012 emerge come un episodio cruciale, poiché è proprio la significativa riduzione del ghiaccio marino in questi sei anni a generare il forte contrasto tra le tendenze dei due periodi decadali sopra citati (2001–12 rispetto a 2007–17). In effetti, qualsiasi tendenza che includa il periodo 2007–2012 risulta dominata dall’intensa fusione verificatasi in quegli anni (Figura 1b). Inoltre, questo intervallo rappresenta il momento di massima divergenza tra le tendenze osservate dell’area totale del ghiaccio marino e le medie d’insieme delle simulazioni climatiche, che riflettono principalmente il segnale forzato antropogenicamente (Figura 1a). Tale divergenza suggerisce che fattori di variabilità interna, non pienamente rappresentati nei modelli, abbiano avuto un ruolo determinante nell’amplificare la fusione del ghiaccio marino durante questo periodo.

Per analizzare in dettaglio le cause della bassa area di ghiaccio marino estivo nel periodo 2007–2012 e contestualizzarla rispetto all’intero arco temporale di 39 anni, l’intero record dal 1979 al 2017 è stato suddiviso in tre sotto-periodi: 1979–2006, 2007–2012 e 2013–2017. Successivamente, sono state calcolate le tendenze delle variabili atmosferiche, come temperatura e pressione, e delle SST durante il primo periodo (1979–2006), considerate rappresentative delle tendenze di lungo termine. Queste tendenze sono state poi confrontate con le anomalie, calcolate rispetto alla climatologia di 39 anni, osservate nei due periodi successivi (2007–2012 e 2013–2017). Questo approccio ha permesso di valutare come i pattern climatici nei due periodi più recenti abbiano amplificato o attenuato le tendenze a lungo termine identificate nel periodo iniziale, offrendo una comprensione più chiara dei meccanismi che hanno guidato l’accelerazione della fusione del ghiaccio marino tra il 2007 e il 2012 e il successivo rallentamento.

In sintesi, l’analisi delle variazioni dell’area totale del ghiaccio marino di settembre evidenzia il ruolo critico della variabilità interna nel modulare il declino del ghiaccio artico, con il periodo 2007–2012 che emerge come un episodio chiave di fusione accelerata. La combinazione di dati osservativi e simulazioni modellistiche, insieme a un’analisi temporale dettagliata, pone le basi per un’indagine approfondita dei fattori climatici, come le teleconnessioni tropicali-artiche, che possono aver contribuito a queste dinamiche, con implicazioni significative per le proiezioni future del cambiamento climatico nell’Artico.

“Analisi Dettagliata della Figura 1: Evoluzione dell’Area del Ghiaccio Marino Artico di Settembre e Influenze Climatiche dal 1979 al 2017”

La Figura 1 presenta un’analisi approfondita dell’evoluzione dell’area totale del ghiaccio marino di settembre nell’Artico nel periodo 1979–2017, integrando dati osservativi e simulazioni modellistiche per evidenziare il ruolo della variabilità interna e delle condizioni atmosferiche nel declino del ghiaccio marino. La figura è suddivisa in due pannelli principali (a e b), ciascuno dei quali fornisce informazioni complementari attraverso grafici temporali e mappe spaziali, con l’obiettivo di analizzare le tendenze di lungo periodo, le variazioni interdecadali e le anomalie climatiche associate a periodi specifici, in particolare l’accelerazione della fusione tra il 2007 e il 2012.

Pannello a: Serie Temporali dell’Area del Ghiaccio Marino e Variabili Climatiche Correlate

Il pannello a presenta una serie temporale che copre il periodo 1979–2017, confrontando l’area totale del ghiaccio marino di settembre osservata con le simulazioni modellistiche e includendo due variabili atmosferiche chiave per comprendere le dinamiche climatiche che influenzano il ghiaccio marino.

• Area Totale del Ghiaccio Marino di Settembre (Linea Nera): I dati, forniti dal National Snow and Ice Data Center (NSIDC), mostrano un declino significativo dell’area del ghiaccio marino, che passa da circa 7 milioni di km² nel 1979 a 3,56 milioni di km² nel 2018. Questo declino complessivo, pari a -0,77 milioni di km² per decennio, evidenzia un trend di lungo periodo coerente con il riscaldamento globale e l’amplificazione artica. Tuttavia, il grafico rivela una variabilità interannuale marcata, con due minimi storici notevoli nel 2007 e nel 2012, che rappresentano i punti più bassi dell’intero record. Un’analisi specifica del periodo 2007–2017 (indicato dalla linea blu) mostra una tendenza di declino quasi trascurabile, con un tasso di variazione di +0,04 milioni di km² per decennio, suggerendo un rallentamento significativo del declino del ghiaccio marino in quest’ultimo decennio, in netto contrasto con i periodi precedenti.
• Medie d’Insieme Simulate (CMIP5, LENS, Grand-Ens, Linee Grigie): Le simulazioni modellistiche, derivate dai progetti CMIP5, CESM Large Ensemble (LENS) e MPI Grand Ensemble (Grand-Ens), mostrano un declino più graduale dell’area del ghiaccio marino rispetto alle osservazioni, con tassi rispettivamente di -0,55, -0,6 e -0,48 milioni di km² per decennio. Questa discrepanza indica che i modelli, pur catturando il segnale forzato antropogenicamente (principalmente dovuto alle emissioni di gas serra), non riescono a riprodurre pienamente la variabilità interna osservata, come le fluttuazioni decennali e i minimi estremi del 2007 e 2012. Le simulazioni partono dalla stessa area iniziale delle osservazioni per facilitare il confronto visivo, ma la loro traiettoria più lineare suggerisce una sottostima dei fattori di variabilità interna che influenzano il ghiaccio marino.
• Altezza Geopotenziale a 200 hPa sopra la Groenlandia (Z200, Linea Rossa Tratteggiata): Misurata in metri (scala sull’asse destro), questa variabile rappresenta le condizioni della circolazione atmosferica estiva (giugno–agosto, JJA) nella regione della Groenlandia. Un aumento dell’altezza geopotenziale a 200 hPa indica un rafforzamento dell’alta pressione, un pattern atmosferico che favorisce condizioni più calde e umide nell’Artico, contribuendo alla fusione del ghiaccio marino. Il grafico mostra picchi significativi di Z200 nel 2007 e 2012, coincidenti con i minimi dell’area del ghiaccio marino, suggerendo un legame diretto tra l’alta pressione sopra la Groenlandia e la fusione accelerata in quegli anni.
• Radiazione a Onda Lunga Discendente (DLR, Linea Viola Tratteggiata): Misurata in W/m² (scala sull’asse destro) e calcolata come media sull’area a nord del 70°N, la DLR rappresenta la radiazione infrarossa emessa verso il basso, un fattore critico per il bilancio energetico della superficie artica. Un aumento della DLR è associato a un maggiore riscaldamento della superficie e a una fusione accelerata del ghiaccio marino, poiché la radiazione infrarossa contribuisce a sciogliere il ghiaccio e a riscaldare l’oceano sottostante. I dati di DLR, derivati dalla rianalisi ERA-Interim per il periodo estivo (JJA), mostrano anomalie positive pronunciate nel 2007 e 2012, in corrispondenza dei minimi dell’area del ghiaccio marino, e una riduzione negli anni successivi, coerente con il rallentamento del declino del ghiaccio marino.

Questo pannello evidenzia il ruolo della variabilità interna nel modulare il declino del ghiaccio marino, come dimostrato dalla divergenza tra le osservazioni e le simulazioni modellistiche, e suggerisce che le condizioni atmosferiche estive, come l’alta pressione sopra la Groenlandia e l’aumento della DLR, abbiano amplificato la fusione del ghiaccio marino durante il periodo 2007–2012.

Pannello b: Tendenze Interdecadali e Anomalie Spaziali delle Variabili Climatiche

Il pannello b si compone di un grafico superiore, che analizza le tendenze dell’area del ghiaccio marino su periodi superiori a 10 anni, e di tre mappe spaziali che descrivono le condizioni climatiche in tre sotto-periodi distinti (1979–2006, 2007–2012, 2013–2017), con l’obiettivo di comprendere i fattori che hanno guidato la fusione accelerata e il successivo rallentamento.

• Grafico Superiore: Tendenze dell’Area del Ghiaccio Marino su Periodi Superiori a 10 Anni
  Questo grafico mostra i tassi di variazione dell’area del ghiaccio marino (in milioni di km² per decennio) calcolati su tutti i possibili periodi superiori a 10 anni tra il 1979 e il 2017, utilizzando un approccio a finestra mobile. I valori negativi indicano un declino, con tassi più rapidi rappresentati da valori più bassi sull’asse y. Ogni punto blu rappresenta il tasso di declino per un determinato periodo, con la scala di colore che indica la durata del periodo analizzato (da 11 a 39 anni, dal blu scuro al bianco). Due periodi estremi emergono chiaramente:
  • 2001–2012 (Triangoli Neri): Identificato come il periodo di declino più rapido, con un tasso di circa -1,5 milioni di km² per decennio, questo intervallo include il periodo 2007–2012 di fusione accelerata, culminato nei minimi storici del 2007 e 2012.
  • 2007–2017 (Triangoli Bianchi): Identificato come il periodo di declino più lento, con un tasso vicino allo zero, questo intervallo riflette il rallentamento del declino del ghiaccio marino dopo il 2012. L’analisi evidenzia che il periodo 2007–2012 è cruciale, poiché domina le tendenze di qualsiasi intervallo che lo includa, a causa della significativa fusione avvenuta in quegli anni.
• Mappe Spaziali Inferiori: Tendenze e Anomalie di Z200 e DLR
  Le tre mappe spaziali rappresentano le condizioni climatiche nell’Artico in tre periodi distinti, confrontando le tendenze di lungo termine con le anomalie durante i periodi di interesse:
  • Tendenze 1979–2006 (Sinistra): Questa mappa mostra le tendenze di lungo termine delle variabili climatiche prima del periodo di fusione accelerata.
    • Altezza Geopotenziale a 200 hPa (Z200, Contorni Neri, in metri per decennio): Si osserva un aumento significativo di Z200 sopra la Groenlandia, con valori fino a +50 m per decennio, indicando un rafforzamento dell’alta pressione barotropica. Questo pattern è associato a un aumento delle temperature e a condizioni favorevoli alla fusione del ghiaccio marino.
    • Radiazione a Onda Lunga Discendente (DLR, Scala di Colore Blu, in W/m² per decennio): La DLR mostra un aumento fino a +0,8 W/m² per decennio in alcune aree dell’Artico, contribuendo al riscaldamento della superficie e al declino del ghiaccio marino nel periodo di riferimento.
  • Anomalie 2007–2012 (Centro): Questo periodo, caratterizzato da una fusione accelerata, presenta condizioni atmosferiche estreme.
    • Z200 (Contorni Neri, in metri): Anomalie positive molto marcate sopra la Groenlandia, con valori fino a +70 m, indicano un’alta pressione persistente che ha amplificato il riscaldamento estivo, favorendo la fusione del ghiaccio marino.
    • DLR (Scala di Colore Blu, in W/m²): Anomalie positive significative, con valori fino a +1,5 W/m², riflettono un aumento della radiazione infrarossa discendente, che ha contribuito a sciogliere il ghiaccio marino in modo accelerato durante questo periodo.
  • Anomalie 2013–2017 (Destra): Questo periodo è caratterizzato da un rallentamento del declino del ghiaccio marino.
    • Z200 (Contorni Neri, in metri): Anomalie negative sopra la Groenlandia, con valori fino a -50 m, suggeriscono una riduzione dell’alta pressione e condizioni meno favorevoli alla fusione del ghiaccio marino.
    • DLR (Scala di Colore Blu, in W/m²): Anomalie prevalentemente negative, con valori fino a -1,5 W/m², indicano una diminuzione della radiazione infrarossa discendente, coerente con il rallentamento osservato del declino del ghiaccio marino.

Didascalia e Dettagli Tecnici

La didascalia della figura fornisce informazioni tecniche essenziali:

• Pannello a: L’indice NSIDC dell’area del ghiaccio marino di settembre (1979–2017) è rappresentato in nero, con la tendenza lineare per il periodo 2007–2017 indicata in blu. Le medie d’insieme simulate (CMIP5, LENS, Grand-Ens) sono mostrate in grigio, mentre Z200 sopra la Groenlandia e la DLR media a nord del 70°N (entrambe per JJA, derivate da ERA-Interim) sono rappresentate rispettivamente in rosso e viola. La DLR è calcolata con segno invertito per l’Artico a nord del 70°N, per facilitare il confronto visivo.
• Pannello b: Include le tendenze dell’area del ghiaccio marino su periodi superiori a 10 anni e le mappe spaziali di Z200 e DLR per i tre periodi analizzati, evidenziando le condizioni che hanno portato alla fusione accelerata (2007–2012) e al successivo rallentamento (2013–2017).

Interpretazione Scientifica

La Figura 1 sottolinea il ruolo critico della variabilità interna nel modulare il declino del ghiaccio marino artico, come dimostrato dalla divergenza tra le osservazioni e le simulazioni modellistiche. Il periodo 2007–2012 emerge come un episodio di fusione eccezionalmente rapida, guidato da condizioni atmosferiche favorevoli, tra cui un’alta pressione persistente sopra la Groenlandia (evidenziata dall’aumento di Z200) e un incremento significativo della radiazione a onda lunga discendente (DLR). Queste condizioni hanno amplificato il riscaldamento estivo, portando ai minimi storici del 2007 e 2012. Tuttavia, dal 2013 al 2017, l’inversione di questi pattern atmosferici, con una riduzione dell’alta pressione e della DLR, ha coinciso con un rallentamento del declino del ghiaccio marino. L’analisi delle tendenze interdecadali e delle anomalie spaziali evidenzia come il periodo 2007–2012 sia stato un’anomalia nel contesto del declino di lungo termine, influenzata da fattori di variabilità interna non completamente catturati dai modelli climatici. Questi risultati sottolineano l’importanza di considerare le teleconnessioni atmosferiche e le dinamiche tropicali-artiche per comprendere e prevedere l’evoluzione futura del ghiaccio marino artico.

“Dinamiche Atmosferiche Locali nell’Artico Estivo: Impatti sulla Fusione del Ghiaccio Marino di Settembre e Meccanismi di Variabilità Climatica dal 1979 al 2017”

Sezione 3.b. Cambiamenti Atmosferici Locali nell’Artico durante l’Estate:

L’Artico ha subito profondi cambiamenti climatici negli ultimi decenni, con un’attenzione particolare rivolta alle dinamiche atmosferiche estive (giugno–agosto, JJA) e al loro impatto sul declino del ghiaccio marino di settembre. In questo contesto, l’analisi delle variabili atmosferiche locali, come l’altezza geopotenziale a 200 hPa (Z200) intorno alla Groenlandia e la radiazione a onda lunga discendente (DLR) nell’Artico, rivela una stretta correlazione con l’evoluzione dell’area totale del ghiaccio marino di settembre negli ultimi 39 anni (1979–2017). Questa coerenza si manifesta sia su scale temporali interannuali che su scale a bassa frequenza, come illustrato nelle Figure 1a e 2a, evidenziando il ruolo critico delle condizioni atmosferiche estive nel modulare la fusione del ghiaccio marino.

Evoluzione Temporale di Z200, DLR e Ghiaccio Marino

Le serie temporali di Z200 e DLR (i cui segni sono invertiti nelle Figure 1a e 2a per facilitare il confronto visivo) mostrano un andamento temporale che rispecchia fedelmente il declino dell’area del ghiaccio marino di settembre. In particolare, durante il periodo 2007–2012, caratterizzato da una fusione accelerata del ghiaccio marino, sia Z200 che DLR raggiungono valori massimi, dopo un aumento graduale e costante osservato dagli anni ‘90 fino al 2006. Questo picco coincide con i minimi storici dell’area del ghiaccio marino registrati nel 2007 e nel 2012, suggerendo un ruolo determinante delle condizioni atmosferiche nel favorire la fusione. Dopo il 2012, tuttavia, sia Z200 che DLR mostrano una diminuzione o una tendenza quasi nulla, in parallelo con il rallentamento del declino del ghiaccio marino osservato nel periodo 2013–2017. Questo comportamento indica che le variazioni atmosferiche estive non solo riflettono, ma amplificano, le dinamiche del ghiaccio marino, agendo come un driver chiave della variabilità interdecennale.

Pattern Spaziali e Verticali delle Variabili Atmosferiche

Un’analisi dei pattern spaziali di Z200 e dei cambiamenti del ghiaccio marino (mostrati nella terza fila della Figura 1) nei tre periodi definiti (1979–2006, 2007–2012, 2013–2017) fornisce ulteriori dettagli sulle condizioni che hanno guidato la fusione accelerata e il successivo rallentamento. Durante il periodo 2007–2012, si osserva il maggiore aumento di Z200 nella regione che si estende dalla Groenlandia verso il Polo Nord, con un’anomalia positiva che indica un’alta pressione barotropica persistente. Questo pattern è strettamente associato a una fusione accelerata del ghiaccio marino lungo il lato russo del bacino artico, dove le condizioni di alta pressione hanno favorito un riscaldamento significativo della superficie. Al contrario, nel periodo 2013–2017, il riscaldamento estivo nell’Artico si è limitato principalmente alle aree a sud del 70°N, con una tendenza al raffreddamento a 600 hPa nelle latitudini più settentrionali (illustrata nell’ultima fila della Figura 1). Sebbene l’area del ghiaccio marino di settembre in questo periodo sia rimasta inferiore alla media di 39 anni, il tasso di riduzione è stato notevolmente più debole, pari a 0,29 milioni di km², rispetto al periodo 2007–2012.

I profili verticali medi zonali di altezza geopotenziale, temperatura e umidità durante l’estate (JJA) confermano ulteriormente queste dinamiche. Nel periodo 2007–2012, si registra un forte aumento di queste variabili sull’Artico, con anomalie positive che riflettono un riscaldamento troposferico significativo e un incremento dell’umidità atmosferica. Tuttavia, nel periodo 2013–2017, la struttura verticale ritorna a un pattern simile a quello dominante nel periodo 1979–2006, con leggere anomalie negative di geopotenziale nell’Artico centrale, indicative di condizioni meno favorevoli alla fusione del ghiaccio marino. Questi cambiamenti nella struttura atmosferica verticale evidenziano come la variabilità della circolazione atmosferica artica, insieme alle variazioni di umidità e radiazione a onda lunga discendente, influenzi direttamente i minimi di ghiaccio marino di settembre, in linea con meccanismi precedentemente identificati (Ding et al. 2017; Wernli e Papritz 2018).

Meccanismi Locali di Interazione tra Atmosfera e Ghiaccio Marino

Il meccanismo locale che collega l’atmosfera artica estiva al ghiaccio marino di settembre è ulteriormente supportato dall’analisi delle serie temporali detrended di ghiaccio marino, Z200 e DLR, e dalle correlazioni tra le variabili atmosferiche medie zonali estive (JJA) detrended e l’area totale del ghiaccio marino di settembre (Figura 2). Queste correlazioni, calcolate sull’intero periodo di 39 anni, rivelano una connessione significativa tra il ghiaccio marino di settembre e le condizioni atmosferiche estive precedenti. In particolare, l’altezza geopotenziale a livelli superiori mostra una correlazione di circa 0,6, mentre la temperatura troposferica e l’umidità presentano correlazioni ancora più forti, comprese tra 0,7 e 0,8. Questi valori indicano una relazione robusta tra le condizioni atmosferiche estive e il successivo stato del ghiaccio marino, evidenziando il ruolo delle dinamiche atmosferiche nel modulare la fusione.

Il meccanismo fisico alla base di questa connessione può essere spiegato attraverso l’influenza dei pattern di circolazione su larga scala, come l’alta pressione barotropica sull’Artico. Questo pattern induce una discesa adiabatica dell’aria, un processo che riscalda la bassa troposfera e aumenta la sua capacità di trattenere umidità. Un’atmosfera più calda e umida, a sua volta, genera un incremento della radiazione a onda lunga discendente, che trasferisce energia alla superficie, accelerando la fusione del ghiaccio marino. Inoltre, queste condizioni favoriscono la deriva del ghiaccio fuori dal bacino artico, riducendo ulteriormente l’estensione del ghiaccio marino (Ding et al. 2017; Yang e Magnusdottir 2018; Olonscheck et al. 2019). Durante il periodo 2007–2012, l’intensità di questo meccanismo è stata particolarmente pronunciata, contribuendo ai minimi storici di ghiaccio marino osservati in quegli anni. Al contrario, il ritorno a condizioni meno favorevoli nel periodo 2013–2017 ha attenuato il tasso di fusione, come dimostrato dal rallentamento del declino del ghiaccio marino.

Conclusione

L’analisi delle dinamiche atmosferiche locali nell’Artico estivo evidenzia il ruolo cruciale della circolazione atmosferica, della temperatura e dell’umidità nel modulare la fusione del ghiaccio marino di settembre. Il periodo 2007–2012 si distingue per un’alta pressione persistente, un aumento della radiazione a onda lunga discendente e un conseguente riscaldamento troposferico, che hanno amplificato la fusione del ghiaccio marino, portando ai minimi storici del 2007 e 2012. Tuttavia, il successivo periodo 2013–2017 mostra un’inversione di queste condizioni, con un ritorno a pattern atmosferici meno favorevoli alla fusione e un rallentamento del declino del ghiaccio marino. Questi risultati sottolineano l’importanza della variabilità interna nella modulazione del declino del ghiaccio marino artico e confermano il ruolo delle condizioni atmosferiche estive come driver chiave dei minimi di ghiaccio marino di settembre, con implicazioni significative per la comprensione e la previsione dei cambiamenti climatici nell’Artico.

“Analisi Approfondita della Figura 2: Relazioni Detrended tra l’Area del Ghiaccio Marino Artico di Settembre e le Condizioni Atmosferiche Estive dal 1979 al 2017”

La Figura 2 fornisce un’analisi dettagliata delle connessioni tra l’area totale del ghiaccio marino di settembre nell’Artico e le condizioni atmosferiche estive (giugno–agosto, JJA) nel periodo 1979–2017, utilizzando un approccio detrended per isolare la variabilità interannuale e a bassa frequenza, eliminando le tendenze di lungo termine associate al riscaldamento globale. La figura è composta da quattro pannelli (a, b, c, d), che combinano serie temporali e correlazioni spaziali per evidenziare il ruolo delle variabili atmosferiche locali, come l’altezza geopotenziale, la temperatura e l’umidità, nel modulare la fusione del ghiaccio marino, con particolare attenzione al periodo di fusione accelerata tra il 2007 e il 2012.

Pannello a: Serie Temporali Detrended di Ghiaccio Marino, Altezza Geopotenziale e Radiazione a Onda Lunga

Il pannello a presenta tre serie temporali detrended, che coprono il periodo 1979–2017, per analizzare la variabilità interannuale e a bassa frequenza delle condizioni climatiche nell’Artico e la loro relazione con il ghiaccio marino di settembre.

• Area Totale del Ghiaccio Marino di Settembre (Linea Nera Solida): Misurata in milioni di km² (asse verticale sinistro), questa serie temporale rappresenta le anomalie dell’area del ghiaccio marino rispetto alla tendenza di lungo termine. Valori negativi indicano un’area inferiore alla media detrended, mentre valori positivi indicano un’area superiore. Il grafico mostra fluttuazioni significative, con anomalie negative marcate nel 2007 e 2012, anni caratterizzati da minimi storici dell’area del ghiaccio marino, coerenti con il periodo di fusione accelerata descritto nello studio. Dopo il 2012, le anomalie diventano meno pronunciate, riflettendo il rallentamento del declino del ghiaccio marino nel periodo 2013–2017.
• Altezza Geopotenziale a 200 hPa sopra la Groenlandia (Z200, Linea Rossa Tratteggiata): Misurata in metri (asse verticale destro), questa variabile rappresenta le anomalie estive (JJA) dell’altezza geopotenziale a 200 hPa, un indicatore della circolazione atmosferica a quote elevate. Per facilitare il confronto visivo, il segno di Z200 è stato invertito: valori positivi sull’asse (che corrispondono a valori negativi reali di Z200) indicano un’alta pressione sopra la Groenlandia, un pattern associato a condizioni più calde e favorevoli alla fusione del ghiaccio marino. Il grafico mostra picchi positivi di Z200 nel 2007 e 2012, in corrispondenza dei minimi di ghiaccio marino, evidenziando un’alta pressione persistente in quegli anni, seguita da una diminuzione delle anomalie dopo il 2012, coerente con il rallentamento della fusione.
• Radiazione a Onda Lunga Discendente (DLR) nell’Artico (Linea Viola Tratteggiata): Misurata in W/m² (asse verticale destro), questa variabile rappresenta le anomalie estive (JJA) della radiazione a onda lunga discendente a nord del 70°N, anch’essa con il segno invertito per il confronto visivo. Valori positivi sull’asse (valori negativi reali di DLR) indicano un aumento della radiazione infrarossa discendente, che contribuisce al riscaldamento della superficie artica e alla fusione del ghiaccio marino. Similmente a Z200, la DLR mostra picchi positivi nel 2007 e 2012, riflettendo un aumento significativo della radiazione infrarossa in quegli anni, seguito da una diminuzione delle anomalie nel periodo 2013–2017.
• Interpretazione del Pannello a: Le tre serie temporali mostrano una notevole coerenza temporale, con anomalie negative dell’area del ghiaccio marino (riduzione dell’estensione) che coincidono con anomalie positive di Z200 e DLR (alta pressione e aumento della radiazione infrarossa) durante il periodo 2007–2012. Questa sincronia suggerisce che le condizioni atmosferiche estive, in particolare l’alta pressione sopra la Groenlandia e l’aumento della DLR, abbiano amplificato la fusione del ghiaccio marino in quegli anni. Il successivo declino delle anomalie di Z200 e DLR dopo il 2012 è coerente con il rallentamento del declino del ghiaccio marino, evidenziando il ruolo critico della variabilità atmosferica locale nel modulare i minimi di ghiaccio marino di settembre.

Pannelli b, c, d: Correlazioni tra Variabili Atmosferiche Medie Zonali e Area del Ghiaccio Marino

I pannelli b, c e d presentano mappe di correlazione detrended tra l’area totale del ghiaccio marino di settembre e tre variabili atmosferiche medie zonali estive (JJA), analizzate in funzione della latitudine (60°N–90°N) e della pressione (1000–100 hPa). Queste correlazioni quantificano la forza e la distribuzione spaziale della relazione tra le condizioni atmosferiche estive e il ghiaccio marino, fornendo un supporto quantitativo al meccanismo fisico che collega l’atmosfera artica alla fusione del ghiaccio.

• Pannello b: Correlazione con l’Altezza Geopotenziale Media Zonale (Zonal Mean Height)
  Questo pannello mostra la correlazione detrended tra l’area del ghiaccio marino di settembre e l’altezza geopotenziale media zonale estiva. I valori di correlazione variano da -0,8 (verde scuro) a +0,5 (giallo), con le aree di correlazione più significativa evidenziate da contorni blu tratteggiati. Le correlazioni più forti, intorno a -0,6, si osservano a nord del 70°N e a livelli superiori della troposfera (200–300 hPa). Questo indica che un aumento dell’altezza geopotenziale (cioè un’alta pressione) in estate è associato a una riduzione dell’area del ghiaccio marino in settembre. L’alta pressione barotropica favorisce una discesa adiabatica dell’aria, che riscalda la bassa troposfera e aumenta la radiazione a onda lunga discendente, contribuendo alla fusione del ghiaccio marino.
• Pannello c: Correlazione con la Temperatura Media Zonale (Zonal Mean Temp)
  Questo pannello mostra la correlazione detrended tra l’area del ghiaccio marino di settembre e la temperatura media zonale estiva. I valori di correlazione variano da -0,8 a +0,5, con le correlazioni più significative comprese tra -0,7 e -0,8, osservate a nord del 70°N e nella bassa troposfera (600–1000 hPa). Queste correlazioni elevate indicano che temperature estive più alte sono fortemente associate a una riduzione del ghiaccio marino in settembre. Il riscaldamento troposferico, amplificato dall’alta pressione e dalla discesa adiabatica, aumenta la temperatura della superficie artica, accelerando la fusione del ghiaccio marino e contribuendo ai minimi osservati, come quelli del 2007 e 2012.
• Pannello d: Correlazione con l’Umidità Specifica Media Zonale (Zonal Mean Hum)
  Questo pannello mostra la correlazione detrended tra l’area del ghiaccio marino di settembre e l’umidità specifica media zonale estiva. I valori di correlazione variano da -0,8 a +0,5, con correlazioni significative comprese tra -0,7 e -0,8, osservate a nord del 70°N e nella bassa troposfera (600–1000 hPa). Questi risultati indicano che un aumento dell’umidità estiva è fortemente correlato con una riduzione del ghiaccio marino in settembre. L’umidità maggiore, associata al riscaldamento troposferico e all’alta pressione, contribuisce ad aumentare la radiazione a onda lunga discendente, che trasferisce energia alla superficie, amplificando la fusione del ghiaccio marino. Inoltre, un’atmosfera più umida può favorire la formazione di nubi, che a loro volta possono intensificare la DLR, creando un feedback positivo che accelera la fusione.

Didascalia e Dettagli Tecnici

La didascalia della figura fornisce informazioni tecniche essenziali:

• Pannello a: Le serie temporali detrended dell’area totale del ghiaccio marino di settembre (linea nera), Z200 sopra la Groenlandia (linea rossa tratteggiata, unità: metri) e DLR nell’Artico (linea viola tratteggiata, unità: W/m²) sono derivate dai dati della Figura 1a. I segni di Z200 e DLR sono invertiti per facilitare il confronto visivo con il ghiaccio marino.
• Pannelli b, c, d: Mostrano le correlazioni detrended tra l’area totale del ghiaccio marino di settembre e le medie zonali estive di altezza geopotenziale (pannello b), temperatura (pannello c) e umidità specifica (pannello d) dal 1979 al 2017, in funzione della latitudine e della pressione.

Interpretazione Scientifica

La Figura 2 evidenzia la stretta interconnessione tra le condizioni atmosferiche estive nell’Artico e l’area del ghiaccio marino di settembre, confermando il ruolo critico della variabilità atmosferica locale nel modulare la fusione del ghiaccio. Il pannello a dimostra una forte coerenza temporale tra le anomalie detrended di ghiaccio marino, Z200 e DLR, con picchi significativi durante il periodo 2007–2012, anni di minima estensione del ghiaccio marino. Questo suggerisce che l’alta pressione sopra la Groenlandia e l’aumento della radiazione a onda lunga discendente abbiano amplificato la fusione in quegli anni, mentre il loro declino dopo il 2012 è coerente con il rallentamento del declino del ghiaccio marino.

I pannelli b, c e d quantificano questa relazione attraverso correlazioni detrended, mostrando che l’altezza geopotenziale (correlazione di circa -0,6 a 200–300 hPa), la temperatura troposferica (correlazione tra -0,7 e -0,8 nella bassa troposfera) e l’umidità specifica (correlazione tra -0,7 e -0,8 nella bassa troposfera) sono fortemente legate alla riduzione del ghiaccio marino. Questi risultati supportano il meccanismo fisico per cui l’alta pressione barotropica induce una discesa adiabatica dell’aria, riscaldando la bassa troposfera e aumentando l’umidità atmosferica. Questo, a sua volta, incrementa la radiazione a onda lunga discendente, che trasferisce energia alla superficie, accelerando la fusione del ghiaccio marino e favorendo la sua deriva fuori dal bacino artico. La Figura 2 fornisce quindi una base solida per comprendere come le dinamiche atmosferiche locali abbiano contribuito alla fusione accelerata del ghiaccio marino tra il 2007 e il 2012, con implicazioni significative per le proiezioni future del cambiamento climatico nell’Artico.

Dinamiche della Circolazione Globale e Influenze Tropicali su Temperatura Superficiale Marina e Precipitazioni: Implicazioni per il Clima Artico

Negli ultimi decenni, molteplici studi hanno evidenziato come le trasformazioni osservate nella circolazione atmosferica artica possano essere parzialmente attribuite a forzanti di origine tropicale, evidenziando una complessa interconnessione tra i tropici e le regioni polari (Ding et al. 2014; Trenberth et al. 2014; Meehl et al. 2018; Screen e Deser 2019). Un’analisi dettagliata delle tendenze climatiche, rappresentata nella Figura 3, fornisce un quadro delle variazioni lineari dell’altezza geopotenziale a 200 hPa (Z200), della temperatura superficiale del mare (SST), delle precipitazioni e della divergenza in alta troposfera nell’emisfero nord (NH) nel periodo compreso tra il 1979 e il 2006, integrata da un esame delle anomalie registrate nei periodi 2007–2012 e 2013–2017. Questi dati offrono una visione approfondita delle dinamiche atmosferiche e oceaniche globali e del loro impatto sul clima artico.

Dal 1979 al 2006, le tendenze delle SST rivelano un riscaldamento su scala di bacino nell’Oceano Pacifico, con l’eccezione della regione del Pacifico centrale orientale (ECP), dove si osserva una relativa stabilità o un lieve raffreddamento. Questo pattern è associato a una riduzione delle precipitazioni e a un’anomala convergenza in alta troposfera sul Pacifico orientale. Parallelamente, si sviluppa un treno d’onda di tipo circumglobale che si propaga lungo il getto d’alta quota delle medie latitudini (Fig. 3a,b). Tale struttura ondulatoria, che si manifesta come una successione di anomalie di alta e bassa pressione, è stata proposta come una risposta parziale all’amplificazione artica estiva, un fenomeno caratterizzato da un riscaldamento accelerato delle regioni polari rispetto alla media globale (Coumou et al. 2018). Questo processo amplifica le ondulazioni del getto, favorendo configurazioni atmosferiche che possono influenzare il clima a scala emisferica.

Nel periodo compreso tra il 2007 e il 2012, si osserva un cambiamento significativo nelle condizioni oceaniche e atmosferiche. Le SST nell’ECP mostrano un raffreddamento marcato, che si ritiene abbia contribuito a una drastica riduzione delle precipitazioni locali e a un’intensificazione della convergenza in quota. Questo stato di convergenza agisce come una sorgente di onde di Rossby, generando un treno d’onda che si propaga dai tropici verso l’Artico, descrivendo una trai (traduzione: traiettoria simile a un grande cerchio). Tale configurazione ha favorito lo sviluppo di una pronunciata anomalia di alta pressione sull’Artico, che ha probabilmente accentuato il processo di fusione del ghiaccio marino durante questo periodo (Fig. 3c,d). La presenza di questa anomalia anticiclonica è coerente con le condizioni atmosferiche favorevoli alla riduzione della copertura di ghiaccio, come venti caldi e maggiore radiazione solare incidente.

A partire dal 2013, le condizioni tropicali hanno subito un’ulteriore evoluzione. Le anomalie delle SST nei tropici sono tornate a mostrare un riscaldamento quasi ubiquitario, con la scomparsa del raffreddamento nell’ECP (Fig. 3e,f). Questo cambiamento si è riflesso in un aumento delle precipitazioni e in un’anomalia di divergenza in alta troposfera sul Pacifico orientale tropicale. La circolazione atmosferica alle medie latitudini ha mostrato un ritorno a un pattern caratterizzato da una forte ondulazione del getto, con anomalie di Z200 nell’Artico prossime a zero. Questo suggerisce una diminuzione dell’influenza tropicale diretta sull’Artico rispetto al periodo precedente, con una conseguente attenuazione delle condizioni favorevoli alla fusione del ghiaccio marino.

L’analisi globale delle variabili Z200, SST tropicali, precipitazioni e divergenza in quota evidenzia che le variazioni del ghiaccio marino di settembre nell’ultimo decennio, e la loro relazione con le condizioni atmosferiche estive nell’Artico (Fig. 1), non possono essere considerate un fenomeno esclusivamente locale o limitato alle regioni extratropicali. Al contrario, tali cambiamenti appaiono intrinsecamente legati a una riconfigurazione dei pattern di circolazione su larga scala, con un ruolo significativo delle dinamiche tropicali. In particolare, il periodo di intensa fusione del ghiaccio marino tra il 2007 e il 2012 sembra essere stato amplificato da un treno d’onda di origine tropicale, che ha contribuito a instaurare un regime circolatorio favorevole alla perdita di ghiaccio. Dopo il 2012, il ritorno a un pattern di SST più caldo nell’ECP ha alterato questa dinamica, riducendo l’impulso tropicale che aveva precedentemente sostenuto configurazioni atmosferiche propizie alla fusione del ghiaccio. Questi risultati sottolineano l’importanza di considerare le interazioni tra tropici, medie latitudini e regioni polari per comprendere le traiettorie future del clima artico in un contesto di cambiamento climatico globale.

Analisi Dettagliata della Figura 3: Evoluzione delle Dinamiche Atmosferiche e Oceaniche Globali e loro Impatti sul Clima Artico

La Figura 3 presenta un’analisi climatologica approfondita delle tendenze e delle anomalie della circolazione atmosferica e delle condizioni oceaniche nell’emisfero nord (NH), con un focus sui mesi estivi di giugno, luglio e agosto (JJA). L’analisi è suddivisa in tre periodi temporali distinti: le tendenze lineari dal 1979 al 2006, le anomalie medie dal 2007 al 2012 e quelle dal 2013 al 2017. La figura si compone di sei pannelli (a-f), che illustrano due variabili principali: l’altezza geopotenziale a 200 hPa (Z200), un indicatore della dinamica della circolazione atmosferica in alta troposfera, e la temperatura superficiale del mare (SST), un parametro chiave per comprendere le interazioni oceano-atmosfera. Attraverso questi pannelli, è possibile esaminare come le variazioni tropicali influenzino la circolazione globale e, di conseguenza, le condizioni climatiche nell’Artico, con particolare attenzione alla fusione del ghiaccio marino.

Pannelli (a) e (b): Tendenze Lineari dal 1979 al 2006

Il pannello (a) illustra la tendenza lineare dell’altezza geopotenziale a 200 hPa (Z200) durante il periodo 1979-2006, espressa in metri per decennio (m/decade). L’altezza geopotenziale a questo livello di pressione è un indicatore della configurazione della circolazione atmosferica in quota, dove valori positivi (colori caldi, arancione/giallo) indicano un aumento di Z200, associato a regioni di alta pressione, e valori negativi (colori freddi, blu) indicano una diminuzione, associata a regioni di bassa pressione. Si osserva un pattern ondulato di tipo circumglobale lungo le medie latitudini, con anomalie positive che raggiungono valori fino a 17 m/decade in aree come il Nord Atlantico, il Nord Pacifico e parte dell’Europa, alternate a regioni con anomalie negative. Questo pattern è indicativo di un treno d’onda che si propaga lungo il getto d’alta quota, un flusso d’aria veloce che circonda l’emisfero nord alle medie latitudini. Le linee nere tratteggiate rappresentano le tendenze della velocità potenziale a 200 hPa (unità: 10⁶ m² s⁻¹/decade), un parametro che descrive la divergenza del flusso atmosferico, mentre le linee nere continue indicano le tendenze delle precipitazioni (mm/decade). I contorni viola evidenziano regioni con precipitazioni decrescenti, spesso associate a una convergenza in alta troposfera (contorni neri), che indica un processo di subsidenza atmosferica, ovvero un movimento discendente dell’aria che inibisce la formazione di precipitazioni.

Il pannello (b) mostra la tendenza delle SST nello stesso periodo, espressa in °C per decennio. La scala cromatica varia dal blu, che indica un raffreddamento, al rosso, che indica un riscaldamento. Si rileva un riscaldamento diffuso su scala di bacino nell’Oceano Pacifico, con valori che raggiungono 0,3 °C/decade in vaste aree, ad eccezione del Pacifico centrale orientale (ECP), dove le SST mostrano una stabilità o un lieve raffreddamento. Questo pattern di riscaldamento è coerente con le tendenze globali di aumento della temperatura superficiale degli oceani, ma la stabilità nell’ECP suggerisce l’influenza di dinamiche locali, come l’intensificazione della risalita di acque fredde profonde (upwelling). Le regioni con contorni tratteggiati indicano una significatività statistica delle tendenze, confermando la robustezza dei segnali osservati.

Pannelli (c) e (d): Anomalie Medie dal 2007 al 2012

Il pannello (c) rappresenta le anomalie medie di Z200 (in metri) rispetto alla climatologia a lungo termine nel periodo 2007-2012. Durante questi anni, si osserva un’anomalia positiva significativa sull’Artico, con valori che raggiungono i 70 m, indicando la presenza di un’alta pressione persistente. Questa configurazione anticiclonica è favorevole alla fusione del ghiaccio marino, poiché tende a favorire l’afflusso di aria calda e un aumento della radiazione solare incidente, riducendo l’albedo superficiale. Altrove, si notano anomalie alternate di segno opposto, che delineano un treno d’onda di Rossby con una traiettoria simile a un grande cerchio, che si propaga dai tropici verso le alte latitudini. Le linee tratteggiate rosse e blu rappresentano la velocità potenziale (10⁶ m² s⁻¹), mentre i contorni neri e viola indicano rispettivamente le anomalie positive e negative delle precipitazioni (mm/decade). In particolare, si nota una marcata riduzione delle precipitazioni nell’ECP, associata a una convergenza in quota, che agisce come una sorgente di onde di Rossby.

Il pannello (d) mostra le anomalie di SST nello stesso periodo, espresse in °C. Si evidenzia un raffreddamento significativo nell’ECP, con anomalie che raggiungono -0,4 °C, probabilmente legato a un’intensificazione dell’upwelling o a variazioni nei pattern di oscillazione climatica come l’ENSO (El Niño-Southern Oscillation). Questo raffreddamento è associato a una riduzione locale delle precipitazioni e a un aumento della convergenza in alta troposfera, che amplifica la generazione del treno d’onda osservato nel pannello (c). Altre regioni, come il Pacifico occidentale e l’Atlantico tropicale, mostrano invece un lieve riscaldamento, evidenziando la complessità delle dinamiche oceaniche globali.

Pannelli (e) e (f): Anomalie Medie dal 2013 al 2017

Il pannello (e) illustra le anomalie di Z200 nel periodo 2013-2017. Rispetto al periodo precedente, l’anomalia positiva sull’Artico è quasi completamente assente, con valori prossimi a zero, suggerendo una riduzione dell’influenza diretta delle dinamiche tropicali sulla regione polare. Si osserva invece un pattern di circolazione caratterizzato da una forte ondulazione del getto alle medie latitudini, con anomalie positive che raggiungono i 35 m in regioni come l’Europa occidentale, il Nord Pacifico e parte dell’Asia settentrionale, alternate a anomalie negative. Questo pattern ondulato è indicativo di un ritorno a una configurazione atmosferica più tipica, con un getto più sinuoso. Le linee tratteggiate e i contorni mostrano un aumento delle precipitazioni e della divergenza in quota sul Pacifico orientale tropicale, suggerendo un cambiamento nelle condizioni atmosferiche tropicali.

Il pannello (f) mostra le anomalie di SST nello stesso periodo. Le SST tornano a un pattern di riscaldamento quasi ubiquitario, con anomalie positive che raggiungono 0,4 °C in vaste aree dell’Oceano Pacifico e dell’Atlantico tropicale. Il raffreddamento precedentemente osservato nell’ECP scompare, sostituito da un riscaldamento che contribuisce a un aumento delle precipitazioni e della divergenza in quota nel Pacifico orientale, come indicato dai contorni. Questo cambiamento riflette una transizione verso condizioni oceaniche più calde e umide, che influenzano la dinamica atmosferica globale.

Interpretazione Complessiva e Implicazioni

La Figura 3 evidenzia l’evoluzione delle interazioni tra tropici, medie latitudini e regioni polari e il loro ruolo nel modulare il clima artico. Dal 1979 al 2006, il riscaldamento delle SST nel Pacifico, con l’eccezione dell’ECP, è associato alla formazione di un treno d’onda circumglobale, amplificato dall’amplificazione artica estiva. Questo pattern contribuisce a una configurazione atmosferica che influenza il clima a scala emisferica. Tra il 2007 e il 2012, il raffreddamento delle SST nell’ECP genera un treno d’onda di Rossby che si propaga verso l’Artico, instaurando un’anomalia di alta pressione che accentua la fusione del ghiaccio marino. Dopo il 2012, il ritorno a un riscaldamento delle SST nell’ECP riduce questa forzante tropicale, portando a un pattern di circolazione più ondulato e a una diminuzione delle condizioni favorevoli alla perdita di ghiaccio. Questi risultati sottolineano l’importanza di un approccio integrato per comprendere le dinamiche climatiche globali, evidenziando come le variazioni tropicali possano avere ripercussioni significative sulle regioni polari attraverso complessi meccanismi teleconnettivi.

Analisi Approfondita della Figura 4: Relazioni Statistiche tra Ghiaccio Marino Artico di Settembre e Variabili Tropicali (SST e Precipitazioni) nel Periodo 1979-2017

La Figura 4 offre un’analisi dettagliata delle correlazioni tra l’estensione del ghiaccio marino artico in settembre e due variabili climatiche tropicali durante i mesi estivi di giugno, luglio e agosto (JJA): la temperatura superficiale del mare (SST) e le precipitazioni, quest’ultime derivate dal dataset GPCP (Global Precipitation Climatology Project). L’analisi copre il periodo 1979-2017 e si basa sia su dati osservati (pannelli a, b, d, e) sia su simulazioni modellistiche tratte dall’ensemble medio del Coupled Model Intercomparison Project Phase 5 (CMIP5; pannelli c, f). La figura è composta da sei pannelli (a-f), ciascuno rappresentante una mappa di correlazione globale nell’emisfero nord (tra 30°S e 60°N), con coefficienti di correlazione che variano da -0.6 (correlazione negativa forte) a +0.6 (correlazione positiva forte). Le aree con correlazioni statisticamente significative al livello di confidenza del 95% sono evidenziate mediante tratteggio, permettendo di distinguere i segnali robusti dal rumore di fondo. Questa analisi mira a esplorare come le condizioni tropicali estive influenzino la variabilità del ghiaccio marino artico, evidenziando il ruolo delle teleconnessioni tropico-polari.

Pannelli (a) e (d): Correlazioni Lineari con Dati Osservati (No Obs Linear Trends)

Il pannello (a) mostra la correlazione lineare tra le SST di JJA e l’indice dell’area totale del ghiaccio marino di settembre, dopo aver rimosso le tendenze lineari dai dati osservati per isolare la variabilità interannuale. Un segnale prominente emerge nel Pacifico centrale orientale (ECP), dove si osserva una correlazione negativa significativa, con coefficienti che raggiungono valori di -0.5. Questo indica che temperature superficiali del mare più fredde nell’ECP durante l’estate sono associate a una maggiore estensione del ghiaccio marino in settembre. Tale relazione può essere spiegata attraverso meccanismi teleconnettivi: un raffreddamento nell’ECP tende a ridurre l’attività convettiva, modificando la divergenza in alta troposfera e generando treni d’onda di Rossby che si propagano verso l’Artico, favorendo configurazioni atmosferiche (come alta pressione) che preservano il ghiaccio marino. Al contrario, alcune regioni del Pacifico occidentale e dell’Atlantico tropicale mostrano una correlazione positiva debole (fino a 0.3), suggerendo che SST più calde in queste aree possono contribuire a una riduzione del ghiaccio marino, probabilmente attraverso un’amplificazione delle ondulazioni del getto che portano aria calda verso l’Artico. Le aree tratteggiate, concentrate principalmente nell’ECP, confermano la significatività statistica di queste correlazioni.

Il pannello (d) analizza la correlazione lineare tra le precipitazioni di JJA (dataset GPCP) e l’indice del ghiaccio marino di settembre, con tendenze lineari rimosse. Anche qui si osserva una correlazione negativa significativa nell’ECP, con coefficienti che raggiungono -0.5, indicando che una riduzione delle precipitazioni estive in questa regione è associata a una maggiore estensione del ghiaccio marino. Questo pattern è coerente con il pannello (a), poiché una diminuzione delle precipitazioni nell’ECP è spesso legata a una riduzione della convergenza atmosferica in quota, che a sua volta inibisce l’attività convettiva e contribuisce alla generazione di treni d’onda che influenzano la circolazione artica. Le aree tratteggiate nell’ECP confermano la robustezza statistica di questa relazione, mentre altre regioni mostrano correlazioni più deboli e non significative.

Pannelli (b) e (e): Correlazioni Quadratiche con Dati Osservati (No Obs Quadratic Trends)

Il pannello (b) esplora la correlazione tra le SST di JJA e l’indice del ghiaccio marino, ma in questo caso le tendenze quadratiche (non lineari) sono state rimosse dai dati osservati prima del calcolo. Questo approccio permette di isolare la variabilità associata a fluttuazioni non lineari, come quelle legate a oscillazioni climatiche (ad esempio, El Niño-Southern Oscillation, ENSO). Il pattern di correlazione rimane simile a quello del pannello (a), con una correlazione negativa significativa nell’ECP (coefficienti fino a -0.5), ma l’intensità del segnale appare leggermente attenuata. Ciò suggerisce che parte della relazione tra SST e ghiaccio marino potrebbe essere influenzata da dinamiche non lineari, come variazioni decennali o cicli climatici, che non vengono catturate completamente dall’analisi lineare. Le aree tratteggiate confermano che la correlazione nell’ECP rimane statisticamente significativa, anche dopo la rimozione delle tendenze quadratiche.

Il pannello (e) applica lo stesso approccio alle precipitazioni di JJA, calcolando la correlazione con l’indice del ghiaccio marino dopo aver rimosso le tendenze quadratiche. Il risultato è coerente con il pannello (d), mostrando una correlazione negativa significativa nell’ECP (coefficienti fino a -0.5), che indica che una riduzione delle precipitazioni estive in questa regione è associata a una maggiore estensione del ghiaccio marino. La rimozione delle tendenze quadratiche non altera sostanzialmente il pattern, suggerendo che la relazione tra precipitazioni e ghiaccio marino è dominata dalla variabilità interannuale piuttosto che da trend non lineari a lungo termine. Le aree tratteggiate nell’ECP confermano la significatività statistica del segnale.

Pannelli (c) e (f): Correlazioni con Dati Simulati (No CMIP5 Forced Trends)

Il pannello (c) presenta la correlazione tra le SST di JJA e l’indice del ghiaccio marino di settembre, utilizzando i dati simulati dall’ensemble medio di CMIP5, con le tendenze forzate (ad esempio, quelle indotte dal cambiamento climatico antropogenico) rimosse per isolare la variabilità interna del sistema climatico. Anche in questo caso si osserva una correlazione negativa nell’ECP, con coefficienti che raggiungono -0.4, ma l’intensità del segnale è inferiore rispetto ai dati osservati nei pannelli (a) e (b). Questo suggerisce che i modelli CMIP5 potrebbero sottostimare l’ampiezza della variabilità interna o non catturare pienamente la forza delle teleconnessioni tropico-polari. Le aree tratteggiate, meno estese rispetto ai pannelli osservativi, indicano che la significatività statistica è presente, ma più limitata, riflettendo una possibile limitazione dei modelli nella rappresentazione delle dinamiche tropicali e delle loro interazioni con l’Artico.

Il pannello (f) mostra la correlazione tra le precipitazioni simulate da CMIP5 e l’indice del ghiaccio marino, sempre con tendenze forzate rimosse. Si rileva una correlazione negativa nell’ECP (coefficienti fino a -0.4), coerente con i pannelli osservativi, ma con un’intensità ridotta. Questo pattern suggerisce che i modelli CMIP5 sono in grado di catturare la relazione generale tra precipitazioni tropicali e ghiaccio marino, ma con una rappresentazione meno dettagliata rispetto ai dati osservati. Le aree tratteggiate confermano una significatività statistica, anche se meno diffusa rispetto ai pannelli basati su dati osservati, evidenziando ulteriori limiti dei modelli nella simulazione delle precipitazioni tropicali e delle loro influenze remote.

Interpretazione Complessiva e Implicazioni Scientifiche

La Figura 4 evidenzia una relazione significativa e robusta tra le condizioni tropicali estive (SST e precipitazioni) e la variabilità dell’estensione del ghiaccio marino artico in settembre. In particolare, un raffreddamento delle SST e una riduzione delle precipitazioni nell’ECP durante JJA sono sistematicamente associate a una maggiore estensione del ghiaccio marino, probabilmente attraverso la generazione di treni d’onda di Rossby che si propagano dai tropici all’Artico, favorendo configurazioni atmosferiche anticicloniche che preservano il ghiaccio. La rimozione delle tendenze lineari e quadratiche dai dati osservati (pannelli a, b, d, e) permette di isolare la variabilità interannuale, confermando la solidità di questa relazione anche in presenza di fluttuazioni non lineari. Tuttavia, i modelli CMIP5 (pannelli c, f) mostrano una correlazione meno intensa, suggerendo che le simulazioni climatiche potrebbero sottostimare l’influenza delle dinamiche tropicali sul clima artico, possibly a causa di una rappresentazione incompleta della variabilità interna o delle teleconnessioni atmosferiche. Questi risultati sottolineano l’importanza delle interazioni tropico-polari nel modulare la variabilità del ghiaccio marino e la necessità di migliorare la capacità dei modelli climatici di simulare tali processi, al fine di affinare le proiezioni future del clima artico in un contesto di cambiamento climatico globale.

Teleconnessioni Tropico-Artico negli Ultimi Quattro Decenni: Un’Analisi Approfondita delle Relazioni Climatiche

Correlazione tra l’Estensione del Ghiaccio Marino di Settembre e le Variabili Tropicali di SST e Precipitazioni in JJA

L’esistenza di una teleconnessione tra i tropici e l’Artico è ulteriormente avvalorata attraverso un’analisi statistica dettagliata che esamina la relazione tra l’area totale del ghiaccio marino artico in settembre e due variabili climatiche tropicali durante i mesi estivi di giugno, luglio e agosto (JJA): la temperatura superficiale del mare (SST) e le precipitazioni. Tale analisi è rappresentata in una mappa di correlazione basata su dati detrendizzati, illustrata nella Figura 4, che permette di esplorare la variabilità interannuale di queste relazioni, eliminando l’influenza delle tendenze a lungo termine.

Per garantire la robustezza dei risultati e valutare la sensibilità delle correlazioni ai diversi metodi di rimozione delle tendenze, sono stati adottati tre approcci distinti: (1) la rimozione delle tendenze lineari osservate, (2) la rimozione delle tendenze quadratiche osservate, che tengono conto di eventuali accelerazioni temporali nei trend (Dirkson et al. 2017), e (3) la rimozione delle tendenze storiche simulate, derivate dalla media di ensemble di 27 modelli climatici del Coupled Model Intercomparison Project Phase 5 (CMIP5). Questi metodi sono stati applicati a tutte le serie temporali di SST, precipitazioni e ghiaccio marino, al fine di isolare la variabilità interna del sistema climatico e minimizzare l’impatto delle forzanti antropogeniche o naturali a lungo termine, come il riscaldamento globale indotto dall’uomo.

Quando si rimuovono le tendenze lineari osservate, i dati detrendizzati rivelano una correlazione significativa (al livello di confidenza del 95%) tra le SST di JJA e l’estensione del ghiaccio marino di settembre. Questa correlazione si manifesta in modo particolare nel Pacifico nord-orientale, lungo la costa del Nord America, estendendosi verso il Pacifico centrale orientale (ECP). In queste regioni, si osserva una relazione negativa, indicando che SST più fredde nell’ECP durante l’estate sono associate a una maggiore estensione del ghiaccio marino in settembre, probabilmente attraverso meccanismi teleconnettivi che coinvolgono la propagazione di treni d’onda di Rossby verso l’Artico.

Un’analisi più approfondita, che considera la rimozione delle tendenze quadratiche osservate, evidenzia una connessione ancora più marcata nella stessa area geografica. Questo approccio, che tiene conto di variazioni non lineari nel tempo, come accelerazioni nei trend di temperatura o ghiaccio marino, amplifica l’intensità della correlazione nell’ECP, suggerendo che le dinamiche non lineari possano giocare un ruolo significativo nella relazione tra tropici e Artico. La maggiore forza della correlazione in questo caso potrebbe riflettere l’influenza di oscillazioni climatiche, come l’ENSO (El Niño-Southern Oscillation), che presentano una variabilità non lineare su scale temporali decennali.

Parallelamente, l’uso della media di ensemble di 27 modelli CMIP5 per stimare e rimuovere le tendenze a lungo termine attribuibili a forzanti antropogeniche (ad esempio, l’aumento delle emissioni di gas serra) dai dati osservati di SST e ghiaccio marino produce un pattern di correlazione molto simile a quello osservato con i metodi precedenti (Fig. 4c). In particolare, la correlazione tra le SST di JJA detrendizzate e l’indice del ghiaccio marino di settembre raggiunge valori significativi, con coefficienti compresi tra 0.5 e 0.6 nell’ECP. Questo risultato conferma la robustezza della relazione tropico-artica, anche quando si considerano le tendenze forzate simulate, e sottolinea l’importanza dell’ECP come regione chiave per le teleconnessioni climatiche globali.

Le mappe di correlazione relative alle precipitazioni di JJA (Figg. 4d–f) mostrano una coerenza qualitativa con i risultati ottenuti per le SST. In particolare, si osserva un’area di correlazione positiva significativa nell’ECP, indicando che un aumento delle precipitazioni estive in questa regione è associato a una riduzione dell’estensione del ghiaccio marino in settembre. Questo pattern è coerente con l’ipotesi che un incremento dell’attività convettiva nell’ECP, associato a maggiori precipitazioni, possa generare treni d’onda che influenzano la circolazione atmosferica artica, favorendo condizioni di bassa pressione e aria più calda che accelerano la fusione del ghiaccio marino. La consistenza tra i pattern di correlazione di SST e precipitazioni rafforza l’evidenza di un legame dinamico tra i tropici e l’Artico, mediato da processi atmosferici su larga scala.

In sintesi, l’analisi delle correlazioni detrendizzate tra SST/precipitazioni di JJA e l’estensione del ghiaccio marino di settembre evidenzia una teleconnessione significativa tra i tropici e l’Artico, con l’ECP che emerge come una regione cruciale per modulare la variabilità del ghiaccio marino attraverso meccanismi teleconnettivi. La sensibilità dei risultati ai diversi metodi di detrendizzazione sottolinea l’importanza di considerare sia la variabilità lineare che non lineare nei dati climatici, offrendo una visione più completa delle dinamiche che governano il clima globale. Questi risultati hanno implicazioni rilevanti per la comprensione delle interazioni tra tropici e regioni polari e per il miglioramento delle previsioni climatiche a lungo termine.

Analisi Approfondita della Teleconnessione Tropico-Artico: Esame delle Relazioni tra Circolazione Artica e SST Tropicali in JJA mediante MCA

Analisi di Covarianza Massima (MCA) tra Circolazione Artica e SST Tropicali nei Mesi Estivi

Per esplorare in modo più rigoroso le principali teleconnessioni tra i tropici e l’Artico durante i mesi estivi di giugno, luglio e agosto (JJA), è stata condotta un’analisi di covarianza massima (MCA) tra le temperature superficiali del mare (SST) tropicali e la circolazione atmosferica artica. Questo approccio statistico consente di identificare i modi principali di covarianza accoppiata tra due campi spaziali, evidenziando le relazioni dominanti tra le variabili considerate. La Figura 5 presenta i risultati di questa analisi, mostrando la modalità principale di covarianza tra l’altezza geopotenziale a 200 hPa (Z200) di JJA, detrendizzata mediante un fit lineare, a nord di 60°N, e le SST tropicali simultanee nell’intervallo latitudinale compreso tra 30°S e 30°N, nel periodo 1979-2017.

I risultati dell’MCA rivelano un pattern significativo: un’area di alta pressione estesa e allungata, che si sviluppa dalla Groenlandia alla Siberia, è strettamente accoppiata a un pattern di SST tropicali ben definito. Questo pattern è caratterizzato da un raffreddamento delle SST e da una riduzione delle precipitazioni nel Pacifico centrale orientale (ECP), in contrasto con un riscaldamento generalizzato nel resto dei bacini oceanici tropicali. L’alta pressione sull’Artico, evidenziata nell’analisi, è associata alla propagazione di un treno d’onda di Rossby, che si origina nel Pacifico e si dirige verso la Groenlandia e l’Artico. L’energia di propagazione di queste onde di Rossby sembra avere origine proprio nell’ECP, dove si osserva una risposta baroclinica di tipo Gill, tipica delle forzanti tropicali. Tale risposta è indicativa di un’interazione dinamica significativa: il raffreddamento delle SST e la ridotta convezione nell’ECP agiscono come una sorgente di onde di Rossby, che si propagano verso le alte latitudini, influenzando la circolazione atmosferica artica e favorendo lo sviluppo di un’anomalia di alta pressione.

Questo legame tra SST tropicali e circolazione artica è stato denominato teleconnessione Pacifico-Artico (PARC), come illustrato nella Figura 5. La fase positiva della modalità PARC è definita come una condizione in cui un’alta pressione persistente sull’Artico si accompagna a un’anomalia fredda delle SST nell’ECP. Questo pattern di covarianza è particolarmente rilevante per comprendere le dinamiche climatiche globali, poiché riflette un’interazione diretta tra i tropici e le regioni polari, mediata da processi atmosferici su larga scala.

I pattern di SST e Z200 identificati come modalità principale dell’MCA nel periodo 1979-2017 mostrano una notevole somiglianza con le configurazioni circolatorie anomale osservate durante il periodo di più rapida diminuzione del ghiaccio marino artico, ossia tra il 2007 e il 2012 (riferite nelle Figure 3c e 3d). Inoltre, si nota un cambiamento significativo intorno al 2013 (come mostrato nelle Figure 3e e 3f), che segna una transizione nelle condizioni climatiche globali. La serie temporale dell’MCA di Z200 risulta fortemente correlata con l’indice detrendizzato del ghiaccio marino di settembre, con un coefficiente di correlazione pari a 0.61 (Figura 5e). Questo valore indica che la modalità di Z200 identificata durante JJA ha un impatto significativo sulle successive anomalie del ghiaccio marino in settembre, suggerendo che le condizioni atmosferiche estive possano fungere da precursore per la variabilità del ghiaccio marino autunnale.

Le serie temporali delle modalità MCA rivelano inoltre che una teleconnessione PARC simile potrebbe aver contribuito a un altro cambiamento climatico significativo nell’Artico tra il 1992 e il 2000 (Figura 5e). Questo periodo è caratterizzato da un rapido passaggio delle SST tropicali verso una tendenza al raffreddamento nell’ECP, come illustrato nella Figura 6b. Tale raffreddamento coincide con un brusco aumento dell’altezza geopotenziale nell’Artico, accompagnato da un riscaldamento e un’umidificazione dell’atmosfera polare, come mostrato nella Figura 6c. Questi cambiamenti indicano che la teleconnessione PARC potrebbe aver avuto un ruolo chiave nel modulare le condizioni climatiche artiche anche in altri periodi storici, evidenziando la sua rilevanza come meccanismo di variabilità climatica a lungo termine.

In conclusione, l’analisi MCA tra la circolazione artica e le SST tropicali in JJA fornisce un’evidenza robusta della teleconnessione Pacifico-Artico (PARC), dimostrando come le anomalie di SST nell’ECP possano influenzare la dinamica atmosferica artica attraverso la propagazione di treni d’onda di Rossby. La stretta relazione tra queste configurazioni e la variabilità del ghiaccio marino di settembre sottolinea l’importanza delle interazioni tropico-polari nel determinare le traiettorie climatiche dell’Artico, offrendo nuove prospettive per la comprensione e la previsione dei cambiamenti climatici in questa regione critica del pianeta.L’analisi della variabilità del ghiaccio marino artico in settembre rivela un’intensificazione, seppur lieve, della sua diminuzione durante il periodo in esame rispetto agli anni immediatamente precedenti. Tuttavia, questa risposta appare meno pronunciata rispetto a quella osservata nel periodo di massima fusione del ghiaccio marino, compreso tra il 2007 e il 2012, come illustrato nella Figura 1a. Tale attenuazione potrebbe essere attribuita a fattori specifici legati alle condizioni del ghiaccio marino stesso, come la sua spessore, estensione o resilienza, che possono modulare la risposta del sistema climatico alle forzanti atmosferiche e oceaniche.

Per approfondire le dinamiche di teleconnessione tra i tropici e l’Artico, è stata condotta un’analisi di covarianza massima (MCA) utilizzando campi medi mensili detrendizzati mediante un fit lineare. Questa analisi, i cui risultati sono riportati nella Figura 7, evidenzia un pattern di accoppiamento coerente durante tutto l’anno, simile a quello identificato per i mesi estivi di JJA. Questo risultato suggerisce che i cambiamenti nella circolazione su larga scala dell’emisfero nord (NH) siano in parte determinati dalle temperature superficiali del mare (SST) tropicali. In particolare, la modalità Pacifico-Artico (PARC), identificata come la teleconnessione dominante, emerge come il principale meccanismo interno che collega i tropici e l’Artico, non solo durante l’estate ma anche su scala annuale. La modalità PARC, caratterizzata da un’alta pressione nell’Artico accoppiata a un’anomalia fredda delle SST nel Pacifico centrale orientale (ECP), si configura quindi come un elemento chiave per comprendere le interazioni climatiche a lunga distanza.

Un aspetto significativo della modalità PARC è la sua componente SST, che mostra una sorprendente somiglianza con pattern noti di variabilità decennale del Pacifico, come l’oscillazione decennale del Pacifico (PDO) (Screen e Francis 2016; Screen e Deser 2019) e l’oscillazione interdecennale del Pacifico (IPO) (Mantua et al. 1997; Henley et al. 2015). La PDO e l’IPO sono modi primari di variabilità climatica che influenzano il clima globale su scale temporali decennali e interdecennali, e numerosi studi recenti hanno evidenziato come i cambiamenti del ghiaccio marino artico siano spesso concomitanti con queste oscillazioni (Screen e Francis 2016; Meehl et al. 2018; Screen e Deser 2019). Tuttavia, la maggior parte di queste ricerche si è concentrata sulle teleconnessioni invernali, mentre l’analisi qui condotta si focalizza sui mesi estivi e su una prospettiva annuale. Il pattern spaziale della modalità principale di SST, derivato dall’MCA, rafforza ulteriormente il legame tra le SST del Pacifico tropicale e l’Artico, mostrando una configurazione spaziale che richiama quella tipica della PDO e dell’IPO, con anomalie di temperatura pronunciate nell’ECP.

Gli indici della PDO e dell’IPO evidenziano anche transizioni di fase rilevanti alla fine degli anni ’90 e all’inizio degli anni 2010, che coincidono temporalmente con i cambiamenti osservati nelle serie temporali della modalità PARC, come mostrato nella Figura 5e. Per quantificare questa relazione, sono state calcolate le correlazioni tra la serie temporale della modalità MCA1 di SST e due indici detrendizzati: l’indice PDO derivato da Wills et al. (2018) e l’indice IPO costruito da NOAA/ESRL (Henley et al. 2015). I coefficienti di correlazione ottenuti, pari a 0.54 per la PDO e 0.63 per l’IPO, indicano una relazione significativa tra queste modalità di variabilità e la modalità PARC. Questa forte correlazione è principalmente attribuibile alla sovrapposizione dei domini di SST nell’ECP, dove si riscontra la correlazione più intensa tra le SST e il ghiaccio marino artico, come evidenziato nella Figura 4. L’ECP si conferma quindi una regione cruciale per le teleconnessioni tropico-polari, agendo come una sorgente di variabilità che influenza il clima artico attraverso meccanismi atmosferici su larga scala.

Sebbene la variabilità associata alla PDO e all’IPO si rifletta chiaramente nel meccanismo teleconnettivo proposto, l’approccio basato sulla modalità PARC offre un vantaggio significativo. La PARC, per definizione, si concentra specificamente sulla teleconnessione tra le SST del Pacifico e il ghiaccio marino artico, permettendo di isolare e comprendere meglio i processi chiave che guidano le interazioni tropico-artiche. Questo approccio consente di andare oltre la semplice identificazione di pattern di variabilità, offrendo un quadro più dettagliato delle dinamiche fisiche che collegano i tropici e l’Artico. Ad esempio, il raffreddamento delle SST nell’ECP, associato alla fase positiva della PARC, genera treni d’onda di Rossby che si propagano verso l’Artico, favorendo configurazioni di alta pressione che possono accelerare o mitigare la fusione del ghiaccio marino, a seconda delle condizioni climatiche prevalenti.

In sintesi, i risultati dell’analisi MCA e le correlazioni con gli indici PDO e IPO sottolineano l’importanza della modalità PARC come strumento per approfondire la comprensione delle teleconnessioni tropico-artiche. Questo approccio non solo conferma il ruolo delle SST tropicali nel modulare la circolazione atmosferica e la variabilità del ghiaccio marino artico, ma fornisce anche una base più solida per analizzare i processi fisici sottostanti, contribuendo a migliorare le previsioni climatiche e la comprensione delle dinamiche globali del clima.

Analisi Dettagliata della Figura 5: Evidenze della Teleconnessione Tropico-Artico attraverso l’Analisi di Covarianza Massima (MCA) nel Periodo 1979-2017

La Figura 5 presenta i risultati di un’analisi di covarianza massima (MCA) condotta per il periodo 1979-2017, con l’obiettivo di identificare la modalità principale di covarianza accoppiata tra la circolazione atmosferica artica e le temperature superficiali del mare (SST) tropicali durante i mesi estivi di giugno, luglio e agosto (JJA). L’MCA è un metodo statistico avanzato che permette di evidenziare le relazioni dominanti tra due campi spaziali, isolando i modi di variabilità accoppiata che spiegano la maggior parte della covarianza tra le variabili considerate. In questo caso, l’analisi è stata applicata a dati detrendizzati (mediante un fit lineare) dell’altezza geopotenziale a 200 hPa (Z200) nell’Artico (tra 60°N e 90°N) e delle SST tropicali (tra 30°S e 30°N). La figura si compone di cinque pannelli (a-e), che illustrano i pattern spaziali, le regressioni associate e le serie temporali della modalità principale, denominata teleconnessione Pacifico-Artico (PARC). Questa analisi fornisce un’evidenza robusta delle interazioni tropico-polari e del loro impatto sulla variabilità del ghiaccio marino artico.

Pannello (a): Pattern Spaziale della Modalità Principale di Z200 in JJA

Il pannello (a) mostra il pattern spaziale della modalità principale di Z200 nell’Artico, definita come MCA1, durante i mesi di JJA. La regione considerata si estende tra 60°N e 90°N, coprendo l’intero Artico. Le anomalie di altezza geopotenziale sono rappresentate in metri, con una scala cromatica che varia da -15 (blu, indicative di bassa pressione) a +15 (giallo, indicative di alta pressione). Si osserva un’area di alta pressione estesa e allungata, che si sviluppa dalla Groenlandia alla Siberia, con valori positivi che raggiungono i 15 metri. Questo pattern anticiclonico è indicativo di una configurazione atmosferica persistente che può avere un impatto significativo sul clima artico. L’alta pressione, infatti, tende a favorire condizioni favorevoli alla fusione del ghiaccio marino, poiché è associata a un aumento della radiazione solare incidente e all’afflusso di aria più calda verso la regione polare, riducendo l’albedo superficiale e accelerando il processo di scioglimento. Questo pattern rappresenta la componente artica della teleconnessione PARC, evidenziando il ruolo della dinamica atmosferica in quota nel modulare il clima polare.

Pannello (b): Pattern Spaziale della Modalità Principale di SST in JJA

Il pannello (b) illustra il pattern spaziale della modalità principale di SST nelle regioni tropicali (30°S-30°N), accoppiata al pattern di Z200 mostrato nel pannello (a). Le anomalie di SST sono espresse in °C, con una scala cromatica che varia da -0.3 (blu, raffreddamento) a +0.3 (rosso, riscaldamento). Si nota un raffreddamento significativo nel Pacifico centrale orientale (ECP), con anomalie negative che raggiungono -0.3 °C, mentre il resto dei bacini oceanici tropicali, come il Pacifico occidentale e l’Atlantico tropicale, mostra un riscaldamento, con anomalie positive fino a 0.2 °C. Questo pattern di SST è cruciale per comprendere le forzanti tropicali che influenzano la dinamica atmosferica globale. Le linee di contorno sovrapposte rappresentano la regressione di Z200 sulla serie temporale di questa modalità di SST, evidenziando come il raffreddamento nell’ECP sia accoppiato a un’anomalia di alta pressione nell’Artico. Inoltre, i vettori di flusso di attività d’onda di Plumb, rappresentati dalle frecce, mostrano la propagazione di energia delle onde di Rossby dall’ECP verso le alte latitudini, confermando che il raffreddamento delle SST in questa regione agisce come una sorgente di onde di Rossby, che si propagano verso l’Artico contribuendo alla formazione dell’alta pressione osservata nel pannello (a). Questo pattern rappresenta la componente tropicale della teleconnessione PARC, sottolineando il ruolo delle SST tropicali come driver delle teleconnessioni globali.

Pannello (c): Pattern di Concentrazione del Ghiaccio Marino di Settembre

Il pannello (c) mostra il pattern di concentrazione del ghiaccio marino di settembre regredito sulla modalità principale di Z200 (pannello a). La scala cromatica varia da -9 (blu, riduzione della concentrazione di ghiaccio) a +3 (rosa, aumento della concentrazione), espressa in percentuale. Si osserva una riduzione significativa della concentrazione di ghiaccio marino, con valori che raggiungono il -9%, in vaste aree dell’Oceano Artico, in particolare lungo le coste della Siberia orientale, dell’Alaska e nel Mare di Beaufort. Questo pattern è coerente con la fase positiva della modalità PARC, caratterizzata da un’alta pressione nell’Artico, che favorisce la fusione del ghiaccio attraverso condizioni atmosferiche più calde e un aumento della radiazione solare. Le aree tratteggiate in grigio indicano che queste variazioni sono statisticamente significative al livello di confidenza del 95%, confermando la robustezza della relazione tra la modalità di Z200 e la variabilità del ghiaccio marino. Questo risultato evidenzia come le condizioni atmosferiche estive possano influenzare direttamente l’estensione del ghiaccio marino nei mesi successivi, agendo come un precursore stagionale.

Pannello (d): Pattern Regredito di Z850 e Precipitazioni in JJA

Il pannello (d) mostra il pattern regredito dell’altezza geopotenziale a 850 hPa (Z850, rappresentato dai contorni, in metri) e delle precipitazioni (rappresentate dalla colorazione, in mm/giorno) associato alla modalità principale di SST (pannello b). La scala delle precipitazioni varia da -0.9 (blu, riduzione) a +0.9 (rosso, aumento) mm/giorno. Si osserva una marcata riduzione delle precipitazioni nell’ECP, con valori che raggiungono -0.6 mm/giorno, in corrispondenza del raffreddamento delle SST in questa regione. Questo segnale è indicativo di una diminuzione dell’attività convettiva, causata dal raffreddamento delle SST, che inibisce la formazione di precipitazioni attraverso una riduzione della convergenza atmosferica in quota. Al contrario, altre aree tropicali, come il Pacifico occidentale, mostrano un aumento delle precipitazioni, coerente con il riscaldamento delle SST in queste regioni. I contorni di Z850 evidenziano anomalie positive (alta pressione) nelle regioni tropicali e alle medie latitudini, in linea con la propagazione delle onde di Rossby verso l’Artico, che collega il segnale tropicale al pattern anticiclonico artico. Le aree tratteggiate in grigio indicano che le variazioni delle precipitazioni sono statisticamente significative al 95%, rafforzando l’evidenza di una relazione dinamica tra SST, precipitazioni e circolazione atmosferica.

Pannello (e): Serie Temporali di MCA1 e Ghiaccio Marino di Settembre

Il pannello (e) presenta le serie temporali della modalità MCA1 per Z200 (barre nere), SST (linea blu) e l’indice dell’area totale del ghiaccio marino di settembre (barre rosse, con segno invertito per facilitare il confronto visivo). L’asse verticale riporta valori normalizzati, che variano da -3 a +3. La modalità MCA1 spiega il 48% della covarianza totale tra Z200 e SST, e le serie temporali di Z200 e SST mostrano una correlazione significativa di 0.66, statisticamente robusta al livello di confidenza del 95%. Si notano periodi di forte corrispondenza tra le serie temporali, in particolare tra il 1992 e il 2000 e tra il 2007 e il 2012, durante i quali valori positivi di Z200 (alta pressione artica) e negativi di SST (raffreddamento nell’ECP) coincidono con una riduzione dell’area del ghiaccio marino (valori negativi, barre rosse). Questi periodi corrispondono a fasi di intensa attività della teleconnessione PARC, che ha accentuato la fusione del ghiaccio marino. Un cambiamento significativo si osserva intorno al 2013, quando la modalità PARC si attenua, con un corrispondente rallentamento della diminuzione del ghiaccio marino, suggerendo una transizione nelle dinamiche climatiche globali.

Interpretazione Complessiva e Implicazioni

La Figura 5 fornisce un’evidenza chiara e robusta della teleconnessione Pacifico-Artico (PARC), definita come la modalità principale MCA1. Il raffreddamento delle SST nell’ECP durante JJA, associato a una riduzione delle precipitazioni e a una diminuzione dell’attività convettiva, genera un treno d’onda di Rossby che si propaga dai tropici verso l’Artico, instaurando un’anomalia di alta pressione che favorisce la fusione del ghiaccio marino in settembre. La forte correlazione tra le serie temporali di Z200, SST e ghiaccio marino conferma l’influenza significativa di questa teleconnessione sui cambiamenti climatici artici, con periodi di intensa attività (1992-2000 e 2007-2012) che coincidono con fasi di rapida diminuzione del ghiaccio marino, e un cambiamento attorno al 2013 che segna un’attenuazione di questo processo. Questi risultati sottolineano il ruolo cruciale delle dinamiche tropicali nel modulare il clima artico attraverso meccanismi teleconnettivi, offrendo un quadro integrato per comprendere le interazioni tra tropici e regioni polari e il loro impatto sulla variabilità del ghiaccio marino. La teleconnessione PARC emerge come un elemento chiave per le previsioni climatiche stagionali e per lo studio delle traiettorie future del clima artico in un contesto di cambiamento climatico globale.

Analisi Approfondita delle Tendenze Climatiche Globali e Artiche nel Periodo 1992-2000: Evidenze di una Transizione Climatica guidata dalla Teleconnessione Tropico-Artico

La Figura 6 presenta un’analisi dettagliata delle tendenze lineari di variabili climatiche chiave durante il periodo 1992-2000, con un focus sulle interazioni tra la circolazione atmosferica globale, le temperature superficiali del mare (SST) tropicali e le condizioni atmosferiche nell’Artico. La figura si compone di tre pannelli (a-c), che illustrano rispettivamente l’evoluzione dell’altezza geopotenziale a 200 hPa (Z200), delle SST e un profilo verticale zonale medio delle tendenze di altezza geopotenziale, temperatura e umidità specifica nell’Artico. I dati utilizzati derivano da ERA-I per Z200 e da ERSST per le SST, mentre le precipitazioni sono basate sul dataset GPCP. Il periodo 1992-2000 è stato selezionato in quanto coincide con un possibile cambiamento climatico nell’Artico, come suggerito dall’analisi di covarianza massima (MCA) riportata nella Figura 5e, che identifica una teleconnessione significativa tra tropici e Artico, denominata teleconnessione Pacifico-Artico (PARC). Questa analisi fornisce un’evidenza robusta delle dinamiche che hanno contribuito a una transizione climatica rilevante nell’Artico durante questo intervallo temporale.

Pannello (a): Tendenze dell’Altezza Geopotenziale a 200 hPa (Z200) in JJA (1992-2000)

Il pannello (a) mostra la tendenza lineare dell’altezza geopotenziale a 200 hPa (Z200) durante i mesi estivi di JJA (giugno, luglio, agosto) nel periodo 1992-2000, espressa in metri per decennio (m/decade). La scala cromatica varia da -15 (blu, indicative di una diminuzione dell’altezza geopotenziale e quindi di bassa pressione) a +15 (giallo, indicative di un aumento e quindi di alta pressione). Si osserva un aumento marcato di Z200, con valori che raggiungono +15 m/decade, in un’area estesa che copre l’Artico, in particolare dalla Groenlandia alla Siberia orientale. Questo segnale riflette lo sviluppo di un’anomalia di alta pressione persistente sull’Artico, che è coerente con la fase positiva della teleconnessione PARC identificata nell’analisi MCA (Figura 5). Un’alta pressione di questa portata è significativa per il clima artico, poiché tende a favorire condizioni che accelerano la fusione del ghiaccio marino, come l’afflusso di aria più calda e un aumento della radiazione solare incidente, riducendo l’albedo superficiale. Altrove, si notano tendenze alternate di segno opposto, con diminuzioni di Z200 (fino a -15 m/decade) in regioni come il Nord Atlantico, il Nord Pacifico e parte dell’Europa settentrionale. Questo pattern ondulato è indicativo di un treno d’onda di Rossby che si propaga lungo le medie latitudini, un fenomeno che collega le dinamiche tropicali alla circolazione atmosferica artica, come ulteriormente esplorato nei pannelli successivi.

Pannello (b): Tendenze delle Temperature Superficiali del Mare (SST) in JJA (1992-2000)

Il pannello (b) illustra la tendenza lineare delle SST durante JJA nello stesso periodo, espressa in °C per decennio. La scala cromatica varia da -1.5 (blu, raffreddamento) a +1.5 (rosso, riscaldamento). Si nota un raffreddamento significativo nel Pacifico centrale orientale (ECP), con tendenze negative che raggiungono -1.5 °C/decade. Questo raffreddamento è un elemento chiave della fase positiva della modalità PARC, poiché è associato a una riduzione dell’attività convettiva e delle precipitazioni nell’ECP, come indicato dalle linee di contorno nere che rappresentano le tendenze delle precipitazioni (in mm/decade). Nell’ECP, le precipitazioni mostrano una diminuzione fino a -1 mm/decade, coerentemente con la diminuzione della convezione dovuta al raffreddamento delle SST. Al contrario, altre regioni tropicali, come il Pacifico occidentale, l’Atlantico tropicale e l’Oceano Indiano, mostrano un riscaldamento, con tendenze positive che raggiungono +1.5 °C/decade, accompagnate da un aumento delle precipitazioni (fino a +1 mm/decade). Questo pattern di SST è cruciale per comprendere le forzanti tropicali che influenzano la dinamica atmosferica globale: il raffreddamento nell’ECP genera un’anomalia baroclinica che agisce come sorgente di onde di Rossby, le quali si propagano verso l’Artico, contribuendo all’alta pressione osservata nel pannello (a). Il contrasto tra il raffreddamento nell’ECP e il riscaldamento altrove riflette una variabilità interdecennale nel Pacifico, potenzialmente legata a oscillazioni come la PDO (Pacific Decadal Oscillation) o l’IPO (Interdecadal Pacific Oscillation).

Pannello (c): Profilo Verticale delle Tendenze di Altezza Geopotenziale, Temperatura e Umidità nell’Artico (1992-2000)

Il pannello (c) presenta un profilo verticale zonale medio (tra 60°N e 80°N) delle tendenze di tre variabili atmosferiche nell’Artico: l’altezza geopotenziale (contorni neri, in m/decade), la temperatura (contorni rossi, in °C/decade) e l’umidità specifica (contorni viola, in g/kg/decade). L’asse verticale rappresenta i livelli di pressione, che variano da 1000 hPa (superficie) a 100 hPa (alta troposfera/stratmosfera inferiore), mentre l’asse orizzontale copre le longitudini globali. Le tendenze di altezza geopotenziale mostrano un aumento significativo, con valori che raggiungono 21 m/decade a tutti i livelli, con i massimi più pronunciati tra 300 e 100 hPa, in corrispondenza delle longitudini dell’Artico centrale (circa 0°-120°E). Questo aumento è coerente con l’alta pressione osservata nel pannello (a) e indica un’espansione verticale dell’anomalia anticiclonica, che si estende dalla troposfera inferiore a quella superiore. La temperatura mostra un riscaldamento significativo, con tendenze che raggiungono 1.4 °C/decade, più marcate vicino alla superficie (sotto i 700 hPa) e decrescenti con l’altezza, ma ancora rilevabili fino a circa 300 hPa. Questo riscaldamento è probabilmente legato all’afflusso di aria più calda associato all’alta pressione e alla maggiore esposizione delle superfici oceaniche dovuta alla fusione del ghiaccio marino, che riduce l’albedo e amplifica il riscaldamento locale. L’umidità specifica mostra un aumento, con tendenze che raggiungono 0.7 g/kg/decade nei livelli inferiori (sotto i 700 hPa), indicando un’umidificazione dell’atmosfera artica. Questo aumento dell’umidità è coerente con il riscaldamento superficiale, che favorisce una maggiore evaporazione dalle superfici oceaniche esposte, e con l’afflusso di aria più umida trasportata dai flussi atmosferici associati all’alta pressione.

Interpretazione Complessiva e Implicazioni Climatiche

La Figura 6 evidenzia un cambiamento climatico significativo nell’Artico durante il periodo 1992-2000, che si inserisce nel contesto della teleconnessione Pacifico-Artico (PARC) identificata dall’analisi MCA (Figura 5). Il raffreddamento delle SST nell’ECP (pannello b) agisce come una forzante tropicale, generando un’anomalia baroclinica che dà origine a un treno d’onda di Rossby. Queste onde si propagano verso l’Artico, contribuendo allo sviluppo di un’anomalia di alta pressione persistente (pannello a), che si estende verticalmente attraverso la troposfera (pannello c). Questa configurazione atmosferica favorisce un riscaldamento e un’umidificazione dell’atmosfera artica (pannello c), condizioni che sono coerenti con una rapida diminuzione del ghiaccio marino, come suggerito dalle serie temporali dell’MCA (Figura 5e). Il periodo 1992-2000 emerge quindi come una fase di transizione climatica rilevante, in cui le dinamiche tropicali hanno avuto un impatto significativo sul clima artico attraverso meccanismi teleconnettivi. Questi risultati sottolineano l’importanza delle interazioni tropico-polari nel modulare la variabilità climatica dell’Artico e forniscono un quadro integrato per comprendere come le forzanti tropicali, come le variazioni delle SST nell’ECP, possano influenzare le traiettorie climatiche a lungo termine in una regione critica come l’Artico. Inoltre, il riscaldamento e l’umidificazione osservati nell’atmosfera artica durante questo periodo suggeriscono un’amplificazione dei feedback locali, come la riduzione dell’albedo e l’aumento dell’assorbimento di calore, che possono aver contribuito a una maggiore vulnerabilità del ghiaccio marino nei decenni successivi.

Analisi Estesa della Figura 7: Evidenze Annuali della Teleconnessione Tropico-Artico attraverso l’Analisi di Covarianza Massima (MCA) nel Periodo 1979-2017

La Figura 7 presenta un’analisi approfondita della teleconnessione tra i tropici e l’Artico, estendendo l’approccio utilizzato nella Figura 5 (limitato ai mesi estivi di JJA) a una scala temporale annuale. L’analisi si basa su un’analisi di covarianza massima (MCA) condotta su dati mensili detrendizzati per il periodo 1979-2017, con l’obiettivo di identificare la modalità principale di covarianza accoppiata tra la circolazione atmosferica artica e le temperature superficiali del mare (SST) tropicali. L’MCA è stata applicata all’altezza geopotenziale a 200 hPa (Z200) nell’Artico (tra 60°N e 90°N) e alle SST tropicali (tra 30°S e 30°N), utilizzando campi medi mensili per catturare la variabilità su base annuale. La figura si compone di tre pannelli (a-c), che illustrano i pattern spaziali della modalità principale (MCA1) per Z200 e SST, insieme alle loro serie temporali. Questa analisi dimostra che la teleconnessione Pacifico-Artico (PARC), precedentemente identificata in estate, è un meccanismo persistente durante tutto l’anno, con implicazioni significative per il clima artico e la variabilità del ghiaccio marino. Di seguito, una spiegazione dettagliata di ciascun pannello e delle sue implicazioni scientifiche.

Pannello (a): Pattern Spaziale della Modalità Principale di Z200 (MCA1) su Base Annuale

Il pannello (a) mostra il pattern spaziale della modalità principale di Z200 (MCA1) nell’Artico, definita per la regione compresa tra 60°N e 90°N, calcolata su base mensile per il periodo 1979-2017. Le anomalie di altezza geopotenziale sono espresse in metri, con una scala cromatica che varia da -20 (blu, indicativo di bassa pressione) a +50 (giallo/marrone, indicativo di alta pressione). Si osserva un’area di alta pressione estesa e pronunciata sull’Artico, con valori che raggiungono i +50 metri, in particolare dalla Groenlandia alla Siberia orientale, attraversando il Polo Nord. Questo pattern anticiclonico è simile a quello identificato per i mesi estivi di JJA (Figura 5a), ma la sua estensione a una scala annuale suggerisce che la configurazione di alta pressione associata alla teleconnessione PARC non sia limitata alla stagione estiva, ma persista durante tutto l’anno. Un’alta pressione di questa entità ha implicazioni significative per il clima artico: favorisce condizioni che possono accelerare la fusione del ghiaccio marino, come l’afflusso di aria più calda dalle medie latitudini, un aumento della radiazione solare incidente e una riduzione dell’albedo superficiale dovuta alla perdita di ghiaccio. La persistenza di questa configurazione su scala annuale sottolinea l’importanza della teleconnessione PARC come meccanismo dominante nelle dinamiche climatiche tropico-polari, con effetti che si estendono oltre la stagionalità estiva.

Pannello (b): Pattern Spaziale della Modalità Principale di SST (MCA1) su Base Annuale

Il pannello (b) illustra il pattern spaziale della modalità principale di SST (MCA1) nelle regioni tropicali (tra 30°S e 30°N), accoppiata al pattern di Z200 del pannello (a). Le anomalie di SST sono espresse in °C, con una scala cromatica che varia da -0.3 (blu, raffreddamento) a +0.3 (rosso, riscaldamento). Si nota un raffreddamento significativo nel Pacifico centrale orientale (ECP), con anomalie negative che raggiungono -0.3 °C, mentre altre regioni tropicali, come il Pacifico occidentale, l’Oceano Indiano e l’Atlantico tropicale, mostrano un riscaldamento, con anomalie positive fino a +0.2 °C. Questo pattern è coerente con quello osservato durante JJA (Figura 5b), ma calcolato su base mensile, indicando che il contrasto tra il raffreddamento nell’ECP e il riscaldamento altrove è una caratteristica persistente durante tutto l’anno. Le linee di contorno sovrapposte rappresentano la regressione di Z200 sulla serie temporale di questa modalità di SST, evidenziando come il raffreddamento nell’ECP sia accoppiato a un’anomalia di alta pressione nell’Artico, come mostrato nel pannello (a). Inoltre, i vettori di flusso di attività d’onda di Plumb, rappresentati dalle frecce nere, mostrano la propagazione di energia delle onde di Rossby dall’ECP verso le alte latitudini, con una traiettoria che si dirige verso l’Artico attraverso il Nord Pacifico e il Nord Atlantico. Questo flusso conferma che il raffreddamento delle SST nell’ECP agisce come una sorgente di onde di Rossby, che si propagano verso l’Artico, contribuendo alla formazione dell’alta pressione osservata nel pannello (a). La persistenza di questo pattern su scala annuale rafforza l’evidenza che la teleconnessione PARC sia un meccanismo fondamentale per le interazioni tropico-polari, con un ruolo chiave nel modulare la dinamica atmosferica e il clima artico.

Pannello (c): Serie Temporali della Modalità MCA1 (Z200 e SST)

Il pannello (c) presenta le serie temporali della modalità MCA1 per Z200 (barre nere) e SST (linea blu) su base mensile, coprendo l’intero periodo 1979-2017. L’asse verticale riporta valori normalizzati, che variano da -3 a +3, mentre l’asse orizzontale rappresenta gli anni. La modalità MCA1 spiega il 58% della covarianza totale tra Z200 e SST, un valore che indica una forte relazione accoppiata tra le due variabili. La correlazione tra le serie temporali di Z200 e SST è pari a 0.36, un valore statisticamente significativo al livello di confidenza del 5%, considerando l’effettiva dimensione del campione di circa 200 valori mensili (calcolata tenendo conto dell’autocorrelazione temporale dei dati). Una curva nera spessa rappresenta una media mobile di tre mesi della serie temporale di Z200 (MCA1-Z200), che evidenzia le variazioni a bassa frequenza, attenuando le fluttuazioni mensili e facilitando l’identificazione delle tendenze decennali. Si notano periodi di forte corrispondenza tra le due serie temporali, in particolare tra il 1992 e il 2000 e tra il 2007 e il 2012, durante i quali valori positivi di Z200 (indicativi di alta pressione artica) coincidono con valori negativi di SST (indicativi di un raffreddamento nell’ECP). Questi periodi riflettono la fase positiva della teleconnessione PARC, che è associata a una rapida diminuzione del ghiaccio marino, come evidenziato in altre analisi (ad esempio, Figura 5). Un cambiamento significativo si osserva intorno al 2013, quando entrambe le serie temporali mostrano un’attenuazione della modalità PARC, con valori che si avvicinano a zero o diventano negativi, suggerendo una transizione verso una fase meno attiva della teleconnessione, con un conseguente rallentamento della fusione del ghiaccio marino.

Interpretazione Complessiva e Implicazioni Climatiche

La Figura 7 fornisce un’evidenza robusta della persistenza della teleconnessione Pacifico-Artico (PARC) su scala annuale, dimostrando che il meccanismo identificato per i mesi estivi di JJA (Figura 5) non è stagionale, ma si estende a tutto l’anno. Il raffreddamento delle SST nell’ECP, che si manifesta durante tutto l’anno, genera un’anomalia baroclinica che agisce come sorgente di onde di Rossby, le quali si propagano verso l’Artico, favorendo lo sviluppo di un’anomalia di alta pressione persistente (pannello a). Questa configurazione atmosferica contribuisce alla fusione del ghiaccio marino attraverso l’afflusso di aria più calda, un aumento della radiazione solare e una riduzione dell’albedo superficiale. La forte correlazione tra le serie temporali di Z200 e SST (0.36), insieme alla spiegazione del 58% della covarianza totale, sottolinea l’importanza di questa teleconnessione come meccanismo dominante nelle interazioni tropico-polari. I periodi di intensa attività della modalità PARC, come tra il 1992 e il 2000 e tra il 2007 e il 2012, coincidono con fasi di rapida diminuzione del ghiaccio marino, mentre il cambiamento attorno al 2013 segna una transizione verso condizioni meno favorevoli alla fusione, riflettendo una variabilità decennale nelle dinamiche climatiche globali. Questi risultati hanno implicazioni significative per la comprensione delle teleconnessioni tropico-polari e per le previsioni climatiche a lungo termine, evidenziando come le forzanti tropicali possano modulare il clima artico su scale temporali che vanno oltre la stagionalità. La teleconnessione PARC emerge quindi come un elemento chiave per lo studio delle dinamiche climatiche globali, con un ruolo cruciale nel determinare le traiettorie future del ghiaccio marino artico in un contesto di cambiamento climatico.

5. Analisi delle risposte simulate della circolazione atmosferica alle variazioni delle temperature superficiali marine (SST) tropicali nel periodo 2007-2012 nell’ambito dell’esperimento pacemaker

La nostra analisi osservativa ha evidenziato che l’accelerato scioglimento del ghiaccio marino artico verificatosi tra il 2007 e il 2012, correlato a una transizione verso un regime di alta pressione atmosferica sull’Artico, è stato probabilmente influenzato dalle anomalie delle temperature superficiali marine (SST) osservate nella regione del Pacifico Centrale Orientale (ECP). Tale fenomeno sembra aver contribuito al percepito rallentamento del declino del ghiaccio marino artico negli ultimi dieci anni. Per esplorare e confermare il nesso causale tra le anomalie delle SST tropicali nell’ECP e le anomalie nella circolazione atmosferica artica, abbiamo analizzato la differenza tra gli esperimenti pacemaker condotti per il periodo 2007-2012 e il periodo di riferimento 1979-2017 (cfr. Fig. 8b).

Nell’esperimento pacemaker, il modello è stato forzato utilizzando le SST osservate nella regione tropicale dell’ECP. I risultati mostrano la formazione di un treno d’onda di Rossby che si propaga in direzione nord-est, generando una zona di alta pressione atmosferica sull’Artico (Fig. 8b). Questo schema simulato presenta una somiglianza significativa con la teleconnessione PARC (Polar Arctic Rossby Connection) osservata nello stesso periodo (Fig. 8a), con una correlazione spaziale del pattern pari a 0,44 all’interno della regione artica. Tale evidenza suggerisce che le anomalie delle SST nell’ECP abbiano svolto un ruolo determinante nella genesi della teleconnessione PARC osservata tra il 2007 e il 2012.

Tuttavia, l’aumento simulato dell’altezza geopotenziale nell’Artico (tra 70° e 90° di latitudine nord) risulta meno pronunciato rispetto alle osservazioni, con un incremento medio di circa 12 metri rispetto ai 31 metri rilevati nei dati osservativi. Inoltre, il pattern simulato mostra alcune discrepanze rispetto a quello osservato, suggerendo limitazioni intrinseche del modello utilizzato e l’influenza di fattori aggiuntivi non completamente rappresentati negli esperimenti condotti. Nonostante tali limitazioni, il modello riesce a riprodurre con buona fedeltà la struttura troposferica media zonale osservata, caratterizzata da un aumento barotropico dell’altezza geopotenziale, accompagnato da un riscaldamento e da un incremento dell’umidità specifica vicino alla superficie, entrambi centrati sulla regione artica (cfr. confronto tra Fig. 9 e Fig. 1).

Le somiglianze e le differenze tra i risultati simulati e quelli osservati emergono chiaramente attraverso una rappresentazione in proiezione polare (Fig. 9). Tale visualizzazione evidenzia che il modello genera un centro di aumento dell’altezza geopotenziale a livelli superiori collocato in una posizione comparabile a quella osservata. Tuttavia, l’entità di tale aumento non raggiunge l’ampiezza rilevata nel periodo 2007-2012, né riesce a replicare pienamente l’estensione di questa anomalia verso l’Artico. Analogamente, la risposta media del ghiaccio marino nell’ensemble degli esperimenti pacemaker risulta significativamente attenuata, pari a circa il 30-40% della risposta osservata.

Una possibile spiegazione per la risposta ridotta del ghiaccio marino risiede nell’uso del modello ECHAM4.6 accoppiato a un modello oceanico a lastra (slab ocean model). Questo approccio limita la simulazione agli effetti termodinamici indotti dall’atmosfera sovrastante, trascurando le componenti dinamiche, come i venti, che contribuiscono in misura pressoché equivalente alla variabilità del ghiaccio marino artico (cfr. Fig. 9f). Inoltre, l’impiego di un modello oceanico a lastra, che non rappresenta il trasporto di calore oceanico dinamico tipico di un modello oceanico completamente dinamico, potrebbe ulteriormente contribuire alla sottostima della risposta del sistema alle forzanti tropicali.

Nonostante queste limitazioni, un’analisi della dispersione dell’ensemble (Fig. 9c) rivela che alcuni membri dell’ensemble mostrano magnitudini di risposta paragonabili a quelle osservate, sia per quanto riguarda l’altezza geopotenziale a 200 hPa (Z200) nei mesi estivi (JJA, giugno-luglio-agosto) sia per la risposta del ghiaccio marino a settembre. Questi membri presentano anche una forte somiglianza nei pattern delle anomalie di Z200 rispetto a quelli osservati nel periodo 2007-2012, suggerendo che, in alcune realizzazioni, il modello è in grado di catturare dinamiche atmosferiche e criosferiche coerenti con le osservazioni.

In sintesi, gli esperimenti pacemaker confermano il ruolo significativo delle SST tropicali dell’ECP nel modulare la circolazione atmosferica artica e, di conseguenza, la variabilità del ghiaccio marino. Tuttavia, le discrepanze tra i risultati simulati e osservati sottolineano la necessità di ulteriori miglioramenti nei modelli numerici, in particolare per quanto riguarda la rappresentazione delle interazioni dinamiche tra atmosfera, oceano e ghiaccio marino, al fine di ottenere simulazioni più accurate delle complesse dinamiche climatiche dell’Artico.La distribuzione statistica dei valori medi di altezza geopotenziale nell’Artico, calcolati per le simulazioni di controllo e per quelle forzate, segue un andamento di tipo gaussiano (cfr. Fig. 9d). Tuttavia, nella simulazione guidata dalle anomalie delle temperature superficiali marine (SST) del Pacifico tropicale, la distribuzione risulta significativamente spostata verso valori più elevati di altezza geopotenziale nella regione artica. Questo spostamento si manifesta con un numero di casi con altezze geopotenziali elevate quasi doppio rispetto alla simulazione di controllo e con una netta riduzione dei casi con valori negativi. Tale evidenza suggerisce che condizioni di SST più fredde nella regione del Pacifico Centrale Orientale (ECP) possano favorire un’accelerazione del riscaldamento nell’Artico, probabilmente attraverso il rafforzamento delle anomalie di alta pressione in questa regione.

Per approfondire questa dinamica, sono stati selezionati due membri specifici dell’ensemble della simulazione forzata con SST tropicali, caratterizzati da un aumento dell’altezza geopotenziale nell’Artico superiore a quello rilevato nei dati osservativi. I pattern risultanti da questi membri mostrano una corrispondenza notevole con le osservazioni (cfr. Fig. 10), indicando che l’eccezionale incremento dell’altezza geopotenziale osservato durante il periodo 2007-2012 possa essere stato il risultato di una sovrapposizione tra la forzante indotta dalle SST tropicali e altri fattori intrinseci al sistema climatico, come variabilità interna o processi atmosferici locali. Questa interazione tra forzanti esterne e dinamiche interne sembra aver amplificato l’anomalia osservata, rendendo l’evento del 2007-2012 particolarmente significativo.

Un elemento che potrebbe aver contribuito in modo rilevante alla prominenza del pattern di teleconnessione PARC (Polar Arctic Rossby Connection) osservato nel nostro esperimento è l’Oscillazione Artica (AO), la cui fase negativa si è manifestata in diverse estati tra il 2007 e il 2012 (L’Heureux et al. 2010). L’AO, insieme alla sua controparte atlantica, l’Oscillazione Nord Atlantica (NAO), rappresenta la modalità dominante di variabilità della circolazione atmosferica nelle alte latitudini ed è nota per la sua sensibilità alle forzanti tropicali remote (Hoerling et al. 2001; Ding et al. 2014; Trenberth et al. 2014). Tuttavia, numerosi studi hanno evidenziato che i modelli climatici faticano a riprodurre accuratamente la relazione tra l’AO e le forzanti tropicali (L’Heureux et al. 2008; Ding et al. 2019). Un’analisi recente (Liu et al. 2018) ha inoltre suggerito che il pattern di circolazione più favorevole al riscaldamento artico, come quello associato a una fase negativa dell’AO, possa derivare dall’eccitazione di modalità intrinseche nelle alte latitudini, le quali sarebbero efficacemente modulate da flussi oceanici originati nella regione del Pacifico equatoriale orientale. È quindi plausibile che le limitazioni dei nostri esperimenti pacemaker nel catturare pienamente la complessa interazione tra l’AO e le forzanti tropicali rappresentino una delle cause principali delle discrepanze osservate tra i risultati simulati e i dati reali.

Nonostante tali limitazioni, il meccanismo fondamentale alla base della teleconnessione PARC, ossia la formazione di un treno d’onda di Rossby che si propaga dalla regione ECP verso l’Artico, con un centro di alta pressione localizzato sopra la Groenlandia, è stato riprodotto con successo nelle nostre simulazioni. Questo risultato conferma la capacità del modello di catturare le dinamiche atmosferiche chiave alla base della connessione tra il Pacifico tropicale e l’Artico. Per valutare ulteriormente la sensibilità della regione ECP nel modulare tali dinamiche, sono stati condotti esperimenti aggiuntivi, estendendo il dominio delle forzanti SST a tutte le regioni tropicali (da 30°S a 30°N) o all’intero bacino del Pacifico (da 30°S a 60°N). I risultati di queste simulazioni mostrano che le anomalie di altezza geopotenziale a 200 hPa (Z200) nell’Artico durante il periodo 2007-2012 non subiscono variazioni significative rispetto alla simulazione forzata esclusivamente dalle SST dell’ECP. Questo dato sottolinea la peculiare capacità della regione ECP di esercitare un’influenza dominante sulle modifiche della circolazione artica, rispetto ad altre regioni tropicali o al Pacifico nel suo complesso.

In conclusione, i nostri esperimenti evidenziano che le variazioni delle SST nell’ECP svolgono un ruolo cruciale nel guidare le teleconnessioni tra il Pacifico e l’Artico, con impatti significativi sulla circolazione atmosferica e, indirettamente, sul riscaldamento artico. Tuttavia, le discrepanze tra le simulazioni e le osservazioni sottolineano la necessità di migliorare la rappresentazione delle interazioni tra variabilità interna (come l’AO) e forzanti esterne nei modelli climatici. Questi miglioramenti saranno essenziali per affinare la nostra comprensione delle complesse dinamiche climatiche che governano l’Artico e per prevedere con maggiore precisione le risposte del sistema climatico alle forzanti tropicali.

Analisi approfondita della Figura 8: Confronto tra osservazioni e simulazioni delle anomalie di altezza geopotenziale e precipitazioni (JJA 2007-2012 meno 1979-2017)

La Figura 8 illustra un confronto tra i dati osservati e i risultati simulati relativi alle anomalie di altezza geopotenziale a 200 hPa (Z200) e alle precipitazioni durante il periodo estivo (JJA, ovvero giugno, luglio e agosto) per gli anni 2007-2012, rispetto a una baseline climatica rappresentata dal periodo 1979-2017. La figura è strutturata in due pannelli principali: il pannello (a) presenta le anomalie osservate, mentre il pannello (b) mostra le anomalie simulate attraverso l’esperimento pacemaker. Questo confronto mira a valutare il ruolo delle anomalie delle temperature superficiali marine (SST) nella regione del Pacifico Centrale Orientale (ECP) nel modulare la circolazione atmosferica artica, con particolare attenzione alla teleconnessione PARC (Polar Arctic Rossby Connection) e al suo impatto sul clima artico.

Contesto scientifico e obiettivi della figura

L’altezza geopotenziale a 200 hPa (Z200) è una variabile fondamentale per analizzare la struttura della troposfera superiore (circa 12 km di altitudine) e rappresenta un indicatore delle dinamiche di pressione atmosferica a larga scala. Anomalie positive di Z200 indicano la presenza di un sistema di alta pressione, spesso associato a condizioni atmosferiche stabili e a un riscaldamento sottostante, mentre anomalie negative riflettono un sistema di bassa pressione, frequentemente legato a maggiore instabilità e attività ciclonica. Le precipitazioni, misurate in mm/giorno, forniscono invece un’indicazione delle variazioni nei pattern convettivi e nell’umidità atmosferica, che sono strettamente legate alle dinamiche delle SST tropicali.

L’obiettivo principale della Figura 8 è investigare la connessione causale tra le anomalie delle SST nell’ECP e le modifiche della circolazione atmosferica nelle alte latitudini, in particolare durante il periodo 2007-2012, che coincide con un evento di scioglimento accelerato del ghiaccio marino artico e un successivo rallentamento del declino del ghiaccio negli ultimi anni. Le anomalie sono calcolate come differenza tra il periodo 2007-2012 e il periodo di riferimento 1979-2017, che rappresenta una media climatica a lungo termine di 30 anni, utile per contestualizzare i cambiamenti osservati e simulati.

Pannello (a): Anomalie osservate di Z200 e precipitazioni (JJA 2007-2012 meno 1979-2017)

Il pannello (a) è suddiviso in due mappe che rappresentano, rispettivamente, le anomalie di altezza geopotenziale a 200 hPa (parte superiore) e le anomalie di precipitazione (parte inferiore), calcolate come differenza tra il periodo 2007-2012 e la media del periodo 1979-2017.

• Altezza geopotenziale (Z200): La mappa superiore mostra un pattern ben definito di anomalie di altezza geopotenziale a 200 hPa, espresse in metri. Sull’Artico si osserva un’anomalia positiva significativa, con valori che raggiungono i +50 metri, indicativa della formazione di un robusto sistema di alta pressione in questa regione. Questo aumento di pressione è coerente con le condizioni che possono aver contribuito al rallentamento del declino del ghiaccio marino, poiché un’alta pressione tende a favorire un riscaldamento locale e una riduzione della dinamica ciclonica che potrebbe trasportare ghiaccio verso latitudini più basse. Inoltre, si nota la presenza di un treno d’onda di Rossby, una struttura ondulatoria tipica della circolazione atmosferica a grande scala, che si propaga dalle regioni tropicali verso le alte latitudini. Questo treno d’onda è caratterizzato da un’alternanza di anomalie positive e negative: ad esempio, si osservano anomalie negative di -10 metri nel Pacifico settentrionale, seguite da anomalie positive di +30 metri in altre regioni, fino a culminare nell’anomalia positiva sull’Artico. Questo pattern suggerisce una connessione dinamica tra le forzanti tropicali e le condizioni atmosferiche nelle alte latitudini, mediata dalla propagazione di onde planetarie.
• Precipitazioni: La mappa inferiore rappresenta le anomalie di precipitazione, espresse in mm/giorno, con una scala cromatica che va dal blu (aumento delle precipitazioni) al rosso (diminuzione delle precipitazioni). Si evidenzia un netto aumento delle precipitazioni nel Pacifico equatoriale orientale, con valori che raggiungono +1,5 mm/giorno, un segnale coerente con il riscaldamento delle SST nell’ECP, che favorisce una maggiore attività convettiva e un’intensificazione del ciclo idrologico in questa regione. Al contrario, si osserva una diminuzione delle precipitazioni in altre aree tropicali, come il Pacifico occidentale, con valori che arrivano a -1,5 mm/giorno. Questo pattern riflette un cambiamento nei regimi convettivi, probabilmente indotto da una ridistribuzione delle SST tropicali, che altera i gradienti di pressione e i flussi di umidità a scala regionale.

Pannello (b): Anomalie simulate di Z200 e precipitazioni (JJA 2007-2012 meno 1979-2017)

Il pannello (b) riporta i risultati dell’esperimento pacemaker, in cui il modello climatico è stato forzato utilizzando le SST osservate nella regione ECP (delimitata dalla scatola nera tratteggiata tra 145° e 285°E). Anche questo pannello è suddiviso in due mappe, che rappresentano le anomalie simulate di Z200 (parte superiore) e di precipitazioni (parte inferiore).

• Altezza geopotenziale (Z200): La mappa superiore mostra le anomalie di altezza geopotenziale a 200 hPa simulate dal modello. Si nota un’anomalia positiva sull’Artico, con valori che raggiungono i +30 metri, indicando la formazione di un sistema di alta pressione simile a quello osservato. Tuttavia, la magnitudine di questa anomalia è inferiore rispetto ai dati osservati (+50 metri), suggerendo che il modello sottostima l’intensità dell’anomalia di pressione nell’Artico. Anche il treno d’onda di Rossby è ben visibile nelle simulazioni, con un pattern che riproduce l’alternanza di anomalie positive e negative osservata nei dati reali (ad esempio, anomalie negative di -10 metri nel Pacifico settentrionale e positive di +20 metri altrove). Nonostante la somiglianza qualitativa, la struttura del treno d’onda appare meno pronunciata rispetto alle osservazioni, evidenziando alcune limitazioni del modello nel catturare l’ampiezza delle dinamiche atmosferiche. Le regioni in cui le differenze simulate rispetto al periodo di riferimento sono statisticamente significative (al 95% di confidenza, secondo il test t di Student) sono indicate con puntini neri, che si concentrano principalmente sull’Artico e su alcune aree del Pacifico, confermando la robustezza del segnale simulato in queste regioni.
• Precipitazioni: La mappa inferiore mostra le anomalie di precipitazione simulate, che presentano una buona corrispondenza con i dati osservati. Si osserva un aumento delle precipitazioni nel Pacifico equatoriale orientale (fino a +1,5 mm/giorno), in linea con l’effetto delle SST più calde nell’ECP, che intensificano l’attività convettiva in questa regione. Parallelamente, si rileva una diminuzione delle precipitazioni in altre aree tropicali, come il Pacifico occidentale (fino a -1,5 mm/giorno), un pattern che riflette le osservazioni, sebbene con una distribuzione spaziale leggermente diversa. La scatola nera tratteggiata (145°-285°E) delimita la regione ECP in cui sono state applicate le forzanti delle SST, evidenziando che questa area è il principale driver delle anomalie simulate sia per l’altezza geopotenziale che per le precipitazioni.

Didascalia e dettagli tecnici

La didascalia della figura fornisce informazioni essenziali per interpretare i dati:

• Pannello (a): Le anomalie osservate di Z200 e precipitazioni sono calcolate come differenza tra il periodo 2007-2012 e la media climatica del periodo 1979-2017, che rappresenta una baseline a lungo termine di 30 anni. Questo approccio consente di isolare i cambiamenti specifici associati al periodo di interesse.
• Pannello (b): Le anomalie simulate derivano dall’esperimento pacemaker, in cui il modello è forzato con le SST osservate nell’ECP (tra 145° e 285°E). La significatività statistica delle differenze simulate è valutata mediante un test t di Student al 95% di confidenza, con le aree significative indicate da puntini neri. Questo test conferma che le anomalie simulate nell’Artico e in alcune regioni tropicali sono robuste e non attribuibili al caso.

Interpretazione scientifica e implicazioni

La Figura 8 evidenzia una chiara connessione dinamica tra le anomalie delle SST nell’ECP e la circolazione atmosferica a scala emisferica, con impatti significativi sull’Artico. Il modello pacemaker riesce a riprodurre il meccanismo fondamentale alla base della teleconnessione PARC, ossia la formazione di un treno d’onda di Rossby che si propaga dal Pacifico tropicale verso l’Artico, culminando in un centro di alta pressione sopra la Groenlandia. Questo pattern è coerente con le osservazioni e supporta l’ipotesi che le SST nell’ECP abbiano svolto un ruolo cruciale nel modulare la circolazione artica durante il periodo 2007-2012, contribuendo al riscaldamento locale e al rallentamento del declino del ghiaccio marino.

Tuttavia, le discrepanze tra i dati osservati e simulati, come la sottostima dell’anomalia di Z200 sull’Artico (+30 m simulati contro +50 m osservati), suggeriscono limitazioni nel modello utilizzato. Una possibile causa è l’impiego di un modello oceanico a lastra (slab ocean model), che non rappresenta il trasporto dinamico di calore oceanico, un processo che potrebbe amplificare la risposta del sistema climatico alle forzanti tropicali. Inoltre, il modello potrebbe non catturare adeguatamente l’influenza di altri fattori, come la variabilità interna associata all’Oscillazione Artica (AO), che era in fase negativa durante il periodo 2007-2012 e potrebbe aver amplificato l’effetto delle forzanti tropicali.

Conclusione e prospettive future

La Figura 8 fornisce un’importante evidenza della connessione tra le SST tropicali e la circolazione artica, dimostrando che le anomalie nell’ECP possono guidare cambiamenti significativi nell’altezza geopotenziale e nei pattern di precipitazione, con ripercussioni sul clima artico. Tuttavia, le discrepanze tra osservazioni e simulazioni sottolineano la complessità delle interazioni climatiche e la necessità di sviluppare modelli più avanzati, capaci di rappresentare meglio le dinamiche oceaniche, le interazioni atmosfera-oceano e la variabilità interna del sistema climatico. Questi miglioramenti saranno essenziali per comprendere appieno le teleconnessioni tra le regioni tropicali e l’Artico e per prevedere con maggiore accuratezza gli impatti dei cambiamenti climatici sulle alte latitudini.

Analisi approfondita della Figura 9: Risposte climatiche nell’Artico alle forzanti tropicali (2007-2012 vs 1979-2017)

La Figura 9 offre un’analisi multidimensionale delle risposte climatiche nell’Artico alle anomalie delle temperature superficiali marine (SST) nel Pacifico Centrale Orientale (ECP), confrontando dati osservati e simulati nell’ambito dell’esperimento pacemaker. La figura è strutturata in sei pannelli (a-f), ciascuno dei quali esplora un aspetto specifico delle dinamiche atmosferiche e criosferiche nel periodo 2007-2012 rispetto alla baseline climatica del periodo 1979-2017. L’esperimento pacemaker forza il modello con le SST osservate nell’ECP, consentendo di isolare l’effetto delle forzanti tropicali sulla circolazione atmosferica artica, sul riscaldamento locale e sulla variabilità del ghiaccio marino. Di seguito, ciascun pannello viene analizzato in dettaglio, con un focus sui meccanismi fisici, le discrepanze tra osservazioni e simulazioni, e le implicazioni scientifiche.

Contesto scientifico e obiettivi della figura

La Figura 9 si inserisce in uno studio volto a comprendere il ruolo delle SST tropicali nel modulare la circolazione atmosferica e il clima artico, con particolare attenzione al periodo 2007-2012, caratterizzato da un rapido scioglimento del ghiaccio marino seguito da un apparente rallentamento del declino negli ultimi anni. L’altezza geopotenziale a 200 hPa (Z200) è un indicatore chiave della struttura della troposfera superiore (circa 12 km di altitudine), riflettendo le dinamiche di pressione atmosferica a larga scala: anomalie positive indicano sistemi di alta pressione, spesso associati a condizioni stabili e riscaldamento sottostante, mentre anomalie negative suggeriscono bassa pressione e maggiore instabilità. La concentrazione di ghiaccio marino, la temperatura e l’umidità specifica sono parametri complementari che consentono di valutare gli impatti delle forzanti tropicali sul clima artico, un sistema altamente sensibile alle variazioni climatiche globali grazie al fenomeno dell’amplificazione artica. Le anomalie sono calcolate come differenza tra il periodo 2007-2012 e il periodo di riferimento 1979-2017, che rappresenta una media climatica a lungo termine di 30 anni, utile per contestualizzare i cambiamenti osservati e simulati.

Pannello (a): Anomalie osservate di altezza geopotenziale a 200 hPa (Z200, 2007-2012)

Il pannello (a) presenta una mappa in proiezione polare delle anomalie osservate di altezza geopotenziale a 200 hPa (Z200) nell’Artico durante il periodo estivo (JJA, giugno-luglio-agosto) del 2007-2012, rispetto alla media del periodo 1979-2017. Le anomalie sono espresse in metri e rappresentate mediante linee di contorno:

• Si osserva un’anomalia positiva eccezionalmente pronunciata sull’Artico, con valori che raggiungono i +70 metri, indicativa della formazione di un robusto sistema di alta pressione in questa regione. Questo aumento di pressione è coerente con le condizioni che possono aver contribuito al riscaldamento artico, poiché un’alta pressione tende a favorire la subsidenza atmosferica, riducendo la formazione di nubi e aumentando l’assorbimento di radiazione solare, con conseguente amplificazione del riscaldamento locale. Inoltre, l’alta pressione potrebbe aver ridotto l’attività ciclonica, limitando il trasporto di ghiaccio marino verso latitudini più basse e contribuendo al rallentamento del declino del ghiaccio osservato negli ultimi anni.
• Altre regioni mostrano anomalie più moderate, con valori che oscillano tra -10 e +30 metri, riflettendo la propagazione di un treno d’onda di Rossby, una struttura ondulatoria tipica della circolazione atmosferica a grande scala. Questo treno d’onda collega le regioni tropicali all’Artico, mediando la teleconnessione PARC (Polar Arctic Rossby Connection) e trasferendo l’energia atmosferica dalle basse alle alte latitudini.

Questo pannello funge da riferimento per il confronto con le simulazioni, evidenziando l’entità reale dell’anomalia di pressione durante il periodo di interesse.

Pannello (b): Risposta simulata di Z200 nell’esperimento pacemaker

Il pannello (b) mostra le anomalie simulate di altezza geopotenziale a 200 hPa nell’esperimento pacemaker, calcolate come differenza tra il periodo 2007-2012 e il periodo di riferimento 1979-2017. La mappa è anch’essa in proiezione polare, consentendo un confronto diretto con il pannello (a):

• Si rileva un’anomalia positiva sull’Artico, con valori che variano tra +5 e +20 metri, indicando la formazione di un sistema di alta pressione simile a quello osservato. Tuttavia, l’entità di questa anomalia è significativamente inferiore rispetto ai dati osservati (+70 metri), suggerendo che il modello sottostima l’intensità della risposta atmosferica alle forzanti tropicali. Questa discrepanza potrebbe essere attribuita a limitazioni del modello, come l’uso di un oceano a lastra (slab ocean model), che non rappresenta il trasporto dinamico di calore oceanico, un processo che potrebbe amplificare la risposta della circolazione atmosferica.
• Il pattern generale delle anomalie, che include alternanze di valori positivi e negativi (ad esempio, -5 e +10 metri), riflette la propagazione di un treno d’onda di Rossby, coerentemente con il meccanismo della teleconnessione PARC. Tuttavia, la struttura di questo treno d’onda appare meno definita e meno intensa rispetto alle osservazioni, evidenziando ulteriori limitazioni del modello nel catturare l’ampiezza e la complessità delle dinamiche atmosferiche.

Pannello (c): Dispersione delle anomalie di Z200 e concentrazione di ghiaccio marino

Il pannello (c) presenta un grafico a dispersione (spread) delle anomalie medie di Z200 in JJA e della concentrazione di ghiaccio marino a settembre, calcolate nell’Artico (tra 70° e 90°N) per ogni anno della simulazione 2007-2012, rispetto alla media del periodo 1979-2017:

• Z200 (triangoli grigi): Le anomalie di altezza geopotenziale variano tra -20 e +50 metri, con una media dell’ensemble di circa +10 metri (triangolo nero). Questo valore è significativamente inferiore all’anomalia osservata di circa +39 metri (triangolo rosso, derivato dai dati ERA-I), confermando la tendenza del modello a sottostimare l’entità dell’anomalia di pressione.
• Ghiaccio marino (croci grigie): Le anomalie di concentrazione del ghiaccio marino a settembre variano tra -15% e +5%, con una media simulata di circa -5% (croce nera), rispetto a una riduzione osservata di circa -10% (croce rossa, derivata dai dati NSIDC). Anche in questo caso, il modello sottostima la risposta criosferica.
• Un aspetto significativo è che alcuni membri dell’ensemble mostrano anomalie di Z200 e ghiaccio marino vicine ai valori osservati (ad esempio, Z200 fino a +50 metri e ghiaccio marino fino a -15%). Questo suggerisce che, nonostante la media dell’ensemble sia più debole, il modello è in grado di catturare dinamiche realistiche in alcune realizzazioni, probabilmente grazie alla variabilità interna del sistema climatico.

Questo pannello evidenzia la variabilità interna dell’ensemble e la capacità del modello di produrre risposte coerenti con le osservazioni in alcune configurazioni, sottolineando l’importanza della variabilità stocastica e delle interazioni non lineari nel sistema climatico.

Pannello (d): Funzione di densità di probabilità (PDF) delle risposte di Z200

Il pannello (d) illustra la funzione di densità di probabilità (PDF) delle anomalie di Z200 in JJA nell’Artico (70°-90°N) per le simulazioni 2007-2012 (istogramma nero) e 1979-2017 (istogramma grigio), rispetto alla media del periodo 1979-2017. L’anomalia osservata di Z200 è indicata con una linea tratteggiata rossa:

• La distribuzione delle risposte di Z200 nelle simulazioni 2007-2012 è spostata verso valori positivi, con una media di circa +10 metri, rispetto alla distribuzione del periodo 1979-2017, che è centrata intorno allo zero. Questo spostamento riflette l’effetto delle forzanti tropicali nel favorire un aumento della pressione atmosferica nell’Artico, coerentemente con il meccanismo della teleconnessione PARC.
• L’anomalia osservata di Z200, che si colloca nell’intervallo tra +25 e +35 metri, è significativamente più alta della media simulata, ma rientra nella coda destra della distribuzione simulata. Questo indica che il modello può produrre risposte simili a quelle osservate, sebbene con una probabilità più bassa, suggerendo che l’evento osservato nel 2007-2012 potrebbe essere stato amplificato da fattori non completamente rappresentati nel modello, come la variabilità interna o l’interazione con altre forzanti.
• Entrambe le distribuzioni (2007-2012 e 1979-2017) sono di tipo gaussiano, ma la simulazione forzata con le SST tropicali mostra una maggiore probabilità di valori positivi, evidenziando l’influenza delle SST nell’ECP nel modulare la circolazione atmosferica artica.

Pannello (e): Profilo verticale di altezza geopotenziale, temperatura e umidità specifica

Il pannello (e) presenta un profilo verticale in funzione della latitudine (da 60°N a 90°N) e della pressione (da 1000 hPa a 100 hPa), che mostra le differenze medie zonali tra il periodo 2007-2012 e il periodo 1979-2017 per tre variabili:

• Altezza geopotenziale (contorni rossi): Si osserva un aumento barotropico dell’altezza geopotenziale, con valori che raggiungono i +12 metri nell’Artico, estendendosi attraverso l’intera colonna troposferica. Questo aumento barotropico, che si manifesta in modo uniforme lungo la verticale, è più pronunciato a latitudini elevate (80°-90°N) ed è coerente con la formazione di un sistema di alta pressione indotto dalle forzanti tropicali.
• Temperatura (ombreggiatura): Si rileva un riscaldamento vicino alla superficie, con anomalie di temperatura che raggiungono +0,4°C nell’Artico. Questo riscaldamento è in linea con il fenomeno dell’amplificazione artica, in cui il riscaldamento locale è amplificato dalla riduzione del ghiaccio marino e dall’aumento dell’assorbimento di radiazione solare. Il riscaldamento è più marcato vicino alla superficie e si attenua con l’altitudine, riflettendo l’origine superficiale della forzante.
• Umidità specifica (contorni viola): L’umidità specifica aumenta vicino alla superficie, con valori che raggiungono +0,04 kg/kg. Questo incremento è coerente con il riscaldamento locale e la fusione del ghiaccio marino, che aumentano l’evaporazione e l’apporto di umidità nell’atmosfera artica.

Questo pannello dimostra che il modello riesce a catturare la struttura troposferica osservata, con un aumento barotropico della pressione, un riscaldamento superficiale e un incremento dell’umidità. Tuttavia, le magnitudini simulate sono inferiori rispetto alle osservazioni (ad esempio, l’aumento di Z200 è di +12 m contro i +31 m osservati), suggerendo che il modello non rappresenta pienamente l’ampiezza delle risposte climatiche.

Pannello (f): Risposta della concentrazione di ghiaccio marino a settembre

Il pannello (f) mostra una mappa in proiezione polare delle anomalie di concentrazione del ghiaccio marino a settembre (in percentuale) nell’esperimento pacemaker, calcolate come differenza tra il periodo 2007-2012 e il periodo 1979-2017:

• Si osserva una riduzione della concentrazione del ghiaccio marino, con valori che raggiungono il -30% in alcune aree dell’Artico centrale, in particolare nel Mare di Beaufort e nel Mare di Chukchi. Questa riduzione è coerente con il riscaldamento simulato e l’aumento della pressione atmosferica, che favoriscono la fusione del ghiaccio attraverso processi termodinamici.
• Tuttavia, la risposta simulata è significativamente più debole rispetto a quella osservata, che raggiunge circa il -70% in alcune regioni. Questa discrepanza può essere attribuita a limitazioni del modello, in particolare l’uso di un modello oceanico a lastra, che non rappresenta le dinamiche del vento e il trasporto di calore oceanico. Questi processi dinamici contribuiscono in modo significativo alla variabilità del ghiaccio marino, accanto agli effetti termodinamici simulati dal modello.

Interpretazione scientifica e implicazioni

La Figura 9 fornisce un quadro dettagliato delle risposte climatiche nell’Artico alle forzanti tropicali, confermando il ruolo delle SST nell’ECP nel modulare la circolazione atmosferica e il clima artico:

• Il modello pacemaker riesce a catturare il meccanismo di base, ossia la formazione di un sistema di alta pressione sull’Artico, il riscaldamento superficiale e l’incremento dell’umidità, coerentemente con le osservazioni. Tuttavia, la sottostima delle anomalie di Z200 (pannelli a e b) e della perdita di ghiaccio marino (pannello f) evidenzia limitazioni significative del modello, come l’incapacità di rappresentare le interazioni dinamiche tra atmosfera, oceano e ghiaccio marino.
• La dispersione dell’ensemble (pannello c) e la PDF (pannello d) indicano che alcuni membri dell’ensemble producono risposte vicine a quelle osservate, sugger eterno che la variabilità interna e le interazioni non lineari possono amplificare le anomalie climatiche in alcune configurazioni. Questo sottolinea l’importanza di considerare la variabilità stocastica nei modelli climatici per catturare eventi estremi come quello del 2007-2012.
• La struttura troposferica simulata (pannello e) è qualitativamente simile a quella osservata, ma la magnitudine più debole delle anomalie suggerisce che fattori non rappresentati, come il trasporto di calore oceanico dinamico o l’influenza dell’Oscillazione Artica (AO), potrebbero aver amplificato la risposta reale.

Conclusione e prospettive future

La Figura 9 evidenzia il ruolo cruciale delle SST tropicali nell’ECP nel modulare la circolazione atmosferica artica e le risposte climatiche associate, come il riscaldamento locale e la fusione del ghiaccio marino. Tuttavia, le discrepanze tra dati osservati e simulati sottolineano la necessità di sviluppare modelli climatici più avanzati, che includano una rappresentazione realistica delle dinamiche oceaniche, delle interazioni atmosfera-oceano e della variabilità interna del sistema climatico. Questi miglioramenti saranno essenziali per affinare la nostra comprensione delle teleconnessioni tra le regioni tropicali e l’Artico e per prevedere con maggiore accuratezza gli impatti dei cambiamenti climatici sulle alte latitudini, un’area critica per la stabilità del clima globale.

Analisi approfondita della Figura 10: Anomalie simulate di altezza geopotenziale a 200 hPa (Z200) nei membri più estremi dell’esperimento pacemaker (2007-2012 vs 1979-2017)

La Figura 10 illustra le anomalie simulate di altezza geopotenziale a 200 hPa (Z200) durante il periodo estivo (JJA, ovvero giugno, luglio e agosto) per gli anni 2007-2012, rispetto alla baseline climatica del periodo 1979-2017, utilizzando i due membri dell’ensemble dell’esperimento pacemaker che presentano la risposta più intensa nell’Artico (tra 70° e 90°N). La figura si inserisce in uno studio più ampio volto a investigare il ruolo delle anomalie delle temperature superficiali marine (SST) nel Pacifico Centrale Orientale (ECP) nel modulare la circolazione atmosferica artica, con particolare attenzione al periodo 2007-2012, un intervallo caratterizzato da un rapido scioglimento del ghiaccio marino seguito da un apparente rallentamento del declino negli ultimi anni. Di seguito, viene fornita un’analisi dettagliata della figura, con un focus sui dati rappresentati, i meccanismi fisici sottostanti, le implicazioni scientifiche e le limitazioni del modello.

Contesto scientifico e obiettivi della figura

L’altezza geopotenziale a 200 hPa (Z200) è una variabile fondamentale per analizzare la struttura della troposfera superiore, situata a circa 12 km di altitudine, e rappresenta un indicatore delle dinamiche di pressione atmosferica a larga scala. Anomalie positive di Z200 indicano la presenza di un sistema di alta pressione, spesso associato a condizioni atmosferiche stabili, subsidenza e riscaldamento sottostante, mentre anomalie negative riflettono un sistema di bassa pressione, frequentemente legato a maggiore instabilità e attività ciclonica. La Figura 10 si concentra sulle anomalie di Z200 simulate nell’esperimento pacemaker, in cui il modello climatico è forzato con le SST osservate nell’ECP, consentendo di isolare l’effetto delle forzanti tropicali sulla circolazione atmosferica artica.

L’obiettivo della figura è confrontare le simulazioni con le osservazioni reali per il periodo 2007-2012, un intervallo in cui si è registrata un’anomalia significativa di Z200 nell’Artico (mostrata in precedenza nella Figura 8a, con valori fino a +50 metri). Poiché la media dell’ensemble delle simulazioni pacemaker sottostima l’entità dell’anomalia osservata (circa +12 metri, come mostrato in Figura 9b), la Figura 10 seleziona i due membri dell’ensemble che presentano la risposta più intensa nell’Artico, con l’obiettivo di verificare se il modello sia in grado di replicare l’anomalia osservata in alcune realizzazioni specifiche.

Descrizione dettagliata della mappa

La Figura 10 presenta una mappa emisferica che copre l’emisfero settentrionale, con latitudini che si estendono dall’Equatore (0°) a 90°N e longitudini che spaziano da 0° a 360°. Le anomalie di Z200 sono espresse in metri e rappresentate mediante linee di contorno, con intervalli di 10 metri. Le anomalie positive (ad esempio, +10, +30, +50, +70, +110 m) sono indicate con tonalità calde (giallo-arancione) e contorni neri, mentre le anomalie negative (ad esempio, -10, -30 m) sono rappresentate con tonalità fredde (verde-blu) e contorni blu tratteggiati. La mappa evidenzia le seguenti caratteristiche:

• Regione artica (70°-90°N): Si osserva un’anomalia positiva eccezionalmente pronunciata sull’Artico, con valori che raggiungono i +70 metri e, in alcune aree, persino i +110 metri. Questo indica un marcato aumento della pressione atmosferica, che si traduce in un robusto sistema di alta pressione centrato sull’Artico. La magnitudine di questa anomalia è molto più vicina a quella osservata durante il periodo 2007-2012 (+50 metri, come mostrato in Figura 8a) rispetto alla media dell’ensemble (+12 metri, Figura 9b), suggerendo che i due membri selezionati catturano con maggiore fedeltà l’intensità dell’anomalia reale.
• Regioni extratropicali: La mappa mostra un treno d’onda di Rossby che si propaga dalle regioni tropicali verso le alte latitudini, una struttura ondulatoria tipica della circolazione atmosferica a grande scala. Questo treno d’onda è caratterizzato da un’alternanza di anomalie positive e negative:
  • Anomalie negative di -30 metri sono presenti nel Pacifico settentrionale (circa 180°-120°W, 30°-60°N), indicando un sistema di bassa pressione che contrasta con l’alta pressione sull’Artico.
  • Anomalie positive di +30 metri si trovano in altre aree, come sopra la Siberia e il Nord America settentrionale, riflettendo la natura ondulatoria della propagazione dell’energia atmosferica attraverso l’emisfero.
• Regioni tropicali: Nelle regioni tropicali, le anomalie di Z200 mostrano variazioni moderate, con valori che oscillano tra -10 e +30 metri. Questo pattern è coerente con l’effetto delle forzanti tropicali, in particolare delle SST nell’ECP, che generano perturbazioni atmosferiche che si propagano verso nord attraverso il treno d’onda di Rossby.

Didascalia e contesto metodologico

La didascalia specifica che la figura rappresenta le anomalie di Z200 simulate (2007-2012 meno 1979-2017, ovvero 6 anni contro 39 anni) dai due membri dell’ensemble dell’esperimento pacemaker che mostrano la risposta più intensa nell’Artico (70°-90°N). L’esperimento pacemaker utilizza le SST osservate nell’ECP come forzante principale, consentendo di isolare l’effetto delle variazioni tropicali sulla circolazione atmosferica artica. La selezione dei due membri con la risposta più forte è motivata dalla necessità di confrontare le simulazioni con le osservazioni reali, dato che la media dell’ensemble sottostima l’anomalia osservata. Questo approccio evidenzia la variabilità interna dell’ensemble e la capacità del modello di produrre risposte realistiche in alcune realizzazioni specifiche.

Interpretazione scientifica e meccanismi fisici

La Figura 10 offre un’importante evidenza della capacità del modello pacemaker di replicare le anomalie di altezza geopotenziale osservate nell’Artico durante il periodo 2007-2012, quando si considerano i membri dell’ensemble con la risposta più intensa. I risultati hanno diverse implicazioni scientifiche:

• Teleconnessione PARC: Il pattern simulato conferma la formazione di un treno d’onda di Rossby che si propaga dalla regione ECP verso l’Artico, culminando in un centro di alta pressione sopra l’Artico. Questo meccanismo è coerente con la teleconnessione PARC (Polar Arctic Rossby Connection), un processo che collega le forzanti tropicali alle dinamiche atmosferiche delle alte latitudini. La somiglianza tra il pattern simulato e quello osservato (mostrato in Figura 8a) supporta l’ipotesi che le SST nell’ECP abbiano svolto un ruolo cruciale nel guidare le anomalie di pressione osservate durante il periodo 2007-2012. Il treno d’onda di Rossby, generato dalle anomalie di SST nell’ECP, trasferisce energia atmosferica dalle basse alle alte latitudini, modulando la pressione atmosferica e influenzando il clima artico.
• Amplificazione della risposta: Il fatto che i due membri selezionati mostrino anomalie di Z200 fino a +70/+110 metri, rispetto alla media dell’ensemble di +12 metri, suggerisce che la risposta osservata durante il 2007-2012 sia stata il risultato di una combinazione di forzanti tropicali e variabilità interna del sistema climatico. La variabilità interna, come la fase negativa dell’Oscillazione Artica (AO) durante quegli anni, potrebbe aver amplificato l’effetto delle forzanti tropicali, portando a un’anomalia di pressione più intensa di quanto previsto dalla media dell’ensemble. L’AO, nota per essere la modalità dominante di variabilità della circolazione atmosferica nell’Artico, è sensibile alle forzanti tropicali remote, ma i modelli spesso faticano a simulare correttamente questa relazione, come evidenziato in letteratura (L’Heureux et al. 2008; Ding et al. 2019).
• Implicazioni per il clima artico: L’aumento della pressione atmosferica sull’Artico, simulato in questi membri, è coerente con le condizioni che favoriscono il riscaldamento locale e la fusione del ghiaccio marino. Un sistema di alta pressione tende a ridurre l’attività ciclonica, limitando il trasporto di ghiaccio marino verso latitudini più basse, e a favorire la subsidenza atmosferica, che riduce la formazione di nubi e aumenta l’assorbimento di radiazione solare. Questi processi contribuiscono all’amplificazione artica, un fenomeno in cui il riscaldamento nell’Artico è amplificato rispetto alla media globale, con conseguenti impatti significativi sulla criosfera e sul clima regionale.

Limitazioni del modello e confronto con le osservazioni

Sebbene i due membri selezionati mostrino una corrispondenza impressionante con le osservazioni, il fatto che la media dell’ensemble sottostimi significativamente l’anomalia di Z200 osservata (+12 m simulati contro +31 m osservati, come riportato nel testo) evidenzia alcune limitazioni del modello:

• Rappresentazione della variabilità interna: La necessità di selezionare i membri più estremi dell’ensemble per ottenere una corrispondenza con le osservazioni suggerisce che il modello potrebbe non catturare adeguatamente la variabilità interna del sistema climatico, come l’interazione con l’Oscillazione Artica (AO). La fase negativa dell’AO durante il periodo 2007-2012, come riportato da L’Heureux et al. (2010), potrebbe aver amplificato l’effetto delle forzanti tropicali, un’interazione che il modello non riesce a simulare correttamente nella media dell’ensemble.
• Limitazioni del modello oceanico: L’uso di un modello oceanico a lastra (slab ocean model) nell’esperimento pacemaker non consente di rappresentare il trasporto dinamico di calore oceanico, un processo che potrebbe intensificare la risposta atmosferica e criosferica alle forzanti tropicali. Un modello oceanico completamente dinamico potrebbe migliorare la simulazione delle interazioni atmosfera-oceano, portando a una rappresentazione più accurata delle anomalie di Z200 e della fusione del ghiaccio marino.
• Interazioni non lineari: Le discrepanze tra la media dell’ensemble e le osservazioni suggeriscono che interazioni non lineari tra forzanti tropicali e variabilità interna, come quelle modulate dall’AO o da altri modi di variabilità climatica (ad esempio, la NAO), potrebbero aver contribuito all’anomalia osservata. Queste interazioni sono difficili da catturare nei modelli climatici attuali, specialmente in configurazioni semplificate come quella dell’esperimento pacemaker.

Conclusione e prospettive future

La Figura 10 dimostra che il modello pacemaker, quando si considerano i membri dell’ensemble con la risposta più intensa, è in grado di replicare con successo le anomalie di altezza geopotenziale osservate nell’Artico durante il periodo 2007-2012. Il pattern simulato, che include un treno d’onda di Rossby e un centro di alta pressione sull’Artico, supporta l’ipotesi di una connessione causale tra le SST nell’ECP e le dinamiche atmosferiche artiche, mediata dalla teleconnessione PARC. Questo risultato sottolinea il ruolo cruciale delle forzanti tropicali nel modulare il clima artico, con implicazioni significative per il riscaldamento locale, la fusione del ghiaccio marino e l’amplificazione artica.

Tuttavia, la necessità di selezionare i membri più estremi dell’ensemble per ottenere una corrispondenza con le osservazioni evidenzia le limitazioni del modello nella rappresentazione della variabilità interna e delle interazioni atmosfera-oceano. Per migliorare la simulazione delle complesse dinamiche climatiche dell’Artico, saranno necessari modelli più avanzati che includano una rappresentazione realistica del trasporto dinamico di calore oceanico, delle interazioni tra modi di variabilità interna (come l’AO e la NAO) e delle forzanti tropicali, e delle interazioni non lineari che possono amplificare le anomalie climatiche. Questi miglioramenti saranno essenziali per affinare la nostra comprensione delle teleconnessioni tra le regioni tropicali e l’Artico e per prevedere con maggiore accuratezza gli impatti dei cambiamenti climatici sulle alte latitudini, un’area critica per la stabilità del clima globale.

6. Meccanismi di teleconnessione tropicale e loro influenza sul rapido scioglimento del ghiaccio marino artico in una simulazione preindustriale estesa

L’esperimento di pacemaker descritto in precedenza si basa su un modello oceanico e di ghiaccio marino di tipo termodinamico a lastra, il quale, pur fornendo una rappresentazione semplificata delle interazioni atmosfera-oceano, non consente di catturare pienamente le complesse risposte dinamiche e termodinamiche dell’oceano e del ghiaccio marino alle forzanti atmosferiche. Per superare tali limitazioni e approfondire la sensibilità del ghiaccio marino artico alle influenze atmosferiche sia locali che remote, abbiamo impiegato una simulazione preindustriale di lunga durata condotta con il Community Earth System Model (CESM). Questa simulazione, priva di forzanti antropogeniche, consente di isolare la variabilità interna del sistema climatico e di analizzare i pattern di circolazione atmosferica che favoriscono episodi estremi di scioglimento del ghiaccio marino. L’obiettivo principale di questa analisi è duplice: identificare i pattern di circolazione atmosferica regionale e globale che promuovono una significativa riduzione dell’area del ghiaccio marino di settembre e determinare se tali pattern siano innescati da forzanti di origine tropicale, condividendo caratteristiche con il Positive Arctic Response to Circulation (PARC) osservato nei dati reali.

Per individuare periodi analoghi al rapido declino del ghiaccio marino registrato tra il 2007 e il 2012, abbiamo adottato un approccio composito basato sulla metodologia “fast minus slow” proposta da Ding et al. (2019), concentrandoci esclusivamente sui periodi caratterizzati da un rapido scioglimento. La simulazione preindustriale del CESM, della durata di 1800 anni, è stata suddivisa in un pseudo-ensemble di 300 segmenti non sovrapposti di 6 anni ciascuno. Per ciascun segmento, abbiamo calcolato l’area totale del ghiaccio marino di settembre, che rappresenta un indicatore chiave della copertura glaciale artica in corrispondenza del minimo stagionale (Fig. 11a). L’area media di settembre del ghiaccio marino nella simulazione preindustriale si attesta intorno a 6,5 milioni di km², un valore confrontabile con le osservazioni dell’inizio degli anni ’80 (circa 5,9 milioni di km²), confermando la capacità del modello di riprodurre condizioni climatiche realistiche in un contesto preindustriale. Utilizzando il 95° percentile come soglia, abbiamo selezionato i 15 segmenti con la più bassa area di ghiaccio marino di settembre, corrispondenti agli episodi di scioglimento più estremi. La media dell’anomalia di questi 15 periodi è di -0,59 milioni di km² rispetto alla media a lungo termine, un valore straordinariamente simile all’anomalia osservata nel periodo 2007–12 (-0,57 milioni di km², calcolata a partire dalle anomalie detrended in Fig. 2). Questo risultato valida l’ensemble dei 15 periodi come un analogo simulato robusto per il rapido declino del ghiaccio marino osservato nei dati recenti.

L’analisi composita delle anomalie del ghiaccio marino di settembre associate a questi 15 episodi estremi (Fig. 11b) rivela una configurazione spaziale che richiama il pattern osservato nel periodo 2007–12, sebbene con una leggera traslazione dell’anomalia negativa dal settore Beaufort–Chukchi verso il Mare di Laptev. Tale spostamento potrebbe riflettere differenze nella rappresentazione delle dinamiche oceaniche e atmosferiche regionali nel modello CESM rispetto alle condizioni osservate. Per esplorare ulteriormente i meccanismi atmosferici alla base di questi episodi di scioglimento, abbiamo calcolato i compositi delle altezze geopotenziali a 200 hPa (Z200), dell’altezza geopotenziale media zonale, della temperatura e dell’umidità specifica per i 15 casi selezionati. Questi compositi evidenziano i pattern atmosferici locali e globali più favorevoli a una marcata riduzione del ghiaccio marino artico durante il mese di settembre (Fig. 11). In particolare, i risultati suggeriscono la presenza di un’anomalia anticiclonica persistente sull’Artico, accompagnata da un riscaldamento troposferico e da un aumento dell’umidità specifica, che amplificano il flusso di calore verso la superficie del ghiaccio, accelerandone lo scioglimento.

Un aspetto cruciale di questa analisi è l’indagine sull’origine tropicale dei pattern di circolazione identificati. Le teleconnessioni tropicali, come quelle associate a variazioni della convezione nel Pacifico tropicale, possono modulare la circolazione atmosferica a scala planetaria, influenzando le condizioni climatiche nell’Artico attraverso la propagazione di onde di Rossby. La somiglianza tra i pattern simulati e il PARC osservato suggerisce che le forzanti tropicali possano svolgere un ruolo determinante nel guidare episodi estremi di scioglimento del ghiaccio marino, anche in assenza di forzanti antropogeniche. Questo risultato sottolinea l’importanza di una modellizzazione climatica che integri accuratamente le interazioni tra tropici ed alte latitudini per migliorare la comprensione dei processi di amplificazione artica.

In sintesi, l’analisi della simulazione preindustriale del CESM evidenzia che i periodi di rapido scioglimento del ghiaccio marino artico sono associati a pattern di circolazione atmosferica ben definiti, potenzialmente innescati da forzanti tropicali. Questi risultati non solo confermano l’importanza delle teleconnessioni nella modulazione della variabilità del ghiaccio marino, ma forniscono anche una base per future indagini sull’interazione tra variabilità interna e forzanti esterne in un contesto di cambiamento climatico globale. Ulteriori studi con modelli accoppiati ad alta risoluzione saranno fondamentali per raffinare la comprensione di questi processi e per valutare la loro rilevanza nel contesto delle proiezioni climatiche future.L’analisi dei pattern atmosferici compositi nell’Artico rivela una struttura barotropica di alta pressione, in linea con i risultati delle osservazioni e dell’esperimento di pacemaker. Questa struttura è caratterizzata da un marcato aumento delle altezze geopotenziali, con un massimo centrato tra 200 e 400 hPa sopra il polo, accompagnato da un significativo riscaldamento e da un incremento dell’umidità specifica nelle vicinanze della superficie. Questi processi favoriscono un maggiore flusso di calore verso il ghiaccio marino, accelerandone lo scioglimento durante il mese di settembre. Tuttavia, similmente a quanto emerso nell’esperimento di pacemaker, l’incremento delle altezze geopotenziali in quota sull’Artico nei pattern compositi risulta meno pronunciato rispetto alle osservazioni, con valori stimati tra 12 e 16 metri, suggerendo una possibile sottostima dell’intensità delle anomalie atmosferiche nel modello rispetto alla realtà.

A scala globale, l’analisi composita delle altezze geopotenziali a 200 hPa (Z200), della temperatura superficiale del mare (SST) e delle precipitazioni (Fig. 12) evidenzia la presenza di un treno d’onda chiaramente definito, originato dal Pacifico tropicale. L’energia associata alle onde di Rossby, responsabile della formazione della struttura barotropica di alta pressione nell’Artico, si propaga principalmente attraverso il settore del Pacifico, stabilendo una connessione dinamica tra le regioni tropicali e le alte latitudini. Nei tropici, si osserva una stretta banda di SST anomale calde lungo l’equatore, estesa attraverso l’intero Pacifico, accompagnata da un’intensificazione delle precipitazioni convettive. Questa anomalia di SST rappresenta la principale forzante che innesca la teleconnessione tropicale-extratropicale, generando un treno d’onda di Rossby che si propaga verso il Polo Nord. Tale meccanismo conferma le conclusioni tratte sia dall’analisi osservativa che dall’esperimento di pacemaker, sottolineando il ruolo cruciale delle SST tropicali nel Pacifico nel modulare la circolazione atmosferica artica e nel promuovere condizioni favorevoli a un rapido scioglimento del ghiaccio marino.

Nonostante la robustezza di questi risultati, emergono alcune discrepanze significative tra la simulazione del Community Earth System Model (CESM) e le osservazioni. In particolare, la fase della teleconnessione tropicale-artica simulata nel CESM è opposta rispetto a quella associata al Positive Arctic Response to Circulation (PARC) osservato e a quella riprodotta nell’esperimento di pacemaker. Inoltre, mentre nelle osservazioni l’energia delle onde di Rossby tende a penetrare nell’Artico attraverso regioni prossime alla Groenlandia, nel CESM tale energia si propaga prevalentemente attraverso il settore del Pacifico. Queste differenze sollevano interrogativi sulla rappresentazione delle dinamiche atmosferiche e oceaniche nel modello. Una possibile spiegazione potrebbe risiedere nell’uso di un modello oceanico a lastra, che limita la capacità di simulare le complesse interazioni dinamiche tra oceano e atmosfera, rispetto a un modello completamente accoppiato. Un’ulteriore fonte di incertezza potrebbe derivare dalla scelta del modello atmosferico, con ECHAM utilizzato nell’esperimento di pacemaker rispetto a CAM impiegato nel CESM. Per chiarire il contributo relativo di questi fattori, saranno necessari ulteriori studi comparativi tra modelli e esperimenti gerarchici focalizzati sul PARC, che permettano di isolare gli effetti delle diverse componenti del sistema climatico.

Nonostante tali discrepanze, i risultati della simulazione CESM rafforzano l’ipotesi che le anomalie delle SST nel Pacifico tropicale rappresentino una fonte interna di variabilità climatica in grado di influenzare significativamente la perdita di ghiaccio marino a settembre. La propagazione delle onde di Rossby dal Pacifico tropicale all’Artico, come evidenziato nei pattern compositi, fornisce un meccanismo fisico plausibile per spiegare l’intensificazione delle anomalie atmosferiche favorevoli allo scioglimento del ghiaccio. Inoltre, il PARC osservato potrebbe essere generato e sostenuto da dinamiche analoghe, in cui la convezione tropicale amplificata dalle SST calde innesca treni d’onda che modulano la circolazione artica. Questi risultati sottolineano l’importanza delle teleconnessioni tropicali nell’amplificazione della variabilità artica, un processo che potrebbe assumere un ruolo ancora più rilevante in un clima in rapido cambiamento.

L’analisi condotta suggerisce che la modellizzazione accurata delle interazioni tra tropici ed alte latitudini è cruciale per migliorare la comprensione dei processi che governano la perdita di ghiaccio marino. Le discrepanze tra simulazioni e osservazioni evidenziano la necessità di sviluppare modelli climatici con una rappresentazione più realistica delle dinamiche oceaniche e atmosferiche, nonché di condurre esperimenti mirati per quantificare l’impatto delle forzanti tropicali sulla variabilità artica. Inoltre, l’identificazione di una connessione tropicale-artica robusta in un contesto preindustriale implica che tali meccanismi possano aver contribuito alla variabilità del ghiaccio marino anche in epoche storiche prive di forzanti antropogeniche, offrendo una prospettiva preziosa per interpretare le tendenze recenti nel contesto della variabilità naturale. In futuro, l’integrazione di dati osservativi ad alta risoluzione e di simulazioni con modelli accoppiati avanzati sarà fondamentale per affinare le proiezioni climatiche e per valutare l’evoluzione futura del ghiaccio marino artico in risposta a un riscaldamento globale in continua intensificazione.

La Figura 11 rappresenta un’analisi dettagliata della variabilità del ghiaccio marino artico di settembre e dei pattern atmosferici associati a episodi di forte scioglimento, derivata da una simulazione preindustriale di 1800 anni condotta con il Community Earth System Model (CESM). Questa simulazione, priva di forzanti antropogeniche, consente di isolare la variabilità interna del sistema climatico e di esplorare i meccanismi che favoriscono una significativa riduzione del ghiaccio marino in assenza di influenze esterne. La figura si articola in quattro pannelli (a, b, c, d), ciascuno dei quali fornisce un contributo specifico alla comprensione delle dinamiche atmosferiche e della risposta del ghiaccio marino durante i periodi di scioglimento estremo. Di seguito, analizziamo ogni pannello in dettaglio, evidenziando i risultati principali, il loro significato scientifico e le implicazioni per lo studio della variabilità climatica artica.

Il pannello a presenta una serie temporale dell’area media del ghiaccio marino di settembre, calcolata su 300 periodi non sovrapposti di 6 anni, che coprono l’intera durata della simulazione CESM (1800 anni). L’area del ghiaccio marino, espressa in milioni di chilometri quadrati (scala da 5,5 a 7,5 milioni di km²), mostra una variabilità significativa, oscillando attorno a una media a lungo termine di circa 6,5 milioni di km². Questo valore è confrontabile con le osservazioni storiche dell’inizio degli anni ’80 (circa 5,9 milioni di km²), suggerendo che la simulazione preindustriale riproduce realisticamente le condizioni del ghiaccio marino in un clima privo di forzanti antropogeniche. I punti rossi sulla serie temporale indicano i 15 periodi di 6 anni con la più bassa area di ghiaccio marino, selezionati utilizzando una soglia basata sul 95° percentile (il 5% più basso). Questi 15 periodi, con un’area media di circa 5,91 milioni di km² (ovvero un’anomalia di -0,59 milioni di km² rispetto alla media a lungo termine), sono utilizzati come analogo simulato per il rapido declino del ghiaccio marino osservato nel periodo 2007–12, che mostra un’anomalia simile di -0,57 milioni di km² (calcolata da dati detrended). Questo pannello sottolinea la capacità del modello di catturare episodi estremi di scioglimento del ghiaccio marino, offrendo una base robusta per analizzare i pattern atmosferici associati a tali eventi.

Il pannello b mostra una mappa composita delle anomalie di concentrazione del ghiaccio marino di settembre, calcolata come media dei 15 periodi di basso ghiaccio identificati nel pannello (a). Le anomalie sono espresse in percentuale (scala da -25% a 0%), con tonalità di blu che rappresentano una riduzione della concentrazione del ghiaccio marino rispetto alla media di lungo termine. La mappa evidenzia una marcata diminuzione della concentrazione, con anomalie più intense (fino a -25%) concentrate nel settore del Mare di Laptev, e in misura minore nel settore Beaufort–Chukchi. Questo pattern presenta una forte somiglianza con le anomalie osservate nel periodo 2007–12, sebbene con uno spostamento spaziale verso il Mare di Laptev, suggerendo differenze nella rappresentazione delle dinamiche regionali nel modello rispetto alla realtà. Le anomalie sono statisticamente significative al 95% di confidenza, come determinato mediante un test t a un campione, il che rafforza la robustezza dei risultati. Questo pannello evidenzia come la riduzione della concentrazione del ghiaccio marino non sia uniforme, ma si concentri in settori specifici dell’Artico, riflettendo l’influenza di pattern atmosferici locali e teleconnessioni remote che modulano lo scioglimento del ghiaccio.

Il pannello c presenta una mappa composita delle anomalie di altezza geopotenziale a 200 hPa (Z200) durante i mesi di luglio e agosto (JJA), calcolata come media dei 15 periodi di basso ghiaccio. Le anomalie sono espresse in metri (scala da -20 a 20 m), con contorni rossi che indicano valori positivi (aumento delle altezze geopotenziali) e contorni blu che indicano valori negativi (diminuzione). Si osserva una struttura barotropica di alta pressione sull’Artico, con un’anomalia positiva massima di circa 20 m centrata sopra il polo. Questa anomalia è circondata da regioni con anomalie negative (fino a -10 m) a latitudini più basse, evidenziando un contrasto barico che favorisce una circolazione atmosferica anomala. Anche queste anomalie sono significative al 95% di confidenza. La presenza di un anticiclone persistente sull’Artico durante l’estate è coerente con le osservazioni e con i risultati dell’esperimento di pacemaker, sebbene l’intensità dell’anomalia di altezza geopotenziale sia più debole rispetto ai dati osservati (12–16 m contro valori più alti). Questo anticiclone favorisce condizioni di cielo sereno, aumentando l’irraggiamento solare e il riscaldamento della superficie, che a loro volta accelerano lo scioglimento del ghiaccio marino. La struttura barotropica suggerisce un’influenza atmosferica che si estende attraverso l’intera troposfera, un elemento chiave per comprendere i meccanismi di amplificazione dello scioglimento del ghiaccio.

Il pannello d mostra un profilo verticale medio zonale (tra 60°N e 90°N) delle anomalie di altezza geopotenziale (contorni rossi, in metri), temperatura (sfondo colorato, in °C) e umidità specifica (contorni viola, in g/kg), calcolate come media dei 15 periodi di basso ghiaccio. L’asse verticale rappresenta la pressione (da 1000 hPa a 100 hPa), mentre l’asse orizzontale indica la latitudine (da 60°N a 90°N). Le anomalie di altezza geopotenziale confermano la struttura barotropica di alta pressione, con un aumento massimo di circa 8 m tra 200 e 400 hPa sopra il polo, in linea con il pannello (c). Le anomalie di temperatura mostrano un riscaldamento significativo vicino alla superficie (fino a 0,7°C) e in quota (fino a 0,5°C) tra 60°N e 80°N, indicando un’anomalia termica che si estende attraverso la bassa troposfera. Le anomalie di umidità specifica evidenziano un aumento vicino alla superficie (fino a 0,4 g/kg), con valori positivi che si estendono fino a circa 700 hPa, suggerendo un maggiore apporto di vapore acqueo nell’atmosfera artica. Tutte le anomalie sono significative al 95% di confidenza. Questo pannello evidenzia le condizioni atmosferiche che favoriscono lo scioglimento del ghiaccio marino: il riscaldamento superficiale, combinato con l’aumento dell’umidità specifica, amplifica il flusso di calore verso il ghiaccio, mentre la struttura barotropica di alta pressione in quota promuove una maggiore stabilità atmosferica, riducendo la nuvolosità e aumentando l’assorbimento di radiazione solare. Questi processi agiscono in sinergia per accelerare la fusione del ghiaccio durante il mese di settembre.

La Figura 11 nel suo insieme fornisce una rappresentazione completa delle dinamiche atmosferiche associate a episodi estremi di scioglimento del ghiaccio marino nell’Artico in un contesto preindustriale. I risultati suggeriscono che la variabilità interna del sistema climatico può produrre condizioni simili a quelle osservate in epoca moderna, come il rapido declino del ghiaccio marino nel periodo 2007–12. La struttura barotropica di alta pressione, il riscaldamento troposferico e l’aumento dell’umidità specifica sono elementi chiave che favoriscono la perdita di ghiaccio, e la loro presenza nella simulazione CESM conferma l’importanza delle dinamiche atmosferiche nella modulazione della variabilità artica. Tuttavia, le differenze rispetto alle osservazioni, come l’intensità più debole delle anomalie di altezza geopotenziale e lo spostamento delle anomalie di ghiaccio verso il Mare di Laptev, potrebbero riflettere limitazioni del modello, come l’uso di un oceano a lastra che non cattura pienamente le interazioni dinamiche tra oceano e atmosfera. Questi risultati sottolineano la necessità di ulteriori studi con modelli accoppiati ad alta risoluzione per raffinare la comprensione di questi processi.

Un aspetto cruciale evidenziato dalla Figura 11 è il ruolo delle teleconnessioni tropicali, che, sebbene non direttamente rappresentate in questa figura, sono discusse nel testo come un possibile driver della struttura barotropica di alta pressione sull’Artico. La somiglianza tra i pattern simulati e quelli osservati suggerisce che forzanti tropicali, come le anomalie delle temperature superficiali del mare nel Pacifico, possano innescare treni d’onda di Rossby che modulano la circolazione atmosferica artica, contribuendo alla perdita di ghiaccio marino. Questo collegamento tra tropici ed alte latitudini evidenzia l’importanza di un approccio olistico alla modellizzazione climatica, che tenga conto delle interazioni a scala planetaria. Inoltre, i risultati della simulazione preindustriale offrono una prospettiva preziosa per interpretare la variabilità del ghiaccio marino in epoche storiche e per valutare il ruolo della variabilità naturale nel contesto del cambiamento climatico moderno, dove le forzanti antropogeniche amplificano ulteriormente questi processi. In futuro, l’integrazione di dati osservativi ad alta risoluzione e di simulazioni con modelli più avanzati sarà fondamentale per migliorare le proiezioni climatiche e per comprendere l’evoluzione futura del ghiaccio marino artico in un clima in rapido cambiamento.

La Figura 12 rappresenta un’analisi globale dei pattern atmosferici e delle anomalie tropicali associate a periodi di forte scioglimento del ghiaccio marino nell’Artico, derivata da una simulazione preindustriale di 1800 anni condotta con il Community Earth System Model (CESM). La figura si compone di due sezioni principali: una mappa superiore che illustra le anomalie di altezza geopotenziale a 200 hPa (Z200) e il flusso di energia delle onde di Rossby durante i mesi di luglio e agosto (JJA), e una mappa inferiore che mostra le anomalie di temperatura superficiale del mare (SST) e di precipitazione. Entrambe le mappe sono calcolate come media dei 15 periodi di 6 anni con la più bassa area di ghiaccio marino di settembre, identificati precedentemente nella Figura 11a. Questa analisi si inserisce in un contesto scientifico più ampio, volto a comprendere il ruolo delle teleconnessioni tropicali nella modulazione della variabilità climatica artica, con particolare attenzione ai meccanismi che favoriscono la perdita accelerata di ghiaccio marino in un clima privo di forzanti antropogeniche. Di seguito, analizziamo ogni sezione in dettaglio, evidenziando i risultati principali, il loro significato scientifico e le implicazioni per lo studio del sistema climatico globale.

La mappa superiore della Figura 12 mostra le anomalie di altezza geopotenziale a 200 hPa (Z200) durante i mesi estivi di luglio e agosto (JJA), rappresentate tramite contorni (in metri, con valori che variano da -20 a 20 m) e ombreggiature (colori caldi per anomalie positive, colori freddi per anomalie negative). Le frecce nere indicano il Plumb wave activity flux, un vettore che rappresenta la propagazione dell’energia delle onde di Rossby, un meccanismo fondamentale per le teleconnessioni atmosferiche a scala planetaria. I dati sono calcolati come media dei 15 periodi di basso ghiaccio marino e sono significativi al 95% di confidenza, come determinato mediante un test t a un campione. La mappa rivela una struttura barotropica di alta pressione sull’Artico, con un’anomalia positiva massima di circa 19 m centrata vicino al polo (90°N). Questa anomalia è circondata da regioni con anomalie negative, come sopra il Pacifico settentrionale e l’Atlantico settentrionale, dove si registrano valori fino a -10 m. Altre anomalie positive, con valori fino a 15 m, sono presenti sopra il Pacifico tropicale e l’Asia orientale, indicando un pattern di circolazione complesso che si estende attraverso l’emisfero settentrionale. Il flusso di onde di Rossby, rappresentato dalle frecce nere, evidenzia un treno d’onda che origina dal Pacifico tropicale, vicino all’equatore (intorno a 180° di longitudine), e si propaga verso nord-est. Questo treno d’onda attraversa il Pacifico settentrionale e penetra nell’Artico attraverso il settore del Pacifico, contribuendo alla formazione della struttura barotropica di alta pressione. La presenza di questa struttura sull’Artico favorisce condizioni di cielo sereno, aumentando l’irraggiamento solare e il flusso di calore verso la superficie, un processo che accelera lo scioglimento del ghiaccio marino di settembre. Il percorso delle onde di Rossby attraverso il settore del Pacifico, anziché vicino alla Groenlandia come spesso osservato nei dati reali, evidenzia una differenza significativa tra la simulazione CESM e le osservazioni, un aspetto che potrebbe riflettere limitazioni del modello o differenze nella rappresentazione delle dinamiche atmosferiche.

La mappa inferiore della Figura 12 mostra le anomalie di temperatura superficiale del mare (SST) e di precipitazione, calcolate per gli stessi 15 periodi di basso ghiaccio marino. Le anomalie di SST sono rappresentate con ombreggiature (in °C, scala da -0,9 a 0,9°C), mentre le anomalie di precipitazione sono indicate con contorni rossi (valori positivi) e blu (valori negativi), espressi in mm/giorno con incrementi di 0,3 mm/giorno. Anche questi dati sono significativi al 95% di confidenza. Si osserva una stretta banda di SST anomale calde, con valori fino a 0,9°C, che si estende lungo l’equatore attraverso l’intero Pacifico, con i valori più alti concentrati tra 120°E e 120°W. Altre anomalie positive, meno intense (fino a 0,3°C), sono presenti nel Pacifico settentrionale, mentre anomalie negative (fino a -0,9°C) si trovano nel Pacifico orientale subtropicale, riflettendo un pattern di variabilità oceanica complesso. Le regioni con SST calde lungo l’equatore mostrano un corrispondente aumento delle precipitazioni, con anomalie positive fino a 0,9 mm/giorno (contorni rossi), indicando un’intensificazione della convezione tropicale. Al contrario, le aree con SST più fredde, come il Pacifico orientale subtropicale, mostrano una riduzione delle precipitazioni (contorni blu, fino a -0,9 mm/giorno), suggerendo una soppressione dell’attività convettiva in queste regioni. Le anomalie di SST calde nel Pacifico tropicale rappresentano la principale forzante che innesca il treno d’onda di Rossby osservato nella mappa superiore. Il riscaldamento delle SST amplifica la convezione tropicale, generando un’anomalia convettiva che eccita le onde di Rossby, le quali si propagano verso nord e modulano la circolazione atmosferica artica. Questo meccanismo stabilisce un collegamento diretto tra le condizioni oceaniche tropicali e i pattern atmosferici alle alte latitudini, evidenziando l’importanza delle teleconnessioni nel sistema climatico globale.

La Figura 12 nel suo insieme fornisce una chiara evidenza del ruolo delle teleconnessioni tropicali nel favorire episodi estremi di scioglimento del ghiaccio marino nell’Artico, anche in un contesto preindustriale dove la variabilità è interamente dovuta a dinamiche interne del sistema climatico. La struttura barotropica di alta pressione sull’Artico, osservata nella mappa superiore, è coerente con i risultati della Figura 11 e con le osservazioni reali, sebbene presenti alcune discrepanze, come un’intensità più debole delle anomalie di Z200 (12–16 m rispetto a valori osservati più alti) e un percorso delle onde di Rossby che privilegia il settore del Pacifico anziché regioni vicine alla Groenlandia. Queste differenze potrebbero essere attribuite a limitazioni del modello CESM, come l’uso di un oceano a lastra che non cattura pienamente le interazioni dinamiche tra oceano e atmosfera, o a differenze nei modelli atmosferici utilizzati (es. ECHAM vs. CAM). Inoltre, la fase della teleconnessione tropicale-artica simulata è opposta rispetto a quella associata al Positive Arctic Response to Circulation (PARC) osservato, un aspetto che richiede ulteriori indagini per chiarire il ruolo delle dinamiche interne del modello.

Nonostante queste discrepanze, i risultati della Figura 12 rafforzano l’ipotesi che le anomalie di SST nel Pacifico tropicale rappresentino una fonte interna di variabilità climatica in grado di influenzare significativamente la perdita di ghiaccio marino a settembre. La propagazione delle onde di Rossby dal Pacifico tropicale all’Artico fornisce un meccanismo fisico plausibile per spiegare l’intensificazione delle anomalie atmosferiche favorevoli allo scioglimento del ghiaccio, e il PARC osservato potrebbe essere generato e sostenuto da dinamiche simili. Questo collegamento tra tropici ed alte latitudini sottolinea l’importanza di un approccio integrato alla modellizzazione climatica, che tenga conto delle interazioni a scala planetaria tra oceano, atmosfera e criosfera. I risultati della simulazione preindustriale offrono una prospettiva preziosa per interpretare la variabilità del ghiaccio marino in epoche storiche e per valutare il ruolo della variabilità naturale nel contesto del cambiamento climatico moderno, dove le forzanti antropogeniche amplificano ulteriormente questi processi.

Le implicazioni di questi risultati sono rilevanti per la comprensione dell’amplificazione artica, un fenomeno in cui i cambiamenti climatici nell’Artico si manifestano con un’intensità maggiore rispetto alla media globale. La capacità delle forzanti tropicali di modulare la circolazione atmosferica artica attraverso le teleconnessioni suggerisce che la variabilità del ghiaccio marino non può essere compresa esclusivamente attraverso dinamiche locali, ma richiede una visione globale del sistema climatico. Tuttavia, le discrepanze tra simulazioni e osservazioni evidenziano la necessità di migliorare i modelli climatici, integrando una rappresentazione più realistica delle interazioni atmosfera-oceano e conducendo esperimenti gerarchici per isolare i contributi relativi delle diverse componenti del sistema climatico. In futuro, l’integrazione di dati osservativi ad alta risoluzione e di simulazioni con modelli accoppiati avanzati sarà fondamentale per affinare le proiezioni climatiche e per valutare l’evoluzione futura del ghiaccio marino artico in un clima in rapido cambiamento. La Figura 12, quindi, non solo conferma il ruolo cruciale delle teleconnessioni tropicali nella variabilità artica, ma apre anche la strada a nuove domande di ricerca sulle dinamiche che governano il sistema climatico globale.

Conclusioni e discussione approfondite

Questo studio ha analizzato il ruolo delle teleconnessioni tropicali nella modulazione della variabilità del ghiaccio marino artico, combinando evidenze osservative con esperimenti di modellizzazione per dimostrare che un recente cambiamento nelle temperature superficiali del mare (SST) nel Pacifico tropicale ha avuto un impatto significativo sul clima artico. In particolare, abbiamo identificato come una teleconnessione nota come Positive Arctic Response to Circulation (PARC), guidata da anomalie delle SST tropicali, abbia contribuito a un periodo di forte scioglimento del ghiaccio marino tra il 2007 e il 2012. Dal 1979 fino ai primi anni 2000, le SST tropicali hanno mostrato una tendenza al riscaldamento generalizzata, con l’eccezione del Pacifico centrale orientale (ECP), dove si è osservata una relativa stabilità o raffreddamento. Questo pattern è stato accompagnato da una teleconnessione circumglobale lungo il getto atmosferico, che ha influenzato la circolazione a scala planetaria. Durante il periodo 2007-2012, il pattern delle SST tropicali si è intensificato, con un riscaldamento più marcato al di fuori dell’ECP, rafforzando la teleconnessione PARC. Questo ha portato a un’accelerazione del riscaldamento troposferico nell’Artico e a una perdita significativa di ghiaccio marino di settembre, con anomalie che riflettono un’interazione sinergica tra variabilità naturale e forzanti antropogeniche. Tuttavia, dal 2013 al 2017, si è osservata un’inversione del pattern delle SST nell’ECP, con un passaggio a una fase di riscaldamento, che ha indebolito il contributo della teleconnessione PARC al riscaldamento artico e allo scioglimento del ghiaccio marino. Questo cambiamento ha coinciso con un rallentamento della perdita di ghiaccio marino a settembre, suggerendo che le dinamiche tropicali abbiano modulato il segnale antropogenico, inizialmente amplificandolo nel periodo 2007-2012 e successivamente attenuandolo, riportando la tendenza del ghiaccio marino verso il tasso di declino a lungo termine associato alla forzante antropogenica, principalmente guidata dall’aumento delle concentrazioni di CO2.

I risultati di questo studio evidenziano come le forzanti tropicali possano agire come modulatori significativi del cambiamento climatico antropogenico nell’Artico, un fenomeno noto come amplificazione artica, in cui le variazioni climatiche alle alte latitudini sono amplificate rispetto alla media globale. Durante il periodo 2007-2012, la teleconnessione PARC ha rafforzato il segnale antropogenico, accelerando il riscaldamento troposferico e lo scioglimento del ghiaccio marino attraverso una struttura barotropica di alta pressione sull’Artico, che ha favorito condizioni di cielo sereno e un maggiore irraggiamento solare. L’inversione del pattern delle SST nell’ECP a partire dal 2013 ha invece indebolito questa teleconnessione, riducendo l’intensità delle anomalie atmosferiche favorevoli allo scioglimento e contribuendo al rallentamento della perdita di ghiaccio marino osservata tra il 2007 e il 2017. Questo comportamento suggerisce che la variabilità naturale delle SST tropicali possa modulare i tassi di scioglimento del ghiaccio marino su scale temporali decadali, sovrapponendosi al trend di lungo termine indotto dalle forzanti antropogeniche. Tale interazione tra variabilità naturale e forzanti antropogeniche sottolinea la complessità del sistema climatico e l’importanza di considerare le dinamiche tropicali nelle proiezioni climatiche future.

Un aspetto critico emerso da questa analisi è l’incertezza relativa all’evoluzione futura del modo di variabilità delle SST tropicali e al suo impatto sul ghiaccio marino artico. La persistenza dell’attuale rallentamento nella tendenza dell’area del ghiaccio marino di settembre dipende fortemente da come le SST tropicali evolveranno nei prossimi decenni, in combinazione con l’intensificazione del cambiamento climatico antropogenico. La variabilità interdecadale delle SST tropicali, come quella associata all’Indice di Oscillazione del Pacifico (IPO), rappresenta una fonte primaria di incertezza nelle proiezioni del clima artico e della criosfera. Ad esempio, un passaggio a una fase positiva dell’IPO, caratterizzata da un riscaldamento dell’ECP, potrebbe alterare la teleconnessione PARC e influenzare i tassi di scioglimento del ghiaccio marino in modi non ancora pienamente prevedibili. Inoltre, le limitazioni dei modelli climatici nel catturare accuratamente la teleconnessione PARC durante l’estate introducono ulteriori incertezze. Un esempio significativo è la discrepanza tra le osservazioni e la simulazione CESM: nei dati osservativi, un ECP freddo (caldo) è associato a un Artico caldo (freddo) e a un rapido (lento) declino del ghiaccio marino, mentre nel CESM questa relazione è opposta (Ding et al. 2019, Figg. 11 e 12). Nel CESM, un cambiamento interno delle SST tropicali simile a una fase positiva dell’IPO, con un riscaldamento dell’ECP, sembra favorire un’accelerazione dello scioglimento del ghiaccio marino, contribuendo al declino indotto dalla forzante antropogenica nei decenni futuri (Screen e Deser 2019). Tuttavia, questo scenario è in contrasto con le osservazioni: dopo il 2012, un passaggio dell’ECP verso una fase di riscaldamento dell’IPO è associato a un rallentamento della perdita di ghiaccio marino, anziché a un’accelerazione.

Questa discrepanza può essere attribuita a diversi fattori. In primo luogo, la relazione di fase opposta del modo PARC-like nelle osservazioni rispetto al CESM (Fig. 12) suggerisce che il modello potrebbe non catturare pienamente le dinamiche della teleconnessione tropicale-artica, forse a causa di una rappresentazione semplificata delle interazioni atmosfera-oceano o delle differenze nei modelli atmosferici utilizzati (es. ECHAM vs. CAM). In secondo luogo, le scale temporali analizzate differiscono: Screen e Deser (2019) esaminano traiettorie di 201 anni, che riflettono tendenze a lungo termine, mentre l’inversione dell’accelerazione dello scioglimento guidata dal PARC nei dati osservativi copre solo 7 anni (2013-2017), evidenziando una variabilità a scala decadale. Queste differenze sottolineano la necessità di ulteriori ricerche per comprendere la variabilità del modo PARC tra diversi modelli climatici e per migliorare la rappresentazione delle teleconnessioni estive nei modelli globali. Ad esempio, esperimenti con modelli accoppiati ad alta risoluzione, che includano una rappresentazione dinamica dell’oceano e una migliore parametrizzazione delle interazioni atmosfera-criosfera, potrebbero aiutare a chiarire le discrepanze tra simulazioni e osservazioni.

Le implicazioni di questi risultati sono rilevanti per la comprensione dell’amplificazione artica e per le proiezioni climatiche future. La capacità delle SST tropicali di modulare il tasso di scioglimento del ghiaccio marino attraverso teleconnessioni come il PARC evidenzia l’importanza di un approccio integrato alla modellizzazione climatica, che tenga conto delle interazioni a scala planetaria tra tropici ed alte latitudini. Inoltre, la variabilità interdecadale delle SST tropicali rappresenta una sfida significativa per la previsione del clima artico, poiché può amplificare o attenuare il segnale antropogenico su scale temporali rilevanti per la pianificazione climatica. I risultati di questo studio suggeriscono che, in un contesto di cambiamento climatico globale, l’evoluzione delle SST tropicali potrebbe giocare un ruolo cruciale nel determinare l’entità e il ritmo dell’amplificazione artica, con conseguenze per gli ecosistemi polari, il livello del mare e la circolazione atmosferica globale.

In conclusione, questo studio conferma che le teleconnessioni tropicali, attraverso il modo PARC, hanno avuto un ruolo significativo nel modulare la perdita di ghiaccio marino artico tra il 2007 e il 2017, interagendo con le forzanti antropogeniche. Tuttavia, le discrepanze tra osservazioni e simulazioni evidenziano la necessità di ulteriori indagini per comprendere meglio la dinamica della teleconnessione PARC e per migliorare la rappresentazione della variabilità tropicale nei modelli climatici. Futuri studi dovrebbero concentrarsi sull’analisi comparativa tra modelli, sull’integrazione di dati osservativi ad alta risoluzione, e sull’esplorazione delle interazioni tra variabilità naturale e forzanti antropogeniche su diverse scale temporali. Tali sforzi saranno fondamentali per affinare le proiezioni climatiche e per prevedere l’evoluzione futura del ghiaccio marino artico in un clima in rapido cambiamento, dove le interazioni tra tropici ed alte latitudini potrebbero assumere un ruolo sempre più rilevante.In conclusione, questo studio conferma che le teleconnessioni tropicali, attraverso il modo PARC, hanno avuto un ruolo significativo nel modulare la perdita di ghiaccio marino artico tra il 2007 e il 2017, interagendo con le forzanti antropogeniche. Tuttavia, le discrepanze tra osservazioni e simulazioni evidenziano la necessità di ulteriori indagini per comprendere meglio la dinamica della teleconnessione PARC e per migliorare la rappresentazione della variabilità tropicale nei modelli climatici. Futuri studi dovrebbero concentrarsi sull’analisi comparativa tra modelli, sull’integrazione di dati osservativi ad alta risoluzione, e sull’esplorazione delle interazioni tra variabilità naturale e forzanti antropogeniche su diverse scale temporali. Tali sforzi saranno fondamentali per affinare le proiezioni climatiche e per prevedere l’evoluzione futura del ghiaccio marino artico in un clima in rapido cambiamento, dove le interazioni tra tropici ed alte latitudini potrebbero assumere un ruolo sempre più rilevante.

Secondo la nostra analisi, la limitazione del CESM nel replicare la teleconnessione PARC potrebbe essere dovuta alla natura stessa della formazione del PARC, che è riassunta nella Figura 13 e si basa su questo lavoro e su diversi studi precedenti (Ding et al. 2017, 2019; Wernli e Papritz 2018; Meehl et al. 2018; Screen e Deser 2019). Le variazioni della convezione, originate da cambiamenti delle SST nel Pacifico simili all’IPO o al PDO, innescano la propagazione di onde di Rossby dai tropici verso l’Artico. Questa connessione è particolarmente evidente nel periodo 2007-2012, quando anomalie di SST fredde nell’ECP possono generare una riduzione della convezione tropicale e della divergenza in alta troposfera, dando origine a una struttura a treno d’onda con un sistema barotropico di alta pressione sopra il Canada nord-orientale e la Groenlandia, che si estende nell’Artico. L’attrito vicino alla superficie crea venti ageostrofici che, nel caso di un moto anticiclonico, divergono verso l’esterno e provocano un aumento della subsidenza su larga scala nella bassa troposfera. Man mano che l’aria discende, si riscalda adiabaticamente, emettendo così una maggiore quantità di radiazione a onda lunga che contribuisce a un intensificato scioglimento del ghiaccio marino. L’aria più calda contiene anche più umidità, favorendo un’ulteriore fonte di radiazione a onda lunga in discesa in condizioni di cielo sereno, che accelera ulteriormente lo scioglimento del ghiaccio marino. La risposta radiativa delle nubi al PARC estivo è meno certa, ma una diminuzione della copertura nuvolosa derivante dalla subsidenza su larga scala probabilmente aumenta la radiazione a onda corta in discesa e può modulare la radiazione a onda lunga in discesa a seconda delle variazioni delle nubi basse.

Per replicare questa catena di meccanismi fisici che stabiliscono il PARC, è necessario che tutti i componenti individuali siano simulati in modo realistico, rappresentando una sfida significativa per la comunità di modellizzazione (Ding et al. 2019). Considerando queste limitazioni e sfide, il nostro esperimento (Fig. 8), che utilizza SST osservate specificate nell’ECP e un semplice modello oceanico e di ghiaccio marino altrove, rappresenta solo un test qualitativo del meccanismo PARC. D’altra parte, la lunga simulazione preindustriale del CESM dimostra che la forzante del Pacifico tropicale è cruciale nel determinare la variabilità del ghiaccio marino artico attraverso un treno d’onda di Rossby, anche se il CESM mostra una relazione di fase diversa rispetto al raffreddamento delle SST tropicali osservato in concomitanza con il riscaldamento artico (Fig. 12). Futuri studi di modellizzazione con modelli migliorati, che abbiano una maggiore capacità di replicare la connessione tropicale-artica osservata, sono necessari per comprendere in modo più quantitativo il legame tra le SST del Pacifico e il ghiaccio marino artico, insieme ai relativi meccanismi. Si suggerisce inoltre che i cambiamenti delle SST nell’ECP siano sensibili alla variabilità delle SST in altri bacini oceanici (Vimont et al. 2003; Cai et al. 2019) e possano essere soggetti a retroazioni associate allo scioglimento del ghiaccio marino in inverno (Deser et al. 2016; Cvijanovic et al. 2017; Sun et al. 2018). Pertanto, il modo PARC proposto qui illustra solo un legame diretto tra tropici e Artico durante l’estate.

Inoltre, non possiamo escludere la possibilità che il recente rallentamento del tasso di declino del ghiaccio marino possa essere in parte dovuto a una retroazione stabilizzante del sistema climatico artico. Tale retroazione stabilizzante è suggerita come causa di un recupero del ghiaccio marino di 2 anni dopo un’anomalia forte imposta (Tietsche et al. 2011). Ulteriori sforzi sono necessari per distinguere gli effetti stabilizzanti sul recente rallentamento dal meccanismo PARC forzato dai tropici.

La Figura 13 rappresenta un diagramma schematico che sintetizza il meccanismo di formazione della teleconnessione estiva nota come Positive Arctic Response to Circulation (PARC), illustrando il complesso processo fisico che collega le anomalie delle temperature superficiali del mare (SST) nel Pacifico tropicale al rapido scioglimento del ghiaccio marino nell’Artico. Basato su questo studio e su ricerche precedenti (Ding et al. 2017, 2019; Wernli e Papritz 2018; Meehl et al. 2018; Screen e Deser 2019), il diagramma descrive una catena di eventi interconnessi che si sviluppa su scale spaziali e temporali diverse, evidenziando il ruolo delle teleconnessioni tropicali nella modulazione della variabilità climatica artica. La figura si concentra sul periodo 2007-2012, quando un raffreddamento delle SST nel Pacifico centrale orientale (ECP) ha favorito un’accelerazione dello scioglimento del ghiaccio marino, e rappresenta il processo in 8 passaggi distinti, organizzati in due livelli principali: il livello superiore (“Upper Level”), che descrive i processi atmosferici in alta troposfera, e il livello inferiore (“Lower Level”), che mostra gli effetti vicino alla superficie nell’Artico. Di seguito, analizziamo ogni passaggio in dettaglio, esplorando i meccanismi fisici coinvolti, il loro significato scientifico e le implicazioni per la comprensione del sistema climatico globale.

Il diagramma si apre con una mappa globale che mostra le anomalie di SST, rappresentate con ombreggiature (blu per il raffreddamento, rosso per il riscaldamento), e una serie di ovali numerati che descrivono i passaggi del meccanismo PARC. Il primo passaggio (1. ECP SST Cooling) evidenzia un’anomalia di raffreddamento delle SST nel Pacifico centrale orientale (ECP), derivata da un’analisi di covarianza massima (MCA, come indicato in Fig. 5b dello studio). Questo raffreddamento, tipico di una fase negativa dell’Indice di Oscillazione del Pacifico (IPO) o del Pacific Decadal Oscillation (PDO), rappresenta la forzante iniziale del processo PARC. Le SST fredde nell’ECP, che si estendono lungo l’equatore, alterano le condizioni termodinamiche nella regione tropicale, innescando una cascata di effetti atmosferici che si propagano verso le alte latitudini. Questo passaggio è cruciale perché le SST tropicali sono un driver primario delle teleconnessioni atmosferiche, influenzando la convezione e la dinamica atmosferica su scala planetaria.

Il secondo passaggio (2. Reduced Convection) descrive come il raffreddamento delle SST nell’ECP porti a una riduzione della convezione tropicale. La convezione, che dipende dal riscaldamento delle SST per favorire la risalita di aria calda e umida, viene soppressa a causa della diminuzione della temperatura superficiale, riducendo l’attività convettiva nella regione tropicale. Questo processo genera un’anomalia di divergenza in alta troposfera, un effetto che altera la struttura del flusso atmosferico e prepara il terreno per la propagazione di onde su larga scala. La riduzione della convezione è un elemento chiave, poiché modifica il bilancio energetico atmosferico nei tropici, innescando dinamiche che si ripercuotono fino all’Artico.

Il terzo passaggio (3. Barotropic Rossby Wave Propagation) illustra la formazione e la propagazione di un treno d’onda di Rossby barotropico, rappresentato da una freccia curva che collega il Pacifico tropicale all’Artico. La divergenza in alta troposfera, generata dalla riduzione della convezione, eccita onde di Rossby, che sono onde atmosferiche su larga scala che trasportano energia e momento attraverso l’atmosfera. Questo treno d’onda segue un percorso a grande circonferenza, propagandosi dal Pacifico tropicale verso nord-est e raggiungendo l’Artico. La propagazione delle onde di Rossby è il cuore della teleconnessione PARC, stabilendo un collegamento diretto tra le anomalie tropicali e la circolazione atmosferica alle alte latitudini. Questo meccanismo evidenzia l’importanza delle interazioni a scala planetaria nel sistema climatico, dimostrando come le forzanti tropicali possano influenzare regioni remote come l’Artico.

Il quarto passaggio (4. Barotropic Anticyclone) descrive la formazione di un anticiclone barotropico, centrato sopra il Canada nord-orientale e la Groenlandia, che si estende nell’Artico sopra il ghiaccio marino. Questo anticiclone, etichettato come “Upper Level”, è il risultato del treno d’onda di Rossby e rappresenta una struttura di alta pressione che si estende verticalmente attraverso la troposfera, con caratteristiche uniformi in altezza (barotropicità). La sua posizione sull’Artico è cruciale, poiché favorisce condizioni di stabilità atmosferica, riducendo la nuvolosità e aumentando l’irraggiamento solare, un fattore chiave per lo scioglimento del ghiaccio marino. L’anticiclone barotropico amplifica gli effetti della teleconnessione PARC, creando un ambiente favorevole a un maggiore flusso di calore verso la superficie.

Il quinto passaggio (5. Surface Friction Driven Adiabatic Descent & Warming) si concentra sugli effetti dell’anticiclone a livello della superficie. L’attrito superficiale genera venti ageostrofici nell’anticiclone, rappresentati da frecce nere sottili nell’Artico, che divergono verso l’esterno. Questa divergenza causa un movimento discendente dell’aria per conservare la massa, un processo noto come subsidenza su larga scala. Quando l’aria discende, si riscalda adiabaticamente a causa della compressione, senza scambio di calore con l’ambiente. Questo riscaldamento adiabatico aumenta la temperatura dell’aria sopra il ghiaccio marino, preparando il terreno per i successivi effetti radiativi.

Il sesto passaggio (6. Subsidence, Warming & Moistening) descrive gli effetti della subsidenza nella bassa troposfera artica, etichettata come “Lower Level”. La discesa dell’aria porta a un ulteriore riscaldamento e a un aumento dell’umidità specifica. L’aria più calda può contenere più vapore acqueo, aumentando l’umidità nella bassa atmosfera artica. Questo processo non solo amplifica il riscaldamento, ma crea condizioni favorevoli per un aumento della radiazione a onda lunga verso la superficie, un elemento critico per lo scioglimento del ghiaccio marino. L’aumento dell’umidità specifica è particolarmente significativo, poiché il vapore acqueo è un potente gas serra che contribuisce alla radiazione infrarossa in condizioni di cielo sereno.

Il settimo passaggio (7. Increased Longwave Emission) evidenzia l’aumento dell’emissione di radiazione a onda lunga verso il basso, rappresentata da frecce rosse sottili sopra il ghiaccio marino. La combinazione di aria più calda e umida nella bassa troposfera artica porta a un incremento della radiazione infrarossa emessa verso la superficie, un driver diretto dello scioglimento del ghiaccio marino. Inoltre, la possibile riduzione della copertura nuvolosa dovuta alla subsidenza su larga scala può aumentare la radiazione a onda corta (solare) in discesa, ulteriormente modulando il bilancio radiativo. Tuttavia, come sottolineato nel testo associato alla figura, la risposta radiativa delle nubi al PARC estivo è meno certa: variazioni nelle nubi basse possono influenzare sia la radiazione a onda lunga che quella a onda corta, un aspetto che richiede ulteriori indagini.

Il passaggio finale (8. Sea Ice Melt) rappresenta il risultato del processo: lo scioglimento del ghiaccio marino artico. Questo scioglimento è guidato principalmente dall’aumento della radiazione a onda lunga derivante dal riscaldamento e dall’umidificazione della bassa atmosfera artica, amplificati dalla teleconnessione PARC. La riduzione della copertura nuvolosa e l’aumento della radiazione solare in discesa possono contribuire ulteriormente, ma il ruolo dominante è attribuito alla radiazione infrarossa, che trasferisce calore direttamente alla superficie del ghiaccio, accelerandone la fusione.

La Figura 13 nel suo insieme fornisce una rappresentazione completa del meccanismo PARC, evidenziando come le anomalie di SST nel Pacifico tropicale possano influenzare il clima artico attraverso una serie di processi interconnessi: dalla riduzione della convezione tropicale alla propagazione delle onde di Rossby, dalla formazione di un anticiclone barotropico agli effetti radiativi nella bassa troposfera artica. Questo meccanismo è particolarmente rilevante per il periodo 2007-2012, quando un raffreddamento delle SST nell’ECP ha favorito un’accelerazione dello scioglimento del ghiaccio marino, dimostrando il ruolo delle teleconnessioni tropicali nella modulazione della variabilità artica.

Dal punto di vista scientifico, il diagramma sottolinea la complessità del meccanismo PARC e le sfide associate alla sua modellizzazione. Per replicare accuratamente questo processo, i modelli climatici devono simulare realisticamente ogni componente: la convezione tropicale, la propagazione delle onde di Rossby, la dinamica anticiclonica, e i processi radiativi nell’Artico. Tuttavia, come discusso nello studio, il CESM mostra limitazioni nel catturare la relazione osservata tra il raffreddamento delle SST tropicali e il riscaldamento artico, evidenziando una relazione di fase opposta rispetto ai dati reali. Queste discrepanze sottolineano la necessità di modelli climatici più avanzati, che includano una rappresentazione dinamica dell’oceano e una migliore parametrizzazione delle interazioni atmosfera-criosfera.

Le implicazioni di questo meccanismo sono rilevanti per la comprensione dell’amplificazione artica, un fenomeno in cui i cambiamenti climatici nell’Artico sono amplificati rispetto alla media globale. La teleconnessione PARC dimostra che la variabilità tropicale può modulare i tassi di scioglimento del ghiaccio marino su scale temporali decadali, sovrapponendosi al trend di lungo termine indotto dalle forzanti antropogeniche. Questo collegamento tra tropici ed alte latitudini ha conseguenze per gli ecosistemi polari, il livello del mare, e la circolazione atmosferica globale, evidenziando l’importanza di un approccio integrato alla modellizzazione climatica. Futuri studi dovrebbero concentrarsi sull’integrazione di dati osservativi ad alta risoluzione e sull’uso di modelli accoppiati avanzati per migliorare la rappresentazione del PARC e per comprendere meglio il ruolo delle teleconnessioni tropicali nell’evoluzione futura del ghiaccio marino artico, specialmente in un contesto di cambiamento climatico globale dove tali meccanismi potrebbero assumere un ruolo ancora più rilevante.

https://doi.org/10.1175/JCLI-D-18-0783.1