Interazioni tra il vortice polare stratosferico e la circolazione dell’Atlantico su scale temporali che vanno dalla stagione a decadi multiple

Riassunto. Le variazioni nella forza del vortice polare stratosferico durante l’inverno nell’emisfero nord possono influenzare la variabilità della superficie nel settore atlantico. Le perturbazioni di questo vortice, note come riscaldamenti stratosferici improvvisi (SSW), sono associate a uno spostamento verso l’equatore e una riduzione della velocità del getto dell’Atlantico Nord, le fasi negative dell’Oscillazione Nord Atlantica e ondate di freddo in Eurasia e Nord America. Sebbene le influenze a livello di superficie su scale sub-stagionali siano evidenti, l’interazione tra la variabilità del vortice stratosferico e la circolazione oceanica su scale decennali e pluri-decennali è meno conosciuta. In questo studio, utilizziamo una simulazione di controllo preindustriale della durata di 1000 anni del Modello del Sistema Terrestre del Regno Unito per esaminare queste interazioni. Impieghiamo tecniche di analisi wavelet per studiare i segnali periodici non stazionari presenti nel vortice e nell’oceano. Abbiamo scoperto che periodi di comportamento anomalo persistente del vortice portano a risposte oscillanti nella Circolazione Meridionale di Riversamento dell’Atlantico (AMOC). L’origine di queste risposte è fortemente non stazionaria, con energia spettrale nella variabilità del vortice che si manifesta su periodi di 30 e 50 anni. In contrasto, variazioni dell’AMOC su tempi più lunghi (circa 90 anni) sembrano provocare una reazione del vortice attraverso un meccanismo che coinvolge il Pacifico equatoriale e l’oscillazione quasi-biennale. Utilizzando il legame identificato nel modello tra il comportamento persistente del vortice e la reazione dell’AMOC, abbiamo condotto un’analisi di regressione per valutare il contributo potenziale dell’interruzione degli SSW di 8 anni negli anni ’90 alla recente tendenza negativa osservata nelle misurazioni dell’AMOC. I risultati indicano che circa il 30% di questa tendenza potrebbe essere stato causato dall’interruzione degli SSW.

1 Introduzione Le variazioni nella forza del vortice polare stratosferico dell’emisfero nord, legate agli eventi di riscaldamento stratosferico improvviso, sono la principale causa di variabilità interannuale nella stratosfera invernale dell’emisfero. Queste intense perturbazioni del vortice durante gli SSW sono un meccanismo fondamentale per l’accoppiamento tra stratosfera e troposfera e sono riconosciute per influenzare significativamente il clima di superficie nelle medie latitudini dell’emisfero nord, in particolare nell’Atlantico Nord, come evidenziato da Baldwin e Dunkerton nel 2001. In modo simile, la mancanza di un SSW, quando il vortice resta insolitamente forte e freddo a causa dell’assenza di disturbi dalle onde troposferiche, impatta notevolmente sul meteo di superficie, come dimostrato da Shaw e Perlwitz nel 2013 e Lawrence e collaboratori nel 2020.

Capire la dinamica degli SSW e la variabilità del vortice è quindi cruciale per le previsioni meteo stagionali e sub-stagionali, poiché queste dinamiche offrono un’importante capacità predittiva, come indicato da Domeisen e altri nel 2020. Benché la maggior parte degli studi si sia concentrata sugli impatti di queste dinamiche nella stessa stagione, la stratosfera invernale dell’emisfero nord presenta anche variazioni su scale decennali e pluri-decennali, come rilevato da Dimdore-Miles e collaboratori nel 2021. L’interazione tra questa variabilità a lungo termine nella forza del vortice e le variazioni del clima di superficie su scale temporali simili rimane poco chiarita.

Il ruolo delle variazioni del vortice polare stratosferico nella variabilità del clima di superficie è stato messo in evidenza nell’opera pionieristica di Baldwin e Dunkerton nel 2001. Essi hanno mostrato come le anomalie del Modo Annulare del Nord si propaghino costantemente dalla stratosfera media alla superficie in seguito agli eventi di vortice forte e debole, utilizzando il dataset di rianalisi ERA40. Le anomalie legate a un vortice debole (o forte) sono risultate persistere intermittente alla superficie per circa 60 giorni dopo l’evento, influenzando significativamente i modelli negativi (o positivi) dell’Oscillazione Nord Atlantica.Studi di modellazione e osservazioni successive hanno confermato questi risultati. Domeisen (2019) ha dimostrato, utilizzando i dataset ERA40 e ERA-Interim, che circa due terzi degli eventi di riscaldamento stratosferico improvviso (SSW) sono seguiti da un cambio dalla fase positiva alla negativa dell’Oscillazione Nord Atlantica (NAO) o da un persistente schema negativo dell’NAO. Charlton-Perez e colleghi (2018) hanno analizzato questo legame dal punto di vista dei regimi meteorologici troposferici, trovando un aumento del 40%-60% nella probabilità di passaggio a una fase negativa dell’NAO, dato una riduzione di una deviazione standard nella forza del vortice polare. Questo effetto degli SSW sull’NAO è ben rappresentato nei modelli di circolazione generale (GCM), e studi di modellazione idealizzata hanno anche dimostrato un’influenza diretta verso il basso degli eventi sull’NAO (White et al., 2020; Gerber et al., 2009), sebbene alcuni studi abbiano osservato che i modelli più semplici tendono a sovrastimare la persistenza delle anomalie di superficie (Gerber et al., 2008a, b).

L’effetto degli eventi SSW sulla probabilità di una fase negativa dell’NAO ha mostrato di influenzare altre caratteristiche del clima delle medie latitudini dell’emisfero nord. Thompson e colleghi (2002) hanno osservato, attraverso le rianalisi del National Centers for Environmental Prediction (NCEP) e del National Center for Atmospheric Research (NCAR), che gli SSW sono seguiti da un periodo di 60 giorni con temperature superficiali insolitamente basse nell’America del Nord orientale, nell’Europa settentrionale e nell’Asia orientale. Studi osservativi successivi hanno identificato schemi di risposta simili agli SSW (Kolstad et al., 2010; King et al., 2019; Lehtonen e Karpechko, 2016), e questi effetti sono stati confermati anche nelle simulazioni di GCM (Tomassini et al., 2012; Lehtonen e Karpechko, 2016). Ulteriori impatti degli SSW sulla circolazione troposferica includono uno spostamento verso l’equatore e una decelerazione del getto guidato dalle eddy dell’Atlantico Nord (Hitchcock e Simpson, 2014; Maycock et al., 2020).

I collegamenti con eventi di blocco atmosferico persistenti sono stati evidenziati sia nelle osservazioni che negli studi di modellazione (Davini et al., 2014; Vial et al., 2013), anche se Taguchi (2008) non ha trovato un legame significativo tra questi fenomeni. Mentre gli effetti stagionali degli SSW sulla circolazione troposferica e sulla variabilità di superficie sono stati ampiamente esaminati nei precedenti studi, il loro interagire con dinamiche su scale temporali più estese, come la variabilità degli oceani, rimane meno compreso. Una delle principali caratteristiche della variabilità dell’Oceano Atlantico è la Circolazione Meridionale di Riversamento dell’Atlantico (AMOC), che consiste nel trasferimento verso nord di acqua calda e salina nei primi 2 km dell’Oceano Atlantico (la cella superiore), con un corrispondente flusso di ritorno verso sud a profondità maggiori (la cella inferiore), come descritto da Kuhlbrodt et al., 2007; Xu et al., 2014; Buckley e Marshall, 2016. La forza dell’AMOC varia notevolmente su scale temporali che vanno dai decenni ai secoli (Delworth et al., 1993; Biastoch et al., 2008; Tulloch e Marshall, 2012; Menary et al., 2012) ed è considerata un driver chiave della variabilità climatica superficiale in Nord America ed Europa, influenzando le temperature superficiali del mare Atlantico e il trasporto di calore (Knight et al., 2005; Delworth e Mann, 2000; Frierson et al., 2013; Frankignoul et al., 2013). È noto che l’AMOC influenzi una vasta gamma di aspetti, come le temperature estive in Europa (Sutton e Hodson, 2005), le condizioni biogeochimiche nell’Atlantico nord-occidentale (Lavoie et al., 2019) e i bruschi cambiamenti climatici osservati nei record paleoclimatici (Alley, 2007; Cheng et al., 2009).

Diversi fattori potenziali alla base della variabilità della Circolazione Meridionale di Riversamento dell’Atlantico (AMOC) su diverse scale temporali sono stati ampiamente studiati sia attraverso osservazioni sia con studi di modellazione. Per quanto riguarda le scale che vanno da intra-annuali a inter-annuali, la variabilità dell’AMOC è risultata fortemente correlata con le variazioni dei venti nella regione dell’Atlantico Nord, tramite anomalie nel trasporto di Ekman o nella forzante del vortice di tensione dei venti (Wang et al., 2019; McCarthy et al., 2012; Mielke et al., 2013; Yang, 2015). Per le scale temporali da inter-annuali a decennali, la variabilità dell’AMOC è stata associata ad anomalie di galleggiabilità nella regione subpolare, soprattutto nel Mare del Labrador (Delworth et al., 1993; Medhaug et al., 2012). Questo meccanismo è legato alla variabilità nella profondità dello strato misto e alla presenza di convezione profonda in quella regione, particolarmente durante l’inverno nell’emisfero nord (Böning et al., 2006; Biastoch et al., 2008; Robson et al., 2012; Wang et al., 2015). Le anomalie dello strato misto nel Mare del Labrador indicano la forza della convezione profonda in quest’area, che è stata dimostrata essere correlata alle variazioni dell’AMOC sia in studi di modellazione (Eden e Willebrand, 2001; Eden e Jung, 2001) sia in osservazioni dirette (Latif e Keenlyside, 2011).

La connessione tra la variabilità del vortice polare stratosferico e l’AMOC su scale decennali è stata indagata in precedenza (Reichler et al., 2012; Schimanke et al., 2011), tuttavia il meccanismo della sua influenza rimane ancora poco chiaro. Per esempio, Reichler et al. (2012) hanno analizzato la risposta dell’AMOC agli eventi di vortici polari forti e deboli, evidenziando una risposta oscillante e posticipata dell’AMOC. Hanno suggerito un meccanismo che include modifiche nella tensione dei venti e anomalie nei flussi di calore tra oceano e atmosfera nell’Atlantico occidentale, a seguito dei cambiamenti nei pattern dell’NAO dovuti agli eventi del vortice.

L’effetto è particolarmente evidente in un controllo preindustriale di un singolo modello, il Geophysical Fluid Dynamics Laboratory (GFDL, CM2.1), e, in misura minore, in una serie di modelli del progetto CMIP5. Numerosi studi supportano l’idea che i cambiamenti a lungo termine nella Oscillazione Nord Atlantica (NAO) influenzino significativamente la forza della Circolazione Meridionale di Riversamento dell’Atlantico (AMOC) (Visbeck et al., 1998; Delworth e Dixon, 2000; Delworth e Greatbatch, 2000; Eden e Willebrand, 2001; Lohmann et al., 2009; Robson et al., 2012). Più di recente, Delworth e Zeng (2016) hanno condotto una serie di esperimenti idealizzati con modelli di circolazione generale (GCM), imponendo un modello fisso di flusso di calore tra oceano e atmosfera associato a diverse fasi dell’NAO. Questi esperimenti hanno rivelato stati medi dell’AMOC marcatamente differenti, a seconda del modello impostato, con un AMOC più forte sotto condizioni di flusso positivo dell’NAO rispetto a una simulazione di controllo. Haase et al. (2018) hanno esaminato l’influenza stagionale degli eventi di riscaldamento stratosferico improvviso (SSW) sulla NAO e sui flussi di calore tra oceano e atmosfera, che a loro volta influenzano la forza della convezione profonda nell’Atlantico Nord, utilizzando il Modello del Sistema della Terra della Comunità (CESM1) e il Modello Climatico della Comunità dell’Atmosfera Intera (WACCM). Lo studio ha osservato una profondità dello strato misto insolitamente bassa nel Mare del Labrador dopo un evento SSW.

Un risultato fondamentale dello studio di Reichler et al. (2012) è la modulazione decennale della covariabilità tra SSW e AMOC. Tuttavia, la variabilità decennale e multi-decennale nella forza del vortice non è ancora ben compresa.

Alcuni studi hanno esplorato gli impatti potenziali del vortice polare sulla superficie terrestre, incontrando tuttavia limitazioni dovute alla bassa significatività statistica causata dalla breve durata dei dati osservativi. Garfinkel et al. (2017, 2015) e Cohen et al. (2009) hanno associato le fluttuazioni decennali nella forza del vortice alla modulazione del segnale di riscaldamento globale nelle temperature superficiali in Eurasia, analizzando sia le rianalisi che i modelli CMIP3. Schimanke et al. (2011) hanno identificato segnali multi-decennali nella frequenza degli SSW attraverso una simulazione GCM di più secoli, suggerendo che questi segnali influenzino la variabilità simil-periodica nella copertura nevosa eurasiatica e nelle temperature superficiali del mare dell’Atlantico. Tuttavia, interpretare i risultati di questo studio è complicato a causa del significativo bias nel modello GCM utilizzato (EGMAM – ECHO-G con Modello dell’Atmosfera Media), che registra un tasso medio di eventi SSW notevolmente inferiore rispetto alla maggior parte delle rianalisi (Ayarzagüena et al., 2019). Gli autori suggeriscono che sia necessario replicare lo studio con un modello più avanzato per confermare i loro risultati. Manzini et al. (2012) hanno analizzato le fluttuazioni decennali degli eventi SSW in una simulazione GCM della durata di 260 anni con temperature superficiali del mare prescritte, esaminando i loro effetti sulla superficie. Hanno osservato che la variabilità decennale del vortice stimola variazioni di temperatura superficiale e di estensione del ghiaccio marino tra Groenlandia e Norvegia nel settore atlantico, interpretando questa correlazione come indicativa di una risposta ritardata dell’AMOC alla forzatura stratosferica attraverso l’NAO, che a sua volta influisce sul trasferimento di calore verso nord nell’Atlantico e sui tassi di fusione dei ghiacci, nonché sulle anomalie di temperatura superficiale.

Recentemente, Dimdore-Miles et al. (2021, citati nel seguito come DM21) hanno studiato la variabilità a lungo termine della forza del vortice stratosferico polare invernale attraverso una simulazione di controllo preindustriale di 1000 anni del Modello del Sistema Terrestre del Regno Unito. Nel loro studio, hanno identificato periodi di fino a 11 anni consecutivi in cui si verificava almeno un evento di riscaldamento stratosferico improvviso (SSW) ogni anno, simili a quelli osservati tra il 1998 e il 2004. Hanno anche rilevato periodi di fino a 12 anni consecutivi con un vortice forte e stabile, come quelli osservati negli anni ’90 (Manney et al., 2005; Pawson e Naujokat, 1999). Nel loro esame hanno scoperto segnali di variabilità multi-decennale con una periodicità di 90 anni che persistevano per circa 450 anni del millennio analizzato. Mediante analisi wavelet e cross-spettrale, hanno correlato questi segnali a un andamento simile nella modulazione dell’ampiezza dell’oscillazione quasi-biennale (QBO) e hanno ipotizzato che la variabilità del vortice fosse influenzata dalla QBO tramite la modulazione della relazione di Holton-Tan (Lu et al., 2008, 2014). Nonostante il focus principale di quel lavoro fosse sulla stratosfera, cercando di capire il legame tra la QBO a lungo termine e la variabilità del vortice, in questo articolo estendiamo lo studio per esplorare i collegamenti tra la variabilità del vortice a lungo termine e l’Atlantico Nord, includendo anche le dinamiche oceaniche.

Iniziamo esaminando la risposta di superficie stagionale agli eventi estremi del vortice per confermare che il modello riesca a riprodurre le anomalie osservate nei precedenti studi, come la pressione media al livello del mare (MSLP), i flussi di calore tra oceano e atmosfera, e le temperature superficiali del mare (SST). Proseguendo, analizziamo la reazione su scale temporali multi-decennali, adottando un metodo di analisi wavelet per identificare segnali non stazionari nel vortice e nella variabilità dell’AMOC. Abbiamo scoperto che intervalli di più anni caratterizzati da un comportamento anomalo e persistente del vortice mostrano una covariabilità con l’AMOC su diverse scale temporali. Queste interazioni e i relativi meccanismi di feedback vengono esaminati più in dettaglio attraverso una combinazione di analisi composita di ritardo/anticipo e un metodo di decomposizione spettrale wavelet. Si determinano l’ampiezza e il ritardo della risposta dell’AMOC a periodi multiennali di intensa attività del vortice polare nel modello. Questi dati vengono poi utilizzati per valutare il potenziale contributo degli otto anni consecutivi di vortice stratosferico molto stabile e indisturbato degli anni ’90 (Pawson e Naujokat, 1999) alla recente tendenza negativa nella forza dell’AMOC osservata. Il documento è organizzato nel seguente modo: la Sezione 2 descrive il GCM impiegato nello studio, il metodo di analisi spettrale (analisi wavelet) e gli indici climatici pertinenti. La Sezione 3 illustra i risultati dell’analisi. Infine, la Sezione 4 offre un riassunto e una discussione sui risultati ottenuti.

2. Dati e Metodi
2.1 Configurazione del Modello

Nel presente lavoro, abbiamo utilizzato lo stesso modello analizzato nel DM21, ovvero la prima versione del Modello del Sistema Terrestre del Regno Unito (UKESM). Questo modello è capace di risolvere la stratosfera e integra componenti accoppiate di oceano, atmosfera, terra e ghiaccio marino. L’atmosfera del modello è descritta da 85 livelli verticali attraverso il componente Global Atmosphere 7.1 (GA7.1), con 35 di questi livelli situati oltre i 35 km di altitudine (Walters et al., 2019; Williams et al., 2018). GA7.1 opera con una risoluzione orizzontale N96, che corrisponde a circa 135 km all’equatore.

Per quanto riguarda la simulazione della circolazione oceanica, questa è affidata al modello GO6.0 (Storkey et al., 2018), che comprende 75 livelli verticali e lavora a una risoluzione orizzontale di 1 grado. Altri componenti interattivi dedicati alla superficie terrestre, al ghiaccio marino e ai processi chimici atmosferici sono integrati mediante l’accoppiamento con i modelli JULES (GL7.0), CICE (GSI8.1) e UK Chemistry and Aerosols (UKCA) (Walters et al., 2019; Ridley et al., 2018; Mulcahy et al., 2018).

In precedenza, la rappresentazione del sistema climatico dell’Atlantico Nord effettuata da UKESM è stata analizzata da Robson et al. (2020), dimostrando che il modello riesce a simulare in modo realistico caratteristiche chiave come la Circolazione Meridionale Atlantica (AMOC). Tuttavia, lo studio ha anche evidenziato una sotto-rappresentazione della variabilità dell’AMOC, problema che è stato osservato anche in altri modelli fisici (Roberts et al., 2014).

Utilizziamo la stessa simulazione di controllo PπI della durata di 1000 anni già esaminata in DM21. Questa simulazione è stata portata all’equilibrio del modello prima dell’inizio, seguendo il metodo descritto da Yool et al. (2020). La simulazione è stata sottoposta a forzature utilizzando i valori preindustriali dei CMIP6 per le concentrazioni dei principali gas serra: CO2 con una media globale di 284.317 ppm, CH4 a 808.25 ppb, e N2O a 273.02 ppb. Non sono presenti eruzioni vulcaniche nella simulazione, tuttavia è stato impostato un livello di aerosol vulcanico stratosferico di sfondo basato sui valori climatologici registrati tra il 1850 e il 2014, come stimato dai prodotti satellitari e altre simulazioni di modelli (Menary et al., 2018). La simulazione non include il ciclo solare. Abbiamo scelto di analizzare una simulazione di controllo π a causa della lunghezza dell’integrazione, pari a 1000 anni, che consente di osservare meglio le variazioni stratosferiche su tempi vicini ai 90 anni, come mostrato in DM21. Questa estensione temporale offre la possibilità di analizzare un maggior numero di cicli di variabilità rispetto a una simulazione storica e ci permette di esplorare la variabilità interna della stratosfera.

Per valutare il contributo delle variazioni stratosferiche alle recenti tendenze osservate dell’AMOC, utilizziamo anche dataset basati su osservazioni dell’atmosfera e degli oceani. In primo luogo, facciamo riferimento ai dati di ri-analisi del Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF), specificatamente i dati ERA5 (Hersbach et al., 2020) per le osservazioni assimilate relative all’altezza geopotenziale e alla pressione media al livello del mare, disponibili al link https://climate.copernicus.eu/climate-reanalysis (consultato l’ultima volta il 10 agosto 2021). Inoltre, utilizziamo il dataset dell’array RAPID, che fornisce profili temporali in profondità della funzione di flusso di massa meridionale di capovolgimento nell’Atlantico a 26° N (Moat et al., 2020). Questi dati sono raccolti tramite una combinazione di ormeggi oceanici, osservazioni da navi, satelliti e cavi telefonici sottomarini, e sono utilizzati per stimare la forza dei contributi primari alla circolazione meridionale di capovolgimento, come il trasporto di Ekman (indotto dallo stress del vento), il trasporto attraverso gli stretti della Florida, e il trasporto guidato dai gradienti di densità est-ovest tra i continenti americano e africano (McCarthy et al., 2015).

2.2 Analisi Wavelet

Nel nostro studio, adottiamo il metodo di analisi wavelet già impiegato in DM21, sviluppato originariamente da Torrence e Compo nel 1998, per investigare le caratteristiche spettrali non stazionarie presenti nei dati di serie temporali su vari periodi. Una descrizione completa di questo metodo è disponibile nella Sezione 2.3 di DM21, di cui qui presentiamo un riassunto sintetico.

Il processo si basa sulla trasformazione wavelet di una serie temporale unidimensionale, di lunghezza N e passo temporale uniforme, ottenuta attraverso la convoluzione tra la serie stessa e una funzione wavelet adeguatamente scalata. La scala della wavelet, che rappresenta il suo periodo, viene modificata per generare uno spettro di potenza della serie nel dominio temporale.

Seguendo la metodologia di Torrence e Compo, variamo il parametro di scala in incrementi logaritmici, partendo dalla scala minima risolvibile fino alla scala massima, che dipende dalla lunghezza della serie temporale e dal suo passo.

La wavelet, una volta traslata e adattata alla scala desiderata, assume la forma di una funzione oscillante contenuta entro un processo gaussiano. Questa funzione, nota come wavelet di Morlet, è stata selezionata in base alle raccomandazioni di Torrence e Compo per la sua efficacia nell’analizzare dati con caratteristiche di questo tipo.

Vantaggi dell’uso della wavelet di Morlet nell’analisi delle serie temporali climatiche

L’impiego della wavelet di Morlet nell’analisi delle serie temporali climatiche si rivela particolarmente vantaggioso per la sua capacità di catturare numerose caratteristiche tipiche di questi dati, come variazioni nel periodo dominante e nelle ampiezze. Una discussione dettagliata su questa scelta è stata presentata da Lau e Weng nel 1995 e successivamente approfondita in DM21.

Per poter confrontare direttamente gli spettri di diversi indicatori, normalizziamo tutte le serie temporali. Questo processo include la sottrazione della media e la divisione per la deviazione standard prima di procedere con la trasformazione wavelet. In aggiunta, per un confronto efficace del potere spettrale su diverse frequenze, adottiamo una scalatura dello spettro di potenza dividendo per il parametro di scala relativo a ciascuna frequenza. Questa metodologia, basata sugli studi di Liu et al. del 2007, evidenzia come gli spettri non scalati tendano a sovrastimare il potere nei periodi più lunghi e come la scalatura permetta un confronto più accurato tra diverse scale temporali.

Inoltre, definiamo un intervallo di confidenza per il potere wavelet osservato nella serie esaminata. Questo viene fatto confrontando il potere osservato con quello teorico, generato da un modello di serie temporale comportante un processo autoregressivo di primo ordine, caratterizzato da rumore rosso. In questo contesto, l’autocorrelazione al primo ritardo di x e un termine di rumore bianco gaussiano giocano un ruolo chiave. Secondo Torrence e Compo nel 1998, lo spettro di potenza di tale modello segue una distribuzione chi-quadrato, permettendoci di stabilire un intervallo di confidenza del 95% per ogni misura di potere osservata.

2.3 Spettri Cross-Wavelet

Nella nostra analisi, definiamo anche una misura della potenza spettrale che si manifesta contemporaneamente in due serie temporali, nota come spettro cross-wavelet. Questo strumento è utile per determinare se due serie mostrano potenza agli stessi punti temporali e alle stesse frequenze. Lo spettro cross-wavelet di due serie temporali, x e y, si ottiene proiettando uno spettro sull’altro. In questo processo, uno degli spettri è il complesso coniugato dello spettro di potenza wavelet della serie x.

L’analisi dello spettro cross-wavelet fornisce informazioni sulla differenza di fase locale tra i segnali in x e y nello spazio di frequenza-tempo. Questa relazione di fase può essere visualizzata mediante un vettore che si estende in un angolo, rappresentando la differenza di fase espressa in radianti. Nei grafici degli spettri incrociati, le frecce orientate a destra (o a sinistra) indicano che i segnali nelle due serie sono sincronizzati (o in opposizione di fase) e correlati (o anticorrelati). Le frecce verticali segnalano una relazione di fase di π/2, suggerendo che l’evoluzione di una serie sia direttamente collegata al tasso di cambiamento temporale dell’altra.

Per stabilire la significatività delle misurazioni, definiamo un intervallo di confidenza per la potenza incrociata di ampiezza maggiore. Questo viene fatto confrontando la potenza osservata in una serie reale con quella prodotta da un modello teorico di rumore rosso. La distribuzione teorica della potenza incrociata tra due processi di tipo AR1 ci permette di stabilire quando la potenza incrociata supera il livello di rumore rosso, fornendo una misura affidabile di interazione significativa tra le serie analizzate, con un grado di confidenza superiore al 95%.

2.4 Diagnostica del Modello

Nel nostro studio, adottiamo il Modo Annuale Nordico (NAM) come misura per valutare la forza del vortice, seguendo l’approccio proposto da Baldwin e Dunkerton nel 2001 e adottato in molteplici ricerche successive. Il NAM viene definito come la prima componente principale del campo dell’altezza geopotenziale zonale media (GPH), valutata per le latitudini a nord del 20° N durante la stagione invernale dell’emisfero nord, da dicembre a marzo, a un specifico livello di pressione.

Tradizionalmente, i campi GPH utilizzati per calcolare il NAM sono definiti su griglie bidimensionali (nel piano latitudine-longitudine). Tuttavia, nel nostro approccio, facciamo riferimento alla GPH media zonale, seguendo il metodo descritto da Baldwin e Thompson nel 2009, che ha dimostrato l’efficacia di questa metodologia per il calcolo del NAM.

Per quantificare la forza del vortice, monitoriamo il NAM a un livello di pressione di 10 hPa, usato comunemente per identificare gli eventi significativi di riscaldamento stratosferico improvviso (SSW). L’indice risultante viene denominato NAM10. Un evento di vortice, sia esso forte o debole, viene identificato quando il valore giornaliero del NAM10 supera le soglie di +1.5 (forte) o -2 (debole). La data in cui si verificano queste condizioni è definita come la data centrale dell’evento. Successivamente, il NAM10 deve mantenersi entro le soglie per almeno 10 giorni consecutivi — il tempo approssimativo del ciclo radiativo della media stratosfera — prima che possa essere registrato un nuovo evento.

La soglia di intensità forte è stata stabilita seguendo la metodologia di Baldwin e Dunkerton, mentre quella per gli eventi deboli è stata impostata in modo da riflettere una frequenza di eventi simile a quella riportata in DM21, utilizzando lo stesso modello UKESM ma con una definizione di SSW basata sul vento zonale, con un’incidenza di 0.54 eventi durante l’inverno.

Utilizziamo anche il NAM₁₀ per derivare un indice che identifichi intervalli di inverni consecutivi con un comportamento persistente del vortice. L’indice per gli intervalli persistenti di NAM₁₀ è definito come segue: inizialmente, il NAM₁₀ viene mediato per ogni stagione invernale dell’emisfero nord, da dicembre a marzo, per fornire una misura della forza media del vortice per ciascun inverno. Successivamente, questo indice è levigato applicando un filtro gaussiano, realizzato attraverso la convoluzione della serie temporale con un nucleo gaussiano unidimensionale nel dominio temporale. Il valore di deviazione standard del nucleo è impostato a 2 anni, seguendo il metodo proposto da Reichler et al. (2012) e simile alla levigatura quinquennale usata per le serie temporali degli eventi di riscaldamento stratosferico improvviso in DM21. La scelta di un periodo di 2 anni consente che i dati fino a 7 anni prima e dopo l’anno centrale influenzino il valore levigato, sebbene la finestra gaussiana tenda a zero a circa 3,5 volte la deviazione standard dalla media. Tuttavia, i contributi più significativi provengono da 3-4 anni prima e dopo l’anno centrale, permettendo di catturare periodi di circa 6-8 anni con un comportamento persistente del vortice, durata simile a quella degli intervalli osservati nelle rianalisi (per esempio, durante gli anni ’90, come riportato da Pawson e Naujokat nel 1999).

In seguito, definiamo intervalli persistenti di NAM₁₀ quando il vortice mostra lo stesso tipo di comportamento per diversi anni consecutivi, basandoci sui valori estremi dell’indice NAM₁₀ levigato. Un intervallo persistente di NAM₁₀ viene registrato quando il valore dell’indice levigato rientra nei migliori cinque percentili. Una volta identificato un tale intervallo, non può essere registrato un nuovo intervallo per i successivi 15 anni, per prevenire la selezione di più anni centrali nello stesso periodo. L’utilizzo dei valori del cinque percento garantisce un tasso di intervalli di vortice persistenti comparabile a quello riportato da Reichler et al. (2012), quindi adottiamo questa soglia per un confronto diretto con tale studio. Sono stati inoltre effettuati test per valutare la sensibilità dei nostri risultati a questa soglia, i cui dettagli sono riportati nella Sezione 3.

Definiamo un indice per l’AMOC seguendo il metodo proposto da Reichler et al. (2012). Questo indice è basato sulla funzione di flusso di ribaltamento nell’Atlantico e, per ogni punto temporale, corrisponde al valore massimo della funzione a qualsiasi profondità per una latitudine scelta, specificamente a 30°, 45° e 50° N. Misuriamo inoltre la reattività e la covariabilità di questo indice con la serie temporale NAM10 e altri indici climatici. L’indice AMOC osservato è ottenuto dai dati dell’array RAPID, rappresentando la massima circolazione meridionale di ribaltamento a 26° N.

Incorporiamo anche una definizione dell’Oscillazione Nord Atlantica (NAO) secondo Hurrell et al. (2003). L’indice NAO è calcolato come la prima componente principale della pressione media al livello del mare (MSLP) desezonalizzata, raccolta tra dicembre e marzo, per una regione estesa da 20° a 80° N e da 90° W a 40° E. Questa componente è il risultato della proiezione della prima funzione empirica ortogonale (EOF) sul campo delle anomalie MSLP.

Ulteriormente, definiamo un campo di flusso di calore tra oceano e atmosfera, calcolato come la somma dei flussi di calore latente e sensibile. Questi valori, quando positivi, indicano un trasferimento di calore dall’oceano all’atmosfera.

Definiamo anche un indice per monitorare le anomalie di convezione profonda nella regione equatoriale orientale del Pacifico, utilizzando la radiazione infrarossa emessa dalla sommità dell’atmosfera (OLR). Questo indice è calcolato come media dell’OLR in un’area delimitata tra 10° S e 10° N e tra 240° e 290° E. Un aumento nella convezione profonda porta a un aumento dell’altezza delle cime delle nuvole, riducendo di conseguenza l’OLR. La regione del Pacifico orientale è stata selezionata attraverso un’analisi di sensibilità per identificare le variazioni di OLR su una scala temporale di 90 anni, risultando simile alle aree studiate per gli schemi dell’El Niño-Oscillazione Meridionale del Pacifico orientale, considerati distinti dalla regione ENSO del Pacifico centrale tradizionale, come identificato da Johnson nel 2013.

Utilizziamo lo stesso indicatore QBO di DM21, definito come la media del vento zonale (ZMZW) per la fascia di latitudine tra 5° S e 5° N e per il livello di pressione tra 15 e 30 hPa. Questo indicatore evidenzia il grado di coerenza verticale nel QBO, una caratteristica ritenuta importante per le teleconnessioni del QBO con le medie latitudini dell’emisfero nord, come dimostrato da Andrews et al. nel 2019. Seguendo il metodo di DM21, definiamo anche l’ampiezza istantanea del QBO profondo, che mostra una modulazione significativa nella fase di vento occidentale, utilizzando la trasformata di Hilbert del QBO. Questo processo coinvolge una convoluzione del QBO con una funzione specifica per calcolare l’ampiezza che varia nel tempo.

Infine, esaminiamo la relazione tra la magnitudine degli estremi levigati del NAM₁₀ stratosferico e le anomalie dell’AMOC ritardate di 17 anni, applicando una regressione lineare con un singolo predittore, l’AMOC ritardato. Valutiamo la robustezza di questa relazione attraverso un coefficiente di correlazione, r, e determiniamo un livello di significatività per questo valore mediante un metodo di bootstrapping. Questo metodo considera la probabilità che tale valore emerga se le fasi nei segnali tra NAM₁₀ e AMOC fossero assegnate casualmente, pur mantenendo la struttura di autocorrelazione originale. Procediamo confrontando il valore di r ottenuto con dati reali con quelli generati da una serie di dati sintetici NAM₁₀. Questi dati sintetici sono prodotti applicando una trasformata di Fourier all’indice NAM₁₀ levigato, mescolando casualmente le fasi di Fourier, e infine eseguendo la trasformata di Fourier inversa per generare una serie temporale surrogata che conserva lo stesso spettro di potenza di Fourier dei dati originali. Ripetendo questa procedura e calcolando la correlazione tra la magnitudine degli estremi positivi nei NAM₁₀ surrogati e l’AMOC ritardato di 17 anni, sviluppiamo una funzione di distribuzione di probabilità per il valore di r, che può essere utilizzata per stimare il livello di significatività di un valore reale di r.

3.1 Risposte della superficie in stagione agli eventi anomali del vortice polare

La nostra analisi inizia valutando la reazione della superficie agli eventi anomali del vortice, utilizzando un modello per verificare l’adeguatezza dello studio di interazioni su scale temporali più lunghe. La Figura 1 illustra le differenze nella pressione media al livello del mare (MSLP) tra gli anni con vortici polari forti e deboli. Questi dati compositi sono stati ottenuti selezionando i valori di MSLP durante gli eventi in cui il valore giornaliero del NAM10 superava i +1.5 (forte) o scendeva sotto i -2 (debole), come spiegato nella Sezione 2.4.

Le differenze rivelano una risposta significativa e ritardata della MSLP, con gli anni di vortici forti (deboli) che mostrano un modello NAO positivo (negativo), confermando quanto osservato in precedenti studi di modellazione e osservativi citati nella Sezione 1. Un’importante anomalia positiva si osserva nell’Oceano Pacifico del Nord (la Bassa delle Aleutine – AL) e una negativa nella regione siberiana, nel mese precedente all’anomalia del vortice, con un intervallo di tempo da -1 a 0 mesi. Questo fenomeno è stato ampiamente analizzato in letteratura (Rao et al., 2019), dimostrando che l’intensità della Bassa delle Aleutine è legata alla forza delle onde planetarie che si propagano verticalmente, interagendo poi con il vortice stratosferico e influenzandone la potenza.

L’analisi DM21, usando la stessa simulazione di controllo π qui presentata, ha confermato un legame statisticamente significativo tra la Bassa delle Aleutine e la frequenza degli eventi di riscaldamento stratosferico improvviso (SSW), anche se i coefficienti di regressione risultavano minimi rispetto all’influenza del QBO. Nello specifico, l’associazione tra la Bassa delle Aleutine e la forza del vortice si è dimostrata leggermente più forte (r = 0.39 con il NAM), probabilmente grazie alla capacità del NAM di identificare entrambi i tipi di anomalie del vortice (forti e deboli). DM21 ha anche rilevato che la Bassa delle Aleutine mostrava una variabilità decennale e pluridecennale minima, coerente con la variabilità del vortice su scale temporali simili, motivo per cui il ruolo della Bassa delle Aleutine non è stato approfondito in questo studio.

Il modello evidenzia risposte significative nei flussi di calore tra oceano e atmosfera (Fig. 1; fila centrale). Le maggiori anomalie di flusso si registrano entro i 30 giorni (ritardo di 0-1 mesi), seguendo un modello spaziale che ricorda un tripolo del Nord Atlantico: anomalie positive si osservano nel Nord Atlantico subpolare tra circa 50-65°N, anomalie negative al largo della costa est degli Stati Uniti e una seconda anomalia positiva al largo della costa nord-est dell’Africa. Questo schema è in linea con le risposte del modello individuate da Reichler et al. (2012) durante eventi stratosferici anomali di NAM1010​ e con il pattern associato a fasi positive del NAO secondo Delworth e Zeng (2016). Come per i compositi di MSLP, si notano anomalie visibili nei 30 giorni che precedono gli eventi identificati (ritardo -1-0 mesi) sia nell’Atlantico che nel Pacifico. Il modello dell’Atlantico potrebbe riflettere risposte iniziali a un vortice disturbato o rinforzato e possibili precursori degli eventi. Le anomalie nel Pacifico che precedono gli eventi, concentrate nella regione della Bassa delle Aleutine, sono notevolmente minori rispetto a quelle dell’Atlantico.

La risposta delle temperature superficiali del mare (SST) agli eventi stratosferici anomali di NAM10​ (Fig. 1; fila inferiore) si manifesta con un ritardo di circa 2 mesi rispetto alle anomalie dei flussi di calore, con le anomalie di maggior ampiezza che si presentano tra i 2 e i 4 mesi di ritardo. Il pattern delle anomalie è simile a quello dei flussi di calore, ma con un cambio di segno, in linea con un meccanismo secondo cui le SST reagiscono ai flussi di calore anomali, come discusso in Hausmann et al. (2017). È evidente un’importante anomalia negativa nel Pacifico orientale tropicale nei mesi che precedono gli eventi di vortice anomalo, insieme a anomalie che ricordano l’Oscillazione Decadale del Pacifico (PDO) nella regione della Bassa delle Aleutine (Mantua et al., 1997). Queste caratteristiche persistono per diversi mesi. La variabilità in questa regione è dominata dalle oscillazioni di El Niño-Southern Oscillation (ENSO) e numerose ricerche (ad esempio, Domeisen et al., 2019) hanno proposto teleconnessioni tra ENSO e la forza del vortice, confermando il tipo di associazione osservata qui, ovvero SST negative (positive) o condizioni di La Niña (El Niño) associate a un vortice stratosferico anomalamente forte (debole).

3.2 Impatti superficiali delle anomalie persistenti del vortice

I modelli di anomalia osservati durante la stagione, associati agli eventi stratosferici anomali di NAM10​, mostrati nella Figura 1, confermano la capacità del modello di riprodurre l’influenza delle anomalie del vortice sulla superficie, in particolare sopra la regione atlantica. Estendiamo ora l’analisi per esaminare la variabilità su scala decennale. Seguendo il metodo di Reichler et al. (2012), abbiamo lisciato l’indice di NAM10​ (Figura 2) e selezionato i percentili superiore e inferiore del cinque per cento di questo indice per identificare periodi con un vortice polare persistentemente forte o debole (per ulteriori dettagli vedi Sezione 2.4). I punti rossi e blu nella Figura 2 indicano l’anno centrale degli intervalli identificati con anomalie del vortice persistenti e consecutive (ogni punto rappresenta il centro di intervalli di circa 8 anni; vedi Sezione 2.4).

Successivamente, abbiamo analizzato le risposte superficiali caratteristiche associate a questi intervalli, compilando composizioni attorno all’anno centrale di ciascun intervallo positivo e negativo, considerando ritardi di -40 anni (prima degli intervalli) e 40 anni (dopo gli intervalli). Calcolare la differenza composita (positivo meno negativo) ci ha permesso di valutare gli impatti superficiali potenziali agli intervalli osservati di anomalie del vortice persistenti e consecutive, come le continue anomalie forti predominanti per la maggior parte degli anni ’90 e le anomalie deboli consecutive all’inizio degli anni 2000.

Un’analisi lead-lag delle differenze composite nella forza della Corrente di Circolazione Meridionale Atlantica (AMOC) a tre diverse latitudini è rappresentata nella Figura 3. Questa figura può essere confrontata direttamente con la Figura 4c di Reichler et al. (2012), che suggeriscono come la variabilità decennale nella forza del vortice possa amplificare un intervallo temporale simile di variabilità nell’AMOC attraverso una risonanza tra i due segnali. Analogamente a quel lavoro, qui si osserva una risposta oscillante dell’AMOC alle anomalie stratosferiche, con anomalie positive significative nell’AMOC a 45 e 50° N, manifestatesi con un ritardo di circa 3-5 anni dopo periodi persistenti di NAM10​, seguite da anomalie negative tra i 10 e i 23 anni di ritardo. Questo schema di risposta risulta più chiaramente dalle versioni filtrate a basso passaggio delle risposte dell’AMOC (Fig. 3b, d e f). Anche dopo aver eliminato i segnali ad alta frequenza, emergono differenze composite significative nei ritardi di circa 10-23 anni, con risposte massime fino a 1.5 Sv che si manifestano tra i 15 e i 20 anni di ritardo. È importante notare, tuttavia, che il filtraggio a basso passaggio delle serie temporali dell’AMOC riduce la varianza complessiva, abbassando così la soglia di significatività per le differenze composite, il che potrebbe aumentare le risposte ritenute significative, come illustrato nella Figura 3.

A 30° N, invece, non si osserva chiaramente un comportamento di risposta oscillante dell’AMOC, benché siano visibili anomalie negative prolungate nei ritardi di circa 10-28 anni dopo gli intervalli. I modelli di risposta a questa latitudine risultano anche notevolmente inferiori rispetto a quelli a 45 e 50° N nelle composizioni filtrate (Fig. 3a e b). Una possibile spiegazione di ciò è che il meccanismo di accoppiamento tra il NAM10​ e l’AMOC potrebbe coinvolgere una risposta dell’AMOC che origina a latitudini superiori e si propaga poi verso l’equatore, portando così a una minor forzatura dell’AMOC più a sud. Zhang (2010) ha anche notato differenze latitudinali nella risposta dell’AMOC, quindi queste variazioni tra le latitudini di 30, 45 e 50° N non sono inaspettate.

I segnali AMOC a 45 e 50° N esibiscono significative anomalie positive che precedono gli intervalli persistenti del vortice, con un anticipo di circa 20 anni; queste sono presenti anche, seppur in forma attenuata, negli indici filtrati a basso passaggio. Tale precursore degli intervalli persistenti di NAM10​ non emerge nei risultati di Reichler et al. (2012), e il ruolo di questa caratteristica verrà esaminato più approfonditamente nella Sezione 3.5.

Proseguendo, analizziamo più dettagliatamente questa teleconnessione tra il vortice e l’AMOC per esplorare i possibili meccanismi fisici che potrebbero spiegare la risposta dell’AMOC agli intervalli persistenti di NAM10​. La Figura 4b rivela una risposta oscillante anche nell’NAO, caratterizzata da una differenza di risposta immediata positiva (conforme alla Figura 1), una significativa anomalia negativa dell’NAO tra i ritardi di 10-18 anni, e infine una risposta positiva dell’NAO intorno ai 28 anni, sebbene con un’ampiezza inferiore rispetto alla risposta immediata.

Dalla Figura 4b è anche evidente che le risposte oscillanti dell’NAO e dell’AMOC sono simili, con l’NAO che anticipa la risposta dell’AMOC di 2-3 anni. Le reazioni di entrambi varianno con periodi di 28-30 anni, ma è interessante notare che le risposte negative sono più intense e durature nei ritardi di 10-20 anni rispetto a quelle immediate e a quelle nei ritardi di 28-30 anni. Questa variazione nell’ampiezza e nella persistenza implica che i modelli di risposta dell’NAO e dell’AMOC non possono essere descritti semplicemente come una risposta oscillante alla forzatura immediata del NAM10​. In tal caso, ci si aspetterebbe una diminuzione dell’ampiezza della risposta nel tempo e una risposta negativa meno intensa ai ritardi di 10-20 anni rispetto alla risposta positiva iniziale. Al contrario, per spiegare le risposte amplificate a ritardi di 10-20 anni è necessario un meccanismo di feedback o uno risonante, come proposto da Reichler et al. (2012). Se tale meccanismo di feedback esistesse, si potrebbe anche osservare un comportamento oscillatorio nella serie temporale lisciata di NAM10​ come reazione al feedback proveniente dalla superficie.

Per approfondire questa questione, la Figura 4a presenta l’analisi delle differenze lead-lag per l’indice NAM10​ lisciato, composto attorno ai suoi valori estremi. Questo supporta l’esistenza di un meccanismo di feedback, in quanto mostra anche un comportamento oscillante con un periodo di circa 30 anni. Tuttavia, tale oscillazione è evidente principalmente dai due picchi positivi ai ritardi di 0 e 30 anni, con quest’ultimo significativamente attenuato. Non si osserva una risposta significativa nei ritardi di 10-20 anni, dove erano maggiori le risposte dell’NAO e dell’AMOC. Questo indica che le risposte negative dell’NAO e dell’AMOC a questi ritardi non sono probabilmente dovute a una risonanza con il segnale NAM10​.

Come alternativa, un possibile percorso fisico potrebbe implicare un meccanismo di feedback amplificativo tra le risposte dell’NAO e dell’AMOC. In questo scenario, la risposta positiva immediata dell’NAO potrebbe innescare un’anomalia positiva del flusso di calore oceano-atmosfera sopra il Nord Atlantico subpolare, come osservato nei modelli di risposta a eventi vorticosi singoli nella Figura 1. Questa anomalia nel flusso di calore potrebbe quindi provocare anomalie negative persistenti nelle temperature superficiali dell’oceano a causa della rimozione di calore dall’oceano per variazioni nello stress del vento e nell’evaporazione. La linea nera nella Figura 4b illustra la differenza lead-lag per il flusso di calore oceano-atmosfera nella regione che abbraccia il Nord Atlantico subpolare (45–65°N, 15–60°O). Quest’area è stata scelta perché comprende la zona con la più intensa risposta del flusso di calore ai singoli eventi del vortice, come mostrato nella fila centrale della Figura 1. La Figura 4c mostra il profilo di profondità della risposta della temperatura oceanica della medesima regione.

Una risposta positiva nel flusso di calore e un raffreddamento della parte superiore dell’oceano (da 0 a 200 metri di profondità) sono evidenti con ritardi di 0-1 anno. Questa variazione del flusso di calore causerebbe, a sua volta, un’anomalia positiva dell’AMOC a ritardi di 2-3 anni, attraverso modifiche nella profondità dello strato misto e nella convezione profonda nel Nord Atlantico subpolare, un effetto già discusso da Delworth et al. (1993) e Medhaug et al. (2012). Tale incremento nella forza dell’AMOC comporterebbe successivamente un aumento della temperatura del Mare del Labrador, grazie al trasporto di calore verso nord. Questo è confermato da un’anomalia positiva della temperatura oceanica profonda (fino a 2000 metri) osservata a ritardi di 10-20 anni nella Figura 4c.

In seguito, il ribaltamento delle temperature nel Mare del Labrador può influenzare l’NAO, come dimostrato da Frankignoul et al. (2013), inducendo una fase negativa dell’NAO a ritardi di 10 anni mentre l’aumentato contenuto di calore del Mare del Labrador modifica i flussi di calore tra oceano e atmosfera nella stessa regione. Questo cambiamento nella fase dell’NAO porterebbe quindi a una successiva anomalia negativa dell’AMOC, utilizzando lo stesso meccanismo di flusso di calore illustrato in precedenza per una fase opposta dell’NAO. Questa serie di interazioni di feedback servirebbe quindi ad aumentare la persistenza e l’intensità degli estremi secondari nell’NAO e nell’AMOC. Reichler et al. (2012) propongono brevemente un meccanismo simile per giustificare la risposta dell’AMOC nelle loro simulazioni, includendo un feedback negativo dell’AMOC su sé stesso e un ruolo per l’NAO.

la Figura 1 mostra la sequenza di cambiamenti sulla superficie terrestre collegati a variazioni insolite dell’indice del vortice polare stratosferico, noto come NAM10​, durante l’inverno. La figura è suddivisa in tre righe che rappresentano tre diverse variabili climatiche, ognuna esplorata attraverso una serie di mesi prima e dopo un evento centrale del NAM10​.

Nella prima riga, abbiamo l’anomalia della pressione media al livello del mare (MSLP), misurata in ettopascal (hPa). Le zone colorate mostrano dove le anomalie tra gli anni con un NAM10​ forte e quelli con un NAM10​ debole sono significativamente diverse in termini statistici.

Un’ombreggiatura blu o rossa implica un’alta confidenza che le differenze osservate non siano casuali. L’asse temporale ci mostra come questi cambiamenti nella pressione si manifestino rispetto al tempo del picco dell’anomalia del NAM10​: valori temporali negativi indicano anomalie che precedono il picco, mentre valori positivi indicano risposte che seguono.

La seconda riga documenta il flusso di calore tra l’oceano e l’atmosfera, sommando i flussi di calore latente e sensibile, espressi in watt per metro quadrato (Wm−2−2). Anche qui l’ombreggiatura mostra la significatività statistica delle differenze, offrendo un quadro di come il flusso di calore reagisce o anticipa le variazioni del NAM10​.

Infine, la terza riga mostra le variazioni delle temperature superficiali del mare (SST), in Kelvin (K). Ancora una volta, le anomalie significative sono evidenziate e ci permettono di vedere come le temperature del mare rispondano agli eventi stratosferici, formando una narrazione di interconnessione tra l’alta atmosfera e i nostri oceani.

In generale, la figura offre una visione integrata di come potenti dinamiche atmosferiche stratosferiche possano influenzare i pattern climatici sulla Terra, manifestando la loro presenza attraverso pressioni atmosferiche modificate, scambi termici alterati e temperature marine variate, con una cadenza temporale che ci aiuta a comprendere la sequenza degli eventi che seguono o precedono gli episodi anomali del NAM10​.

La Figura 2 visualizza l’andamento temporale dell’indice NAM10​ da dicembre a marzo, misurato a una quota di 10 hPa nella stratosfera, che è rappresentato dalla linea verde. Questa serie di misurazioni riflette le variazioni stagionali del vortice polare. Affinché si possano osservare le tendenze a lungo termine, i dati sono stati lisciati con un filtro gaussiano, risultando nella linea viola. Questo lisciamento serve a minimizzare le fluttuazioni di breve periodo e a enfatizzare le tendenze decennali.

I punti rossi e blu marcano gli anni centrali degli intervalli durante i quali il vortice polare mostra anomalie persistentemente forti o deboli, rispettivamente. Questi intervalli sono definiti come i valori estremi, cioè quelli che cadono nei primi o negli ultimi cinque percentili dell’indice filtrato. Gli anni centrali sono stati scelti in modo che ci sia una distanza di almeno dieci anni tra intervalli consecutivi, garantendo che gli eventi estremi non si sovrappongano e siano ben distanziati nel tempo.

L’asse delle ascisse, che mostra il numero di anni, ci permette di tracciare la storia dell’indice NAM10​ e di individuare cicli o pattern nei cambiamenti del vortice polare. In sostanza, la Figura 2 ci fornisce una mappa del comportamento del vortice polare nel tempo, essenziale per comprendere come variazioni a lungo termine nell’alta atmosfera possano influenzare i sistemi climatici e meteorologici terrestri.

3.3 Risposte non lineari a intervalli di vortice forte e debole

Finora abbiamo analizzato le differenze composite nelle risposte a intervalli persistenti di vortice forte e debole. Tuttavia, è noto che l’evoluzione del vortice nei periodi di vortice forte e debole differisce notevolmente, influenzando in modo diverso la variabilità della superficie e dell’oceano. Di conseguenza, è improbabile che le risposte superficiali ai due estremi siano uguali e opposte. Ad esempio, gli inverni con un vortice debole sono frequentemente associati a eventi di riscaldamento stratosferico improvviso (SSW), il cui impatto in superficie si manifesta generalmente tra 0 e 60 giorni dalla loro data centrale. Inoltre, il vortice spesso si trova in uno stato precondizionato in cui diventa anomalamente forte nelle settimane che precedono un SSW. Pertanto, la tempistica degli eventi SSW durante una stagione determina sia la forza complessiva del NAM₁₀ misurata durante la stagione invernale, usata per costruire l’indice NAM₁₀ persistente, sia l’intensità della risposta superficiale successiva. Al contrario, gli inverni caratterizzati da un vortice straordinariamente forte tendono a mantenere tale comportamento per tutta la stagione, risultando in un impatto più esteso e prolungato sulla superficie.

Per valutare separatamente l’influenza di ciascun tipo di estremo del vortice, la Figura 5 presenta un’analisi composita di lead-lag del NAO, AMOC, NAM₁₀ e dei segnali di flusso di calore per gli intervalli di NAM₁₀ persistentemente positivi (vortice forte) e persistentemente negativi (vortice debole). I modelli di AMOC associati a ciascun tipo di NAM₁₀ presentano lievi differenze. Il composito di un vortice persistentemente forte mostra un chiaro comportamento oscillatorio con un periodo di circa 28 anni, simile a molte delle caratteristiche osservate nelle differenze composite di AMOC. In particolare, si osserva un’anomalia AMOC positiva a ritardi di 2-3 anni, un’anomalia AMOC negativa tra 10 e 23 anni (con l’ampiezza massima circa tra 15 e 20 anni) e un secondo picco positivo a circa 30 anni.

D’altra parte, i compositi di un vortice persistentemente debole evidenziano una risposta più complessa, con minimi doppiamente accentuati a ritardi di -20 e -11 anni e massimi doppi a 14 e 25 anni. I compositi del vortice debole non mostrano una risposta significativa dell’AMOC ai ritardi di 2-3 anni, a differenza dei compositi del vortice forte. Entrambi i tipi di eventi sono associati a anomalie del NAO immediatamente (ritardo zero), ma la risposta è più marcata negli intervalli di vortice forte, in linea con una più evidente risposta dell’AMOC a 2-3 anni di ritardo per questi eventi. La risposta del NAO a ritardo zero è seguita da un’estremità di segno opposto, manifestandosi a circa 16 anni di ritardo per gli intervalli forti e a 14 anni per quelli deboli.

Come nei compositi dell’AMOC, la risposta del NAO agli intervalli di vortice forte mostra un comportamento oscillatorio pronunciato con periodi di circa 28 anni. Analogamente, l’analisi del NAM₁₀ rivela un comportamento oscillatorio con periodi simili. Si osserva che i risultati del NAM₁₀ dimostrano una significatività statistica sia nei periodi precedenti che successivi. Tuttavia, in questo caso, l’interpretazione di questi periodi è meno rilevante, poiché il NAM₁₀ viene utilizzato sia come segnale che nella selezione dei compositi. La presenza di significatività in entrambi i periodi conferma semplicemente l’esistenza di un comportamento oscillatorio.

Il comportamento a doppi picchi dell’AMOC, associato agli intervalli deboli, si riflette in parte anche nella risposta del flusso di calore nell’Atlantico subpolare nord, evidenziata in Figura 5c, con picchi positivi di risposta a circa 11 e 20 anni di ritardo. È presente anche un’anomalia del flusso di calore a ritardo zero associata agli intervalli di vortice debole, corrispondente alla risposta negativa del NAO, mentre la risposta corrispondente agli intervalli forti non risulta significativa.

Per affrontare la mancanza di segnali nel flusso di calore, abbiamo anche esaminato le risposte di una metrica più sofisticata del flusso di calore oceano-atmosfera, illustrata nella Figura 5e. Questa metrica cattura la variazione temporale di una struttura spaziale più complessa delle anomalie di flusso di calore associate alle variazioni del vortice, rispetto a una semplice media su area. Si evidenzia in particolare la struttura tripolare, ben conosciuta nelle risposte agli eventi di vortice individuali, con centri sull’Atlantico subpolare nord, vicino alla costa orientale degli USA e lungo la costa del nord-est dell’Africa. Questo indice è calcolato proiettando il campo medio annuale del flusso di calore invernale (dicembre-marzo) sul modello definito come la media delle risposte compositive da 0 a 60 giorni agli eventi di vortice individuali. Questo modello è rappresentato nella Figura 6. Le risposte di questo indice evidenziano alcune delle caratteristiche dei compositi dell’AMOC, come la risposta immediata agli eventi forti e la variazione periodica di circa 28 anni nelle risposte forti.

La presenza di comportamenti a doppio picco nelle risposte deboli è anch’essa osservabile in questa metrica di flusso, ma, come con la metrica media su area, non è così definita come nelle risposte dell’AMOC. Sarà necessario un ulteriore approfondimento sui modelli precisi delle anomalie del flusso di calore associati ai diversi tipi di intervalli del vortice per comprendere appieno i modelli osservati in questi compositi.

Le differenze tra le risposte dell’AMOC e del NAO agli intervalli di vortice persistentemente forti e deboli, insieme alla complessità delle risposte separate, indicano che le interazioni tra il NAM₁₀ e queste modalità superficiali sono complesse, con alcuni indizi di comportamenti oscillatori su diverse scale temporali. Nei prossimi paragrafi, esploreremo queste complessità in dettaglio analizzando gli spettri di frequenza delle serie temporali e dimostreremo che alcune di queste complessità possono essere spiegate tramite la non stazionarietà dei segnali.

La Figura 3 presenta la reazione ritardata dell’indice AMOC in risposta a periodi di attività del NAM₁₀ prolungati nel tempo. Le serie temporali colorate di blu evidenziano la differenza tra i valori compositi dell’AMOC durante gli intervalli in cui il NAM₁₀ è risultato positivo e quelli in cui è stato negativo, come definito precedentemente nella Sezione 2.4 dello studio. L’asse orizzontale indica il tempo anticipato (con valori negativi) o ritardato (con valori positivi) rispetto all’anno centrale dell’intervallo in esame. I punti blu pieni indicano dove la differenza tra i compositi è statisticamente significativa al 95%, secondo un test t di Student a due code.

La figura è divisa in sei pannelli, etichettati da (a) a (f), ognuno dei quali rappresenta una latitudine specifica — 50°N, 45°N e 30°N — e mostra sia i dati grezzi (pannelli a, c e e) che i dati levigati (pannelli b, d e f). I pannelli sulla sinistra mostrano i dati mensili dell’AMOC, con fluttuazioni che vanno da picchi positivi a picchi negativi lungo l’intervallo temporale considerato. I pannelli sulla destra, invece, espongono questi dati dopo essere stati trattati con un filtro gaussiano, che ha un parametro σ di 2 anni. Questo processo di levigatura serve a far emergere le tendenze a lungo termine e le oscillazioni generali dell’indice AMOC, permettendo una lettura più chiara di eventuali ciclicità o pattern di variazione periodica.

La Figura 4 si compone di tre grafici distinti che mettono in luce come diversi indicatori climatici rispondano a intervalli estremi del NAM₁₀.

Nel pannello (a) è illustrata la differenza levigata dell’indice NAM₁₀ tra gli intervalli estremi, ossia la differenza tra le condizioni di NAM₁₀ positivo e quelle di NAM₁₀ negativo. Il diagramma mostra come l’indice oscilli nel tempo rispetto all’anno centrale dell’evento, con i dati non significativi segnati da punti interrotti.

Il pannello (b) introduce tre serie temporali: la risposta dell’AMOC a 50°N in blu, l’indice medio del NAO da dicembre a marzo in verde e il flusso di calore tra oceano e atmosfera in nero, quest’ultimo calcolato come la somma dei flussi di calore latente e sensibile su un’area dell’Atlantico definita. Tutti e tre gli indicatori sono stati levigati con un filtro gaussiano. Questo pannello mette in relazione la dinamica dell’AMOC, la variabilità del NAO e i cambiamenti nel flusso di calore, tutti fondamentali per comprendere i processi climatici a livello sia superficiale che profondo dell’Atlantico.

Infine, il pannello (c) esplora le risposte ritardate delle anomalie della temperatura oceanica a diverse profondità, ancora una volta in relazione agli intervalli di NAM₁₀. Le anomalie sono visualizzate attraverso una mappa di calore che va dal blu (anomalie negative) al rosso (anomalie positive), offrendo una rappresentazione visiva di come le temperature a varie profondità reagiscano agli intervalli di NAM₁₀ forte o debole. Il tratteggio indica le aree dove le differenze tra gli intervalli forti e deboli non sono statisticamente significative. Questa sezione fornisce uno spaccato della reazione termica degli strati oceanici in risposta a dinamiche atmosferiche più ampie.

Complessivamente, la Figura 4 ci permette di osservare l’interazione tra variabili climatiche in superficie e in profondità e di considerare come queste risposte possano variare nel tempo in correlazione con gli stati estremi del NAM₁₀.

3.4 Variabilità Non Stazionaria

Nell’analizzare la medesima simulazione di controllo UKESM π, DM21 ha evidenziato che la variabilità nel vortice polare stratosferico si manifesta su vari intervalli temporali ed è marcatamente non stazionaria. Benché l’analisi composita sopra citata indichi un comportamento oscillatorio con periodicità di circa 30 anni, i risultati possono essere complicati dalla presenza di variabilità non stazionaria a diverse periodicità. Per questo motivo, abbiamo esaminato le caratteristiche di frequenza dell’indice NAM₁₀ filtrato. La Figura 7 mostra lo spettro di potenza wavelet di questo indice, rivelando variabilità su una serie di scale temporali. Conforme alle aspettative derivanti dalle analisi compositive, lo spettro evidenzia una potenza intermittente per tutta la durata della simulazione per periodi tra i 15 e i 40 anni. È inoltre presente una significativa potenza per un periodo di circa 90-100 anni che persiste per circa 300 anni di simulazione (dall’anno 520 all’820, coprendo approssimativamente tre cicli), e una potenza per il periodo di 50 anni che persiste per 120 anni (dall’anno 500 al 620, coprendo approssimativamente due cicli).

È importante notare che buona parte della periodicità di circa 30 anni osservata nell’analisi composita potente è probabilmente correlata a significative energie wavelet nel tratto tra gli anni 300 e 410, intervallo che mostra il maggior numero di estremi positivi nella serie temporale lisciata di NAM₁₀ (confrontabile con la potenza wavelet di 30 anni nella Figura 6 e i punti rossi nella Figura 2). Il numero elevato di estremi NAM₁₀ in questo segmento è probabilmente anche influenzato dalla presenza di variabilità su scale temporali molto lunghe. Un’osservazione qualitativa della Figura 2 indica che l’ampiezza di NAM₁₀ inizia ad aumentare a partire dall’anno 200, raggiunge un picco intorno all’anno 380 e poi diminuisce. Questo significa che gli anni compresi in questo intervallo hanno maggiori probabilità di rientrare nei primi cinque percentile, qualificandosi come un vortice eccezionalmente forte. L’origine di questa variabilità multicentenaria rimane incerta, e l’analisi dettagliata di un segnale a bassa frequenza si rivela difficile, dato che la potenza wavelet di questa variabilità si localizza prevalentemente al di fuori del cosiddetto “cono di influenza”, dove gli effetti di margine diventano rilevanti.

Abbiamo esaminato anche le caratteristiche di frequenza della variabilità dell’AMOC. La Figura 8 presenta gli spettri wavelet dell’AMOC a 50° N e gli spettri wavelet incrociati tra l’NAM₁₀ filtrato e l’AMOC, fornendo una misura variabile nel tempo della co-variabilità tra i due indici a diversi periodi. Lo spettro wavelet per l’AMOC a 50° N mostra un picco di potenza spettrale a circa 130 anni, persistente per quasi 400 anni della simulazione, e anche a periodi più lunghi fino a 250 anni, sebbene gli effetti di margine rappresentino un problema a queste scale temporali multicentenarie. Si notano inoltre segmenti di potenza significativa a circa 30 e 50 anni, che persistono rispettivamente per circa due cicli (∼ 60 e ∼ 100 anni), evidenti anche nello spettro di potenza globale. È interessante osservare che il principale picco di potenza a 30 anni deriva dall’intervallo tra 300 e 400 anni, coincidendo con il periodo di maggiore attività sia nell’analisi NAM₁₀ (Fig. 7) che nei percentili elevati di NAM₁₀ (Fig. 2).

Lo spettro di potenza incrociata tra l’NAM₁₀ filtrato e l’AMOC identifica tre caratteristiche distinte che corrispondono grossolanamente ai tre intervalli temporali prominenti negli spettri individuali di entrambi gli indici. Un’evidente potenza incrociata si manifesta a periodi di 90-100 anni per circa 350 anni (tra 450 e 800 anni; tre-quattro cicli). La relazione di fase tra i segnali in questa parte dello spettro incrociato mostra una serie di frecce rivolte a sinistra nella parte iniziale, indicando una relazione anticorrelata, e frecce rivolte verso il basso nella parte finale che indicano una relazione di fase π/2. Quest’ultima relazione di fase può essere interpretata in vari modi, come i massimi dell’AMOC che anticipano i massimi nell’NAM₁₀, i minimi nell’NAM₁₀ che portano a massimi nell’AMOC, o i massimi nell’indice NAM₁₀ che coincidono con i massimi nel tasso di cambiamento dell’AMOC. Inoltre, c’è una notevole potenza spettrale incrociata concentrata attorno ai 30 anni (tra 300-400 anni; tre cicli) e 50 anni (tra 500-600 anni; due cicli). A differenza del periodo di 90 anni, le frecce di fase in questi intervalli puntano a destra e leggermente verso l’alto, suggerendo che i massimi nell’indice NAM₁₀ precedano i massimi nell’AMOC di una piccola frazione del ciclo.

Questa relazione di fase è in linea con l’analisi composita presentata nelle Figure 3 e 5, che mostra come un NAM₁₀ positivo (o negativo) conduca a una risposta corrispondente dell’AMOC, solitamente dopo un intervallo di circa 2-3 anni. Le Figure A1a e A2a presentano gli spettri wavelet per l’AMOC a 30° e 45° N, evidenziando caratteristiche molto simili a quelle dell’AMOC a 50° N; è tuttavia importante notare che l’AMOC a 30° N non mostra variazioni significative sui cicli di 30 e 50 anni. Questo è evidenziato dallo spettro incrociato con l’indice NAM₁₀ lisciato, che mostra una minima potenza incrociata su questi intervalli temporali (Fig. A1b).

Per comprendere meglio questi segnali non stazionari nel contesto del meccanismo proposto per le interazioni tra il vortice e l’AMOC che coinvolgono l’NAO, abbiamo analizzato anche lo spettro di potenza per l’NAO nei mesi da dicembre a marzo (Fig. 9). Lo spettro di potenza wavelet per l’NAO (Fig. 9a) mostra una potenza significativa nei periodi di 30 anni, approssimativamente tra gli anni 300 e 400, e un picco a 50 anni, approssimativamente tra gli anni 500 e 600, simile a quanto osservato per l’NAM₁₀ e l’AMOC. Inoltre, lo spettro di potenza incrociata tra l’NAO e il NAM₁₀ rivela che i segnali nei due indici nei periodi di circa 30 e 50 anni coincidono anche nel tempo, persistendo per 70-100 anni. Le frecce nella fase tra questi segnali puntano a destra, indicando una relazione in fase tra gli indici, coerente con la relazione senza sfasamento tra l’NAO e gli estremi di NAM₁₀ filtrati, come mostrato nelle analisi composite (Figure 4 e 5).

L’analisi wavelet dell’NAO non rivela potenza significativa per i periodi di 90-100 anni. Questo suggerisce che la co-variabilità tra NAM₁₀ e AMOC su questi intervalli temporali più lunghi non coinvolga l’NAO, e probabilmente emerga attraverso meccanismi diversi. Questa particolarità sarà esaminata più approfonditamente nella Sezione 3.5.

I risultati di questa analisi wavelet possono aiutare a comprendere meglio il comportamento differenziato dell’AMOC durante gli intervalli di NAM₁₀ persistentemente positivi e negativi, come mostrato nella Figura 5. Osserviamo che il contributo principale ai compositi, che evidenzia un comportamento oscillatorio di circa 30 anni (intorno agli anni 300-400), proviene esclusivamente da una serie di intervalli di NAM₁₀ fortemente positivi (vedi i punti rossi nella Figura 2). Al contrario, la maggior parte dei contributi di NAM₁₀ deboli all’analisi composita (8 su 13) si verifica tra gli anni 500-600, un periodo che presenta variabilità sia nei cicli di 50 che di 90 anni.

Il complicato comportamento a doppio picco della risposta dell’AMOC a seguito di intervalli di vortice deboli può ora essere meglio compreso. I doppi minimi nella risposta dell’AMOC, osservati a un anticipo di 10 e 20 anni e a un ritardo di 15 e 25 anni, possono essere spiegati come manifestazioni delle risposte dell’AMOC a cicli di 50 e 90 anni. Ad esempio, un mezzo ciclo tra il minimo a 10 anni di anticipo e il massimo a 15 anni di ritardo (un mezzo ciclo di 25 anni) corrisponde a una periodicità di 50 anni, mentre un mezzo ciclo tra il minimo a 20 anni di anticipo e il massimo a 25 anni di ritardo (un mezzo ciclo di 45 anni) corrisponde a una periodicità di 90 anni.

Ulteriori conferme di questa interpretazione derivano dall’analisi composita dell’NAO (Figura 5b), che mostra una risposta che corrisponde al minimo dell’AMOC a un anticipo di 10 anni e al massimo a un ritardo di 15 anni. Questo suggerisce un meccanismo che coinvolge l’NAO su un ciclo di 50 anni. Tuttavia, non si osserva una risposta corrispondente nell’NAO per la periodicità di 90 anni, il che è coerente con gli spettri wavelet e gli spettri incrociati nella Figura 9, indicando che l’NAO non manifesta variabilità su scale temporali di circa 90 anni.

la Figura 5 offre una panoramica visiva di come diversi indicatori climatici reagiscono a intervalli persistenti di attività del vortice polare, indicato qui come NAM₁₀. Ogni sottografo mostra le anomalie rispetto al tempo, espresso come un intervallo di anni che precede o segue (lead/lag) eventi di NAM₁₀ forti o deboli.

Nel primo grafico (a), vediamo le anomalie del NAM₁₀, che sono state lisce con una funzione gaussiana. Le linee rosse mostrano le anomalie che seguono eventi forti di NAM₁₀, mentre le linee blu quelle che seguono eventi deboli. Punti solidi indicano che queste anomalie sono statisticamente significative con un livello di confidenza del 95%, secondo il test t di Student.

Il secondo grafico (b) esamina le anomalie dell’Indice Oscillazione Nord Atlantica (NAO), con il rosso e il blu che indicano di nuovo le risposte a eventi forti e deboli di NAM₁₀, rispettivamente. I punti solidi denotano la significatività statistica come nel primo grafico.

Il terzo grafico (c) raffigura il flusso di calore subpolare nel Nord Atlantico, seguendo un modello di risposta simile agli indici NAM₁₀ e NAO, con le linee che indicano le anomalie forti e deboli e i punti solidi la loro significatività.

Il quarto grafico (d) mostra le anomalie dell’AMOC a 50° N, con un pattern di risposta distinto che mostra come eventi forti e deboli di NAM₁₀ guidano risposte diverse nell’AMOC, segnato dalla distinzione tra forti e deboli risposte persistenti del vortice polare.

Infine, l’ultimo grafico (e) presenta un indice di flusso di calore dell’Atlantico, ottenuto proiettando il flusso di calore di dicembre-marzo su un pattern di risposta specifico associato agli intervalli persistenti del vortice.

In sintesi, questa serie di grafici mette in luce le relazioni temporali tra i cambiamenti nella forza del vortice polare e i cambiamenti nei vari indici climatici. Evidenzia come determinati intervalli temporali (lead/lag) siano associati a risposte climatiche più pronunciate, sia in fase di attività forte che debole del NAM₁₀.

La Figura 6 mostra come i flussi di calore tra l’oceano e l’atmosfera variano sulla superficie terrestre durante gli eventi invernali anormali del NAM₁₀. I colori sulla mappa rappresentano le differenze nel trasferimento di calore che seguono eventi di vortice polare stratosferico, distinguendo tra quelli forti e deboli, nel periodo da 0 a 60 giorni successivi a tali eventi.

Le regioni in tonalità calde, i rossi e gli arancioni, indicano zone dove l’oceano rilascia più calore all’atmosfera durante eventi di NAM₁₀ forti rispetto a quelli deboli. Viceversa, le zone in blu segnalano dove l’oceano assorbe calore dall’atmosfera, o il flusso di calore è ridotto, durante eventi di NAM₁₀ forti in confronto a quelli deboli.

La barra dei colori in basso, che varia da -40 a +40 W/m², misura la differenza di flusso di calore: i valori negativi mostrano un maggiore assorbimento di calore da parte dell’oceano, mentre i valori positivi indicano un maggiore rilascio di calore verso l’atmosfera.

In sintesi, questa figura illustra l’impatto diretto che la forza del vortice polare può avere sul trasferimento di calore tra l’oceano e l’atmosfera in varie parti dell’emisfero nord durante l’inverno, fornendo una chiave di lettura per interpretare l’influenza di questi fenomeni sulla dinamica climatica regionale.

la Figura 7 illustra l’analisi della variabilità del North Atlantic Oscillation (NAO) nei mesi invernali, utilizzando i dati lisciati del NAM₁₀.

Nel pannello (a) vediamo il NAM₁₀ filtrato per dicembre-marzo. Il lisciamento con un filtro gaussiano attenua le fluttuazioni brevi e rivela le tendenze più profonde e persistenti nel segnale del NAM₁₀.

Il pannello (b) mostra il wavelet di Morlet scelto per effettuare la trasformazione wavelet, che è uno strumento per analizzare le variazioni temporali di frequenza all’interno di un segnale. Questa funzione particolare è utilizzata per individuare le oscillazioni e le periodicità all’interno dei dati del NAM₁₀.

Il pannello centrale (c) ci presenta lo spettro di potenza wavelet della serie temporale. Le aree tratteggiate indicano zone oltre il cono di influenza, dove i risultati potrebbero essere distorti dagli effetti al limite dei dati. I contorni blu mostrano dove la potenza è statisticamente significativa al 95%, suggerendo periodi e intervalli temporali in cui il segnale del NAM₁₀ è particolarmente forte o coerente.

Infine, nel pannello (d) vediamo lo spettro di potenza globale. La linea blu rappresenta la media della potenza wavelet su tutta la simulazione, mentre la linea tratteggiata rossa delinea lo spettro di confidenza al 95%. Le aree al di sopra della linea rossa indicano periodi in cui la variabilità del NAM₁₀ è statisticamente significativa per l’intera durata della simulazione.

In sintesi, questa figura fornisce una comprensione dettagliata di come il NAM₁₀ varia nel tempo, evidenziando le scale temporali di maggiore impatto e offrendo una visione quantitativa della significatività di queste variazioni.

3.5 Forzamento superficiale della stratosfera

Non si riscontra un segnale NAO corrispondente alle periodicità di 90 anni che emergono dagli spettri wavelet di NAM₁₀ e AMOC e dallo spettro incrociato AMOC–NAM (Fig. 8). Questo suggerisce che i meccanismi alla base della teleconnessione tra stratosfera e AMOC su questa scala temporale più estesa potrebbero differire da quelli osservati per le periodicità di 30 e 50 anni. È stato inoltre osservato che la relazione di fase legata a queste periodicità più lunghe differisce da quelle più brevi, essendo sfasata di π/2, il che implica una inversione nella direzione di causalità: l’AMOC sembra influenzare la risposta della stratosfera, piuttosto che il contrario. Questo fenomeno viene esaminato più dettagliatamente esplorando possibili percorsi di variabilità su tali scale temporali.

In precedenti analisi della simulazione di controllo UKESM π, DM21 ha evidenziato una variabilità approssimativa di 90 anni nella frequenza degli eventi di riscaldamento stratosferico improvviso (SSW), mostrando una stretta associazione con variazioni di pari durata nell’ampiezza della QBO, in particolare durante la fase zonale. La Figura 10a presenta lo spettro wavelet dell’indice QBO utilizzato da DM21, lisciato con lo stesso filtro gaussiano impiegato in tutto il lavoro (vedi DM21 Fig. 12 e la Sez. 2 per i dettagli sulla derivazione dell’indice QBO). Una porzione di potenza significativa a periodi di circa 90 anni si mantiene per circa 200 anni della simulazione, tra gli anni 600 e 800, coincidendo con risposte significative nello stesso intervallo degli spettri di NAM₁₀ e AMOC a periodicità di 90 anni. Gli spettri incrociati dell’indice QBO con l’indice NAM₁₀ lisciato (Fig. 10b) confermano i risultati di DM21, evidenziando segnali coincidenti a scale temporali di 90 anni e frecce che puntano verso destra, indicando una relazione in fase. Durante questo intervallo, forti anomalie positive persistenti del QBO zonale coincidono con anomalie positive persistenti e robuste del vortice polare. Questa teleconnessione, coerente con la nota teleconnessione di Holton–Tan (Lu et al., 2008, 2014), si manifesta su scale temporali molto più lunghe. DM21 ha dimostrato che questa variabilità a lungo termine è principalmente dovuta a variazioni nella forza della fase zonale del QBO.

Sebbene la teleconnessione tra QBO e vortice polare su scala temporale lunga sia stata confermata da DM21, le cause della variabilità a lungo termine della fase zonale del QBO non sono state ancora determinate. In una fase preliminare dell’indagine, DM21 ha condotto un’analisi wavelet sulle temperature superficiali del mare (SST) in varie regioni equatoriali, inclusa quella dell’est del Pacifico equatoriale. Lo scopo era esplorare se la variabilità di circa 90 anni del QBO potesse essere spiegata dall’attivazione di attività convettiva, che a sua volta genera onde di gravità e altre onde equatoriali contribuenti al QBO. Tuttavia, non è stata rilevata alcuna periodicità di 90 anni nelle SST equatoriali.

Parallelamente, DM21 ha analizzato un indice che rappresenta la forza del Minimo delle Aleutine, per verificare se potesse spiegare i segnali di 90 anni riscontrati sia nel QBO che nel vortice polare, attraverso una modulazione della forza delle onde planetarie su larga scala. Anche in questo caso, non è stata trovata alcuna periodicità di 90 anni. Nonostante ciò, il lunghissimo periodo delle variazioni del QBO e del vortice suggerisce un meccanismo di guida che probabilmente è legato all’oceano, data la caratteristica lunga scala temporale degli oceani.

Per approfondire ulteriormente, abbiamo deciso di esaminare la variabilità della radiazione infrarossa di lunga lunghezza d’onda uscente (OLR) dalla sommità dell’atmosfera nell’est del Pacifico, utilizzata come indicatore della convezione profonda, anziché le SST dell’est Pacifico come fatto in precedenza da DM21. Un incremento della convezione profonda comporta un aumento dell’altezza delle cime delle nuvole e, di conseguenza, una riduzione dell’OLR. La Figura 10c mostra l’analisi wavelet dell’OLR di settembre-novembre nell’est del Pacifico, evidenziando una periodicità di 90 anni e una significativa potenza incrociata con l’ampiezza del QBO lisciato e l’indice NAM₁₀ (Fig. 10d, e). I segnali di OLR, QBO e NAM₁₀ risultano anticorrelati, con frecce che indicano una differenza di fase di π, coerente con una diminuzione dell’OLR (aumento della convezione profonda) che porta a un aumento dell’ampiezza del QBO attraverso un incremento del forcing delle onde.

Gli spettri incrociati tra l’AMOC e la metrica OLR (Fig. 10f) mostrano anche una significativa condivisione di potenza nell’intervallo di circa 600–800 anni, posizionandosi in corrispondenza della caratteristica osservata nello spettro di NAM₁₀ (vedi i contorni tratteggiati nella Figura 10 che indicano la regione con potenza significativa nello spettro di NAM₁₀). Questi risultati estendono le indagini di DM21, cercando di chiarire il meccanismo che collega la variabilità osservata nelle scale temporali di 90 anni tra l’AMOC, il QBO e il vortice polare.

La relazione di fase predominante in questo caso è di π/2, indicata dalla maggior parte delle frecce che puntano verso l’alto. Questo suggerisce che una delle variabili dipenda dalla velocità di variazione dell’altra nel tempo. Tale risultato rispecchia lo studio di Timmermann et al. (2005), che hanno evidenziato la sensibilità della regione equatoriale del Pacifico alla forzatura periodica dell’AMOC. Lo studio dimostrò che la termoclina del Pacifico è influenzata dalla velocità di variazione dell’AMOC. È importante notare, tuttavia, che la perturbazione di AMOC di circa 7.5 Sv imposta nel loro studio era significativamente superiore rispetto alle variazioni di AMOC nella nostra simulazione.

In modo simile, Cessi et al. (2004) hanno proposto una connessione trasversale e ritardata tra la circolazione di ribaltamento nell’Atlantico Nord e l’altezza della superficie del mare del Pacifico. Questa connessione è stata interpretata in termini di propagazione di onde Kelvin e Rossby oceaniche, con anomalie che si trasmettono tra l’Atlantico e il Pacifico tramite l’Oceano Indiano e attraverso il Passaggio di Drake. Sulla base di queste osservazioni, suggeriamo che questo meccanismo possa essere un possibile percorso attraverso il quale l’AMOC influisce sul vortice polare su scale temporali di 90 anni nella nostra simulazione, modulando la convezione profonda nell’Est Pacifico, che a sua volta influisce sull’ampiezza del QBO.

Tuttavia, un problema ricorrente con questo percorso proposto è l’assenza di un segnale di 90 anni nello spettro delle temperature superficiali del mare dell’Est equatoriale del Pacifico. Se tale teoria fosse corretta, ci si aspetterebbe di osservare un segnale di 90 anni in questa variabile, poiché il riscaldamento della superficie marina può modulare la convezione profonda, come evidenziato da Tompkins nel 2001.

Tuttavia, lo studio DM21 ha rilevato l’assenza di un segnale di 90 anni analizzando un insieme di indici basati sulle temperature superficiali del mare (SST) mediate su una specifica area. Questa mancanza di segnale potrebbe essere spiegata dal fatto che il modello spaziale di variabilità associato all’AMOC e alle variazioni dell’OLR è più complesso di una semplice media areale. Una mappa di correlazione tra l’AMOC a 50° N e le SST del Pacifico equatoriale, con un ritardo di 45 anni (Fig. 11), mostra correlazioni significative attraverso la regione centrale e orientale del Pacifico, con centri su entrambi i lati dell’Equatore. Utilizzando questa mappa di correlazione come modello di carico e proiettandola sul campo delle SST, siamo in grado di derivare un indice SST che cattura la variabilità temporale di questo schema spaziale.

Lo spettro incrociato di questo indice con l’AMOC (Fig. 10g) e l’OLR del Pacifico orientale (Fig. 10h) mostra una co-variazione su una scala temporale di 90-100 anni, suggerendo che la variabilità del modello di SST illustrato nella Fig. 11 è più rilevante su queste scale temporali rispetto a una semplice media areale, come utilizzato in DM21. La relazione di fase tra le metriche delle SST e l’OLR rimane tuttavia non chiara. Un’analisi più dettagliata dei passaggi intermedi in questo percorso fisico proposto è necessaria per confermare i suoi meccanismi, ma questa indagine esula dall’ambito dello studio attuale.

Ad esempio, il modello di SST mostrato nella Fig. 11 potrebbe essere collegato alla variabilità del ramo del Pacifico della circolazione di Walker, caratterizzato da venti alisei nella troposfera inferiore e zefiri nella superiore, con movimenti ascendenti sul Pacifico occidentale e subsidenza sul Pacifico orientale. Questi cambiamenti potrebbero essere guidati dal riscaldamento delle SST, che a sua volta modula la convezione profonda, come indicato da Tompkins nel 2001.

la Figura 8 ci fornisce un’analisi dettagliata di due aspetti chiave della variabilità climatica:

(a) Nella parte superiore, abbiamo la serie temporale dell’AMOC a 50° N che ci mostra come la forza della circolazione meridionale dell’Atlantico varia nel tempo in quella specifica latitudine. Procedendo verso il basso a sinistra, lo spettro di potenza wavelet mette in luce dove e quando si verificano variazioni significative. Le aree contornate in blu scuro indicano intervalli di tempo e scale temporali per cui l’AMOC mostra variazioni che superano il livello di significatività del 95% — un’indicazione che tali variazioni non sono casuali ma piuttosto potrebbero riflettere dinamiche climatiche sottostanti. Nella parte inferiore destra, il grafico dello spettro di potenza wavelet globale (in blu) quantifica la varianza dell’AMOC per l’intero periodo analizzato, mentre la linea tratteggiata rossa fornisce il livello di confidenza del 95%, contro il quale possiamo misurare la forza dei segnali rilevati.

(b) Nella parte superiore, vediamo le serie temporali del NAM₁₀ (l’indice del North Atlantic Oscillation) e dell’AMOC, che sono state sottoposte a un filtro per il periodo di Dicembre-Marzo. La parte inferiore presenta lo spettro di potenza incrociato, che esplora la relazione tra queste due serie temporali. L’intensità dell’ombreggiatura indica la potenza incrociata, mentre i contorni in blu scuro delimitano l’intervallo di confidenza del 95%, dando un senso di quanto sia robusta la relazione tra i segnali. Le frecce rappresentano la fase relativa tra i due segnali; le frecce che puntano a destra indicano un comportamento in fase, mentre quelle che puntano verso l’alto mostrano che il NAM₁₀ è sfasato di π/2 rispetto all’AMOC, suggerendo che i picchi positivi in NAM₁₀ precedono quelli nell’AMOC. Frecce che puntano a sinistra o verso il basso indicano uno sfasamento di π e π/2, rispettivamente, ma con i picchi positivi dell’AMOC che precedono quelli del NAM₁₀.

In conclusione, questa figura ci aiuta a comprendere come l’AMOC e il NAM₁₀ interagiscono e variino congiuntamente nel corso del tempo, con particolare attenzione alle loro fasi di sincronizzazione e alla possibile influenza che esercitano l’una sull’altra.

la Figura 9 esamina l’indice Oscillazione Nord Atlantica (NAO) durante i mesi invernali di dicembre a marzo e la sua interazione con il NAM₁₀, ossia l’Oscillazione del Nord Atlantico a livello del mare.

(a) Nella parte superiore del pannello (a), abbiamo il grafico della serie temporale dell’indice NAO, che è un indicatore chiave delle condizioni meteorologiche e climatiche, influenzando il tempo in Europa e Nord America. Questo grafico ci mostra come l’indice NAO fluttua nel corso degli anni. Nella parte inferiore dello stesso pannello, il colorato spettro di potenza wavelet rivela le periodicità significative dell’indice NAO nel tempo, con contorni più scuri che evidenziano zone di significatività statistica. Il grafico a barre sulla destra rappresenta lo spettro di potenza wavelet globale, con la barra blu che mostra la potenza complessiva del segnale NAO e la linea tratteggiata rossa che indica il confine di significatività al 95%.

(b) Nel pannello (b), in alto troviamo le serie temporali dell’indice NAO accanto a quello del NAM₁₀, che rappresentano le oscillazioni climatiche nell’Atlantico Nord. La parte inferiore del pannello mostra il loro spettro di potenza incrociato: un’ombreggiatura più scura denota un maggiore grado di correlazione tra i due indici a determinate frequenze e tempi. I contorni in blu scuro segnalano aree di alta significatività statistica. Le frecce illustrano la relazione di fase tra i due indici: ad esempio, frecce verso l’alto indicano che i picchi del NAM₁₀ tendono a precedere quelli del NAO di un quarto di ciclo (π/2).

In conclusione, questa figura fornisce una chiara visualizzazione non solo di come l’indice NAO varia nel tempo, ma anche di come questa variabilità si correla temporalmente con quella del NAM₁₀. Attraverso l’analisi di queste serie temporali e delle loro interazioni, possiamo guadagnare una comprensione più profonda dei meccanismi che influenzano i modelli climatici e meteorologici nell’Atlantico settentrionale, soprattutto durante i mesi invernali.

La Figura 10 è una collezione complessa di grafici che si addentrano nell’analisi delle connessioni e della variabilità climatica su più livelli.

(a) Il primo grafico (a) ci mostra lo spettro di potenza wavelet dell’ampiezza del QBO profondo tra settembre e novembre. Questo ci dice quanto sia intensa l’oscillazione dei venti equatoriali in alta quota e come questa intensità varia nel tempo.

(b) Successivamente, il grafico (b) raffigura lo spettro incrociato tra l’ampiezza del QBO profondo nello stesso periodo e l’indice del NAM₁₀ nei mesi invernali. In pratica, questo ci aiuta a vedere come due sistemi atmosferici diversi potrebbero influenzarsi a vicenda.

(c) Nel grafico (c), l’attenzione è rivolta allo spettro di potenza wavelet per l’OLR nell’est del Pacifico equatoriale, che funge da misura dell’attività convettiva in quella regione, e quindi, dell’energia che il mare rilascia nell’atmosfera.

(d–f) I grafici da (d) a (f) esplorano le connessioni incrociate tra la OLR dell’est del Pacifico, l’ampiezza del QBO profondo, l’AMOC a 50° N per l’anno intero e l’indice NAM₁₀ per i mesi invernali, utilizzando tutti lo stesso tipo di lisciatura per omogeneizzare i dati.

(g–h) Infine, i grafici (g) e (h) presentano spettri incrociati tra un indice di SST del Pacifico e la OLR dell’est del Pacifico, oltre che con l’AMOC a 50° N. Questi spettri utilizzano un pattern ricavato dalla Figura 11 per cercare di catturare le variazioni di temperatura superficiali del mare e il loro legame con altre variabili climatiche chiave.

In tutti i grafici, l’ombreggiatura indica l’intensità della potenza incrociata tra i diversi indicatori, mentre i contorni solidi definiscono l’intervallo di confidenza al 95% per la significatività di queste misurazioni. I contorni tratteggiati servono a confrontare con lo spettro del NAM₁₀. Le frecce, poi, ci forniscono una guida visiva sul rapporto di fase tra le varie misurazioni: indicano se i fenomeni climatici si verificano in sincronia, o se uno precede l’altro.

Complessivamente, la Figura 10 ci svela una rete intricata di influenze climatiche e ci consente di scrutare nelle profondità delle interazioni tra oceanografia e meteorologia, rivelando come variazioni in un’area possano riecheggiare attraverso sistemi globali.

La Figura 11 mostra una mappa di correlazione che esplora una connessione intrigante e ritardata nel tempo tra due parti importanti del sistema climatico terrestre: la circolazione dell’Atlantico Meridionale (AMOC) a 50° N e le temperature superficiali del mare (SST) lungo l’equatore nel Pacifico.

La mappa visualizza i livelli di correlazione tra questi due indici, evidenziando le zone dove si osservano legami significativi. Il fatto che la correlazione sia stata calcolata con un ritardo di 45 anni è particolarmente affascinante, poiché suggerisce che gli effetti dell’AMOC potrebbero manifestarsi molto tempo dopo nel clima dell’equatore del Pacifico.

Le aree colorate in tonalità di rosso rivelano dove le variazioni nell’AMOC tendono a coincidere con temperature più alte nel Pacifico 45 anni più tardi, suggerendo una relazione positiva a lungo termine. Al contrario, se ci fossero stati punti colorati di blu, avrebbero indicato una correlazione negativa.

I dati utilizzati per creare questa mappa sono stati attentamente filtrati attraverso un filtro gaussiano, permettendo di focalizzare l’attenzione sulle variazioni più durature nel tempo, piuttosto che su quelle annuali o stagionali. Questo approccio aiuta a smussare le “rumorosità” a breve termine e a mettere in luce tendenze più profonde e potenzialmente più significative per la comprensione delle dinamiche climatiche di lungo periodo.

In sintesi, questa mappa ci fornisce uno sguardo approfondito su come i grandi meccanismi oceanici possano avere implicazioni che si estendono per decadi, e come cambiamenti in una parte dell’oceano possano ripercuotersi in aree lontane, influenzando il clima su una scala temporale che supera di gran lunga la nostra percezione immediata del tempo.

3.6 Il ruolo della stratosfera nei cambiamenti recenti dell’AMOC

Il nostro studio sul modello climatico UKESM ha messo in luce una correlazione tra i modelli di variabilità nella circolazione stratosferica e l’AMOC. Abbiamo notato che periodi caratterizzati da un vortice polare stratosferico invernale particolarmente forte sono generalmente seguiti da un calo prolungato nell’intensità dell’AMOC, che raggiunge il massimo intorno ai 15-20 anni di ritardo (come illustrato nella Fig. 3f). Osservazioni recenti dell’AMOC indicano una tendenza negativa nella sua intensità di circa -2.7 Sv nel periodo 2004-2012 (Smeed et al., 2018), seguita da una modesta ripresa dopo il 2012 (Smeed et al., 2019). Alcuni studi di modellistica climatica attribuiscono un’importanza decisiva all’influenza antropica nel rallentamento dell’AMOC durante il ventesimo secolo e nelle proiezioni future (Liu et al., 2017; Bakker et al., 2016; Liu et al., 2019). Tuttavia, le cause specifiche che guidano le tendenze dell’AMOC nel ventunesimo secolo rimangono poco chiare.

Le scoperte presentate nelle sezioni precedenti aprono alla possibilità che la variabilità stratosferica abbia avuto un ruolo nei cambiamenti osservati dell’AMOC, in risposta a quasi un decennio caratterizzato da un forte vortice negli anni ’90, che è stato poi seguito da una serie di anni con un vortice più debole e instabile nei primi anni 2000.

Basandoci sulle relazioni evidenziate dal modello tra NAM, NAO e AMOC, siamo ora in grado di confrontare gli indici osservati di NAM, AMOC e NAO per il periodo 1979-2020, attingendo ai dati dai dataset ERA5 e RAPID array. In particolare, possiamo valutare il possibile contributo della variabilità stratosferica al trend dell’AMOC che è stato osservato. L’indice NAM₁₀ (indicato dalle barre rosse) mostra un periodo di inverni con vortice forte tra il 1988 e il 1997, con quasi tutti gli inverni di quel periodo che presentano un NAM₁₀ positivo. Da notare che in questa sequenza temporale non si registrano eventi di riscaldamento stratosferico improvviso (SSW) (Pawson e Naujokat, 1999).

Successivamente al periodo di forte attività del vortice polare stratosferico degli anni ’90, è seguito un ciclo di inverni, dal 1998 al 2005, caratterizzati da valori insolitamente bassi dell’indice NAM₁₀, con eventi di riscaldamento stratosferico improvviso (SSW) quasi ogni anno (Manney et al., 2005). L’indice NAM₁₀ filtrato, rappresentato dalla linea tratteggiata rossa, rispecchia questi intervalli di tempo, mostrando un picco di valori positivi intorno al 1995 e poi un minimo negativo circa nel 2003. Anche il NAO, qui evidenziato con una linea tratteggiata verde, riflette in parte queste variazioni del NAM₁₀, con estremi positivi del NAO riscontrati negli anni ’90. Il trend a lungo termine del NAO, però, non rimane positivo per un periodo prolungato come il NAM, soprattutto a causa di un NAO eccezionalmente negativo nel 1996 (Halpert e Bell, 1997). L’insolita presenza di questo NAO negativo nel 1996 e l’assenza di un’anomalia evidente del NAO nell’anno successivo, nonostante le marcate anomalie positive nel NAM₁₀ stratosferico, sottolineano che vi sono numerosi altri fattori che influenzano il NAO, oltre al vortice stratosferico. La tendenza della forza dell’AMOC, stimata dalle osservazioni della serie RAPID tra il 2005 e il 2019 e rappresentata dalla curva blu, mostra una diminuzione tra il 2005 e il 2012, seguita da un recupero a partire dal 2012 (Smeed et al., 2018, 2019).

L’insieme di inverni con un NAM forte osservati negli anni ’90 è un dato atipico nel periodo di rianalisi disponibile e, a causa della brevità del record di dati, non ci consente una valutazione robusta. Tuttavia, sia l’ampiezza che la durata dell’anomalia osservata sono notevoli se confrontate con i dati della simulazione UKESM. All’interno di questa simulazione, solamente due intervalli mostrano un numero comparabile di inverni consecutivi con condizioni di NAM₁₀ elevate. Questi periodi si collocano tra i 300 e i 400 anni della simulazione, con un picco di 10 inverni consecutivi con valori di NAM₁₀ positivi e insolitamente elevati, centrati intorno agli anni 349 e 376, come si evince dalla Fig. 13a. In particolare, il secondo intervallo registra 14 inverni consecutivi forti o leggermente deboli, con una tolleranza per un leggero valore negativo di NAM₁₀ nell’anno 379.

I due distinti periodi identificati si manifestano chiaramente nei dati del NAM₁₀ lisciati e corrispondono a due dei tre picchi più elevati di questo indice. L’andamento dell’AMOC durante questi intervalli, rappresentato dalla curva blu nei grafici, inizia con una risposta iniziale positiva dell’AMOC a brevi distanze temporali, seguita da una diminuzione a distanze temporali di 17-20 anni, in linea con precedenti analisi.

L’analisi dei dati indica che queste diminuzioni, susseguenti ai periodi con un NAM₁₀ marcato, sono tra le più rilevanti rispetto ad altri periodi di forte attività del vortice. Tale tendenza è confermata quando osserviamo la risposta dell’AMOC dopo intervalli caratterizzati da una persistente anomalia positiva del NAM₁₀; i due periodi di particolare intensità sono evidenziati in nero nei grafici.

Per quantificare l’effetto di questi inverni con un vortice forte sulla risposta dell’AMOC, un grafico a dispersione confronta i valori centrali del NAM₁₀ con l’anomalia dell’AMOC a 50° N registrata 17 anni più tardi. Questo confronto rivela una relazione lineare notevole: l’intensità dell’anomalia del vortice si correla strettamente con la successiva riduzione nell’AMOC, suggerendo che le variazioni del vortice polare possano effettivamente influenzare l’AMOC con un ritardo di quasi due decenni.

Un’analisi più tecnica, che va oltre la portata di una spiegazione semplice, fornisce la formula per calcolare questa risposta dell’AMOC. Usando tale formula, si prevede la risposta dell’AMOC alla sequenza di anni ’90 caratterizzata da un forte vortice stratosferico. Data la rilevanza del picco del NAM₁₀ nel 1996, la massima influenza sull’AMOC, secondo la relazione dedotta, si sarebbe attesa nel 2013 con una riduzione stimata dell’AMOC di circa 0.89 Sv. Questo punto specifico è rappresentato nel grafico dal punto color porpora.

La nostra previsione indica che quasi un terzo del calo osservato nella forza dell’AMOC tra il 2005 e il 2013 potrebbe essere attribuibile alla risposta dell’oceano all’influenza costante esercitata dai numerosi inverni con vortici polari particolarmente forti che si sono verificati negli anni ’90. È importante notare, però, che la relazione tra il vortice e l’AMOC che abbiamo dedotto nel modello si basa sui dati relativi a 50° N, dove la reazione dell’AMOC è più marcata. Invece, i dati forniti dalla serie RAPID riguardano l’AMOC a 26° N. Secondo la mappa di dispersione dei valori estremi di NAM₁₀ filtrati e delle risposte dell’AMOC modellizzate a 30° N, la correlazione è significativamente meno forte che a 50° N, ma resta comunque statisticamente significativa. Il contributo alla forza dell’AMOC, derivante dal periodo di vortici intensi negli anni ’90, si ridurrebbe quindi a -0,49 Sv, suggerendo che circa il 17% del trend negativo riscontrato nei dati RAPID potrebbe essere legato agli effetti stratosferici di quel decennio. Questa ipotesi trova coerenza nelle analisi combinate, che mostrano come l’influenza del NAM₁₀ lisciato sull’AMOC sia meno evidente a 30° N rispetto a latitudini più elevate.

Analisi parallele che guardano alla relazione tra i valori estremamente bassi di NAM₁₀ e le risposte ritardate dell’AMOC hanno rivelato una connessione molto più debole e non statisticamente significativa. Tale asimmetria nella relazione tra i vortici e l’AMOC — più marcata nei casi di NAM positivi e meno evidente in quelli negativi — non è sorprendente. L’impatto degli eventi di riscaldamento stratosferico improvviso, che conducono a valori di NAM negativi, può variare a seconda del momento in cui si verificano durante la stagione invernale. In contrasto, periodi con valori di NAM positivi e un vortice forte tendono a mantenere tali condizioni per tutta la durata dell’inverno.

La Figura 12 illustra l’andamento di tre indicatori climatici dal 1980 al 2015:

  1. Indice NAO (Oscillazione Nord Atlantica): Le barre verdi indicano le fluttuazioni stagionali della pressione atmosferica tra l’Islanda e le Azzorre. Questo indice è essenziale per interpretare le variazioni climatiche e meteorologiche nell’Atlantico del Nord e in Europa, poiché influenza la distribuzione di temperature e precipitazioni.
  2. Indice NAM₁₀ (Modalità Annuale Settentrionale a 10 hPa): Le barre rosse tracciano le variazioni della pressione atmosferica nella stratosfera dell’emisfero settentrionale. Il NAM₁₀ fornisce spunti sulla dinamica atmosferica ad alta quota e sul suo impatto sul tempo meteorologico in superficie.

Le linee tratteggiate mostrano gli indici NAO e NAM₁₀ dopo l’applicazione di un filtro gaussiano con σ di 2 anni, che serve a smorzare le fluttuazioni di anno in anno e a rivelare le tendenze più stabili e di lunga durata.

  1. Serie temporale dell’AMOC (Circolazione Meridionale Rovesciata dell’Atlantico) a 26° N: La linea blu descrive le variazioni annuali nel volume trasportato dall’AMOC, indicativo del movimento di calore nell’oceano Atlantico, con rilevanti effetti sul clima a scala mondiale.

Osservando come questi indici si intrecciano nel tempo, è possibile esplorare le connessioni tra le condizioni atmosferiche del Nord Atlantico, la variabilità nella stratosfera settentrionale e la dinamica oceanica, arricchendo così la nostra comprensione dei meccanismi che governano il sistema climatico terrestre.

4. Riassunto e conclusione In questa ricerca, abbiamo esplorato come gli estremi persistenti del vortice polare influenzino la circolazione in superficie e negli oceani, analizzando una simulazione di controllo π di 1000 anni realizzata con il modello UKESM1. Abbiamo identificato le anomalie persistenti del vortice mediante l’utilizzo di un indice NAM₁₀ levigato, che evidenzia periodi di circa 6-8 anni in cui il vortice invernale dell’emisfero nord risulta eccezionalmente forte (anomalia NAM₁₀ positiva) o debole (anomalia NAM₁₀ negativa). Sebbene gli impatti superficiali degli estremi stratosferici in singoli inverni siano stati ampiamente studiati, meno attenzione è stata rivolta agli effetti di sequenze consecutive di inverni con anomalie persistenti. Inoltre, le interconnessioni tra il vortice stratosferico e le variazioni oceaniche restano poco chiare e poco esplorate.

Nel nostro studio, abbiamo analizzato la risposta dell’AMOC alle variazioni di lungo periodo del vortice polare stratosferico, utilizzando un’analisi composita della forza dell’AMOC in seguito a periodi di anomalia NAM₁₀ persistente. Abbiamo osservato risposte oscillanti nell’NAO e nell’AMOC, in linea con studi precedenti (Reichler et al., 2012). La nostra diagnosi del modello suggerisce che un vortice fortemente persistente (NAM positivo) possa disturbare un’anomalia positiva dell’NAO, che a sua volta induce una risposta positiva dell’AMOC dopo 2-3 anni tramite un incremento del flusso di calore tra oceano e atmosfera nel Nord Atlantico subpolare. Questo fenomeno provoca a sua volta un’inversione della fase dell’NAO (diventando negativa), che si traduce in un’anomalia negativa dell’AMOC che raggiunge il picco di magnitudine dopo 15-20 anni. Pertanto, l’effetto combinato dei segnali oscillatori di lungo termine del NAM₁₀ e delle variazioni correlate dell’NAO può funzionare come un metronomo per l’AMOC, che rappresenta una modalità naturale di oscillazione nella circolazione oceanica con tempi simili.

Ulteriori analisi sugli impatti distinti dei periodi di NAM positivo persistente (vortice forte) e NAM negativo persistente (vortice debole con frequenti episodi di SSW) hanno rivelato che i periodi con un vortice forte persistente hanno un impatto maggiore sull’AMOC, il che è prevedibile dato che l’anomalia del vortice è costantemente presente durante l’intero inverno.

Abbiamo inoltre riscontrato notevoli variazioni non stazionarie su molteplici scale temporali nell’AMOC, NAO e NAM10. L’analisi wavelet ha rivelato la presenza di intervalli estesi in cui le periodicità di 30, 50 e 90 anni erano predominanti, complicando così i modelli di risposta composita a causa della sovrapposizione dei contributi provenienti da intervalli caratterizzati da comportamenti su scale temporali differenti. Interessante notare come tutti e tre gli indici (NAM10, NAO e AMOC) mostrassero una covarianza nelle periodicità di 30 e 50 anni, ma solo NAM10 e AMOC presentassero tale covarianza a 90 anni. L’analisi dei cospettri ha indicato che l’AMOC anticipava il segnale del vortice, suggerendo un’interazione di feedback dell’AMOC sul vortice che non coinvolge il NAO.

Un recente studio (DM21) che utilizzava la stessa simulazione UKESM ha evidenziato una covariabilità a lungo termine (90 anni) tra il vortice e il QBO, suggerendo la possibilità che la relazione AMOC-vortice a 90 anni possa essere mediata dall’influenza dell’AMOC sulla forzatura delle onde equatoriali del QBO, che a loro volta influenzano il vortice attraverso la nota relazione di Holton-Tan. Questa ipotesi è stata esplorata tramite l’analisi wavelet e dei cospettri delle variazioni nella convezione profonda del Pacifico orientale tropicale e l’ampiezza del QBO, che hanno mostrato una covariabilità simile di 90 anni. Questo indica che tale meccanismo è plausibile come fonte della variabilità a lungo termine nel QBO e nel vortice, sebbene siano necessarie ulteriori analisi su singoli passaggi del processo, come la modulazione dell’ampiezza delle onde tropicali che originano il QBO.

In conclusione, abbiamo utilizzato i risultati del modello che legano una risposta ritardata dell’AMOC alla presenza di anomalie persistenti del vortice per valutare il possibile contributo dell’intervallo di forte persistenza del vortice negli anni ’90 ai recenti cambiamenti osservati nell’AMOC. La nostra analisi indica una risposta massima dell’AMOC a 50° N con un ritardo di circa 17 anni. La correlazione tra il ritardo del vortice e l’AMOC è statisticamente significativa, sia a 50° N (r = -0.908) che a 30° N (r = -0.652), quest’ultimo più vicino alle osservazioni dell’array RAPID. Mediante una tecnica di regressione, abbiamo stimato che -0.49 Sv del trend AMOC osservato dall’array RAPID nel 2012 può essere attribuito all’intervallo di comportamento persistente e forte del vortice centrato nel 1995, rappresentando quasi il 17% della riduzione totale del trasporto dell’AMOC tra il 2005 e il 2013 nei dati dell’array RAPID.

Il trend negativo osservato nell’AMOC è stato collegato a diversi fattori, tra cui l’influenza delle forze antropogeniche (Caesar et al., 2018, 2021). Tuttavia, fino a oggi, non era stata presa in considerazione la possibile influenza della variabilità del vortice. L’origine di un periodo di forte persistenza del vortice negli anni ’90 rimane incerta, ma è probabilmente attribuibile alla variabilità interna. Attualmente non esiste un consenso tra i modelli climatici riguardo alla risposta del vortice ai cambiamenti climatici antropogenici (Ayarzagüena et al., 2020), e gli anni ’90 sembrano rappresentare un periodo anomalo, senza una chiara tendenza di lungo termine emergente. Pertanto, i nostri risultati suggeriscono che i segnali generati internamente possano avere un ruolo significativo nella recente tendenza negativa dell’AMOC.

È necessario considerare alcune limitazioni di questi risultati. In primo luogo, i dati provengono da un unico modello, sebbene sia stata condotta una limitata analisi delle interazioni vortice-AMOC anche nei modelli CMIP5 (Reichler et al., 2012). Inoltre, esistono evidenze che i modelli di circolazione generale (GCM) tendano a sottovalutare l’impatto degli eventi di riscaldamento stratosferico improvviso (SSW) sul getto troposferico delle medie latitudini, il NAO e le temperature superficiali, evidenziando una problematica di rapporto segnale-rumore identificata da Scaife e Smith (2018). Nonostante ciò, il modello ha evidenziato un segnale NAO chiaro fino a tre mesi dopo le anomalie del vortice, mostrando una rappresentazione adeguata dell’interazione stratosfera-superficie. Uno studio precedente con l’UKESM (DM21) ha inoltre osservato una sottostima della frequenza degli SSW rispetto al dataset ERA-Interim, suggerendo un bias positivo nella forza media del vortice e nell’NAM10, che potrebbe portare a una sovrarappresentazione degli intervalli di NAM10 positivi. La variabilità dell’AMOC potrebbe inoltre essere sottostimata nella simulazione, come indicato da Roberts et al. (2014), i quali sostengono che la variabilità decennale nei modelli è inferiore a quella osservata nei dati RAPID. Ulteriori analisi con una gamma di modelli CMIP6 sarebbero decisamente utili per confermare la solidità dei risultati presentati.

L’analisi composita e wavelet dei dati di serie temporali presentati in questo studio si dimostrano efficaci nell’identificare la covariabilità tra la stratosfera e l’oceano. Tuttavia, queste tecniche non sono altrettanto capaci di stabilire la causalità nei vari modelli di variabilità, quindi sarebbe opportuno condurre ulteriori esperimenti specifici per approfondire questo aspetto. Nonostante ciò, abbiamo delineato possibili percorsi fisici per le interazioni vortice-oceano su scale temporali di diverse decadi, basandoci su teleconnessioni ben consolidate, come la connessione diretta tra il vortice e l’NAO durante la stessa stagione. Queste interazioni sembrano giocare un ruolo chiave nel recente comportamento dell’AMOC. I nostri risultati sottolineano l’importanza dei segnali non stazionari per comprendere la variabilità a lungo termine nel sistema climatico. La complessità di tali dinamiche può rappresentare un ostacolo per le analisi basate su metodi stazionari tradizionali, come l’analisi di Fourier. Pertanto, migliorare la nostra comprensione e capacità di diagnosi delle variazioni climatiche non stazionarie e dei loro meccanismi sottostanti è essenziale per affrontare queste sfide.

la Figura 13 presenta quattro grafici distinti che correlano l’indice NAM₁₀ e le anomalie dell’AMOC (Circolazione Meridionale Rovesciata dell’Atlantico) utilizzando dati da una simulazione UKESM. Ecco una spiegazione dettagliata e fluida della Figura 13, che include quattro parti differenti:

(a) Indice stagionale NAM₁₀: Questo grafico con le barre rosse mostra le variazioni annuali dell’indice NAM₁₀, che riflette i cambiamenti di pressione atmosferica nella stratosfera durante i mesi invernali (dicembre a marzo), per il periodo che va dal 300° al 400° anno all’interno di una simulazione del modello climatico UKESM.

(b) Indici AMOC e NAM₁₀ filtrati: Qui vediamo le variazioni levigate dell’AMOC (in blu) e dell’NAM₁₀ (in rosso), ottenute applicando un filtro gaussiano con una deviazione standard di 2 anni ai dati grezzi. Questo processo smussa le fluttuazioni di breve termine, permettendoci di osservare i trend a lungo termine. Le linee verticali nere evidenziano i momenti in cui l’indice NAM₁₀ levigato ha raggiunto picchi significativi.

(c) Risposta dell’AMOC a forti intervalli di NAM₁₀: In questo grafico, le linee azzurre mostrano le varie risposte dell’AMOC a diversi ritardi temporali, rispetto all’intero set di dati UKESM. Le linee nere sottolineano le risposte dell’AMOC agli specifici intervalli di forte NAM₁₀ evidenziati nel grafico (b). L’asse orizzontale indica il ritardo in anni, mentre l’asse verticale mostra la grandezza dell’anomalia dell’AMOC.

(d) Diagramma di dispersione degli estremi di NAM₁₀ contro anomalie dell’AMOC: Questo pannello presenta un diagramma di dispersione che mette in relazione gli estremi filtrati dell’NAM₁₀ (sull’asse verticale) con le anomalie dell’AMOC a 50° Nord (sull’asse orizzontale), con un ritardo di 17 anni dagli intervalli centrali persistenti di forte NAM₁₀. I punti blu indicano questi intervalli persistenti nell’intera simulazione UKESM, mentre i punti neri rappresentano gli intervalli specifici del pannello (b). La linea tratteggiata rappresenta la retta di miglior adattamento ai dati, mostrando una forte correlazione negativa. Il punto viola indica l’anomalia prevista dell’AMOC, calcolata proiettando i coefficienti di regressione sulla massima anomalia dell’NAM₁₀ levigato nel dataset ERA5, con 17 anni di ritardo.

In sintesi, la Figura 13 evidenzia la connessione tra le fluttuazioni nella stratosfera, misurate dall’indice NAM₁₀, e le variazioni nella circolazione oceanica, rappresentate dalle anomalie dell’AMOC. Mostra come gli eventi stratosferici estremi possano essere seguiti da cambiamenti significativi nella circolazione degli oceani molti anni più tardi, offrendo spunti preziosi sulla complessa dinamica del nostro sistema climatico.

La Figura 14 ci presenta un’analisi dettagliata che mette in correlazione gli eventi stratosferici con le variazioni nella circolazione oceanica. In particolare, mostra come i valori estremi dell’indice NAM₁₀, che sono stati levigati per mettere in rilievo le tendenze a lungo termine, si collegano alle anomalie nell’AMOC a 30° Nord dopo un ritardo di 17 anni. I punti blu rappresentano gli intervalli persistenti di forte NAM₁₀ registrati durante tutta la simulazione UKESM, e i punti neri segnalano due intervalli specifici che sono stati discussi in precedenza.

La linea tratteggiata che attraversa i punti è la migliore retta di regressione calcolata, che indica una correlazione negativa: in termini semplici, quando l’indice NAM₁₀ è più elevato, le anomalie nell’AMOC tendono ad essere più basse, 17 anni dopo. Il coefficiente di correlazione r = -0.652 conferma una relazione statisticamente significativa tra questi due set di dati.

In aggiunta, il punto viola sul grafico segna la previsione dell’anomalia dell’AMOC derivante dall’indice NAM₁₀ massimo, secondo le misurazioni ERA5, dopo un ritardo di 17 anni. Questo ci permette di utilizzare il passato come specchio per le previsioni future, valutando l’impatto che gli eventi stratosferici possano avere sulla circolazione oceanica dopo un intervallo di tempo notevole.

In definitiva, la Figura 14 sottolinea l’importanza delle dinamiche complesse tra stratosfera e oceani, dimostrando che i fenomeni che si verificano in alta atmosfera possono avere effetti prolungati e rilevanti sul comportamento degli oceani.

Appendix A

La Figura A1 è una rappresentazione grafica che esplora le dinamiche della Circolazione Meridionale Rovesciata dell’Atlantico (AMOC) a 30° Nord e come queste si relazionano con l’indice dell’Oscillazione Nord Atlantica (NAO) e l’indice NAM₁₀ attraverso due analisi distinte.

(a) Analisi della Potenza Wavelet dell’NAO: Nel primo pannello, abbiamo un colorato spettro di potenza wavelet che mostra le variazioni energetiche dell’NAO nel corso del tempo e su diverse scale temporali. L’asse verticale ci mostra i diversi periodi, cioè la lunghezza dei cicli dell’NAO, mentre l’asse orizzontale ci dice in quali anni della simulazione queste fluttuazioni sono avvenute. Zone con colori più intensi segnalano momenti in cui l’NAO ha mostrato una maggiore energia o variabilità significativa. La linea blu esterna contorna le aree dove queste variazioni sono statisticamente significative, mentre al di fuori di essa, non possiamo considerare i risultati affidabili.

(b) Analisi della Potenza Incrociata tra AMOC e Indice NAM₁₀: Nel secondo pannello, vediamo come l’AMOC e l’indice NAM₁₀ si muovono insieme nel tempo, con il colore che indica la forza della loro relazione. Le frecce ci forniscono informazioni aggiuntive sulla fase relativa tra AMOC e NAM₁₀; per esempio, se puntano nella stessa direzione, ciò suggerisce che le due serie temporali sono sincronizzate. Analogamente al primo pannello, la linea blu segna la regione di significatività statistica.

In sintesi, la Figura A1 mette in evidenza i momenti e le frequenze in cui la variabilità nell’indice dell’NAO e l’indice NAM₁₀ sembrano avere un impatto maggiore sulla AMOC a 30° Nord. Analizzare queste relazioni è fondamentale per comprendere come i diversi componenti del sistema climatico interagiscono tra loro e possono influenzare il clima a lungo termine.

La Figura A2 si compone di due pannelli che esplorano come la circolazione oceanica, misurata dall’AMOC a 45° Nord, interagisca con variabili atmosferiche significative.

(a) Spettro della Potenza Wavelet dell’NAO: Il primo pannello mostra la variabilità energetica dell’indice NAO nel corso degli anni, rivelando come l’intensità delle sue fluttuazioni cambia su diverse scale temporali. La grafica colorata visualizza i livelli di potenza wavelet: colori più intensi indicano una maggiore attività dell’NAO in quei periodi. La linea blu

Il primo pannello mostra la variabilità energetica dell’indice NAO nel corso degli anni, rivelando come l’intensità delle sue fluttuazioni cambia su diverse scale temporali. La grafica colorata visualizza i livelli di potenza wavelet: colori più intensi indicano una maggiore attività dell’NAO in quei periodi. La linea blu definisce l’area di significatività statistica, indicando i risultati che possiamo considerare affidabili.

(b) Spettro della Potenza Incrociata tra AMOC e Indice NAM₁₀: Il secondo pannello esplora come l’AMOC e l’indice NAM₁₀ interagiscono nel tempo. Colori più vivaci e frecce indicano l’intensità e la direzione della relazione tra questi due indicatori. Le frecce che puntano verso destra mostrano che l’AMOC e il NAM₁₀ sono in fase o che uno precede l’altro di un ciclo completo, mentre le frecce verso sinistra suggeriscono che sono in fase opposta.

Questa figura ci aiuta a comprendere in che modo i fenomeni atmosferici potrebbero influenzare o essere collegati con i cambiamenti nella circolazione oceanica, un’informazione cruciale per interpretare e prevedere il clima globale.

La Figura A3 ci mostra due funzioni di distribuzione di probabilità (PDF) che esplorano la relazione tra l’intensità degli eventi estremi nell’indice NAM₁₀ e le variazioni successive nell’AMOC a 50° Nord, con un ritardo temporale di 17 anni.

Pannello (a): Si concentra sugli eventi estremi positivi di NAM₁₀, ossia quelle situazioni in cui l’indice raggiunge valori particolarmente alti. La distribuzione che vediamo qui ci dice quanto frequentemente certi valori di correlazione possono verificarsi per caso. La linea verticale nera ci mostra dove si posiziona la correlazione effettivamente osservata in confronto a queste possibilità generate casualmente. Se questa linea cade verso le estremità della distribuzione, ci suggerisce che la correlazione osservata è insolitamente alta o bassa rispetto a quanto ci aspetteremmo per puro caso.

Pannello (b): Analoga al pannello (a), ma questa volta ci focalizziamo sugli eventi estremi negativi di NAM₁₀, quindi momenti in cui l’indice scende a valori particolarmente bassi. Anche in questo caso, la linea verticale nera ci fornisce un punto di riferimento per comprendere la rilevanza statistica della correlazione osservata.

Entrambi i pannelli utilizzano 10.000 surrogati per costruire una robusta distribuzione statistica. Il metodo dei surrogati consente di controllare l’influenza di fattori casuali e di valutare la significatività della correlazione misurata. In sostanza, la Figura A3 ci offre una valutazione quantitativa della forza del legame tra i picchi e le valli estreme nell’indice NAM₁₀ e l’impatto a lungo termine sulla circolazione oceanica, evidenziando l’unicità o la normalità delle correlazioni osservate all’interno del contesto simulato.

https://acp.copernicus.org/articles/22/4867/2022

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Translate »