La via tropicale delle teleconnessioni associate alla Quasi-Biennial Oscillation (QBO) in un modello climatico: un’analisi estesa delle interazioni con la convezione tropicale e l’ENSO

La via tropicale delle teleconnessioni associate alla Quasi-Biennial Oscillation (QBO) in un modello climatico: un’analisi estesa delle interazioni con la convezione tropicale e l’ENSO

L’articolo in oggetto esplora, attraverso simulazioni preindustriali a lungo termine (500 anni), la connessione tra la Quasi-Biennial Oscillation (QBO) e la variabilità climatica tropicale, facendo uso di un avanzato modello climatico globale sviluppato dal Met Office Hadley Centre. La QBO, un’oscillazione quasi-biennale della componente zonale dei venti stratosferici equatoriali che si alternano tra fasi orientali (QBOE) e occidentali (QBOW), si rivela capace di modulare sensibilmente la risposta climatica tropicale, in particolare le precipitazioni e la frequenza degli eventi ENSO.

L’analisi diagnostica eseguita sul modello rivela l’esistenza di schemi di precipitazione profondamente influenzati dalla fase della QBO, con configurazioni spaziali marcatamente asimmetriche lungo i meridiani, molto simili a quelle tipicamente associate all’ENSO. Tali configurazioni non sono un semplice artefatto statistico, ma riflettono una modulazione sostanziale della frequenza degli eventi ENSO da parte della QBO: in particolare, si registra una maggiore incidenza di eventi El Niño durante le fasi QBOW e un aumento degli eventi La Niña durante le fasi QBOE. Questo risultato suggerisce un potenziale meccanismo di controllo stratosferico sulla variabilità oceanica-troposferica tropicale.

Tuttavia, l’associazione QBO–ENSO risulta non stazionaria, soggetta a una marcata variabilità decadale, coerentemente con quanto evidenziato anche da osservazioni reali. Questo comportamento instabile nel tempo pone interrogativi sulla robustezza delle teleconnessioni e sulle condizioni dinamiche che ne favoriscono l’emergere. A tal proposito, l’analisi statistica per regressione evidenzia che parte della risposta delle precipitazioni alla QBO è indipendente dall’ENSO, segnalando l’esistenza di un’influenza diretta della QBO sulla convezione tropicale.

Non si riscontra invece, nelle simulazioni, evidenza di un’influenza retroattiva dell’ENSO sulla QBO, a conferma della direzionalità della relazione. Questo è un aspetto importante per chiarire il senso causale delle teleconnessioni osservate. Un risultato particolarmente rilevante emerge dall’esame della stagione autunnale boreale (settembre-novembre), quando si osserva un chiaro segnale di dipolo nella distribuzione delle precipitazioni sull’Oceano Indiano: le fasi QBOW sono associate a un’anomalia positiva di precipitazione sulla parte occidentale dell’Oceano Indiano (vicino alla Somalia e all’Equatore africano) e a condizioni più secche sulla parte orientale (vicino all’Indonesia), mentre la configurazione opposta si manifesta durante le fasi QBOE.

Questo comportamento del sistema atmosferico può essere spiegato dal diverso stato della circolazione di Walker tra le due fasi della QBO. In particolare, durante QBOW si registra un indebolimento significativo della circolazione di Walker, che comporta una riduzione della risalita convettiva sull’oceano Pacifico occidentale e una maggiore possibilità di sviluppo di anomalie calde nell’oceano Pacifico centrale, tipiche degli eventi El Niño. Al contrario, la fase QBOE è associata a una circolazione di Walker più intensa, che supporta condizioni di raffreddamento oceanico e di aumento della convezione sull’Asia sud-orientale e l’Oceano Indiano orientale, coerenti con un quadro La Niña-like.

Questo studio fornisce dunque nuove evidenze a sostegno dell’ipotesi secondo cui la QBO non solo ha un impatto diretto sulla convezione tropicale, ma può anche modulare indirettamente la variabilità a larga scala attraverso le sue interazioni con il sistema ENSO e con la circolazione equatoriale zonale. Tali risultati rafforzano il concetto della QBO come un’importante fonte di prevedibilità sub-stagionale e stagionale nel sistema climatico tropicale, con potenziali ricadute applicative anche nelle previsioni operative.

Gli autori sottolineano la necessità di ulteriori studi mirati – in particolare simulazioni numeriche dedicate – per chiarire i meccanismi fisici alla base di queste teleconnessioni. Tra i futuri sviluppi si propone di isolare l’influenza della QBO tramite esperimenti a forzante imposta (QBO nudging), per esplorare più a fondo la catena causale tra dinamica stratosferica e risposta troposferica tropicale.

1. Introduzione

La Quasi-Biennial Oscillation (QBO) rappresenta una delle principali modalità di variabilità naturale della stratosfera equatoriale. Essa si manifesta come un’alternanza regolare, con un periodo medio di circa 28 mesi, di venti zonali orientali e occidentali concentrati nella banda tropicale della stratosfera inferiore e media, in particolare tra i 10 e i 70 hPa. Questa oscillazione, scoperta negli anni ’50 attraverso osservazioni con radiosondaggi, è generata e mantenuta da onde atmosferiche ascendenti di origine troposferica che trasferiscono quantità di moto verso l’alto, modulando il flusso zonale attraverso un complesso processo di interazione onda-flusso.

Nel corso degli ultimi decenni, la comunità scientifica ha documentato con crescente accuratezza un insieme ampio e articolato di teleconnessioni extratropicali associate alla QBO. Tali teleconnessioni interessano numerosi aspetti della dinamica atmosferica, tra cui la struttura e la forza del vortice polare stratosferico (Holton e Tan, 1980; Anstey e Shepherd, 2014; Domeisen et al., 2019; Lu et al., 2020), l’intensità e la posizione dei getti subtropicali (Garfinkel e Hartmann, 2011a; Hansen et al., 2016; Ma et al., 2021) e l’evoluzione della North Atlantic Oscillation – NAO (Hansen et al., 2016; Gray et al., 2018; Andrews et al., 2019). Questi risultati hanno contribuito a definire la QBO come un elemento chiave del coupling stratosfera-troposfera su scala globale, con implicazioni significative per la prevedibilità stagionale e sub-stagionale alle medie e alte latitudini.

Parallelamente, è emersa una crescente attenzione verso un possibile “canale tropicale” delle teleconnessioni QBO, cioè un insieme di interazioni che si sviluppano entro la fascia intertropicale e che si manifestano attraverso modificazioni della convezione profonda, della distribuzione delle precipitazioni, della variabilità intrastagionale e delle condizioni oceaniche superficiali. A differenza delle teleconnessioni extratropicali, queste influenze tropicali rimangono meno ben comprese, sia per limiti osservativi sia per la complessità delle interazioni dinamiche e termodinamiche coinvolte.

Studi osservativi e modellistici hanno suggerito che la QBO può incidere su numerose componenti del sistema tropicale:

• la circolazione monsonica e i pattern pluviometrici ad essa associati (Giorgetta et al., 1999; Claud e Terray, 2007; Liess e Geller, 2012);
• la Zona di Convergenza Intertropicale (ITCZ), la cui latitudine e intensità rispondono ai forzanti stratosferici (Gray et al., 2018);
• le temperature superficiali del mare (SST) nei bacini tropicali (Garfinkel e Hartmann, 2011b; Huang et al., 2012);
• la copertura e l’altezza delle nubi alte tropicali, indicative dei cambiamenti nella profondità della convezione (Liess e Geller, 2012; Peña-Ortiz et al., 2019);
• l’attività ciclonica tropicale, con particolare riferimento all’Atlantico e al Pacifico occidentale (Ho et al., 2009; Jaramillo et al., 2021);
• e la Madden–Julian Oscillation (MJO), la principale modalità intrastagionale della variabilità convettiva tropicale (Son et al., 2017; Wang et al., 2019; Martin et al., 2021c).

Le analisi di Haynes et al. (2021) e Hitchman et al. (2021) forniscono una sintesi sistematica del coupling stratosfera–troposfera nei tropici, indicando che la QBO esercita la sua influenza sia attraverso meccanismi dinamici (es. modificazione della stabilità troposferica) sia attraverso meccanismi termodinamici, come la variazione dell’umidità relativa nella troposfera superiore.

Una delle principali difficoltà nello studio delle teleconnessioni QBO nei tropici risiede nella limitata estensione delle serie temporali osservative, spesso non superiori a 30–40 anni. Questa brevità impedisce di diagnosticare con robustezza differenze statisticamente significative tra le fasi QBO orientale (QBOE) e occidentale (QBOW), soprattutto perché la variabilità tropicale su queste scale temporali è dominata dal segnale ENSO (Liess e Geller, 2012; Seo et al., 2013; Gray et al., 2018). Inoltre, la forte modulazione della convezione tropicale da parte degli eventi El Niño e La Niña può a sua volta influenzare le caratteristiche dinamiche della QBO stessa, come suggerito da studi che documentano un’interazione bidirezionale tra ENSO e QBO (Taguchi, 2010; Schirber, 2015; Geller et al., 2016; Christiansen et al., 2016; Serva et al., 2020).

Nonostante tali complessità, molteplici evidenze supportano l’esistenza di un ruolo modulatore della QBO sulla variabilità climatica tropicale. A livello osservativo, l’impatto della QBO è stato diagnosticato utilizzando dati satellitari che rivelano modificazioni nella struttura verticale della convezione, nella frequenza delle nubi profonde e nella distribuzione dell’OLR, oltre che nei dati di precipitazione al suolo (Collimore et al., 2003; Liess e Geller, 2012; Seo et al., 2013; Gray et al., 2018). Tali impatti sono spesso zonalmente asimmetrici, ovvero variano significativamente con la longitudine, suggerendo che la risposta convettiva alla QBO non è uniforme ma condizionata da fattori geografici e regionali. Un meccanismo proposto per spiegare tale asimmetria è la modulazione della circolazione di Walker, ossia della cella di circolazione equatoriale che collega le regioni convettive dell’Oceano Indiano e Pacifico con la subsidenza atmosferica nel Pacifico orientale (Collimore et al., 2003; Liess e Geller, 2012).

Ulteriori analisi, sia osservazionali che modellistiche, indicano che anche la MJO risulta influenzata dalla QBO, in particolare nella sua forza, propagazione longitudinale e prevedibilità. In generale, la fase orientale della QBO nella bassa stratosfera è associata a una MJO più forte, coerente e prevedibile (Son et al., 2017; Lim et al., 2019; Klotzbach et al., 2019; Martin et al., 2020, 2021c), suggerendo che la stabilità troposferica e la struttura termodinamica verticale modulata dalla QBO possano influenzare le onde convettive intrastagionali.

Va inoltre sottolineato che molte delle relazioni osservate tra QBO e fenomeni convettivi tropicali si rivelano non stazionarie o intermittenti nel tempo, ossia non sempre attive o con segno costante. Ad esempio, Gray (1984) identificò un legame tra QBO e attività ciclonica atlantica, che però sembra dissolversi dopo il 1990 (Camargo e Sobel, 2010). Un altro caso riguarda la relazione QBO–ENSO: tra il 1953 e il 1980 si osservava una prevalenza di eventi La Niña durante le fasi QBOW e di eventi El Niño durante le fasi QBOE, configurando un’antagonismo tra i due indici (Garfinkel e Hartmann, 2007; Hu et al., 2012; Domeisen et al., 2019). Tuttavia, a partire dalla metà degli anni ’80, la relazione sembra essersi invertita, assumendo un segno positivo (Taguchi, 2010; Liess e Geller, 2012). Analogamente, anche il segno delle relazioni tra QBO e la circolazione di Walker (Hu et al., 2012; Hitchman et al., 2021), così come tra QBO e MJO (Klotzbach et al., 2019), mostra variazioni interdecadali, suggerendo che il contesto climatico di fondo e le interazioni con altri modi di variabilità possono modulare in modo sostanziale l’efficacia delle teleconnessioni tropicali della QBO.Negli ultimi decenni, gli studi modellistici hanno contribuito in modo crescente a indagare l’influenza della Quasi-Biennial Oscillation (QBO) sulle dinamiche climatiche tropicali di superficie, offrendo un importante complemento alle evidenze osservative. Un contributo pionieristico è stato fornito da Giorgetta et al. (1999), i quali hanno dimostrato che le aree monsoniche durante l’estate boreale mostrano una risposta significativa ai venti associati alla QBO in un modello di circolazione generale (GCM). In particolare, si osservano variazioni sostanziali nella nuvolosità, suggerendo che la QBO possa modulare i campi convettivi su larga scala.

Studi più recenti hanno ampliato l’analisi considerando modelli ad alta risoluzione capaci di risolvere esplicitamente i processi convettivi. Ad esempio, Nie e Sobel (2015), utilizzando un modello in grado di simulare direttamente la convezione (cloud-resolving model), hanno evidenziato che l’impatto della QBO sulla convezione profonda dipende in modo cruciale dall’intensità del forzante termico imposto dalla temperatura superficiale del mare (SST) e dal grado di instabilità convettiva. Questo suggerisce che l’effetto della QBO sulla convezione tropicale potrebbe essere non lineare, cioè dipendente dalle condizioni di background atmosferico e oceanico, piuttosto che uniforme e sistematico.

Nonostante questi progressi, il numero di studi che analizzano in modo sistematico le teleconnessioni tropicali della QBO all’interno dei GCM rimane relativamente limitato. Un’analisi significativa è stata condotta da Rao et al. (2020), che hanno esaminato la risposta della precipitazione alla QBO nei modelli appartenenti alla sesta fase del Coupled Model Intercomparison Project (CMIP6). I risultati hanno messo in evidenza notevoli divergenze inter-modello, sia nella distribuzione spaziale che nel segno delle anomalie pluviometriche associate alla QBO. Tali discrepanze riflettono probabilmente differenze nella rappresentazione delle interazioni stratosfera-troposfera e nei parametri di convezione tra i modelli, sottolineando la complessità del problema.

A differenza di questo quadro eterogeneo, Serva et al. (2022), analizzando simulazioni del progetto QBOi – QBO initiative (Butchart et al., 2018), hanno riscontrato risposte più coerenti e robuste tra i modelli, in particolare nella regione della Zona di Convergenza Intertropicale (ITCZ) del Pacifico orientale. Le risposte simulate risultavano ben allineate con i segnali osservativi descritti da Gray et al. (2018), evidenziando una potenziale capacità dei modelli di catturare alcune caratteristiche essenziali delle teleconnessioni QBO-tropicali, se opportunamente configurati.

Permane tuttavia un ampio margine di incertezza riguardo ai meccanismi fisici specifici attraverso i quali la QBO potrebbe modulare la variabilità tropicale. Tra le ipotesi più accreditate vi è quella secondo cui le anomalie di temperatura e di wind shear verticale nella regione della tropopausa – e più in generale nell’interfaccia tra la stratosfera inferiore e la troposfera superiore (UTLS) – rappresentino il principale vettore d’influenza. Tali anomalie possono infatti alterare la stabilità statica verticale e il profilo di umidità, modificando a loro volta la propensione dell’atmosfera tropicale a sviluppare convezione profonda.

Studi classici (Gray, 1984; Collimore et al., 2003) sostenevano che la QBO potesse agire principalmente attraverso modificazioni della stabilità statica e del wind shear nella regione UTLS, influenzando così la profondità e l’efficienza della convezione equatoriale. Altri lavori più recenti, come quello di Nie e Sobel (2015), hanno proposto una visione più articolata, secondo cui gli effetti della QBO sono il risultato di una combinazione di segnali stratosferici e forzanti troposferici, inclusi i campi termici e le condizioni di umidità della colonna troposferica, oltre che le condizioni oceaniche superficiali.

Il quadro complessivo risulta dunque caratterizzato da una significativa incertezza osservativa, che limita la capacità di isolare e diagnosticare in maniera affidabile gli impatti della QBO sulla troposfera tropicale. Tale incertezza è amplificata dalla brevità delle serie storiche disponibili e dalla variabilità interna del sistema climatico tropicale, dominata da fenomeni di larga scala come l’ENSO.

Nel tentativo di superare queste limitazioni, il presente studio utilizza lunghe integrazioni numeriche del modello unificato del Met Office Hadley Centre (MOHC), sviluppato nell’ambito del progetto CMIP6. Questo modello, che si estende fino alla mesosfera, è dotato di una QBO generata internamente attraverso uno schema di onde di gravità non orografiche, le cui caratteristiche risultano coerenti con quelle osservate (Richter et al., 2020). Le simulazioni analizzate appartengono agli esperimenti di controllo preindustriali (piControl), nei quali i forzanti esterni vengono mantenuti costanti a livelli rappresentativi dell’anno 1850. La durata eccezionalmente lunga delle simulazioni (500 anni)consente di garantire una robustezza statistica elevata nell’identificazione dei segnali legati alla QBO, riducendo la contaminazione da variabilità interna o trend forzati.

Inoltre, viene esplicitato che le connessioni tra QBO e MJO non sono oggetto di analisi in questo lavoro, poiché studi precedenti (Kim et al., 2020) hanno dimostrato che tali connessioni risultano generalmente deboli o assenti nei modelli MOHC considerati.

Nel prosieguo dello studio vengono presentate, nella seconda sezione, la configurazione modellistica, i dataset osservativi e di rianalisi utilizzati per il confronto, nonché le metodologie statistiche impiegate, tra cui compositing e regressione multipla. La terza sezione è dedicata all’analisi dei segnali della QBO su una gamma di variabili climatiche tropicali, includendo la precipitazione, la posizione e intensità della ITCZ, i monsoni, l’ENSO, la circolazione di Walker e il Dipolo dell’Oceano Indiano (IOD). L’ultima parte del lavoro fornisce una sintesi dei risultati principali emersi dalle analisi.

2. Metodi e dati

2.1 Osservazioni e dati di rianalisi

Per la caratterizzazione del clima tropicale e l’analisi degli impatti della Quasi-Biennial Oscillation (QBO) sui sistemi convettivi e circolatori tropicali, questo studio fa uso di un insieme composito di dataset osservativi e di rianalisi, scelti in base alla loro estensione temporale, risoluzione spaziale e affidabilità scientifica consolidata nella letteratura climatologica.

Per l’analisi delle precipitazioni tropicali sono stati impiegati due prodotti grigliati di riferimento:

• il Global Precipitation Climatology Project (GPCP) v2.3, con risoluzione orizzontale di 1° × 1°, sviluppato dalla NOAA e basato su una combinazione sinergica di osservazioni satellitari e dati da reti pluviometriche terrestri (Adler et al., 2003);
• il Global Precipitation Climatology Centre (GPCC), versione 6, con risoluzione più fine (0,5° × 0,5°), fornito dal Deutscher Wetterdienst (DWD), che integra dati provenienti da un’ampia rete di stazioni meteorologiche di superficie distribuite a livello globale (Becker et al., 2011; Schneider et al., 2011).

Il dataset GPCP rappresenta un prodotto globale composito che fornisce informazioni omogenee sulle precipitazioni sopra superfici continentali e oceaniche, ed è particolarmente utile per analisi zonalmente estese, come quelle relative alla Zona di Convergenza Intertropicale (ITCZ) o alla circolazione di Walker. Il dataset GPCC, pur offrendo una copertura spaziale più dettagliata, è limitato alle sole aree terrestri, ma garantisce una maggiore affidabilità nelle regioni densamente monitorate, specialmente nelle zone monsoniche tropicali. Entrambi i dataset sono stati utilizzati nella loro versione a media mensile. GPCP copre il periodo 1979–2021, mentre per GPCC si utilizza l’intervallo temporale 1953–2019.

Per la temperatura superficiale del mare (SST), parametro fondamentale per comprendere i processi di accoppiamento aria-mare e la modulazione convettiva tropicale, si è adottato il dataset HadSST versione 4.0 (Kennedy et al., 2019), che fornisce dati mensili su base globale dal 1930 al 2021. Questo dataset è stato scelto per la sua elevata qualità nella correzione dei bias strumentali e nella gestione delle incertezze associate alle osservazioni marine.

Per la diagnosi della QBO, in particolare dei venti zonali nella stratosfera inferiore, si sono utilizzate due fonti fondamentali:

• il dataset radiosondaggio fornito dalla Freie Universität Berlin (FUB), che rappresenta la serie osservativa diretta più lunga e coerente dei venti equatoriali a 70 hPa;
• la ricostruzione storica di Brönnimann et al. (2007) – di seguito B07 – basata su regressioni da dati di pressione al livello del mare, che estende la serie QBO fino agli anni ’30 del Novecento, coprendo anch’essa il periodo 1930–2021. Tale ricostruzione rappresenta una fonte preziosa per gli studi climatologici di lungo periodo, laddove le osservazioni dirette sono mancanti o frammentarie.

Per l’analisi di ulteriori variabili dinamiche e termodinamiche essenziali – come il vento zonale e verticale, la precipitazione convettiva, e la velocità verticale su scala sinottica – è stato utilizzato il dataset di rianalisi ERA5fornito dal Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF) (Hersbach et al., 2020). ERA5 rappresenta l’ultima generazione di rianalisi globali prodotte dall’ECMWF, con risoluzione spaziale di 0,75° × 0,75° e frequenza temporale oraria, e fornisce stime coerenti e dinamicamente bilanciate delle variabili atmosferiche tridimensionali. Per questo studio sono state utilizzate le medie mensili, coerenti con la scala temporale delle altre osservazioni impiegate.

In sintesi, la selezione di questi dataset permette di disporre di una base osservativa ampia e metodologicamente eterogenea, capace di garantire l’integrazione tra osservazioni dirette, rianalisi modellistiche e ricostruzioni storiche, elemento essenziale per un’analisi robusta degli impatti tropicali della QBO su scala multidecadale.

2.2 Dati CMIP6

L’analisi degli impatti della Quasi-Biennial Oscillation (QBO) sul clima tropicale viene condotta utilizzando simulazioni di lungo periodo prodotte nell’ambito del Coupled Model Intercomparison Project Phase 6 (CMIP6). In particolare, questo studio si basa sui dati del set di esperimenti denominato pre-industrial control (piControl), che prevede l’integrazione di modelli climatici globali mantenendo costanti i forzanti esterni (gas serra, aerosol, uso del suolo, irradiamento solare) ai valori medi rappresentativi dell’anno 1850. Questo approccio consente di isolare la variabilità climatica interna e studiarne le manifestazioni su scale multidecadali, senza interferenze dovute all’influenza antropica o a forzanti transitori.

Il Met Office Hadley Centre (MOHC) ha contribuito a CMIP6 con tre simulazioni piControl, realizzate attraverso due modelli atmosferico-oceanici:

• il modello fisico-climatico HadGEM3-GC3.1 (Hadley Centre Global Environment Model version 3, Global Coupled configuration 3.1), utilizzato a due diverse risoluzioni orizzontali:
  • N96 (circa 1.875° × 1.25°), denominata GC3 N96-pi
  • N216 (circa 0.83° × 0.56°), denominata GC3 N216-pi
• il modello del sistema Terra UKESM1 (UK Earth System Model version 1), una estensione del modello HadGEM3 che include componenti biogeochimiche e interazioni complesse tra atmosfera, oceano, biosfera e criosfera, anch’esso eseguito alla risoluzione N96 (denominato UKESM N96-pi).

Nel contesto modellistico del Met Office, la risoluzione “N” fa riferimento al numero massimo di onde zonali completamente risolvibili su una latitudine standard (Walters et al., 2019). Le configurazioni N96 e N216 rappresentano due livelli di complessità e dettaglio: la prima è ampiamente utilizzata per studi climatologici a lungo termine, mentre la seconda è ottimizzata per l’analisi dei processi atmosferici su scala sinottica e convettiva.

Tutte e tre le simulazioni analizzate hanno una durata di 500 anni, e sono state realizzate con un solo membro di ensemble per ciascuna configurazione. Le simulazioni condividono lo stesso schema sperimentale e utilizzano il modello oceanico NEMO (Nucleus for European Modelling of the Ocean) con risoluzione di 1° (ORCA1) per N96 e 0.25° (ORCA025) per N216 (Williams et al., 2018). L’adozione di configurazioni modellistiche multiple consente di confrontare la sensibilità dei risultati a diverse risoluzioni e complessità strutturali, pur mantenendo la coerenza del sistema dinamico sottostante.

Nel presente studio, la maggior parte delle analisi diagnostiche si basa sulla simulazione GC3 N216-pi, che rappresenta la configurazione con la risoluzione atmosferica e oceanica più elevata tra quelle disponibili, e che in letteratura ha mostrato prestazioni superiori nella simulazione dei processi tropicali. Tuttavia, laddove pertinente, sono riportati anche confronti con le simulazioni GC3 N96-pi e UKESM N96-pi, al fine di valutare la robustezza dei risultati.

Secondo numerosi studi di validazione, la configurazione GC3 N216-pi riproduce in modo soddisfacente diverse caratteristiche dinamiche del clima equatoriale, incluse la distribuzione spaziale delle precipitazioni medie e la frequenza degli eventi estremi tropicali (García-Franco et al., 2020; Abdelmoaty et al., 2021). In particolare, questo modello è tra i più performanti in CMIP6 per quanto riguarda la simulazione della precipitazione estrema nelle regioni tropicali, la variabilità stagionale delle SST nell’Atlantico equatoriale e la circolazione dei bassi livelli atmosferici (Richter e Tokinaga, 2020).

Nonostante tali punti di forza, sono presenti alcuni bias sistematici ben documentati nei modelli MOHC:

• un bias meridionale nella posizione della ITCZ atlantica, attribuito al deficit di precipitazione (bias secco) simulato sull’Amazzonia centrale;
• un bias umido nella ITCZ del Pacifico orientale, con precipitazioni eccessive associate a una convezione troppo persistente nella regione.

Anche nella simulazione dell’ENSO, i modelli MOHC mostrano miglioramenti rilevanti rispetto alle generazioni precedenti. In particolare, Lee et al. (2021) hanno dimostrato che HadGEM3 è in grado di riprodurre con buona accuratezza il pattern spaziale, la stagionalità, l’ampiezza e la durata degli eventi El Niño e La Niña, con prestazioni superiori alla media multi-modello CMIP6. Simili risultati sono riportati anche da Menary et al. (2018) e Liu et al. (2021), i quali confermano la realistica rappresentazione del phase-locking stagionale e dello spettro di potenza associato all’ENSO nella configurazione GC3 N216-pi.

Per quanto riguarda la rappresentazione della QBO, sia la configurazione attuale sia quelle precedenti del MOHC hanno dimostrato una buona capacità di simulazione della variabilità quasi-biennale stratosferica (Schenzinger et al., 2017; Richter et al., 2020; Bushell et al., 2022). La QBO è generata nel modello da una combinazione di onde gravitazionali risolte e parametrizzate (in particolare non orografiche), associate principalmente alle sorgenti convettive tropicali (Scaife et al., 2002; Bushell et al., 2015). Tali meccanismi permettono al modello di riprodurre l’alternanza di fasi orientali e occidentali nella stratosfera equatoriale, seppur con alcune limitazioni.

In particolare, la configurazione atmosferica utilizzata in questo studio tende a sottostimare l’ampiezza della QBO nella stratosfera inferiore (60–90 hPa), con un bias massimo di circa 5 m/s a 70 hPa. Inoltre, l’analisi dello spettro di potenza dei periodi della QBO mostra un eccesso di energia alle scale temporali più lunghe rispetto alle osservazioni, con una maggiore concentrazione attorno ai 32–36 mesi, anziché al periodo medio osservato di circa 28 mesi (Bushell et al., 2022). Questo aspetto può avere implicazioni sulla coerenza temporale delle teleconnessioni QBO-tropicali simulate, e rappresenta un’area di miglioramento modellistico.

In conclusione, le simulazioni piControl fornite dal MOHC nell’ambito di CMIP6 costituiscono una base modellistica robusta per l’esplorazione degli impatti della QBO sul clima tropicale. La loro elevata durata temporale, la varietà di risoluzioni e la buona rappresentazione dei fenomeni tropicali principali – pur con alcune limitazioni – le rendono strumenti particolarmente adatti per la diagnosi statistica e dinamica delle teleconnessioni stratosfera-troposfera.

2.3 Indici

L’identificazione e la quantificazione delle teleconnessioni tra la Quasi-Biennial Oscillation (QBO) e la variabilità climatica tropicale richiedono la definizione di indici diagnostici robusti, in grado di rappresentare in modo sintetico ma efficace le principali modalità atmosferiche e oceaniche coinvolte. In questa sezione vengono descritti nel dettaglio gli indici utilizzati per la QBO, l’ENSO e il Dipolo dell’Oceano Indiano (IOD), con particolare attenzione alla loro coerenza metodologica e rilevanza fisica.

Indice della QBO

Per rappresentare la fase e l’intensità della QBO, si è adottato un indice basato sulla media mensile del vento zonale medio-zonale a 70 hPa, calcolato sull’intervallo latitudinale equatoriale compreso tra 5°S e 5°N. Questo livello è comunemente utilizzato in letteratura per diagnosticare gli effetti della QBO nella regione della tropopausa tropicale, dove essa interagisce con la convezione profonda e con la circolazione troposferica (Huesmann & Hitchman, 2001; Gray et al., 2018; Hitchman et al., 2021; Serva et al., 2022).

La classificazione della fase QBO è effettuata applicando una soglia simmetrica di ±2 m/s:

• valori superiori a +2 m/s sono associati alla fase occidentale (QBOW);
• valori inferiori a –2 m/s identificano la fase orientale (QBOE);
• i mesi di transizione, in cui la velocità del vento rientra nell’intervallo [–2 m/s, +2 m/s], vengono esclusi dall’analisi, per evitare ambiguità nella classificazione.

Nel caso della ricostruzione storica B07 (Brönnimann et al., 2007), l’indice QBO è calcolato utilizzando il vento zonale a 90 hPa, mantenendo la stessa soglia di ±2 m/s per garantire omogeneità comparativa con gli altri dataset.

Oltre alla fase, lo studio considera anche indicatori verticali della struttura e dinamica della QBO, in particolare:

• L’ampiezza verticale complessiva dell’oscillazione tra 10 e 70 hPa;
• Il tasso di discesa delle fasi occidentali e orientali attraverso la stratosfera.

Per la stima dell’ampiezza, si applica un’analisi tramite funzioni ortogonali empiriche (EOF) alla serie temporale del vento zonale medio-deseasonalizzato tra 10 e 70 hPa. Questa tecnica consente di catturare la variabilità dominante associata alla QBO lungo la colonna stratosferica. L’ampiezza viene quindi quantificata a partire dai primi due componenti principali, che rappresentano le modalità principali di oscillazione verticale del vento zonale nella regione equatoriale (Serva et al., 2020).

Il tasso di discesa verticale viene calcolato seguendo la metodologia di Schenzinger et al. (2017), identificando il livello altimetrico in cui si verifica il passaggio del vento da negativo a positivo (o viceversa), ossia il punto in cui il vento zonale medio è nullo (linea a vento zero, u = 0). Tale livello viene monitorato mese per mese e la velocità di propagazione verticale è stimata attraverso la differenza in quota tra mesi consecutivi, sia per la fase orientale sia per quella occidentale. Questo approccio consente di analizzare l’interazione tra la QBO e altri fenomeni (in particolare l’ENSO) su scala verticale, anziché limitarsi a un singolo livello isobarico.

Indice ENSO (NINO3.4)

Per rappresentare l’El Niño–Southern Oscillation (ENSO), è stato utilizzato l’indice standard NINO3.4, basato sulla temperatura superficiale del mare (SST) media nell’area compresa tra 5°S–5°N e 190°E–240°E. Si tratta della regione chiave per la generazione e la propagazione delle anomalie ENSO, in quanto comprende il Pacifico centrale equatoriale, dove si manifestano le principali fluttuazioni termiche associate agli episodi El Niño e La Niña.

Per ridurre il rumore ad alta frequenza e catturare la componente interannuale del segnale, l’indice è stato filtrato tramite media mobile a 5 mesi. Viene quindi applicata una soglia di ±0.5 K per definire le fasi ENSO:

• El Niño (EN): indice > +0.5 K
• La Niña (LN): indice < –0.5 K
• Neutro (NN): valori compresi tra –0.5 K e +0.5 K

Questa definizione segue le convenzioni operative della NOAA e delle principali agenzie meteorologiche internazionali.

Indice del Dipolo dell’Oceano Indiano (IOD)

Per valutare il ruolo del Dipolo dell’Oceano Indiano (IOD) nella modulazione della convezione tropicale, è stato costruito un indice alternativo a quello basato sulle SST, definito come gradiente zonale della precipitazione convettiva tra la porzione occidentale e orientale dell’Oceano Indiano equatoriale.

In particolare, si è calcolata la differenza tra le precipitazioni convettive medie, destagionalizzate, nelle seguenti due aree:

• Oceano Indiano occidentale: 50°E–70°E
• Oceano Indiano orientale: 80°E–100°E
  Entrambe le regioni sono comprese nella fascia latitudinale 10°S–10°N, coerente con la zona equatoriale dominata dalla convezione profonda e dalle interazioni atmosfera-oceano.

Questo indice convettivo del IOD riflette direttamente le anomalie di convezione associate al gradiente zonale di umidità e temperatura, ed è particolarmente utile nei modelli e nelle rianalisi che forniscono stime affidabili della precipitazione convettiva. L’indice è stato calcolato sia sulle simulazioni modellistiche che sui dati ERA5, e gli eventi IOD significativi sono stati identificati applicando una soglia pari a una deviazione standard rispetto alla climatologia di riferimento. Tale soglia consente di distinguere episodi positivi e negativi statisticamente rilevanti, mantenendo coerenza metodologica con altri studi recenti (Wang & Wang, 2014).

Questa struttura di indici consente un’analisi multifattoriale delle teleconnessioni QBO–tropici, estendendo l’esame su variabili atmosferiche (vento zonale, convezione), oceaniche (SST) e ibride (precipitazione convettiva associata a dinamiche oceaniche), in linea con la complessità del sistema climatico tropicale.

2.4 Tecniche di analisi (Versione estesa e scientifica)

L’indagine degli effetti della Quasi-Biennial Oscillation (QBO) sul sistema climatico tropicale e sulle sue interazioni con l’ENSO e l’Indian Ocean Dipole (IOD) richiede l’adozione di tecniche statistiche rigorose, capaci di distinguere i segnali dinamici legati ai diversi regimi atmosferici e di ridurre il rumore indotto dalla variabilità interna e dalle co-occorrenze. In questo studio, l’approccio metodologico si fonda principalmente su tre strumenti analitici: l’analisi per compositi, la regressione multilineare e la valutazione statistica della significatività mediante tecniche di resampling e test parametrici.

Analisi per compositi

L’analisi per compositi rappresenta la tecnica statistica primaria utilizzata nello studio. Tale metodologia consente di isolare l’effetto medio associato a una determinata fase di un indice climatico (ad es. QBOW o QBOE, El Niño o La Niña), attraverso la media condizionata delle variabili di interesse. In questo caso, sono stati costruiti compositi stagionali e annuali, calcolati attraverso medie ponderate per evitare distorsioni dovute alla disomogeneità del numero di mesi per ciascun periodo o fase. Questo accorgimento è particolarmente importante per prevenire bias stagionali, che possono derivare dal phase-locking stagionale della QBO o dell’ENSO, e garantisce che ogni mese contribuisca in modo equo alla media stagionale o annuale, indipendentemente dalla sua frequenza di occorrenza in ciascuna fase.

Grazie alla notevole lunghezza temporale delle simulazioni piControl (500 anni), è stato possibile costruire un’ampia base statistica. Nella simulazione ad alta risoluzione GC3 N216-pi, ad esempio, sono stati identificati 1700 mesi El Niño e 1600 mesi La Niña, mentre 2400 mesi sono stati classificati come QBOW e 1800 mesi come QBOE. Le co-occorrenze tra fasi QBO ed ENSO sono anch’esse statisticamente rilevanti: si registrano 626 mesi El Niño durante QBOW e 392 durante QBOE. Per confronto, nel periodo osservativo 1979–2020, sulla base delle SST HadSST e dell’indice QBO ricavato da ERA5, sono stati identificati 65 mesi QBOW–El Niño e 45 mesi QBOE–El Niño.

Il rapporto tra mesi ENSO–QBO e mesi totali risulta leggermente inferiore nei modelli rispetto alle osservazioni: 0.10 e 0.06 nelle simulazioni, contro 0.11 e 0.08 nei dati ERA5. Tale differenza è attribuibile al bias sistematico di bassa ampiezza della QBO nella stratosfera inferiore simulata dai modelli GCM, che rende più difficile raggiungere le soglie di ±2 m/s necessarie per classificare chiaramente le fasi della QBO (Schenzinger et al., 2017; Bushell et al., 2022).

Analisi di regressione multilineare

Oltre alla costruzione dei compositi, è stata implementata un’analisi di regressione multilineare per esplorare in modo più sistematico e quantitativo le relazioni tra gli indici climatici (QBO, ENSO, IOD) e le variabili tropicali di risposta (precipitazione, convezione, venti). Questa tecnica statistica consente di stimare l’effetto parziale di ciascun indice, controllando per la presenza di covariate potenzialmente confondenti. In particolare, l’utilizzo della regressione multilineare permette di disaccoppiare l’effetto della QBO da quello dell’ENSO, particolarmente importante nei tropici, dove la variabilità ENSO-dominante può mascherare o amplificare i segnali QBO-indotti (Gray et al., 2018; Misios et al., 2019; Rao et al., 2020).

Il metodo prevede la regressione delle anomalie delle variabili climatiche su una matrice di predittori che include gli indici QBO, ENSO e IOD, permettendo così una separazione delle forzanti dominanti. I dettagli tecnici sull’implementazione della regressione, inclusa la gestione della collinearità e la standardizzazione dei coefficienti, sono riportati in Appendice A.

Valutazione della significatività statistica

Per la stima della significatività statistica delle differenze tra compositi osservati, si è fatto uso di una procedura non parametrica di resampling basata sul bootstrapping con reinserimento. Questa tecnica genera una distribuzione empirica della differenza tra due fasi (es. QBOW – QBOE) mediante campionamento casuale ripetuto del periodo osservativo, consentendo di costruire un intervallo di confidenza rispetto alla distribuzione nulla. La differenza osservata viene considerata statisticamente significativa se si colloca al di fuori del 95° percentile della distribuzione bootstrap, corrispondente a un livello di confidenza del 95%.

Per le simulazioni modellistiche, la significatività delle differenze tra fasi è stata valutata principalmente tramite il test t bilaterale di Welch, che consente il confronto tra medie di due campioni con varianze potenzialmente diseguali. A supporto della robustezza dei risultati, sono stati testati anche metodi bootstrap alternativi, i quali tuttavia non hanno prodotto differenze rilevanti nei risultati finali.

Nel complesso, la combinazione di analisi per compositi, regressione multilineare e tecniche robuste di significatività statistica consente di diagnosticare in modo approfondito e affidabile l’influenza della QBO sul clima tropicale, isolando al contempo gli effetti potenziali dell’ENSO e dell’IOD. Questo approccio metodologico integrato rappresenta una strategia consolidata nella climatologia dinamica contemporanea, ed è coerente con studi recenti su teleconnessioni stratosfera–troposfera in ambito CMIP6.

3. Risultati

La presente sezione è dedicata all’analisi dei risultati emersi dallo studio dell’influenza della Quasi-Biennial Oscillation (QBO) sul clima tropicale, con particolare riferimento alla risposta della precipitazione, ai fenomeni convettivi e alle principali componenti della circolazione atmosferica zonale ed emisferica. I risultati sono stati ottenuti applicando tecniche di analisi per compositi e regressione multilineare, descritte nella sezione precedente, e sono stati validati attraverso test statistici su dataset osservativi e simulazioni di lunga durata.

L’analisi si articola in diverse sottosezioni tematiche che affrontano in modo sistematico le modalità con cui la QBO interagisce con variabili chiave del sistema climatico tropicale, sia in maniera autonoma, sia attraverso la modulazione di altri modi di variabilità interna, come l’ENSO e il Dipolo dell’Oceano Indiano (IOD). In particolare, la sezione è strutturata secondo i seguenti assi analitici:

3.1 Risposta della precipitazione tropicale alla fase della QBO

Si analizza la risposta spaziale e stagionale delle precipitazioni tropicali alle fasi della QBO (QBOW e QBOE), sia in media annuale sia su base stagionale. L’obiettivo è identificare pattern climatici ricorrenti (come dipoli o anomalie zonalmente asimmetriche) che riflettano l’influenza diretta della QBO sulla convezione atmosferica e sull’umidità troposferica. L’analisi distingue tra segnali robusti e rumorosi, e verifica la loro coerenza spaziale con le principali strutture convettive globali (ITCZ, SPCZ, monsoni, aree ENSO-core).

3.2 Analisi dell’interferenza potenziale con il segnale ENSO

Poiché la QBO e l’ENSO agiscono entrambe come forzanti dominanti nel clima tropicale, viene affrontato in questa sezione il problema dell’aliasing statistico, ovvero la possibilità che il segnale QBO venga confuso o amplificato a causa della co-occorrenza con fasi attive dell’ENSO. Attraverso un confronto tra compositi condizionati e non condizionati, e mediante regressioni che rimuovono l’effetto ENSO, si valuta la robustezza del segnale QBO residuonella risposta pluviometrica tropicale.

3.3 Interazioni QBO–ENSO e QBO–IOD

Si esplorano le interazioni bidirezionali tra QBO e ENSO, con particolare attenzione al ruolo modulatore della QBO sulla frequenza e intensità degli eventi El Niño e La Niña. Viene inoltre esaminato il comportamento differenziale degli eventi ENSO in presenza di fasi QBO distinte, sia nei modelli che nei dati osservativi. Parallelamente, si analizzano i segnali di interazione tra QBO e Dipolo dell’Oceano Indiano (IOD), utilizzando un indice convettivo e verificando eventuali configurazioni anomale di gradiente di precipitazione tra bacino orientale e occidentale. Tali interazioni vengono discusse anche alla luce del potenziale coinvolgimento della QBO nella modulazione delle SST equatoriali e della struttura termodinamica atmosferica sopra l’Oceano Indiano.

3.4 Influenza della QBO su ITCZ, monsoni e circolazione di Walker

La parte finale dei risultati si concentra sull’identificazione delle modifiche strutturali della Zona di Convergenza Intertropicale (ITCZ) in risposta alle fasi della QBO, con particolare attenzione agli spostamenti latitudinali e longitudinali del massimo convettivo zonale. Viene inoltre analizzata la modulazione dei sistemi monsonici boreali e australi, con una valutazione della variabilità intra- ed interstagionale legata alla fase QBO. Infine, viene discussa l’influenza della QBO sulla circolazione di Walker, includendo la distribuzione della subsidenza e della convezione nei bacini oceanici principali (Pacifico, Indiano, Atlantico), al fine di comprendere meglio i meccanismi dinamici alla base delle teleconnessioni identificate.

Nel loro insieme, i risultati presentati nelle sezioni seguenti forniscono nuove evidenze quantitative del ruolo attivo della QBO nella modulazione del clima tropicale e contribuiscono alla comprensione delle sue interazioni complesse con i principali modi di variabilità climatica intrastagionale e interannuale.

3.1 Precipitazioni

La modulazione della precipitazione tropicale da parte della QBO rappresenta una delle principali manifestazioni delle teleconnessioni stratosfera–troposfera su scala globale. In questa sezione si analizzano nel dettaglio le differenze nella precipitazione media annuale e stagionale tra le due fasi della QBO — la fase occidentale (QBOW) e quella orientale (QBOE) — attraverso l’impiego sia di dati osservativi (dataset GPCP) sia di simulazioni modellistiche di lunga durata (500 anni) provenienti da tre configurazioni del Met Office Hadley Centre. L’obiettivo è identificare pattern coerenti, significativi e potenzialmente diagnostici della risposta convettiva superficiale alla variabilità stratosferica equatoriale.

3.1.1 Segnale annuale della precipitazione

La distribuzione spaziale delle differenze compositate nella precipitazione media annuale tra le fasi QBOW e QBOE (QBOW − QBOE) evidenzia una risposta marcata e asimmetrica lungo la fascia intertropicale oceanica. Nei dati GPCP, il segnale QBO è statisticamente significativo in tre principali bacini:

• il Pacifico centrale ed equatoriale,
• l’Oceano Indiano tropicale,
• e l’Atlantico equatoriale.

Queste anomalie sono coerenti con studi precedenti che hanno identificato la dipendenza longitudinale del segnale QBO sulla convezione tropicale (Liess & Geller, 2012; Gray et al., 2018).

Le simulazioni modellistiche confermano la presenza di anomalie significative:

• anomalie positive di precipitazione, fino a +1.2 mm/giorno, sono evidenti nel Pacifico centrale equatoriale e nell’Oceano Indiano occidentale,
• mentre anomalie negative, fino a –0.6 mm/giorno, emergono nel Pacifico settentrionale subtropicale, suggerendo un’influenza indiretta della QBO sulla convezione e sulla ventilazione tropicale.

Nell’Atlantico tropicale, il segnale QBO è più debole e meno coerente: appare significativo in due dei tre modelli, ma assente nella configurazione GC3 N96-pi. Questo comportamento è probabilmente attribuibile a un bias strutturale nella rappresentazione della ITCZ atlantica, che nei modelli tende a posizionarsi più a sud del reale, soprattutto nella stagione invernale boreale (DJF), come già evidenziato da García-Franco et al. (2020). Questo spostamento condiziona la localizzazione e l’ampiezza delle anomalie convettive nella regione, rendendo più difficile diagnosticare il segnale QBO.

3.1.2 Modulazione stagionale del segnale QBO

Il segnale associato alla QBO risulta fortemente modulato dal ciclo stagionale, come mostrato nella Figura 2 per il dataset GPCP e la simulazione GC3 N216-pi (le altre due configurazioni sono discusse in Figura S1 del materiale supplementare). Nei dati osservativi, la stagione dicembre–gennaio–febbraio (DJF) presenta l’anomalia positiva più marcata nel Pacifico centrale equatoriale, un pattern che ricorda strettamente un evento El Niño in fase matura (Dommenget et al., 2013; Capotondi et al., 2015). Questa anomalia è statisticamente significativa e coerente con l’ipotesi che la QBO possa modulare la frequenza o l’intensità degli eventi ENSO, come sarà discusso nella Sezione 3.3.

Nel modello GC3 N216-pi, il segnale QBO nel Pacifico è presente in tutte le stagioni, ma tende a essere più debole rispetto alle osservazioni. Questo è plausibilmente spiegabile con il numero molto più elevato di anni nella simulazione (500 vs 42), che tende ad attenuare l’ampiezza delle anomalie compositate a causa della maggiore varianza interannuale.

Nell’Atlantico tropicale, il segnale QBO emerge in modo più evidente nell’analisi stagionale che in quella annuale:

• in DJF, la risposta del modello è negativa nel settore sud-equatoriale,
• in MAM (marzo–aprile–maggio), emerge un dipolo latitudinale, interpretabile come uno spostamento verso nord della ITCZ atlantica.

In JJA, tutte le simulazioni mostrano condizioni più umide nel Mar dei Caraibi durante QBOW rispetto a QBOE, suggerendo un’influenza QBO persistente anche al di fuori delle stagioni convettive principali.

Per quanto riguarda l’Oceano Indiano, la modulazione più marcata si verifica nella stagione SON (settembre–ottobre–novembre). Tutti i modelli evidenziano in questo periodo un dipolo convettivo ben definito, con anomalie positive di precipitazione nella parte occidentale del bacino e anomalie negative in quella orientale. Questa configurazione rispecchia le caratteristiche tipiche di un evento positivo di IOD (Saji et al., 1999; Deser et al., 2010; McKenna et al., 2020), e suggerisce che la QBO possa influenzare l’IOD attraverso la modulazione della convezione zonale nella regione indiana. Questa ipotesi sarà approfondita nella Sezione 3.3, dedicata alle interazioni QBO–IOD.

3.1.3 Considerazioni sintetiche

Nel complesso, l’analisi compositata delle osservazioni (1979–2020) mostra un segnale della QBO nella precipitazione fortemente zonalmente asimmetrico, con massima intensità nelle regioni oceaniche associate alla ITCZ, confermando quanto già emerso in letteratura. Le simulazioni modellistiche confermano la presenza di tali segnali e ne estendono la caratterizzazione grazie alla maggiore potenza statistica garantita dalla lunghezza delle serie (500 anni).

Tuttavia, in diversi casi, i pattern di risposta della precipitazione simulata alla QBO risultano simili a quelli tipici dell’ENSO o dell’IOD, sollevando la questione di una possibile contaminazione o sovrapposizione dei segnali. Questa complessità sottolinea l’importanza di considerare esplicitamente le interazioni tra la QBO e altri modi di variabilità tropicale, che saranno esplorate nelle sezioni successive. In particolare, la Sezione 3.2 si concentrerà sull’analisi dell’interferenza statistica tra QBO ed ENSO, mentre la Sezione 3.3 approfondirà la natura delle interazioni QBO–ENSO e QBO–IOD.

Risposta media annua delle precipitazioni alla fase della QBO: analisi comparativa tra osservazioni e modelli CMIP6

La figura 1 presenta le differenze composite di precipitazione media annua tra le fasi occidentale (QBOW) ed orientale (QBOE) della Quasi-Biennial Oscillation (QBO), espresse in millimetri al giorno (mm d⁻¹). Le mappe mostrano il campo differenziale (QBOW – QBOE) per (a) il dataset osservativo GPCP e per tre simulazioni climatologiche preindustriali (piControl) del Met Office Hadley Centre: (b) GC3 N96-pi, (c) GC3 N216-pi e (d) UKESM N96-pi. Le aree tratteggiate indicano significatività statistica al livello del 95%, valutata con test specifici per ciascun dataset.

Segnale osservato: distribuzione spaziale e caratteristiche

Nel pannello (a), relativo al dataset osservativo GPCP, emergono segnali robusti e statisticamente significativi di risposta alla QBO in tre bacini tropicali chiave:

• Oceano Pacifico centrale equatoriale: si osserva un marcato aumento delle precipitazioni (fino a +1.2 mm d⁻¹) durante la fase QBOW rispetto alla QBOE. Questa anomalia positiva è coerente con una modulazione del ramo ascendente della circolazione di Walker e con una configurazione simile a eventi di tipo El Niño.
• Oceano Indiano equatoriale: si rilevano anomalie positive simili, particolarmente pronunciate sul settore occidentale, suggerendo un accoppiamento con la dinamica zonale dell’Oceano Indiano, potenzialmente associata al Dipolo dell’Oceano Indiano (IOD).
• Oceano Atlantico equatoriale: si evidenziano anomalie meno intense ma ancora significative, indicanti una risposta zonalmente asimmetrica, coerente con precedenti studi (Liess e Geller, 2012; Gray et al., 2018).

Riproduzione modellistica del segnale di precipitazione

I pannelli (b–d) illustrano le risposte simulate da tre modelli CMIP6. La simulazione ad alta risoluzione GC3 N216-pi (c) fornisce una rappresentazione qualitativamente più simile alle osservazioni rispetto alle versioni a bassa risoluzione.

• GC3 N96-pi (b) mostra una risposta debole e più rumorosa, con segni di modulazione positiva nella fascia equatoriale del Pacifico, ma con minor coerenza spaziale e segnale statisticamente meno robusto.
• GC3 N216-pi (c) riproduce correttamente l’anomalia positiva nel Pacifico equatoriale e nel settore occidentale dell’Oceano Indiano, suggerendo che l’aumentata risoluzione orizzontale (0.83°×0.56°) contribuisce significativamente alla capacità del modello di simulare le teleconnessioni stratosfera-troposfera.
• UKESM N96-pi (d) mostra anch’esso risposte coerenti, sebbene con una struttura meno netta rispetto alla GC3 N216-pi, ma comunque con segnali significativi nel Pacifico e nell’Indiano, confermando che anche i modelli Earth System sono in grado di riprodurre tali segnali climatici.

Bias modellistici e considerazioni metodologiche

È importante notare che l’accuratezza della rappresentazione delle anomalie di precipitazione nei modelli è influenzata da diversi fattori, tra cui:

• Bias sistematici nei modelli: ad esempio, il posizionamento eccessivamente meridionale dell’ITCZ atlantica nei modelli MOHC è noto e limita la comparabilità con le osservazioni in questo settore, specialmente nei mesi invernali boreali (DJF).
• Debolezza della QBO simulata: la minore ampiezza della QBO nei modelli rispetto alle osservazioni può attenuare il segnale di risposta nella troposfera tropicale, come discusso da Bushell et al. (2022).
• Effetto della lunghezza delle simulazioni: la maggiore estensione temporale delle simulazioni (500 anni) consente di ottenere segnali statisticamente più robusti rispetto al periodo osservativo 1979–2020, sebbene la natura “forzata” e idealizzata del forcing preindustriale vada tenuta in conto.

Implicazioni scientifiche

La figura 1 suggerisce che:

1. Le differenze di precipitazione tra le fasi della QBO sono reali, significative e spazialmente coerenti nei tropici, in particolare nei bacini oceanici dove la convezione profonda è attiva.
2. Tali segnali sembrano riflettere una modulazione della convezione tropicale e delle grandi circolazioni associate, come la Walker e l’Hadley, da parte della QBO.
3. La capacità dei modelli CMIP6, specialmente ad alta risoluzione, di riprodurre tali segnali costituisce un’importante conferma del potenziale ruolo predittivo della QBO nella variabilità tropicale intra- e interannuale.

Analisi stagionale delle anomalie di precipitazione associate alla QBO: interpretazione della Figura 2

La Figura 2 presenta un confronto stagionale tra le anomalie di precipitazione media (espresse come differenza composita QBOW − QBOE, in mm/giorno) ottenute dalle osservazioni del dataset GPCP (colonne a sinistra) e dalla simulazione GC3 N216-pi del modello HadGEM3 (colonne a destra), per ciascuna delle quattro stagioni convenzionali: dicembre-gennaio-febbraio (DJF), marzo-aprile-maggio (MAM), giugno-luglio-agosto (JJA) e settembre-ottobre-novembre (SON).

Le aree tratteggiate indicano significatività statistica al livello del 95%, stimata tramite tecniche bootstrap per i dati osservativi e tramite test t di Welch per le simulazioni modellistiche. Questa caratterizzazione permette di distinguere le risposte robuste del sistema climatico tropicale alle fasi della QBO.

DJF – Estate australe (pannelli a–b)

Durante DJF, il segnale QBO-associato nelle osservazioni (pannello a) evidenzia una marcata anomalia positiva di precipitazione nell’Oceano Pacifico equatoriale centrale, coerente con un pattern simile a El Niño, come osservato in precedenti studi (Dommenget et al., 2013; Capotondi et al., 2015). Il modello GC3 N216-pi (pannello b) riproduce tale segnale positivo, sebbene in modo più attenuato, probabilmente per effetto della diluizione statistica dovuta alla maggiore estensione temporale della simulazione (500 anni). In DJF emergono anche segnali QBO-indotti nel bacino indo-pacifico, con anomalie negative sull’Indonesia e positive a ovest del subcontinente indiano, che suggeriscono modifiche alla convezione profonda legate alla modulazione della circolazione di Walker.

MAM – Transizione primaverile boreale (pannelli c–d)

Nella stagione primaverile MAM, l’analisi GPCP (pannello c) mostra segnali meno intensi ma con pattern coerenti nelle regioni tropicali, inclusa una struttura dipolare nel settore atlantico equatoriale. Il modello (pannello d) riproduce questo dipolo in modo più marcato, con anomalie positive a nord e negative a sud dell’Equatore, coerenti con uno spostamento meridiano della Zona di Convergenza Intertropicale (ITCZ). Queste anomalie sono indicative di una modulazione della migrazione stagionale dell’ITCZ da parte della QBO.

JJA – Estate boreale (pannelli e–f)

Nel trimestre estivo boreale JJA, l’influenza della QBO sulle precipitazioni appare localmente significativa nell’Atlantico tropicale, nella regione del Mar dei Caraibi e nel Pacifico occidentale. Il dataset GPCP (pannello e) mostra anomalie positive sull’Africa occidentale e nell’area del Golfo di Guinea, mentre il modello GC3 N216-pi (pannello f) simula condizioni più umide nei Caraibi durante QBOW rispetto a QBOE. Questo risultato è in linea con studi precedenti che indicano un potenziale effetto della QBO sulla modulazione delle onde di easterlies africane e sul monsone dell’Africa occidentale.

SON – Primavera australe (pannelli g–h)

La stagione SON evidenzia uno dei segnali più consistenti nel bacino dell’Oceano Indiano. Il pattern osservato (pannello g) è quello di un dipolo zonale ben definito, con anomalie positive a ovest (Mar Arabico) e negative a est (Indonesia e bacino orientale), coerente con una fase positiva dell’Indian Ocean Dipole (IOD). Il modello GC3 N216-pi (pannello h) riproduce con buona fedeltà questo segnale, confermando la robustezza del legame QBO-IOD già riscontrato da McKenna et al. (2020) e Serva et al. (2022). Tale coerenza suggerisce che la QBO può modulare efficacemente le condizioni convettive e la circolazione atmosferica zonale in SON, favorendo fasi IOD-positive durante QBOW.

Conclusione

L’analisi stagionale delle differenze compositive tra le fasi della QBO mostra che gli impatti sulle precipitazioni tropicali non sono omogenei lungo l’anno, ma seguono una chiara modulazione stagionale. I segnali osservati, pur con differenze di ampiezza e localizzazione, sono riprodotti in buona parte dal modello GC3 N216-pi, con risposte particolarmente forti nel Pacifico equatoriale (DJF), nella regione dell’ITCZ atlantica (MAM), nel Mar dei Caraibi (JJA) e nell’Oceano Indiano (SON). Queste evidenze rafforzano l’ipotesi che la QBO eserciti una modulazione teleconnettiva sulla convezione tropicale stagionale, probabilmente mediata da variazioni nella circolazione di Walker, nelle onde di Kelvin equatoriali e nei gradienti di temperatura e shear verticale nella bassa stratosfera.

Fonti di riferimento principali:

• Gray et al., 2018
• Serva et al., 2022
• McKenna et al., 2020
• Bushell et al., 2022
• Dommenget et al., 2013
• Capotondi et al., 2015
• Saji et al., 1999

3.2 Potenziale aliasing tra i segnali della QBO e dell’ENSO: implicazioni per la variabilità tropicale e la modellazione climatica

Una delle principali sfide nello studio delle teleconnessioni atmosferiche tropicali è la distinzione e la corretta attribuzione dei segnali climatici associati a fenomeni su larga scala, come la Quasi-Biennial Oscillation (QBO) e l’El Niño–Southern Oscillation (ENSO). Entrambi esercitano un’influenza significativa sulla convezione tropicale, sulle precipitazioni e sulla circolazione atmosferica globale, ma la sovrapposizione temporale dei loro cicli, nonché la possibile interazione non lineare, solleva il problema del cosiddetto aliasing, ovvero della confusione tra i rispettivi segnali nei dataset osservativi e simulati.

In questo contesto, lo studio analizza il comportamento della temperatura superficiale del mare (SST) nei tropici e dell’indice ENSO Niño 3.4, confrontando le differenze tra le fasi della QBO (ovvero QBO-West e QBO-East), al fine di interpretare i pattern di precipitazione osservati e modellati nelle Figure 1 e 2. La risposta delle SST (differenza QBOW–QBOE) mostra una stretta coerenza spaziale con i pattern di precipitazione sia nei dati osservativi (HadSST) sia nelle simulazioni modellistiche (GC3 N216-pi), rafforzando l’ipotesi che i cambiamenti nella circolazione stratosferica equatoriale si traducano in variazioni significative nel forcing termodinamico della bassa troposfera.

Nel trimestre invernale boreale (DJF), ad esempio, le SST risultano sistematicamente più calde nell’Oceano Pacifico equatoriale orientale e nell’Oceano Indiano occidentale durante la fase QBOW rispetto alla QBOE. Questo pattern, osservato nei dati HadSST dal 1979 in poi, somiglia a quello tipico di un El Niño del Pacifico orientale (“Eastern Pacific El Niño”), mentre le anomalie simulate nei modelli in DJF assumono invece una configurazione più debole e centrata nel Pacifico centrale, evocando un El Niño Modoki (Capotondi et al., 2015), fenomeno noto per le sue caratteristiche dinamiche e termiche differenziate rispetto agli eventi canonici.

Numerosi studi (Garfinkel e Hartmann, 2007; Domeisen et al., 2019) hanno evidenziato un cambiamento nella relazione tra QBO ed ENSO nelle osservazioni a partire dagli anni ’80. In particolare, i dati suggeriscono una transizione da una relazione anticorrelata (negativa) nel periodo 1960–1980 a una relazione positiva nel periodo 1985–presente. Ciò implica che la fase della QBO che favoriva condizioni simili a La Niña nella prima metà del XX secolo, a partire dagli anni Ottanta tende invece ad associarsi a pattern simili a El Niño. È interessante notare che anche nel periodo pre-radiosonde (1930–1960), secondo l’indice QBO ricostruito da B07, la relazione era positiva, evidenziando una variabilità multidecadale nel rapporto QBO–ENSO.

Tale comportamento decadale non è limitato alle osservazioni. Anche le simulazioni modellistiche (es. GC3 N216-pi preindustriali) mostrano che il legame QBO–ENSO presenta variabilità su scale di 30–50 anni. È stata esplorata l’ipotesi di una modulazione di questo legame da parte di indici climatici a lungo termine, come la Variabilità Multidecadale Atlantica (AMV) e la Oscillazione Decadale del Pacifico (PDO) (Sutton & Hodson, 2005; Mantua et al., 1997), ma senza evidenze statisticamente significative. Ciò indica che la relazione QBO–ENSO potrebbe essere intrinsecamente variabile nel tempo, forse modulata da dinamiche interne al sistema tropicale-stratosferico o da feedback interni ai modelli.

Questa instabilità nel legame QBO–ENSO suggerisce che anche le risposte osservate della precipitazione tropicale (Figs. 1 e 2) potrebbero cambiare significativamente nel tempo, qualora si disponesse di record di precipitazione più lunghi e climaticamente stazionari. Tuttavia, mentre il dataset osservativo è limitato e affetto da incertezza statistica (Deser et al., 2017), le simulazioni di controllo preindustriali offrono un vantaggio cruciale: lunghezza temporale estesa e assenza di forzanti antropici, permettendo di isolare con maggiore robustezza i segnali interni come quelli della QBO.

Per valutare se le anomalie associate alla QBO siano semplicemente il risultato di un campionamento selettivo legato alla fase dell’ENSO (aliasing), si è proceduto con un’analisi composita delle differenze QBOW–QBOE nelle precipitazioni in DJF, separando tutti gli anni (Fig. 4a) dagli anni ENSO-neutri (Fig. 4b). Nonostante una riduzione del numero di mesi disponibili nel sottoinsieme neutro, i pattern risultano sorprendentemente simili (es. secchezza a nord dell’equatore nel Pacifico orientale, umidità anomala su Madagascar), suggerendo che il segnale della QBO è autonomo e statisticamente robusto, e non attribuibile al solo ENSO.

Per un’analisi più quantitativa, si è applicata una regressione lineare multipla su scala mensile, utilizzando le serie temporali della precipitazione convettiva (più sensibile alla convezione tropicale profonda) simulate da GC3 N216-pi. I risultati della regressione semplice basata solo sull’indice QBO a 70 hPa (Fig. 5a e 5b) confermano i pattern già emersi nell’analisi composita annuale (Fig. 1), evidenziando un aumento della convezione sul Pacifico centrale durante la fase QBOW. Quando si introduce anche l’indice EN3.4 (regressione multipla, Fig. 5c e 5d), emerge un segnale ENSO chiaro, intenso e statisticamente significativo. Tuttavia, il segnale della QBO permane, con caratteristiche coerenti e persistenti (es. spostamento verso nord dell’ITCZ atlantica, aumento delle precipitazioni nei Caraibi e nell’Oceano Indiano occidentale), dimostrando che i due segnali non sono completamente aliasati.

È importante notare che la regressione multipla assume l’indipendenza lineare tra ENSO e QBO, una condizione spesso non verificata nella realtà. La somiglianza tra i due pattern di risposta, specialmente nelle regioni tropicali, suggerisce interazioni non lineari e possibili accoppiamenti dinamici, come ipotizzato da Gray et al. (1992), che potrebbero alterare l’interpretazione dei risultati basati su modelli lineari. Ciononostante, la persistenza del segnale QBO anche negli anni ENSO-neutri fornisce una prova solida dell’influenza diretta della QBO sulle precipitazioni tropicali, in particolare attraverso la modulazione della convezione profonda e dei pattern regionali di circolazione.

Bibliografia essenziale

• Capotondi, A., Wittenberg, A. T., Newman, M. et al. (2015). Understanding ENSO Diversity. Bulletin of the American Meteorological Society, 96(6), 921–938.
• Domeisen, D. I. V., et al. (2019). The Quasi-Biennial Oscillation and its global teleconnections. Nature Reviews Earth & Environment, 1, 47–62.
• Garfinkel, C. I., & Hartmann, D. L. (2007). Effects of the Quasi-Biennial Oscillation on the extratropical stratosphere in winter. Journal of the Atmospheric Sciences, 64(9), 3287–3303.
• Gray, L. J., et al. (1992). A Data Study of the Influence of the QBO on the Northern Hemisphere Stratospheric Vortex. Quarterly Journal of the Royal Meteorological Society, 118, 933–946.
• Sutton, R. T., & Hodson, D. L. R. (2005). Atlantic Ocean forcing of North American and European summer climate. Science, 309(5731), 115–118.
• Deser, C., Phillips, A. S., Alexander, M. A., & Smoliak, B. V. (2017). Projecting North American climate over the next 50 years: Uncertainty due to internal variability. Journal of Climate, 27(6), 2271–2296.
• Mantua, N. J., et al. (1997). A Pacific interdecadal climate oscillation with impacts on salmon production. Bulletin of the American Meteorological Society, 78(6), 1069–1079.

Analisi della variabilità spaziale e temporale del segnale QBO sulla temperatura superficiale del mare (SST): evidenze osservative e modellistiche

La Figura 3 costituisce un elemento centrale nell’esplorazione delle potenziali interazioni tra la Quasi-Biennial Oscillation (QBO) e l’El Niño–Southern Oscillation (ENSO), due fra i principali modulatori della variabilità tropicale. In particolare, essa consente di valutare la risposta delle temperature superficiali del mare (SST) alle differenti fasi della QBO (West vs East), sia in ambito osservativo che modellistico, ponendo in rilievo il ruolo delle teleconnessioni stratosferiche nella modulazione del sistema clima-oceano-atmosfera.

Distribuzione spaziale delle anomalie SST associate alla QBO: confronto tra epoche e fonti

I pannelli (a)–(d) mostrano le differenze compositate delle SST in DJF (dicembre-gennaio-febbraio) tra le fasi QBO-W (venti zonali occidentali a 50–70 hPa) e QBO-E (venti orientali), calcolate per diversi dataset e per una simulazione di controllo preindustriale. Il segnale rappresentato indica le zone in cui la QBO modula significativamente il bilancio termico superficiale, in relazione alla convezione tropicale e alla circolazione atmosferica associata.

• Pannello (a) – HadSST 1930–2021, indice QBO da B07: evidenzia anomalie positive (fino a +0.4 K) nell’Oceano Pacifico equatoriale orientale, un pattern tipico degli eventi El Niño canonici. Anomalie positive si estendono anche nel Golfo di Guinea e nell’Oceano Indiano occidentale, aree chiave per l’attività convettiva tropicale. Il segnale suggerisce che, nei decenni centrali del XX secolo, la fase QBOW si accompagnasse a un pattern termico coerente con El Niño di tipo “East Pacific”.
• Pannello (b) – HadSST 1953–2021, indice QBO da radiosondaggi (FUB): pur mantenendo un segnale qualitativamente simile, mostra un indebolimento delle anomalie rispetto al pannello (a), indicando una riduzione del legame QBO–SST nel secondo dopoguerra. Questo risultato evidenzia la dipendenza della teleconnessione QBO–ENSO dalla scala temporale considerata.
• Pannello (c) – HadSST 1979–2021, indice QBO da ERA5: rivela uno spostamento del segnale verso il Pacifico centrale, suggerendo un pattern simile a un El Niño Modoki, che ha implicazioni differenti in termini di convezione e circolazione atmosferica (Capotondi et al., 2015). L’anomalia nel Pacifico centrale è coerente con le osservazioni dell’ultimo mezzo secolo e indica una trasformazione del pattern ENSO associato alla QBO, potenzialmente legata a forzanti decadali come la PDO.
• Pannello (d) – Simulazione GC3 N216-pi (preindustriale): mostra un segnale più tenue ma coerente con un’anomalia di SST positiva nel Pacifico centrale. L’assenza di forzanti antropiche e la lunghezza della simulazione consentono di isolare il segnale intrinseco della QBO. La presenza di anomalie coerenti anche nel modello suggerisce che la QBO sia in grado di modulare la convezione tropicale e il bilancio radiativo-oceanico, anche in condizioni di equilibrio climatico.

Evoluzione temporale del segnale QBO–ENSO: evidenze decadali e variabilità multidecadale

I pannelli (e) e (f) analizzano il comportamento dell’indice Niño 3.4, una misura standard dell’intensità dell’ENSO, calcolato come differenza tra le fasi QBO-W e QBO-E. Questo approccio permette di valutare se e come il segnale ENSO sia modulato dalla QBO nel tempo, fornendo una diagnosi temporale delle interazioni troposfera-stratosfera.

• Pannello (e) – Simulazione GC3 N216-pi: la curva mostra la differenza NDJFM (novembre–marzo) dell’indice Niño 3.4 tra le due fasi QBO in finestre mobili di 30 anni. Si osservano oscillazioni decadali: ad esempio, tra gli anni 150–250 del modello vi è una chiara correlazione positiva tra QBO-W e anomalie ENSO positive, mentre in altri intervalli il segnale si inverte o si attenua. Le bande grigie rappresentano gli intervalli interquartili ottenuti tramite resampling casuale (bootstrapping), utilizzati per stimare la significatività statistica. Il risultato conferma che la relazione QBO–ENSO non è costante nel tempo, ma naturalmente soggetta a fluttuazioni decadali, anche in assenza di variabilità forzata esterna.
• Pannello (f) – Osservazioni (1930–2020): la figura mostra la media mobile di 12 anni dell’indice Niño 3.4 tra QBOW e QBOE, usando tre fonti diverse per l’indice QBO:
  • B07 (tratteggiata rossa): ricostruzione da 1930, evidenzia una relazione positiva tra QBO e ENSO tra gli anni ’30 e ’50.
  • FUB (linea nera): periodo 1953–2020 da radiosondaggi; mostra una correlazione negativa tra 1960 e 1980, poi di nuovo positiva dopo il 1985.
  • ERA5 (linea blu): conferma il pattern positivo post-1979.

Queste evidenze indicano che la relazione osservata tra QBO ed ENSO è multidecadale e strutturalmente variabile, suggerendo la presenza di interazioni non lineari e modulazioni da parte di altri fenomeni decadali tropicali (es. PDO, AMV, ITCZ shift).

Implicazioni dinamiche e modellistiche

La Figura 3 mette in evidenza che:

• La QBO può influenzare attivamente le SST tropicali, agendo sul bilancio radiativo e sulla circolazione verticale troposferica.
• La relazione tra QBO e ENSO non è lineare né stabile, ma soggetta a modulazioni su scala decadale, probabilmente dovute a accoppiamenti oceanici, retroazioni convettive e variazioni nella propagazione verticale delle onde di Rossby e Kelvin.
• I modelli preindustriali, come GC3 N216-pi, rappresentano uno strumento potente per isolare i segnali interni e testare la robustezza delle teleconnessioni QBO–ENSO in scenari non perturbati.

Queste osservazioni pongono un limite importante all’assunzione, comunemente adottata nelle analisi statistiche e nei modelli lineari, che QBO ed ENSO siano indipendenti. La sovrapposizione dei loro segnali può dar luogo a aliasing, ma la persistenza del segnale QBO anche negli anni ENSO-neutri suggerisce un’influenza fisica reale, meritevole di ulteriori approfondimenti, anche in ottica previsionale stagionale.

Riferimenti chiave

• Capotondi, A. et al. (2015). Understanding ENSO Diversity. Bulletin of the American Meteorological Society, 96(6), 921–938.
• Domeisen, D. I. V., et al. (2019). The Quasi-Biennial Oscillation and its global teleconnections. Nature Reviews Earth & Environment, 1, 47–62.
• Garfinkel, C. I., & Hartmann, D. L. (2007). Effects of the Quasi-Biennial Oscillation on the extratropical stratosphere in winter. Journal of the Atmospheric Sciences, 64(9), 3287–3303.
• Gray, L. J., et al. (1992). A Data Study of the Influence of the QBO on the Northern Hemisphere Stratospheric Vortex. QJRMS, 118, 933–946.
• Deser, C., et al. (2017). Projecting North American climate over the next 50 years: Uncertainty due to internal variability. J. Climate, 27, 2271–2296.
• Sutton, R. T. & Hodson, D. L. R. (2005). Atlantic Ocean forcing of North American and European summer climate. Science, 309, 115–118.

3.1.2 Risposta stagionale della precipitazione alla QBO in condizioni ENSO e ENSO-neutrali

La Figura 4 fornisce un’analisi dettagliata delle anomalie di precipitazione associate alla fase della Quasi-Biennial Oscillation (QBO) nella simulazione GC3 N216-pi, con un’enfasi particolare sull’effetto potenziale della sovrapposizione o del mascheramento da parte dell’ENSO. I pannelli (a) e (c) mostrano le differenze compositate QBOW–QBOE durante le stagioni dicembre-gennaio-febbraio (DJF) e marzo-aprile-maggio (MAM), rispettivamente, mentre i pannelli (b) e (d) presentano gli stessi compositi limitandosi ai soli mesi in condizioni ENSO-neutrali. Le aree tratteggiate rappresentano le regioni dove le differenze risultano statisticamente significative al livello di confidenza del 95%.

Durante la stagione invernale boreale (DJF), il segnale di precipitazione associato alla QBO (pannello a) mostra una marcata intensificazione della convezione profonda nel Pacifico equatoriale centrale, con anomalie positive che superano i +1.2 mm/giorno, suggerendo una risposta simile a quella di un evento di tipo El Niño. Contemporaneamente, si osservano anomalie negative nel bacino dell’Atlantico tropicale e nell’Oceano Indiano orientale. Tuttavia, quando l’analisi è ristretta alle condizioni ENSO-neutrali (pannello b), gran parte di queste anomalie vengono significativamente attenuate o scompaiono del tutto, specialmente nel Pacifico centrale. Questo indica che in DJF l’apparente risposta alla QBO può essere fortemente modulata — o addirittura dominata — dalla fase dell’ENSO, suggerendo un aliasing tra le due forzanti.

Nel periodo primaverile (MAM), la risposta alla QBO assume una struttura zonale più definita sull’Atlantico equatoriale (pannello c), con un pattern dipolare che evidenzia un’intensificazione delle precipitazioni nella fascia sub-equatoriale e una soppressione a nord dell’equatore. Questo assetto è indicativo di un potenziale spostamento meridionale dell’Intertropical Convergence Zone (ITCZ) indotto dalla QBO. Anche in presenza di condizioni ENSO-neutrali (pannello d), questo segnale si mantiene robusto e statisticamente significativo, specialmente tra 5°N e 5°S. Inoltre, persistono segnali nel Pacifico occidentale e sull’Oceano Indiano, sebbene con minore ampiezza rispetto ai compositi su tutti i mesi.

La dimensione campionaria, riportata in ciascun pannello, mostra che pur riducendosi nei subset ENSO-neutrali, il numero di mesi resta sufficiente a garantire la validità statistica dei risultati, soprattutto nella stagione primaverile (nW = 296, nE = 210). Questa robustezza è particolarmente rilevante alla luce del noto bias nei modelli CMIP6 legato all’ampiezza sottostimata della QBO nella bassa stratosfera, che può limitare la comparabilità con i dati osservativi.

In sintesi, la Figura 4 sottolinea la necessità critica di considerare la fase dell’ENSO nell’analisi delle teleconnessioni QBO-superficie. In DJF, l’interazione QBO–ENSO è dominante, mentre in MAM emerge un’influenza della QBO più autonoma e persistente sulle precipitazioni tropicali. Ciò suggerisce che le forzanti stratosferiche possano avere un impatto diretto e indipendente sulla circolazione tropicale nei mesi primaverili, potenzialmente modulando la posizione della ITCZ e i pattern di convezione nella regione indo-pacifica e atlantica.

3.3 Interazione tra la QBO, ENSO e IOD

Per approfondire l’interazione tra la Quasi-Biennial Oscillation (QBO) e il fenomeno ENSO (El Niño-Southern Oscillation), questa sezione analizza se e in che misura le caratteristiche dinamiche della QBO siano modulate dalle fasi ENSO e se, a loro volta, le fasi della QBO influenzino la frequenza e l’intensità degli eventi ENSO. L’indagine si estende inoltre alle possibili interazioni con l’Indian Ocean Dipole (IOD), in considerazione delle implicazioni su larga scala che tali interazioni possono generare nella circolazione tropicale e nella distribuzione delle precipitazioni.

Un elemento chiave di questa indagine è il riconoscimento che il meccanismo fisico che origina la QBO, basato sull’interazione tra onde tropicali ascendenti (onde Kelvin, onde di Rossby equatoriali e onde gravitazionali), è sensibile alle condizioni troposferiche, e quindi potenzialmente modulabile dall’attività convettiva associata a ENSO. Studi precedenti, tra cui quello di Schirber (2015), condotto su modelli climatici globali (GCM), hanno dimostrato che in condizioni di El Niño si osserva un’intensificazione dell’attività ondosa troposferica che accelera la discesa della fase occidentale della QBO nella stratosfera tropicale.

Per verificare empiricamente questa relazione, l’analisi si è focalizzata su due parametri diagnostici della QBO: l’ampiezza e la velocità di discesa delle fasi zonali del vento (westerly ed easterly), entrambi descritti in dettaglio nella Sezione 2.3. Tali parametri sono stati calcolati sia per il dataset di rianalisi ERA5 (1979-2020) che per una lunga simulazione di 500 anni con il modello GC3 N216-pi, al fine di valutare la robustezza delle interazioni QBO-ENSO in contesti sia osservativi che modellistici.

Nei dati ERA5 emerge chiaramente una marcata asimmetria nella velocità di discesa tra le due fasi della QBO: la fase occidentale (QBOW) mostra una discesa più rapida rispetto alla fase orientale (QBOE), in accordo con quanto già evidenziato nei radiosondaggi di lungo periodo (Schenzinger et al., 2017). Inoltre, sia l’ampiezza che la velocità di discesa risultano modulate dalla fase ENSO: durante eventi di La Niña si riscontrano ampiezze maggiori e una propagazione più lenta della QBO, mentre in condizioni di El Niño si osservano ampiezze più contenute e una discesa più rapida. Questi risultati sono coerenti con le analisi di Geller et al. (2016), che ipotizzano un controllo troposferico sull’input di momento angolare necessario all’alimentazione della QBO.

Nel modello GC3 N216-pi, sebbene il comportamento più rapido della discesa in fase occidentale venga riprodotto, non emergono evidenze statisticamente significative di una dipendenza delle caratteristiche della QBO dalle fasi ENSO. I test statistici condotti (Welch’s t test) non rilevano differenze significative né per l’ampiezza né per la velocità di discesa tra episodi El Niño e La Niña. Tuttavia, un risultato interessante riguarda i mesi neutri ENSO, durante i quali la discesa della QBO occidentale risulta significativamente più lenta rispetto ai mesi ENSO-positivi o ENSO-negativi, suggerendo che l’attività ondosa tropicale possa essere meno efficiente in assenza di forzanti convettive legate a ENSO.

Infine, l’analisi esplora la possibilità inversa, ovvero che sia la fase della QBO a modulare la frequenza o la probabilità di occorrenza di eventi ENSO. Tale ipotesi si fonda su precedenti studi osservativi e modellistici (ad es. Christiansen et al., 2016), secondo cui le fasi della QBO potrebbero favorire, o inibire, l’attivazione di feedback oceanico-atmosferici alla base del ciclo ENSO. In questa prospettiva, viene esaminata la distribuzione degli eventi ENSO all’interno delle fasi QBO mediante analisi statistiche condotte sui dati osservativi (ERA5 e HadSST) e sulle tre simulazioni modellistiche disponibili, documentate nella Tabella 1 del lavoro originale.

L’analisi viene inoltre estesa alle potenziali interazioni con l’Indian Ocean Dipole (IOD), considerando che quest’ultimo, attraverso il suo caratteristico gradiente zonale di temperatura superficiale del mare (SST) e convezione, potrebbe rappresentare un importante mediatore nella risposta interstagionale alla QBO nel bacino indo-pacifico.L’interazione tra la QBO e l’ENSO è stata oggetto di crescente attenzione per via della possibilità che i due fenomeni si influenzino reciprocamente attraverso meccanismi dinamici e termodinamici che coinvolgono l’intera colonna atmosferica tropicale. Una delle principali ipotesi è che i cambiamenti nella circolazione troposferica associati agli eventi ENSO possano modulare la generazione e la propagazione delle onde equatoriali responsabili della formazione e della discesa delle fasi della QBO. In questa prospettiva, alcuni studi modellistici — come quello di Schirber (2015) — hanno dimostrato che durante condizioni di El Niño si osserva un’intensificazione dell’attività ondulatoria troposferica, che può accelerare la velocità di discesa della fase occidentale della QBO. Tuttavia, indagini più recenti — come quella condotta da Serva et al. (2020) — indicano che tale risposta dipende fortemente dalla risoluzione orizzontale dei modelli: solo le simulazioni ad alta risoluzione riescono a riprodurre in modo realistico l’effetto dell’ENSO sull’ampiezza della QBO, sebbene in misura più attenuata rispetto alle osservazioni, mentre molti modelli, incluso il MOHC Unified Model (UM), non mostrano alcuna risposta significativa della QBO agli eventi ENSO.

Sulla base di questa incertezza, si è proceduto a un’analisi sistematica di diverse caratteristiche dinamiche della QBO — in particolare il tasso di discesa e l’ampiezza — valutandone la dipendenza dalla fase dell’ENSO. I risultati, sintetizzati graficamente nella Figura 6, si riferiscono sia al dataset ERA5 (1979–2020), sia alla simulazione GC3 N216-pi (500 anni). Nei dati reanalizzati, la ben nota asimmetria tra la fase QBOW e QBOE nella velocità di discesa — più rapida nella fase occidentale — è ben visibile, e i valori risultano coerenti con quelli osservati in dataset radiosondici di lungo periodo, come quello di Berlino (Schenzinger et al., 2017). Inoltre, sempre nei dati ERA5, sia l’ampiezza che il tasso di discesa della QBO mostrano una chiara dipendenza dalla fase dell’ENSO: durante La Niña si osservano ampiezze maggiori e discese più lente, mentre durante El Niño si rilevano ampiezze più contenute e discese più rapide, in accordo con quanto documentato da Geller et al. (2016).

Nel caso del modello GC3 N216-pi, le discese risultano anch’esse più rapide nella fase QBOW rispetto a QBOE, replicando quindi l’asimmetria osservata. Tuttavia, la dipendenza della struttura verticale della QBO dalla fase ENSO risulta meno evidente rispetto alle osservazioni: né l’ampiezza né la velocità di discesa mostrano differenze statisticamente significative tra le fasi EN e LN, secondo il test t di Welch. L’unica anomalia significativa rilevata nel modello è che, durante i mesi ENSO-neutri, le fasi occidentali della QBO tendono a scendere più lentamente rispetto a quanto accade durante fasi ENSO attive (EN o LN). Questa osservazione suggerisce che la variabilità dell’attività ondulatoria troposferica potrebbe essere maggiore durante fasi ENSO estreme rispetto agli anni neutri, in linea con le considerazioni di Geller et al. (2016). Le simulazioni a risoluzione inferiore dello stesso modello (non mostrate) confermano l’assenza di una relazione significativa tra ENSO e QBO, analogamente ai risultati ottenuti da Serva et al. (2020) con versioni precedenti del modello HadGEM.

Per verificare la possibilità opposta, ovvero che la QBO possa influenzare l’ENSO, si è analizzata la frequenza degli eventi ENSO in relazione alla fase della QBO. I risultati, sintetizzati nella Tabella 1, evidenziano tendenze interessanti nei dati osservativi e nelle simulazioni. Ad esempio, nel periodo 1979–2020 si osserva una maggiore frequenza di eventi El Niño durante le fasi QBOW e una maggiore frequenza di eventi La Niña durante QBOE, come già documentato da Taguchi (2010) e Liess e Geller (2012). Tuttavia, estendendo l’analisi al periodo 1953–2020, emerge la tendenza opposta, coerente con altre evidenze precedenti (Domeisen et al., 2019). Per testare la significatività statistica di queste differenze, si sono utilizzati sia il test t di Welch che il test di Kolmogorov–Smirnov (KS), costruendo funzioni di densità di probabilità (PDF) mediante bootstrapping (per le osservazioni) e campionamenti di lunghezza pari a 39 anni (per i modelli), così da rendere i confronti coerenti con l’intervallo temporale di ERA5.

I risultati mostrano che, nei modelli, le frequenze di eventi EN sono significativamente più elevate durante le fasi QBOW rispetto a QBOE, mentre per gli eventi LN il comportamento varia: nei dati HadSST, LN è distribuito in modo simile tra le due fasi della QBO, mentre nel GC3 N216-pi gli eventi LN sono più frequenti durante QBOE. La frequenza media mensile di eventi EN e LN durante condizioni di QBO neutra risulta simmetrica, attestandosi su ±0.26 eventi/mese.

Un’ulteriore conferma delle interazioni tra QBO ed ENSO si ottiene analizzando la variabilità mensile dell’indice EN3.4 e della sua deviazione standard (Figura 7a e b), confrontando le condizioni QBOW e QBOE nei dati HadSST e nella simulazione GC3 N216-pi. Nell’intervallo 1979–2021, si osservano valori negativi dell’indice EN3.4 da dicembre ad aprile durante la QBOE, coerentemente con la maggiore frequenza di eventi La Niña, mentre durante QBOW l’indice tende ad essere positivo. Nei dati modellistici, si rileva un comportamento simile: valori medi positivi dell’EN3.4 durante QBOW e negativi durante QBOE nello stesso intervallo stagionale. Tuttavia, tra tutti i mesi analizzati, solo aprile mostra differenze statisticamente significative.

Infine, le differenze composite nella precipitazione convettiva durante la stagione MAM — riportate nella Figura 8 — mostrano che la risposta media della QBO risente in modo marcato della modulazione ENSO. Analizzando separatamente gli anni ENSO-neutri, EN e LN, si evidenzia una netta dipendenza del segnale da tali condizioni. Ad esempio, nella regione dell’ITCZ atlantica e pacifica, i segnali sono opposti durante LN rispetto agli anni neutri o EN, suggerendo che i segnali compositi medi derivino da un equilibrio tra risposte di segno diverso nelle diverse fasi ENSO, e che la presenza di eventi La Niña possa attenuare o mascherare segnali altrimenti robusti associati alla QBO.Un ulteriore elemento rilevante che emerge dall’analisi delle anomalie di precipitazione medie associate alle fasi della QBO riguarda la presenza di un segnale positivo al di fuori della fascia equatoriale nel Pacifico occidentale, osservabile esclusivamente durante gli anni climaticamente neutri rispetto all’ENSO. Questa evidenza suggerisce che gli impatti teleconnettivi dell’ENSO, in particolare nell’area atlantica, possano essere modulati dalla fase della QBO, risultando in una risposta atmosferica differenziata a seconda della combinazione QBO–ENSO. Nella simulazione GC3 N216-pi, tale modulazione risulta particolarmente chiara durante il trimestre marzo–aprile–maggio (MAM), mentre nelle configurazioni modellistiche GC3 N96-pi e UKESM N96-pi si osservano effetti simili anche durante la stagione invernale boreale (dicembre–gennaio–febbraio, DJF), come evidenziato nelle figure supplementari (S6 e S7). Questa variabilità nella risposta climatica implica che, in presenza di comportamenti non lineari tra le forzanti tropicali, l’approccio tradizionale basato su regressioni lineari multiple potrebbe non essere adeguato per isolare in modo accurato i segnali attribuibili alla QBO. In altre parole, gli effetti superficiali della QBO potrebbero emergere attraverso interazioni sinergiche e non additive con altri fenomeni tropicali, come l’ENSO.

Le analisi precedenti relative alle precipitazioni e alla temperatura superficiale del mare (SST) avevano già messo in evidenza una potenziale connessione tra la QBO e le condizioni atmosferico-oceaniche dell’Oceano Indiano. A tal proposito, il legame tra la QBO e la frequenza degli eventi associati al Dipolo dell’Oceano Indiano (IOD) è stato investigato mediante un approccio analogo a quello utilizzato per la diagnosi delle relazioni QBO–ENSO. L’analisi, basata su test di significatività statistica (Kolmogorov–Smirnov e Welch t-test), conferma l’esistenza di una relazione robusta tra la fase della QBO e la frequenza di eventi IOD, come documentato nella Tabella 1 e illustrato nelle Figure 7c e 7d. In particolare, emerge una chiara asimmetria nella frequenza degli eventi: gli episodi di IOD positivo risultano più numerosi durante la fase occidentale della QBO (QBOW), mentre quelli di IOD negativo si presentano con maggiore probabilità durante la fase orientale (QBOE), sia nei dati osservativi (ERA5) sia nelle simulazioni numeriche.

L’analisi mensile dell’indice IOD nei modelli mostra che tale differenziazione è particolarmente marcata nei mesi di settembre e ottobre, in coincidenza con la stagione SON (settembre–ottobre–novembre), ovvero il periodo dell’anno in cui l’IOD raggiunge tradizionalmente la sua massima espressione dinamica e termica. Nelle simulazioni GC3 N96-pi e UKESM N96-pi si osserva un comportamento molto simile, con anomalie coerenti con quelle simulate nella configurazione ad alta risoluzione GC3 N216-pi (Figura S5). Le differenze tra QBOW e QBOE risultano significative, sottolineando una potenziale influenza sistematica della QBO sulla variabilità intra-annuale e interannuale del sistema climatico indo-pacifico.

Nel complesso, questi risultati suggeriscono l’esistenza di interazioni pan-tropicali tra la QBO, l’ENSO e l’IOD, mediate attraverso modifiche nelle strutture della circolazione zonale troposferica, che si riflettono sia sulla collocazione latitudinale dell’ITCZ, sia sulla forza e la posizione delle celle di Walker e Hadley. Tali connessioni, già esplorate in letteratura (Cai et al., 2019), rappresentano un’area critica per la comprensione delle teleconnessioni globali e del loro impatto sulla variabilità climatica regionale, soprattutto nelle aree monsoniche e subtropicali. Di conseguenza, lo studio prosegue con un approfondimento dei collegamenti tra la QBO e la circolazione atmosferica tropicale su scala emisferica.

Risposta annuale della precipitazione convettiva alla QBO e all’ENSO: evidenze da regressione lineare semplice e multivariata nel modello GC3 N216-pi

La Figura 5 illustra l’analisi quantitativa dell’influenza della Quasi-Biennial Oscillation (QBO) e dell’El Niño–Southern Oscillation (ENSO) sulla precipitazione convettiva annuale media, condotta attraverso modelli di regressione lineare applicati ai dati simulati dal modello climatico GC3 N216-pi. Questa analisi rappresenta un passaggio cruciale per discriminare e quantificare le teleconnessioni atmosferiche associate a ciascun forzante tropicale, mettendo in luce le loro interazioni e la rispettiva influenza indipendente o sovrapposta nel modellare la convezione tropicale globale.

(a) Regressione semplice QBO – tutti i mesi

Il primo pannello (a) mostra i coefficienti di regressione scalati (β′) derivati da un modello OLS semplice in cui la QBO è l’unico predittore, considerando tutti i mesi disponibili nella simulazione. Le zone colorate indicano la risposta della precipitazione convettiva a variazioni nell’indice QBO: i toni marroni rappresentano riduzioni di precipitazione durante la fase occidentale della QBO (QBOW), mentre i toni azzurro-verdi riflettono incrementi associati alla stessa fase. Il tratteggio segnala le aree statisticamente significative al 95% secondo il t-test. Spiccano risposte coerenti con quanto atteso da precedenti studi osservativi, come ad esempio un’inibizione della convezione sull’oceano Indiano e sul Pacifico occidentale durante la fase QBOW, compatibile con la modulazione troposferica operata dalle anomalie stratosferiche zonali indotte dalla QBO.

(b) Regressione semplice QBO – solo mesi ENSO-neutri

Nel pannello (b), la stessa analisi viene ripetuta escludendo tutti i mesi affetti da condizioni ENSO, isolando così l’effetto della QBO al netto delle influenze del Niño 3.4. Le strutture spaziali risultanti sono in larga parte simili a quelle osservate in (a), ma alcune differenze emergono, specialmente sul Pacifico centrale e nell’Atlantico equatoriale, a testimonianza di una parziale contaminazione del segnale QBO da parte dell’ENSO quando non filtrato. Il miglioramento della significatività in alcune aree (e.g., banda convettiva equatoriale) rafforza l’ipotesi che le risposte associate alla QBO possano essere non lineari o sensibili alla fase ENSO, come confermato anche da altre analisi nel medesimo studio.

(c) Regressione multivariata – contributo della QBO

Il pannello (c) mostra i coefficienti di regressione β′ associati alla QBO quando questa è inclusa in un modello OLS multivariato che tiene conto simultaneamente della variabilità ENSO e QBO. Questa configurazione permette di isolare l’effetto “puro” della QBO sulla precipitazione, controllando per la variabilità interannuale ENSO-correlata. I risultati mostrano che, anche dopo aver tenuto conto del segnale ENSO, la QBO continua a esercitare un’influenza significativa su vaste porzioni della fascia tropicale, in particolare sull’Atlantico meridionale, l’Africa equatoriale, il Pacifico centrale e l’Asia sud-orientale. Questo risultato sottolinea la natura autonoma di alcune teleconnessioni legate alla QBO, supportando la sua inclusione come predittore indipendente nei modelli statistici e dinamici del clima tropicale.

(d) Regressione multivariata – contributo dell’ENSO

Infine, il pannello (d) mostra i coefficienti di regressione β′ riferiti all’ENSO (indicizzato, ad esempio, attraverso il Niño 3.4), all’interno dello stesso modello multivariato. Come atteso, l’ENSO produce un impatto più intenso e spazialmente esteso rispetto alla QBO, con risposte molto forti (fino a ±4.5 mm/giorno) nel Pacifico equatoriale e risposte secondarie nel bacino indo-pacifico, in Africa orientale e in Sudamerica tropicale. Questi risultati riflettono la ben nota modulazione esercitata dall’ENSO sulle celle di Walker e Hadley, così come sulla localizzazione e intensità dell’ITCZ e della zona di convezione marittima equatoriale.

Aspetti metodologici

In tutti i pannelli, i coefficienti sono stati scalati (β′) per renderli comparabili tra le diverse grandezze predittive, moltiplicando i valori ottenuti per il rapporto tra l’ampiezza massima e la deviazione standard degli indici QBO o ENSO. La significatività statistica è stata valutata tramite test t di Student, con soglia di confidenza del 95%. Questo approccio garantisce un trattamento uniforme e comparabile dei contributi regressivi, tenendo conto della diversa variabilità naturale degli indici utilizzati.

Sintesi interpretativa

L’analisi evidenziata in Figura 5 conferma che:

• la QBO modula la convezione tropicale anche in assenza di ENSO,
• gli effetti della QBO possono risultare distorti se non si controlla per l’ENSO,
• la risposta ENSO domina in intensità, ma la QBO contribuisce in modo statisticamente robusto e indipendente,
• le zone di convergenza (ITCZ, SPCZ) e i bacini oceanici tropicali rispondono in modo differenziato ai due forzanti.

Questo tipo di analisi regressiva rappresenta una metodologia chiave per la comprensione delle teleconnessioni stratosfera-troposfera, e per l’integrazione operativa della QBO nelle previsioni stagionali, in particolare nella previsione della convezione tropicale e delle anomalie pluviometriche nei tropici.

Analisi estesa della Figura 6 – Ampiezza e velocità di discesa della QBO in relazione alle fasi ENSO

La Figura 6 presenta due pannelli che mostrano, rispettivamente, l’ampiezza della QBO (pannello a sinistra, Fig. 6a) e il suo tasso di discesa (pannello a destra, Fig. 6b), confrontati tra dataset osservativi (ERA5) e simulazioni del modello climatico GC3 N216-pi (indicato come N216). I dati sono disaggregati secondo le tre principali fasi del fenomeno ENSO: El Niño (EN, in blu), La Niña (LN, in arancione) e fasi neutre (NN, in verde).

(a) Ampiezza della QBO

Nel pannello (a), l’ampiezza della QBO – definita come la differenza tra i venti zonali massimi e minimi alla quota isobarica di riferimento – viene rappresentata per ciascun dataset. Le distribuzioni, illustrate come boxplot, mostrano i valori mediani (linea orizzontale all’interno del rettangolo), i quartili (estremi della scatola) e gli estremi statistici (barre verticali o “whiskers”), con alcuni outlier rappresentati da punti singoli.

Nel dataset ERA5, si osserva che durante fasi di El Niño (blu), la QBO presenta una ampiezza media leggermente inferiore, suggerendo un indebolimento della componente zonale. Al contrario, durante La Niña (arancione), l’ampiezza risulta generalmente più elevata. Questo comportamento è coerente con precedenti evidenze osservative (Geller et al., 2016), secondo le quali le anomalie termiche tropicali influenzano l’intensità delle onde troposferiche che forniscono il momento alla QBO nella stratosfera.

Nel modello N216, invece, le ampiezze risultano simili tra le tre fasi ENSO, con differenze non statisticamente significative. Ciò riflette una mancanza di sensibilità del modello alla modulazione ENSO della QBO, in linea con quanto discusso nel testo dello studio, che sottolinea come molti GCM faticano a rappresentare correttamente l’interazione ENSO-QBO (Serva et al., 2020).

(b) Tasso di discesa della QBO

Il pannello (b) della figura mostra il tasso di discesa mensile (in km/mese) dei venti zonali associati alla QBO, distinto per fase discendente della componente orientale (E) e occidentale (W) della QBO. Questo parametro è fondamentale per comprendere i tempi di propagazione verticale dell’oscillazione nella stratosfera equatoriale, che dipendono fortemente dalla generazione di onde tropicali e dalla viscosità atmosferica.

Nel caso ERA5:

• Durante El Niño, si osserva una velocità di discesa maggiore, in particolare nella fase occidentale della QBO (W), indicando che l’accelerazione discendente della QBO è favorita in presenza di anomalie calde del Pacifico equatoriale.
• Al contrario, sotto La Niña, la discesa tende a essere più lenta, coerente con una minore attività ondosa nella troposfera tropicale.
• Le fasi neutre mostrano tassi intermedi o più stabili.

Nel modello N216:

• Sebbene la fase W abbia generalmente una discesa più rapida rispetto alla fase E (in accordo con i dati ERA5 e radiosondaggi storici, come Schenzinger et al., 2017), non emergono differenze significative tra le fasi ENSO, evidenziando una debole risposta del modello alle forzanti troposferiche.

Questa mancanza di risposta potrebbe essere attribuita a fattori strutturali del modello stesso, come la risoluzione orizzontale e verticale, il trattamento delle onde Kelvin ed equatoriali e la parametrizzazione dei processi convettivi, tutti elementi cruciali per una rappresentazione realistica della QBO.

Considerazioni metodologiche

I boxplot sono stati costruiti separando i dati per dataset (ERA5, N216) e per fase ENSO (EN, LN, NN). Le etichette “E” e “W” sotto il pannello (b) indicano se il tasso di discesa si riferisce alla componente discendente della QBO orientale o occidentale, secondo la classificazione adottata da Schenzinger et al. (2017). Le misure rappresentano distribuzioni raccolte su più decenni per ERA5 (dal 1979) e su 500 anni simulati per N216.

Bibliografia essenziale

• Geller, M. A., Zhou, T., & Zhang, M. (2016). ENSO modulation of the QBO. Journal of Geophysical Research: Atmospheres, 121(19), 11,351–11,366.
• Schenzinger, V., & Baldwin, M. P. (2017). The quasi-biennial oscillation: An analysis using radiosonde and reanalysis data. Atmospheric Chemistry and Physics, 17(15), 9481–9496.
• Serva, F., et al. (2020). Assessment of ENSO-QBO interactions in CMIP models. Climate Dynamics, 55(1), 57–73.

La Tabella 1 rappresenta una sintesi quantitativa della frequenza mensile di eventi ENSO (El Niño, La Niña) e IOD(Indian Ocean Dipole positivo e negativo), calcolata per diverse fasi della Quasi-Biennial Oscillation (QBO) nei dati osservativi e nei modelli CMIP6. L’obiettivo di questa analisi è comprendere se – e in quale misura – la fase della QBO (Westerly o Easterly) influenzi la probabilità di insorgenza di fenomeni climatici a larga scala come ENSO e IOD.

Struttura della Tabella

Per ciascun dataset, le righe indicano:

• Il nome del dataset (osservazionale o modellistico),
• La fase della QBO (W per fase occidentale, E per fase orientale),
• La frequenza media mensile di eventi El Niño e La Niña, con relativa deviazione standard,
• La frequenza media mensile di eventi IOD+ e IOD–, ove disponibile.

Le fonti osservazionali includono:

• FUB: basato su radiosondaggi a Berlino (1953–2020),
• B07: da Baldwin et al. (2001), esteso fino al 2020,
• ERA5: reanalisi ECMWF (1979–2020).

I modelli rappresentano tre simulazioni preindustriali ad alta risoluzione:

• GC3 N216-pi,
• GC3 N96-pi,
• UKESM N96-pi.

Per ogni stima, la deviazione standard è stata calcolata tramite bootstrapping con sostituzione, così da valutare l’incertezza legata alla lunghezza limitata dei record osservativi e all’intrinseca variabilità interna dei modelli. Inoltre, il Kolmogorov–Smirnov test è stato utilizzato per determinare la significatività delle differenze tra le distribuzioni di frequenza nelle due fasi della QBO, con valori in grassetto indicanti risultati statisticamente significativi al 95%.

Risultati principali

ENSO (El Niño / La Niña)

• Nei dataset osservativi (FUB, B07, ERA5), si riscontra una tendenza debole ma coerente a una maggiore frequenza di eventi El Niño durante la fase QBO-W, mentre gli eventi La Niña sembrano più frequenti durante la QBO-E. Questa tendenza, tuttavia, non è sempre statisticamente significativa, e in alcuni casi le differenze rientrano nei margini di errore.
• Nei modelli, si osservano risultati più netti:
  • In GC3 N216-pi, si rileva una frequenza significativamente maggiore di El Niño durante QBO-W (0.27 ± 0.10) rispetto a QBO-E (0.24 ± 0.08).
  • In GC3 N96-pi e UKESM-pi, la tendenza si rafforza ulteriormente: entrambi i modelli mostrano una frequenza significativamente più alta di El Niño in fase QBO-W (rispettivamente 0.33 ± 0.09 e 0.30 ± 0.08) rispetto a QBO-E.
  • Gli eventi La Niña appaiono più frequenti durante QBO-E in GC3 N216-pi (0.26 ± 0.07), mentre le differenze sono più deboli negli altri modelli.

IOD (Indian Ocean Dipole)

• I dati osservativi ERA5 mostrano una maggiore frequenza di IOD+ (positivo) in QBO-W (0.17 ± 0.03) e di IOD– (negativo) in QBO-E (0.16 ± 0.03), confermando un segnale coerente e statisticamente significativo.
• Nei modelli:
  • In GC3 N216-pi, i risultati seguono lo stesso schema con valori identici a quelli osservati.
  • In GC3 N96-pi e UKESM-pi, la frequenza di eventi IOD+ è superiore durante QBO-W (0.18 e 0.16, rispettivamente), mentre gli eventi IOD– prevalgono durante QBO-E (0.14–0.15), con scarti standard contenuti.

Implicazioni dinamiche

Questi risultati suggeriscono che la fase della QBO è associata a una modulazione sistematica della frequenza degli eventi ENSO e IOD, probabilmente tramite l’influenza che la QBO esercita sull’attività ondulatoria troposferica e sulla convezione tropicale. In particolare, durante la fase QBO-W, l’ambiente atmosferico può favorire l’innesco e la persistenza di anomalie convettive nel Pacifico e nell’Oceano Indiano, mentre nella fase QBO-E, la circolazione zonale equatoriale potrebbe inibire alcune delle condizioni necessarie allo sviluppo di tali eventi.

L’esistenza di differenze statisticamente significative in molti dei modelli rafforza l’ipotesi di un legame dinamico tra QBO e variabilità oceanica tropicale, anche se la forza e la natura di tale legame possono variare tra i modelli e nei dati osservativi, suggerendo l’importanza della risoluzione spaziale, del realismo fisico nella parametrizzazione delle onde tropicali, e della rappresentazione dell’accoppiamento aria-mare.

Considerazioni metodologiche

Va sottolineato che l’approccio utilizzato in questa analisi – ossia la normalizzazione per mesi di QBO e la quantificazione della frequenza ENSO/IOD tramite probabilità mensili – permette una valutazione robusta delle relazioni statistiche ma non risolve completamente l’annosa questione della causalità. Per questo motivo, i risultati devono essere interpretati in combinazione con altre linee di evidenza, come quelle fornite dalle simulazioni modellistiche e dalle analisi di regressione multivariata.

Analisi scientifica dettagliata della Figura 7 – Influenza della QBO sull’indice ENSO e sull’IOD

La Figura 7 mostra l’evoluzione mensile degli indici EN3.4 (pannelli a e b) e IOD (pannelli c e d) per le due fasi opposte della QBO – ovvero la fase occidentale (QBOW, in blu) e la fase orientale (QBOE, in arancione) – separatamente per i dati osservativi/reanalitici e per le simulazioni modellistiche del sistema climatico.

(a) EN3.4 da osservazioni HadSST (1979–2021)

Nel pannello superiore sinistro, i valori medi mensili dell’indice EN3.4 (che rappresenta la temperatura superficiale del mare nella regione Niño 3.4) sono confrontati tra i mesi associati alla QBOW e alla QBOE. Si nota che durante la QBOE si registrano valori più frequentemente negativi nel periodo da dicembre ad aprile, indicando una tendenza statistica a condizioni di La Niña. Al contrario, nei mesi in cui domina la QBOW si osservano lievi anomalie positive, indicative di una maggiore frequenza di eventi El Niño. Tuttavia, le barre d’errore (deviazione standard) suggeriscono un’ampia variabilità interannuale e una sovrapposizione dei due regimi. Ciò riflette una relazione modulante piuttosto che deterministica tra QBO e ENSO, coerente con la natura statistica e non causale diretta di questa teleconnessione.

(b) EN3.4 da simulazione GC3 N216-pi (500 anni)

Il pannello superiore destro mostra i risultati del modello climatico GC3 N216-pi. Anche in questo caso, la QBOE è associata a valori negativi dell’indice EN3.4 nei mesi invernali e primaverili, con un minimo significativamente più freddo in aprile (contrassegnato da un asterisco viola). Questo conferma che il modello è in grado di riprodurre, almeno parzialmente, l’influenza osservata della QBO sul ciclo stagionale delle anomalie ENSO. Tuttavia, l’ampiezza della risposta è più contenuta rispetto all’osservazione e il segnale rimane statisticamente significativo in un numero limitato di mesi, suggerendo che le retroazioni oceaniche e le dinamiche atmosferiche sottostanti potrebbero essere meno efficaci nel simulare l’accoppiamento QBO-ENSO.

(c) IOD da reanalisi ERA5

Nel pannello inferiore sinistro è illustrata la variabilità mensile dell’indice IOD nei due regimi della QBO. L’IOD (Indian Ocean Dipole) viene quantificato sulla base delle anomalie di precipitazione convettiva nel bacino dell’Oceano Indiano. I mesi da settembre a novembre mostrano un’accentuata negatività dell’indice durante la QBOE e positività durante la QBOW, a conferma di una maggiore frequenza di eventi IOD- (negativi) sotto QBOE e IOD+ (positivi) sotto QBOW. Tali differenze sono coerenti con la distribuzione documentata nella Tabella 1, e sottolineano il possibile ruolo della QBO nella modulazione stagionale del bilancio termodinamico dell’Oceano Indiano. La significatività statistica è evidenziata da un asterisco nel mese di dicembre.

(d) IOD da GC3 N216-pi

Infine, il pannello in basso a destra riporta i valori medi mensili dell’indice IOD derivati dalla simulazione GC3 N216-pi. Il segnale è più chiaro e regolare rispetto ai dati osservativi: si nota una costante positività dell’indice IOD durante QBOW da luglio a novembre, mentre durante QBOE le anomalie risultano persistentemente negative nello stesso periodo. Le differenze risultano statisticamente significative nei mesi di settembre, ottobre e novembre (asterischi viola), a conferma di una robusta coerenza del segnale nel modello rispetto alla relazione QBO-IOD.

Interpretazione complessiva

Questi risultati evidenziano come la fase della QBO influenzi significativamente, seppur con modulazioni stagionali, i due principali modi di variabilità oceanica tropicale – ENSO e IOD – attraverso meccanismi di teleconnessione atmosferica. La maggiore frequenza di eventi El Niño e IOD+ durante la fase occidentale (QBOW) e quella di eventi La Niña e IOD− durante la fase orientale (QBOE) suggerisce che la QBO agisce come modulatore dell’attività convettiva equatoriale, influenzando l’accoppiamento oceano-atmosfera sia sul Pacifico che sull’Oceano Indiano. I risultati osservati sono riprodotti in parte anche dal modello GC3 N216-pi, il quale mostra una maggiore coerenza nel segnale IOD rispetto all’ENSO.

Queste interazioni non sono puramente lineari, ma suggeriscono una risposta modulata dal ciclo stagionale, da effetti non lineari e da retroazioni atmosferiche complesse, ponendo in rilievo l’importanza di considerare la QBO come elemento integrante nei sistemi predittivi stagionali per l’area tropicale e subtropicale.

La Figura 8 mostra le differenze composite nella precipitazione convettiva tra le fasi occidentale (QBO-W) ed orientale (QBO-E) della Quasi-Biennial Oscillation (QBO) nel trimestre marzo-aprile-maggio (MAM), simulata dal modello climatico GC3 N216-pi. I pannelli sono suddivisi per condizioni di background diverse: (a) totale dei mesi, (b) mesi ENSO-neutrali, (c) mesi durante El Niño e (d) mesi durante La Niña. Le aree tratteggiate indicano le regioni in cui le differenze risultano statisticamente significative al livello del 95% secondo un test t.

Pannello (a): QBO W-E (tutti i mesi)

Questo pannello rappresenta il campo medio globale delle differenze composite tra la fase QBO occidentale e orientale per il periodo MAM senza filtraggio in base alla fase ENSO. Le anomalie positive (tonalità marroni) indicano un aumento della precipitazione convettiva in QBO-W rispetto a QBO-E, mentre quelle negative (tonalità bluastre) denotano una soppressione. Il pattern evidenziato mostra una risposta convettiva significativa lungo la fascia intertropicale, in particolare nella zona di convergenza intertropicale (ITCZ) e nella zona di convezione marittima tropicale, suggerendo un’interazione attiva tra la QBO e i meccanismi convettivi equatoriali.

• Si osserva una soppressione della convezione sul Pacifico centrale, tipica della fase QBO-E, coerente con un raffreddamento della tropopausa e una stabilizzazione della colonna atmosferica.
• Al contrario, la QBO-W tende a favorire l’attività convettiva, probabilmente attraverso il riscaldamento nella stratosfera inferiore e l’associato abbassamento della tropopausa.

Pannello (b): QBO W-E (condizioni ENSO-neutrali)

Questo pannello isola l’effetto della QBO rimuovendo l’influenza dell’ENSO, permettendo un’analisi “pulita” della sola teleconnessione QBO-convezione. Il pattern rimane simile al pannello (a), ma mostra alcune differenze importanti:

• Le anomalie convettive si concentrano in modo più netto sulla fascia equatoriale pacifica centrale, dove la soppressione durante QBO-E risulta marcata e statisticamente significativa.
• È presente un chiaro segnale di attenuazione convettiva sulla Maritime Continent e sul Pacifico occidentale durante QBO-E, coerente con un effetto “suppression mode” legato alla subsidenza forzata dalla QBO orientale.

Questo suggerisce che la QBO può esercitare un’influenza autonoma e robusta sulla circolazione tropicale anche in assenza di forzanti interannuali dominanti come l’ENSO.

Pannello (c): QBO W-E durante El Niño

In condizioni di El Niño, la convezione è tipicamente spostata verso il Pacifico centrale. Qui si nota:

• Una forte soppressione della convezione sulla banda equatoriale del Pacifico orientale e centrale durante la QBO-E, amplificata rispetto al caso neutro.
• Un’intensificazione della convezione sul Pacifico occidentale e nell’area indonesiana durante QBO-W, evidenziando una sinergia costruttiva tra QBO-W e El Niño nella modulazione del Pacific Walker Circulation.

Ciò è coerente con precedenti studi (es. Yoo & Son, 2016; Martin et al., 2021) che dimostrano come l’impatto della QBO sulla convezione sia modulato dalla fase ENSO, con effetti rafforzati o indeboliti a seconda del background termodinamico oceanico.

Pannello (d): QBO W-E durante La Niña

Durante La Niña, la convezione si concentra nel Pacifico occidentale. In questo contesto:

• La soppressione convettiva associata a QBO-E appare particolarmente forte nell’area del Pacifico centrale e sul settore indonesiano, indicando un’interazione costruttiva tra QBO-E e La Niña nel rafforzare l’inibizione della convezione.
• Al contrario, QBO-W tende ad alleviare la subsidenza e rafforzare le precipitazioni convettive, specialmente sulla fascia equatoriale sudamericana e sull’Africa centrale.

Questo comportamento conferma che gli effetti combinati QBO–ENSO non sono lineari, ma dipendono dalla fase relativa delle due oscillazioni, con possibili meccanismi di risonanza o cancellazione.

Considerazioni statistiche e metodologiche

• I campioni (nW, nE) indicano la numerosità degli eventi QBO-W e QBO-E utilizzati per ciascun composito, fornendo trasparenza sulla robustezza dei segnali.
• La significatività statistica basata su test t a due code con soglia al 95% aggiunge rigore all’interpretazione, aiutando a distinguere i segnali robusti da quelli potenzialmente casuali.
• La scelta del trimestre MAM (marzo-aprile-maggio) è rilevante, poiché rappresenta una stagione di transizione convettiva nei tropici, in cui l’impatto modulatore della QBO può emergere con maggiore chiarezza.

Sintesi scientifica

La figura 8 fornisce un’evidenza chiara che la QBO modula significativamente la distribuzione spaziale della convezione tropicale, con effetti che variano a seconda della fase ENSO. In particolare, la fase QBO-E agisce come inibitore della convezione su vaste aree equatoriali, mentre la QBO-W può agire da facilitatore. Tuttavia, la teleconnessione QBO-precipitazioni è fortemente condizionata dal contesto ENSO, confermando che gli impatti della variabilità stratosferica sulla troposfera dipendono criticamente dalla presenza o assenza di forzanti oceaniche. Questo conferma l’importanza di utilizzare approcci multivariati e stratificati nei modelli climatici per rappresentare correttamente tali interazioni non lineari.

3.4 ITCZ, Monsoni e la Circolazione Tropicale di Ritorno: Effetti della QBO in Condizioni ENSO-Neutre

In questa sezione si approfondiscono gli effetti della Quasi-Biennial Oscillation (QBO) sulla posizione e struttura della Intertropical Convergence Zone (ITCZ), sul sistema monsonico globale e sulla circolazione tropicale di ritorno, inclusa la circolazione di Walker. Considerata la relazione statisticamente significativa tra ENSO e QBO osservata nei dataset e nelle simulazioni precedenti, per isolare gli impatti diretti della QBO si è proceduto mediante la costruzione di compositi riferiti esclusivamente ad anni ENSO-neutri (NN), escludendo cioè gli effetti diretti delle fasi El Niño e La Niña.

Un aspetto metodologico chiave dell’analisi riguarda l’individuazione e quantificazione dei bias modellistici nella simulazione dell’ITCZ. Tali bias sono misurati tramite le precipitazioni convettive zonalmente mediate nei settori del Pacifico e dell’Atlantico, come mostrato in Figura 9 (pannelli a e b). Tali errori sistematici nella rappresentazione del posizionamento e della struttura della ITCZ sono di particolare importanza, poiché possono interferire con i meccanismi fisici attraverso i quali la QBO modula la convezione tropicale. In particolare, la simulazione GC3 N216-pi evidenzia uno spostamento verso sud dell’ITCZ atlantica durante le stagioni DJF e MAM e un’estensione eccessiva verso sud della ITCZ del Pacifico centrale, che dà origine a una struttura a “doppia ITCZ” durante l’inverno boreale, in contrasto con i dati di rianalisi ERA5. Questi risultati sono coerenti con le analisi di García-Franco et al. (2020), che hanno mostrato come tali configurazioni erronee possano raggiungere ampiezze comparabili a quelle della climatologia stagionale.

Durante le condizioni ENSO-neutre, le differenze mensili nella precipitazione convettiva zonale tra le fasi QBO occidentale e orientale (QBO W–E) indicano una risposta stagionale eterogenea dell’ITCZ. Nei dati ERA5 non emergono segnali coerenti o statisticamente significativi nel settore atlantico, mentre nella simulazione GC3 N216-pi si evidenzia uno spostamento significativo verso nord dell’ITCZ tra aprile e giugno. Tale anomalia è verosimilmente associata alla presenza di anomalie positive della temperatura superficiale del mare (SST) nell’Atlantico tropicale settentrionale durante lo stesso periodo (cfr. Fig. 3). Al contrario, nel settore pacifico, le simulazioni GC3 N216-pi mostrano uno spostamento netto verso sud della ITCZ tra febbraio e luglio, con una massima deviazione nel trimestre marzo–aprile–maggio (MAM). Tali risultati non sono univoci nei dati osservativi (ERA5), dove il segnale appare molto più rumoroso e meno coerente. Il pattern riscontrato nel modello GC3 N216-pi è riproducibile anche nelle altre due simulazioni considerate (vedi Fig. S8), suggerendo una certa robustezza nella risposta simulata alla QBO, almeno nel contesto modellistico.

È importante sottolineare che questi risultati si riferiscono esclusivamente ad anni ENSO-neutri. Ciononostante, l’interazione tra QBO ed ENSO risulta ancora evidente su scala interannuale nel campione analizzato (cfr. Fig. S9), indicando che le due forzanti non sono completamente indipendenti.

Un altro aspetto analizzato in questa sezione riguarda l’effetto della QBO sul regime delle precipitazioni nelle principali regioni monsoniche del pianeta, incluse quelle sudamericane, africane, asiatiche e australiane. Diversi studi precedenti (Collimore et al., 2003; Liess & Geller, 2012; Gray et al., 2018; Giorgetta et al., 1999; Garfinkel & Hartmann, 2011b) hanno suggerito una connessione tra la fase della QBO e la modulazione dell’attività monsonica, specialmente attraverso la modifica delle condizioni troposferiche e stratosferiche che influenzano la convezione profonda. Tuttavia, i risultati ottenuti nelle simulazioni GC3 N216-pi non mostrano impatti robusti e coerenti sulle precipitazioni continentali, come illustrato in Figura 1 delle sezioni precedenti.

Per investigare ulteriormente questa apparente debolezza della risposta, si è fatto ricorso alla definizione di “regione monsonica” proposta da Wang e Ding (2008) e successivamente aggiornata in Wang et al. (2017, 2021). Una regione viene definita monsonica se almeno il 55% della precipitazione annuale si verifica nella stagione estiva corrispondente (JJAS per l’emisfero boreale, DJFM per quello australe) e se la differenza tra le precipitazioni estive e invernali supera i 2 mm/giorno. Applicando tale definizione ai dati osservativi GPCC (1953–2020) e alle simulazioni GC3 N216-pi, sono state calcolate le differenze QBO W–E per i due semestri stagionali sopra menzionati, considerando esclusivamente anni ENSO-neutri.

I risultati riportati in Figura 10 evidenziano una risposta delle precipitazioni relativamente debole nelle principali regioni monsoniche. In particolare, nelle regioni monsoniche del Sud America e del subcontinente indiano, si osservano anomalie statisticamente significative sia positive che negative, ma prive di una coerenza spaziale su scala regionale. Questo suggerisce che le dinamiche locali, come le condizioni orografiche, la posizione della banda convettiva intertropicale, e la risposta termica della superficie continentale, possano giocare un ruolo fondamentale nel modulare l’effetto della QBO.

Nella simulazione GC3 N216-pi, all’interno della regione monsonica sudamericana, le differenze QBO W–E indicano condizioni significativamente più umide nelle aree centro-orientali del continente, in corrispondenza della South Atlantic Convergence Zone (SACZ), una struttura convettiva persistente tipica del monsone sudamericano (Carvalho et al., 2004; Jorgetti et al., 2014). Inoltre, nei dati osservativi GPCC, e in misura minore anche in GC3 N216-pi, si osservano condizioni più umide durante le fasi QBOW rispetto a QBOE nella regione del Messico meridionale e dell’America Centrale, nota per la presenza della Midsummer Drought (García-Franco et al., 2020), un’interruzione temporanea della convezione nella stagione monsonica.I bias climatologici nella rappresentazione della dinamica monsonica, riscontrati sia in questo che in altri modelli climatici, come evidenziato in particolare per il Sud America (García-Franco et al., 2020; Coelho et al., 2022), suggeriscono che gli impatti riportati nella Figura 10 possano dipendere fortemente dalla configurazione del modello. L’analisi delle simulazioni a risoluzione inferiore (Figura S10) evidenzia ulteriormente che alcuni di questi impatti risultano anche influenzati dalla risoluzione spaziale del modello stesso. Ciò rafforza l’importanza di una corretta rappresentazione climatologica delle caratteristiche dinamiche fondamentali di ciascun sistema monsonico all’interno del modello, come prerequisito necessario per ottenere risposte atmosferiche realistiche alla forzante stratosferica della QBO.

Nonostante questa consapevolezza, l’analisi effettuata mostra chiaramente che, nel modello GC3 N216-pi, gli effetti della QBO sulla convezione atmosferica sopra le superfici continentali sono più deboli rispetto a quelli riscontrati sopra gli oceani. Questo squilibrio spaziale nella risposta suggerisce un possibile ruolo amplificatore dei feedback legati alla temperatura superficiale del mare (SST), che potrebbe contribuire a rinforzare gli effetti della QBO in ambiente oceanico, rispetto alla risposta termicamente più inerte delle superfici continentali.

Diversi studi precedenti hanno proposto che uno dei meccanismi attraverso cui la QBO influenza le condizioni atmosferiche troposferiche tropicali sia la modulazione della circolazione di Walker. Questo potrebbe rappresentare una spiegazione del carattere zonalmente asimmetrico delle risposte tropicali associate alla QBO, documentato sia in osservazioni che in simulazioni (Collimore et al., 2003; Liess e Geller, 2012). Per esplorare questa ipotesi, è stata analizzata la relazione tra QBO e circolazione di Walker tramite il calcolo della funzione di corrente zonale, costruita a partire dalla componente divergente del vento zonale. Tale analisi è stata condotta mediando i campi atmosferici lungo la fascia equatoriale compresa tra 10°S e 10°N, e integrando verticalmente dalla sommità dell’atmosfera fino alla superficie. La componente divergente del vento zonale è stata ottenuta mediante la risoluzione numerica dell’equazione del potenziale di velocità, utilizzando strumenti computazionali avanzati su griglia sferica (Dawson, 2016).

Durante la stagione invernale boreale (dicembre-gennaio-febbraio), le differenze compositate tra le fasi QBOW e QBOE mostrano, sia nei dati ERA5 che nella simulazione GC3 N216-pi, che la funzione di corrente atmosferica zonale nel Pacifico orientale (tra 220°E e 260°E) è significativamente più debole durante QBOE rispetto a QBOW. Nella simulazione, tali differenze risultano significative anche nei bassi strati troposferici, a conferma di un impatto che si estende verticalmente lungo la colonna atmosferica. Inoltre, il vento zonale nei livelli superiori della troposfera (tra 300 e 100 hPa) risulta più debole durante QBOW rispetto a QBOE intorno ai 200°E, in accordo con quanto riscontrato nei dati osservativi.

In particolare, nella simulazione GC3 N216-pi, alla riduzione della funzione di corrente si associa una forte anomalia discendente nella regione compresa tra 170°E e 220°E, mentre anomalie ascendenti si osservano nel settore del Maritime Continent e sull’Oceano Indiano. Tali anomalie verticali di moto atmosferico suggeriscono uno spostamento longitudinale della cella di Walker, con zone di subsidenza e convezione anomala che si redistribuiscono in risposta alla fase della QBO. Le altre configurazioni modellistiche analizzate mostrano risultati qualitativamente simili a quelli di GC3 N216-pi, anche se non sono presentate nel dettaglio.

Nel periodo autunnale dell’emisfero boreale (settembre-ottobre-novembre), le differenze tra le due fasi della QBO sono anch’esse significative e appaiono coerenti con il comportamento osservato dell’Indian Ocean Dipole (IOD) durante queste fasi. In particolare, si osservano anomalie positive della funzione di corrente nel settore orientale dell’Oceano Indiano e nel Maritime Continent, mentre anomalie negative emergono nel Pacifico orientale. Ancora una volta, nella simulazione GC3 N216-pi, le anomalie di velocità verticale indicano una convezione più intensa nella parte occidentale dell’Oceano Indiano e nel Maritime Continent, e convezione indebolita nel settore orientale dell’Oceano Indiano. Questi risultati concordano con l’evidenza di indici IOD positivi nelle fasi QBOW e con un indice medio negativo durante QBOE, indicando che la QBO può modulare anche la variabilità interannuale dell’Oceano Indiano.

I pannelli più a destra delle Figure 11 e 12, in cui sono considerate esclusivamente condizioni ENSO-neutre, suggeriscono che la relazione tra QBO e circolazione di Walker possa manifestarsi indipendentemente dalla presenza di eventi ENSO, almeno nel caso della simulazione GC3 N216-pi. Tuttavia, è possibile osservare alcuni effetti di sovrapposizione tra QBO ed ENSO: ad esempio, nei dati ERA5, l’eliminazione degli anni ENSO può invertire il segno della risposta. Questa instabilità del segnale è verosimilmente legata alla ridotta numerosità del campione di osservazioni disponibili nei soli mesi ENSO-neutri, che limita la robustezza statistica delle anomalie. L’indebolimento della circolazione di Walker durante le fasi QBOW rispetto a QBOE è stato confermato anche nelle altre configurazioni modellistiche (vedi Figure S11 e S12). Questi risultati mettono in evidenza un collegamento coerente tra la circolazione atmosferica tropicale di larga scala e la distribuzione spaziale delle precipitazioni, in accordo con quanto discusso nei segmenti iniziali del lavoro e nella letteratura esistente.

La Figura 9 fornisce una rappresentazione articolata degli effetti della Quasi-Biennial Oscillation (QBO) sulla struttura latitudinale della precipitazione convettiva zonale nei settori tropicali dell’Oceano Atlantico e del Pacifico centrale, distinguendo fra i bias sistematici del modello climatico GC3 N216-pi rispetto alla rianalisi ERA5 (pannelli superiori, a–b) e le differenze indotte dalla QBO nelle fasi occidentale e orientale (QBOW–QBOE) sotto condizioni ENSO-neutre (pannelli inferiori, c–f). L’analisi è condotta lungo l’intero ciclo annuale e mediata zonalmente su bande longitudinali rappresentative dell’ITCZ atlantica (60–20°W) e pacifica (180–140°W), due settori notoriamente influenzati da variabilità tropicale e dalle onde equatoriali.

Bias climatologici nella convezione simulata: pannelli (a–b)

I pannelli superiori mostrano i bias del modello GC3 N216-pi rispetto a ERA5 nella precipitazione convettiva zonalmente mediata:

• (a) Settore Atlantico (60°W–20°W):
  Il modello sovrastima la convezione nella banda equatoriale tra novembre e maggio, suggerendo una posizione eccessivamente meridionale dell’ITCZ, coerente con quanto riportato da García-Franco et al. (2020). Questa anomalia è più marcata durante il semestre invernale e primaverile, ovvero quando l’ITCZ atlantica tende a migrare verso sud in risposta alla modulazione dell’energia solare e al gradiente emisferico termico.
• (b) Settore Pacifico centrale (180°–140°W):
  La configurazione modellistica produce una “double ITCZ” con eccesso di convezione a sud dell’equatore durante l’inverno boreale, fenomeno noto e persistente in molti modelli climatici (evidenziato anche in CMIP6). L’estensione meridionale della convezione convettiva suggerisce un errore sistematico nella rappresentazione del bilancio radiativo, della struttura verticale dell’umidità e delle interazioni nuvola-radiazione nella regione equatoriale pacifica.

Tali bias sono particolarmente rilevanti per l’analisi dell’impatto della QBO, poiché distorsioni nella posizione climatologica dell’ITCZ possono amplificare o mascherare la risposta convettiva forzata dalla QBO, soprattutto nei mesi di transizione stagionale.

Effetti della QBO sulla precipitazione convettiva zonale: pannelli (c–f)

I quattro pannelli inferiori illustrano le differenze percentuali tra le fasi QBO occidentale e orientale (QBOW–QBOE) nella precipitazione convettiva, calcolate normalizzando la differenza assoluta rispetto ai valori climatologici. Il segnale è quindi espresso come variazione relativa (%), che consente di identificare spostamenti latitudinali dell’ITCZ e anomalie convettive significative:

Pannelli (c) e (d): ERA5 – Risposta osservata

• (c) Atlantico ERA5:
  Il segnale appare rumoroso e incoerente, con anomalie di segno opposto distribuite senza una chiara struttura latitudinale o stagionale. Alcune aree presentano differenze significative, ad esempio tra gennaio e marzo a nord dell’equatore, ma l’assenza di coerenza spaziale e temporale suggerisce che nei dati osservativi la risposta della convezione atlantica alla QBO sia debole o fortemente modulata da variabilità intrinseca e da altre forzanti (es. NAO, MJO, onde equatoriali).
• (d) Pacifico ERA5:
  Il Pacifico mostra un segnale più articolato rispetto all’Atlantico. In particolare, si evidenziano anomalie convettive positive (incrementi di pioggia) tra dicembre e marzo attorno a 5°N e anomalie negative (soppressione) tra 5°S e 10°S. Tuttavia, la struttura non è perfettamente coerente lungo la stagione, e si nota una notevole variabilità longitudinale non catturata dalla media zonale, che può attenuare il segnale QBO nei dati osservativi.

Pannelli (e) e (f): GC3 N216-pi – Risposta simulata

• (e) Atlantico GC3:
  Il modello riproduce una risposta più definita della convezione alla QBO. Si osserva un chiaro spostamento verso nord dell’ITCZ da aprile a giugno: le precipitazioni aumentano tra 5°N e 15°N durante QBOW, mentre diminuiscono tra l’equatore e 10°S. Questo pattern è compatibile con anomalie di SST calde nell’Atlantico settentrionale (come mostrato in Fig. 3), che agiscono in sinergia con la QBO per favorire la convezione nell’emisfero nord durante la tarda primavera boreale.
• (f) Pacifico GC3:
  Il segnale più robusto si osserva nel Pacifico centrale. Da febbraio a luglio, e con massimo tra marzo e maggio (MAM), emerge uno spostamento meridionale della ITCZ durante QBOW, evidenziato da aumenti convettivi a sud dell’equatore e riduzioni corrispondenti a nord. Questa risposta è statisticamente significativa su ampia scala latitudinale, e coerente con i meccanismi noti di modulazione della convezione da parte della QBO attraverso il controllo stratosferico sulla stabilità troposferica, l’umidità relativa e l’altezza della tropopausa (Gray et al., 2018; Garfinkel et al., 2022).

Interpretazione fisica e implicazioni dinamiche

Questa figura rivela che:

1. La risposta convettiva alla QBO è più chiara nei modelli rispetto alle osservazioni, suggerendo che i modelli, pur affetti da bias strutturali, riescono a produrre un segnale più netto grazie alla possibilità di isolare meglio le forzanti (ENSO-neutre, compositi a lungo termine).
2. L’impatto della QBO risulta più marcato nel settore pacifico rispetto all’atlantico, verosimilmente per la maggiore profondità convettiva e la più forte risposta oceanica nel Pacifico equatoriale.
3. Le fasi QBOW tendono a spostare verso sud la convezione pacifica, mentre nella regione atlantica si osserva uno spostamento verso nord nella tarda primavera boreale, a indicare una modulazione stagionale asimmetrica, coerente con le teleconnessioni QBO-SST osservate nel tropical North Atlantic.

Figura 10 – Effetti della QBO sulla precipitazione nelle regioni monsoniche durante condizioni ENSO-neutre

La Figura 10 fornisce una valutazione globale dell’impatto della Quasi-Biennial Oscillation (QBO) sulle precipitazioni totali nelle principali regioni monsoniche del pianeta, isolando l’effetto della QBO da quello dell’ENSO attraverso l’uso di soli anni ENSO-neutri. L’obiettivo è comprendere se e in che misura la QBO possa modulare la circolazione monsonica e la convezione continentale, in particolare durante le stagioni di massimo sviluppo del monsone boreale (giugno–settembre, JJAS) e australe (dicembre–marzo, DJFM).

I pannelli confrontano le anomalie QBO W–E della precipitazione in:

• (a) osservazioni GPCC (1953–2020), con indice QBO fornito da FUB (Freie Universität Berlin);
• (b) simulazioni del modello climatico GC3 N216-pi, nella configurazione ad alta risoluzione del Met Office Hadley Centre.

Le regioni monsoniche sono identificate secondo criteri consolidati (Wang e Ding, 2008; Wang et al., 2017, 2021), basati sulla concentrazione stagionale della precipitazione estiva e sulla differenza stagionale tra estate e inverno. Tra esse rientrano il monsone nordamericano (NAM), l’evento estivo noto come Midsummer Drought (MSD) in America Centrale, il monsone sudamericano, quello africano, indiano, asiatico orientale e australiano, nonché il bacino del Congo.

Le aree ombreggiate indicano la differenza in mm/giorno nella precipitazione media stagionale tra le due fasi QBO (QBOW–QBOE). Le zone tratteggiate o punteggiate rappresentano anomalie statisticamente significative al livello del 95%, valutate tramite test bootstrap.

(a) GPCC – Risposta osservata della precipitazione alla QBO

Nel dataset GPCC, le risposte della precipitazione alla QBO appaiono deboli, non uniformi e fortemente regionalizzate, riflettendo probabilmente la complessità dei processi atmosferici che controllano la convezione continentale, meno sensibile rispetto a quella oceanica ai segnali provenienti dalla stratosfera.

• Monsone sudamericano (DJFM):
  L’area della South Atlantic Convergence Zone (SACZ) mostra anomalie positive significative, con maggiore precipitazione durante la fase QBOW. Questo è coerente con un indebolimento della subsidenza subtropicale associata alla QBO westerly, che favorisce la convezione sul continente sudamericano orientale (Carvalho et al., 2004).
• Midsummer Drought (MSD) in America Centrale (JJAS):
  Emergono anomalie positive nel periodo JJAS durante QBOW, compatibili con una attenuazione della pausa convettiva estiva, segnalata anche da García-Franco et al. (2020), forse legata a una maggiore instabilità atmosferica e umidità specifica nella troposfera inferiore durante QBOW.
• Monsoni africani e bacino del Congo (JJAS e DJFM):
  Il segnale è contrastante: anomalie negative nel bacino del Congo durante DJFM, ed effetti deboli o nulli in Africa occidentale. Questo potrebbe essere dovuto all’interazione con la modulazione orografica e con la Madden–Julian Oscillation (MJO), che tende a dominare la variabilità su queste scale spaziali.
• Monsone indiano e asiatico orientale (JJAS):
  Il subcontinente indiano mostra anomalie negative, mentre l’area himalayana ed il sud-est asiatico evidenziano aumenti di precipitazione durante QBOW. Questi effetti possono derivare da una modulazione della stabilità troposferica o del gradiente termico latitudinale indotto dalla QBO, ma la risposta appare geograficamente frammentata.
• Monsone australiano (DJFM):
  Risposta marginale e priva di significatività robusta, suggerendo che l’impatto della QBO è minimo in questa regione, potenzialmente dominata da dinamiche oceaniche locali o dalla fase della MJO.

(b) GC3 N216-pi – Risposta simulata nel modello

Il modello GC3 N216-pi riproduce una risposta più coerente e spazialmente organizzata della precipitazione monsonica alla QBO, pur mantenendo un’ampiezza del segnale contenuta. Questo è coerente con l’idea che i modelli riescano a isolare più efficacemente il contributo di una singola forzante rispetto al sistema osservativo reale, ma siano al contempo soggetti a bias strutturali (come mostrato in Figura 9).

• Sud America (DJFM):
  Il modello mostra anomalie positive nella SACZ, coerenti con GPCC, ma anomalie negative diffusenell’Amazzonia sudoccidentale, suggerendo una redistribuzione spaziale della convezione piuttosto che un aumento netto. Questo può indicare una sensibilità del modello alla posizione della cella di Hadley meridionale modulata dalla QBO.
• Africa occidentale e Congo (JJAS e DJFM):
  Anche qui le anomalie sono deboli, ma con maggiore estensione negativa nel bacino del Congo. La bassa risposta suggerisce che il modello non riesca a rappresentare adeguatamente la complessa interazione tra convezione continentale, umidità del suolo e retroazioni radiative.
• India e Sud-Est Asiatico (JJAS):
  Il subcontinente mostra anomalie negative sulla penisola indiana e positive sull’Himalaya e sul sud-est asiatico, in linea con le osservazioni. Questa dipendenza orografica suggerisce che il modello sia in grado di catturare parzialmente le interazioni tra la QBO e la circolazione monsonica termicamente forzata, ma con sensibilità più marcata sulle zone in rilievo.
• Australia settentrionale (DJFM):
  Le anomalie sono negative ma non significative. Come nelle osservazioni, la risposta del monsone australiano alla QBO è trascurabile, indicando un’influenza secondaria della QBO rispetto alle forzanti oceaniche locali o alla MJO.
• America Centrale – MSD (JJAS):
  Il modello riproduce un moderato aumento di precipitazioni durante QBOW, coerente con il segnale osservato e con studi precedenti. Ciò evidenzia una sensibilità locale alla stabilità troposferica modulata dalla QBO, che può ridurre l’intensità del break convettivo tipico della MSD.

Considerazioni conclusive

La Figura 10 mostra che:

1. La risposta della precipitazione monsonica terrestre alla QBO è generalmente debole, disomogenea e regionalmente modulata, sia nei dati osservativi che nel modello.
2. Il modello GC3 N216-pi simula pattern più coerenti, suggerendo che una rappresentazione climatologica accurata del sistema monsonico sia un prerequisito fondamentale per ottenere risposte credibili alla QBO.
3. Le regioni più sensibili alla QBO sono la SACZ sudamericana e l’area del Midsummer Drought mesoamericano, entrambe soggette a feedback dinamico–termodinamici che amplificano i segnali troposferici indotti dalla QBO.
4. La convezione oceanica rimane più sensibile alla QBO rispetto a quella continentale, come già evidenziato in altre sezioni dello studio. Questo è probabilmente dovuto alla maggiore uniformità delle condizioni di superficie e alla risposta termodinamica più immediata dell’oceano.
5. L’analisi evidenzia anche limiti statistici nei dati osservativi, legati al numero relativamente basso di anni ENSO-neutri disponibili, che riduce la significatività delle anomalie nei compositi climatologici.

Figura 11 – Risposta della Circolazione di Walker alla QBO durante DJF: osservazioni e modello

La Figura 11 illustra in maniera sistematica la modulazione della circolazione atmosferica zonale equatoriale (Walker circulation) da parte della Quasi-Biennial Oscillation (QBO) nella stagione invernale boreale (dicembre-gennaio-febbraio, DJF), confrontando le osservazioni (ERA5) con la simulazione del modello GC3 N216-pi.

La circolazione di Walker è diagnosticata attraverso tre variabili atmosferiche sovrapposte:

• ψ (streamfunction zonale): in ombreggiatura (colori), indica la massa trasportata orizzontalmente nella cella di Walker. Valori positivi (rossi) denotano moti zonali diretti verso est (divergenza alla base, subsidenza in quota), mentre valori negativi (blu) rappresentano moti diretti verso ovest (convergenza al suolo e risalita).
• Vento zonale: in linee di contorno (positive = linee continue, vento da ovest; negative = tratteggiate, vento da est).
• Velocità verticale (ω): rappresentata da vettori orientati verticalmente (frecce), in pascal al secondo, dove valori negativi (frecce verso l’alto) indicano moto ascendente, positivi moto discendente.

I pannelli sono suddivisi in due categorie:

• (a, d): stato climatologico DJF di ERA5 e GC3 N216-pi;
• (b, e): differenze tra fasi QBOW e QBOE (QBOW–QBOE) su tutti gli anni;
• (c, f): stesse differenze, ma solo per anni ENSO-neutri, per isolare l’effetto diretto della QBO.

(a) e (d): Stato climatologico DJF della Walker circulation

(a) ERA5 – Climatologia osservativa DJF

Il pannello mostra la struttura media della Walker circulation nell’equatore durante l’inverno boreale:

• Convezione ascendente (ψ negativa, colore blu e frecce verso l’alto) è presente su:
  • Oceano Indiano (~60°–100°E),
  • Pacifico occidentale (120°–150°E),
  • America equatoriale (~280°–300°E).
• Subsidenza atmosferica (ψ positiva, rosso) si localizza principalmente:
  • Sul Pacifico centrale-orientale (~180°–250°E), dove si rafforza l’inversione termica e si sopprime la convezione.

Questa struttura zonale tripolare è caratteristica della circolazione di Walker durante DJF, coerente con una configurazione ENSO-neutra o debolmente La Niña.

(d) GC3 N216-pi – Climatologia simulata DJF

Il modello riproduce correttamente la tripla struttura convettiva e subsidente. Tuttavia:

• Le celle convettive appaiono più estese longitudinalmente rispetto alle osservazioni.
• Le aree subsidenti nel Pacifico sono leggermente spostate a est, suggerendo un bias nella localizzazione delle celle di Walker, coerente con la sovraestensione meridionale della ITCZ vista in Figura 9.
• I massimi della ψ e le intensità di ω sono leggermente sottostimati, ma la configurazione globale risulta qualitativamente realistica.

(b) e (e): Differenze QBOW–QBOE durante DJF (tutti gli anni)

(b) ERA5 – Risposta osservativa alla QBO

Le anomalie compositate (QBOW–QBOE) indicano che:

• Durante QBOW, si ha una maggiore ascesa (ψ negativa) sull’oceano Indiano e sul Maritime Continent (~100°E–160°E), con massimi attorno a 200 hPa.
• Al contempo, emerge una intensificata subsidenza (ψ positiva) nel Pacifico centrale (~200°–240°E), nella troposfera media.
• Le frecce mostrano un rafforzamento dei moti verticali ascensionali a ovest e discendenti a est, coerente con una Walker circulation più intensa e spostata verso ovest.

Questo pattern è compatibile con un accoppiamento QBO–troposfera attraverso la modulazione della stabilità atmosferica: la fase QBOW è associata a riscaldamento stratosferico ai tropici e innalzamento della tropopausa, che favorisce la convezione profonda a ovest e sopprime quella nel Pacifico centrale.

(e) GC3 N216-pi – Risposta simulata alla QBO

Il modello mostra:

• Una struttura coerente con le osservazioni, ma con anomalie meno pronunciate.
• Ascesa anomala sull’Indiano e Maritime Continent, e subsidenza marcata nel Pacifico centrale, come in ERA5.
• Le anomalie sono più concentrate nella troposfera inferiore e meno profonde in quota, suggerendo che il modello sottostimi il grado di accoppiamento stratosfera–troposfera.

(c) e (f): Differenze QBOW–QBOE durante DJF (solo anni ENSO-neutri)

(c) ERA5 – Risposta ENSO-neutra osservata

L’esclusione degli anni ENSO riduce la forza statistica, ma:

• Il pattern generale è simile a (b), anche se più debole e meno coerente.
• Alcune anomalie cambiano segno o si riducono a zone puntuali, suggerendo che il segnale QBO osservato può essere amplificato o modulato dalla presenza di eventi ENSO (soprattutto La Niña durante QBOW).

Questo evidenzia una sovrapposizione non trascurabile tra gli effetti di QBO ed ENSO nelle osservazioni.

(f) GC3 N216-pi – Risposta ENSO-neutra simulata

Il modello mantiene una risposta coerente e robusta anche in assenza di ENSO:

• La subsidenza nel Pacifico centrale e la convezione sull’Indiano e Maritime Continent sono ancora ben delineate.
• La struttura della ψ suggerisce che la Walker circulation venga modulata dalla QBO indipendentemente dall’ENSO, almeno nella configurazione del modello.
• Questo rafforza la validità della teleconnessione QBO–Walker come meccanismo diretto stratosferico-troposferico, non mediato da ENSO.

Considerazioni scientifiche e implicazioni

1. Conferma osservativa e modellistica del legame QBO–Walker:
   Sia i dati ERA5 che il modello GC3 mostrano che la QBO, in particolare nella sua fase westerly (QBOW), rafforza la Walker circulation, promuovendo convezione sull’Indiano e subsidenza sul Pacifico centrale.
2. Robustezza ENSO-indipendente nel modello:
   Mentre nelle osservazioni il segnale QBO risulta parzialmente contaminato da eventi ENSO, il modello è in grado di simulare un effetto QBO persistente anche in condizioni neutre, aumentando la fiducia nella realtà fisica della teleconnessione.
3. Modulazione verticale e longitudinale:
   La risposta atmosferica alla QBO si manifesta soprattutto nella troposfera media (300–500 hPa), e la sua struttura longitudinale è coerente con le principali celle di Walker. Ciò indica un accoppiamento profondo stratosfera-troposfera, probabilmente mediato da onde equatoriali, instabilità convettiva e modifiche della tropopausa.
4. Validazione del meccanismo dinamico proposto nella letteratura:
   I risultati supportano quanto suggerito da Collimore et al. (2003), Garfinkel e Hartmann (2011), e Liess & Geller (2012), secondo cui la QBO può influenzare la convezione tropicale attraverso modifiche dell’umidità relativa, della temperatura troposferica e della circolazione verticale associata alle celle di Walker.

4. Sintesi e discussione

Numerose evidenze osservazionali relative alla distribuzione delle nubi e delle precipitazioni nei tropici hanno suggerito l’esistenza di connessioni tra la Quasi-Biennial Oscillation (QBO) e la convezione profonda tropicale, sia dal punto di vista statistico che fisico (Collimore et al., 2003; Liess e Geller, 2012; Gray et al., 2018). Tuttavia, l’analisi quantitativa di tali relazioni risulta ostacolata da una serie di limitazioni metodologiche, tra cui la relativa brevità dei dataset osservativi ad alta risoluzione e l’influenza pervasiva dell’ENSO e delle sue teleconnessioni, che possono mascherare o amplificare i segnali attribuibili alla QBO.

Il presente studio ha indagato in dettaglio la firma troposferica tropicale della QBO utilizzando le simulazioni CMIP6 di controllo preindustriale della durata di 500 anni, ottenute con il modello HadGEM3 GC3.1 N216, sviluppato dal Met Office Hadley Centre. L’utilizzo di esperimenti a lungo termine in condizioni di forzanti costanti consente di isolare meglio le teleconnessioni atmosferiche interne, offrendo un contesto ideale per valutare l’influenza dinamica e termodinamica della QBO sulla circolazione tropicale.

Attraverso un approccio combinato di analisi compositiva e regressione multivariata, è stata identificata una relazione statisticamente significativa tra la QBO e la distribuzione spaziale delle precipitazioni tropicali. In particolare, la fase della QBO influenza sia la posizione che l’intensità della Zona di Convergenza Intertropicale (ITCZ) nei bacini del Pacifico e dell’Atlantico, nonché in aree di forte attività convettiva come il Mar dei Caraibi e l’Oceano Indiano. La risposta troposferica alla QBO è risultata zonalmente asimmetrica, con segnali più marcati sopra i bacini oceanici rispetto alle aree continentali, suggerendo un possibile ruolo modulante dei feedback legati alla temperatura superficiale marina (SST), nonché un coinvolgimento attivo della circolazione di Walker.

In contrasto, gli impatti sulle regioni monsoniche terrestri (come mostrato nella Figura 10) sono risultati più deboli e meno coerenti spazialmente, sia nei dati osservativi che nelle simulazioni. Questo evidenzia la maggiore difficoltà con cui la convezione continentale risponde alle forzanti stratosferiche, probabilmente a causa di una minore omogeneità superficiale, di un’accoppiata più complessa tra superficie e atmosfera e della presenza di forzanti orografiche e termiche locali.

Un ulteriore aspetto critico emerso riguarda la possibile confusione tra i segnali ENSO e QBO (aliasing), in particolare nei dataset osservativi. La somiglianza tra il pattern di risposta della precipitazione associato alla QBO e quello tipico degli eventi El Niño ha sollevato l’ipotesi che parte della risposta troposferica attribuita alla QBO possa essere, in realtà, un artefatto statistico derivante dalla coincidenza parziale tra le due oscillazioni. Per investigare questa ipotesi, si è proceduto a ripetere le analisi escludendo gli anni affetti da ENSO, mantenendo solo anni ENSO-neutri.

I risultati hanno mostrato che, anche limitando l’analisi a questi anni, il segnale QBO rimane sostanzialmente invariato, come evidenziato dalla Figura 5. Questo conferma che il legame tra QBO e precipitazione tropicale non è il risultato di una semplice sovrapposizione temporale con eventi ENSO, ma costituisce una teleconnessione autonoma nel modello. La robustezza di questo risultato è stata ulteriormente verificata attraverso un’analisi di regressione multivariata, che ha dimostrato che la significatività statistica del segnale QBO non scompare anche quando si controlla esplicitamente per l’influenza dell’ENSO.

Oltre a indagare l’impatto discendente della QBO sulla troposfera, lo studio ha valutato anche l’ipotesi inversa: ovvero che alcune delle risposte troposferiche osservate nei tropici attribuite alla QBO possano, in realtà, essere effetti ascendenti dell’ENSO sulla dinamica stratosferica, come suggerito da Schirber (2015). Uno dei meccanismi proposti in letteratura prevede che l’ENSO moduli la generazione e la propagazione delle onde tropicali, influenzando indirettamente l’evoluzione della QBO. Tuttavia, i risultati ottenuti nel presente studio non supportano questa ipotesi: il modello è stato in grado di riprodurre correttamente le differenze osservate nei tassi di discesa della QBO tra le fasi westerly (QBOW) e easterly (QBOE), ma non è emersa alcuna evidenza di una modulazione ENSO-dipendente né sulla velocità di discesa né sull’ampiezza delle anomalie zonali di vento nella stratosfera equatoriale.

Sebbene l’uso di diagnostiche lineari limiti la possibilità di attribuzione causale univoca, i risultati complessivi indicano che la relazione tra QBO ed ENSO è statisticamente significativa nel modello. È stata osservata una certa associazione tra la fase QBO e la frequenza degli eventi ENSO: nei dati osservativi, tale associazione mostra una variabilità decadale. Negli ultimi decenni, gli eventi El Niño sono risultati più frequenti durante anni QBOW, mentre gli eventi La Niña tendono a presentarsi più spesso durante anni QBOE (Taguchi, 2010). Tuttavia, l’analisi di ricostruzioni storiche della QBO, come quella proposta da B07, suggerisce che il segno di questa relazione sia variato nel tempo, passando da positivo a negativo nel periodo 1930–2020.

Anche nella simulazione GC3 N216-pi si osserva una tendenza per cui gli eventi El Niño si verificano più frequentemente durante QBOW, e gli eventi La Niña durante QBOE. Tuttavia, analogamente alle osservazioni, questa relazione si dimostra non stazionaria nel tempo: su periodi mobili di 30–50 anni, si riscontrano fasi in cui la relazione appare invertita, segnalando una dipendenza su scala decadale non catturabile da una media globale fissa.

L’analisi della variabilità mensile dell’ampiezza dell’indice ENSO (EN3.4) nel modello ha inoltre rivelato che l’interazione QBO–ENSO non può essere descritta come lineare: la risposta dell’ENSO alle fasi QBO è fortemente asimmetrica e modulata dalla stagione, con una sensibilità più marcata durante determinati mesi (tipicamente da dicembre a marzo). L’asimmetria stagionale e non-linearità dell’interazione è stata ulteriormente confermata da analisi compositive, che hanno evidenziato pattern distinti nella risposta alla QBO tra anni El Niño e anni La Niña, sia nella distribuzione della convezione che nella struttura termodinamica della troposfera equatoriale.Oltre al legame QBO–ENSO, l’analisi modellistica ha evidenziato un segnale statisticamente significativo della QBO sulla precipitazione nel bacino dell’Oceano Indiano, suggerendo la possibilità di un’interazione con la variabilità zonale del dipolo indiano (Indian Ocean Dipole, IOD). In particolare, durante la stagione dell’autunno boreale (settembre-novembre), l’indice IOD – che quantifica il gradiente zonale di anomalia convettiva tra l’Oceano Indiano occidentale e orientale – risulta anomalamente positivo durante le fasi westerly della QBO (QBOW) e negativo durante le fasi easterly (QBOE), sia nelle rianalisi ERA5 che nelle tre configurazioni modellistiche considerate. Ciò suggerisce che la QBO possa contribuire a modulare l’intensità e la struttura spaziale del dipolo indiano, rafforzando le anomalie convettive orientate est-ovest nel settore tropicale indo-pacifico.

Tali evidenze si inseriscono nel quadro di una possibile interazione tra QBO e circolazione di Walker, già ipotizzata in letteratura (Collimore et al., 2003; Liess e Geller, 2012; Hitchman et al., 2021). In particolare, si è osservato che la circolazione di Walker simulata dal modello varia fino al 10% tra le due fasi della QBO, anche dopo aver rimosso l’effetto degli eventi ENSO. Questo rafforza l’ipotesi di una teleconnessione dinamica diretta, secondo cui la QBO, attraverso la modulazione della stabilità statica troposferica e della propagazione delle onde equatoriali, sia in grado di alterare la posizione e l’intensità delle celle convettive zonali che definiscono la struttura della Walker circulation. In particolare, si è riscontrato che la circolazione di Walker tende ad indebolirsi durante QBOW rispetto a QBOE, con ridotta subsidenza nel Pacifico orientale e incremento della convezione nell’Indiano e nel Maritime Continent, coerente con le anomalie di ω e ψ mostrate in Figura 11.

Questi risultati trovano ampio supporto in studi recenti, basati sia su osservazioni che su simulazioni (Gray et al., 2018; Hitchman et al., 2021; Serva et al., 2022), che hanno evidenziato la capacità della QBO di modulare non solo l’attività convettiva zonale ma anche la distribuzione longitudinale della subsidenza tropicale. Tuttavia, non mancano risultati contrastanti. In particolare, Rao et al. (2020), utilizzando un insieme di modelli CMIP5/6 (inclusi HadGEM3 e UKESM1), hanno ottenuto risposte molto differenti dell’idrologia tropicale alla QBO, con segni e localizzazione degli impatti spesso discordanti rispetto a quanto riscontrato nel presente studio.

Le divergenze tra questi risultati sono attribuibili a vari fattori metodologici. Innanzitutto, lo studio di Rao et al. ha utilizzato simulazioni storiche di durata inferiore (circa 150 anni), soggette a forzanti esterne variabili (gas serra, aerosol, vulcani), mentre il presente lavoro si basa su una simulazione di controllo preindustriale di 500 anni, senza variazioni forzanti, più adatta a diagnosticare segnali interni al sistema climatico. In secondo luogo, Rao et al. hanno adottato un indice QBO basato sul vento a 30 hPa, mentre in questo studio si utilizza il vento a 70 hPa, più rappresentativo della variabilità termica e dinamica in prossimità della tropopausa, cioè della fascia atmosferica cruciale per l’accoppiamento con la convezione profonda (come mostrato in Fig. S13).

Un’altra differenza metodologica riguarda l’approccio statistico: Rao et al. si sono basati su un singolo membro di ensemble, il che può esporre i risultati a fluttuazioni stocastiche e ad aliasing da forzanti transitorie, mentre il presente studio impiega medie su tutti i membri disponibili, aumentando la robustezza del segnale (cfr. Fig. S14).

Nonostante l’evidenza complessiva del legame QBO–precipitazione, è essenziale riconoscere il ruolo potenzialmente limitante dei bias modellistici, sia nella rappresentazione della struttura troposferica tropicale che della dinamica stratosferica. Ad esempio, errori nella localizzazione climatologica dell’ITCZ – come evidenziato nella Figura 9 – possono alterare profondamente la risposta del modello alla QBO, modificando la sensibilità convettiva latitudinale. Analogamente, la sottostima dell’ampiezza della QBO nella bassa stratosfera, frequente nella maggior parte dei modelli CMIP6 (Bushell et al., 2022; Rao et al., 2020), può compromettere la capacità del modello di simulare in modo realistico il canale tropicale di trasmissione stratosfera–troposfera. In molti casi, la debolezza della QBO simulata, unita alla risoluzione verticale ancora insufficiente, rende difficile o impossibile diagnosticare le teleconnessioni dinamiche in modo affidabile (Garfinkel et al., 2022).

Infine, la natura fisica del legame tra la QBO e la convezione profonda tropicale rimane in larga parte da chiarire. Le analisi basate su regressioni lineari e compositi, pur indicative, non consentono di stabilire relazioni causali univoche. Per comprendere la direzione della causalità e i meccanismi coinvolti (ad es. variazioni della stabilità statica, modulazione dell’umidità relativa o propagazione delle onde Kelvin equatoriali), si rendono necessari esperimenti numerici mirati, come quelli proposti da Garfinkel e Hartmann (2011b) o più recentemente da Martin et al. (2021a). Tali studi, attraverso l’introduzione controllata di anomalie QBO e la rimozione selettiva di processi troposferici o stratosferici, potranno contribuire a decifrare i percorsi dinamici che collegano la stratosfera tropicale alla convezione profonda, con importanti implicazioni per la previsione stagionale e sub-stagionale del sistema climatico tropicale.

Appendice A: Analisi di regressione

Per valutare quantitativamente i legami tra la Quasi-Biennial Oscillation (QBO), l’ENSO e le risposte climatiche troposferiche – in particolare la distribuzione della precipitazione tropicale – è stata adottata una metodologia basata sulla regressione lineare. Tale approccio consente di isolare e quantificare gli effetti individuali e combinati di diversi forzanti climatici sulla variabile dipendente, rappresentata in questo studio dalla precipitazione media.

Nel caso più semplice, si è impiegato un modello di regressione lineare semplice, in cui una singola variabile predittiva (come l’indice QBO o l’indice ENSO) viene correlata alla variabile climatica osservata o simulata (Y). Questa metodologia consente di stimare un coefficiente di regressione che misura l’ampiezza e la direzione del legame tra predittore e risposta. Tale coefficiente è affiancato da un termine costante (intercetta) e da un termine di errore casuale (residuo), che rappresenta la variabilità non spiegata dal modello.

Per esplorare interazioni più complesse e simultanee tra i forzanti, è stato adottato un modello di regressione multivariata, in cui più predittori (ad esempio, QBO e ENSO insieme) sono inseriti contemporaneamente. Questo approccio consente di valutare l’effetto specifico di ciascun predittore sulla precipitazione, tenendo costanti gli effetti degli altri, e quindi di discriminare eventuali interferenze o aliasing tra le due variabili.

Un ulteriore raffinamento della metodologia consiste nella riscadenza dei coefficienti di regressione, utile per confrontare l’effetto relativo dei diversi predittori, che possono avere scale diverse. Il coefficiente riscadenziato (rescaled β) viene calcolato tenendo conto dell’intervallo di variabilità osservata del predittore, rappresentato dalla differenza tra il valore massimo e minimo del predittore stesso. Questo consente di esprimere l’influenza del predittore sulla variabile risposta in termini comparabili tra variabili con unità e scale differenti, migliorando così l’interpretazione quantitativa del modello.

La validità di questo approccio è supportata da precedenti applicazioni in letteratura (Gray et al., 2018; Misios et al., 2019), dove è stato dimostrato che i modelli di regressione multivariata permettono di decostruire le teleconnessioni atmosferiche complesse e di attribuire con maggiore robustezza le variazioni climatiche osservate a singoli forzanti, separando l’effetto dell’ENSO da quello della QBO.

Fonti dei dati

Per l’esecuzione delle analisi di regressione e per la costruzione dei dataset predittivi e dipendenti sono stati utilizzati i seguenti archivi e fonti operative:

• ERA5 (ECMWF Reanalysis v5): dati di rianalisi atmosferica ad alta risoluzione ottenuti dal Copernicus Climate Change Service, disponibili presso https://doi.org/10.24381/cds.6860a573 (Hersbach et al., 2019).
• QBO – Dataset FUB: serie temporale dell’indice QBO fornita dalla Freie Universität Berlin, ottenibile da http://www.geo.fu-berlin.de/en/met/ag/strat/produkte/qbo/ (ultimo accesso: 1 luglio 2022).
• QBO – Ricostruzione storica (Brönnimann et al., 2007): disponibile presso il portale Climate Explorer https://climexp.knmi.nl, DOI: https://doi.org/10.1029/2007GL031354.
• HadSST4.0: dataset di temperatura superficiale del mare sviluppato dal Met Office Hadley Centre, consultabile su https://www.metoffice.gov.uk/hadobs/hadsst4/data/download.html, DOI: https://doi.org/10.1029/2018JD029867.
• GPCP v2.3 (Global Precipitation Climatology Project): dati sulle precipitazioni globali, DOI: https://doi.org/10.7289/V56971M6 (Adler et al., 2016).
• Simulazioni CMIP6: i modelli climatici utilizzati nello studio provengono dall’archivio federato Earth System Grid Federation (ESGF), accessibile tramite https://esgf-index1.ceda.ac.uk/projects/cmip6-ceda/ (ultimo accesso: 22 ottobre 2021; WCRP, 2021).

La Figura 12 rappresenta la struttura verticale e longitudinale della circolazione di Walker nella stagione boreale SON (settembre-ottobre-novembre), mettendo a confronto il climatologico (pannelli a e d) e le anomalie associate alla differenza tra le fasi della Quasi-Biennial Oscillation (QBO), ossia QBO occidentale (QBOW) meno QBO orientale (QBOE), sia considerando tutte le condizioni (pannelli b ed e) che limitandosi ai soli mesi ENSO-neutrali (pannelli c ed f). I dati provengono sia dalla rianalisi ERA5 (pannelli superiori) che dalla simulazione ad alta risoluzione GC3 N216-pi (pannelli inferiori).

Descrizione dei campi rappresentati

• Campi colorati: rappresentano la funzione di corrente zonale media (streamfunction zonale), che descrive il trasporto di massa nella direzione longitudinale lungo la fascia equatoriale.
• Linee di contorno nere: rappresentano il vento zonale (positivi = est; negativi = ovest), esprimendo la struttura delle correnti tropicali, incluso il jet di ritorno tropicale.
• Vettori: rappresentano la velocità verticale (omega, ω) con ampiezza differente per i pannelli climatologici e anomali. Ascendenza è rivolta verso l’alto, discendenza verso il basso.

Pannelli (a) e (d): Climatologia SON

Nel climatologico ERA5 (a) e nel modello GC3 N216-pi (d), si osserva una struttura classica della circolazione di Walker. Le celle convettive principali sono collocate sopra le regioni del Pacifico Occidentale (≈120–160°E) e del bacino indo-marittimo, con forti moti ascensionali nei bassi livelli e subsidenza sopra il Pacifico orientale (≈240–280°E). Il modello riproduce qualitativamente questa struttura, ma con differenze nella forza e collocazione dei nuclei ascensionali e subsidenti. In particolare, la cella ascensionale è più debole e spostata ad est nel modello rispetto alla rianalisi.

Pannelli (b) e (e): Anomalie QBOW-QBOE (tutti gli anni)

Nella rianalisi ERA5 (b), la differenza tra le fasi QBOW e QBOE rivela un indebolimento della cella di Walker durante la fase QBOW: si osserva un’anomalia discendente sopra il Pacifico occidentale (≈120–160°E) e una debole ascendenza sopra l’Oceano Indiano, accompagnata da una riduzione del flusso zonale est-ovest. Il modello GC3 N216-pi (e) mostra un comportamento coerente con ERA5, ma più smorzato: l’anomalia ascensionale sull’Oceano Indiano si estende longitudinalmente fino a circa 200°E, mentre la discendenza anomala nel Pacifico è meno marcata.

Pannelli (c) e (f): Anomalie QBOW-QBOE in condizioni ENSO-neutrali

Questi pannelli isolano il contributo diretto della QBO escludendo l’influenza dell’ENSO. Nell’ERA5 (c), l’anomalia ascensionale durante QBOW è particolarmente pronunciata sopra l’Oceano Indiano occidentale (≈40–80°E) e marcatamente discendente sopra il Pacifico centrale-orientale (≈240–280°E), rafforzando l’idea di un effetto QBO diretto sulla cellula di Walker anche in assenza di eventi ENSO. Il modello GC3 N216-pi (f) riproduce qualitativamente tale struttura, mostrando anomalie ascensionali sull’Oceano Indiano e discendenti nel Pacifico, anche se con intensità più debole e distribuzione longitudinale meno concentrata.

Considerazioni scientifiche

Questa figura rafforza l’ipotesi di un legame dinamico tra la QBO e la circolazione di Walker. Il segnale osservato e simulato mostra che la fase QBOW tende ad essere associata a un indebolimento della cellula convettiva tropicale (Walker), con impatti sulla convezione profonda e la distribuzione delle precipitazioni tropicali. L’asimmetria longitudinale del segnale, evidente nei campi anomali, suggerisce una modulazione selettiva delle regioni di convezione, potenzialmente mediata da interazioni tra la QBO e lo stato medio troposferico, incluso il gradiente di temperatura equatoriale e i feedback termodinamici superficiali, come quelli legati alla temperatura superficiale del mare (SST).

Il fatto che il segnale rimanga visibile anche in condizioni ENSO-neutrali rappresenta un elemento chiave: dimostra che gli effetti della QBO sulla circolazione di Walker non sono semplicemente un artefatto della co-variabilità con ENSO, ma possono manifestarsi autonomamente, sebbene modulati da fattori stagionali e dall’interazione non lineare con altre oscillazioni tropicali.

https://www.researchgate.net/publication/362360675_The_tropical_route_of_quasi-biennial_oscillation_QBO_teleconnections_in_a_climate_model?enrichId=rgreq-666b59163e33c6e6375d5e44fda393da-XXX&enrichSource=Y292ZXJQYWdlOzM2MjM2MDY3NTtBUzoxMTgzNTc3OTExODg1ODI0QDE2NTkxOTgzNzIzNzI%3D&el=1_x_2&_esc=publicationCoverPdf