L’influenza dinamica dell’oscillazione multidecennale dell’Atlantico sul clima continentale

L’influenza dinamica dell’oscillazione multidecennale dell’Atlantico sul clima continentale
CHRISTOPHER H. O’REILLY, TIM WOOLLINGS, E LAURE ZANNA
Fisica Atmosferica, Oceanica e Planetaria, Dipartimento di Fisica, Università di Oxford, Oxford, Regno Unito
(Manoscritto ricevuto il 28 aprile 2016, in forma definitiva il 30 maggio 2017)
SOMMARIO
L’oscillazione multidecennale atlantica (AMO) della temperatura superficiale del mare (SST) è stata dimostrata influenzare il clima dei continenti circostanti. Tuttavia, non è chiaro in che misura l’impatto osservato dell’AMO sia relativo all’influenza termodinamica della variabilità della SST o ai cambiamenti nella circolazione atmosferica su larga scala. Qui, un metodo analogo è utilizzato per decomporre l’impatto osservato dell’AMO in componenti dinamiche e residue della temperatura dell’aria superficiale (SAT) e della precipitazione sui continenti adiacenti. In Europa l’influenza dell’AMO è più evidente durante l’estate, quando le anomalie di SAT calde sono interpretate come primariamente guidate termodinamicamente da anomalie di SST a monte calde ma anche amplificate dalla circolazione atmosferica anomala. La risposta complessiva della precipitazione all’AMO in estate è generalmente meno significativa del SAT ma è per lo più guidata dinamicamente. La decomposizione è applicata anche all’estate nordamericana e alla stagione delle piogge del Sahel. Sia le influenze dinamiche che quelle residue sulla precipitazione anomala del Sahel sono sostanziali, con la prima che domina sulla regione del Sahel occidentale e l’ultima più grande sulla regione del Sahel orientale. I risultati hanno implicazioni potenziali per la comprensione della diffusione della variabilità dell’AMO nei modelli climatici accoppiati e nei sistemi di previsione decennale.

1. Introduzione
La temperatura superficiale del mare dell’Atlantico settentrionale mostra una variabilità a bassa frequenza, dell’ordine di decenni multipli, che è definita come variabilità multidecennale atlantica o oscillazione multidecennale atlantica (AMO) (Enfield et al. 2001). In Nord America, la fase calda dell’AMO è associata a estati più calde e condizioni significativamente più secche su gran parte del sud e del sud-est del continente per la maggior parte dell’anno (McCabe et al. 2004; Nigam et al. 2011; Ruiz-Barradas e Nigam 2005; Sutton e Hodson 2005), con effetti opposti durante la fase fredda dell’AMO. In Africa, la fase calda dell’AMO è associata a un grande aumento delle precipitazioni nel Sahel durante la stagione delle piogge, con condizioni più secche nella fase fredda (Folland et al. 1986; Knight et al. 2006; Martin e Thorncroft 2014b; Ting et al. 2009).

L’influenza osservata dell’AMO sull’Europa dipende dalla stagione. Durante l’estate, la fase calda dell’AMO è associata a temperature dell’aria superficiale più calde su gran parte del continente e un aumento delle precipitazioni nell’Europa nord-occidentale (Knight et al. 2006; Sutton e Dong 2012; Sutton e Hodson 2005). È stato anche dimostrato che l’AMO influenza la durata delle estati europee, che sono più lunghe nella fase calda dell’AMO (Peña-Ortiz et al. 2015). L’autunno è generalmente associato a temperature più calde, in particolare nell’Europa settentrionale, durante la fase calda dell’AMO, mentre la primavera è principalmente associata a temperature più calde nell’Europa occidentale (Sutton e Dong 2012). Queste differenze regionali stagionali sono associate ad anomalie della circolazione atmosferica su larga scala, tali che una parte sostanziale delle anomalie osservate in temperatura o precipitazione associate alla variabilità dell’AMO potrebbe essere dovuta ai modelli di flusso anomali piuttosto che direttamente associati a condizioni più calde a monte sull’Atlantico settentrionale.

Questo può essere anche il caso durante l’inverno, quando la fase calda dell’AMO è stata collegata da alcuni studi a anomalie di temperature fredde su gran parte dell’Europa centrale e occidentale (Gastineau e Frankignoul 2015; Häkkinen et al. 2011; Peings e Magnusdottir 2014; Ting et al. 2014; Yamamoto e Palter 2016). Tuttavia, non è chiaro fino a che punto l’impatto osservato sul clima europeo dipenda dalla risposta anomala della circolazione su larga scala, che varia anche in base alla stagione. Recentemente, sono stati fatti significativi sforzi per modellare l’impatto della variabilità dell’AMO sul clima dei continenti circostanti. Questo è particolarmente importante data la relativamente breve cronologia osservativa. I campi di circolazione mostrano una significativa variabilità tra le simulazioni dei modelli, variano a seconda del modello, e dipendono anche dalla variabilità nel Pacifico tropicale (Schubert et al. 2009) ma riescono comunque a catturare molte delle caratteristiche chiave. Ad esempio, in Europa, esperimenti idealizzati con SST prescritte riescono a catturare, in una certa misura, la risposta negativa dell’NAO estiva alla fase calda dell’AMO, con un’anomalia SLP negativa sopra il Regno Unito (Msadek et al. 2011; Sutton e Hodson 2005), sebbene più debole rispetto alle osservazioni; questo è stato osservato anche in simulazioni utilizzando modelli climatici accoppiati (Knight et al. 2006) ed è coerente con una risposta baroclinica lineare al riscaldamento superficiale (Ghosh et al. 2016). L’anomalia del geopotenziale basso osservata a valle dell’anomalia di SST del Nord Atlantico a medie latitudini durante l’estate è stata anche dimostrata in una serie di esperimenti su un pianeta acquatico da Veres e Hu (2015). Nei modelli CMIP5, tuttavia, la risposta della circolazione extratropicale all’AMO è scarsamente catturata in tutte le stagioni (Kavvada et al. 2013; Peings et al. 2016), anche se i modelli sono in grado di catturare in modo alquanto realistico l’influenza delle SST dell’Atlantico del Nord sul monsone dell’Africa occidentale (Martin e Thorncroft 2014a; Ting et al. 2011). Di conseguenza, la grande variabilità nella risposta dei modelli all’AMO in diverse regioni e stagioni è probabilmente legata alla diversa capacità con cui sono in grado di catturare la risposta della circolazione osservata.

Mentre le simulazioni dei modelli hanno aiutato a chiarire come la circolazione atmosferica risponde all’AMO, non è affatto chiaro in che misura queste anomalie della circolazione governino l’impatto dell’AMO sui continenti circostanti. In questo articolo, stimiamo il contributo delle anomalie della circolazione associate all’AMO sull’impatto osservato dell’AMO sul clima superficiale. Per fare ciò, utilizziamo una tecnica di analogia della circolazione costruita (Deser et al. 2016) per decomporre l’impatto dell’AMO sulla precipitazione e sulla temperatura dell’aria superficiale. Questo rivela una risposta dinamica all’AMO e un residuo, che in molti casi può essere interpretato come una risposta termodinamica. Si è scoperto che il contributo delle anomalie della circolazione all’impatto osservato dell’AMO varia a seconda della stagione e della regione. Questo metodo fa luce sul motivo per cui i modelli tendono a non funzionare bene nel catturare certe caratteristiche in risposta all’AMO. I dataset e i metodi di analogia della circolazione dinamica sono descritti nella sezione seguente. Nella sezione 3, analizziamo la risposta decomposta all’AMO sull’Europa nelle diverse stagioni, concentrandoci principalmente sull’estate. Successivamente discutiamo la risposta decomposta sull’Africa e il Nord America nella sezione 4. Un breve riassunto e ulteriori discussioni seguono nella sezione 5.

2. Metodi
a. Dataset
Analizziamo i dati del periodo 1901-2010, che rappresenta il periodo comune a tutti i dataset utilizzati nello studio. Per valutare l’impatto dell’AMO sulle regioni continentali, utilizziamo la temperatura dell’aria superficiale (SAT) e le precipitazioni su terra dal Climatic Research Unit Time Series (CRU TS), versione 3.23 (Harris et al. 2014), su una griglia di 0.58° x 0.58°. Utilizziamo le SST dal dataset Hadley Centre Sea Ice and Sea Surface Temperature (HadISST; Rayner et al. 2003) su una griglia di 1° x 1°.

Gli analoghi della circolazione dinamica sono stati prodotti utilizzando anomalie mensili della pressione a livello del mare (SLP) da tre diversi dataset. Sono considerati multipli dataset di SLP perché insieme possono fornire una misura della robustezza delle anomalie della circolazione atmosferica, e della relativa decomposizione dinamica, associate all’AMO. Il primo è il dataset del European Centre for Medium-Range Weather Forecasts del ventesimo secolo reanalysis (ERA-20C) (Poli et al. 2013), su una griglia di 2.5° x 2.5°, che è prodotto assimilando solo osservazioni di pressione superficiale e venti marini. Il secondo dataset di SLP è il Twentieth Century Reanalysis (20CR) (Compo et al. 2011), su una griglia di 2° x 2°, che è anch’esso un reanalysis atmosferico prodotto assimilando pressione superficiale e osservazioni dei venti marini. L’ultimo dataset di SLP analizzato è il secondo dataset del Hadley Centre Sea Level Pressure (HadSLP2) (Allan e Ansell 2006), su una griglia più grossolana di 5° x 5°, prodotto da osservazioni marine e osservazioni da stazioni su terra con dati mancanti riempiti utilizzando un metodo di interpolazione ottimale. Presenteremo i risultati da ERA-20C, ma verranno discusse anche le differenze e le somiglianze rispetto a 20CR e HadSLP2. Per tutti i dataset, le anomalie medie mensili sono state calcolate rimuovendo una climatologia mensile dai dati mediati mensilmente per il periodo della nostra analisi, da gennaio 1901 a dicembre 2010. Le anomalie sono state poi linearmente detrendizzate per tutto il periodo. I risultati presentati in questo articolo sono stati testati anche con un detrending quadratico, e i risultati qualitativi non sono risultati sensibili al metodo di detrending.

b. Analoghi della circolazione costruiti
Per stimare le componenti della precipitazione e della SAT che sono dovute esclusivamente alle anomalie della circolazione atmosferica, calcoliamo analoghi empirici della circolazione, applicando il metodo degli analoghi della circolazione costruiti di Deser et al. (2016). Le tecniche di analogia sono state precedentemente utilizzate per le previsioni meteorologiche statistiche e, più recentemente, per valutare il ruolo del riscaldamento globale sugli inverni freddi europei. Il metodo dell’analogia costruita usato qui mira a calcolare le anomalie di SAT (o precipitazione) che sono associate alle anomalie della circolazione su larga scala ed è simile al metodo dei minimi quadrati parziali per punti di griglia impiegato da Smoliak et al. Il metodo di Deser et al. (2016) è preferito qui perché il calcolo che produce gli analoghi della circolazione può essere semplicemente esteso ad altri campi, per costruire l’anomalia associata a un particolare schema di circolazione.

Utilizziamo anomalie mensili di SLP per caratterizzare le anomalie della circolazione dinamica. Per ciascun mese, viene calcolata la distanza euclidea tra l’anomalia di SLP del mese di riferimento e tutte le altre anomalie di SLP corrispondenti allo stesso mese del calendario. La distanza euclidea viene calcolata sulla regione di riferimento: per esempio, la regione europea è definita come 30°-90°N, 60°W-60°E. Gli 80 mesi più vicini al mese di riferimento vengono poi selezionati, escludendo quelli che si verificano entro 5 anni dal mese di riferimento per evitare il campionamento degli anni adiacenti. Un sottocampione di 50 mesi viene poi selezionato casualmente dal set degli 80 mesi più vicini. Calcoliamo quindi il miglior adattamento lineare ottimale del sottocampione di 50 mesi al campo SLP di riferimento, utilizzando una regressione lineare multipla.

Adattare questo sottocampione di 50 mesi al mese target produce un coefficiente di regressione per ciascuno dei 50 mesi, che può essere utilizzato per costruire l’anomalia SLP dell’analogia. Il campionamento casuale e l’adattamento al campo SLP target viene ripetuto 100 volte, e i 100 campi SLP costruiti risultanti sono poi mediati per ottenere un campo SLP analogo. Il campionamento ripetuto garantisce che il campo SLP analogo rappresenti strettamente il campo SLP target ma non sia eccessivamente determinato da un particolare mese nel dataset. Abbiamo trovato che i risultati sono insensibili al numero esatto di mesi “più vicini”, al numero di mesi sottocampionati o al numero di sottocampionature ripetute.

I campi analoghi della SAT dinamica e delle precipitazioni, associati all’anomalia della circolazione, sono calcolati durante la procedura che calcola il campo SLP analogo. Quando si calcola l’adattamento lineare ottimale al campo SLP target, i coefficienti di regressione ottenuti sono moltiplicati per l’anomalia della SAT/precipitazione per il mese rispettivo. Il sottocampionamento produce 100 stime per l’anomalia dinamica della SAT/precipitazioni, che sono mediate per ottenere una stima “migliore” dell’anomalia dinamica della SAT/precipitazioni. Questo processo è ripetuto per ogni mese nei dataset di SAT e precipitazioni. Le anomalie mensili complete e dinamiche di ciascun campo sono mediate su periodi di 3 mesi per produrre anomalie stagionali; l’anomalia residua è quindi calcolata sottraendo l’anomalia dinamica dall’anomalia completa. Nella sezione 3a, stimiamo l’incertezza in questo utilizzando i 100 sottocampionamenti casuali utilizzati per produrre gli analoghi costruiti per ciascun mese. Uno dei sottocampioni per ciascun mese in una stagione viene selezionato casualmente, e questi sono combinati per produrre un analogo stagionale. Questo processo viene poi ripetuto 1000 volte, e l’incertezza è misurata dalla distribuzione risultante.

Per stimare l’incertezza nella decomposizione dinamica, i 100 sottocampionamenti casuali utilizzati per produrre gli analoghi costruiti per ciascun mese sono stati combinati casualmente 1000 volte, producendo 1000 analoghi stagionali casuali (l’ombreggiatura nella Fig. 7, descritta in dettaglio più avanti, indica il range dal 5% al 95% di questa distribuzione per ogni anno).

Un esempio dell’analogia della circolazione dinamica sull’Europa per la stagione estiva [definita come la media di giugno-agosto (JJA)] è mostrato nella Figura 1 per l’anno 1990. L’anomalia completa della pressione a livello del mare (SLP) per la stagione è chiaramente ben catturata in tutto il settore europeo dal campo dell’anomalia SLP dinamica (cfr. Figura 1a con Figura 1b), che è stata costruita usando la tecnica dell’analogia. L’anomalia residua della SLP è piccola ovunque all’interno della regione target europea, il che dà fiducia che il metodo dell’analogia sia in grado di ricostruire efficacemente le anomalie della circolazione stagionale. L’anno 1990 è stato selezionato a caso, ma le scale delle anomalie stagionali della SLP sul settore europeo non sono particolarmente insolite, e il residuo è simile per tutte le stagioni e gli anni. Per testare quanto bene le anomalie SLP dell’analogia costruita riescano a catturare i campi completi delle anomalie per ogni stagione, abbiamo calcolato la frazione della varianza spiegata (cioè, il coefficiente di correlazione al quadrato r²) per ogni stagione, e quasi il 100% della varianza dei campi completi dell’anomalia SLP è catturato dagli analoghi costruiti in tutte le stagioni (vedi Figura S1 per un esempio degli analoghi invernali europei).

La decomposizione delle anomalie di SAT e precipitazioni per l’estate 1990 è mostrata nella Figura 2. Per questa particolare stagione, gli analoghi della circolazione dinamica suggeriscono che l’anomalia fredda sull’Europa orientale (Figura 2a) è principalmente indotta dinamicamente dai venti settentrionali associati al bordo occidentale dell’anomalia della circolazione ciclonica. Sulla Scandinavia, le anomalie di temperatura sono deboli, dato ciò che sarebbe stimato usando questo metodo solo dalla circolazione anomala [cioè, l’anomalia SAT dinamica (Figura 2c)], che tipicamente sarebbe associata a anomalie calde come risultato del flusso meridionale anomalo. L’anomalia SAT residua è quindi fredda sulla Scandinavia. L’anomalia SAT residua più grande si trova sulla Russia settentrionale, sul bordo orientale della regione di analisi. Sebbene ciò possa essere correlato alle anomalie SLP al di fuori della regione di interesse, le mappe della frazione di varianza spiegata (mostrate più avanti nella Figura 3) non mostrano un calo improvviso vicino al bordo della regione di analisi; per esempio, la frazione della varianza spiegata scende a 0,5 circa 10° fuori dalla regione target (cioè, Figura S1).

La decomposizione delle precipitazioni è meno chiara, in gran parte a causa della scala più piccola delle anomalie delle precipitazioni stesse. L’anomalia secca su Europa centrale e occidentale si verifica sotto una regione di alta pressione anomala, mentre l’anomalia positiva delle precipitazioni sulla Russia si verifica sotto una regione di bassa pressione anomala. Questa anomalia delle precipitazioni dinamiche corrisponde ampiamente all’anomalia completa delle precipitazioni (cioè, Fig. 2b), ma rimane ancora un’importante anomalia residua delle precipitazioni (cioè, Fig. 2f), particolarmente intorno al Mar Nero, dove le anomalie secche non sono catturate dalla precipitazione dinamica.

Dai campi delle anomalie dinamiche calcolati per ogni anno e stagione, possiamo analizzare quanto della variabilità interannuale totale per ciascun campo possa essere spiegata dalle anomalie indotte dinamicamente. La frazione di varianza spiegata (cioè, r²) dai campi delle anomalie dinamiche sull’Europa per ogni stagione è mostrata nella Fig. 3. In termini di variabilità della SAT, le anomalie dinamiche spiegano la maggior parte della variabilità sull’intero continente durante l’inverno [dicembre-febbraio (DJF)], mentre, nelle altre stagioni, la componente dinamica rappresenta circa il 50% della varianza sulla maggior parte del continente. La frazione della variabilità interannuale totale delle precipitazioni che è spiegata dalle anomalie dinamiche è molto più incostante rispetto ai campi SAT equivalenti, probabilmente a causa della scala di lunghezza più breve delle anomalie delle precipitazioni rispetto alle anomalie della SAT. Durante tutte le stagioni, la più alta frazione di varianza spiegata dalla componente dinamica si verifica sull’Europa nord-occidentale ed è particolarmente evidente in inverno (cioè, Fig. 3b). Più a valle, sull’Europa orientale e sulla Russia, c’è più variazione tra le diverse stagioni.

L’anomalia residua in ciascun dataset includerà qualsiasi influenza proveniente dai processi termodinamici: ad esempio, l’avvezione da parte del flusso climatologico dell’aria anomala di temperatura e umidità sull’oceano, la forzatura radiativa locale da parte delle nuvole e le anomalie di umidità del suolo, che non sono direttamente collegate alle anomalie della circolazione. Naturalmente, è probabile che le anomalie residue includano anche una quantità ragionevole di “rumore” che non è chiaramente legato alla termodinamica ma risulta dalla natura empirica della decomposizione. Tuttavia, prevediamo che gran parte di questo rumore sarà filtrato durante il calcolo delle differenze composite dei campi di anomalia tra le fasi calde e fredde dell’AMO (sezione 2c), che è il focus principale di questo articolo. È importante notare che, poiché utilizziamo dati di anomalia mensili, l’impatto di caratteristiche dinamiche su scala più piccola che si verificano su scale temporali inferiori a un mese sarà rappresentato solo se ha una firma nelle anomalie SLP mensili. Ciò significa che l’impatto di singole tempeste extratropicali è in qualche modo atteso di essere considerato laddove le anomalie SLP stagionali sono strettamente correlate alle anomalie dei percorsi delle tempeste stagionali, come avviene, ad esempio, sull’Europa durante la stagione estiva (Dong et al. 2013). Invece, sistemi più piccoli a mesoscala e convettivi sono probabilmente rappresentati in qualche misura nel residuo.

La Figura 1 mostra tre diverse mappe di anomalie della pressione a livello del mare (SLP) per l’estate (giugno-agosto, JJA) del 1990, utilizzando i dati ERA-20C. Ogni mappa rappresenta un aspetto differente delle anomalie SLP osservate durante questa stagione:

a) Anomalia SLP Completa: Questa mappa (parte superiore) illustra le anomalie totali di pressione a livello del mare per l’Europa e le aree circostanti. Le aree in blu indicano pressione più bassa del normale, mentre le aree in rosso indicano pressione più alta del normale. Questa mappa fornisce una visione complessiva delle variazioni della pressione atmosferica rispetto alla media climatica per quel periodo estivo.

b) Anomalia SLP Dinamica: La seconda mappa (parte centrale) mostra solo la componente delle anomalie SLP che è stata calcolata come direttamente legata alle anomalie dinamiche della circolazione atmosferica. Questa include l’impatto delle grandi strutture di circolazione, come i sistemi di alta e bassa pressione, che possono influenzare il clima su larga scala.

c) Anomalia SLP Residua: La terza mappa (parte inferiore) rappresenta l’anomalia residua, ovvero la parte dell’anomalia SLP completa che non è stata spiegata dalle dinamiche della circolazione atmosferica. Questo residuo può includere influenze di processi più localizzati e a scala più piccola, come variabilità casuale e altri fattori che non sono stati catturati dal modello dinamico.

In sintesi, queste mappe illustrano non solo come la pressione atmosferica era anomala durante l’estate del 1990 rispetto alla norma, ma anche come queste anomalie si scompongono in contributi legati a grandi scale di movimento atmosferico e in influenze più piccole o meno direttamente collegate ai grandi schemi di circolazione. Questo tipo di analisi è cruciale per comprendere i diversi fattori che influenzano il clima e per migliorare la capacità di prevedere le condizioni meteorologiche future.

La Figura 2 fornisce un esempio dettagliato delle anomalie di temperatura della superficie (SAT) e delle precipitazioni durante l’estate (giugno-agosto, JJA) del 1990. Le mappe sono divise in due colonne, una per le anomalie di SAT e l’altra per le anomalie di precipitazioni. Ogni colonna è ulteriormente suddivisa in tre parti per illustrare diversi aspetti delle anomalie:

1. Anomalie Complete:
   • (a) Anomalia SAT Completa: Mostra le variazioni della temperatura della superficie rispetto alla media climatica, con le zone in blu che rappresentano temperature più fredde della media e quelle in rosso temperature più calde della media.
   • (b) Anomalia Completa delle Precipitazioni: Illustra le variazioni delle precipitazioni rispetto alla media, con aree più scure che indicano precipitazioni significativamente inferiori alla media e aree più chiare che mostrano precipitazioni superiori alla media.
2. Anomalie Dinamiche:
   • (c) Anomalia SAT Dinamica: Rappresenta la parte dell’anomalia di temperatura attribuibile direttamente alle anomalie nella circolazione atmosferica.
   • (d) Anomalia Dinamica delle Precipitazioni: Mostra la parte dell’anomalia delle precipitazioni direttamente influenzata dalle anomalie della circolazione atmosferica.
3. Anomalie Residue:
   • (e) Anomalia SAT Residua: Questa mappa mostra la parte dell’anomalia di temperatura che non è spiegata dalle sole anomalie della circolazione atmosferica, includendo effetti locali come radiazioni e umidità del suolo.
   • (f) Anomalia Residua delle Precipitazioni: Illustra la parte dell’anomalia delle precipitazioni che non è stata attribuita alla circolazione dinamica, potenzialmente includendo variazioni localizzate dovute a condizioni specifiche del suolo o copertura vegetale.

Queste mappe forniscono un’analisi comparativa dettagliata, mostrando come diverse componenti della circolazione atmosferica e processi locali contribuiscano alle variazioni osservate nelle condizioni climatiche, essenziali per comprendere i meccanismi dietro le variazioni climatiche stagionali e migliorare la precisione delle previsioni meteorologiche e climatiche.

c. Indice AMO
Per valutare l’influenza dell’AMO sulle regioni continentali circostanti, utilizziamo un indice annuale dell’AMO nella regione dell’Atlantico Nord (da 0° a 60°N e da 80° a 0°W) calcolato utilizzando le anomalie della temperatura superficiale del mare (SST) linearmente detrendizzate, mostrato nella Figura 4. Utilizziamo l’indice AMO per identificare i periodi caldi (1931-60 e 1996-2010) e i periodi freddi (1902-25 e 1964-93) dell’AMO, e questi sono indicati nella Figura 4. L’influenza dell’AMO su diversi campi è poi stimata prendendo le differenze composite tra i periodi caldi e i periodi freddi dell’AMO. Lo stesso approccio è stato utilizzato da Sutton e Dong (2012), e analizziamo gli stessi periodi; tuttavia, Sutton e Dong (2012) hanno considerato solo il periodo freddo più recente nella loro analisi. Le differenze nelle anomalie delle SST tra i periodi caldi e freddi dell’AMO sono mostrate per ogni stagione nella Figura 4.

La Figura 3 presenta mappe che illustrano la frazione della varianza spiegata dalle anomalie dinamiche della temperatura superficiale (SAT) e delle precipitazioni per ciascuna stagione dell’anno. Queste mappe mostrano quanto delle variazioni stagionali di temperatura e precipitazioni possono essere attribuite a fattori dinamici legati alla circolazione atmosferica. Le mappe sono suddivise per stagione:

1. (a) SAT (varianza spiegata) – DJF (Dicembre-Febbraio): Mostra quanto della variazione di temperatura invernale è spiegata dalle anomalie dinamiche.
2. (b) Precipitazioni (varianza spiegata) – DJF: Illustra la frazione della varianza nelle precipitazioni invernali attribuibile a dinamiche circolatorie.
3. (c) SAT (varianza spiegata) – MAM (Marzo-Maggio): Fornisce un’analisi per la primavera, mostrando le regioni dove le anomalie dinamiche spiegano una grande parte della variazione di temperatura.
4. (d) Precipitazioni (varianza spiegata) – MAM: Mostra l’influenza delle dinamiche circolatorie sulle variazioni di precipitazioni primaverili.
5. (e) SAT (varianza spiegata) – JJA (Giugno-Agosto): Presenta la frazione della varianza in temperature estive spiegata dalle anomalie dinamiche.
6. (f) Precipitazioni (varianza spiegata) – JJA: Illustra quanto delle variazioni estive di precipitazioni è influenzato da fattori dinamici.
7. (g) SAT (varianza spiegata) – SON (Settembre-Novembre): Visualizza la frazione della varianza nella temperatura autunnale spiegata dalle dinamiche circolatorie.
8. (h) Precipitazioni (varianza spiegata) – SON: Mostra l’impatto delle dinamiche circolatorie sulle variazioni autunnali delle precipitazioni.

In sintesi, queste mappe permettono di comprendere quanto della variabilità stagionale in temperatura e precipitazioni sia associata a larghe scale di movimenti atmosferici, piuttosto che a fattori più localizzati o casuali. Questo è essenziale per la comprensione dei modelli climatici e per la previsione del tempo, soprattutto in relazione agli impatti delle variazioni climatiche a grande scala come l’AMO.

La Figura 4 presenta una serie di grafici che illustrano la variabilità delle anomalie della temperatura superficiale del mare (SST) nell’Atlantico Nord, nonché le differenze tra le fasi calde e fredde dell’Oscillazione Multidecennale Atlantica (AMO).

a) Indice AMO Annuale:

• Il grafico in alto (a) mostra la serie temporale delle anomalie SST medie annue detrendizzate calcolate per la regione dell’Atlantico Nord (da 0° a 60°N e da 80°W a 0°W).
• Le anomalie SST sono rappresentate in azzurro chiaro, mentre la media mobile su 5 anni dell’indice è mostrata in azzurro scuro.
• Le linee orizzontali blu e rosse indicano rispettivamente i periodi caldi (1931–60 e 1996–2010) e i periodi freddi (1902–25 e 1964–93) dell’AMO.

b-e) Differenze SST tra le fasi calde e fredde dell’AMO:

• I grafici (b) fino a (e) mostrano le differenze delle anomalie SST detrendizzate tra le fasi calde e fredde dell’AMO per ogni stagione:
  • (b) Giugno-Agosto (JJA)
  • (c) Dicembre-Febbraio (DJF)
  • (d) Marzo-Maggio (MAM)
  • (e) Settembre-Novembre (SON).
• Le aree con puntinatura indicano dove le differenze sono statisticamente significative al 95% di livello di confidenza.

Interpretazione e Significato:

• Queste mappe stagionali illustrano come la temperatura superficiale del mare varia significativamente tra le fasi calde e fredde dell’AMO, offrendo un’indicazione visiva di come l’AMO possa influenzare le condizioni climatiche attraverso l’Atlantico Nord.
• Le aree con puntinatura mostrano regioni dove le differenze tra le fasi calde e fredde sono consistenti e statisticamente robuste, suggerendo che queste aree possono essere particolarmente sensibili alle fluttuazioni dell’AMO.
• Questa analisi aiuta a comprendere meglio il ruolo dell’AMO nella modulazione del clima regionale e nelle variazioni climatiche su scala più ampia.

d. Test di significatività

La significatività statistica delle differenze composite tra le fasi calde e fredde dell’AMO è stata calcolata utilizzando un test t di Student bilaterale sulle anomalie medie stagionali. La dimensione del campione N è presa come il numero di anni che compongono i compositi AMO caldi/freddi. Per tenere conto dell’autocorrelazione annuale, la dimensione effettiva del campione è stata calcolata tenendo in considerazione l’autocorrelazione di lag-1 per ciascun punto della griglia e per ciascuno dei diversi dataset. Le autocorrelazioni negative sono state impostate a zero, assicurando così che la dimensione effettiva del campione non fosse mai maggiore del numero effettivo di anni all’interno di ciascun composito.

La Tabella 1 presenta i valori di correlazione spaziale delle componenti dinamiche dell’effetto dell’Oscillazione Multidecennale Atlantica (AMO) su diverse regioni geografiche, confrontando due set di dati, 20CR e HadSLP2, con un terzo set, ERA-20C. Questi valori di correlazione sono calcolati per le mappe di differenza dinamica che sono state create utilizzando i dati 20CR o HadSLP2. La tabella è organizzata per mostrare queste correlazioni per due variabili climatiche: la temperatura superficiale dell’aria (SAT) e le precipitazioni.

• Colonne: La tabella è divisa in quattro colonne. Le prime due colonne mostrano i valori di correlazione per la SAT, mentre le ultime due colonne riguardano le precipitazioni. Per ciascuna di queste variabili, i dati sono presentati per i set di dati 20CR e HadSLP2.
• Righe: Ogni riga rappresenta una diversa regione e stagione:
  • Europa in JJA (Giugno-Agosto): Mostra la correlazione per l’estate europea.
  • Europa in DJF (Dicembre-Febbraio): Presenta la correlazione per l’inverno europeo.
  • Europa in MAM (Marzo-Maggio): Indica la correlazione per la primavera europea.
  • Europa in SON (Settembre-Novembre): Mostra la correlazione per l’autunno europeo.
  • Nord America in JJA: Correlazione per l’estate nordamericana.
  • Africa in JJASO (Giugno-Ottobre): Correlazione per il periodo esteso che copre da giugno a ottobre in Africa.
• Valori di Correlazione: I numeri in ciascuna cella rappresentano il coefficiente di correlazione spaziale tra i dati di SAT e precipitazioni calcolati da 20CR o HadSLP2 e quelli di riferimento da ERA-20C. Un valore più alto indica una maggiore somiglianza o concordanza tra i set di dati nel rappresentare l’effetto dinamico dell’AMO.

Questi valori di correlazione sono utili per valutare la coerenza e l’affidabilità delle stime dell’impatto dell’AMO tra diversi set di dati climatici, offrendo una visione critica sull’accuratezza e l’utilità di questi modelli per la ricerca climatica e la pianificazione basata su dati storici.

3. Decomposizione dell’influenza dell’AMO sull’Europa Calcoliamo le anomalie stagionali tipiche associate alla variabilità dell’AMO calcolando la differenza composita tra le fasi calde e fredde dell’indice AMO (mostrato nella Figura 4). Questo processo viene applicato alle anomalie stagionali complete, dinamiche e residue di SAT e precipitazioni, così come SLP. Le mappe delle differenze composite saranno mostrate utilizzando il dataset ERA-20C, ma verranno discusse anche comparazioni con altri dataset. La correlazione di pattern delle differenze dinamiche di SAT/precipitazioni nel dataset ERA-20C con le mappe delle differenze composite equivalenti di 20CR e HadSLP2 sono fornite nella Tabella 1 (le mappe complete sono incluse nel materiale supplementare). Quando le mappe delle differenze delle anomalie residue sono significative e la decomposizione è simile tra i vari dataset, possiamo interpretarle come di origine termodinamica, una stima dell’AMO è come risultato delle anomalie di circolazione stagionali associate all’AMO rispetto a quelle direttamente associate al riscaldamento/raffreddamento multidecennale delle SST dell’Atlantico Nord per condizioni climatologiche di circolazione su larga scala. Prima analizziamo l’influenza dell’AMO sull’Europa.Questa decomposizione ci consente di stimare fino a che punto l’impatto osservato dell’AMO sia associato all’AMO in assenza di cambiamenti nella circolazione.

La Figura 5 mostra le differenze nelle anomalie della pressione a livello del mare (SLP) tra i periodi caldi e freddi dell’Oscillazione Multidecennale Atlantica (AMO), per diverse stagioni dell’anno, utilizzando i dati del dataset ERA-20C. Ogni pannello rappresenta una stagione diversa:

• (a) JJA (Giugno-Agosto): Illustra le differenze di SLP durante i mesi estivi. Le aree in blu indicano pressione più bassa durante i periodi caldi rispetto ai periodi freddi dell’AMO, mentre le aree in rosso indicano pressione più alta.
• (b) DJF (Dicembre-Febbraio): Mostra le differenze di SLP durante i mesi invernali, con le tonalità di blu e rosso che rappresentano rispettivamente pressioni più basse e più alte durante i periodi caldi.
• (c) MAM (Marzo-Maggio): Presenta le differenze di SLP nella primavera, segnalando fluttuazioni di pressione simili alle altre stagioni.
• (d) SON (Settembre-Novembre): Illustra le differenze di SLP durante l’autunno, con variazioni di colore che indicano dove la pressione è stata influenzata dalla fase dell’AMO.

Il puntinato su ogni mappa indica le regioni dove le differenze di SLP sono statisticamente significative al 95% di livello di confidenza. Questo dimostra che le differenze osservate sono molto probabilmente influenzate dalle fasi dell’AMO, piuttosto che essere casuali.

In conclusione, queste mappe forniscono una visione chiara di come la pressione a livello del mare varia nelle diverse stagioni in risposta alle fasi dell’AMO, contribuendo a una migliore comprensione dell’impatto dell’AMO sulle condizioni meteorologiche e climatiche su vasta scala.

a. Estate

La fase calda dell’AMO durante l’estate (cioè JJA) genera un’anomalia ciclonica sopra l’Europa occidentale (Fig. 5a), che è simile al lobo meridionale del pattern negativo dell’Oscillazione Nord Atlantica estiva (NAO), come evidenziato in studi precedenti (Ghosh et al. 2016; Sutton e Hodson 2005; Ting et al. 2014). Un’anomalia ciclonica simile è riscontrata anche nei dataset 20CR e HadSLP2 (Figg. S2, S3), sebbene leggermente più debole in quest’ultimo. Di conseguenza, le mappe differenziali composite delle anomalie decomposte risultano molto simili in tutti i dataset. La differenza delle anomalie di temperatura superficiale (SAT) e delle precipitazioni tra le fasi calda e fredda dell’AMO per l’estate europea sono mostrate nella Fig. 6. L’anomalia SAT completa collegata alla fase calda dell’AMO è simile a quella riscontrata in studi precedenti (Knight et al. 2006; Sutton e Dong 2012; Sutton e Hodson 2005), con significative anomalie calde dall’Europa occidentale fino a circa 45°E (Fig. 6a). Tuttavia, dato che queste sono anomalie decennali, sono ancora abbastanza piccole rispetto alla variabilità interannuale. Le maggiori anomalie calde si verificano intorno al Mediterraneo. Una porzione significativa delle anomalie SAT calde in Europa è legata alla circolazione dinamica, come mostrato dal grafico dell’anomalia SAT dinamica (Fig. 6c), ma una porzione maggiore è associata all’anomalia SAT residuale, eccetto che sopra la Scandinavia (Fig. 6e). È interessante notare che i modelli delle anomalie dinamiche e residue sono simili in gran parte dell’Europa meridionale, tali che il campo di circolazione agisce per amplificare il riscaldamento durante la fase positiva dell’AMO. Tuttavia, l’anomalia SAT residua nell’Europa meridionale potrebbe essere legata all’impatto termodinamico delle anomalie della temperatura superficiale del mare (SST) del Mediterraneo, che sono anomale calde durante la fase calda dell’AMO, in particolare durante l’estate e l’autunno (Fig. 5).

L’influenza dell’AMO sulla precipitazione estiva in Europa differisce dalla temperatura superficiale dell’aria (SAT) in quanto l’anomalia dinamica sembra avere un’influenza dominante rispetto all’anomalia residua (Fig. 6). Questo è coerente con la frazione maggiore di varianza (cioè, Fig. 3) spiegata dall’anomalia dinamica rispetto alla SAT. L’anomalia ciclonica sopra il nord-ovest dell’Europa (cioè, Fig. 5a) è simile al lobo meridionale del pattern negativo dell’Oscillazione Nord Atlantica estiva (NAO) ed è quindi associata a più tempeste e precipitazioni attraverso il nord-ovest dell’Europa (Bladé et al. 2012; Folland et al. 2009). L’anomalia dinamica è responsabile delle caratteristiche su larga scala osservate nel campo dell’anomalia completa, con condizioni più umide sopra il nord-ovest dell’Europa e condizioni più secche sopra il sud-est dell’Europa, durante la fase calda dell’AMO. La risposta residua media in qualche modo le anomalie dinamiche sopra le Alpi e sopra l’Europa orientale, tuttavia, dove le anomalie residue positive agiscono per ridurre le anomalie dinamiche secche in tutti i dataset.

Le anomalie dinamiche sembrano dominare la risposta della precipitazione all’AMO più fortemente rispetto alla SAT, in particolare sopra il nord-ovest dell’Europa. Questo è anche coerente con l’impatto della NAO estiva, che mostra una maggiore influenza sulle anomalie della precipitazione europea rispetto alle anomalie della SAT (Bladé et al. 2012). Per ulteriormente investigare il controllo della circolazione sulle anomalie della SAT e delle precipitazioni sopra la regione del nord-ovest dell’Europa, analizziamo ora gli indici della SAT e delle precipitazioni mediati sulla regione (mostrati in Fig. 6), che sono rappresentati nella Fig. 7.

Inoltre, sono rappresentate le anomalie di temperatura superficiale dell’aria (SAT) e delle precipitazioni mediate su 5 anni, così come gli indici AMO annuali e quinquennali; la correlazione degli indici di SAT e precipitazioni con i rispettivi indici AMO è mostrata in ogni pannello. Una misura dell’incertezza nella decomposizione è rappresentata con ombreggiature per le serie temporali annuali e con linee verticali in grassetto per le serie temporali di 5 anni. L’incertezza nella decomposizione è relativamente piccola rispetto al segnale, ed è chiaro che esiste una variabilità multidecennale sistematica nell’anomalia SAT residua. Sopra il nord-ovest dell’Europa ci sono correlazioni significative tra l’indice AMO annuale e la SAT annuale (r = 0.32, significativo al livello del 95%), e tra l’indice AMO quinquennale e la SAT quinquennale (r = 0.57, significativo al livello del 95%), mostrate nella Fig. 7a. L’analisi degli indici delle anomalie decomposte rivela che la risposta della SAT è dominata dalla componente residua, che è significativamente correlata con l’AMO sulla scala temporale annuale e in particolare sulla scala temporale più lunga (Fig. 7e) sulla quale l’AMO spiega oltre il 40% della varianza (i.e., r = 0.64, r² = 0.41). Questo è coerente con l’influenza termodinamica dell’avvezione di aria più calda proveniente dall’Atlantico Nord anomalo caldo dai venti occidentali climatologici estivi, che fluiscono direttamente sopra la regione del nord-ovest dell’Europa.

La risposta delle precipitazioni estive all’AMO sopra il nord-ovest dell’Europa, tuttavia, è dominata dalla componente dinamica (Fig. 7b,d). L’AMO mostra meno controllo sulle precipitazioni, dato che nessuna delle componenti è significativamente correlata con l’indice quinquennale (anche se nella seconda metà della serie temporale esiste una relazione ragionevole). L’indice dinamico è particolarmente ben correlato con l’indice AMO annuale, ma è difficile assegnare con sicurezza una risposta causale all’indice AMO annuale perché su scale temporali interannuali le anomalie di SST extratropicali (e una significativa frazione dell’AMO) sono principalmente forzate dalle anomalie della circolazione atmosferica (Deser et al. 2010; Gulev et al. 2013). Tuttavia, questi risultati supportano l’idea che le anomalie della circolazione esibiscono un ruolo dominante sull’influenza dell’AMO sulle precipitazioni estive, in confronto con l’anomalia residua, particolarmente sopra il nord-ovest dell’Europa.

la Figura 6 mostra le differenze di anomalie durante l’estate (JJA) tra i periodi caldi e freddi dell’indice AMO: Panello a: Anomalia SAT completa

Questo pannello mostra l’anomalia completa della temperatura superficiale dell’aria (SAT). Le aree più calde sono indicate in tonalità di rosso, dove le regioni più scure indicano le maggiori anomalie positive, suggerendo significativi aumenti di temperatura durante i periodi caldi dell’AMO.

Panello b: Anomalia completa delle precipitazioni

Rappresenta l’anomalia completa delle precipitazioni, con le zone più umide in tonalità di blu, particolarmente evidenti nel nord-ovest dell’Europa come indicato dal riquadro nero.

Panello c: Anomalia SAT dinamica

Mostra l’effetto della dinamica dell’atmosfera sulle anomalie di temperatura, con variazioni meno estreme rispetto al pannello a.

Panello d: Anomalia delle precipitazioni dinamica

Focalizza sull’impatto della dinamica dell’atmosfera sulle precipitazioni, con le tonalità di blu che indicano un aumento delle precipitazioni.

Panello e: Anomalia SAT termica

Illustra l’impatto termico sulle anomalie di temperatura, con variazioni moderate rappresentate dalle tonalità di arancio chiaro e giallo.

Panello f: Anomalia delle precipitazioni termica

Presenta le variazioni delle precipitazioni dovute a fattori termici, con le zone in blu che indicano un aumento moderato delle precipitazioni.

La stippling in tutti i pannelli indica le aree dove le anomalie sono statisticamente significative al 95%. I riquadri neri nel pannello b e d definiscono la regione del nord-ovest dell’Europa utilizzata per generare le serie temporali nella Figura 7. Questa decomposizione è stata calcolata utilizzando i dati ERA-20C, essenziali per analizzare dettagliatamente le variazioni climatiche.

La Figura 7 presenta una serie di grafici che mostrano le serie temporali annuali e medie su 5 anni delle anomalie di temperatura superficiale dell’aria (SAT) e delle precipitazioni durante l’estate (giugno, luglio, agosto, JJA) nella regione del nord-ovest dell’Europa, come indicato nei pannelli della Figura 6.

1. Pannelli a e b: Anomalie SAT e Precipitazioni Complete
   • Panello a: Presenta le anomalie della temperatura superficiale dell’aria (SAT) complete, con serie temporali annuali in colori più chiari e quinquennali in colori più scuri. La correlazione quinquennale è 0.57, indicata come significativa al 95%.
   • Panello b: Mostra le anomalie complete delle precipitazioni, con una correlazione quinquennale di 0.38.
2. Pannelli c e d: Anomalie SAT e Precipitazioni Dinamiche
   • Panello c: Illustra le anomalie dinamiche della SAT, con una correlazione minore su scala annuale (0.06) rispetto alla scala quinquennale (0.28).
   • Panello d: Presenta le anomalie dinamiche delle precipitazioni con correlazioni di 0.21 annuale e 0.43 quinquennale, mostrando un impatto moderato a lungo termine.
3. Pannelli e e f: Anomalie SAT e Precipitazioni Termodinamiche
   • Panello e: Rappresenta le anomalie termodinamiche della SAT, con correlazioni significative di 0.38 annuale e 0.64 quinquennale.
   • Panello f: Mostra le anomalie termodinamiche delle precipitazioni, con correlazioni minori e negative, suggerendo un impatto limitato delle influenze termodinamiche.

In tutti i pannelli, gli intervalli di confidenza del 95% per gli indici annuali sono mostrati con ombreggiature, e per quelli quinquennali con linee verticali. Gli asterischi indicano la significatività statistica al 95%, utilizzando l’equazione di Bretherton et al. (1999).

Questa figura aiuta a distinguere i diversi effetti dinamici e termodinamici dell’AMO sul clima estivo dell’Europa nord-occidentale in termini di temperatura e precipitazioni.

b. Altre stagioni La decomposizione dell’influenza dell’AMO sull’Europa è stata eseguita anche per le stagioni autunnale, invernale e primaverile. Tuttavia, i risultati non sembrano essere particolarmente robusti o chiari come in estate, per diverse ragioni, che qui delineeremo (le Figg. S4–S6 mostrano esempi di mappe di decomposizione, utilizzando i dati ERA-20C). In primavera, la differenza composita dell’AMO consiste in significative anomalie calde su gran parte dell’Europa occidentale e anomalie fredde sull’Europa orientale (Fig. S4). Queste anomalie sono associate a significative anomalie di circolazione su larga scala, consistendo in un’anomalia ciclonica sull’Atlantico nord orientale e un’anomalia anticiclonica sul nord Europa, che è simile in tutti i dataset (Figg. 5b, S2b, e S3b). La decomposizione—in tutti e tre i dataset—rivela che le anomalie di temperatura sono quasi interamente il risultato delle anomalie di circolazione su larga scala, a differenza dell’estate, con anomalie SAT residue comparativamente deboli (Fig. S4).

Durante l’autunno, mentre l’AMO è chiaramente associata a temperature SAT calde e anomalie di precipitazione positive sull’Europa occidentale, la decomposizione è meno chiara che in estate. I tre dataset di pressione al livello del mare (SLP) mostrano poca somiglianza nelle anomalie SLP (Figg. 5d, S2d, e S3d), risultando in anomalie decomposte che non sono coerenti l’una con l’altra. Pertanto, non siamo in grado di trarre conclusioni robuste sul ruolo delle dinamiche nel modellare la risposta all’AMO sull’Europa in autunno.

Durante l’inverno le anomalie di circolazione associate all’AMO non sono chiaramente significative (Figg. 5b, S2b, e S3b). Si verificano anomalie fredde sull’Europa centrale durante la fase calda dell’AMO ma non sono statisticamente significative e sembrano essere completamente controllate dalle anomalie di circolazione (Fig. S5), come ci si potrebbe aspettare dalla varianza spiegata (Fig. 3a). Tuttavia, dato che c’è una grande incertezza nella risposta della circolazione su larga scala all’AMO, non ci concentreremo ulteriormente sulla stagione invernale. L’ampia incertezza evidenziata qui suggerisce che i risultati precedenti che collegano la fase calda dell’AMO alle temperature fredde europee dovrebbero essere trattati con un certo scetticismo.

4. Decomposizione dell’influenza dell’AMO su altre regioni

Applichiamo ora lo stesso metodo ad altre due regioni che sono state dimostrate essere influenzate dalla variabilità dell’AMO. Lo stesso metodo degli analoghi di circolazione dinamica è stato applicato alle anomalie mensili sull’Africa (30°S–45°N, 60°W–60°E) e sul Nord America (15°–90°N, 170°W–50°W). Le anomalie decomposte sono state poi combinate in anomalie stagionali prima di calcolare le differenze composite tra le fasi calde e fredde dell’AMO, come nella sezione precedente.

a. Stagione delle piogge del Sahel
Nella regione del Sahel, oltre il 90% delle precipitazioni annuali avviene durante la stagione del monsone dell’Africa Occidentale, che raggiunge il picco ad agosto. Qui definiamo la stagione delle piogge del Sahel come la stagione di 5 mesi centrata su agosto [ovvero, giugno–ottobre (JJASO)]. L’AMO è stata collegata alla variabilità pluriennale delle precipitazioni sul Sahel durante la stagione delle piogge (ad esempio, Folland et al. 1986; Knight et al. 2006; Mohino et al. 2011; Ting et al. 2009; Zhang e Delworth 2006), quindi è di interesse decomporre l’influenza dell’AMO nelle sue componenti dinamiche e residue. L’anomalia del livello di pressione al suolo (SLP) associata alla variabilità dell’AMO durante la stagione delle piogge del Sahel è mostrata nella Fig. 8. Anomalie di bassa pressione sono presenti su gran parte dell’Atlantico tropicale (anche in 20CR e HadSLP2). In particolare, l’anomalia significativa di bassa pressione nell’Atlantico tropicale settentrionale è simile a quella trovata in studi precedenti (ad esempio, Martin e Thorncroft 2014b) ed è correlata a un aumento del getto occidentale dell’Africa occidentale a basso livello (Pu e Cook 2010) e al flusso di umidità associato intorno a 10°N durante i periodi caldi dell’AMO (Grist e Nicholson 2001), risultando in un aumento delle precipitazioni. Studi precedenti hanno riscontrato che un’alta pressione sull’Atlantico tropicale settentrionale comporta condizioni secche sul Sahel (Hastenrath 1990). Esiste anche un gradiente di pressione su larga scala che si estende dall’Atlantico Sud subtropicale al Sahel, associato ad anomalie di vento meridionale attraverso l’equatore, che si estendono sulla costa sul Golfo di Guinea, risultando anch’esso in un aumento delle precipitazioni (Hastenrath e Polzin 2011; Martin e Thorncroft 2014b). Le differenze tra i campi di anomalia completi e decomposti tra le fasi calde e fredde dell’AMO sono mostrate nella Fig. 9. Le maggiori anomalie di temperatura superficiale (SAT) si verificano in Nord Africa, intorno al Mediterraneo, dove le anomalie calde sono associate alla fase calda dell’AMO sull’Europa (cfr. Fig. 6). L’anomalia SAT residua calda sull’Africa nord-occidentale è probabilmente dovuta all’avvezione di aria più calda dai venti settentrionali climatologici in questa regione ed è robusta tra tutti e tre i set di dati (mostrati nelle Figg. S7 e S8).

Come evidenziato in studi precedenti, l’impatto più chiaro dell’AMO si registra nelle precipitazioni sulla regione del Sahel. Nella fase calda dell’AMO, si verifica un grande aumento delle precipitazioni sul Sahel durante la stagione delle piogge. I campi decomposti rivelano una interessante dipendenza dalle anomalie di circolazione. Le anomalie delle precipitazioni dinamiche sono positive in gran parte della regione del Sahel, ma particolarmente vicino alla costa occidentale, dove le anomalie dei venti occidentali tendono a portare aria marittima umida sul continente, il che è evidente anche nelle decomposizioni usando 20CR e HadSLP2 (Figg. S7, S8). Le anomalie delle precipitazioni residue contribuiscono anche alle anomalie totali delle precipitazioni positive, rinforzando la componente dinamica attraverso il Sahel, che potrebbe essere correlata a un aumento del flusso di umidità dalle SST più calde attraverso i venti monsonici. La componente residua è particolarmente grande, tuttavia, sulla regione orientale del Sahel (Fig. 9f). In questa regione, ci sono venti climatologici settentrionali nella bassa troposfera dall’est del Mediterraneo, dove le SST sono significativamente più calde durante la fase calda dell’AMO (Fig. 4). Questa caratteristica è evidente anche nella decomposizione usando HadSLP2, ma in misura minore in 20CR (Figg. S8, S9). Studi di modellizzazione e osservativi hanno precedentemente dimostrato che le SST del Mediterraneo esercitano un certo controllo sulle piogge del Sahel (Gaetani et al. 2010; Park et al. 2016); tuttavia, le SST nell’Atlantico Nord tropicale hanno ancora un’influenza più diretta. Le anomalie delle precipitazioni residue sul Sahel orientale sono quindi coerenti con l’aria più calda e umida che fluisce verso sud dall’est del Mediterraneo verso il Sahel (Park et al. 2016; Rowell 2003).

La Figura 8 mostra la differenza delle anomalie del livello di pressione al suolo (SLP) durante la stagione delle piogge del Sahel (JJASO) tra i periodi caldi e freddi dell’Oscillazione Multidecadale Atlantica (AMO). Questa mappa copre un’area estesa, dall’Atlantico fino all’Asia Centrale, e dal nord dell’Africa fino al nord dell’Europa.

Descrizione della mappa:

• Colorazione: La scala di colori varia dal blu al rosso. I toni di blu indicano valori negativi delle anomalie di SLP, che suggeriscono aree di bassa pressione rispetto alla media, mentre i toni di rosso indicano valori positivi, che suggeriscono aree di alta pressione.
• Stippling: I puntini mostrati in certe aree indicano dove le differenze di anomalie di SLP sono statisticamente significative al livello del 95%, confermando che la differenza di pressione tra i periodi caldi e freddi dell’AMO è marcata e non casuale.

Analisi specifica:

• Nella regione del Sahel, emergono variazioni di pressione correlate alla fase dell’AMO. Durante i periodi caldi dell’AMO, le condizioni di bassa pressione potrebbero facilitare un aumento delle precipitazioni.
• Le regioni costiere vicino al Sahel, specialmente lungo la costa occidentale africana, mostrano una significativa anomalia di bassa pressione, enfatizzando l’effetto pronunciato dell’AMO su queste aree durante i suoi periodi caldi.

Importanza:

Questa mappa è essenziale per capire come le variazioni dell’AMO influenzino il clima del Sahel, in particolare la quantità e la distribuzione delle piogge durante la stagione delle piogge, cruciali per l’agricoltura e la gestione delle risorse idriche nella regione.

La Figura 9 illustra le differenze di anomalie nella stagione delle piogge del Sahel (JJASO) tra i periodi caldi e freddi dell’indice AMO, utilizzando il dataset ERA-20C. Le mappe sono organizzate per mostrare le anomalie di temperatura alla superficie terrestre (SAT) e le anomalie di precipitazioni, decomponendole in componenti dinamiche e termodinamiche.

Dettaglio delle mappe:

• (a) Anomalia SAT completa: Mostra la differenza totale di temperatura alla superficie tra i periodi caldi e freddi dell’AMO, con i colori che variano dal blu (temperature più fredde) al rosso (temperature più calde).
• (b) Anomalia completa delle precipitazioni: Indica la differenza totale nelle precipitazioni tra i periodi caldi e freddi dell’AMO, con i colori che variano dal blu (meno precipitazioni) al verde (più precipitazioni).
• (c) Anomalia SAT dinamica: Rappresenta la componente della differenza di temperatura influenzata principalmente dalle dinamiche dell’atmosfera.
• (d) Anomalia delle precipitazioni dinamica: Mostra la componente delle differenze di precipitazioni guidata principalmente dalle dinamiche dell’atmosfera.
• (e) Anomalia SAT termodinamica: Indica la parte della differenza di temperatura non spiegata dalle sole dinamiche atmosferiche, legata a fattori come cambiamenti nell’umidità del suolo o nella copertura vegetale.
• (f) Anomalia delle precipitazioni termodinamica: Presenta la parte delle differenze di precipitazioni non spiegate dalle dinamiche atmosferiche.

Significatività e stippling:

Le aree con stippling indicano dove le differenze di anomalie sono statisticamente significative al 95% livello di confidenza, suggerendo che tali differenze sono molto probabilmente attribuibili agli effetti dell’AMO.

Importanza delle mappe:

Queste mappe sono fondamentali per capire come l’AMO influenzi il clima del Sahel, in particolare la temperatura e le precipitazioni durante la stagione delle piogge. La distinzione tra componenti dinamiche e termodinamiche aiuta a isolare i diversi meccanismi attraverso cui l’AMO può alterare il clima regionale, offrendo una comprensione più dettagliata delle interazioni climatiche nella regione.

b. Estate nordamericana

Molti studi hanno evidenziato l’influenza dell’AMO sull’America del Nord durante l’estate, sia nei modelli che nelle osservazioni (Enfield et al. 2001; Hu e Veres 2016; Knight et al. 2006; McCabe et al. 2004; Nigam et al. 2011; Ruiz-Barradas e Nigam 2005; Schubert et al. 2009; Sutton e Hodson 2005, 2007; Ting et al. 2009; Veres e Hu 2015). L’anomalia di circolazione sull’America del Nord consiste in una bassa pressione su gran parte del continente (Fig. 5a), e si registrano anche anomalie di bassa pressione al livello del mare (SLP) su gran parte dell’Atlantico Nord tropicale, durante la fase calda dell’AMO. Anomalie di circolazione molto diverse si trovano nei dati 20CR e HadSLP2, con un’anomalia bassa significativa confinata alla costa est degli Stati Uniti nel primo caso, mentre si riscontrano anomalie di SLP molto deboli in tutta l’America del Nord nel secondo caso (Figg. S2, S3). La disparità nella risposta dinamica porta a un’incertezza significativa nelle anomalie decomposte sull’America del Nord, che è evidente nelle basse correlazioni di pattern (Tabella 1).

Le mappe composite delle differenze totali e decomposte delle anomalie tra le fasi calde e fredde dell’AMO sono mostrate nella Figura 10. Durante la fase calda dell’AMO, ci sono anomalie di temperatura alla superficie terrestre (SAT) calde su gran parte del continente (Fig. 10a), mentre le anomalie delle precipitazioni sono per lo più negative, ma significativamente più irregolari (Fig. 10b). Studi precedenti hanno evidenziato l’Atlantico Nord tropicale come particolarmente importante sopra gli Stati Uniti, con anomalie cicloniche che sopprimono il trasporto di umidità in Nord America, risultando in condizioni calde e secche durante la fase calda dell’AMO (Kushnir et al. 2010; Sutton e Hodson 2007). I risultati qui sono in generale accordo con questa visione, poiché le anomalie dinamiche di SAT e precipitazioni sono molto calde e secche in gran parte del sud-est degli Stati Uniti nella decomposizione utilizzando il dataset ERA-20C (Figg. 10c,d). Le anomalie dinamiche nelle decomposizioni 20CR e HadSLP2 concordano in qualche modo in termini di caratteristiche generali della risposta dinamica; tuttavia, l’anomalia ciclonica più pronunciata sulla costa orientale in 20CR spiega quasi interamente l’anomalia dinamica (Fig. S11), mentre nella decomposizione HadSLP2 c’è un significativo residuo caldo su gran parte del Nord America (Fig. S12). Le anomalie delle precipitazioni residue (Fig. 10f) nel sud-est degli Stati Uniti, intorno al Golfo del Messico, agiscono per compensare le anomalie dinamiche in questa regione (Fig. 10d), in linea con l’influenza termodinamica dell’aumento dell’umidità a causa delle anomalie calde delle SST sull’Atlantico Nord, risultando in anomalie piuttosto irregolari nel campo totale delle anomalie (Fig. 10b). Questo contrasto tra influenze dinamiche e termodinamiche è particolarmente netto nella decomposizione utilizzando 20CR (Fig. S11). Le anomalie di SAT residue sono positive nel ovest degli Stati Uniti e attraverso le latitudini centrali del Nord America (Fig. 10e). L’AMO mostra una significativa covarianza con le anomalie calde delle SST nel Pacifico nord-orientale durante l’estate (Fig. 4), quindi parte del campo di anomalie di SAT residue calde lungo la costa ovest del Nord America (evidente in tutti e tre i dataset) potrebbe essere correlata all’advezione anomala calda da queste anomalie calde delle SST.

5. Discussione e riepilogo

Il metodo degli analoghi di circolazione costruiti o “aggiustamento dinamico” (Lorenz 1969) è stato precedentemente utilizzato per isolare efficacemente i trend di riscaldamento forzato alle medie latitudini dalla considerevole variabilità interannuale (Deser et al. 2016; Smoliak et al. 2015; Wallace et al. 2012). In questo studio, abbiamo impiegato questa tecnica per identificare l’impatto osservato dell’AMO sulla circolazione atmosferica e successivamente sulla temperatura alla superficie terrestre (SAT) e sulle precipitazioni sui continenti adiacenti. Il metodo ci permette di diagnosticare l’impronta dell’AMO sulla SAT e sulle precipitazioni a causa delle influenze dinamiche e residue, dove in molti casi quest’ultime possono essere interpretate come di natura termodinamica.

Abbiamo concentrato gran parte della nostra analisi sull’influenza dell’AMO sul clima superficiale europeo. L’impatto dell’AMO sulla SAT varia notevolmente a seconda della stagione ed è più significativo durante l’estate, quando le temperature continentali in Europa, durante la fase positiva dell’AMO, sono più calde in molte regioni persino rispetto alle SST dell’Atlantico Nord [vedi, ad esempio, Fig. 4a in O’Reilly et al. (2016)]. Le anomalie calde che si verificano durante l’estate nella fase calda dell’AMO sono amplificate in qualche modo dalle anomalie di circolazione (ad es., Fig. 6). L’anomalia residua calda significativa durante l’estate è coerente con un’influenza termodinamica sistematica del caldo Atlantico Nord, che sembra esercitare un controllo significativo sulle temperature europee su scale temporali decennali (ad es., Fig. 7). La nostra analisi rivela che l’impatto dell’AMO sulle precipitazioni in Europa è generalmente dominato dalle anomalie dinamiche. Le caratteristiche dell’influenza dell’AMO sul clima europeo durante le altre stagioni sono state considerate ma non presentate qui a causa della robustezza minore dei risultati, dovuta alle sostanziali differenze tra i tre dataset SLP e l’incertezza associata. Tuttavia, l’analisi della decomposizione del campo completo dimostra che le anomalie della circolazione su larga scala esercitano un controllo dominante su SAT e anomalie delle precipitazioni, in particolare durante la stagione invernale (ad es., Fig. 3). Pertanto, qualsiasi impatto significativo dell’AMO sull’Europa durante l’inverno sarebbe atteso essere mediato dalla risposta della circolazione su larga scala all’AMO, che abbiamo trovato essere altamente incerta.

L’influenza delle anomalie di circolazione sull’impatto dell’AMO sul clima europeo ha implicazioni per i modelli climatici accoppiati e i sistemi di previsione decennale. Mentre i modelli climatici accoppiati presentano una certa variabilità multidecennale in Europa, in linea con l’AMO osservato, soprattutto in estate, la risposta atmosferica all’AMO sembra essere scarsamente catturata in tutte le stagioni (Kavvada et al. 2013; Ting et al. 2011); tuttavia, la natura della risposta circolatoria osservata è meno chiara nelle stagioni autunnale, invernale e primaverile. In particolare, l’AMO mostra un impatto relativamente debole sull’Europa durante l’estate nei modelli CMIP3/CMIP5 rispetto alle osservazioni (O’Reilly et al. 2016), il che potrebbe riflettere la loro incapacità di catturare la risposta della circolazione atmosferica extratropicale sul settore Euro-Atlantico (ad es., Fig. 8 in Kavvada et al. 2013; Fig. 9 in Ting et al. 2014). In inverno, ad esempio, la risposta di circolazione simile all’NAO negativa all’AMO, che è marginalmente significativa (cf. Figg. 5b, S2b, e S3b), sembra essere riprodotta solo in uno dei modelli dell’insieme CMIP5 (Peings et al. 2016). Basandosi sull’analisi di decomposizione qui presentata, è probabile che le anomalie termicamente forzate residue in estate siano simulate più robustamente dai modelli climatici, dopo aver rimosso le risposte circolatorie inconsistenti. Gli esperimenti di hindcast decennali inizializzati eseguiti con modelli CMIP5 hanno mostrato che sono capaci di catturare il segnale persistente dell’AMO, ma che le previsioni delle anomalie di SAT pluriennali sull’Europa mostrano una minore abilità (Doblas-Reyes et al. 2013; Kim et al. 2012). Analizzando la risposta osservata decomposta all’AMO, presentata in questo articolo, si potrebbe prevedere che le previsioni decennali di SAT per la stagione invernale sarebbero meno accurate rispetto alla stagione estiva, dato che l’anomalia dinamica esercita un controllo molto più ampio sulle anomalie durante l’inverno (ad es., Fig. 3a) e presenta una maggiore incertezza.

Hanlon et al. (2013) hanno dimostrato che, nei sistemi di previsione decennale del clima del Met Office (DePreSys), le anomalie di SAT estive sono state previste con una competenza ragionevole. Tuttavia, è importante notare che le previsioni decennali estive efficaci erano principalmente il risultato della forzatura dei gas serra. Le previsioni di DePreSys analizzate da Hanlon et al. (2013) non mostrano competenza nel prevedere le anomalie di SAT invernali decennali. Questo riflette il controllo dominante delle anomalie di circolazione sul SAT invernale europeo e la mancanza di competenza nel prevedere le anomalie di circolazione (ad es., NAO) sul settore Euro-Atlantico su scale temporali decennali (Meehl et al. 2014).

La decomposizione dell’influenza dell’AMO sulla precipitazione del Sahel ha rivelato una interessante distinzione tra anomalie dinamiche e residue (Fig. 9). Entrambe le anomalie sono sostanziali, con le prime che dominano nella regione occidentale del Sahel e le seconde più grandi nella regione orientale del Sahel. Martin et al. (2014) hanno scoperto che la maggior parte dei modelli CMIP5 non riesce a catturare la relazione tra l’AMO e la precipitazione del Sahel su scale temporali decennali, principalmente perché la distribuzione delle SST dell’Atlantico Nord associate all’AMO in questi modelli è rappresentata in modo errato nei tropici. Tuttavia, il miglior sottoinsieme dei modelli CMIP5 è in grado, in qualche modo, di catturare l’anomalia di circolazione dell’Atlantico Nord e l’aumento della precipitazione nel Sahel durante la fase calda dell’AMO. La precipitazione in questi modelli aumenta particolarmente nella regione occidentale del Sahel [vedi Fig. 7b di Martin et al. (2014)], in linea con l’anomalia di precipitazione dinamica (Fig. 9d). Questi modelli, tuttavia, non sembrano catturare l’anomalia di precipitazione residua nella regione orientale del Sahel (Fig. 9f). L’influenza dell’AMO sulla regione orientale del Sahel potrebbe essere legata alle anomalie calde delle SST del Mediterraneo (Gaetani et al. 2010; Park et al. 2016; Rowell 2003) durante la fase calda dell’AMO, ma il miglior sottoinsieme dei modelli CMIP5 sottovaluta queste anomalie delle SST del Mediterraneo [vedi Fig. 6 di Martin et al. (2014)], il che potrebbe spiegare perché i modelli CMIP5 non riescono a catturare le anomalie di precipitazione nella regione orientale del Sahel. Si dovrebbe notare che la sottovalutazione delle anomalie delle SST del Mediterraneo associate all’AMO è anche probabile che influenzi la capacità dei modelli CMIP5 di catturare le anomalie di SAT nel sud Europa in estate (ovvero, Fig. 6).

Le previsioni decennali sulla precipitazione nel Sahel mostrano una competenza ragionevole, e i modelli che si comportano meglio tendono a catturare la grandezza e il modello della variabilità multidecennale delle SST sull’Atlantico Nord dopo l’inizializzazione (Gaetani e Mohino 2013; Martin e Thorncroft 2014a). I risultati presentati per la decomposizione dell’impatto estivo dell’AMO sull’America del Nord sono stati meno chiari rispetto a quelli sull’Europa e il Sahel, in gran parte a causa di alcune discrepanze nella risposta della circolazione sull’America del Nord nei tre dataset SLP. Tuttavia, vi è una robusta anomalia calda di SAT su gran parte del continente, in particolare negli Stati Uniti centrali e orientali, principalmente catturata nell’anomalia di SAT dinamica. Studi precedenti hanno mostrato che la SAT in questa regione (il cosiddetto “buco di riscaldamento”) è ben correlata con l’AMO (Kumar et al. 2013). Le anomalie di circolazione sono generalmente associate a venti settentrionali in questa regione durante la fase calda dell’AMO, collegati a subsidenza e condizioni secche (Nigam et al. 2011). Tuttavia, le temperature superficiali nella regione del buco di riscaldamento sono state anche collegate all’oscillazione decennale del Pacifico (Meehl et al. 2012), che non è non correlata con l’AMO, e all’impatto delle emissioni di aerosol antropogeniche negli Stati Uniti (Leibensperger et al. 2012; Yu et al. 2014). Esiste una possibilità che l’influenza osservata dell’AMO sull’America del Nord sia influenzata o contaminata da questi altri fattori piuttosto che essere puramente correlata alla variabilità multidecennale delle SST sull’Atlantico Nord.

Mentre il focus principale di questo articolo è stato sulla decomposizione dell’influenza dell’AMO sul clima continentale, la metodologia usata qui potrebbe rivelarsi utile per altre applicazioni. In questa sezione, ad esempio, abbiamo evidenziato come la decomposizione dinamica potrebbe essere usata per rivelare particolari problemi di prestazione dei modelli in risposta all’AMO; tuttavia, lo stesso metodo potrebbe anche essere usato per analizzare altre grandi modalità di variabilità delle SST (ad es., l’oscillazione decennale del Pacifico e gli impatti regionali associati; Newman et al. 2016). La variabilità delle SST dell’Oceano Indiano e l’impatto sui continenti circostanti riflette probabilmente anche una combinazione di componenti dinamiche e termodinamiche (Ummenhofer et al. 2009). Inoltre, la decomposizione presentata qui fornisce una diagnostica utile con cui analizzare la variabilità dei modelli climatici accoppiati e anche le prestazioni dei sistemi di previsione stagionali e decennali inizializzati, nei quali le grandi modalità di variabilità delle SST sono alcune delle fonti più valide di competenza.

La Figura 10 mostra le differenze delle anomalie estive (JJA) tra le fasi calde e fredde dell’indice AMO, relative a varie componenti climatiche come la temperatura alla superficie terrestre (SAT) e le precipitazioni, utilizzando il dataset ERA-20C. Ecco una spiegazione dettagliata di ogni pannello:

1. (a) Anomalia completa di SAT (Full SAT anomaly):
   • Mostra la differenza totale di temperatura tra le fasi calde e fredde dell’AMO. Le aree in arancione e rosso indicano un aumento della temperatura, mentre le aree in giallo indicano una variazione minore.
2. (b) Anomalia completa delle precipitazioni (Full precipitation anomaly):
   • Illustra la differenza totale nelle precipitazioni tra le fasi calde e fredde dell’AMO. I colori che variano dal blu al verde indicano un aumento delle precipitazioni, mentre i colori più chiari indicano variazioni minori.
3. (c) Anomalia dinamica di SAT (Dynamical SAT anomaly):
   • Rappresenta l’effetto delle sole dinamiche atmosferiche sulla SAT, escludendo altri fattori termodinamici. Le tonalità di arancione indicano un aumento della temperatura dovuto a dinamiche atmosferiche durante la fase calda dell’AMO.
4. (d) Anomalia dinamica delle precipitazioni (Dynamical precipitation anomaly):
   • Mostra l’impatto delle dinamiche atmosferiche sulle precipitazioni, escludendo influenze termodinamiche. Le aree in blu e verde indicano un incremento delle precipitazioni attribuibile a dinamiche atmosferiche.
5. (e) Anomalia termodinamica di SAT (Thermodynamical SAT anomaly):
   • Illustra le differenze di temperatura attribuibili a fattori termodinamici, come cambiamenti nella radiazione o nell’umidità, indipendenti dalle dinamiche atmosferiche.
6. (f) Anomalia termodinamica delle precipitazioni (Thermodynamical precipitation anomaly):
   • Mostra le variazioni nelle precipitazioni dovute a fattori termodinamici, escludendo l’effetto delle dinamiche atmosferiche.

Il stippling (puntinatura) in ogni mappa indica le aree dove le anomalie sono statisticamente significative al 95% livello di confidenza, suggerendo che le differenze osservate sono affidabili e non attribuibili solo al caso.

Questa decomposizione aiuta a comprendere meglio come l’AMO influenzi il clima in termini di temperature e precipitazioni, distinguendo tra effetti dinamici e termodinamici, che è cruciale per la modellazione climatica e la previsione meteorologica.

https://journals.ametsoc.org/view/journals/clim/30/18/jcli-d-16-0345.1.xml