Prevedibilità stratosferica ed eventi di riscaldamento stratosferico improvviso

https://doi.org/10.1029/2008JD011277

Cristiana Stan e David M. Straus
Ricevuto il 10 ottobre 2008; revisionato il 7 aprile 2009; accettato il 16 aprile 2009; pubblicato il 17 giugno 2009.

Quando si parla di “prevedibilità stratosferica” il punto chiave è distinguere tra ciò che è imprevedibile per limiti intrinseci della dinamica (caos, crescita degli errori anche con un modello perfetto) e ciò che invece dipende da imperfezioni del modello o da osservazioni iniziali incomplete. Il lavoro di Stan e Straus affronta proprio il primo caso con un’impostazione molto pulita: i cosiddetti identical twin experiments (o “perfect-model experiments”), in cui si fanno due previsioni con lo stesso modello ma con condizioni iniziali quasi identiche, in modo da misurare la crescita degli errori “puri” dovuti alla sensibilità alle condizioni iniziali. In questo contesto emerge un risultato coerente con molte idee di dinamica atmosferica: nella bassa stratosfera l’amplificazione intrinseca degli errori tende a essere più lenta rispetto alla troposfera, perché in media ci sono meno sorgenti di instabilità rapida (la troposfera è dominata da baroclinicità, fronti e ciclogenesi, cioè meccanismi che accelerano la dispersione delle traiettorie previsionali), mentre la stratosfera invernale extratropicale è spesso più “quasi-lineare” e fortemente vincolata dalla struttura del vortice e dalla stabilità statica. 

Il passaggio davvero interessante, però, riguarda i Sudden Stratospheric Warmings (SSW): eventi che, nella definizione “operativa” più usata, diventano “major” quando il vento zonale medio a 60°N e 10 hPa inverte da occidentale a orientale, accompagnandosi a un riscaldamento rapido e marcato della stratosfera polare. La teoria classica (a partire da Matsuno) interpreta gli SSW come il risultato di un’interazione onda–flusso medio: onde planetarie che propagano verso l’alto dalla troposfera (spesso legate a blocchi e grandi ondulazioni) depositano momento e calore nella stratosfera, decelerando il getto polare e “deformando” il vortice fino a displacement o split. Per diagnosticare questa catena di processi si usa spesso il formalismo del flusso di Eliassen–Palm (EP-flux) e, soprattutto, la sua convergenza/divergenza, che rappresenta in modo compatto la forzante delle onde sul vento zonale medio (il cosiddetto wave driving). Questa cornice teorica è robusta e molto consolidata: l’EP-flux nasce proprio per collegare, in modo dinamicamente consistente, la propagazione delle onde e la retroazione sul flusso medio. 

Ed è qui che si vede perché la “prevedibilità di un SSW” può essere più bassa di quanto suggerisca la relativa “regolarità” della stratosfera: Stan e Straus mostrano che, se misuri l’abilità previsionale dell’evento attraverso gli errori nella divergenza dell’EP-flux, il limite non è tanto la perdita di skill nei campi base (vento zonale e temperatura potenziale) presi singolarmente, quanto l’amplificazione di piccole discrepanze di fase nelle onde. In pratica: due previsioni possono essere entrambe “abbastanza buone” in termini di ampiezza delle onde o intensità media del vortice, ma se la cresta/ventre dell’onda (o la collocazione dei massimi/minimi) è anche solo leggermente traslata, il diagnostico che dipende da prodotti incrociati e gradienti spaziali (come la divergenza del flusso) può cambiare molto, fino a ribaltare il segno locale della forzante e quindi la tempistica della decelerazione del getto. È un problema tipico dei diagnostici “derivati”: più ti sposti da variabili primarie (u, T) verso quantità che combinano più termini e derivate, più paghi sensibilità a piccoli errori di fase e a cancellazioni tra contributi. 

Questa lettura è perfettamente compatibile con ciò che sappiamo dagli studi di previsione operativa e subseasonal-to-seasonal: la prevedibilità degli SSW è fortemente evento-dipendente e tende a collocarsi, in media, su scale dell’ordine di una o due settimane, con casi in cui alcuni sistemi agganciano l’evento prima e casi in cui lo perdono o ne sfasano l’onset. Una parte cruciale della skill sta nella qualità con cui il modello “vede” i precursori troposferici (ad esempio blocchi e amplificazioni di onda 2 che favoriscono split), perché è lì che si costruisce il pacchetto di wave activity che poi entra in stratosfera: se l’onda parte già con una fase leggermente sbagliata o con un timing non perfetto, la diagnosi del wave driving e la traiettoria verso l’inversione del vento diventano molto più fragili. Dall’altro lato, una volta che la stratosfera entra in uno stato “estremo” (vortice molto debole o molto forte) aumenta spesso la persistenza e quindi la prevedibilità a scala sub-stagionale del segnale stratosferico e, in alcuni contesti, anche di parte delle anomalie troposferiche associate (AO/NAO e posizione del getto). È il motivo per cui la stratosfera viene considerata una sorgente importante di predicibilità S2S: non tanto perché rende “facile” prevedere l’innesco di ogni SSW, ma perché, quando lo stato stratosferico viene perturbato in modo marcato, può lasciare una memoria dinamica che condiziona per settimane la probabilità dei regimi troposferici. 

Perché la stratosfera “conta” davvero: SSW, onde planetarie e limiti di prevedibilità nei modelli accoppiati

Nei modelli climatici e previsionali moderni, la stratosfera non è più un “piano superiore” decorativo: l’idea di includerla in modo dinamicamente realistico nasce dal fatto che la sua variabilità, soprattutto in inverno boreale, non solo risponde alle onde planetarie che risalgono dalla troposfera, ma può anche retroagire sul tempo al suolo su scale di settimane. In questa cornice, i Sudden Stratospheric Warmings (SSW) rappresentano l’esempio più vistoso di variabilità intrastagionale della stratosfera polare: un rapido riscaldamento del cappuccio polare e, soprattutto, una riorganizzazione del vortice polare che può avvenire come semplice displacement (vortice spostato dal polo) o come split (vortice scisso in due lobi). La definizione “operativa” più usata nella letteratura recente per gli eventi maggiori di metà inverno è quella basata sull’inversione dei venti zonali medi a 60°N e 10 hPa (da occidentali a orientali), con una data centrale legata al primo giorno di inversione: una scelta che ha permesso di costruire climatologie oggettive e confrontabili tra reanalisi e modelli. 

Sul “motore” fisico degli SSW, la visione classica resta quella dell’interazione onda–flusso medio descritta già da Matsuno: onde planetarie che riescono a propagare verticalmente dalla troposfera depositano quantità di moto e calore nella stratosfera, decelerano il getto polare e riscaldano il polo, fino a innescare un collasso (temporaneo) del regime invernale tipicamente occidentale. In termini molto concreti, quando il wave driving aumenta e persiste, la stratosfera entra in uno stato dinamico in cui la circolazione media viene forzata a cambiare: è il motivo per cui la diagnostica basata su EP-flux e sulla sua convergenza/divergenza è diventata centrale (perché lega in modo quantitativo la propagazione d’onda alla forzante sul vento zonale medio). Questo schema, tuttavia, non spiega ancora in modo completo perché e quando le onde diventino “anomale” al punto giusto: McIntyre, già nei primi anni ’80, mette a fuoco proprio questa domanda come uno dei nodi scientifici fondamentali, insieme al ruolo delle condizioni del vortice nel rendere più o meno probabile un warming maggiore. 

Accanto al paradigma “troposfera che martella dal basso”, una seconda linea interpretativa—supportata soprattutto da esperimenti numerici—mostra che la stratosfera può generare variabilità intensa anche per dinamica interna, persino in modelli “stratosfera-only” con forzante al limite inferiore stazionaria nel tempo: in quel caso emerge che la struttura del getto e lo shear verticale controllano la trasparenza della “porta” di propagazione per le onde, rendendo più o meno efficiente l’accoppiamento con il flusso medio e favorendo episodi warming-like. Il punto importante, e molto moderno, è che le due visioni non sono in competizione: è plausibile che si sommino, con la dinamica interna che “precondiziona” il vortice (ossia ne modifica lo stato di stabilità e di suscettibilità alle onde) e la troposfera che fornisce l’impulso d’onda necessario a far scattare l’evento. Su questo filone si innestano anche le idee risonanti: diversi studi suggeriscono che alcuni split possano essere favoriti da un’amplificazione risonante di modi del vortice (in particolare un modo barotropico), un modo elegante per spiegare perché la propagazione d’onda sia “ubiqua” ma gli SSW restino relativamente rari. 

Un altro motivo per cui la stratosfera è diventata cruciale nei forecast system è la sua connessione con la variabilità interannuale e con le teleconnessioni: ad esempio, lavori basati su simulazioni (e in parte su analisi statistiche) mostrano che in condizioni tipo El Niño può aumentare la probabilità/frequenza di SSW, coerentemente con un forcing d’onda extratropicale più efficace (spesso con ruolo rilevante del numero d’onda zonale 1). Questo implica che riprodurre bene la risposta stratosferica a forzanti esterne non è un dettaglio: è un test severo della correttezza dei processi dinamici nel modello. 

Poi c’è la parte che interessa direttamente anche chi fa previsione a scala sub-stagionale: gli effetti degli SSW tendono a propagarsi verso il basso e a “spostare le probabilità” dei regimi troposferici nelle settimane successive, con segnali ricorrenti su AO/NAO, storm track e pattern di circolazione, come documentato in modo molto influente da Baldwin e Dunkerton e ripreso in letteratura successiva. Questa non è una promessa deterministica (“se c’è SSW allora gelo garantito”), ma una modulazione probabilistica: cambia la distribuzione degli esiti, non il singolo evento in modo automatico. È esattamente questo il punto per cui gli SSW sono diventati una possibile fonte di predictability nelle previsioni S2S: se il modello aggancia correttamente l’evoluzione stratosferica, può guadagnare skill sulla troposfera a distanza di 1–3 settimane. 

Ed è qui che si innesta il tema centrale del lavoro di Stan e Straus: la prevedibilità intrinseca della stratosfera non coincide automaticamente con la prevedibilità degli SSW. Nei loro esperimenti “identical twin” con un modello accoppiato, la crescita degli errori intrinseci nella bassa stratosfera risulta mediamente più lenta che in troposfera (un risultato coerente con una dinamica troposferica più ricca di instabilità rapide), ma quando si misura la prevedibilità degli SSW attraverso un diagnostico direttamente legato al wave driving—la divergenza dell’EP-flux—il limite è spesso dominato dall’amplificazione di piccoli errori nei campi di base dovuti a differenze di fase delle onde. Tradotto: anche se vento e temperatura possono restare “ragionevoli”, basta uno sfasamento modesto nel posizionamento delle creste/ventri delle onde planetarie perché il forcing d’onda sul flusso medio cambi sensibilmente, e con esso la tempistica (o persino l’esito) dell’evento. Questo è un punto molto operativo: i diagnostici derivati da combinazioni di campi e gradienti sono intrinsecamente più sensibili agli errori di fase rispetto alle variabili primarie, e ciò spiega perché gli ensemble possano oscillare molto sulla previsione di onset e tipologia (displacement vs split) anche quando “il quadro generale” sembra simile. 

In sintesi, la letteratura converge su un messaggio abbastanza netto: gli SSW sono eventi in cui si incontrano (i) un forcing d’onda dalla troposfera, (ii) uno stato del vortice che può rendere quel forcing più o meno efficace, e (iii) una sensibilità estrema alla fase e alla struttura tridimensionale delle onde. Non sorprende quindi che la previsione degli SSW in hindcast stagionali risulti spesso solo “modesta” anche in sistemi avanzati: il collo di bottiglia non è solo la rappresentazione media del vortice, ma la capacità del modello di riprodurre correttamente l’evoluzione spazio-temporale dell’attività d’onda che risale e interagisce col getto stratosferico. 

La Tabella 1 serve a chiarire, in modo “meccanico”, come viene costruito l’insieme di previsioni (Interactive Ensemble, IE) usato nello studio per misurare la crescita degli errori e quindi il limite di prevedibilità. Le colonne dicono tre cose: (i) il set IE (le lettere a–e) identifica un blocco di inizializzazioni; (ii) i Forecast Member (ad esempio a1–a6) sono i singoli membri dell’ensemble dentro quel blocco; (iii) l’IC Date Range indica l’intervallo temporale (in UTC, “Z”) da cui vengono presi gli stati iniziali dell’atmosfera per generare quei sei membri. In pratica, ogni set è un mini-ensemble di sei partenze ottenute da analisi consecutive a passo 6 ore: ad esempio il set a copre da 00Z 01 Jan a 06Z 02 Jan, che corrisponde esattamente a sei cicli (00, 06, 12, 18 del giorno 1; 00, 06 del giorno 2). Lo stesso schema si ripete per b (12Z 02 Jan–18Z 03 Jan), c (00Z 04 Jan–06Z 05 Jan), d (12Z 05 Jan–18Z 06 Jan) ed e (00Z 07 Jan–06Z 08 Jan). Questa scelta non è un dettaglio “amministrativo”: costruire i membri come inizializzazioni ravvicinate nel tempo è un modo classico e molto pragmatico per campionare l’incertezza nelle condizioni iniziali senza dover introdurre perturbazioni artificiali, sfruttando l’idea che due stati iniziali a distanza di poche ore siano “quasi identici” ma abbastanza diversi da innescare divergenza caotica lungo la previsione. Nella letteratura di previsione d’ensemble, questo approccio rientra nelle tecniche di time-lagged ensemble, usate proprio per aumentare la numerosità effettiva dell’ensemble e rappresentare parte dell’incertezza legata all’analisi/assimilazione; esistono esempi operativi e note metodologiche che mostrano come l’uso di run sfalsati (a 6–12 ore) produca spread informativo e migliori la lettura probabilistica rispetto al singolo run. 

Nel contesto specifico del lavoro, però, c’è un secondo livello di significato: il termine Interactive Ensemble non indica solo “tanti membri”, ma una particolare strategia di accoppiamento pensata per ridurre il cosiddetto weather noise (la variabilità interna e stocastica dell’atmosfera che, in un modello accoppiato, può agire da forzante rumorosa sull’oceano e mascherare il segnale più lento). La formulazione originale dell’Interactive Ensemble (Kirtman & Shukla) prevede N realizzazioni dell’AGCM (qui N=6, esattamente come i membri a1–a6, b1–b6, ecc.) accoppiate a una singola realizzazione dell’OGCM: ogni membro atmosferico evolve in modo diverso perché parte da uno stato iniziale diverso, ma tutti “vedono” lo stesso oceano; l’oceano, a sua volta, non è forzato da un singolo membro atmosferico, bensì dai flussi medi d’ensemble (media sui 6 membri) così da attenuare il rumore atmosferico ad alta frequenza e isolare meglio la componente forzata e più prevedibile. In altre parole, la tabella ti sta dicendo come vengono creati i sei “atmosferi” che alimentano questa media: non con perturbazioni arbitrarie, ma con un ventaglio di condizioni iniziali prese in una finestra temporale stretta e coerente (6 ore), in modo da ottenere membri tra loro realistici e comparabili, che divergono per dinamica interna. Questo è anche coerente con il modo in cui molti sistemi stagionali costruiscono ensemble “larghi” combinando più cicli di inizializzazione (00/06/12/18Z) su finestre di giorni: l’idea è sempre aumentare la robustezza statistica dell’ensemble e filtrare parte della variabilità non forzata quando si guardano medie e probabilità. 

Infine, collegando la tabella alla filosofia degli esperimenti di prevedibilità “identical twin”: quando confronti previsioni che differiscono solo per minime differenze iniziali (qui introdotte in modo sistematico con inizializzazioni a 6 ore), puoi attribuire la divergenza tra membri soprattutto alla crescita intrinseca degli errori dovuta alla sensibilità alle condizioni iniziali, un tema classico nella teoria e nella pratica della previsione d’ensemble. Nelle guide metodologiche d’ensemble, la divergenza tra run laggati è spesso usata proprio come diagnostica per quantificare quanto rapidamente l’informazione iniziale “si perde” nel flusso caotico. In questo senso, la Tabella 1 è la “mappa” dell’esperimento: definisce quanti membri ci sono, come sono raggruppati, e soprattutto da quali finestre temporali di condizioni iniziali provengono, cioè qual è l’ampiezza controllata della perturbazione iniziale con cui gli autori misurano il decadimento della prevedibilità (in troposfera e stratosfera) e, a valle, la difficoltà di prevedere eventi sensibili alla fase delle onde come i major SSW.

Dentro il CFSIE: perché “sei atmosfere e un oceano” cambia le regole della prevedibilità stratosferica

La sottosezione 2.1, pur essendo molto tecnica, è in realtà il cuore metodologico dello studio: gli autori non usano un semplice modello accoppiato atmosfera–oceano, ma un Climate Forecast System Interactive Ensemble (CFSIE), cioè una configurazione in cui sei copie identiche del modello atmosferico vengono accoppiate a un unico modello oceanico tramite la strategia di interactive ensemble coupling. Questo significa che la complessità non sta nell’avere “sei modelli diversi”, bensì nel far evolvere sei realizzazioni atmosferiche con la stessa fisica e la stessa dinamica numerica, ma con condizioni iniziali (o traiettorie) leggermente diverse, in modo da campionare esplicitamente la variabilità interna dell’atmosfera e, soprattutto, ridurne l’impatto “rumoroso” sul forcing oceanico. È un’idea formalizzata da Kirtman e Shukla nei primi anni 2000: invece di lasciare che l’oceano venga forzato dai flussi (vento, calore, acqua dolce) di un’unica atmosfera—che contengono una grande componente di rumore meteorologico ad alta frequenza—l’oceano viene forzato dai flussi medi d’ensemble, cioè dalla media dei sei membri atmosferici, che attenua il “weather noise” e rende più pulita la risposta accoppiata su scale sub-stagionali e stagionali. 

In questa architettura c’è un dettaglio cruciale riportato dagli autori: il modello oceanico è accoppiato quotidianamente alla media dei sei GCM atmosferici, mentre ogni singolo GCM atmosferico è forzato dalla stessa SST. Questo va interpretato con attenzione, perché è controintuitivo per chi è abituato al classico accoppiamento “uno a uno”: qui l’oceano “sente” un’interfaccia aria-mare più regolare (media d’ensemble), mentre le sei atmosfere evolvono su un oceano comune (stessa SST), così da isolare meglio il ruolo della dinamica atmosferica interna e ridurre feedback spurî indotti da flussi casuali di breve periodo. Questo tipo di configurazione è stato usato proprio per studiare come rumore atmosferico e incertezze iniziali possano limitare la predicibilità in un CGCM, e la letteratura collegata al CFSIE insiste sul fatto che filtrare il rumore all’interfaccia è un modo efficace per rendere più diagnostica la crescita degli errori e il “segnale” forzato dal sistema accoppiato. 

Sul piano della componente atmosferica, la sottosezione 2.1 specifica che ogni GCM del CFSIE è identico alla componente atmosferica del NCEP Climate Forecast System (CFS). Qui non si tratta solo di una nota di parentela: Saha et al. descrivono un sistema con dinamica spettrale T62, equivalenti a una griglia di circa 200 km, e soprattutto con un modello “alto” fino a 0.2 hPa, quindi in grado di includere buona parte della stratosfera (e la bassa mesosfera) nel dominio di integrazione. Nel lavoro di Stan e Straus questa scelta è essenziale, perché la prevedibilità degli SSW dipende criticamente dalla capacità del modello di rappresentare (i) la propagazione verticale delle onde planetarie, (ii) l’interazione onda–flusso medio e (iii) la risposta del vortice polare in un intervallo di quote dove avvengono decelerazione del getto, riscaldamento polare e ristrutturazioni del PV. In altre parole: un modello con top troppo basso o con scarsa risoluzione verticale in stratosfera tende a “tagliare” o distorcere i canali dinamici attraverso cui le onde depositano quantità di moto e calore, con effetti diretti sia sulla climatologia degli SSW sia sulla crescita degli errori previsionali. 

La descrizione verticale è particolarmente informativa: 64 livelli sigma, con 27 livelli sopra 150 hPa. Questo numero, per gli standard di quegli anni, indica uno sforzo esplicito di dare “spessore” alla stratosfera nel modello, perché i processi chiave per gli SSW (propagazione e riflessione d’onda, wave breaking, variazione del vento zonale medio, struttura termica polare) richiedono una discretizzazione verticale non troppo grossolana per evitare errori numerici e di fase. La frase sembra semplice, ma ha una conseguenza enorme: gli autori vogliono confrontare limiti di prevedibilità tra troposfera e stratosfera senza confondere la dinamica con un artefatto di risoluzione; quindi dichiarare top e livelli è un modo per rendere trasparente che la stratosfera non è “aggiunta” in modo superficiale, ma risolta con una densità di livelli sufficiente a far emergere differenze intrinseche di crescita degli errori. 

Un altro punto tecnico, ma molto “carico” dal punto di vista fisico, è la scelta della parametrizzazione della gravity wave drag basata su Kim e Arakawa (1995), cioè una formulazione per rappresentare l’effetto medio delle onde di gravità orografiche non risolte sulla quantità di moto del flusso. In stratosfera, il bilancio del momento angolare e la struttura dei getti non dipendono solo dalle onde planetarie risolte: la drag da onde di gravità (orografiche e non) agisce come termine di chiusura fondamentale per ottenere venti zonali realistici, evitare bias sistematici e controllare la distribuzione verticale del momento. In modelli globali operativi e climatici, differenze anche “piccole” nello schema di gravity wave drag possono tradursi in differenze sostanziali nello stato medio del vortice e quindi nella sua suscettibilità alle onde planetarie, con impatti diretti sulla frequenza simulata degli SSW e, soprattutto, sul modo in cui gli errori di fase delle onde si amplificano nella diagnostica del wave driving. 

Infine, lato oceano, l’uso di MOM3 (Modular Ocean Model v3) colloca il sistema in una linea di modelli oceanici “primitive-equation” ampiamente usati in simulazioni climatiche accoppiate. Il manuale del MOM3 descrive l’impostazione modulare e l’obiettivo di rappresentare la circolazione oceanica su un ampio spettro di scale spazio-temporali, rendendolo adatto come controparte oceanica in un CGCM di previsione stagionale. Nel testo viene anche indicato il dominio latitudinale (65°S–50°N): questa scelta, per quanto possa sembrare limitante, è tipica di alcune configurazioni focalizzate sul ruolo del Pacifico tropicale-subtropicale e delle teleconnessioni ENSO, dove la qualità della SST e dei flussi aria-mare conta moltissimo per l’abilità stagionale. In un CFSIE, inoltre, questo si integra bene con la filosofia del filtraggio del rumore atmosferico: l’oceano diventa il serbatoio “lento” su cui si cerca di proiettare un forcing atmosferico più pulito, così da separare meglio la prevedibilità legata allo stato accoppiato da quella che svanisce rapidamente per caos atmosferico. 

Come è costruito l’esperimento: ensemble interattivo, inizializzazioni “sfalsate” e scenario di modello perfetto

La sottosezione 2.2 spiega un disegno sperimentale pensato per separare, il più possibile, tre cose che in un normale sistema previsionale si mescolano: la variabilità interna dell’atmosfera (il “rumore” meteorologico), la memoria lenta del sistema accoppiato (soprattutto oceanica) e la crescita intrinseca degli errori legata alla sensibilità alle condizioni iniziali. La configurazione interactive ensemble nasce proprio con questa logica: si fanno evolvere sei realizzazioni atmosferiche che sono dinamicamente e fisicamente identiche, ma inizializzate da stati osservati leggermente diversi, così da campionare la variabilità interna; allo stesso tempo, tutte e sei “vedono” la stessa SST e forzano l’oceano tramite la media d’ensemble dei flussi, attenuando l’impatto del rumore atmosferico ad alta frequenza sul componente oceanico. In letteratura questo approccio è presentato come una strategia di accoppiamento alternativa ai CGCM tradizionali, con l’obiettivo di ridurre il weather noise all’interfaccia aria-mare e rendere più diagnosticabile la prevedibilità su scale sub-stagionali e stagionali. 

La scelta delle condizioni iniziali è coerente con questo obiettivo. Le IC atmosferiche provengono dalla rianalisi NCEP–DOE AMIP-II (R-2), un dataset costruito proprio per fornire stati atmosferici coerenti e utilizzabili in studi climatico-previsionali, con miglioramenti rispetto a prodotti precedenti in termini di assimilazione e qualità di alcune variabili. Le IC oceaniche arrivano da GODAS, un sistema di analisi/rianalisi oceanica NOAA usato anche come sorgente di inizializzazione per sistemi tipo CFS, utile per rappresentare lo stato termico oceanico e quindi la componente “lenta” che può sostenere skill stagionale. Il cuore operativo del disegno, però, è come vengono costruiti gli ensemble: per ogni gennaio del decennio 1981–1990 gli autori producono cinque set di corse interattive {a, b, c, d, e}; ogni set contiene sei membri atmosferici distanziati di 6 ore (le finestre precise sono quelle della Tabella 1), mentre l’oceano parte sempre da una stessa condizione iniziale rappresentativa dell’1 gennaio. In totale, per ciascun anno hai 5×6 = 30 inizializzazioni atmosferiche (e quindi 30 realizzazioni), ripetute per 10 anni: un campione abbastanza grande da studiare statisticamente crescita degli errori e differenze tra livelli troposferici e stratosferici, senza basarsi su pochi “casi studio”. 

Un passaggio che sembra tecnico ma in realtà è fondamentale è quello del “reset” dell’orologio del modello: per ognuna delle 30 IC atmosferiche (che in realtà cadono in date diverse tra 1 e 8 gennaio), il model clock viene riportato a 00Z del 1 gennaio, così da risultare coerente con l’oceano inizializzato all’1 gennaio. Questo artificio trasforma le diverse analisi atmosferiche non in “start date” differenti della stagione, ma in perturbazioni realistiche dello stato atmosferico iniziale associate allo stesso stato oceanico: in altre parole, gli autori vogliono trattare i sei membri come risposte ugualmente plausibili dell’atmosfera allo stesso boundary forcing (SST), mantenendo l’accoppiamento e la forzante stagionale perfettamente allineati. È un modo molto diretto per dare all’ensemble un significato probabilistico (“sei atmosfere possibili”) senza cambiare oceano e calendario, e quindi senza introdurre variabilità aggiuntiva non desiderata. 

Quanto alla lunghezza delle integrazioni, formalmente le previsioni durano un anno, ma lo studio usa solo i primi 120 giorni perché l’obiettivo non è la climatologia annuale: è verificare se un sistema stagionale è capace di catturare le fluttuazioni intrastagionali stratosferiche (come gli SSW) che, per loro natura, si giocano su scale di settimane e dipendono in modo critico dalla corretta evoluzione dell’attività d’onda e del vortice. Per la verifica contro osservazioni/rianalisi viene scelto il dataset NCEP/NCAR Reanalysis, molto usato negli studi SSW, e gli autori richiamano il fatto che Charlton e Polvani hanno mostrato statistiche simili degli eventi major anche confrontando NCEP/NCAR con ERA-40: questo serve a giustificare che la climatologia di riferimento degli SSW non dipenda in modo drammatico dal “marchio” della rianalisi scelta. 

Infine, per stimare il limite di prevedibilità intrinseco introducono lo scenario di modello perfetto (perfect model, o identical twin): invece di verificare una previsione contro la rianalisi, la verificano contro un’altra previsione del medesimo modello inizializzata da condizioni quasi identiche. L’idea è potente e molto usata negli studi di predicibilità perché elimina, per costruzione, l’errore dovuto a bias strutturali del modello e lascia emergere la sola crescita degli errori dovuta alla dinamica caotica e alle differenze iniziali; in un problema come gli SSW, dove contano tantissimo fase e struttura tridimensionale delle onde planetarie, questo tipo di test serve proprio a quantificare quanto “si può sapere” anche nella situazione ideale in cui il modello fosse la verità. 

Figura 1 – Quando l’ensemble “vede” un vortice disturbato, ma l’evento estremo resta sfuggente

La Figura 1 mette in scena, in modo molto didattico, il cuore del problema della prevedibilità degli SSW: non tanto “se” il modello rappresenti una stratosfera mediamente realistica, quanto “quanto spesso” e “con quale tempistica” riesca a riprodurre una transizione rapida e non lineare del vortice polare. Ogni riga della figura corrisponde a un inverno (1984, 1987, 1989), mentre le due colonne mostrano le due variabili più usate per diagnosticare un major warming: a sinistra la temperatura media del cappuccio polare 50–90°N a 10 hPa, a destra il vento zonale medio a 60°N a 10 hPa. Le curve arancioni sono i 30 membri (5 set × 6 membri) delle hindcast inizializzate a inizio gennaio; la linea blu è la media d’ensemble; la linea nera è la rianalisi, cioè l’evoluzione “osservata” contro cui si valuta il sistema. Questa scelta di variabili non è casuale: la definizione oggettiva di major SSW più adottata negli studi climatici recenti si basa proprio sull’inversione del vento zonale medio a 60°N e 10 hPa (da occidentale a orientale), con una data centrale legata al primo giorno di inversione. 

Il primo messaggio che la figura consegna è che l’ensemble è spesso coerente sul quadro di fondo, ma diverge moltissimo sul “quando” e sul “quanto” dell’evento. In tutti e tre gli inverni, la media d’ensemble (blu) tende a seguire una traiettoria stagionale plausibile: un vortice che, col procedere della stagione, si indebolisce e va verso un regime più primaverile. Il problema è che un SSW non è una “variazione media”: è un salto di regime, tipicamente caratterizzato da riscaldamento polare rapido e crollo/inversione del vento zonale. Quando i membri simulano un disturbo con fasi e timing leggermente diversi, la media d’ensemble “spalma” il segnale e finisce per attenuare proprio ciò che definisce l’evento. Questo è un punto metodologico importante nella previsione d’ensemble: per fenomeni soglia e fortemente non lineari, la media può essere un descrittore povero, mentre diventa più informativa la distribuzione dei membri (quanti arrivano all’inversione? con quale dispersione temporale?). Il lavoro di Stan e Straus usa esattamente questa logica per mostrare che la skill sulle fluttuazioni intrastagionali stratosferiche è spesso solo modesta, pur con un sistema accoppiato avanzato. 

Guardando i pannelli anno per anno, la linea nera evidenzia, nei casi scelti, episodi in cui la stratosfera osservata entra in una fase di forte disturbo: si vede un aumento della temperatura del cappuccio polare e, in parallelo, una marcata decelerazione del vento a 60°N/10 hPa fino a valori prossimi allo zero o negativi (condizione di major warming). Nei membri arancioni, però, l’esito non è univoco: alcuni realizzano un collasso simile, altri restano su un indebolimento parziale, altri ancora spostano l’evento in avanti o indietro di settimane. Questa “ventagliata” non è rumore grafico: è la manifestazione concreta della sensibilità del sistema stratosferico alle condizioni iniziali e, soprattutto, alla fase delle onde planetarie che alimentano il wave driving. La dinamica classica di riferimento, a partire da Matsuno, descrive gli SSW come il risultato dell’interazione tra onde planetarie che propagano verso l’alto e il flusso zonale medio stratosferico: piccole differenze nella struttura e nella fase delle onde possono produrre grandi differenze nel deposito di quantità di moto e nel timing della decelerazione del getto. 

La figura, inoltre, ti fa intuire un secondo punto che la letteratura ha chiarito bene: temperatura polare e vento zonale non sono due “tracce indipendenti”, ma due facce dello stesso processo di circolazione residua e di interazione onda–flusso medio. Il riscaldamento del cappuccio polare durante un SSW è coerente con un’anomalia di circolazione che favorisce subsidenza/riscaldamento adiabatico alle alte latitudini, mentre la decelerazione del vento zonale riflette il trasferimento di momento dovuto all’attività d’onda. Proprio perché questo accoppiamento è governato da termini dinamici sensibili alla fase (e spesso diagnosticati tramite formalismi come EP-flux e la sua convergenza), la previsione dell’“onset” può risultare fragile anche quando il modello riproduce ragionevolmente lo stato medio del vortice. Questo è coerente con la conclusione generale del paper: la limitata prevedibilità degli SSW non deriva solo da errori “grossolani” di vento o temperatura, ma dall’amplificazione di piccole differenze che alterano il wave driving in modo sostanziale. 

Infine, la Figura 1 è anche un ponte verso l’impatto troposferico: gli autori mostrano la stratosfera perché sanno che, quando l’anomalia è sufficientemente intensa e persistente, esiste una tendenza alla propagazione verso il basso del segnale di circolazione, con conseguenze probabilistiche sui regimi troposferici e sul tempo al suolo nelle settimane successive. Baldwin e Dunkerton hanno reso “standard” questa idea mostrando la significatività della discesa del segnale stratosferico e il suo legame con regimi anomali, e studi successivi hanno quantificato tempi tipici di discesa dall’alta stratosfera verso la troposfera dell’ordine di un paio di settimane (con grande variabilità caso per caso). In quest’ottica, la dispersione tra i membri che vedi in figura non è solo un problema di “prevedere lo SSW”: è anche il motivo per cui la skill subseasonal sulle teleconnessioni può oscillare molto da un run all’altro. La figura, in sostanza, ti sta dicendo: il sistema ensemble cattura spesso l’idea di un vortice “disturbabile”, ma l’evento estremo (inversione del vento e forte warming) è un bersaglio stretto perché dipende da dettagli dinamici che divergono rapidamente tra realizzazioni altrettanto plausibili. 

Figura 2 – La “firma” dei bias termici del modello e perché conta per onde planetarie, vortice polare e SSW

La Figura 2 mostra la differenza tra la climatologia della temperatura media zonale prevista dal CFSIE (media d’ensemble) e quella osservata/rianalizzata: è quindi un classico pannello di bias in sezione latitudine–pressione, con la stratosfera in alto (10–50 hPa) e la troposfera verso il basso (fino a 1000 hPa). Il segno è esplicito nel titolo CFSIE − OBS: le aree blu (valori negativi) indicano un modello troppo freddo, le aree rosate (valori positivi) un modello troppo caldo. L’impostazione dei contorni è importante per non “farsi ingannare” dai colori: in gennaio (pannello a) l’intervallo è 1 K, in febbraio (pannello b) è 2 K, quindi in febbraio i bias principali sono più ampi e vengono rappresentati a passi più larghi.

Il segnale dominante è un cold bias stratosferico piuttosto esteso alle latitudini medio-alte: in gennaio la stratosfera extratropicale è già più fredda di qualche kelvin rispetto alle osservazioni, mentre in febbraio il raffreddamento modellistico si intensifica e si organizza in nuclei più marcati (si vedono valori dell’ordine di −6/−8 K nella stratosfera medio-bassa, grossomodo tra 20 e 70 hPa, e su un ampio intervallo di latitudini). Questa è una “firma” molto nota nella modellistica stratosferica: una stratosfera polare troppo fredda è spesso il riflesso di un vortice polare mediamente troppo forte, cioè di un polar night jet più intenso/persistente rispetto alla realtà. Dal punto di vista dinamico, la relazione tra stato termico e venti medi è stretta (bilancio termico–dinamico e, in prima approssimazione, vincolo geostrofico/termico): se il getto stratosferico resta troppo occidentale e “teso”, la colonna polare tende a rimanere più isolata e più fredda, specie in pieno inverno.

Perché questo bias è cruciale in un lavoro che parla di SSW e prevedibilità? Perché gli SSW sono eventi guidati dall’interazione tra onde planetarie e flusso medio. La teoria classica (da Matsuno in poi, e nella formalizzazione “moderna” con EP-flux di Andrews e McIntyre) descrive gli SSW come un esito di forte wave driving: le onde planetarie che risalgono dalla troposfera depositano quantità di moto nella stratosfera, decelerano i venti zonali e favoriscono riscaldamento polare. Ma la possibilità stessa che le onde risalgano, e soprattutto che rompano/depositino momento in modo efficace, dipende dalle condizioni del flusso medio: la condizione di propagazione verticale delle onde (spesso richiamata con l’argomento di Charney–Drazin) è sensibile all’intensità dei venti occidentali e alla struttura di stabilità. In parole semplici: un vortice troppo forte può rendere più difficile ottenere il collasso perché (i) cambia il “canale” di propagazione e il refractive index per le onde planetarie, (ii) sposta latitudinalmente e verticalmente le regioni di assorbimento/rottura d’onda, e (iii) richiede un forcing d’onda più persistente e coerente per arrivare all’inversione del vento. Quindi la Figura 2, ancor prima di guardare gli eventi, ti sta dicendo che il modello parte con uno sfondo climatologico stratosferico che potrebbe già sfavorire warming maggiori o, più spesso, renderli meno frequenti/meno intensi e più sensibili ai dettagli di fase e timing dell’attività d’onda.

C’è poi un secondo aspetto, più sottile ma molto “accademico”: la temperatura stratosferica polare non è solo radiativa, è anche il prodotto del bilancio tra raffreddamento radiativo e riscaldamento dinamico da circolazione di Brewer–Dobson (downwelling e riscaldamento adiabatico alle alte latitudini). Una stratosfera polare troppo fredda può quindi suggerire anche una rappresentazione non perfetta della circolazione residua e/o del trasporto d’onda che la sostiene. Nella letteratura climatica è frequente trovare che errori nella parametrizzazione del gravity wave drag e nella rappresentazione del breaking d’onda alterino sia la forza media del vortice sia la Brewer–Dobson, con effetti diretti sui campi termici e sulla statistica degli SSW. In molti modelli, un drag da onde di gravità insufficiente o mal distribuito tende a lasciare venti troppo forti, favorendo proprio un cold bias polare in stratosfera e una minore “arrendevolezza” del vortice alle onde planetarie.

Infine, guarda la zona di transizione tra troposfera alta e bassa stratosfera (circa 100–200 hPa): la Figura 2 mostra un cambio di segno e strutture più complesse, con aree di bias caldo in troposfera medio-bassa e un gradiente marcato vicino alla tropopausa. Questo dettaglio conta perché la regione UTLS è il “collo di bottiglia” attraverso cui l’attività d’onda deve passare per alimentare la stratosfera: bias di temperatura lì implicano bias nei gradienti meridionali, nella stabilità statica e nella struttura dei getti, che sono tutti ingredienti che controllano la propagazione e l’assorbimento delle onde. È uno dei motivi per cui, in molti studi di prevedibilità stratosferica, si insiste sul fatto che non basta avere un “model top alto”: serve anche una rappresentazione accurata del profilo termico e dei termini di drag, altrimenti l’interazione onda–flusso medio (che è la miccia degli SSW) viene sistematicamente spostata o attenuata.

In sintesi, la Figura 2 non è solo un pannello di bias: è un avviso metodologico. Se il CFSIE è sistematicamente più freddo della realtà in stratosfera (soprattutto in febbraio), è plausibile aspettarsi che (a) il vortice medio risulti troppo robusto, (b) la soglia per un major SSW diventi più difficile da superare, e (c) la previsione degli eventi estremi dipenda ancora di più da dettagli fini dell’attività d’onda (fase e persistenza), amplificando la dispersione tra membri e riducendo la skill “deterministica” anche quando la media d’ensemble appare ragionevole.

La Figura 3 mostra una diagnostica “di base” ma decisiva: la climatologia del vento zonale medio zonale in sezione meridionale (latitudine–pressione), confrontando osservazioni/rianalisi (OBS) e modello (CFSIE, media d’ensemble) per gennaio e febbraio. È, di fatto, la fotografia dello stato medio del vortice polare stratosferico e del getto notturno polare (polar-night jet), cioè del flusso di fondo su cui poi agiscono le onde planetarie e dentro cui si innescano (o non si innescano) i riscaldamenti stratosferici improvvisi. I contorni sono ogni 5 m s⁻¹: dove le linee si addensano, il gradiente di vento è forte; dove i massimi si chiudono in “anelli”, hai il core del getto.

Nei pannelli OBS (a, c) emerge la struttura tipica dell’inverno boreale: un massimo di venti occidentali nella bassa–media stratosfera alle medie latitudini (circa 30–50°N, tra ~100 e ~10 hPa), con un’estensione verticale che connette l’UTLS (100–200 hPa) alla stratosfera. Questo assetto deriva dal bilancio radiativo-dinamico invernale: il raffreddamento radiativo polare intensifica il gradiente meridionale di temperatura e, tramite la relazione del vento termico (thermal wind), sostiene un getto stratosferico occidentale robusto. In termini fisici, la figura ti fa vedere il “contenitore dinamico” del vortice: quando il getto è forte e compatto, il vortice tende a essere più coerente e resistente alle deformazioni; quando il getto è più debole o più disorganizzato, aumenta la suscettibilità a displacement e split.

Il confronto con CFSIE (b, d) è il punto chiave: il modello riproduce correttamente la geometria generale del getto, ma lascia intravedere un bias dinamico dello stato medio, soprattutto in febbraio. In pratica, il core del getto nel CFSIE appare spesso più intenso e/o più persistente rispetto alle osservazioni, e questo è coerente con il segnale della Figura 2 (cold bias stratosferico): una stratosfera troppo fredda implica, per coerenza termodinamica, una struttura di vento termico che tende a mantenere venti occidentali medi più forti. Non è solo un errore “di vento”: è un errore nella struttura di base che controlla la propagazione d’onda e, quindi, la probabilità stessa di un SSW.

Ed è qui che entra la parte più “accademica”: secondo la teoria della propagazione delle onde planetarie in atmosfera stratificata, la capacità delle onde quasi-stazionarie (numero d’onda 1 e 2) di propagarsi verso l’alto dipende in modo sensibile dal vento zonale medio. In prima approssimazione (pensiero Charney–Drazin), serve un flusso occidentale “giusto”: se i westerlies sono troppo deboli o orientali, la propagazione verticale viene inibita; se sono troppo forti, la propagazione può diventare meno efficiente e la struttura del refractive index può spostare le regioni di guida/assorbimento delle onde. Inoltre, venti più intensi spostano e rafforzano le critical layers e le zone in cui l’onda viene assorbita o riflessa, modificando dove e come avviene il deposito di quantità di moto che decelera il getto. Quindi un westerly bias non significa semplicemente “vortice più forte”: significa anche che il modello altera il “canale” attraverso cui l’attività d’onda troposferica può comunicare con la stratosfera.

La Figura 3 è anche importante perché mostra la regione UTLS (circa 100–200 hPa), che è il collo di bottiglia per il coupling onda–flusso medio. Se lì il getto è leggermente più intenso o più “chiuso” nel modello, cambi la fase e la trasmissione verticale dell’attività d’onda: piccoli errori nella struttura del getto vicino alla tropopausa possono diventare grandi errori nella forzante d’onda in stratosfera, e questo si riflette direttamente sulla prevedibilità degli SSW. È uno dei motivi per cui, in molti studi, si sottolinea che la skill sugli SSW dipende tanto dalla qualità della stratosfera quanto dalla qualità della troposfera alta: l’evento non nasce “solo” in stratosfera, ma da un’interazione che deve attraversare quella regione di transizione.

Infine, la figura si collega a un altro elemento spesso discusso in letteratura di modellistica: la sensibilità del getto stratosferico alle parametrizzazioni sub-grid, in particolare la gravity wave drag. Se la drag è troppo debole o mal distribuita, il modello tende a mantenere westerlies eccessivi e un vortice troppo stabile; se è troppo forte, può indebolire eccessivamente il getto. La Figura 3, quindi, non è solo una validazione climatologica: è una diagnostica indiretta che ti dice se il modello ha uno stato medio che, per costruzione, rende più o meno plausibile la sequenza dinamica che porta a un major warming.

In sintesi, la Figura 3 prepara il terreno al messaggio del paper: la prevedibilità degli SSW non è limitata soltanto dal caos “istantaneo” delle onde, ma anche dalla fedeltà con cui il modello rappresenta lo stato di base del vortice. Se il CFSIE ha un getto stratosferico mediamente troppo forte/persistente (specie a febbraio), allora per ottenere un SSW serve un wave driving più intenso, più coerente e spesso più raro; di conseguenza aumenta la dispersione tra membri e diventa più facile che l’ensemble catturi la tendenza a un vortice disturbato ma perda il “salto di soglia” dell’inversione dei venti che definisce l’evento maggiore.

La Figura 4 è, di fatto, una diagnosi della “permeabilità dinamica” dell’atmosfera invernale alle onde planetarie: non ti mostra l’onda in sé, ma ti mostra se lo stato medio del flusso (getto, shear verticale, struttura di stabilità e gradiente di vorticità potenziale) crea un ambiente che favorisce oppure inibisce la propagazione delle onde di Rossby su scala planetaria dalla troposfera alla stratosfera. Gli autori rappresentano, per il solo mese di gennaio, la climatologia di un indicatore di propagazione (il quadrato dell’indice di rifrazione) separatamente per numero d’onda zonale 1 (m=1) e numero d’onda zonale 2 (m=2). I pannelli di sinistra sono l’“OBS” (rianalisi/osservazioni), quelli di destra la climatologia della media d’ensemble del CFSIE. Le aree in grigio sono le regioni in cui l’indicatore assume valori “proibiti” alla propagazione: in termini fisici sono zone in cui l’onda non riesce a propagarsi in modo efficiente, tende a diventare evanescente, a essere rifratta o a venire respinta/assorbita prima di raggiungere le quote e le latitudini che contano per disturbare il vortice polare.

Questa figura va letta con in mente la teoria classica della propagazione delle onde planetarie in un flusso medio zonale, che ha due pilastri: da un lato la condizione “di fondo” per cui le onde di Rossby quasi-stazionarie possono propagarsi verso l’alto solo se il flusso medio e la stratificazione lo consentono (concetti che risalgono ai lavori storici di Charney–Drazin), dall’altro il quadro dell’interazione onda–flusso medio che porta ai riscaldamenti stratosferici improvvisi (Matsuno) e che è formalizzato in modo molto operativo tramite la diagnostica EP-flux (Andrews, Holton e Leovy; McIntyre). Il punto è semplice ma decisivo: un SSW non nasce perché “c’è un’onda”, nasce perché l’onda riesce a entrare in stratosfera e a depositare quantità di moto e calore in modo persistente, decelerando il getto stratosferico e riscaldando il polo. Se lo stato medio crea una barriera, l’onda resta più bassa, viene deviata o rompe altrove, e la catena che porta all’SSW diventa meno probabile o più intermittente.

Nei pannelli per m=1 (a osservato, b modello) si vede in genere un canale più ampio e “tollerante”: nella climatologia reale di gennaio esiste spesso una fascia di condizioni favorevoli che collega la troposfera medio-alta con la bassa stratosfera alle medie latitudini, coerente con il fatto che il wave-1 è molto frequentemente attivo e, quando riesce a penetrare, tende a produrre soprattutto scenari di displacement del vortice. Nel CFSIE il disegno generale è simile, segno che il modello cattura la presenza del waveguide principale, ma cambiano dettagli che contano: la posizione e l’estensione delle zone grigie, e la forma del “corridoio” in cui l’onda può muoversi. Anche piccoli spostamenti di queste regioni, in climatologia, significano che il modello sta rappresentando in modo diverso la struttura del flusso medio che guida l’onda: e questo, in previsione, si traduce in differenze sistematiche su dove l’onda tende a convergere, dove tende a essere assorbita e con quale efficienza può trasferire momento al getto.

La parte più diagnostica, però, è m=2 (c osservato, d modello), perché il wave-2 ha una propagazione più “selettiva” e più sensibile allo stato del vortice. In molte stagioni, la capacità del wave-2 di arrivare in stratosfera e di agire in modo efficace è uno degli ingredienti che separa i semplici disturbi dagli eventi di split del vortice. Nelle osservazioni di gennaio si nota che le aree favorevoli non sono ovunque: compaiono barriere più estese verso alte latitudini e alte quote, mentre il canale propagativo utile tende a concentrarsi in una certa fascia di latitudine e pressione. Nel CFSIE, se le zone grigie risultano più invadenti o posizionate in modo tale da restringere quel canale, il messaggio dinamico è chiaro: il modello costruisce uno sfondo in cui l’onda 2 ha più difficoltà a trovare una “strada” coerente verso la stratosfera polare. Questo è un tassello importante per capire perché un sistema possa riprodurre discretamente il ciclo stagionale medio del vortice, ma poi avere difficoltà a riprodurre la frequenza, l’intensità o la tipologia degli SSW: i warming maggiori richiedono non solo ampiezza d’onda, ma anche un ambiente di propagazione adeguato.

Il collegamento con le figure precedenti è immediato e coerente con ciò che la modellistica stratosferica discute da anni: se un modello tende ad avere un vortice troppo forte e un getto stratosferico mediamente troppo occidentale (il classico westerly bias associato spesso a un cold bias polare), l’ambiente di propagazione delle onde cambia. In termini pratici, un getto più intenso e più “teso” modifica le regioni in cui le onde possono guidarsi e in cui possono essere assorbite o riflesse; inoltre sposta la posizione di quelle zone in cui l’onda interagisce in modo più efficace con il flusso medio. È anche uno dei motivi per cui le differenze tra modello e osservazioni in questa figura non sono un dettaglio estetico: rappresentano differenze nello “stato di base” che possono rendere più raro il raggiungimento della soglia dinamica di un major warming, oppure possono renderlo più dipendente da combinazioni molto specifiche di fase e persistenza dell’attività d’onda troposferica. Detto in modo operativo: se la porta è spesso solo parzialmente aperta, l’SSW diventa un evento che il modello cattura solo quando l’impulso d’onda è eccezionalmente ben sincronizzato, aumentando la dispersione tra membri e riducendo la capacità di prevedere il timing.

In sintesi, la Figura 4 è una dimostrazione “strutturale” del perché la prevedibilità degli SSW non dipende soltanto dall’ampiezza delle onde planetarie, ma anche dalla configurazione climatologica del flusso medio che decide se quelle onde riescono a entrare in stratosfera e dove vanno a depositare la loro forzante. E, soprattutto, ti suggerisce che le differenze tra CFSIE e osservazioni sono più critiche per m=2 che per m=1: esattamente il tipo di asimmetria che, nella teoria e nelle evidenze osservative, separa i disturbi più comuni (spesso wave-1 dominated, displacement) dagli episodi più rari e più “delicati” (con forte contributo wave-2 e predisposizione allo split).

3. Risultati – 3.1. Previsione degli SSW

In questa sottosezione gli autori prendono tre SSW maggiori del decennio 1981–1990 (date centrali: 24 febbraio 1984, 23 gennaio 1987, 22 febbraio 1989) e li usano come banco di prova per misurare quanto il sistema d’ensemble CFSIEriesca a riprodurre i segnali “classici” di un evento maggiore: l’aumento della temperatura media della calotta polare(qui mediata tra 50° e 90°N a 10 hPa) e, soprattutto, la reversal del vento zonale medio zonale a 60°N (sempre a 10 hPa). Questo secondo criterio è esattamente il cuore della definizione operativa più usata in climatologia e verifica: la definizione “CP07” (Charlton & Polvani, 2007) identifica un SSW maggiore quando il vento a 10 hPa e 60°N passa da occidentale a orientale, in coerenza anche con l’impostazione WMO (che, nella formulazione completa, richiama anche il cambio del gradiente termico zonale) .

L’impianto della verifica è quindi molto lineare e, proprio per questo, spietato: se il modello “vede” davvero l’evento, deve riuscire a produrre (i) un riscaldamento polare robusto e (ii) una transizione del getto stratosferico verso venti orientali, non solo in singoli membri “fortunati”, ma almeno in modo coerente nell’insieme (idealmente nella media d’ensemble, che è la stima più stabile del segnale prevedibile). E qui emerge il punto centrale: la media d’ensemble non mostra abilità previsionale per SSW maggiori. Questo è un risultato molto in linea con la letteratura sulla prevedibilità stratosferica “event-based”: gli SSW sono eventi in cui la dinamica onda–flusso medio e la crescita degli errori possono diventare rapidamente non lineari; spesso la skill deterministica si ferma nell’ordine di 1–2 settimane, e vicino all’evento (circa 10–15 giorni prima) si osserva persino un degrado della skill rispetto a condizioni “normali” . Non è che la stratosfera sia imprevedibile in assoluto: è che gli SSW, come eventi estremi e soglia-dipendenti, mettono alla prova sia la qualità del modello sia i limiti intrinseci di prevedibilità del sistema .

Guardando i tre casi, il messaggio si rafforza con sfumature interessanti. Nel 1984 (anno ENSO neutro) nessun membro riproduce un riscaldamento polare comparabile all’osservato, anche se alcuni membri riescono a produrre la reversal del vento. Qui gli autori sottolineano anche un aspetto pratico spesso sottovalutato: l’errore iniziale (in temperatura e vento) è già ampio all’inizio integrazione. Questo è cruciale perché, per gli SSW, piccoli errori nello stato iniziale o nella rappresentazione delle onde planetarie possono cambiare completamente “se e quando” il vortice entri in una traiettoria di collasso. Nel 1987 (forte ENSO caldo) più membri centrano la reversal nella finestra corretta, ma il riscaldamento è più debole e soprattutto anticipato: è il tipico caso in cui il modello coglie “che qualcosa sta per succedere” (vortice disturbato), ma sbaglia la fase e l’intensità del forcing e/o la risposta termodinamica del vortice. Nel 1989 (forte ENSO freddo) la situazione peggiora: pochi membri catturano il warming e pochi la reversal, con in più un pattern dinamico più complesso perché l’evento è di tipo split (rottura in due lobi ciclonici con struttura anticiclonica al polo), cioè una morfologia che in media risulta più impegnativa da predire rispetto a un semplice displacement del vortice . La distinzione displacement/split non è un dettaglio estetico: nella climatologia CP07 questi due “tipi” mostrano evoluzioni e firme diverse, proprio perché l’assetto d’onda dominante (spesso wave-1 vs wave-2) e la geometria del vortice cambiano il modo in cui il flusso medio viene decelerato e riscaldato .

A questo punto gli autori fanno un’osservazione metodologica corretta: anche se i tre eventi avvengono sotto fasi ENSO diverse (neutro, caldo, freddo), non si può attribuire la differenza di score all’ENSO perché i lead time dei casi (soprattutto tra 1987 e 1989) non sono direttamente confrontabili. In altre parole, qui non stanno dicendo “ENSO controlla la skill”; stanno dicendo che, con tre casi e con lead time diversi, non puoi isolare causalmente l’effetto ENSO. Questa cautela è coerente con l’approccio moderno: gli SSW dipendono molto da configurazioni troposferiche e stratosferiche “pre-condizionanti” (stato del vortice, distribuzione del gradiente meridionale, guida d’onda dal basso, ecc.), e fattori come ENSO sono al massimo un pezzo del puzzle, non una manopola unica.

Il passaggio forse più importante, però, è quello sui membri che mostrano un’early final warming: in alcune simulazioni il vortice viene disturbato già a inizio febbraio e poi non recupera prima della transizione primaverile. Questo cambia completamente il contesto dinamico: se entri in una traiettoria di final warming, il vortice perde la sua “barriera” invernale e la propagazione delle onde planetarie verso il polo non avviene più nelle stesse condizioni di guida e assorbimento. In pratica, il sistema non è più in un regime favorevole a produrre un SSW “classico” in pieno inverno; è come se il modello imboccasse un ramo stagionale alternativo. È un esempio concreto di come, nei sistemi d’ensemble, una parte della dispersione non sia “rumore casuale” ma rappresenti traiettorie dinamiche diverse (invernale perturbato vs transizione stagionale anticipata).

Quando, infine, attribuiscono la scarsa skill a due cause — errori del modello e limite intrinseco di prevedibilità — stanno riassumendo la diagnosi che oggi è ampiamente condivisa: (1) da un lato contano la fisica e la risoluzione (rappresentazione delle onde planetarie, della propagazione verso l’alto, dell’interazione onda–flusso medio, della circolazione residua e del raffreddamento radiativo), e c’è letteratura operativa che mostra come miglioramenti del sistema previsionale possano aumentare la probabilità di catturare timing e tipologia degli eventi ; (2) dall’altro lato resta un limite di sistema, perché gli SSW sono eventi soglia in cui la crescita degli errori e le non linearità rendono difficile spingersi molto oltre il range deterministico, anche se alcuni lavori trovano casi con prevedibilità che può arrivare verso le ~2 settimane o poco più, a seconda dell’evento e del metodo di stima . Ed è proprio per questo che, quando un SSW viene previsto con affidabilità, diventa prezioso anche per la previsione a scala sub-stagionale: la letteratura mostra che gli SSW possono proiettare segnali verso la troposfera e modulare regimi e indici (come NAM/AO) per giorni o settimane .

La Figura 5 è, di fatto, un “radiogramma” della coerenza verticale e temporale del segnale dinamico associato agli SSW, separato per numero d’onda planetaria. Gli autori non stanno semplicemente mostrando quanto un campo sia “forte”, ma quanto sia organizzato: quanto le anomalie del flusso zonale a diverse quote e a diversi ritardi temporali restino coerenti con un riferimento stratosferico chiave, cioè il vento zonale a 60°N e 50 hPa al lag zero (la X). Questo punto di riferimento non è scelto a caso: 50 hPa è un livello “ponte” nella bassa stratosfera, spesso cruciale per capire se un disturbo resta confinato in alta stratosfera oppure riesce a costruire un accoppiamento verso il basso, e 60°N è la latitudine standard per descrivere il jet del vortice polare nelle definizioni operative di SSW (ad esempio quelle consolidate in letteratura da Charlton & Polvani, e nella diagnostica WMO). In sostanza, la figura risponde alla domanda: quando il flusso zonale cambia in modo importante a 50 hPa, quanto e come “si allineano” in verticale e nel tempo gli altri livelli?

Come si legge il grafico. Sull’asse verticale c’è la pressione (da 10 a 1000 hPa: alta stratosfera → troposfera). Sull’asse orizzontale c’è il time lag (−10…+10 giorni): valori negativi indicano ciò che avviene prima del momento di riferimento a 50 hPa, valori positivi ciò che avviene dopo. Le linee continue sono isolinee di coerenza di correlazione (0.4, 0.6, 0.8), mentre la linea tratteggiata evidenzia la soglia 0.3, una sorta di “contorno minimo” per considerare il legame statisticamente e fisicamente non trascurabile. I pannelli (a,c) sono osservazioni (OBS); (b,d) sono la media d’ensemble del CFSIE. La riga superiore è per m = 1 (wave-1), la riga inferiore per m = 2 (wave-2). Questa separazione è fondamentale perché, da decenni, sappiamo che gli SSW non sono tutti uguali: molti eventi di tipo displacement sono dominati da wave-1, mentre molti split richiedono una wave-2 robusta; la dinamica che porta al collasso del vortice e la sua “firma” verticale cambiano in modo significativo (Matsuno 1971; Andrews, Holton & Leovy 1987; Charlton & Polvani 2007; anche Krüger et al. 2005 per casi di breakdown/split).

Partiamo dal pannello (a), m = 1 osservato. Qui si vede una struttura molto tipica di un disturbo stratosferico dominato da wave-1: il massimo di coerenza è centrato vicino alla X, cioè attorno a 50 hPa e lag 0, ma la cosa davvero interessante è la geometria delle isolinee verso pressioni più alte e più basse. Nella stratosfera (10–100 hPa) la coerenza è elevata per vari giorni attorno al lag zero: è la traccia di un vortice che sta subendo una decelerazione/riorganizzazione su scala sinottico-substagionale, coerente con la narrativa classica degli SSW “onda-guidati”, in cui l’assorbimento (o la convergenza) del flusso di attività d’onda frena il jet del vortice e induce riscaldamento per subsidenza e riorganizzazione della circolazione residua (Matsuno 1971; Andrews & McIntyre 1976/1978; Andrews et al. 1987). Ma la firma più “pregiata” è ciò che accade andando verso la troposfera: le isolinee non sono perfettamente simmetriche nel tempo, e sotto ~200–300 hPa la coerenza tende a comparire soprattutto a lag positivi. Questa asimmetria è proprio ciò che, in molti studi, viene interpretato come un indizio statistico di propagazione verso il basso del segnale stratosferico: la stratosfera raggiunge un certo stato (qui misurato a 50 hPa) e, nei giorni successivi, la troposfera “si allinea” con quel segnale, tipicamente attraverso una proiezione sul modo anulare/NAM e una riorganizzazione dei getti e delle onde troposferiche (Baldwin & Dunkerton 2001; Polvani & Waugh 2004; Gerber et al. 2009). È importante dirlo con rigore: una mappa di correlazione non dimostra causalità da sola, ma quando questa struttura si ripete sistematicamente negli archivi osservativi ed è coerente con la dinamica onda-flusso medio, diventa un indicatore molto solido di accoppiamento stratosfera-troposfera.

Nel pannello (b), m = 1 nella media d’ensemble CFSIE, il segnale generale c’è (massimo vicino alla X e coerenza elevata in stratosfera), ma la “firma” cambia: la regione di coerenza significativa verso la troposfera appare più debole e meno strutturata, e il contorno 0.3 tende a disegnare una sorta di bacino che lascia intendere un collegamento più incerto ai livelli inferiori. Questa è una diagnosi in linea con ciò che spesso emerge nei lavori di verifica dei modelli sub-stagionali: i sistemi previsionali possono riprodurre la variabilità stratosferica in quota, ma faticano a riprodurre con la stessa qualità la catena che porta dal disturbo stratosferico a una risposta troposferica robusta e “fase-coerente”. Le cause che la letteratura discute più frequentemente sono tre: un bias dello stato medio (getto troppo forte o troppo “rigido”, che rende meno realistico il pre-condizionamento), una rappresentazione imperfetta del wave driving(ampiezza, fase e assorbimento delle onde planetarie), e la sensibilità a parametri fisici come la gravity wave drag e la diffusione numerica, che condizionano la struttura del vortice e la sua risposta ai flussi d’onda (ad esempio nelle sintesi su stratospheric predictability e nei confronti tra sistemi di previsione).

Passiamo alla wave-2. Il pannello (c), m = 2 osservato, mostra una struttura più “a colonna” e più stretta nel tempo rispetto a m = 1: la coerenza elevata resta concentrata intorno al lag zero e non si estende con la stessa evidenza su lag molto positivi/negativi. Questo è coerente con l’idea che la wave-2, spesso associata a configurazioni più simmetriche e a dinamiche da split, possa imprimere un segnale più concentrato temporalmente, con un “impulso” forte nel periodo dell’evento e una finestra di coerenza più limitata. Tuttavia, anche qui si intravede un’estensione verso pressioni più alte (quindi verso la troposfera) nei giorni successivi, segno che l’evento non è solo un fatto di alta stratosfera, ma può organizzare una risposta verticale. Questo è compatibile con molti studi che distinguono tipologie di SSW e mostrano differenze statistiche nella persistenza e nella proiezione troposferica, pur con grande variabilità caso-per-caso.

Il pannello (d), m = 2 nella media d’ensemble CFSIE, è forse il più delicato da interpretare proprio perché la media d’ensemble tende a “lisciare” la variabilità: qui la struttura appare molto regolare e quasi simmetrica rispetto al lag zero, con coerenza elevata che si estende in modo abbastanza continuo in verticale. Questo può significare due cose, e la letteratura è molto chiara nel ricordarci che la correlazione in media d’ensemble va maneggiata con cautela. Da un lato, può indicare che il modello riesce a mantenere un legame verticale coerente per la componente wave-2 del flusso zonale quando si condiziona al riferimento a 50 hPa. Dall’altro, può anche essere l’effetto di una dinamica “troppo barotropica” o troppo regolarizzata nella media: se i membri individuali non sono in fase tra loro su timing e intensità, la media d’ensemble può perdere i dettagli più realistici ma conservare una struttura statistica relativamente pulita. Per capire quale delle due interpretazioni sia corretta, in uno studio completo si affianca questa figura ad altre diagnostiche: distribuzione dei membri, skill event-based (ad esempio sulla reversal a 10 hPa, 60°N), e soprattutto misure del wave driving dal basso (EP-flux, heat flux v′T′ a 100 hPa), che sono il “ponte causale” tra troposfera e stratosfera nella teoria classica degli SSW.

Il messaggio complessivo della figura, letto con la lente degli studi fondamentali sugli SSW, è questo: nelle osservazioni, soprattutto per m = 1, si riconosce una firma coerente con un sistema in cui (i) la troposfera può pre-condizionare la stratosfera attraverso l’attività d’onda e (ii) dopo l’evento la stratosfera può imporre una memoria dinamica che si proietta verso il basso, modulando i regimi troposferici (Baldwin & Dunkerton 2001 e lavori successivi). Nel CFSIE, la coerenza stratosferica è presente ma la catena “stratosfera → troposfera”, almeno per la componente wave-1 che è spesso cruciale per i displacement, appare meno incisiva e meno robusta; questo è perfettamente compatibile con la conclusione discussa nella sottosezione 3.1: la media d’ensemble non mostra grande abilità nel prevedere gli SSW maggiori, e una parte della difficoltà sta nel rappresentare correttamente non solo l’evento in quota, ma anche la sua struttura verticale e la sua fase temporale, cioè ciò che rende un SSW davvero “predittivamente utile” a scala sub-stagionale.

3.2. Climatologia del modello

La “climatologia del modello” in questo contesto non è un semplice controllo di routine: è, di fatto, la diagnosi dello “sfondo dinamico” su cui poi si innestano (o falliscono) la propagazione delle onde planetarie e l’eventuale innesco di un riscaldamento stratosferico improvviso. In letteratura, la prevedibilità degli SSW dipende in modo critico dall’equilibrio tra (i) struttura termica e radiativa della stratosfera, (ii) forma e intensità del getto polare notturno (polar night jet, PNJ), e (iii) capacità del flusso di fondo di guidare e modulare il trasporto verticale di attività ondosa dalla troposfera verso la stratosfera (Charney e Drazin, 1961; Andrews, Holton e Leovy, 1987; McIntyre, 1982). È per questo che il testo insiste su gennaio–febbraio: sono i mesi in cui il vortice polare climatologicamente è più organizzato, la variabilità interannuale è ampia, e gli errori sistematici del modello possono amplificarsi rapidamente, condizionando la “finestra” in cui le onde riescono davvero a entrare e a depositare momento.

Il punto chiave è che i bias termici e dinamici non sono dettagli marginali: se il modello parte con una stratosfera già troppo calda o troppo fredda, non sbaglia solo le temperature assolute, ma altera la stabilità, i gradienti meridionali, la distribuzione del vento zonale e quindi la filtrazione delle onde. Questa idea è coerente con ciò che molti studi hanno mostrato sul ruolo della fisica radiativa (raffreddamento a onde lunghe, contributo dell’ozono e di altri gas in traccia) nel definire la struttura termica polare e, per estensione, la forza del vortice e la sua sensibilità al forcing ondoso (ad esempio, nelle sintesi sul bilancio radiativo-stratosferico e sulla rappresentazione modellistica della stratosfera; Butchart, 2014). Il richiamo storico al caso del 1965 (Miyakoda et al., 1970) è emblematico: un eccesso di raffreddamento radiativo modellistico può “blindare” il getto polare e impedire il breakdown, mostrando come la catena errore radiativo → errore del getto → errore di propagazione ondosa possa troncare sul nascere la simulazione dell’SSW. Questo non significa che la fisica radiativa sia l’unica responsabile: contribuiscono anche parametrizzazioni di gravità (gravity wave drag), mixing e diffusività numerica, e la stessa risoluzione verticale, tutti elementi noti per influenzare la climatologia del vento stratosferico e la frequenza degli eventi estremi (Butchart, 2014; e, più in generale, il quadro teorico di Andrews et al., 1987).

Il legame tra vento di fondo e onde planetarie è espresso in forma molto “classica” dal vincolo di Charney e Drazin (1961): la propagazione verticale delle onde di Rossby su scala planetaria è possibile solo se il flusso zonale medio è orientato a est ma non troppo intenso; quando i venti occidentali superano una soglia critica (in termini di velocità critica associata a numero d’onda e latitudine), le onde vengono rifratte o evitate, e la comunicazione troposfera–stratosfera si indebolisce. In altre parole, il vortice può risultare “troppo forte” non solo come valore di u, ma come configurazione capace di creare superfici di turning e barriere dinamiche alla risalita dell’attività ondosa. Viceversa, quando il vento medio si avvicina a zero o quando l’onda cresce fino a grande ampiezza, si entra nel regime non lineare: il breaking (o la forte dissipazione) diventa probabile, con deposito di momento e decelerazione del flusso medio, cioè il meccanismo cardine della teoria wave–mean flow interaction su cui poggia la dinamica degli SSW (Andrews et al., 1987; il paradigma teorico di Matsuno, 1971 per la risposta stratosferica al forcing ondoso è spesso richiamato come riferimento concettuale).

Dentro questo quadro, la valutazione del bias di temperatura a 10 hPa “modesto” a nord di 60°N è importante perché, almeno a quel livello e in quelle latitudini, il modello non sembra partire con un errore termico macroscopico. Tuttavia, anche un bias termico moderato può coesistere con errori dinamici significativi, perché ciò che controlla la propagazione ondosa è soprattutto la struttura del vento zonale con la quota e la latitudine, e la coerenza tra PNJ e subtropical jet (STJ), inclusa la regione intermedia dove spesso si definisce la robustezza del waveguide. Non a caso, il testo osserva che la struttura meridionale del vento zonale medio viene riprodotta qualitativamente bene, ma con difetti specifici: PNJ troppo debole in gennaio, e in febbraio un massimo dei venti occidentali inclinato troppo verso il polo con la quota. Questo tipo di “tilt” verticale e meridionale non è un dettaglio estetico: modifica la curvatura del vento, la distribuzione di vorticità potenziale in media zonale e quindi la refrattività per i numeri d’onda dominanti (k=1 e k=2). Inoltre, l’errore nella fascia tra PNJ e STJ (troppo forte in gennaio, troppo debole in febbraio) è proprio il tipo di bias che può cambiare la selettività del canale di propagazione: a seconda del segno e della quota dell’errore, si possono favorire traiettorie più “polari” oppure bloccare l’ingresso delle onde a latitudini intermedie, alterando la quantità di attività ondosa che riesce ad arrivare in stratosfera alta.

Qui entra in gioco l’indice di rifrazione (n²) di cui parlano Andrews et al. (1987): è una diagnosi estremamente sensibile alla forma del getto, perché codifica—attraverso la struttura del vento zonale medio e dei gradienti di PV in media zonale—dove le onde possono propagarsi (n²>0) e dove invece sono proibite o evanescenti (n²<0). È per questo che “una piccola variazione nella forma del getto” può generare una configurazione completamente diversa: si spostano i massimi positivi, cambiano le superfici di turning, e di conseguenza cambia il percorso preferenziale dell’attività ondosa. Il fatto che il modello riproduca abbastanza bene la struttura generale che “focalizza” l’attività k=1 e k=2 verso la stratosfera di alte latitudini richiama un concetto molto discusso da McIntyre (1982): l’idea di una stratosfera che non è un mezzo uniforme, ma un sistema con canali di propagazione e regioni in cui l’onda tende a concentrarsi, con implicazioni dirette sul tipo di disturbo che il vortice sperimenta (più displacement-dominated quando prevale k=1, più favorevole a configurazioni di split quando il forcing e la geometria consentono un ruolo più incisivo del k=2, pur con tutte le cautele del caso). In parallelo, la presenza di regioni a n² negativo ben collocate è un segnale che il modello, almeno in prima approssimazione, “capisce” dove le onde non dovrebbero entrare: un requisito minimo per non produrre una climatologia ondosa artificialmente diffusa o, al contrario, eccessivamente confinata.

Resta però il dettaglio operativo più delicato: il waveguide tra 200 e 50 hPa lungo ~60°N è simulato come meno robusto rispetto alle osservazioni, e compare una barriera alla propagazione a circa 150 hPa tra 40° e 50°N. Questa informazione è tutt’altro che secondaria perché colloca un possibile collo di bottiglia proprio nel tratto di atmosfera che spesso agisce da “porta” per l’energia ondosa diretta verso l’alto. Una barriera a 150 hPa in fascia 40–50°N implica che parte dell’attività generata o amplificata in troposfera può essere rifratta lateralmente, assorbita più in basso, oppure costretta a percorsi meno efficienti per raggiungere la stratosfera polare. In termini di diagnostica classica, un simile assetto tende a ridurre la persistenza del wave driving stratosferico, rendendo più probabile una sequenza di impulsi che non riescono a costruire un disturbo cumulativo sul vortice, rispetto a situazioni in cui il waveguide è continuo e “aperto” lungo tutto il corridoio troposfera–bassa stratosfera (il razionale fisico è coerente con la teoria di propagazione e rifrazione delle onde trattata in Andrews et al., 1987). In questo senso, l’analisi della climatologia del modello non è semplicemente descrittiva: serve a individuare i punti in cui la dinamica media può, già da sola, predisporre il sistema a sottostimare o sovrastimare la reale capacità delle onde planetarie di raggiungere le quote in cui il breaking e il deposito di momento diventano efficaci.Per valutare davvero “quanto” un modello sappia prevedere non solo l’ampiezza, ma anche la struttura spazio-temporale delle onde planetarie transitorie che risalgono dalla troposfera alla stratosfera, la diagnostica basata sulla correlazione cross-spettrale (e in particolare sulla coerenza) è molto più informativa di un semplice confronto di mappe istantanee. L’idea, introdotta e applicata in modo sistematico in ambito stratosferico già da lavori come Randel (1987), è concettualmente pulita: se prendo un certo numero d’onda (ad esempio k=1 o k=2) e osservo due punti del piano latitudine–quota, posso misurare quanto le fluttuazioni siano “in fase” tra loro e come questa relazione cambi al variare del ritardo temporale. In pratica, la coerenza diventa un proxy quantitativo del fatto che la variabilità stratosferica “senta” davvero quella troposferica precedente, quindi che esista un segnale di propagazione verticale coerente e non solo rumore.

La scelta metodologica di definire le onde transitorie come anomalie giornaliere rispetto alla media stagionale gennaio–aprile è tutt’altro che secondaria: si rimuove il grosso della stagionalità e si isola la variabilità sinottica/sub-stagionale associata ai pacchetti d’onda che effettivamente alimentano l’interazione onda–flusso medio. Questa impostazione è coerente con la teoria quasi-geostrofica e con il formalismo TEM (Transformed Eulerian Mean), dove il cuore del problema è capire quando e dove l’attività ondosa, una volta generata o amplificata in troposfera, riesce a risalire e a depositare momento in stratosfera (Andrews, Holton e Leovy, 1987). Usare un punto base a 50 hPa e 60°Nha inoltre un significato dinamico: siamo in una quota/latitudine che spesso sta “a cavallo” tra bassa stratosfera e il ramo principale del vortice polare, quindi un luogo ideale per vedere se il segnale stratosferico è l’evoluzione coerente di ciò che accade poco sotto.

Quando le mappe di coerenza mostrano che le fluttuazioni stratosferiche sono coerenti con quelle della troposfera superiore diversi giorni prima, si sta leggendo un aspetto molto concreto della dinamica: la propagazione e la trasmissione dell’informazione non avvengono istantaneamente, ma seguono tempi caratteristici compatibili con la risalita di attività ondosa e con la risposta del flusso medio. È esattamente ciò che ci si aspetta se il sistema sta seguendo un percorso di “precondizionamento” e successivo forcing ondoso: prima cresce e si organizza l’anomalia d’onda nella troposfera/UTLS, poi il segnale compare in stratosfera con un lag positivo. Questo tipo di lettura è in linea con la cornice classica di propagazione delle onde di Rossby in un flusso medio, inclusi i vincoli di filtraggio imposti dai venti zonali medi e dalle regioni di turning (Charney e Drazin, 1961; Andrews et al., 1987).

Il dettaglio per cui, nel modello, l’estensione verticale della coerenza per k=1 risulta “meno profonda” rispetto alle osservazioni è il genere di informazione che spesso segnala un limite non tanto nell’esistenza della propagazione (che c’è), ma nel modo in cui il modello rappresenta il waveguide e la continuità del percorso verso l’alto. In termini di rifrazione, basta una piccola differenza nella struttura del getto e nei gradienti meridionali associati perché la regione in cui n² è positivo e favorevole alla propagazione risulti più sottile o meno connessa, e quindi il segnale appaia coerente ma confinato (Andrews et al., 1987). Qui torna anche il concetto di “focusing” discusso da McIntyre (1982): quando l’ambiente di fondo costruisce una guida d’onda efficiente, l’attività tende a concentrarsi e a risalire lungo percorsi preferenziali; se questa guida è più debole o frammentata, l’attività si disperde e la firma della propagazione si attenua in profondità.

Per passare dalla diagnosi “geometrica” (coerenza e propagazione) alla diagnosi “dinamica” (effetto sul vortice), l’uso del flusso di Eliassen–Palm (E-P) e della sua divergenza è praticamente lo standard di riferimento. Nel formalismo TEM, il vettore E-P punta lungo la direzione della velocità di gruppo dell’onda, cioè la direzione preferenziale del trasporto di attività ondosa, mentre la divergenza/convergenza dell’E-P flux quantifica il trasferimento di quantità di moto tra onde e flusso medio: in parole operative, indica dove le onde stanno accelerando o decelerando il vento zonale medio attraverso la divergenza dell’azione ondosa (Andrews et al., 1987). È una chiave di lettura essenziale per gli SSW perché la sequenza tipica di un evento include un aumento del wave driving, una convergenza di flusso (deposito di momento) e una conseguente decelerazione del PNJ, fino all’eventuale inversione del vento a 10 hPa e 60°N che definisce i “major” secondo molte convenzioni operative.

Limitare l’analisi alla fase di maturazione del ciclo di vita (giorni −7 a +7) segue un’impostazione già consolidata in studi compositi degli SSW, in cui si tenta di catturare la finestra in cui l’interazione onda–flusso medio è massima e la risposta del vortice più rapida (Limpasuvan et al., 2004). In un caso come quello con data centrale 23 gennaio 1987, descritto come dominato da k=1, ci si aspetta una firma compatibile con disturbi di tipo “displacement-like” più che con una dinamica dominata da k=2, pur sapendo che la realtà può includere transizioni e contributi misti. Il fatto che la previsione della wave-1 risulti “ragionevolmente realistica” ma con una decelerazione più debole e più confinata alle alte latitudini indica che il modello intercetta il forcing, ma tende a sottostimare (o a localizzare diversamente) il deposito di momento che nelle osservazioni si distribuisce spesso su un volume più ampio della stratosfera polare.

La differenza di “focalizzazione” dei flussi d’onda tra modello e osservazioni è un punto diagnostico molto ricco, perché rimanda direttamente alla sensibilità dell’ambiente di fondo: se il PNJ è relativamente debole e il gradiente meridionale di temperatura è piccolo, diventa più difficile costruire forti gradienti meridionali dell’indice di rifrazione al quadrato, e quindi diventa meno efficiente quel meccanismo geometrico che tende a deviare il vettore E-P verso l’alto e verso le alte latitudini (Andrews et al., 1987; McIntyre, 1982). In un quadro del genere, l’attività ondosa può comunque salire, ma lo fa in modo meno canalizzato e, soprattutto, con una minore capacità di “colpire” ripetutamente la regione del vortice dove il deposito di momento risulta più efficace nel frenare il flusso medio. Per k=2, il fatto che l’accelerazione del flusso zonale alle alte latitudini sia “considerabilmente più debole” nel modello suggerisce un’ulteriore limitazione: o la wave-2 è meno intensa, o la sua traiettoria e il suo breaking sono meno favorevoli a produrre quella firma di convergenza che nelle osservazioni spesso accompagna gli eventi più incisivi sul vortice.

L’aggancio con il comportamento dell’ensemble (diversi membri che prevedono l’inversione del vento a 10 hPa e 60°N) è coerente con una realtà ben nota nella previsione sub-stagionale/stratosferica: anche quando la media d’insieme appare “smorzata”, possono esistere traiettorie individuali fisicamente plausibili che raggiungono la soglia di major warming, mentre altre no. È esattamente il tipo di contesto in cui l’incertezza cresce in modo non lineare: il sistema è sensibile alla fase e all’ampiezza dei pacchetti d’onda, alla loro interferenza e alla struttura istantanea del flusso medio, quindi l’errore può amplificarsi rapidamente per dinamiche caotiche deterministiche, secondo un’idea che risale al quadro di Lorenz sulla crescita dell’errore nei sistemi atmosferici non lineari e che, applicata alla stratosfera, implica una prevedibilità che può variare molto a seconda del “regime” (Lorenz, 1963; e in generale la letteratura sulla predictability atmosferica). In questo senso, la lettura combinata di coerenza cross-spettrale ed E-P flux non serve solo a dire se il modello “vede” le onde, ma a capire se le vede con la giusta geometria, il giusto timing e la giusta efficienza nel trasferire momento al vortice—tre condizioni che, nella dinamica degli SSW, raramente sono negoziabili.

La Figura 6 è una di quelle tavole “diagnostiche” che, da sole, raccontano gran parte della fisica di un SSW, perché mette in primo piano l’interazione onda–flusso medio nel linguaggio più standard della dinamica stratosferica: flusso di Eliassen–Palm (E-P) e divergenza del flusso E-P. Nel formalismo TEM (Transformed Eulerian Mean), codificato in modo sistematico da Andrews, Holton e Leovy (1987), il vettore E-P è intimamente legato al trasporto di attività ondosa e punta nella stessa direzione della velocità di gruppo delle onde di Rossby; la sua divergenza (o convergenza) rappresenta invece la misura diretta della forzante che le onde esercitano sul vento zonale medio: dove la divergenza è positiva si ha tendenza ad accelerare il flusso zonale (rafforzamento dei westerlies), dove è negativa (convergenza di flusso) si ha tendenza a decelerarlo. È esattamente il “motore” dinamico che, quando sufficientemente intenso e persistente, porta alla frenata del polar night jet e può culminare nel collasso/inversione dei venti in stratosfera, che è la firma classica di un SSW major.

La struttura a quattro pannelli permette un confronto pulito tra osservazioni (OBS) e previsioni d’ensemble CFSIE, separando i contributi delle componenti dominanti della circolazione planetaria extratropicale: numero d’onda zonale 1 (m=1) e numero d’onda zonale 2 (m=2). Questa distinzione è tutt’altro che accademica, perché la letteratura sui SSW mostra da decenni che, pur con eccezioni, gli eventi in cui domina la wave-1 tendono più facilmente a proiettarsi su una risposta di tipo displacement del vortice, mentre un forcing più marcato di wave-2 è più spesso associato a configurazioni favorevoli a episodi di tipo split (Matsuno, 1971 come paradigma teorico di base; e, sul piano climatologico, lavori successivi come Charlton e Polvani, 2007 hanno sistematizzato la distinzione degli eventi). Non si tratta di una regola deterministica, ma di una chiave interpretativa robusta quando si osserva la geometria della propagazione e, soprattutto, dove si colloca il massimo della decelerazione del flusso medio.

Nel pannello (a), m=1 osservato, le frecce indicano un E-P flux ben organizzato che risale dalla troposfera superiore e dalla bassa stratosfera verso la stratosfera media, con una componente verticale marcata e una chiara tendenza a dirigersi verso le alte latitudini. Questa è la firma di una propagazione verticale efficiente di attività ondosa lungo un “corridoio” dinamico che consente alle onde di attraversare la tropopausa e penetrare nella stratosfera polare. Dal punto di vista teorico, si sta osservando un regime in cui le condizioni di propagazione sono compatibili con il vincolo classico di Charney e Drazin (1961): le onde planetarie riescono a propagarsi verso l’alto solo se il vento zonale medio è westerly ma non eccessivo e se non esistono barriere di rifrazione che ne impediscano l’ingresso. In corrispondenza della risalita del flusso, i contorni della divergenza evidenziano regioni in cui l’onda sta esercitando una forzante netta sul flusso medio: quando compaiono aree estese di valori negativi (convergenza del flusso E-P), l’interpretazione dinamica è una decelerazione del getto polare stratosferico. In un evento con data centrale 23 gennaio 1987, dichiarato nel testo come “wave-1 dominated”, questa configurazione è perfettamente coerente con l’idea di un vortice che viene “spinto” e deformato principalmente da una componente d’onda a scala planetaria che tende a traslare il centro del vortice, più che a segmentarlo.

Il pannello (b), m=1 nel CFSIE, è particolarmente istruttivo perché mostra un caso tipico di “realismo qualitativo ma efficienza ridotta”: il modello riproduce l’impianto generale della propagazione verticale (quindi non manca il collegamento troposfera–stratosfera), ma il flusso appare meno focalizzato e la regione di forzante efficace sul flusso medio è più debole o più confinata. Qui entra in gioco un concetto centrale discusso da McIntyre (1982): il focusingdelle onde non è un dettaglio grafico, è una proprietà emergente del mezzo in cui le onde viaggiano. Se la struttura del vento zonale medio e dei gradienti termici/di vorticità potenziale non costruisce un waveguide “pulito”, l’attività ondosa tende a disperdersi e a depositare momento in modo meno concentrato nelle regioni più sensibili del vortice. In termini pratici, ciò significa che il modello può anche “vedere” un forcing di wave-1, ma produrre una decelerazionedel PNJ più contenuta rispetto alle osservazioni, coerentemente con quanto riportato nel testo: una frenata del flusso medio meno intensa e più alta in latitudine/quota rispetto al caso reale. Questo tipo di differenza è coerente con l’idea, molto discussa nella modellistica stratosferica, che piccoli bias nei campi medi (vento e temperatura) possano tradursi in differenze significative nella configurazione dell’indice di rifrazione e quindi nel percorso e nell’efficacia del trasporto di attività ondosa (Andrews et al., 1987).

Scendendo alla riga di m=2, il pannello (c) osservato mostra un contributo più “a macchie”, meno continuo e in genere meno dominante rispetto alla wave-1. È un segnale compatibile con un evento in cui la wave-2 gioca un ruolo secondario o modulante: non “guida” la dinamica principale del riscaldamento, ma può contribuire localmente al bilancio di momento e alla deformazione del vortice. Questo è importante perché ricorda un punto spesso sottolineato negli studi sul ciclo di vita degli SSW: la struttura d’onda osservata durante la fase di maturazione è il risultato di un’interazione non lineare tra forzante troposferica, risposta stratosferica e modifiche progressive del flusso medio; non ci si aspetta necessariamente che wave-2 sia nulla, anche quando wave-1 domina (Limpasuvan et al., 2004). Nel pannello (d), m=2 nel CFSIE, il contributo è ulteriormente attenuato: la propagazione verticale è più debole e la forzante sul flusso medio alle alte latitudini risulta ridotta rispetto alle osservazioni. Dinamicamente, questo significa che il modello tende a sottostimare l’impatto della wave-2 sulla circolazione zonale polare, con implicazioni dirette sulla capacità di simulare correttamente quelle configurazioni in cui wave-2 può diventare più rilevante per la morfologia del vortice.

Un aspetto che vale la pena “leggere tra le righe” della Figura 6 è il legame tra questa diagnostica e la prevedibilità d’ensemble: quando la media d’ensemble mostra una forzante più smorzata rispetto alle osservazioni, non significa necessariamente che nessun membro catturi l’evento; spesso indica che il sistema è vicino a soglie non lineari e che piccole differenze di fase/ampiezza nelle onde in ingresso si traducono in esiti diversi (inversione del vento sì/no), un comportamento che la teoria della prevedibilità atmosferica riconduce alla crescita caotica dell’errore nelle regioni e nei regimi dinamici più sensibili. In questa cornice, la Figura 6 funziona come una “radiografia” del perché: non basta che l’onda salga, serve che salga nella giusta geometria e che depositi momento dove e quando il vortice è più vulnerabile; ed è proprio su focusing, waveguide e distribuzione della divergenza del flusso E-P che il modello, rispetto alle osservazioni, tende a mostrare la sua principale fragilità, pur mantenendo un realismo strutturale di base.

La Figura 7 è particolarmente utile perché quantifica in modo “chirurgico” come si deteriora la prevedibilità delle onde planetarie in stratosfera e, soprattutto, chiarisce quale componente dell’errore prenda il sopravvento con l’aumentare del lead time. L’errore viene calcolato a 10 hPa e mediato su latitudini alte (la fascia 50–70°N indicata nel titolo), separando i contributi del numero d’onda zonale 1 e 2 sia nel vento zonale sia nella temperatura potenziale. La scelta di lavorare con le componenti d’onda (m=1 e m=2) non è un esercizio di stile: la letteratura sugli SSW mostra da tempo che la dinamica del vortice polare è fortemente condizionata dalla geometria e dalla fase delle onde planetarie dominanti, con wave-1 spesso associata a configurazioni più “displacement-like” e wave-2 più rilevante quando il vortice tende a configurazioni compatibili con “split-like”, pur con ampia variabilità caso-per-caso (un inquadramento spesso richiamato nelle climatologie degli SSW, ad esempio in Charlton e Polvani, 2007). In questo senso, monitorare l’errore previsto sulle onde significa monitorare l’errore proprio su ciò che alimenta l’interazione onda–flusso medio, cioè il meccanismo fisico che porta alla decelerazione del getto polare notturno e, nei casi maggiori, al collasso del vortice, come formalizzato nel quadro TEM e nella teoria wave–mean flow di riferimento (Andrews, Holton e Leovy, 1987).

Il messaggio dominante dei quattro pannelli è la scomposizione dell’errore totale (linea nera) in una parte dovuta alla differenza di fase (linea blu) e una parte dovuta alla differenza di ampiezza (linea rossa). Questa separazione è concettualmente cruciale: la previsione può “sbagliare” perché stima un’onda troppo forte o troppo debole (errore di ampiezza), oppure perché posiziona correttamente l’intensità media ma perde il corretto allineamento longitudinale delle creste e delle valli (errore di fase). Nella Figura 7 la componente blu domina in modo netto, sia per m=1 sia per m=2, e sia nel vento sia nella temperatura potenziale: significa che il sistema perde soprattutto la capacità di mantenere la corretta collocazione e tempistica del pattern d’onda, più che la sua energia complessiva. Dal punto di vista dinamico, questo è esattamente ciò che ci si aspetta quando la previsione entra in un regime di alta sensibilità alle condizioni iniziali e alle interazioni non lineari: piccole discrepanze iniziali nella struttura troposferica e nella guida d’onda verso l’alto possono tradursi, dopo alcune settimane, in uno “slittamento” marcato della fase in stratosfera. È un comportamento coerente con il concetto generale di crescita dell’errore in sistemi caotici deterministici, come discusso classicamente da Lorenz (1963) per l’atmosfera, e con l’idea che la stratosfera, quando è fortemente forzata da onde e vicina a soglie dinamiche (frenata forte del getto, possibile inversione), mostri una prevedibilità molto sensibile a dettagli di fase e di propagazione.

Nei pannelli relativi a m=1 si vede una crescita rapida dell’errore nelle prime due-tre settimane, fino a raggiungere valori che diventano comparabili al segnale di riferimento nella finestra attorno a 20–30 giorni. Il fatto che l’errore di ampiezza rimanga molto più contenuto suggerisce che il modello conserva, almeno in media, una stima ragionevole dell’intensità della wave-1, ma fatica a prevedere con precisione “dove” e “quando” la wave-1 sarà massima a 10 hPa. Questo è un punto di enorme rilevanza per gli SSW, perché la risposta del vortice non dipende soltanto dal fatto che l’attività ondosa esista, ma dal luogo e dal timing con cui essa deposita momento e altera il flusso zonale medio; la dinamica di decelerazione del vortice è, in pratica, un problema di fase e di coerenza spaziale oltre che di ampiezza, come emerge costantemente nelle diagnostiche di E-P flux e nella loro interpretazione TEM (Andrews et al., 1987), e nelle analisi che valutano la propagazione verticale tramite metodi spettrali e di coerenza (ad esempio Randel, 1987). I pannelli m=2 mostrano un comportamento analogo, spesso con una crescita altrettanto marcata e con la stessa gerarchia tra errori: anche qui la fase è la componente dominante. Dal punto di vista fisico, non sorprende: la wave-2 è particolarmente sensibile alla struttura del waveguide e alle barriere di rifrazione, cioè a piccole differenze nel profilo del vento zonale e nei gradienti dinamici che controllano dove le onde possono propagarsi o essere rifratte, secondo i vincoli classici di propagazione delle onde planetarie in un flusso medio stratosferico (Charney e Drazin, 1961; e la formalizzazione diagnostica in Andrews et al., 1987). In altre parole, basta una variazione relativamente piccola nella configurazione del getto e nella “geometria” del mezzo per produrre una traiettoria di propagazione diversa, e quindi un errore che si manifesta soprattutto come disallineamento di fase.

Il confronto tra vento zonale e temperatura potenziale è a sua volta istruttivo perché mostra che il problema non è confinato a una singola variabile: la perdita di fase emerge in modo coerente in un campo dinamico (u) e in un campo termodinamico strettamente legato alla struttura ondosa e alle superfici isentropiche (θ). Questa coerenza tra variabili è compatibile con l’idea che il limite non sia un “difetto di una singola parametrizzazione”, ma una proprietà del sistema accoppiato onda–flusso medio in quel regime: quando la previsione perde la fase delle onde dominanti, perde anche la capacità di collocare correttamente la risposta termica associata, e viceversa. Da qui discende una lettura operativa molto concreta: oltre una certa soglia temporale, l’informazione deterministica sulla fase delle onde diventa poco affidabile, e quindi diventa più sensato ragionare in termini probabilistici e d’ensemble, soprattutto per eventi “a soglia” come gli SSW, dove piccoli scarti di fase possono decidere se la decelerazione del getto resta moderata o diventa sufficiente per un’inversione. Questo è coerente con la visione moderna della prevedibilità stratosferica come “condizionata dal regime”: quando il vortice è vicino a transizioni dinamiche, l’errore cresce più rapidamente e la dispersione d’ensemble diventa informativa quanto il segnale medio, mentre la previsione deterministica singola si indebolisce.

Infine, letta assieme alle diagnosi di propagazione e forcing (come coerenza spettrale ed E-P flux), la Figura 7 suggerisce un punto spesso enfatizzato negli studi sul ciclo di vita degli SSW: la previsione non fallisce soltanto perché “non vede” l’attività ondosa, ma perché non riesce a mantenerne la corretta fase e, quindi, a ricostruire con continuità l’efficienza del trasferimento di momento verso il vortice nella finestra cruciale di crescita e maturazione dell’evento (un’impostazione molto in linea con le descrizioni compositive della sequenza temporale degli SSW, ad esempio in Limpasuvan et al., 2004). In termini pratici, ciò spiega perché due membri d’ensemble possano avere ampiezze d’onda simili ma esiti stratosferici molto diversi: basta uno scarto di fase, e cambia dove si concentra il forcing, cambia il pattern di decelerazione, e cambia la traiettoria del vortice e la sua possibile influenza verso il basso, che è uno dei temi centrali anche nei lavori sulla connessione stratosfera–troposfera e sull’impatto dei disturbi del vortice sui regimi troposferici (un riferimento classico in questo ambito è Baldwin e Dunkerton, 2001).

La Figura 8 estende in verticale il messaggio della Figura 7: non ti dice solo “quanto” cresce l’errore sulle onde planetarie, ma ti fa vedere come questo errore si distribuisce lungo tutta la colonna atmosferica, dalla troposfera (850 hPa) alla stratosfera superiore (10 hPa), e come cambia tra numero d’onda zonale 1 e 2 e tra un campo dinamico (vento zonale) e uno termico (temperatura). In ciascun pannello l’asse x è il lead time, l’asse y è l’errore totale normalizzato, e le curve colorate sono livelli di pressione diversi: questo è un modo molto “pulito” di diagnosticare la prevedibilità perché isola l’errore sulle componenti d’onda che, secondo la teoria classica della propagazione delle onde di Rossby, sono le principali responsabili del trasferimento di attività ondosa verso la stratosfera e dell’interazione onda–flusso medio (Charney e Drazin, 1961; Andrews, Holton e Leovy, 1987). Il primo colpo d’occhio è già informativo: per m=1 e m=2, sia nel vento sia nella temperatura, l’errore cresce rapidamente nei primi 10–25 giorni e tende poi a raggiungere valori prossimi all’unità, cioè dell’ordine dell’ampiezza del segnale di riferimento usato per normalizzare. Questo comportamento è tipico di un sistema in cui la previsione deterministica perde progressivamente memoria della configurazione iniziale e l’errore entra in una fase di “saturazione” pratica, coerente con il quadro generale della prevedibilità atmosferica in presenza di crescita caotica dell’errore e forte sensibilità alla fase delle onde (Lorenz, 1963).

La parte più interessante è che le curve ai vari livelli non sono indipendenti: tendono a crescere con tempi simili, con differenze di dettaglio ma senza una separazione netta “troposfera prevedibile / stratosfera imprevedibile” o viceversa. Questo supporta una lettura ormai molto consolidata nella letteratura sulla dinamica stratosferica: le onde planetarie non sono un fenomeno confinato a una quota, ma un processo verticalmente accoppiato, in cui la struttura del waveguide (cioè la capacità del flusso medio di permettere o bloccare la propagazione) collega la generazione e l’amplificazione troposferica con la risposta stratosferica (Charney e Drazin, 1961; Andrews et al., 1987). In altre parole, se perdi la fase o la geometria della wave-1/2 ai livelli dove l’onda si organizza e si propaga (tipicamente troposfera superiore e bassa stratosfera), quell’errore “risale” e si riflette anche a 50–10 hPa, dove poi l’onda interagisce con il vortice. È coerente anche con il concetto di “focusing” discusso da McIntyre (1982): quando il mezzo guida e concentra l’attività ondosa verso le alte latitudini, piccoli errori nella struttura del flusso medio possono tradursi in grandi differenze nel percorso di propagazione e quindi nel tempo e luogo in cui l’onda deposita momento, con conseguenze dirette sulla previsione degli SSW.

Nei pannelli di m=1 (vento e temperatura) si nota spesso un comportamento in cui, dopo la rapida crescita fino a circa 20–30 giorni, alcune curve stratosferiche (50 e 10 hPa) tendono a stabilizzarsi o a mostrare leggere fluttuazioni attorno a un plateau. Questo è compatibile con l’idea che, una volta che la previsione perde la corretta collocazione longitudinale della wave-1, l’errore totale non “deve” necessariamente continuare a crescere in modo monotono nella metrica normalizzata: entra in un regime in cui la fase è sostanzialmente decorrelata e ciò che resta è un segnale più statistico/probabilistico. Per m=2 (pannelli c–d) l’evoluzione appare in genere più irregolare e con maggiore dispersione tra livelli: non sorprende, perché la wave-2 è spesso più sensibile alla configurazione del vortice e del waveguide e può essere più intermittente, cioè alternare fasi di propagazione efficace a fasi in cui viene rifratta o bloccata, esattamente per la dipendenza critica dalle condizioni del vento zonale medio e dalle regioni di turning (Charney e Drazin, 1961; Andrews et al., 1987). In chiave SSW, questa differenza è rilevante: se la prevedibilità della wave-2 degrada in modo più “nervoso”, diventa più difficile vincolare con anticipo la probabilità di scenari in cui la componente wave-2 contribuisce in modo determinante alla morfologia del vortice, tema che torna spesso nelle classificazioni displacement/split e nelle climatologie degli eventi (Charlton e Polvani, 2007).

Il fatto che vento e temperatura mostrino andamenti molto simili è un altro segnale forte: indica che non stai osservando un problema limitato a una sola variabile o a una sola parametrizzazione, ma una perdita di prevedibilità che coinvolge l’intera struttura d’onda. Questo è perfettamente coerente con la fisica dell’interazione onda–flusso medio: le onde planetarie modulano simultaneamente il campo del vento e quello termico tramite trasporti meridionali e verticali e, quando la fase dell’onda diventa poco prevedibile, lo diventano in modo congiunto sia la risposta dinamica sia quella termica (Andrews et al., 1987). Letta insieme alle diagnostiche di propagazione e forzante (coerenza spettrale, E-P flux) discusse nelle figure precedenti (Randel, 1987; Andrews et al., 1987), la Figura 8 rafforza un punto operativo molto concreto: l’orizzonte temporale in cui puoi sperare di prevedere in modo deterministico “dove e quando” saranno posizionate e efficaci le principali onde planetarie lungo la colonna atmosferica è intrinsecamente limitato a poche settimane; oltre, l’informazione più robusta tende a essere quella d’ensemble/probabilistica, soprattutto quando il sistema è vicino a soglie non lineari tipiche della dinamica degli SSW e del successivo accoppiamento verso il basso (Baldwin e Dunkerton, 2001).

Predicibilità delle onde planetarie in stratosfera: perché l’errore “vive” soprattutto nella fase, e cosa ci dice sul coupling troposfera–stratosfera

Il cuore di questa sottosezione è un’idea molto pulita (e molto “lorenziana”): per capire quanto un sistema sia prevedibile devi isolare, per quanto possibile, l’errore che nasce solo da piccole differenze nelle condizioni iniziali, non da cambiamenti di forcing o da salti di modello. Gli autori lo fanno con una logica da identical twin experiments: più realizzazioni dell’atmosfera integrate nello stesso framework, con stati iniziali quasi identici, così che la divergenza tra i membri misuri la crescita dell’errore imputabile alle sole perturbazioni iniziali. È una strategia classica nella teoria della predicibilità (Lorenz) e nella prassi ensemble moderna (Leith), perché consente di stimare una “curva tipo” di crescita dell’errore per scale e variabili specifiche, qui esplicitamente legate ai numeri d’onda zonali planetari m = 1 e m = 2e a campi chiave della dinamica stratosferica come vento zonale e temperatura potenziale a 10 hPa.

Un passaggio metodologico importante è la normalizzazione rispetto a un valore di saturazione (stimato come media su un intervallo lontano dall’inizializzazione, tra i giorni 30–40). Questo è coerente con la letteratura sulla crescita dell’errore: in molti sistemi geofisici l’errore cresce in modo rapido all’inizio (spesso quasi esponenziale su alcune scale) e poi tende a un plateau che riflette il fatto che, oltre un certo orizzonte, la previsione non “sa” più distinguere una realizzazione dall’altra perché entrambe campionano la stessa climatologia/statistica del flusso (Lorenz; Leith; Dalcher–Kalnay–Hoffman). In questo contesto, il tempo di predicibilità t (il tempo necessario per raggiungere una frazione prefissata della saturazione, ad esempio metà) non è un numero assoluto: dipende anche da quanto è grande l’errore iniziale relativo. È un punto spesso sottovalutato quando si confrontano variabili diverse o livelli diversi.

Il risultato fisicamente più incisivo è la scomposizione dell’errore totale in due contributi: errore di fase e errore di ampiezza. Qui emerge che l’errore è dominato quasi ovunque dall’errore di fase. Tradotto in dinamica: sulle scale planetarie, nei primi stadi di divergenza tra “gemelli”, il modello tende a sbagliare più facilmente dove si colloca l’onda (longitudine/posizione dei massimi e minimi) piuttosto che quanto è intensa. È un esito del tutto coerente con l’idea che, per onde a grande scala, piccoli scarti iniziali possano traslare l’intero pattern (shift longitudinale) con impatto marcato su proiezioni diagnostiche, pur lasciando relativamente simile l’energia totale dell’onda. In chiave operativa, questo spiega perché a volte le previsioni “vedono” un’ondulazione planetaria robusta ma sbagliano la collocazione delle creste e dei cavi: la dinamica resta planetaria, ma la fase scivola.

Quando gli autori estendono il confronto a più livelli, si osserva un segnale comune molto interessante: nella bassa stratosfera (100 e 50 hPa) l’errore cresce poco nei primi giorni, quasi come se il sistema fosse temporaneamente “protetto” dalla divergenza iniziale. La lettura proposta è in linea con la dinamica classica della propagazione d’onda: una parte rilevante della variabilità planetaria stratosferica, soprattutto ai livelli inferiori, è fortemente condizionata dall’upward propagation dal basso, cioè dal fatto che il pacchetto d’onda e il suo trasporto di attività ondosa entrino in stratosfera a partire dalla troposfera (il quadro di riferimento è quello della teoria di Charney–Drazin e della dinamica onda–flusso medio formalizzata nei testi di Andrews–Holton–Leovy). Se l’errore iniziale è in gran parte troposferico, serve un tempo finito perché “contamini” la stratosfera attraverso la propagazione e l’interazione onda–mean flow: da qui il ritardo nella crescita dell’errore ai piani 100–50 hPa. Questo è anche coerente con molte evidenze moderne della previsione sub-stagionale: la stratosfera può mostrare una memoria e una lentezza relativa, ma tale “vantaggio” dipende spesso dal grado di forzatura dal basso e dallo stato del getto/onda guida (letteratura S2S su coupling stratosfera–troposfera, ad esempio lavori di Baldwin & Dunkerton e la sintesi più recente di Domeisen e collaboratori).

Ancora più raffinato è il comportamento non monotono dell’errore, che in alcuni casi “overshoota” (supera temporaneamente il livello di saturazione normalizzato) e poi diminuisce ai tempi lunghi. Questo non è un paradosso numerico: è un indizio dinamico. Se l’errore di previsione, come mostrato in appendice dagli autori, è proporzionale alla varianza d’insieme delle onde zonali, allora una diminuzione sistematica della varianza stagionale (qui tra metà gennaio e metà febbraio, soprattutto per la temperatura in stratosfera) può produrre una curva in cui l’errore, una volta “cresciuto”, si ritrova a misurarsi con un background meno variabile, e quindi scende in termini normalizzati. È un promemoria importante: la prevedibilità non è solo un problema di caos intrinseco, ma anche di non stazionarietà stagionale della variabilità. In inverno avanzato, la climatologia del sistema (e la sua dispersione) può cambiare; e se la dispersione cala, anche l’errore relativo tende a ridursi.

Infine, il passaggio sulla divergenza del flusso di Eliassen–Palm (E-P flux) è cruciale perché sposta l’attenzione dalle variabili “primitive” (vento, temperatura) a una quantità diagnostica che misura direttamente l’interazione onde–flusso medio (EP-flux e sua divergenza/convergenza come proxy del wave driving). Qui l’esito è netto: gli errori iniziali in questa grandezza sono molto più grandi di quelli nei singoli campi, soprattutto tra alta troposfera e bassa stratosfera. È esattamente ciò che ci si aspetta da quantità non lineari: i flussi d’onda dipendono da prodotti e covarianze (es. componenti eddy e termini correlati), per cui piccoli errori in fase/ampiezza nei campi di base possono amplificarsi quando si passa a un diagnostico “composto”. In sostanza, puoi avere previsioni che appaiono ragionevoli su u e T, ma risultano già “fragili” quando chiedi al modello di stimare con precisione dove e quanto il wave driving sta convergendo o divergendo. E anche qui ricompare il segnale del ritardo di crescita dell’errore in stratosfera, specialmente per m = 1, rafforzando l’interpretazione che le scale planetarie stratosferiche, almeno nella fase iniziale, siano meno governate da una dinamica interna autonoma e più dalla trasmissione del segnale dal basso.

La Figura 9 va letta come il tassello “dinamico-statistico” che spiega un comportamento apparentemente strano osservato nelle curve di errore delle figure precedenti: in alcuni casi l’errore non cresce soltanto fino a saturare, ma mostra un massimo (“overshoot”) e poi tende a diminuire a tempi lunghi. Qui gli autori fanno vedere che non è un capriccio numerico, bensì un segnale coerente con la fisica del sistema: verso la parte finale della stagione invernale, soprattutto in stratosfera, la variabilità delle onde planetarie può ridursi in modo sistematico, e poiché l’errore d’ensemble è legato alla varianza d’ensemble, anche l’errore normalizzato può “rientrare”. Questo legame tra crescita dell’errore e statistiche della variabilità è perfettamente inquadrabile nella teoria classica della predicibilità atmosferica: in un sistema caotico l’errore tende a crescere e poi a saturare su una scala di ampiezza definita dalla variabilità del flusso; se quella variabilità cambia nel tempo (non stazionarietà stagionale), anche la saturazione e la forma della curva possono cambiare. È un punto che si collega direttamente alla visione di Lorenz sulla predicibilità come proprietà congiunta di dinamica e statistica del flusso, e alla tradizione degli studi d’ensemble (da Leith in poi) che interpretano lo “spread” come misura operativa dell’incertezza e della variabilità campionata.

Il grafico presenta la varianza d’ensemble normalizzata delle componenti a grande scala identificate dal numero d’onda zonale m = 1 e m = 2, calcolata separatamente per vento zonale e temperatura, e tracciata a più livelli verticali che attraversano troposfera e stratosfera (500, 100, 30 e 10 hPa), mediando su una fascia subpolare (indicata nel pannello come 50–70°N). Il senso fisico del numero d’onda è fondamentale: m = 1 rappresenta la modulazione planetaria più ampia del flusso, spesso associata a grandi displacement del vortice o a pattern emisferici molto “a una cresta e un cavo”; m = 2 descrive una struttura più ondulata e “bimodale”, tipicamente più sensibile alle condizioni del waveguide e ai dettagli dell’interazione onda–flusso medio. La letteratura sulla dinamica stratosferica e sul vortice polare mostra da decenni che la risposta del vortice e la propagazione verticale delle onde dipendono in modo critico dallo stato del vento medio zonale e dalla geometria del waveguide, e che le scale planetarie in stratosfera sono fortemente condizionate dall’upward coupling troposferico, coerentemente con il quadro teorico di propagazione delle onde planetarie e di interazione onda–flusso medio formalizzato nella manualistica e negli studi classici sulla dinamica stratosferica.

Nei pannelli relativi a m = 1, la varianza cresce rapidamente nelle prime settimane e poi tende a stabilizzarsi; tuttavia, la temperatura stratosferica mostra un comportamento particolarmente rivelatore: dopo aver raggiunto valori prossimi alla “piena variabilità” normalizzata, le curve a 30 e soprattutto a 10 hPa tendono a calare ai tempi più lunghi. Questo suggerisce che la componente termica associata all’onda planetaria 1 in stratosfera diventi progressivamente meno variabile nella finestra temporale analizzata, cioè che l’ensemble campioni un regime con minore dispersione. Tale riduzione può essere interpretata come un cambiamento stagionale della dinamica media e della sua variabilità: nel corso dell’inverno avanzato, la stratosfera può transitare verso condizioni in cui la struttura termica e la risposta radiativo-dinamica presentano una dispersione minore tra realizzazioni, e ciò si riflette direttamente nella varianza d’ensemble. In altre parole, non è che la previsione “migliori” di per sé; è il sistema che, in quel segmento stagionale, offre un “target” statisticamente meno disperso. Nella prospettiva dei modelli d’ensemble, questo è un esempio concreto di come la predicibilità effettiva dipenda non solo dai tassi di crescita dell’errore, ma anche dall’ampiezza della variabilità del fenomeno previsto.

Il segnale di riduzione della variabilità è ancora più evidente per m = 2, in particolare nei pannelli stratosferici: sia nel vento sia nella temperatura, dopo un massimo tra circa la terza e la quinta settimana, la varianza tende a diminuire a tempi più lunghi, soprattutto a 10 e 30 hPa. Qui è utile richiamare un concetto robusto della dinamica delle onde planetarie: l’onda 2 è spesso più “selettiva” rispetto alle condizioni di propagazione e di amplificazione in stratosfera, perché interagisce in modo sensibile con la struttura del getto, con la curvatura del waveguide e con la configurazione del vortice; ciò può produrre periodi in cui l’attività d’onda e la sua variabilità sono elevate (ensemble più “aperto”, maggiore dispersione) e periodi successivi in cui, per cambiamenti del background, tali gradi di libertà si riducono (ensemble più “chiuso”, minore dispersione). In letteratura, questa dipendenza dal flusso medio e dalla propagazione dal basso è considerata un elemento chiave della variabilità stratosferica: la stratosfera non è un sistema isolato, ma riceve una parte importante del suo forcing dalle onde troposferiche, e l’efficacia con cui tali onde si propagano e depositano momento varia nel tempo. Quando la forzante o il waveguide diventano meno favorevoli, la variabilità stratosferica legata a quelle onde può calare, e l’ensemble converge.

Un aspetto che si intravede già confrontando i livelli è la diversa “prontezza” con cui la variabilità si sviluppa: a 500 hPa l’aumento della varianza è spesso più rapido, mentre in stratosfera l’evoluzione può essere più ritardata e più modulata. Questo è coerente con il quadro discusso dagli autori nella sezione sulla crescita dell’errore: se una quota significativa della variabilità planetaria stratosferica è guidata dall’upward propagation, allora la dispersione iniziale troposferica impiega un tempo finito per proiettarsi verso l’alto; in quel lasso di tempo la bassa stratosfera può mostrare una crescita più lenta della variabilità, contribuendo anche al ritardo della crescita dell’errore. È una lettura compatibile con molte evidenze sul coupling troposfera–stratosfera, inclusa la nozione che la stratosfera possa avere una memoria e una lentezza relativa, ma che tale “vantaggio” sia fortemente condizionato dal forcing ondulatorio dal basso e dallo stato del flusso medio.

Il messaggio finale della Figura 9, quindi, è duplice e molto operativo. Primo: l’andamento dell’errore nelle figure di predicibilità non va interpretato come un semplice “cresce e poi satura” valido sempre; la forma può cambiare perché cambia la variabilità del segnale, e qui lo si vede direttamente. Secondo: la riduzione della varianza in stratosfera verso la parte finale della stagione, soprattutto per la temperatura e per m = 2, fornisce una spiegazione fisicamente sensata dell’overshoot dell’errore: se l’errore è proporzionale alla varianza d’ensemble delle onde, allora una diminuzione della varianza implica una diminuzione dell’errore normalizzato a tempi lunghi. In termini di previsione e diagnosi, è un promemoria potente: parlare di “orizzonte di predicibilità” senza considerare la non stazionarietà stagionale della variabilità può essere fuorviante, perché la predicibilità effettiva è sempre l’esito dell’interazione tra dinamica caotica, stato del flusso medio e ampiezza della variabilità disponibile in quel particolare periodo.

La Figura 10 va interpretata come una diagnosi “di secondo livello” della predicibilità: non si misura più l’errore su un campo primario come vento o temperatura, ma sull’errore della divergenza del flusso di Eliassen–Palm associata alle onde planetarie a numero d’onda zonale m = 1 e m = 2, mediata tra 50°N e 60°N e calcolata a diversi livelli verticali dalla bassa troposfera (850 hPa) fino alla bassa–media stratosfera (30 hPa). La scelta non è marginale. La divergenza dell’E-P flux è uno dei diagnostici più direttamente legati al meccanismo di interazione onda–flusso medio: quando la divergenza è positiva o negativa, indica rispettivamente regioni in cui il flusso medio zonale viene accelerato o decelerato per effetto del deposito di momento associato alla propagazione e alla dissipazione delle onde planetarie. In altre parole, se vento e temperatura descrivono lo “stato” istantaneo, l’E-P flux (e la sua divergenza) descrive il “motore dinamico” che trasferisce quantità di moto e modula la circolazione media; è il linguaggio canonico con cui la letteratura sulla dinamica stratosferica formalizza il wave driving e la sua capacità di perturbare o indebolire il vortice polare.

Il primo messaggio della figura è la grandezza dell’errore iniziale. A differenza di quanto accade tipicamente nei campi primitivi, l’errore normalizzato nella divergenza dell’E-P flux parte già relativamente alto fin dai primi giorni, soprattutto nei livelli di alta troposfera e bassa stratosfera. Questo è esattamente ciò che ci si aspetta da un diagnostico non lineare e “composto”: i flussi d’onda dipendono da correlazioni tra perturbazioni, quindi l’errore non è la semplice somma degli errori dei singoli campi, ma un’amplificazione derivante dal fatto che piccole discrepanze in fase e ampiezza tra le componenti ondulatorie possono tradursi in differenze molto più grandi nel trasporto di attività d’onda. La letteratura ha mostrato ripetutamente che quantità come i flussi di calore e di momento delle perturbazioni, e i diagnostici che ne derivano, sono particolarmente sensibili all’errore di fase, perché una traslazione longitudinale anche modesta del pattern ondulatorio può alterare in modo marcato la covarianza tra grandezze. In questo senso, la figura fornisce una dimostrazione operativa di un concetto più generale: prevedere accuratamente il “quanto” e il “dove” del wave driving è più difficile che prevedere l’evoluzione media di vento o temperatura, perché si tratta di prevedere la geometria fine delle correlazioni che governano il trasporto.

Il secondo messaggio è la diversa temporalità della crescita dell’errore tra troposfera e stratosfera. In entrambi i pannelli, l’errore cresce rapidamente nelle prime due–tre settimane fino a raggiungere e talvolta superare la saturazione normalizzata; tuttavia, soprattutto per m = 1, si nota che nei livelli stratosferici la crescita iniziale dell’errore è più lenta, con un ritardo nei primi giorni rispetto ai livelli troposferici. Questo comportamento è coerente con il quadro dinamico classico della propagazione verticale delle onde planetarie: la variabilità planetaria in stratosfera, in larga misura, non è un prodotto “autonomo” della stratosfera stessa, ma una risposta al forcing ondulatorio che arriva dal basso lungo un waveguide controllato dal vento medio zonale. Se l’errore iniziale risiede principalmente nella rappresentazione troposferica delle onde e del loro forcing, esso impiega un tempo finito per propagarsi verso l’alto e manifestarsi nei diagnostici stratosferici. Il ritardo della crescita dell’errore in stratosfera, dunque, non segnala una prevedibilità intrinseca più elevata in senso assoluto, ma riflette un aspetto causale: la stratosfera “eredita” una parte della sua incertezza dalla troposfera e ne risente dopo un intervallo di propagazione. Questa interpretazione è pienamente compatibile con la letteratura sul coupling troposfera–stratosfera, che descrive la stratosfera come un comparto dinamicamente sensibile alla variabilità planetaria troposferica e, al tempo stesso, dotato di una propria inerzia e memoria legate alla scala temporale radiativo-dinamica e alla persistenza del vortice.

Il confronto tra m = 1 e m = 2 aggiunge un ulteriore livello di lettura. L’onda 1 rappresenta la componente planetaria più “globale” ed è spesso legata a grandi displacement del vortice e a strutture di wave driving più coerenti spazialmente; l’onda 2, invece, è più strettamente connessa a configurazioni più ondulate e spesso più sensibili ai dettagli del waveguide e della struttura del getto. Nella figura, questo si traduce in una crescita dell’errore per m = 2 che può risultare più irregolare e più dispersa tra livelli, segnalando una maggiore fragilità predittiva della diagnostica del flusso d’onda quando il pattern è più complesso e più dipendente da un equilibrio fine tra propagazione, rifrazione e dissipazione. In termini dinamici, ciò è coerente con l’idea che le onde di numero d’onda più elevato, pur rimanendo “planetarie”, possano essere più sensibili alle condizioni di contorno del waveguide e quindi più soggette a divergenza tra membri d’ensemble quando minimi scarti iniziali modificano il percorso di propagazione e la regione di deposizione del momento.

Un aspetto notevole, osservabile soprattutto ai tempi lunghi, è che le curve non restano rigidamente in saturazione: in alcuni livelli, in particolare in stratosfera, si nota una tendenza a una lieve diminuzione dell’errore normalizzato. Questo segnale, letto insieme alla figura precedente sulla varianza d’ensemble, è interpretabile come effetto della non stazionarietà stagionale: se la variabilità delle onde planetarie e del wave driving tende a ridursi verso la fine dell’inverno, allora anche la grandezza “di riferimento” a cui l’errore si rapporta cambia, e la curva dell’errore può mostrare un rientro dopo il massimo. In termini di predicibilità, questo è un promemoria fondamentale: l’errore non evolve nel vuoto, ma all’interno di un sistema la cui variabilità di fondo può crescere o diminuire con la stagione, e ciò condiziona sia la saturazione sia la forma della crescita dell’errore.

Nel complesso, la Figura 10 evidenzia un risultato con forte rilevanza diagnostica e operativa: la predicibilità del wave driving misurato tramite divergenza dell’E-P flux è limitata non soltanto dalla natura caotica del sistema, ma anche dalla struttura non lineare del diagnostico, che amplifica piccoli errori nei campi sottostanti, e dal fatto che la stratosfera riceve una parte critica della sua variabilità planetaria attraverso la propagazione dal basso. Di conseguenza, anche quando vento e temperatura possono apparire ragionevolmente prevedibili su alcune scale, la stima precisa del deposito di momento e della localizzazione del forcing ondulatorio resta più vulnerabile, e questo spiega perché, nella pratica, la previsione dell’intensità e del timing del forcing d’onda responsabile di grandi cambiamenti del vortice sia una delle componenti più difficili della previsione stratosferica su scala sub-stagionale.

Perché i grandi SSW “sfuggono” alle previsioni: limiti di predicibilità, fase delle onde e fragilità dei flussi planetari

Le conclusioni di questo lavoro mettono a fuoco un punto che, nella dinamica stratosferica, è tanto semplice quanto decisivo: anche quando un modello riproduce in modo credibile la climatologia media invernale, la capacità di prevedere i grandi eventi intrastagionali – in primis i major SSW – può restare modesta perché il collo di bottiglia non è il “campo medio”, ma la predicibilità dei processi che innescano l’evento. Qui la diagnosi viene costruita con una strategia molto pulita in termini sperimentali: una serie di esperimenti tipo “gemelli identici” all’interno di un sistema accoppiato, in cui l’oceano parte dallo stesso stato iniziale (e quindi la forzante di superficie è coerente tra i membri), mentre l’atmosfera viene inizializzata con differenze minime. È un’impostazione che richiama la tradizione della teoria della predicibilità (da Lorenz in avanti) e l’approccio ensemble formalizzato già nei lavori classici sull’errore di previsione (Leith), perché consente di attribuire la crescita dell’incertezza quasi esclusivamente alla sensibilità alle condizioni iniziali.

Il risultato centrale è che il limite di predicibilità non è governato principalmente dai campi “di base” (come vento o temperatura presi singolarmente), ma dai flussi d’onda su scala planetaria, cioè da quelle quantità che descrivono quanta attività ondosa sale dalla troposfera, dove si deposita e con quale segno accelera o frena il flusso medio. La letteratura sulla dinamica onda–flusso medio, codificata nei riferimenti fondamentali della disciplina, ha chiarito da tempo che la variabilità stratosferica invernale – incluso il destino del vortice polare – dipende in modo critico dall’interazione tra onde planetarie e corrente a getto stratosferica: in pratica, un SSW “non nasce” perché cambia la temperatura in stratosfera in modo spontaneo, ma perché cambia la distribuzione del forcing ondulatorio e la sua capacità di convergere (o divergere) in modo efficace sul flusso medio. Ed è proprio qui che il lavoro evidenzia la fragilità: i flussi planetari hanno un orizzonte di predicibilità più breve di quanto si potrebbe sperare, e questo perché sono diagnostiche intrinsecamente sensibili a piccoli scarti. Non serve un errore enorme nel vento o nella temperatura per cambiare il quadro del wave driving: basta spostare leggermente la geometria dell’onda, e quindi la sua fase, per alterare la regione in cui l’attività d’onda viene rifratta, assorbita o “scaricata” sul vortice.

Non a caso, gli autori indicano che il fattore limitante più importante è la fase delle onde. Questo punto è perfettamente coerente con molta letteratura sulla prevedibilità delle strutture a grande scala: la fase è, per così dire, la “posizione” longitudinale del pattern ondulatorio, e piccoli errori iniziali possono traslare un’intera cresta o un intero cavo. Quando poi si passa dai campi primitivi ai flussi (che dipendono da correlazioni tra componenti perturbate), l’errore di fase si amplifica: una discrepanza modesta nella collocazione del massimo/minimo può cambiare in modo sproporzionato i termini di trasporto e quindi la stima del wave driving. È lo stesso principio che molti studi sulla diagnostica dei flussi d’onda e sulle metriche di trasferimento onda–mean flow hanno evidenziato: le quantità “derivate” sono spesso più vulnerabili dell’input fisico che le genera, perché incorporano prodotti, covarianze e cancellazioni parziali.

Il lavoro sintetizza questa implicazione con una frase che, per chi segue la previsione stratosferica, è quasi una fotografia operativa: i major SSW analizzati tendono a collocarsi a tempi di previsione che superano il limite di predicibilità del fenomeno. Detto in modo pragmatico, il modello può anche intuire che “il sistema è disturbabile”, ma quando l’evento dipende dal timing e dalla collocazione precisa del forcing ondulatorio, l’informazione utile si perde prima che il SSW maturi pienamente. Questo è in linea con molte valutazioni indipendenti sulla predicibilità sub-stagionale della stratosfera: esistono finestre in cui la stratosfera è relativamente prevedibile sul piano del flusso medio (per esempio quando il vortice è molto forte o molto debole e la dinamica è dominata da segnali persistenti), ma la previsione del singolo evento estremo resta vincolata dalla capacità di prevedere l’evoluzione delle onde planetarie e della loro interazione con il waveguide, concetto che ricorre nella letteratura su coupling troposfera–stratosfera e sugli “event-based forecast skills” dei disturbi del vortice.

Un secondo risultato, definito dagli autori “sorprendente”, riguarda la non stazionarietà della variabilità stratosferica durante l’inverno. Questo passaggio è cruciale perché tocca un punto teorico spesso dato per scontato: molte metriche di predicibilità assumono che esista un livello di variabilità “di fondo” relativamente stabile a cui l’errore tende a saturare. Ma se la variabilità stratosferica cambia sistematicamente nel corso della stagione – per esempio perché cambia la forza del vortice, la struttura del getto, la refrattività del waveguide o la distribuzione della dissipazione – allora anche l’idea di una saturazione unica diventa sfuggente. La troposfera, in questo senso, appare più “stazionaria” nella variabilità media su quelle finestre, mentre la stratosfera mostra un’evoluzione stagionale più marcata. Questo è coerente con la visione dinamica della stratosfera come sistema a forte controllo radiativo e con geometria del vortice che evolve lungo l’inverno: il contesto in cui le onde si propagano non è costante, e quindi non è costante nemmeno la variabilità che l’ensemble può esprimere. Il messaggio pratico è netto: valutare la predicibilità stratosferica richiede metriche che tengano conto della non stazionarietà stagionale, un tema presente anche in filoni più recenti di ricerca sulla valutazione probabilistica e sulla calibrazione degli ensemble in regime dipendente dallo stato del sistema.

Le implicazioni modellistiche, infine, vanno dritte al punto: se i sistemi previsionali di nuova generazione vogliono migliorare sulla previsione dei grandi SSW, devono rappresentare meglio i meccanismi che generano e modulano le onde planetarie e la loro propagazione verso l’alto. La forzante delle onde planetarie nasce in troposfera da ingredienti molto concreti: topografia (e quindi l’orografia “effettiva” vista dal modello), contrasti termici terra–mare e relative sorgenti diabatiche, anomalie di SST e loro teleconnessioni, e soprattutto il contributo degli eddy sinottici e delle scale sub-sinottiche che alimentano e modulano l’attività d’onda planetaria. Qui si innesta un risultato ben noto in modellistica: una risoluzione orizzontale sufficiente a “vedere” le onde planetarie non garantisce, da sola, una descrizione accurata delle sorgenti e dei feedback che le forzano. La topografia può risultare troppo smussata, i gradienti termici costieri troppo diffusi, la risposta alle anomalie di SST e al forcing diabatico troppo dipendente dalle parametrizzazioni, e la dinamica degli eddy sinottici (che interagiscono con il getto e con il waveguide) può essere rappresentata con bias che, sommati, degradano proprio ciò che serve per prevedere il wave driving. Molti studi su bias stratosferici nei GCM e nei sistemi S2S convergono su questo punto: la qualità della previsione stratosferica non dipende solo dalla “stratosfera” in sé, ma dalla fedeltà con cui la troposfera produce e organizza le onde che poi salgono e depositano momento, e dalla capacità del modello di mantenere realistici sia il flusso medio sia il percorso di propagazione.

In sintesi, queste conclusioni propongono una lettura molto concreta del perché i major SSW restino difficili: il limite di predicibilità è imposto dalla combinazione di tre fattori che si rinforzano a vicenda, ovvero la sensibilità caotica alle condizioni iniziali, la dominanza dell’errore di fase nelle onde planetarie e l’amplificazione non lineare quando si passa ai flussi d’onda. Se si vuole guadagnare abilità predittiva, il bersaglio non è soltanto “migliorare la climatologia stratosferica”, ma aumentare la fedeltà con cui il modello genera, modula e propaga le onde planetarie e il loro forcing, perché è lì che nasce – e si perde – l’informazione utile a prevedere l’evento.