Tendenze Osservate e Teleconnessioni dell’Alta Pressione Siberiana: Un Centro d’Azione in Recente Declino

Tendenze Osservate e Teleconnessioni dell’Alta Pressione Siberiana: Un Centro d’Azione in Recente Declino
FOTIS PANAGIOTOPOULOS e MARIA SHAHGEDANOVA
Dipartimento di Geografia, Università di Reading, Reading, Regno Unito
ABDELWAHEB HANNACHI e DAVID B. STEPHENSON
Dipartimento di Meteorologia, Università di Reading, Reading, Regno Unito
(Articolo ricevuto il 16 giugno 2003, in forma definitiva il 13 settembre 2004)

RIASSUNTO
Questo studio esamina la variabilità nell’intensità dell’alta pressione siberiana (SH) durante l’inverno, definendo un indice SH (SHI) robusto e correlandolo con selezionati campi meteorologici e indici di teleconnessione. È stata rilevata una marcata tendenza di –2,5 hPa per decennio nell’SHI tra il 1978 e il 2001, con valori dell’SHI eccezionalmente bassi (dal 1871). L’indebolimento dell’SH è stato confermato analizzando diverse analisi grigliate storiche e osservazioni di stazioni individuali di pressione a livello del mare (SLP), escludendo possibili effetti dalla conversione della pressione superficiale in SLP.

Le mappe di correlazione dell’SHI con vari campi meteorologici mostrano che gli impatti dell’SH sulla circolazione e sui pattern di temperatura si estendono ben oltre l’area di origine dell’SH, dall’Artico al Pacifico tropicale. L’avvezione di aria calda dall’Europa orientale è stata identificata come il principale meccanismo che causa condizioni più miti del normale sopra i mari di Kara e Laptev in associazione con un forte SH. Nonostante i forti impatti della variabilità dell’SH sulla variabilità climatica dell’emisfero settentrionale, le correlazioni tra l’SHI e i principali indici di teleconnessione dell’emisfero settentrionale sono deboli. L’analisi di regressione ha mostrato che gli indici di teleconnessione non sono in grado di riprodurre la variabilità interannuale e le tendenze nell’SH. L’inclusione della temperatura superficiale regionale nel modello di regressione fornisce una corrispondenza più stretta tra l’SHI originale e quello ricostruito.

1. Introduzione

L’analisi delle mappe mensili della pressione a livello del mare (SLP) invernale rivela l’esistenza di un esteso anticiclone semipermanente sull’Asia. Questo è chiaramente visibile come un massimo nella media invernale della SLP nell’emisfero settentrionale (NH; Fig. 1). Questo fenomeno, noto come l’alta pressione siberiana (SH), è associato con le masse d’aria più fredde e dense dell’emisfero settentrionale (Lydolf 1977). Si tratta di un centro d’azione atmosferico semipermanente e quasi stazionario, predominante nella stagione invernale boreale. L’SH si forma generalmente in ottobre, principalmente in risposta al forte e continuativo raffreddamento radiativo nella troposfera inferiore sopra la superficie innevata dell’Asia, e persiste fino a circa la fine di aprile. Lydolf (1977) considerava l’SH come un sistema a nucleo freddo e poco profondo, confinato agli strati inferiori della troposfera al di sotto del livello di pressione di 500 hPa. L’SH è solitamente centrato sulla Mongolia settentrionale, ma spesso si estende su una vasta area dell’Asia, dominando così la circolazione a basso livello in quella regione durante l’inverno (Fig. 1).

Nonostante la sua evidente prominente e ampia estensione spaziale, sorprendentemente poco si sa sulla variabilità temporale dell’SH e sui suoi possibili impatti non locali sul tempo e sul clima nell’NH. La maggior parte degli studi precedenti ha focalizzato la variabilità su altri centri d’azione, come le depressioni islandese e delle Aleutine, legate rispettivamente alle Oscillazioni dell’Atlantico Nord e del Pacifico Nord (Stephenson et al. 2002; Panagiotopoulos et al. 2002).

Tuttavia, gli effetti locali dell’SH sul tempo e sul clima in Asia sono stati documentati. Vaste parti della Siberia centrale e orientale sono sotto l’influenza diretta dell’SH e sperimentano condizioni estremamente fredde e asciutte, associate alla minima copertura nuvolosa e alle perdite di radiazione a onde lunghe (Lydolf 1977). Al contrario, il possibile ruolo dell’SH nella variabilità climatica su Europa e regione artica ha ricevuto relativamente poca attenzione. Rogers (1997) ha studiato la variabilità della traiettoria delle tempeste dell’Atlantico Nord e ha suggerito che un’estensione verso ovest dell’SH in Europa è associata all’avvezione di aria calda sud-occidentale verso il nord Europa.

I pochi studi pubblicati sulla variabilità temporale dell’SH sono spesso contraddittori. Sahsamanoglou et al. (1991) hanno esaminato gli aspetti climatologici e la variabilità temporale dell’SH analizzando un record di 116 anni (1873–1988) di dati osservativi di SLP raccolti da Jones (1987). Sahsamanoglou et al. (1991) hanno costruito un indice basato sul valore massimo della SLP per ogni mese e hanno rilevato un graduale indebolimento dell’SH dopo il 1970. Hanno collegato la diminuzione dell’intensità dell’SH al continuo riscaldamento della troposfera inferiore osservato sulla Siberia durante lo stesso periodo.Questo risultato, tuttavia, non è stato confermato dallo studio osservazionale di Mokhov e Petukhov (1999), che hanno invece riscontrato un’intensificazione dell’SH dal 1960. Il loro studio si basava su dati di SLP derivati da carte sinottiche. Questi dati sono noti per contenere errori, ma non è chiaro se la differenza nei risultati tra Sahsamanoglou et al. (1991) e Mokhov e Petukhov (1999) sia esclusivamente dovuta alla qualità dei dati. Per quanto ne sappiamo, nessun’altra ricerca è stata pubblicata su questa importante questione, lasciando irrisolta la domanda sull’esistenza di tendenze a lungo termine nell’intensità dell’SH. Le tendenze storiche osservate nell’intensità dell’SH non sono state esplicitamente affrontate da Houghton et al. (2001).

L’indagine sulla relazione tra l’SH e la copertura nevosa eurasiatica ha ricevuto attenzione ma ha anche prodotto risultati inconcludenti. Clark et al. (1999) non hanno trovato un impatto significativo della variabilità dell’SH sulla variabilità della temperatura in Europa nel loro studio sulle relazioni tra estensione della neve, circolazione atmosferica e temperatura in Eurasia. Tuttavia, Cohen e Entekhabi (1999) hanno collegato cambiamenti nell’estensione della copertura nevosa eurasiatica con la variabilità nell’estensione dell’SH. Hanno sostenuto che durante gli anni con una vasta copertura nevosa autunnale e invernale in Eurasia, l’SH si espande inizialmente verso ovest nell’Europa settentrionale e poi verso nord sopra l’Artico congelato fino al Nord America, portando aria insolitamente fredda in queste regioni.

La letteratura pubblicata solleva due importanti e irrisolte questioni: 1) Quali sono le tendenze storiche nell’intensità dell’SH? 2) Come è correlata la variabilità dell’SH con la variabilità climatica in altre regioni extratropicali dell’emisfero settentrionale?

Questo studio affronta queste due questioni analizzando dataset storici grigliati e mensili di SLP di stazioni, che sono brevemente descritti nella sezione 2. Un indice medio dell’SH (SHI) è anche presentato in questa sezione. La variabilità temporale e le tendenze nell’intensità dell’SH sono discusse nella sezione 3. Nella sezione 4, le teleconnessioni sono investigate nell’NH usando l’SHI, e viene discussa la relazione dell’SHI con i principali modelli di teleconnessione. Le conclusioni sono presentate nella sezione 5.

La Figura 1 mostra la distribuzione della pressione a livello del mare (SLP) durante i mesi invernali (dicembre, gennaio, febbraio, abbreviati come DJF), media degli anni 1900-2001, utilizzando il dataset grigliato di SLP di Trenberth e Paolino (1980). Questa mappa fornisce una rappresentazione visiva della configurazione della pressione atmosferica nell’emisfero settentrionale, che è cruciale per lo studio dei pattern climatici e meteorologici.

Gli isobare sulla mappa sono disegnati a intervalli di 3 hPa, e sono utilizzate due diverse convenzioni per le linee in modo da distinguere tra zone di alta e bassa pressione:

• Linee continue sono impiegate per indicare i valori di SLP uguali o superiori a 1015 hPa, segnalando aree di alta pressione.
• Linee tratteggiate sono usate per rappresentare i valori di SLP inferiori a 1015 hPa, segnalando aree di bassa pressione.

La mappa include un’indicazione visiva dell’Alta Pressione Siberiana (SH), un fenomeno noto per essere uno dei più potenti centri di alta pressione nell’emisfero settentrionale durante l’inverno. L’area delimitata dalla linea in grassetto (compresa tra le latitudini 40°N e 65°N e le longitudini 80°E e 120°E) specifica la regione geografica su cui la SLP è stata mediata per calcolare l’indice SH (SHI). Questa zona comprende parti significative della Siberia e è critica per la comprensione delle dinamiche atmosferiche della regione, dato che l’SH influenza non solo le condizioni meteorologiche locali ma anche i modelli climatici su scala più ampia.

Un anticiclone, indicato dalla lettera “H” sulla mappa, segnala l’area di alta pressione che si associa all’SH. Questo sistema di alta pressione è caratterizzato da aria fredda e densa, e il suo posizionamento e intensità hanno effetti diretti sul clima di vasti settori dell’Asia e interazioni con dinamiche climatiche più lontane, influenzando le condizioni atmosferiche anche in Europa e Nord America.

2. Dati e Metodi
a. Dati
L’Alta Pressione Siberiana (SH) è meglio definita utilizzando la pressione a livello del mare (SLP) piuttosto che altri parametri come l’altezza geopotenziale a 500 hPa, principalmente a causa della sua natura termica e del suo ridotto spessore verticale. Questo studio sfrutta le medie invernali [dicembre–gennaio–febbraio (DJF)] sia di analisi grigliate storiche di SLP che di osservazioni individuali di stazioni di SLP e pressione superficiale. Per valutare l’effetto di una scarsa interpolazione dovuta a dati mancanti o correzioni statistiche applicate ai dataset, sono stati analizzati e confrontati tre diversi dataset grigliati di SLP. Tutti e tre i dataset sono costituiti da medie mensili di SLP, e i loro dettagli sono riassunti nella Tabella 1.

In aggiunta ai dati di pressione, sono stati utilizzati anche i valori medi mensili globalmente grigliati di varie altre variabili meteorologiche per il periodo 1948–2001, ottenuti dalle rianalisi del National Centers for Environmental Prediction–National Center for Atmospheric Research (NCEP–NCAR) (disponibili online all’indirizzo http://www.cpc.ncep.noaa.gov/products/wesley/reanalysis.html). La pressione superficiale e la SLP di diverse stazioni individuali sono state analizzate per il periodo disponibile di dati dal 1922 al 1998. La Tabella 2 fornisce informazioni sulle stazioni e sui periodi con dati mancanti. Le posizioni delle stazioni sono mostrate nella Figura 2. L’affidabilità dei dataset grigliati è stata testata confrontandola con le osservazioni delle stazioni di SLP e pressione superficiale (disponibili dal NCAR). Le correlazioni tra i valori di SLP dei dataset grigliati in punti singoli della griglia nell’area di origine dell’SH e le osservazioni dalle stazioni situate molto vicine a questi punti griglia sono state calcolate (non mostrate). Le correlazioni erano più elevate per il dataset Global Mean SLP (GMSLP2) e per i dataset di Trenberth.

La Figura 2 rappresenta la mappatura delle localizzazioni delle stazioni meteorologiche utilizzate nello studio per raccogliere dati sulla pressione a livello del mare (SLP). Queste stazioni sono strategicamente posizionate all’interno di un rettangolo in grassetto che delimita la regione specifica dove la SLP è stata mediata per calcolare l’indice dell’Alta Pressione Siberiana (SH). Le coordinate di questa regione sono comprese tra i 40°N e 65°N di latitudine e tra gli 80°E e 120°E di longitudine, coprendo un’ampia area della Siberia e parti adiacenti.

Le stazioni mostrate sulla mappa includono città significative come Irkutsk, Chita, Bratsk, e Kirensk, tra le altre. Queste stazioni sono cruciali per la raccolta di dati atmosferici, che sono fondamentali per l’analisi dell’intensità e della variazione dell’Alta Pressione Siberiana. I dati raccolti da queste stazioni forniscono una base empirica per il monitoraggio delle condizioni meteorologiche e climatiche nella regione, permettendo agli scienziati di studiare in modo più accurato e dettagliato le dinamiche dell’SH.

La disposizione geografica delle stazioni è essenziale non solo per garantire una copertura adeguata e rappresentativa del territorio analizzato, ma anche per valutare la precisione dei dataset grigliati utilizzati nello studio. In particolare, le correlazioni tra i dati grigliati di SLP e le osservazioni dirette dalle stazioni aiutano a validare l’affidabilità delle analisi e delle interpolazioni eseguite.

L’accuratezza di questi dati è critica per comprendere le interazioni tra l’Alta Pressione Siberiana e vari fenomeni meteorologici e climatici, inclusi i modelli di circolazione atmosferica e le variazioni stagionali di temperatura e precipitazioni nella regione. Questa configurazione è inoltre fondamentale per esplorare le potenziali influenze della variabilità dell’SH su scale climatiche più ampie, come quelle che impattano l’Eurasia e altre regioni extratropicali dell’emisfero settentrionale.

b. Definizione di un indice SH

Gli indici mediati sull’area sono generalmente più affidabili e possono fornire più intuizioni rispetto agli indici di un singolo punto, come quelli utilizzati da Sahsamanoglou et al. (1991) e Mokhov e Petukhov (1999). Questo avviene perché gli errori in singole localizzazioni vengono mediati e perché gli indici mediati sull’area rappresentano la variabilità in un centro d’azione piuttosto che in una singola località. Un indice SHI è stato creato mediando la SLP nella regione chiave tra 40°–65°N e 80°–120°E per ogni dataset grigliato (Fig. 1). La regione geografica è stata scelta attentamente preparando e esaminando un atlante di mappe mensili di SLP per tutti i mesi invernali tra il 1871 e il 2001 (392 in totale). L’esame dell’atlante ha rivelato che l’Alta Pressione Siberiana (SH) dominava quest’area con l’eccezione di pochi mesi soltanto (ad esempio, febbraio 1986 e gennaio 1971). L’SH talvolta si estende a sud del 40°N, tuttavia, questa regione è caratterizzata da un terreno complesso e elevato, e possono sorgere problemi quando si estrapolano i dati di pressione superficiale a SLP.

Per verificare l’indice mediato sull’area, è stato costruito anche un indice SHI basato sulle stazioni, prendendo la media delle osservazioni di SLP delle stazioni per il periodo 1922–98 dalle 11 stazioni selezionate situate nello stesso dominio geografico (Tabella 2 e Fig. 2). A causa di dati mancanti, 3 stazioni sono state utilizzate per il periodo 1922–41, 7 stazioni per il periodo 1922–51 e 11 stazioni per il periodo 1922–98. Gli indici calcolati mediando i dati di questi tre gruppi di stazioni separatamente hanno prodotto risultati molto simili all’indice delle 11 stazioni presentato qui, indicando che il numero di stazioni utilizzate non ha influenzato i risultati in modo significativo.

I valori medi invernali (DJF) dell’indice SHI basato sulle stazioni sono stati confrontati con l’SHI stimato dai dataset grigliati (Fig. 3). Tutti gli indici sono stati standardizzati sottraendo la media e dividendo per la deviazione standard delle serie temporali. In generale, si può osservare un buon accordo tra gli indici calcolati dai tre dataset grigliati. I valori dell’SHI basati sui dataset di Trenberth e Paolino (1980) e GMSLP2 sono i più vicini a quelli dell’indice basato sulle stazioni (i coefficienti di correlazione di Pearson sono rispettivamente r = 0.93 e r = 0.94). Al contrario, c’è meno accordo tra l’SHI derivato dal dataset di Jones (1987) e l’indice basato sulle stazioni (r = 0.77).

Inoltre, il dataset di Trenberth ha una risoluzione spaziale più alta rispetto al dataset di Jones e viene continuamente aggiornato a differenza del dataset GMSLP2, che non è stato aggiornato dal 1994. Il dataset di Trenberth è stato scelto per ulteriori analisi sulla base di tutti questi fattori insieme al fatto che è ampiamente utilizzato negli studi sulla variabilità climatica e molti errori e discontinuità sono stati identificati e corretti (Trenberth e Paolino 1980). Le tendenze e la variabilità nell’intensità dell’SH sono state analizzate utilizzando indici derivati dai quattro dataset, tuttavia, solo l’indice basato sul dataset di Trenberth è stato utilizzato nell’indagine sulla teleconnessione dell’SH.

La Tabella 1 fornisce informazioni essenziali sui dataset grigliati di pressione a livello del mare (SLP) utilizzati in questo studio per analizzare la variabilità e l’intensità dell’Alta Pressione Siberiana. I dettagli di ciascun dataset includono il nome, il periodo di copertura, la risoluzione spaziale, e commenti specifici che aiutano a comprendere la natura e l’uso dei dati:

1. Trenberth (1899-2001):
   • Risoluzione: 5° x 5° – Questa risoluzione indica che i dati di pressione sono stati mediati su celle della griglia che coprono cinque gradi di latitudine e cinque gradi di longitudine, fornendo una discretizzazione spaziale che bilancia dettaglio e ampiezza della copertura.
   • Commenti: Correzioni statistiche applicate prima del 1922. Questo commento suggerisce che il dataset è stato sottoposto a trattamenti statistici per correggere eventuali anomalie o errori nei dati più antichi, migliorando così l’affidabilità delle analisi climatiche e meteorologiche lungo tutto l’arco temporale coperto.
2. Jones (1873-2000):
   • Risoluzione: 5° x 10° – Rispetto al dataset di Trenberth, questa risoluzione implica una maggiore granularità in latitudine ma una minor dettaglio in longitudine, potenzialmente utile per studi che non richiedono una precisione longitudinale elevata.
   • Commenti: Una combinazione di dati osservativi e modellati. Questo approccio di fusione dei dati è critico per compensare le lacune nelle osservazioni dirette, fornendo una serie temporale continua che facilita analisi a lungo termine del clima e delle sue variazioni.
3. GMSLP2 (1871-1994):
   • Risoluzione: 5° x 5° – Questo dataset condivide la stessa risoluzione del dataset di Trenberth, offrendo un buon equilibrio tra copertura geografica e dettaglio spaziale.
   • Commenti: Un mix di dati osservativi e modellati. Similmente al dataset di Jones, anche GMSLP2 integra dati osservativi con output modellati per assicurare una rappresentazione coerente e completa delle condizioni di SLP, nonostante termini nel 1994, il che limita il suo utilizzo per studi delle tendenze più recenti.

Questi dataset sono accessibili tramite piattaforme online dedicate, come indicato dalle URL fornite nella tabella, che permettono agli utenti di scaricare e utilizzare i dati per ricerche climatiche e meteorologiche. La scelta di dataset con diverse combinazioni di risoluzioni e modalità di integrazione dati offre agli scienziati la flessibilità di adattare l’analisi alle specifiche esigenze del loro studio, considerando sia le necessità di dettaglio spaziale che di estensione temporale.

La Tabella 2 elenca le stazioni meteorologiche utilizzate in questo studio, fornendo dettagli essenziali che includono la localizzazione, l’altitudine e gli anni di dati mancanti per ciascuna stazione. Questi dettagli sono cruciali per l’analisi della pressione a livello del mare (SLP) e di altri dati meteorologici rilevanti per la comprensione delle dinamiche climatiche nella regione.

• Stazione: Indica il nome della stazione meteorologica, il punto di riferimento specifico per la raccolta dei dati atmosferici.
• Localizzazione (Latitudine e Longitudine): Fornisce le coordinate precise di ciascuna stazione, essenziali per localizzare le misurazioni geograficamente e per correlare le variazioni meteorologiche con specifiche aree geografiche.
• Altitudine (m): L’altitudine della stazione espressa in metri sul livello del mare. Questo parametro è fondamentale perché l’altitudine può influenzare significativamente le misurazioni di temperature, pressione e altri fattori meteorologici. Le variazioni di altitudine tra le stazioni possono quindi avere un impatto diretto sui dati raccolti e sulla loro interpretazione.
• Dati Mancanti: Anni per i quali non sono disponibili dati per la stazione specifica. La presenza di lacune nei dati è critica per la valutazione della continuità e dell’affidabilità delle serie storiche di dati utilizzate nelle analisi climatiche.

Dettagli specifici delle stazioni incluse:

• Barnaul – Situata a 53.26°N, 83.31°E, altitudine di 252m. Dati mancanti dal 1931-1941.
• Chita – Localizzazione a 52.05°N, 113.29°E, altitudine di 685m, un sito significativamente elevato, con dati mancanti dal 1922-1941.
• Enisejsk – A 58.27°N, 92.09°E, 78m di altitudine. Dati mancanti dal 1931-1941.
• Irkutsk – 52.16°N, 104.19°E a un’altitudine di 213m, con anni di dati mancanti dal 1931-1941.
• Kirensk – 57.46°N, 108.04°E, 258m. Dati mancanti dal 1922-1941.
• Kolpashev – A 58.19°N, 82.54°E, 76m di altitudine. Periodo senza dati dal 1922-1951.
• Krasnojarsk – 56.23°N, 93.17°E, 194m. Anche qui, i dati mancanti vanno dal 1922-1951.
• Minussinsk – Localizzata a 53.42°N, 91.42°E, altitudine di 250m, con dati mancanti dal 1922-1951.
• Troickij Prisk – La stazione più elevata, situata a 54.56°N, 113.13°E e 1310m di altitudine, dati mancanti dal 1922-1951.
• Turuhansk – A 65.47°N, 87.57°E, solo 32m di altitudine. Anni di dati mancanti dal 1922-1941.

La presenza di stazioni in diverse latitudini e altitudini aiuta a coprire vari aspetti del clima regionale e a catturare la variazione meteorologica all’interno dell’area di studio, essenziale per studi complessi sul clima e sulle variazioni atmosferiche. L’indicazione degli anni di dati mancanti è vitale per comprendere le potenziali limitazioni nei trend climatici derivati e per pianificare eventuali correzioni o interpolazioni necessarie nelle analisi.

3. Variabilità Temporale dell’Alta Pressione Siberiana (SH) a. Tendenze nell’intensità dell’SH

La Figura 4 mostra le serie temporali standardizzate DJF dell’indice SHI derivato dal dataset di Trenberth (Trenberth e Paolino 1980). Per evidenziare le tendenze a lungo termine, è stato utilizzato un filtro di Henderson a 21 termini (Henderson 1916). Questo filtro liscia i dati mantenendo le tendenze polinomiali quadratiche e cubiche e produce variazioni più lisce rispetto ai filtri binomiali (Kenny e Durbin 1982). Le principali caratteristiche dell’SHI includono valori bassi all’inizio del ventesimo secolo, valori più alti di SHI a metà del secolo, e, più importantemente, una marcata tendenza al ribasso osservata dopo il 1977 (Fig. 4). Le medie sono state calcolate e tracciate per i periodi 1900–77 e 1978–2001 per enfatizzare il diverso regime di intensità dell’SH dopo il 1978 (Fig. 4). Il forte declino dell’SH dopo il 1978 è confermato dagli SHI derivati da tutti e tre i dataset grigliati e anche dai dati delle stazioni (Fig. 3).

La regressione lineare è stata utilizzata per quantificare la tendenza al ribasso nel periodo 1978–98 e anche nel periodo 1922–98 quando tutti e quattro i dataset erano disponibili, e i risultati sono riassunti nella Tabella 3. La media della tendenza al ribasso nel periodo 1978–98 varia da –1.6 hPa per decennio nei dataset GMSLP2 e delle stazioni a –2.5 hPa per decennio nel dataset di Jones e –2.6 hPa per decennio nel dataset di Trenberth e Paolino (1980). La tendenza è statisticamente significativa al livello dell’1% in tutti i dataset tranne che nel GMSLP2. Inoltre, la tendenza al ribasso rappresenta una grande quantità di varianza totale nel periodo 1978–98, raggiungendo il 41.4% per i dati di Trenberth. Valori senza precedenti di SHI sono stati osservati durante questo periodo (Fig. 4).

L’attuale indebolimento dell’SH è senza precedenti e considerevolmente maggiore dell’indebolimento osservato intorno al 1920. Un confronto della Fig. 1, che mostra la SLP media dal 1900 al 2001, e della Fig. 5a, che mostra la SLP media dal 1985 al 2001, evidenzia l’anticiclone medio più debole negli ultimi 15 anni, con la netta diminuzione della pressione su Siberia chiaramente visibile nella Fig. 5b. Aumenti compensativi della pressione sono avvenuti sull’Atlantico subtropicale e a sud delle regioni dell’alta pressione siberiana.

La Figura 3 rappresenta l’indice standardizzato della pressione a livello del mare (SLP) dell’Alta Pressione Siberiana (SH) durante i mesi invernali (DJF), calcolato utilizzando tre differenti dataset grigliati di SLP, insieme alla media delle osservazioni raccolte da 11 stazioni meteorologiche situate all’interno della stessa area geografica in Siberia.

• Asse X: Mostra l’arco temporale dal 1920 al 2000, permettendo di esaminare l’evoluzione dell’indice SH SLP su quasi un intero secolo.
• Asse Y: Rappresenta i valori standardizzati dell’indice SH SLP. I valori sono espressi in unità di deviazione standard dalla media a lungo termine, con valori positivi che indicano un’intensità superiore alla media e valori negativi che indicano un’intensità inferiore alla media.
• Linee del Grafico:
  • Linea continua (Trenberth): Indica i valori derivati dal dataset di Trenberth.
  • Linea tratteggiata (GMSLP2): Indica i valori derivati dal dataset GMSLP2.
  • Linea punteggiata (Jones): Mostra i valori derivati dal dataset di Jones.
  • Linea mista (tratteggio e punto) (Stazioni): Rappresenta la media delle osservazioni dirette provenienti dalle 11 stazioni.
• Osservazioni Chiave:
  • Si nota una fluttuazione significativa dell’indice SH SLP tra i vari dataset nel corso degli anni. Questo evidenzia la variabilità intrinseca del fenomeno climatico e le differenze potenziali nei metodi di raccolta e analisi dei dati tra i diversi dataset.
  • Dal grafico emerge una tendenza al ribasso marcata dopo il 1977, indicando un indebolimento significativo dell’Alta Pressione Siberiana negli ultimi decenni del XX secolo. Questo trend di declino è coerente attraverso tutti i dataset mostrati, inclusi i dati raccolti direttamente dalle stazioni.
  • Il grafico evidenzia anche l’importanza di utilizzare dati multipli per avere una visione comprensiva e accurata delle dinamiche di lungo termine del clima in una specifica regione geografica.
• Implicazioni:
  • L’indebolimento dell’SH ha importanti implicazioni climatiche, influenzando non solo il clima della Siberia ma anche le dinamiche climatiche globali, dato il ruolo dell’SH nei modelli di circolazione atmosferica e nelle dinamiche delle masse d’aria dell’emisfero nord.
  • La variazione della pressione osservata e l’intensità variabile dell’SH possono avere ripercussioni su pattern meteorologici come i percorsi delle tempeste, la distribuzione delle precipitazioni e le temperature invernal i in vasti settori del globo.

In conclusione, la Figura 3 fornisce una rappresentazione visiva chiara e comprensiva delle tendenze a lungo termine nell’intensità dell’Alta Pressione Siberiana, utilizzando una combinazione di dati grigliati e osservazioni dirette, che sono essenziali per la validazione e la comprensione delle tendenze osservate.

La Figura 4 mostra la serie temporale dell’indice standardizzato dell’Alta Pressione Siberiana (SHI) per i mesi invernali (DJF), calcolato utilizzando il dataset di pressione a livello del mare (SLP) di Trenberth e Paolino (1980). Questo indice è mediato per l’area geografica compresa tra 40°–65°N e 80°–120°E.

• Linee del Grafico:
  • La linea continua nera rappresenta l’indice SHI anno per anno, mostrando la variabilità annuale dell’intensità dell’Alta Pressione Siberiana.
  • La linea tratteggiata nera indica l’applicazione di un filtro di Henderson di ordine 21. Questo filtro è utilizzato per evidenziare le tendenze a lungo termine e la variabilità a bassa frequenza, lisciando le fluttuazioni annuali per rivelare i movimenti sottostanti più persistenti.
• Asse X:
  • Estende dal 1900 al 2001, offrendo una panoramica di più di un secolo di variazioni nell’intensità dell’Alta Pressione Siberiana.
• Asse Y:
  • Mostra i valori dell’indice SHI standardizzato, con zero che rappresenta la media a lungo termine. Valori sopra lo zero indicano un’intensità superiore alla media, mentre valori sotto lo zero indicano un’intensità inferiore alla media.
• Analisi delle Tendenze:
  • Il trend lineare illustrato nel grafico mostra un marcato declino dell’intensità dell’SH dal 1978 al 2001, evidenziando un indebolimento significativo di questo fenomeno climatico.
  • Il filtro di Henderson, per sua natura, aiuta a identificare le tendenze quadratiche e cubiche più significative, fornendo una visione più chiara delle dinamiche a lungo termine rispetto ai filtri binomiali che tendono a preservare maggiormente la variabilità di breve termine.
• Linee Orizzontali Sottili:
  • Indicano le medie calcolate per due periodi distinti: 1900–77 e 1978–2001. Queste linee sono utili per visualizzare il cambiamento nel livello medio dell’intensità dell’SH tra due periodi climatici distinti, con la seconda metà che mostra un’intensità notevolmente ridotta rispetto alla prima.

Implicazioni Scientifiche:

• L’osservazione di un indebolimento significativo dell’SH negli ultimi decenni del grafico è di particolare interesse per i climatologi, poiché l’Alta Pressione Siberiana influenza i pattern meteorologici e climatici su vasta scala, inclusi gli impatti potenziali sulle temperature invernali e sui modelli di precipitazione in Eurasia e oltre.
• La variazione marcata evidenziata dal filtro di Henderson suggerisce cambiamenti significativi nei fattori che governano la formazione e la persistenza dell’SH, che potrebbero essere collegati a cambiamenti più ampi nel sistema climatico globale.

La Tabella 3 fornisce un’analisi della tendenza lineare degli indici dell’Alta Pressione Siberiana (SH) derivati da vari dataset di pressione a livello del mare (SLP). Questa analisi è strutturata per quantificare la tendenza nel tempo dell’intensità dell’SH durante i periodi 1922-1998 e 1978-2001.

• Colonne della Tabella:
  • Dataset: Identifica il dataset SLP specifico utilizzato per calcolare l’indice SH.
  • Trend + std error (hPa/decade): Mostra la tendenza di cambiamento nell’intensità dell’SH per decennio, con il valore di errore standard associato, che fornisce una misura dell’incertezza statistica della stima della tendenza.
  • p value: Valore p associato al test statistico che verifica l’ipotesi nulla secondo cui non esiste alcuna tendenza significativa nell’intensità dell’SH. Un valore p inferiore a 0.05 indica che la tendenza è statisticamente significativa, rifiutando l’ipotesi nulla.
  • Variance explained (%): Percentuale della varianza totale dell’indice SH che è spiegata dalla tendenza lineare osservata, indicando quanto della variazione nell’indice SH può essere attribuita alla tendenza rilevata.
• Risultati per Periodo 1922-1998:
  • I dataset di Trenberth, Jones, e Station SLP mostrano una tendenza al ribasso. In particolare, il dataset delle stazioni mostra la tendenza più marcata di -0.54 hPa per decennio e la più alta percentuale di varianza spiegata (21.6%), suggerendo una forte influenza della tendenza nel modello complessivo dell’indice SH.
  • I valori p per questi dataset sono generalmente molto bassi, confermando la significatività statistica delle tendenze osservate.
• Risultati per Periodo 1978-2001:
  • Questo periodo più recente mostra tendenze al ribasso ancora più pronunciate, con il dataset di Trenberth registrando una diminuzione di -2.6 hPa per decennio e una varianza spiegata del 41.4%, indicando un cambiamento significativo e una grande parte della varianza dell’indice SH attribuibile a questa tendenza.
  • Anche il dataset di Jones e GMSLP2 mostrano forti tendenze negative, con il valore p per il dataset di Jones che è particolarmente basso (0.003), rafforzando ulteriormente la significatività statistica di questa tendenza al ribasso.

Implicazioni Scientifiche:

• L’analisi della tendenza nella Tabella 3 evidenzia un chiaro indebolimento dell’Alta Pressione Siberiana nei periodi considerati, con tendenze particolarmente marcate nel periodo più recente (1978-2001). Questo può avere implicazioni significative per la comprensione delle dinamiche climatiche in Siberia e nelle regioni circostanti.
• L’uso di diverse serie temporali e l’analisi della varianza spiegata aiutano a comprendere non solo la direzione e la magnitudine delle tendenze climatiche, ma anche la loro rilevanza statistica e il loro impatto sulle variazioni generali del clima.

b. Possibili effetti della temperatura sulla tendenza

La presenza di una tendenza al ribasso senza precedenti negli ultimi due decenni solleva interrogativi sull’origine di questa tendenza. La Figura 6 mostra le anomalie della temperatura dell’aria superficiale (SAT) standardizzate per l’inverno (DJF) e la pressione a livello del mare (SLP) mediate sulla stessa area del dominio SHI, calcolate da un set di temperature medie mensili compilate da Jones et al. (1999) su una griglia di 5° x 5°. È stato osservato un riscaldamento sostanziale in quest’area dopo il 1970, che coincide temporalmente con il marcato indebolimento dell’SH. È stata trovata una forte correlazione negativa di r = –0.66 (significativamente diversa da zero al livello dell’1%) tra le due serie temporali.

Le tendenze della SLP sulla terra devono essere trattate con cautela perché la SLP è calcolata dalla pressione superficiale utilizzando l’equazione idrostatica e la temperatura superficiale per estrapolare al livello del mare. Pertanto, è possibile che, anche se la pressione superficiale di una stazione rimane costante nel tempo, tendenze possano apparire artificialmente nel registro della SLP della stazione a causa di grandi tendenze nella temperatura. Calcoli semplici usando l’equazione idrostatica, usata per estrapolare la pressione al livello del mare, mostrano che il riscaldamento osservato in Siberia non è sufficiente a spiegare la diminuzione della SLP senza avere anche una diminuzione nella pressione superficiale (vedi l’allegato).

In particolare, se non ci fossero cambiamenti nella pressione superficiale nel dominio SHI durante il periodo 1922–98, l’aumento significativo della temperatura (circa 3°C) osservato nell’area nello stesso periodo (senza alcuna riduzione della pressione superficiale) comporterebbe una diminuzione della SLP di soli 0.6 hPa, che è molto inferiore rispetto alla diminuzione di 2.8 hPa osservata nella SLP nell’area studiata. Calcoli simili per il periodo 1978–98 danno una diminuzione della SLP di 0.04 hPa, che contrasta con la diminuzione della SLP osservata di 5.2 hPa. Con nessun cambiamento nella pressione superficiale, sarebbero necessari aumenti di temperatura di 12° e 23°C per spiegare le diminuzioni osservate nella SLP nei periodi 1922–98 e 1978–98, rispettivamente.

La diminuzione dell’SH non è quindi un artefatto del metodo usato per calcolare la SLP dalla pressione superficiale. L’analisi dei dati di pressione superficiale di tutte le stazioni disponibili (Barnaul, Chita, Enisejsk, Irkutsk, Kirensk, Minusinsk e Turuhansk; Tabella 2) conferma che c’è stata una variazione simile nella pressione superficiale. La Figura 7 mostra la serie temporale standardizzata DJF dell’indice SHI ottenuta mediando i dati di SLP e di pressione superficiale disponibili dalle stazioni nell’area 40°–65°N, 80°–120°E per il periodo 1922–98. C’è un accordo molto stretto tra i due indici, e entrambi mostrano valori bassi negli ultimi 30 anni, confermando l’affidabilità della tendenza al ribasso trovata nell’intensità dell’SH.

La Figura 5 consiste di due parti (a) e (b) che illustrano le variazioni della pressione a livello del mare (SLP) nell’emisfero settentrionale durante l’inverno (DJF), focalizzandosi sull’Alta Pressione Siberiana (SH) e le sue variazioni temporali:

(a) Media invernale della SLP (1985–2001)

• Panello (a) presenta una mappa della SLP media durante i mesi invernali per il periodo 1985–2001. L’alta pressione è indicata dal simbolo “H”, situato tipicamente sulla Siberia, che è il cuore dell’Alta Pressione Siberiana.
• L’area delimitata dalla linea in grassetto (40°–65°N, 80°–120°E) indica la regione su cui la SLP è stata mediata per calcolare l’indice SHI. Questa specifica configurazione geografica aiuta a identificare l’influenza diretta dell’Alta Pressione Siberiana nella regione.

(b) Differenza tra la SLP media mostrata in (a) e la Figura 1

• Panello (b) visualizza le differenze nella SLP tra il periodo più recente (1985–2001) mostrato in (a) e il periodo esteso (1900–2001) visualizzato nella Figura 1. Questa mappa di differenza sottolinea come la pressione a livello del mare sia cambiata nel corso del tempo, mettendo in evidenza le regioni di aumento e diminuzione della pressione.
• La spaziatura dei contorni è di 1 hPa, dove i contorni solidi rappresentano valori positivi (aumento della SLP), e i contorni tratteggiati indicano valori negativi (diminuzione della SLP). Questa distinzione è fondamentale per visualizzare con chiarezza dove e come la pressione atmosferica si sia modificata nel corso degli anni.

Implicazioni e Considerazioni Scientifiche

• L’analisi di queste mappe è essenziale per capire l’impatto del cambiamento climatico e di altri fattori ambientali sull’intensità e la posizione dell’Alta Pressione Siberiana.
• Figura 5 (b), in particolare, rivela significative variazioni nella distribuzione della pressione che possono essere associate a cambiamenti nelle temperature, nei modelli di circolazione atmosferica, e in altri fattori climatici che influenzano direttamente la regione.
• Il confronto tra le due figure aiuta a comprendere non solo come la pressione sia cambiata, ma anche a inferire le possibili cause dietro questi cambiamenti, come le variazioni termiche che possono influenzare la densità e il movimento delle masse d’aria.

La Figura 6 illustra due serie temporali standardizzate relative ai mesi invernali (DJF), mostrando le anomalie della pressione a livello del mare (SLP) e della temperatura dell’aria superficiale (SAT), mediate per l’area tra 40°–65°N e 80°–120°E. Queste serie temporali sono derivate da dataset scientificamente validati e rappresentano variazioni climatiche su un arco temporale esteso del XX secolo.

Dettagli delle Serie Temporali:

• Linea continua (SLP): Questa linea rappresenta le anomalie della pressione a livello del mare utilizzando il dataset di Trenberth e Paolino (1980). Le variazioni della SLP sono un indicatore chiave delle modifiche nel sistema climatico della regione, riflettendo fenomeni come l’espansione o il restringimento dell’Alta Pressione Siberiana.
• Linea tratteggiata (SAT): Mostra le anomalie della temperatura dell’aria superficiale basate sul dataset di Jones et al. (1999). La temperatura è un fattore cruciale che interagisce direttamente con i modelli di pressione atmosferica, influenzando la densità dell’aria e le dinamiche di circolazione.

Asse X:

• Rappresenta il periodo dal 1910 al 2000, offrendo una vista longitudinale delle tendenze climatiche e meteorologiche nel corso del XX secolo.

Asse Y:

• Mostra i valori standardizzati delle anomalie, con lo zero che indica la media a lungo termine. I valori sopra lo zero indicano anomalie positive, mentre quelli sotto lo zero indicano anomalie negative.

Osservazioni Chiave:

• Correlazione e Interazione: Vi è una evidente correlazione inversa tra SLP e SAT in vari punti del grafico, dove un aumento della temperatura corrisponde spesso a una diminuzione della pressione e viceversa. Questo suggerisce una forte interazione tra i due parametri, dove il riscaldamento potrebbe contribuire alla diminuzione della pressione atmosferica attraverso la riduzione della densità dell’aria.
• Tendenze a Lungo Termine: È evidente un trend di diminuzione della SLP e di aumento della SAT negli ultimi decenni, che si allinea con le aspettative di un cambiamento climatico globale che porta a un riscaldamento generale e modifiche nei pattern di pressione atmosferica.

Deviazioni Standard:

• Le deviazioni standard delle serie temporali non standardizzate indicano una variabilità di 2.2 hPa per la SLP e 2.02°C per la SAT, fornendo un contesto sulla variabilità climatica osservata nella regione studiata.

4. Teleconnessioni dell’Alta Pressione Siberiana (SH) nell’Emisfero Nord a. Correlazioni tra l’indice SH e i campi meteorologici

Le interazioni tra l’intensità dell’SH e altri campi meteorologici sono state esaminate attraverso la correlazione dell’indice SHI, derivato dal dataset di Trenberth (Trenberth e Paolino, 1980), con il campo della pressione a livello del mare (SLP) e con vari campi della rianalisi NCEP–NCAR. Per focalizzarsi sulle variazioni interannuali, i trend lineari sono stati rimossi prima di procedere con l’analisi dall’indice SHI e da tutti i campi considerati.

Per assicurare che le correlazioni non fossero influenzate da trend temporali non lineari nei dati, l’analisi è stata ripetuta sui dati originali dopo averli detrendizzati. Questo è stato fatto calcolando la differenza tra il valore in un dato anno e l’anno precedente. Questo metodo di detrendizzazione è standard e ampiamente utilizzato per le serie temporali. I risultati ottenuti sono simili a quelli che si avrebbero rimuovendo solo i trend lineari.

La Figura 8a mostra le correlazioni dell’indice SHI con la media invernale di SLP grigliata di Trenberth per il periodo 1899–2001. Si osserva un’ampia area di forti correlazioni positive che domina l’Asia settentrionale e si estende fino al sud-est della Cina. Correlazioni negative sono state osservate tra l’indice SHI e la SLP nel Mediterraneo centrale, in Libia e nella parte subtropicale del Nord Pacifico. Queste correlazioni sono state trovate statisticamente significative al 5% usando un test t per due campioni.

Questa relazione tra l’intensità dell’SH e la pressione sulla regione del Mediterraneo suggerisce che una maggiore ciclogenesi sul Mediterraneo è collegata ad anomalie positive dell’SH. Questo risultato concorda con lo studio di Rogers (1997), che ha collegato la ciclogenesi nel Mediterraneo con un forte SH nella sua analisi della variabilità delle tempeste dell’Atlantico Nord.

Le correlazioni tra l’indice SHI e la componente zonale del vento a 200 hPa mostrano collegamenti interessanti tra l’SH e la circolazione nell’alta troposfera. In particolare, il getto subtropicale sopra il sud-est della Cina e il Nord Pacifico risulta significativamente più forte del solito quando l’SH è più intenso. Questo intensificarsi dei venti di livello superiore è una caratteristica tipica del monsone invernale dell’Asia orientale. Ulteriori studi hanno associato lo sviluppo dell’SH con un monsone invernale dell’Asia orientale più marcato. Il getto di vento sopra il Mediterraneo orientale si rafforza anche con l’intensificazione dell’SH. Al contrario, il vento zonale dell’alta troposfera è significativamente più debole sull’Asia settentrionale e sull’Europa settentrionale. Un’altra area di correlazioni positive statisticamente significative tra l’SH e il vento zonale di alta quota è stata osservata ad alte latitudini a nord del mare di Kara. Questo suggerisce che, benché l’SH mostri la sua massima ampiezza nella bassa troposfera, esso è associato a livello emisferico con il flusso di alta quota.Le correlazioni tra l’indice SHI e la temperatura dell’aria, comprese le temperature a due metri su terra e le temperature della superficie del mare (SST) derivanti dalle rianalisi NCEP–NCAR, sono ben definite in molte regioni. Un SH intenso è associato a condizioni più fredde della media nell’area SH, estendendosi verso il Pacifico settentrionale e il sud-est asiatico. Questo evidenzia una forte relazione tra l’SH e il monsone invernale dell’Asia orientale, oltre alle intrusioni di aria fredda in queste aree.

Le temperature dell’aria e le SST nei settori di Kara e parte del Laptev dell’Artico mostrano correlazioni positive con l’intensità dell’SH. Queste correlazioni possono essere spiegate dall’advezione di aria calda dall’Europa, associata al flusso di ritorno meridionale/sud-occidentale lungo la periferia dell’SH quando l’SH è forte. I dati di advezione orizzontale della temperatura a basso livello (1000 hPa) confermano ciò mostrando un’ampia area di advezione calda nell’Europa orientale e settentrionale che raggiunge l’Artico russo.

Il ruolo dell’advezione calda è ulteriormente supportato dal fatto che i coefficienti di correlazione tra la temperatura nel settore Kara-Laptev dell’Artico e l’SHI sono significativamente maggiori all’inizio dell’inverno, quando le masse d’aria sull’Europa sono ancora considerevolmente più calde delle masse d’aria sul settore Kara-Laptev dell’Artico. La correlazione positiva tra queste temperature e l’SH può anche aiutare a spiegare la mancanza osservata di riscaldamento nel settore Kara-Laptev dell’Artico nonostante l’aumento riportato nella frequenza dei sistemi di bassa pressione e il riscaldamento previsto dai modelli di circolazione generale (GCM). Mentre la maggior parte dei GCM prevede che le temperature invernali dell’aria in queste parti dell’Artico dovrebbero aumentare considerevolmente, non sono stati osservati trend positivi dagli anni ’50, possibilmente a causa della ridotta advezione meridionale dovuta a un indebolimento dell’SH.La forte relazione tra l’indice SHI e l’advezione orizzontale della temperatura superficiale nell’area di origine dell’Alta Pressione Siberiana (SH) può offrire ulteriori spunti sui meccanismi di sviluppo dell’SH. Si osserva che l’advezione della temperatura è ridotta sulla Siberia quando l’SH è particolarmente forte (r ≈ -0.5; Fig. 9). Un meccanismo proposto è il seguente: quando si inizia a formare l’anticiclone sulla Siberia, i cicloni extratropicali vengono bloccati e deviati più a nord, sopra i mari di Kara e Laptev, aumentando l’advezione della temperatura in queste aree. Allo stesso tempo, meno tempeste attraversano la Siberia, il che comporta una diminuzione dell’advezione della temperatura.

Pertanto, un’implicazione del declino osservato dell’SH è un incremento nel passaggio di tempeste e advezione calda sopra l’area di origine dell’SH. Ulteriori supporti per l’importante ruolo dell’advezione calda sull’Europa nordorientale e sul settore di Kara-Laptev dell’Artico emergono dalle correlazioni dell’SHI con la componente meridionale del vento, che indicano un forte flusso meridionale in quest’area (Fig. 10). Si notano anche correlazioni negative significative sull’Asia sudorientale e l’Estremo Oriente a livello del suolo (Fig. 10c), suggerendo un legame forte tra l’intensità dell’SH e il flusso settentrionale lungo il margine del Pacifico (il monsone invernale dell’Asia orientale).

È inoltre evidente, a 200 e 500 hPa, la presenza di un ben definito treno d’onda di flussi alternati meridionali e settentrionali. Questo treno d’onda si estende attraverso tutto lo spessore della troposfera con una struttura barotropica equivalente, ma è più chiaramente definito nella troposfera media (Fig. 10b), dove la sua estensione dall’Atlantico Nord subtropicale alla Siberia centrale è chiaramente visibile. Di conseguenza, l’SH non è semplicemente un fenomeno locale di basso livello, ma è associato a livello emisferico con il flusso della troposfera superiore.La relazione tra l’Alta Pressione Siberiana (SH) e la temperatura dell’aria a 2 metri e le temperature della superficie del mare (SST) nell’Artico eurasiatico, così come l’advezione calda, spiega in parte la variabilità nell’estensione dei ghiacci marini, particolarmente evidente nei Mari di Groenlandia e Barents dove si osservano correlazioni negative di circa -0.5 (Fig. 11). Questa regione è nota come la zona marginale di ghiaccio climatologica (MIZ), dove la maggior parte della variabilità nell’estensione dei ghiacci marini in inverno è confinata, mentre i Mari Artici più a est rimangono gelati da ottobre a giugno. È importante notare, tuttavia, che il declino dell’estensione dei ghiacci marini in questa regione è anche associato con la tendenza all’aumento dell’Oscillazione dell’Atlantico Nord/Oscillazione Artica (NAO/AO).

Le correlazioni tra l’SH e le precipitazioni (non mostrate) sono coerenti con i modelli di circolazione associati: condizioni più secche del normale su gran parte della Siberia sono associate a un SH forte, mentre le precipitazioni sono aumentate nel sud-est dell’Europa.

Le correlazioni tra l’indice SHI e le variabili meteorologiche sono statisticamente significative al 5% in molte regioni nel periodo 1948–2001. Per confermare la stabilità delle relazioni, le analisi di correlazione sono state ripetute separatamente per i periodi 1948–74 e 1975–2001, e i risultati sono risultati molto simili a quelli presentati qui per l’intero periodo.

La Figura 7 presenta due serie temporali che illustrano le anomalie standardizzate della pressione a livello del mare (SLP) e della pressione superficiale durante i mesi invernali (DJF), basate su osservazioni raccolte da 11 stazioni situate nell’area tra 40°–65°N e 80°–120°E.

Dettagli delle Serie Temporali:

• Linea continua (SLP): Questa curva rappresenta le anomalie della pressione a livello del mare. Visualizza come la SLP abbia variato nel corso degli anni, mostrando una tendenza generale al ribasso particolarmente evidente negli ultimi decenni del grafico. La SLP è un indicatore cruciale delle condizioni atmosferiche generali e delle dinamiche climatiche a larga scala.
• Linea tratteggiata (pressione superficiale): Mostra le anomalie della pressione misurata direttamente a livello del suolo dalle stazioni meteorologiche. Questa serie, pur seguendo una tendenza simile alla SLP, presenta variazioni localizzate che possono divergere dalla tendenza generale a causa delle specifiche condizioni geografiche e meteorologiche delle stazioni di misurazione.

Asse X:

• Copre l’arco temporale dal 1920 al 2000, fornendo un’ampia panoramica storica delle variazioni di pressione nella regione.

Asse Y:

• Mostra i valori standardizzati delle anomalie, calibrati in modo che lo zero corrisponda alla media a lungo termine. I valori positivi indicano una pressione superiore alla media stagionale, mentre i valori negativi indicano una pressione inferiore.

Osservazioni Chiave:

• Entrambe le serie mostrano fluttuazioni e un trend di diminuzione della pressione, il che potrebbe riflettere cambiamenti nelle condizioni atmosferiche e climatiche generali, inclusi potenziali effetti del riscaldamento globale e altri cambiamenti climatici.
• La corrispondenza tra le serie di SLP e pressione superficiale suggerisce influenze comuni che impattano su entrambi i livelli di pressione, sebbene le discrepanze specifiche possano illustrare l’impatto delle condizioni locali sulle misure di pressione superficiale.
• La diminuzione progressiva della pressione evidenziata in entrambe le serie è coerente con la teoria che modelli climatici più estremi, come l’intensificazione del riscaldamento globale, potrebbero essere fattori contribuenti.

La Figura 8 comprende tre pannelli (a), (b) e (c) che visualizzano le correlazioni tra l’indice dell’Alta Pressione Siberiana (SHI) e diversi parametri meteorologici durante i mesi invernali (DJF). Questi pannelli forniscono una rappresentazione grafica di come le variazioni dell’SHI influenzano condizioni meteorologiche estese e variabili su scala globale.

Pannello (a)

• Mostra le correlazioni tra l’indice SHI e la pressione a livello del mare (SLP). Le aree con contorni chiusi indicano regioni di forte correlazione, positiva o negativa. Correlazioni positive forti indicano che un aumento dell’intensità dell’SHI è associato ad un aumento della SLP in quelle regioni, mentre le correlazioni negative implicano il contrario. Questo pannello aiuta a visualizzare l’ampia influenza dell’SHI sulla pressione atmosferica globale.

Pannello (b)

• Rappresenta le correlazioni tra l’SHI e la componente zonale del vento a 200 hPa. Le zone ombreggiate o con pattern indicano dove le correlazioni sono statisticamente significative. La mappa evidenzia come un SH forte possa influenzare i pattern del vento ad alta quota, alterando potenzialmente i percorsi delle tempeste e modellando i modelli di circolazione atmosferica su vasta scala.

Pannello (c)

• Illustra le correlazioni tra l’SHI e le temperature superficiali, incluse temperature terrestri e della superficie del mare. Le diverse ombreggiature mostrano aree dove l’intensità dell’SHI ha un forte impatto sulle temperature, influenzando i modelli climatici regionali e potenzialmente gli eventi meteorologici estremi come ondate di caldo o freddo.

Interpretazione Generale

• Ogni pannello sottolinea l’importante ruolo dell’Alta Pressione Siberiana non solo come fenomeno meteorologico locale ma come elemento chiave in una rete di teleconnessioni che regolano il clima e il tempo atmosferico su scala emisferica.
• L’analisi delle correlazioni mostrate in questi pannelli è fondamentale per i meteorologi e i climatologi per capire meglio come le variazioni in una regione specifica possano avere impatti cascata su altre parti del mondo, influenzando tutto, dalle temperature superficiali ai pattern del vento ad alta quota.

La Figura 9 presenta una mappa di correlazione che visualizza le relazioni tra l’indice dell’Alta Pressione Siberiana (SHI) durante i mesi invernali e l’advezione orizzontale della temperatura a bassa quota (1000 hPa) nello stesso periodo.

Caratteristiche della Mappa:

• La mappa copre l’emisfero nord, con un focus particolare sulle regioni influenzate dall’Alta Pressione Siberiana e sui modelli di advezione di temperatura associati.
• Contorni ombreggiati in grigio: Indicano le regioni dove le correlazioni tra l’indice SHI e l’advezione orizzontale della temperatura sono statisticamente significative al livello del 5% (con valori di correlazione assoluti maggiori o uguali a 0.3). Queste aree mettono in luce dove le variazioni nell’intensità e nella posizione dell’Alta Pressione Siberiana influenzano notevolmente i modelli di trasporto del calore atmosferico.

Interpretazione dei Dati:

• Aree con correlazione positiva: In queste zone, un incremento nella forza dell’SHI è associato a un aumento nell’advezione di aria calda. Questo indica che un forte SH può portare a temperature più elevate del normale attraverso il trasporto di aria calda da regioni più calde.
• Aree con correlazione negativa: Qui, un forte SHI è correlato a un’advezione di aria più fredda. Ciò suggerisce che l’intensificazione dell’SHI può contribuire a un abbassamento delle temperature, a causa del trasporto di masse d’aria più fredde.

Importanza della mappa:

• Questa mappa è cruciale per comprendere come l’Alta Pressione Siberiana modifichi i modelli climatici e le temperature oltre la sua localizzazione geografica immediata, mostrando come l’SHI influenzi la distribuzione della temperatura sia a livello regionale che globale durante i mesi invernali.
• I risultati mostrati aiutano i climatologi e i meteorologi a interpretare i meccanismi di interazione tra l’SHI e l’ambiente atmosferico circostante, influenzando in modo significativo le condizioni meteorologiche e climatiche in vaste aree.

La Figura 9 offre quindi una panoramica essenziale per chi studia le dinamiche atmosferiche su grande scala, facilitando la comprensione degli impatti potenziali di variazioni significative nelle condizioni di alta pressione sulla distribuzione globale delle temperature e sui cambiamenti climatici stagionali.

La Figura 10 comprende tre pannelli (a), (b), e (c), ognuno dei quali mostra la correlazione tra l’indice dell’Alta Pressione Siberiana (SHI) durante i mesi invernali (DJF) e la componente meridionale del vento a differenti livelli atmosferici. Queste mappe forniscono una visione dettagliata di come l’Alta Pressione Siberiana influenzi la direzione dei venti attraverso vari strati dell’atmosfera.

Pannello (a) – Vento a 200 hPa

• Questa mappa rappresenta le correlazioni a 200 hPa, un livello nell’alta troposfera dove i getti a getto esercitano una forte influenza sulle condizioni meteorologiche globali. Le aree con contorni ombreggiati in grigio indicano dove le correlazioni sono statisticamente significative al 5% con valori di correlazione maggiore o uguale a 0.3. Questo suggerisce un legame significativo tra l’SHI e un accresciuto movimento meridionale del vento in queste regioni.

Pannello (b) – Vento a 500 hPa

• Il pannello (b) mostra le correlazioni al livello di 500 hPa, considerato il “livello di pressione media” dell’atmosfera. Qui, le correlazioni indicano come l’intensità dell’SHI possa influenzare i movimenti meridionali del vento al centro della troposfera, contribuendo a modellare le traiettorie delle masse d’aria e influenzando potenzialmente i pattern di precipitazione e temperatura su vasta scala.

Pannello (c) – Vento a 10 m

• Le correlazioni al livello di 10 metri dal suolo, mostrate in (c), riflettono direttamente l’impatto dell’SHI sulle condizioni del vento che influenzano le superfici terrestri e marine. Le aree ombreggiate rappresentano regioni con significative correlazioni meridionali del vento che possono influenzare direttamente il clima locale, la formazione di nebbie, la distribuzione di pollini e altri particolati, nonché le condizioni generali di vivibilità e navigabilità.

Importanza delle Correlazioni

• L’analisi di queste correlazioni è fondamentale per comprendere come l’SHI non sia solamente un fenomeno isolato ma parte di un sistema dinamico che interagisce con vari livelli dell’atmosfera, influenzando così non solo il clima regionale ma anche contribuendo a fenomeni meteorologici più ampi come monsoni e tempeste.
• La mappatura di queste interazioni aiuta i ricercatori e i meteorologi a prevedere meglio gli effetti delle variazioni dell’SHI, contribuendo così a strategie più efficaci di preparazione e risposta ai cambiamenti climatici e meteorologici.

b. Spiegazione dell’SH in termini di indici dei pattern di teleconnessione

Una revisione approfondita dei pattern di teleconnessione dell’emisfero nord (NH) (Panagiotopoulos et al. 2002) rivela che, nonostante la sua importanza come centro di azione, l’Alta Pressione Siberiana (SH) non è direttamente associata a nessun pattern di teleconnessione robusto nell’NH. Questo risultato è sorprendente, considerando la significativa variabilità nell’intensità dell’SH e le sue teleconnessioni con la circolazione atmosferica e la temperatura. Pertanto, risulta di particolare interesse esaminare la relazione tra l’SH e i principali pattern di teleconnessione nell’NH.

Le analisi di correlazione e regressione sono state impiegate a tale scopo, utilizzando gli indici di teleconnessione medi invernali forniti dal Climate Prediction Center (CPC) (disponibile online su http://www.cpc.ncep.noaa.gov/data/teledoc/telecontents.html). Gli indici del CPC utilizzati includono l’NAO, East Atlantic (EA), Scandinavian (SCA), Polar/Eurasian (POL), West Pacific (WP), East Pacific (EP), East Atlantic/West Russia (EA/WR) e il pattern Pacific–North America (PNA). Anche l’indice AO (Thompson e Wallace 1998) è stato utilizzato (disponibile online su http://jisao.washington.edu/data/annularmodes/Data/ao_index.html). Gli indici del CPC sono costruiti prendendo le medie invernali (DJF) delle ampiezze mensili standardizzate dei componenti principali ruotati delle anomalie di altezza geopotenziale a 700 hPa per il periodo 1951–2000. Per evitare effetti spurii dovuti a tendenze a lungo termine, tutti gli indici di teleconnessione e l’SHI sono stati detrendizzati prima dell’analisi di regressione e correlazione, utilizzando filtri di Henderson di quinto ordine.

L’analisi di correlazione è stata inizialmente impiegata per valutare la relazione tra l’SH e gli indici di teleconnessione.L’effetto dell’autocorrelazione nelle serie temporali è stato gestito calcolando i gradi di libertà effettivi usando un metodo proposto da Zwiers e von Storch nel 1995. Considerando un’autocorrelazione media del 15% per tutti gli indici, è stato stimato un valore critico per identificare le correlazioni statisticamente significative al livello del 10%. L’indice AO, POL e WP sono gli unici che hanno mostrato una correlazione statisticamente significativa con l’indice SHI a questo livello, anche se nessuna delle correlazioni raggiunge la significatività al 5%. Jhun e Lee nel 2004 hanno scoperto che l’SH è particolarmente correlato con l’AO, più di qualsiasi altro pattern di teleconnessione, e hanno osservato che questa correlazione si intensifica su scale temporali più lunghe.

Per analizzare la variabilità interannuale nell’intensità dell’SH in relazione agli indici di teleconnessione e per valutare il ruolo di questi pattern nel declino osservato dell’SH nel periodo dal 1978 al 2001, è stata impiegata la regressione lineare multipla. L’indice AO non è stato incluso nel modello di regressione poiché rappresenta una combinazione lineare dei pattern NAO e POL. Una tecnica suggerita da Junge e Stephenson nel 2003 è stata utilizzata per applicare i coefficienti di regressione multipla ottenuti dai dati detrendizzati agli indici di teleconnessione con tendenze. Tuttavia, il valore predetto dell’SH utilizzando tutti gli indici di teleconnessione non ha riprodotto adeguatamente né la variabilità interannuale né i trend e ha spiegato solo una piccola parte della varianza totale.

Includendo la temperatura regionale media nell’analisi, il modello di regressione è notevolmente migliorato. Utilizzando gli indici di teleconnessione insieme alla temperatura regionale, il modello ha riprodotto sia la variabilità interannuale che il declino dell’SH, spiegando una porzione significativamente maggiore della varianza totale. La temperatura locale si è rivelata l’unico predittore statisticamente significativo, spiegando da sola una grande parte della varianza.

La Figura 11 presenta una mappa di correlazione che mostra le interazioni tra l’indice dell’Alta Pressione Siberiana (SHI) durante i mesi invernali (DJF) e la copertura dei ghiacci marini. Questo tipo di visualizzazione è cruciale per analizzare come variazioni significative in un grande sistema di alta pressione possano influenzare le dinamiche dei ghiacci marini, particolarmente rilevante in contesti di studi climatici e ambientali.

Caratteristiche della Mappa:

• Ombreggiature grigie: Le aree evidenziate con ombreggiatura grigia denotano le regioni dove le correlazioni tra l’SHI e la copertura dei ghiacci marini sono statisticamente significative al livello del 5%, con valori di correlazione assoluti (|r|) maggiori o uguali a 0.4. Queste aree mostrano una forte interdipendenza tra l’intensità dell’SHI e le variazioni nell’estensione dei ghiacci marini, suggerendo un impatto diretto delle condizioni atmosferiche sulla formazione o riduzione dei ghiacci.
• Dati utilizzati: I dati sulla copertura dei ghiacci provengono dal dataset Reynolds ice cover data (versione 2), che copre il periodo dal 1981 al 2001. Questi dati sono forniti dalla National Oceanic and Atmospheric Administration (NOAA) e rappresentano una risorsa fondamentale per il monitoraggio delle condizioni dei ghiacci marini.

Interpretazione delle Correlazioni:

• Correlazioni positive: In alcune regioni, una correlazione positiva indica che un aumento nella forza dell’SHI si accompagna a un incremento della copertura dei ghiacci marini. Ciò può essere dovuto a condizioni più fredde o a pattern di circolazione che favoriscono l’accrescimento dei ghiacci.
• Correlazioni negative: Al contrario, una correlazione negativa indica che un rinforzo dell’SHI può essere associato a una diminuzione dei ghiacci marini, forse a causa di temperature più elevate o di condizioni di vento che non supportano la formazione di ghiaccio o ne accelerano lo scioglimento.

Importanza della Mappa:

• La mappa fornisce informazioni vitali per la comprensione delle interazioni climatiche che regolano la copertura dei ghiacci marini, un indicatore chiave dei cambiamenti ambientali a scala globale.
• Analizzare queste correlazioni è essenziale per prevedere le tendenze future dei ghiacci marini in relazione alle variazioni anticipate dell’SHI, offrendo informazioni preziose per la modellazione climatica e la formulazione di politiche ambientali.

In conclusione, la Figura 11 offre una rappresentazione efficace e dettagliata delle connessioni tra un fenomeno atmosferico significativo e le variazioni nei ghiacci marini, sottolineando l’importanza di tali studi nel contesto del cambiamento climatico e della gestione ambientale.

5. Conclusioni e discussione

Questo studio ha approfondito la variabilità nell’intensità dell’Alta Pressione Subtropicale (SH), definendo con meticolosità un indice robusto per l’SH, denominato Indice dell’Alta Pressione Subtropicale (SHI), e impiegandolo in analisi di correlazione e regressione con vari campi meteorologici e indici di teleconnessione. I risultati salienti sono i seguenti:

1. Un trend decrescente significativo di 2,5 hPa per decennio è stato registrato nell’SHI dal 1978 al 2001. Durante questo periodo, sono stati osservati valori dell’SHI eccezionalmente bassi. Questa tendenza al ribasso è stata confermata come statisticamente significativa e indipendente dalle incertezze nei diversi set di dati o dall’estrapolazione della pressione atmosferica a livello del mare.
2. Le correlazioni tra l’SHI e vari campi meteorologici hanno evidenziato come l’SH influenzi i modelli di circolazione atmosferica e di temperatura ben oltre la sua area di origine. Sono state identificate teleconnessioni tra l’SH e i flussi a getto e la temperatura nella parte occidentale dell’Artico eurasiatico. L’advezione di aria calda dall’Europa orientale è stata riconosciuta come il principale meccanismo che porta a condizioni più miti del normale sopra i mari di Kara e Laptev in presenza di un forte SH. È stata rilevata una correlazione diretta tra l’intensità dell’SH e la formazione di ghiaccio marino nell’Artico eurasiatico occidentale. Il ruolo cruciale dell’SH nel monsone invernale dell’Asia orientale è stato ulteriormente confermato.
3. Gli indici di teleconnessione, presi singolarmente, si sono rivelati inefficaci nel riprodurre la variabilità interannuale e i trend dell’SH. La Temperatura Superficiale dell’Aria (SAT) regionale ha dimostrato di essere fondamentale nel replicare sia la variabilità interannuale sia il declino osservato nell’SH.

Mentre questo studio ha affrontato diverse questioni relative alle tendenze e alla variabilità dell’Alta Pressione Subtropicale (SH), non è riuscito a determinare con chiarezza le cause del suo declino. È stato dimostrato che il trend decrescente non è un artefatto derivante dall’adattamento idrostatico della pressione superficiale alla Pressione a Livello del Mare (SLP). L’origine dell’SH è prevalentemente attribuibile al raffreddamento radiativo intensivo della superficie terrestre tra ottobre e aprile, e la sua intensità mostra una correlazione stretta con la Temperatura dell’Aria Superficiale (SAT). Di conseguenza, variazioni nell’intensità del raffreddamento radiativo possono influenzare direttamente le variazioni dell’SH. I significativi trend positivi della SAT osservati sulla Siberia negli ultimi decenni superano il riscaldamento osservato in qualsiasi altra località del globo (Jones et al., 1999; Houghton et al., 2001). Tuttavia, anche le modifiche nella circolazione atmosferica a larga scala non locale possono incidere sull’intensità dell’SH. Questo studio ha rilevato che l’SH è debolmente correlato con gli indici di teleconnessione AO, POL, e WP. È stato inoltre evidenziato che gli indici di teleconnessione da soli non sono sufficienti per riprodurre il trend decrescente nell’intensità dell’SH, confermando che la temperatura locale gioca un ruolo più determinante.

Le proiezioni climatiche future realizzate attraverso i Modelli di Circolazione Generale (GCM) indicano un declino dell’SH in risposta all’incremento delle concentrazioni di gas serra (Gillett et al., 2003). Un confronto preliminare tra le proiezioni future dei vari GCM disponibili per la SLP nell’area di origine dell’SH (ottenute da http://ipcc-ddc.cru.uea.ac.uk) ha mostrato che, nonostante l’assenza di un accordo stretto tra i modelli e i diversi scenari, emerge un chiaro consenso sulla continuazione del declino osservato dell’SH fino al 2100.

Ringraziamenti. Gli autori esprimono sincera gratitudine per le fruttuose discussioni con il Prof. Brian Hoskins e il Dr. Bob Livezey. Parte dell’analisi è stata realizzata utilizzando il Climate Explorer presso l’Istituto Meteorologico dei Paesi Bassi (KNMI); disponibile online su http://climexp.knmi.nl. Si ringraziano altresì due revisori anonimi per i loro preziosi commenti e suggerimenti.

La Tabella 4 presenta un’analisi complessa delle interazioni tra l’Alta Pressione Subtropicale (SH), la Temperatura dell’Aria Superficiale (SAT) e vari indici di teleconnessione durante il periodo invernale (dicembre-gennaio-febbraio, DJF). La tabella è strutturata per fornire una panoramica dettagliata delle correlazioni e delle stime dei parametri di regressione tra queste variabili meteorologiche chiave.

• Colonna 1: Elenco delle variabili correlate con l’SH, incluse SAT e diverse misure di teleconnessione come POL, WP, SCA, ecc. Queste variabili sono fondamentali per comprendere le dinamiche dell’SH.
• Colonna 2 (SH): Mostra i coefficienti di correlazione tra l’SH e le altre variabili elencate nella prima colonna. Un esempio significativo è il coefficiente tra SH e SAT, che è -0.58. Questo valore indica una correlazione negativa forte e statisticamente significativa al livello del 5%, suggerendo che un aumento nella SAT è associato a una diminuzione dell’intensità dell’SH.
• Colonna 3 (SAT): Presenta i coefficienti di correlazione tra la SAT e le variabili elencate. Qui, il valore di 0.45 per la correlazione tra SAT e POL è altamente significativo, indicando una relazione positiva robusta.
• Colonna 4 (β_I): Mostra le stime dei parametri di regressione lineare multiplo utilizzando solo gli indici di teleconnessione come variabili indipendenti per modellare l’SH. Per esempio, il valore -0.35* per POL indica una relazione negativa significativa al 10%, mostrando che variazioni in POL possono influenzare negativamente l’SH.
• Colonna 5 (β_I+SAT): Fornisce le stime dei parametri quando sia gli indici di teleconnessione che la SAT regionale sono inclusi nel modello di regressione. Il cambiamento del coefficiente per POL a -0.15 (da -0.35) dimostra l’effetto moderante della SAT sulla relazione tra POL e SH, riducendo l’impatto percepito di POL sull’SH quando la SAT è considerata nel modello.
• Simboli di asterisco: Un asterisco (*) denota una significatività statistica al 10%, mentre due asterischi (**) indicano una significatività al 5%. Questi simboli aiutano a identificare le relazioni statisticamente più affidabili e significative nella tabella.

In sintesi, la Tabella 4 offre un’analisi ricca e dettagliata, evidenziando come le varie variabili climatiche interagiscano tra loro e influenzino l’SH durante i mesi invernali. Le correlazioni e le regressioni presentate aiutano a discernere quali fattori sono più significativi nel modellare le variazioni dell’SH.

La Figura 12 illustra le serie temporali delle medie invernali (DJF) dell’indice dell’Alta Pressione Subtropicale (SH) dal 1950 al 2000. Viene mostrata sia la serie dell’indice SH originale sia quella dell’indice SH ricostruito attraverso un modello di regressione lineare multiplo, basato sui dati presentati nella Tabella 4.

• Panello (a): La linea continua rappresenta l’indice SH originale, mentre la linea tratteggiata mostra l’indice SH ricostruito utilizzando tutti gli indici di teleconnessione come variabili predittive. Questo modello si propone di stimare l’indice SH basandosi esclusivamente sulle dinamiche dei pattern di teleconnessione, quali AO, NAO, e altri. L’analisi del grafico rivela che, sebbene il modello ricostruito segua la tendenza generale dell’indice originale, emergono discrepanze significative, in particolare nelle ampiezze dei picchi e delle depressioni dell’indice. Ciò suggerisce che altri fattori influenzino l’SH, non completamente catturati dagli indici di teleconnessione usati.
• Panello (b): La linea continua, ancora una volta, indica l’indice SH originale, mentre la linea tratteggiata rappresenta l’indice SH ricostruito includendo sia gli indici di teleconnessione che la Temperatura dell’Aria Superficiale (SAT) nell’area di origine dell’SH. L’aggiunta della SAT al modello di regressione produce una serie ricostruita che aderisce più strettamente all’indice originale rispetto a quella del Panello (a). Questo miglioramento nel fit del modello indica che la SAT gioca un ruolo cruciale nel modulare l’intensità dell’SH, confermando che le variazioni termiche locali sono essenziali per una rappresentazione accurata delle dinamiche dell’SH.

Questi risultati enfatizzano l’importanza di integrare variabili climatiche multiple, come gli indici di teleconnessione e la SAT, per un’analisi più accurata e completa dell’Alta Pressione Subtropicale. La capacità di modelli di regressione lineare multiplo di replicare fedelmente le serie temporali reali dipende dalla scelta e dall’integrazione di variabili predittive pertinenti, che devono essere scelte con attenzione per riflettere i complessi meccanismi alla base delle dinamiche climatiche.

In sintesi, la Figura 12 dimostra visivamente l’efficacia di modelli di regressione più inclusivi e la necessità di considerare fattori aggiuntivi, come le condizioni termiche locali, per migliorare la precisione delle previsioni e delle ricostruzioni climatiche.

APPENDICE

L’Effetto della Temperatura sul Calcolo della Pressione al Livello del Mare (SLP)

La pressione al livello del mare viene generalmente calcolata a partire dalla pressione misurata in una stazione meteorologica, situata a una certa altezza sopra il livello del mare. Questo calcolo si basa sull’utilizzo di un principio chiamato equazione idrostatica, che considera l’effetto dell’altezza della stazione sulla misurazione della pressione.

Nel caso di un’atmosfera che mantiene la stessa temperatura in tutte le sue parti (isotermica), l’altura alla quale la pressione diminuisce di una certa frazione (nota come altezza scala della pressione) è determinata dalla temperatura dell’aria vicino alla superficie terrestre, dalla costante specifica dei gas per l’aria secca e dall’accelerazione dovuta alla gravità alla superficie terrestre.

Il cambiamento della pressione al livello del mare nel tempo può essere calcolato osservando come variano nel tempo la temperatura e l’altezza a cui è misurata la pressione. Se si ipotizza che non ci siano cambiamenti nella pressione misurata alla stazione (cioè la pressione superficiale rimane costante) e si utilizzano dati tipici per un certo periodo (per esempio, altezza di 400 metri, temperatura di 253 Kelvin, e pressione al livello del mare iniziale di 1031 hPa), un incremento di temperatura di 3 Kelvin comporterebbe un piccolo decremento nella pressione al livello del mare, molto minore rispetto a quello effettivamente osservato nel periodo analizzato.

Utilizzando questa metodologia, è possibile stimare che per giustificare solo attraverso l’aumento della temperatura i decrementi osservati della pressione al livello del mare in due distinti periodi storici, sarebbero necessari aumenti di temperatura di 12 e 23 gradi Celsius, rispettivamente, senza che ci siano state diminuzioni proporzionali nella pressione superficiale misurata alla stazione.

Questa analisi sottolinea come variazioni significative nella temperatura dell’aria possano avere impatti misurabili sulla pressione al livello del mare, sebbene questi cambiamenti debbano essere piuttosto grandi per giustificare da soli le variazioni di pressione osservate nei periodi storici considerati.

https://journals.ametsoc.org/view/journals/clim/18/9/jcli3352.1.xml