The Madden-Julian Oscillation

Riassunto dell’Articolo

L’atmosfera globale e il sistema climatico mostrano una notevole variabilità su scala intrasaisonale. Questo articolo esamina l’Oscillazione di Madden-Julian (OMJ), che rappresenta il principale modello di variabilità intrasaisonale nei tropici. L’OMJ ha un impatto significativo a livello mondiale e costituisce una fonte fondamentale di affidabilità per le previsioni sub-stagionali e stagionali. Sebbene le nostre conoscenze sull’OMJ siano avanzate negli ultimi decenni, persistono sfide nell’interpretazione, simulazione e previsione dell’OMJ e del suo impatto globale. In questo lavoro, vengono analizzate le caratteristiche basilari osservate dell’OMJ, i meccanismi possibili, le teleconnessioni ad esso correlate e le interazioni tra i tropici e le zone extratropicali, la sua variabilità interannuale, nonché i metodi di simulazione e previsione dell’OMJ.

1. Introduzione

La scala temporale intrasaisonale o sub-stagionale, che varia da due settimane a una stagione completa (14-90 giorni), rappresenta un punto di incontro tra la meteorologia e il clima. In ambito climatico, questa è la scala temporale più veloce, mentre in meteorologia è considerata lenta e spesso riferita come variabilità a bassa frequenza.

L’atmosfera globale e il sistema climatico presentano notevoli variabilità su questa scala temporale. Un esempio si trova nelle medie latitudini dell’emisfero nord, dove cicloni e anticicloni a scala sinottica percorrono verso est lungo il getto occidentale troposferico, con massima intensità vicino alle coste orientali dell’Asia orientale e del Nord America. Quando questi sistemi meteorologici passano da terra a mare, rallentano e si intensificano sulle acque calde, contribuendo significativamente alla variazione intrasaisonale dell’altezza geopotenziale e della pressione atmosferica a livello del mare nel Pacifico nord-centrale e nell’Atlantico nord-centrale (ad esempio, Blackmon, 1976; Blackmon et al., 1984; Dole & Gordon, 1983; N.-C. Lau, 1988).

Questo documento non si focalizza sulla variabilità intrasaisonale nelle zone extratropicali, ma piuttosto su quella nei tropici, che svolge un ruolo speciale nella variabilità climatica e nelle previsioni sub-stagionali. È essenziale sottolineare che le variabilità intrasaisonalie tropicali ed extratropicali sono strettamente collegate. Queste interagiscono attraverso teleconnessioni, permettendo alla variabilità intrasaisonale tropicale di influenzare il tempo atmosferico extratropicale e le sue previsioni, e viceversa.

Sul fronte tropicale, esistono diverse tipologie di variabilità su scale temporali intrasaisonalie. Per esempio, nei mesi estivi boreali, disturbi intrasaisonalie nelle regioni del Sud e dell’Est asiatico tendono a spostarsi verso nord-est, influenzando le piogge monsoniche (ad esempio, Murakami et al., 1984; Yasunari, 1979). La nostra analisi si concentrerà particolarmente sull’Oscillazione di Madden-Julian (MJO), il principale modo di variabilità intrasaisonale nei tropici, caratterizzato da una scala planetaria e da un movimento progressivo verso est.

L’Oscillazione di Madden-Julian (MJO) fu scoperta da Roland Madden e Paul Julian nei primi anni ’70 (Madden & Julian, 1971). Mediante l’analisi spettrale di un decennio di osservazioni radiosonde raccolte a Kanton Island, situata nel Pacifico centrale vicino all’equatore, identificarono un’oscillazione significativa nella pressione al livello del mare e nei venti zonali con un periodo di 40-50 giorni. Successivamente, utilizzando dati osservativi provenienti da 20 stazioni tropicali, emerse che questo segnale era parte di una perturbazione planetaria che si muoveva lentamente verso est (circa 5 ms⁻¹), associata a convezione e anomalie della circolazione verticale invertita (Madden & Julian, 1972).

Nel corso degli ultimi cinque decenni da quando è stata scoperta, sono stati realizzati numerosi studi volti a documentare e comprendere l’MJO, e sono stati compiuti progressi significativi, come riassunto in diverse pubblicazioni di rassegna (ad esempio, Madden & Julian, 1994; C. Zhang, 2005; Jiang et al., 2020; K.-M. Lau & Waliser, 2012). La capacità di predizione dell’MJO attraverso modelli dinamici è notevolmente migliorata negli ultimi 20 anni (ad esempio, H.-M. Kim et al., 2014; Vitart, 2017). Tuttavia, il meccanismo dell’MJO non è ancora completamente compreso. I modelli attuali di circolazione generale mostrano ancora una rappresentazione inadeguata dell’MJO (ad esempio, Ahn et al., 2020; Jiang et al., 2015), e persiste un notevole divario tra la capacità di previsione effettiva dell’MJO e la sua potenziale prevedibilità (ad esempio, Neena et al., 2014).

Negli anni recenti, si è registrato un crescente interesse e entusiasmo nella ricerca e nello sviluppo di previsioni operative sub-stagionali (ad esempio, NAS, 2016). Le previsioni sub-stagionali sono state riconosciute come un argomento di ricerca critico sia dalle comunità della meteorologia che del clima. Queste previsioni servono a colmare il divario tra previsioni meteorologiche numeriche e previsioni climatiche a breve termine, facilitando la creazione di un sistema di previsione “senza soluzione di continuità” tra meteo e clima (ad esempio, Brunet et al., 2010; Hoskins, 2013; Shapiro et al., 2010). Numerose attività coordinate a livello internazionale sono state avviate per migliorare le competenze previsionali e la comprensione su scala sub-stagionale a stagionale, tra cui il progetto di previsione Subseasonal-to-Seasonal (S2S) del World Climate Research Programme (WCRP) / World Weather Research Programme (WWRP) (Vitart & Robertson, 2018) e l’esperimento sub-stagionale nordamericano (SubX; Pegion et al., 2019). È universalmente riconosciuto che l’MJO ha un impatto significativo sul tempo e sul clima non solo nei tropici, ma anche nelle latitudini medie e alte, rappresentando una fonte importante di prevedibilità su scala sub-stagionale (ad esempio, NAS, 2016; Waliser, 2012). Di conseguenza, è fondamentale migliorare la comprensione e la previsione dell’MJO per affinare le previsioni sub-stagionali.

Il documento è strutturato come segue:

• Sezione 2: descrive le caratteristiche di base osservate dell’MJO.
• Sezione 3: riassume le diverse teorie attuali relative all’MJO.
• Sezione 4: illustra l’impatto globale dell’MJO e le interazioni tropico-extratropicali correlate.
• Sezione 5: discute la variabilità interannuale dell’MJO e il suo collegamento con altri modi lenti di variabilità.
• Sezione 6: esamina la modellazione e le previsioni relative all’MJO.
• Sezione 7: offre alcune osservazioni conclusive.

2. Caratteristiche Osservative Fondamentali dell’MJO

Le principali caratteristiche osservative dell’MJO sono state estensivamente documentate nella letteratura scientifica (ad esempio, Hendon & Salby, 1994; Madden & Julian, 1972, 1994; C. Zhang, 2005). L’MJO è il modo predominante di variabilità nei tropici sulla scala temporale intrasaisonale. È caratterizzato da grandi circolazioni zonali di rovesciamento che si estendono su tutta la profondità della troposfera e si propagano verso est lungo l’equatore. Questo fenomeno è strettamente associato a profonda convezione e si localizza principalmente nella regione del “tropical warm pool”, che va dall’Oceano Indiano al Pacifico centrale.

Le caratteristiche di grande scala e bassa frequenza dell’MJO sono evidenti nell’analisi dello spettro potenza numero d’onda-frequenza dei venti zonali a 200 hPa o 850 hPa nei tropici, che mostrano picchi spettrali nei periodi di 30-60 giorni dominati da numeri d’onda che si propagano verso est (Fig. 1). La Figura 2 mostra lo spettro numero d’onda-frequenza della componente equatorialmente simmetrica e antisimmetrica della Outgoing Longwave Radiation (OLR) tra i 15°S e 15°N, normalizzata rispetto allo spettro di sfondo, secondo il metodo di Wheeler-Kiladis (Wheeler & Kiladis, 1999). L’MJO si manifesta con una densità spettrale elevata nei periodi di 30-60 giorni per i numeri d’onda da 1 a 3 che si propagano verso est, che non sono associati a nessuna onda tropicale teorica derivante dalle equazioni delle acque poco profonde (ad esempio, Matsuno, 1966).

L’anomalia della circolazione dell’MJO è strettamente collegata o accoppiata alla convezione. Tale associazione tra l’anomalia della circolazione e la convezione dell’MJO ricorda la risposta atmosferica a un riscaldamento tropicale imposto, come descritto da Gill (1980), caratterizzata da una struttura verticale baroclinica. Ad est della convezione dell’MJO, si trovano anomalie di venti occidentali in quota e orientali ai livelli inferiori, simili alla struttura di un’onda di Kelvin. Ad ovest, si osserva una coppia di girandole anticicloniche (o cicloniche) che attraversano l’equatore con anomalie di venti orientali (o occidentali) vicino all’equatore nella troposfera superiore (o inferiore), simili all’onda equatoriale di Rossby (ad esempio, B. Wang & Rui, 1990). Questo modello accoppiato si propaga verso est lungo l’equatore a una velocità media di 5 m/s (ad esempio, Hendon & Salby, 1994; Knutson et al., 1986). L’anomalia convettiva è prevalentemente confinata all’emisfero orientale, mentre l’anomalia della circolazione continua a propagarsi nell’emisfero occidentale come onde di Kelvin asciutte a una velocità di 30–35 m/s (ad esempio, Matthews, 2000; Milliff & Madden, 1996).

La struttura verticale su larga scala dell’MJO evidenzia un’evidente asimmetria zonale nei campi termodinamici e dinamici. Ad est, si manifestano convergenze dello strato limite (ad esempio, Hendon & Salby, 1994; Sperber, 2003), un incremento dell’umidità nella troposfera inferiore (ad esempio, Johnson & Ciesielski, 2013; Kemball-Cook & Weare, 2001; Kiladis et al., 2005) e anomalie di SST calde (ad esempio, Woolnough et al., 2000).

Le nubi cumuliformi basse dominano e il massimo riscaldamento diabatico è concentrato nella troposfera inferiore (Jiang et al., 2011; J.-L. Lin et al., 2004). L’avvezione orizzontale dell’energia statica umida integrata nella colonna (MSE) conduce a una tendenza positiva della MSE che favorisce lo sviluppo della convezione dell’MJO (ad esempio, Adames & Wallace, 2015; Arnold et al., 2015). A ovest della convezione dell’MJO si osservano divergenza a basso livello, moto discendente e anomalie negative di umidità. Gli intensificati venti occidentali a basso livello portano a un incremento dei flussi di superficie e a anomalie negative della temperatura superficiale del mare (SST) (ad esempio, Hendon & Glick, 1997). Nella troposfera superiore prevalgono le nubi stratiformi (ad esempio, Kiladis et al., 2009), dove si registra un elevato riscaldamento diabatico, mentre nei livelli inferiori avviene un raffreddamento diabatico a causa dell’evaporazione quando la precipitazione da queste nubi alte attraversa un ambiente relativamente secco (ad esempio, Benedict & Randall, 2007). Il contributo dell’avvezione orizzontale della MSE sul lato ovest della convezione dell’MJO è opposto rispetto a quello a est, inibendo lo sviluppo dell’MJO. L’asimmetria zonale è una caratteristica fondamentale della convezione dell’MJO, che ne favorisce lo sviluppo e la propagazione verso est.

La convezione dell’MJO che si propaga verso est rappresenta un involucro di sistemi convettivi multiscale e ad alta frequenza, che si muovono sia verso est che verso ovest (ad esempio, Hendon & Liebmann, 1994; Kiladis et al., 2009; Nakazawa, 1988). Questi sistemi di scala minore includono perturbazioni associate a onde di Kelvin accoppiate in movimento verso est (ad esempio, Nakazawa, 1988; K.-M. Lau et al., 1989), e onde equatoriali di Rossby e onde miste di Rossby-gravità che si spostano verso ovest (ad esempio, Wheeler & Kiladis, 1999).

La variabilità ad alta frequenza di convezione e nuvole può anche essere associata al ciclo diurno delle convezioni profonde (ad esempio, S. Chen & Houze, 1997) e alle onde d’inerzia-gravità (ad esempio, Haertel & Kiladis, 2004; Takayabu, 1994). Questi sistemi di piccola scala sono organizzati all’interno dell’involucro dell’MJO dalla circolazione su larga scala e possono influenzare l’MJO attraverso il trasporto di momento da piccola a grande scala (ad esempio, Houze et al., 2000; Majda & Biello, 2004; Miyakawa et al., 2014; Moncrieff, 1992).

Si osserva che l’attività dell’MJO mostra una evidente dipendenza stagionale, con il picco dell’MJO durante l’inverno e la primavera boreali (ad esempio, Salby & Hendon, 1994). In questi periodi dell’anno, la temperatura superficiale del mare (SST) è elevata lungo l’equatore con la massima estensione longitudinale nell’emisfero orientale (ad esempio, Shea et al., 1992), e la convergenza di umidità nello strato limite equatoriale è intensa (ad esempio, Hendon & Salby, 1994). La posizione latitudinale dell’MJO varia in un movimento nord-sud, con segnali più intensi leggermente a sud dell’equatore durante l’inverno boreale e a nord dell’equatore in estate (ad esempio, C. Zhang & Dong, 2004).

L’MJO è stato tradizionalmente identificato attraverso l’uso dell’analisi delle funzioni ortogonali empiriche (EOF) su una variabile filtrata in banda, come la radiazione infrarossa a lunga onda in uscita (OLR) e il potenziale di velocità a 200-hPa (ad esempio, Ferranti et al., 1990; Knutson & Weickmann, 1987; K.-M. Lau & Chan, 1985; Matthews, 2000; Slingo et al., 1996). L’indice Multivariato in Tempo Reale dell’MJO (RMM) introdotto da Wheeler e Hendon (2004) è ottenuto come coppia di componenti principali (PC) delle due principali EOF dei campi combinati dei venti zonali a 200-hPa e 850-hPa e dell’OLR, ciascuno mediato sulle latitudini da 15°S a 15°N. Poiché l’indice RMM cattura la struttura della circolazione convettivamente connessa baroclinica dell’MJO senza necessità di filtraggio temporale, è stato ampiamente adottato per il monitoraggio, le previsioni dell’MJO e gli studi di impatto. Nella Figura 3 sono presentati i compositi delle anomalie del tasso di precipitazione tropicale per le otto fasi dell’MJO come definite dall’indice RMM di Wheeler e Hendon (2004).

Si osserva chiaramente che la convezione dell’MJO inizia nell’Oceano Indiano occidentale nella fase 1, si propaga verso est fino al Pacifico centrale e si dissipa nel Pacifico orientale. Le fasi 2-3 e le fasi 6-7 corrispondono a una struttura a dipolo zonale della convezione tropicale, che ha un forte impatto globale, come sarà discusso nella sezione 4.

È stato riconosciuto in diversi studi che l’indice RMM è dominato dai venti zonali e potrebbe non rappresentare adeguatamente la componente di convezione dell’MJO (ad esempio, Straub, 2013; Ventrice et al., 2013). Di conseguenza, sono stati sviluppati diversi indici dell’MJO basati esclusivamente sull’OLR. Per esempio, Kikuchi et al. (2012) hanno sviluppato due EOF estesi dell’OLR per l’estate e l’inverno boreali. Un indice dell’MJO basato sull’OLR per tutte le stagioni (OMI) è stato costruito tramite un’analisi EOF dell’OLR grigliato spazialmente in Kiladis et al. (2014). Le caratteristiche principali della circolazione e dell’OLR dell’MJO associate a questi diversi indici sono generalmente simili.

Va notato che l’MJO, con il suo periodo dominante compreso tra circa 30-60 giorni, non è un’oscillazione regolare. Invece, è altamente episodico e discreto (ad esempio, Salby & Hendon, 1994). Anche se in media l’MJO si propaga nell’Oceano Indiano e nel settore occidentale del Pacifico a circa 5 m s⁻¹, i singoli eventi MJO presentano velocità di propagazione diverse. Ci sono diversità nella struttura dell’MJO e nell’attività delle onde equatoriali incorporate nell’involucro dell’MJO (ad esempio, Dias et al., 2013; Kikuchi et al., 2018). B. Wang et al. (2019) hanno identificato quattro gruppi di eventi MJO: a propagazione lenta verso est, a propagazione veloce verso est, stazionari e a salti, ognuno con diverse proprietà di risposta delle onde di Kelvin.

La Figura 1 illustra gli spettri del numero d’onda e della frequenza delle anomalie dei venti zonali a due livelli differenti nella troposfera: 200 hPa (pannello a) e 850 hPa (pannello b), mediati tra i 10°S e 10°N. Questi dati derivano dall’analisi ERA-interim (Dee et al., 2011) e si riferiscono al periodo invernale (novembre-aprile) degli anni 1980-2018.

Gli assi dei grafici mostrano:

• Asse orizzontale (frequenza): Valori positivi indicano onde che si propagano verso est, mentre i valori negativi indicano onde che si propagano verso ovest.
• Asse verticale (numero d’onda): Rappresenta la scala spaziale delle onde, con numeri d’onda minori che corrispondono a onde di lunghezza maggiore e viceversa.

La colorazione degli spettri varia dal blu al rosso, dove il blu rappresenta un’intensità più bassa e il rosso un’intensità più alta. Questa scala di colori evidenzia la densità spettrale di potenza, indicando l’energia delle fluttuazioni dei venti a specifiche frequenze e numeri d’onda.

Le aree in rosso e giallo si concentrano intorno alle frequenze di 0.02 e 0.05, corrispondenti a periodi di 50 giorni e 20 giorni, rispettivamente. Queste regioni indicano la presenza di onde che si propagano principalmente verso est con queste particolari periodicità. Tali segnali sono di grande rilevanza nel contesto della dinamica atmosferica tropicale e possono essere associati a fenomeni come l’Oscillazione di Madden-Julian (MJO) o altre onde tropicali su larga scala. Questi risultati offrono un’importante conferma sperimentale dell’esistenza e del comportamento di tali onde atmosferiche, essenziali per comprendere meglio i meccanismi di propagazione e le interazioni all’interno dell’atmosfera tropicale.

La Figura 2 presenta gli spettri del numero d’onda e della frequenza dei componenti simmetrici (a sinistra) e antisimmetrici (a destra) del tasso di precipitazione, normalizzati rispetto allo spettro di fondo. Questi dati provengono dal Global Precipitation Climatology Project (GPCP 1DD V1.2; Huffman et al., 2001) e riguardano il periodo dal 1997 al 2013. L’analisi segue l’approccio proposto da Wheeler e Kiladis (1999).

Dettagli della Figura:

• Asse Orizzontale (Numero d’onda zonale): Varia da -15 a 15, con valori negativi per le onde che si propagano verso ovest e valori positivi per quelle che si propagano verso est.
• Asse Verticale (Frequenza): Mostra la frequenza delle onde, espressa in cicli al giorno. Frequenze più alte corrispondono a periodi più brevi.

Interpretazione dei Dati:

• Curve di Dispersione Rosse: Sovrapposte ai dati, rappresentano le curve di dispersione per onde equatoriali a profondità equivalenti di 12, 25 e 50 metri. Queste curve aiutano a classificare le onde osservate nei dati.
• Onde Kelvin: Visibili nella parte destra di ciascun grafico, queste onde si caratterizzano per numeri d’onda positivi e si propagano verso est.
• Onde di Rossby, MRG (Mixed Rossby-Gravity), e IG (Inertia-Gravity): Generalmente situate nella parte sinistra dei grafici, queste onde hanno numeri d’onda negativi e si propagano verso ovest.
• Onde di Rossby Equatoriali (ER): Sono le strutture che appaiono con un orientamento verticale al centro dei grafici.

Elementi Salienti:

• Le regioni con contorni gialli e rossi indicano zone di alta energia, dove si osservano variazioni significative nel tasso di precipitazione associate a specifiche onde atmosferiche.
• I grafici differenziano tra strutture simmetriche e antisimmetriche rispetto all’equatore, evidenziando come le diverse onde influenzino le precipitazioni in queste zone equatoriali.

Questi grafici sono strumenti preziosi per gli scienziati atmosferici per esplorare come le onde su larga scala influenzano i pattern di precipitazione e per identificare i meccanismi attraverso cui le onde si propagano attraverso l’equatore. Analisi di questo tipo sono fondamentali per affinare le previsioni meteorologiche e per una comprensione più profonda dei fenomeni climatici globali.

Teorie Preliminari sull’MJO

L’MJO è un fenomeno che implica processi umidi e un accoppiamento tra circolazione e convezione, non spiegabile attraverso la teoria delle onde tropicali con le equazioni di acque basse asciutte su un piano β (ad es., Matsuno, 1966). Questo fenomeno mostra similitudini con l’onda Kelvin convezione-accoppiata equatoriale, con entrambi i fenomeni che si propagano verso est; tuttavia, l’onda Kelvin ha una velocità di propagazione significativamente superiore rispetto all’MJO.

Chang (1977) dimostrò che l’effetto di smorzamento della convezione può rallentare la velocità dell’onda Kelvin, ma questa rimane comunque troppo elevata rispetto all’MJO osservato. Nei primi studi, furono adottate teorie come l’instabilità convettiva di secondo tipo (CISK; Charney & Eliassen, 1964) e l’onda-CISK (Lindzen, 1974) per interpretare l’MJO (Chang & Lim, 1988; K.-M. Lau & Peng, 1987). Tuttavia, i tassi di crescita massimi per i modi Kelvin instabili di onda-CISK si verificano a scale molto ridotte, e le onde si muovono a velocità superiori a quelle dell’MJO.

Introducendo l’effetto frizionale sulla convergenza dell’umidità nello strato limite atmosferico (BL), i modi di onda-CISK a piccola scala vengono smorzati. Ciò porta alla formazione di onde accoppiate Rossby-Kelvin a scala planetaria che si propagano lentamente verso est (B. Wang, 1988; B. Wang & Rui, 1990; B. Wang & Li, 1994). Un altro approccio iniziale si basa sul feedback dell’evaporazione eolica (Neelin et al., 1987), o sullo scambio di calore indotto dal vento sulla superficie (WISHE; Emanuel, 1987; Yano & Emanuel, 1991), che introduce un’instabilità capace di influenzare l’MJO. Per una revisione dettagliata delle teorie iniziali sull’MJO, si possono consultare le opere di B. Wang (2005) e C. Zhang (2005).

Recentemente sono state sviluppate numerose teorie riguardanti l’MJO (Oscillazione di Madden-Julian). Queste teorie si focalizzano su vari processi, ma tendono principalmente a sottolineare l’interazione tra convezione e umidità. Le forti precipitazioni nelle aree oceaniche tropicali, associate a convezione profonda, si manifestano principalmente in contesti ad alta umidità (es., Bretherton et al., 2004; Peters & Neelin, 2006; Thayer-Calder & Randall, 2009; Y.-H. Kuo et al., 2019). La variabilità delle precipitazioni legate all’MJO è strettamente connessa alla sensibilità della convezione all’umidità atmosferica (es., Adames, 2017; Jiang et al., 2016).

Ad est del centro di convezione dell’MJO, la convergenza del strato limite dell’umidità, unita alla detrainment e all’evaporazione della pioggia dei cumuli poco profondi, contribuisce gradualmente ad umidificare l’atmosfera (es., Johnson et al., 1999; Slingo et al., 2003). Questo processo prepara il contesto per lo sviluppo di convezione più profonda e per la propagazione verso est dell’MJO.

Recensioni esaustive e discussioni dettagliate delle principali teorie attuali sull’MJO sono state presentate in opere come C. Zhang et al. (2020), D. Yang et al. (2020) e Jiang et al. (2020). Questo riassunto mette in evidenza le caratteristiche fondamentali dell’MJO: la sua scala spaziale planetaria, la scala temporale intrastagionale, e la lenta propagazione verso est.

La Figura 3 mostra una serie di composizioni delle anomalie nel tasso di precipitazione nei tropici, divise in otto fasi dell’Oscillazione di Madden-Julian (MJO), durante l’esteso inverno boreale. Questi dati provengono dal Climate Prediction Center (CPC) Merged Analysis of Precipitation (CMAP), secondo lo studio di Xie & Arkin (1997). Ogni pannello è associato a una specifica fase dell’MJO, indicata dal numero posizionato sul lato destro di ciascun pannello.

Dettaglio dei pannelli:

• Fasi dall’1 all’8: Ogni pannello visualizza un momento diverso dell’MJO, mostrando come le anomalie di precipitazione variano e si spostano nei tropici in risposta alle diverse posizioni di questo fenomeno atmosferico.

Analisi Visiva delle Anomalie:

• Indicazione cromatica: I diversi colori rappresentano l’intensità delle anomalie di precipitazione. Le aree con colori caldi (rosso e arancione) indicano anomalie positive, ovvero precipitazioni superiori alla media; le aree con colori freddi (blu) rappresentano anomalie negative, ovvero precipitazioni inferiori alla media.
• Distribuzione e movimento: Questa rappresentazione aiuta a tracciare il percorso dell’umidità e delle precipitazioni attraverso i tropici in relazione alle fasi dell’MJO, evidenziando l’importante impatto di questo fenomeno sulla variabilità delle precipitazioni.

Contesto Metodologico e Dati Utilizzati:

• Aggiornamento dei dati CMAP: L’analisi si basa su una versione aggiornata dei dati CMAP (v1708) che copre il periodo dal 1979 al 2017, fornendo un quadro aggiornato e dettagliato della dinamica delle precipitazioni legate all’MJO.
• Procedura di Calcolo: La metodologia adottata per l’elaborazione delle composizioni è coerente con quella impiegata da Lin et al. (2009), garantendo consistenza e affidabilità nell’analisi.

Questa analisi grafica è fondamentale per i professionisti nel campo della meteorologia e climatologia per comprendere meglio i pattern di precipitazione tropicale e per affinare le previsioni meteorologiche e climatiche nei tropici.

Teoria della Trio-Interazione dell’MJO

La teoria della trio-interazione dell’MJO pone in risalto l’interazione tra convezione, circolazione e umidità (B. Wang et al., 2016; B. Wang & Chen, 2017; F. Liu & Wang, 2017; G. Chen & Wang, 2018a). Questa teoria estende l’originale teoria delle onde di Rossby-Kelvin accoppiate frizionalmente (B. Wang, 1988; B. Wang & Rui, 1990), introducendo una variabile prognostica per l’umidità. Fondandosi sulla dinamica delle onde equatoriali del modello di Matsuno-Gill (Gill, 1980; Matsuno, 1966), considera essenziali il riscaldamento diabatico interattivo, la convergenza nel boundary layer (BL) e l’umidità per l’MJO.

Nella teoria della trio-interazione, la convergenza nel BL assume un ruolo cruciale nel produrre una struttura di onde di Rossby-Kelvin accoppiate che si propagano verso est su scala planetaria. A est del centro di convezione dell’MJO, si verifica una convergenza frizionale e una bassa pressione nel BL, in coerenza con le osservazioni (es. Hendon & Salby, 1994; Sperber, 2003). Questi fattori inducono un movimento ascendente, la formazione di nuvole basse e congestionate, l’umidificazione dell’atmosfera e la generazione di energia potenziale disponibile per l’eddy, favorendo così la propagazione verso est delle onde accoppiate. La generazione di energia delle onde tramite la convergenza nel BL è più efficiente per lunghezze d’onda più lunghe rispetto a quelle più corte, portando a una preferenza per scale planetarie (G. Chen & Wang, 2018a).

La teoria della trio-interazione rivela che la velocità di propagazione verso est dell’MJO è fortemente correlata a un indice di intensità dei venti occidentali, definito come il rapporto tra il massimo vento occidentale dell’onda di Rossby e il vento orientale dell’onda di Kelvin nella troposfera inferiore. Con l’aumento dell’indice di intensità dei venti occidentali, ovvero quando la componente dell’onda di Rossby si intensifica o quella dell’onda di Kelvin si riduce, la propagazione verso est dell’MJO tende a rallentare (B. Wang & Lee, 2017; B. Wang et al., 2018). La velocità di questa propagazione è influenzata dallo schema di parametrizzazione della convezione e dalla temperatura della superficie del mare (SST). In particolare, lo schema di parametrizzazione di Betts-Miller (Betts & Miller, 1986) risulta in una propagazione più lenta dell’onda accoppiata Rossby-Kelvin rispetto allo schema di Kuo (H. Kuo, 1974), e la velocità di propagazione diminuisce con l’incremento della SST (B. Wang & Chen, 2017).

Esiste una divergenza di opinioni nella letteratura scientifica riguardo al ruolo della frizione nel boundary layer (BL) per l’MJO (es. D. Kim et al., 2011; Shi et al., 2018). Inoltre, il valore del coefficiente di smorzamento del BL rimane incerto. È necessario condurre ulteriori studi per determinare se i risultati possono essere replicati in diversi modelli.

Teorie della Modalità di Umidità dell’MJO

Il concetto di “modalità di umidità” dell’MJO è fondato sulla stretta connessione tra variazione dell’umidità e convezione (Raymond, 2001; Sobel et al., 2001). Esistono tre teorie principali riguardanti questa modalità, ognuna con differenti meccanismi per l’instabilità su scala planetaria e la propagazione verso est.

Nell’ambito della teoria della modalità di umidità, applicando l’approssimazione del gradiente di temperatura debole (WTG) (Adames & Kim, 2016; Sobel & Maloney, 2012, 2013), si presume che il movimento verticale sia in equilibrio con il riscaldamento diabatico e che il campo dei venti anomali mantenga un equilibrio costante con il riscaldamento diabatico, analogamente a quanto avviene nel modello di Matsuno-Gill (Gill, 1980; Matsuno, 1966). L’equazione prognostica dell’umidità è l’unico elemento previsionale. Secondo questa teoria, la propagazione verso est dell’MJO è principalmente guidata dall’advezione orizzontale su larga scala dell’umidità, che incrementa l’umidità (o la riduce) nella troposfera libera a est (o a ovest) della convezione dell’MJO. La velocità di propagazione è determinata dall’intensità dell’advezione dell’umidità, dalla stabilità statica secca e dal tempo di aggiustamento dell’umidità convettiva.

La selezione della scala planetaria dell’MJO avviene tramite le interazioni tra convezione e radiazione infrarossa lunga. Nella troposfera superiore, le nuvole si estendono ben oltre la regione delle precipitazioni, riducendo così la radiazione infrarossa lunga in uscita e riscaldando la troposfera. Ciò induce un movimento ascendente anomalo con advezione di umidità verso l’alto, umidificando la troposfera e favorendo lo sviluppo di convezioni su larga scala. Questa teoria suggerisce che l’MJO possieda una velocità di gruppo verso ovest, ipotesi che rimane da confermare tramite osservazioni (es., G. Chen & Wang, 2018b).Nella teoria della modalità di umidità WISHE (Fuchs & Raymond, 2005, 2017; Raymond & Fuchs, 2009), si include la tendenza nelle equazioni del momento e della termodinamica. Non è strettamente necessaria l’approssimazione del gradiente di temperatura debole (WTG). La componente del vento meridionale non viene considerata (v = 0), per cui la struttura orizzontale della modalità di umidità non comprende la componente dell’onda di Rossby. Questa teoria sostiene che la propagazione verso est dell’MJO sia dovuta al processo di umidificazione secondo WISHE, presupponendo che i venti zonali di base siano orientali. WISHE gioca anche un ruolo fondamentale nella selezione della scala planetaria.

Un’altra teoria correlata alla modalità di umidità WISHE è quella dell’equilibrio quasi-stazionario del boundary layer, proposta da Khairoutdinov ed Emanuel (2018). Questa teoria ipotizza che l’incremento dell’MSE (Energia Potenziale Disponibile Modificata) nel BL sia compensato dall’importazione di aria dalla troposfera libera con un MSE basso, risultante dai downdraft convettivi (Emanuel, 1995; Raymond, 1995). Analogamente alla teoria WISHE precedente, la propagazione verso est dell’MJO è attribuita a WISHE. L’instabilità su scala planetaria è principalmente influenzata dal riscaldamento radiativo infrarosso lungo, che rappresenta il fattore dominante (Emanuel, 2019; Khairoutdinov & Emanuel, 2018).

Un limite delle teorie basate su WISHE è la necessità che lo stato medio atmosferico sia orientale affinché le onde indotte si propaghino verso est. Tuttavia, la realtà mostra che la convezione dell’MJO è più intensa nell’Oceano Indiano tropicale, dove la troposfera inferiore dello stato medio è occidentale (es., B. Wang, 1988).

Teoria dello Scheletro dell’MJO

La teoria dello scheletro si propone di spiegare le caratteristiche fondamentali dell’MJO utilizzando il numero minimo di processi ed equazioni (Majda & Stechmann, 2009). Questa teoria sottolinea le interazioni multiscala dell’MJO. Secondo tale approccio, l’MJO è descritto come un involucro neutro stabile su scala planetaria di sistemi a scala sinottica e mesoscala. Viene introdotta un’attività ondulatoria per rappresentare l’effetto medio dell’energia convettiva a queste scale, espressa tramite uno schema di parametrizzazione. L’attività ondulatoria e l’umidità della troposfera inferiore sono in quadratura, causando la propagazione delle anomalie convettive. Si ottiene una soluzione che si propaga verso est su scala planetaria, con umidificazione ad est della convezione, che presenta una struttura coerente con le onde di Kelvin e Rossby osservate. La velocità di propagazione è regolata dal gradiente di umidità di fondo, dal parametro dell’attività ondulatoria e dalla velocità delle onde di gravità.

Incorporando la nonlinearità e il rumore stocastico, questa teoria riesce a simulare con buona approssimazione vari aspetti dell’MJO osservato, tra cui struttura, ampiezza e irregolarità (Stachnik et al., 2015; Stechmann & Majda, 2015; Thual et al., 2014; Thual & Majda, 2015). I processi stocastici contribuiscono a dissipare le onde a piccola scala, facilitando la selezione della scala per lo sviluppo dell’MJO. La teoria dello scheletro si basa su un trattamento specifico dell’attività ondulatoria delle attività a piccola scala, che rappresenta la sua principale limitazione. Inoltre, essa adotta la struttura osservata dell’MJO piuttosto che un meccanismo di selezione della scala. Ulteriori analisi e validazioni dello schema di parametrizzazione dell’attività ondulatoria sarebbero auspicabili.

Teoria delle Onde di Gravità dell’MJO

La teoria delle onde di gravità dell’MJO è stata sviluppata da D. Yang e Ingersoll (2013, 2014). Secondo questa teoria, le onde inerziali-gravità equatoriali ad alta frequenza, che si propagano sia verso ovest che verso est, sono fondamentali per l’MJO. Le onde di gravità inerziali verso est si propagano leggermente più velocemente di quelle verso ovest a causa dell’effetto beta, contribuendo così alla propagazione verso est dell’MJO. La scala planetaria dell’MJO è definita dalla distanza media che le onde inerziali-gravità percorrono senza incontrare una tempesta convettiva. In questa teoria, non è presente una rappresentazione esplicita dell’umidità. Viene impiegata una parametrizzazione cumuliforme, con l’energia potenziale convettiva disponibile (CAPE) come criterio di chiusura, trattando dunque la convezione come un processo innescato.

Basandosi su un modello bidimensionale di acque poco profonde, l’MJO è simulato con un buon grado di accuratezza (D. Yang & Ingersoll, 2013). L’MJO è descritto come un involucro su scala planetaria che si propaga verso est a una velocità di circa 3 m/s.

Nella teoria delle onde di gravità, la parametrizzazione convettiva presenta una dinamica a soglia, il che complica la derivazione di soluzioni analitiche lineari. Ulteriori indagini per verificare i meccanismi di innesco della convezione e i parametri di scala sarebbero opportuni.

Dinamiche dei Vortici e Teorie Recenti sull’MJO

Recentemente sono state proposte due nuove teorie sull’MJO. Queste teorie avanzano l’ipotesi che il meccanismo dominante per la lenta propagazione verso est dell’MJO sia connesso alla dinamica di una coppia di vortici equatoriali situata a ovest dell’MJO. Nel contesto dell’onda solitaria (Rostami & Zeitlin, 2019; Yano & Tribbia, 2017), la coppia di vortici si muove lentamente verso est a causa dell’advezione non lineare della vorticità potenziale. Invece, secondo Hayashi e Itoh (2017), la coppia di giri ciclonici di Rossby procede verso est per effetto di un significativo stiramento del vortice nella troposfera inferiore, facilitato dall’accoppiamento con la convezione profonda.

Le teorie sull’MJO precedentemente discusse enfatizzano vari processi dinamici e differiscono nelle approssimazioni e nelle parametrizzazioni utilizzate. Sono necessari ulteriori studi per determinare quali processi siano cruciali per l’MJO e quali intervalli di parametri siano essenziali per una modellazione realistica dell’MJO.

Impatti Globali e Interazioni Tropicali-Extratropicali

a. Influenze Osservate dell’MJO

L’Oscillazione Madden-Julian (MJO) esercita un impatto significativo sul sistema climatico e meteorologico globale. Nella regione tropicale, influisce direttamente sull’organizzazione di convezione e precipitazioni. L’inizio e le variazioni dei monsoni globali sono fortemente legati all’MJO, come dimostrato da diversi studi (es. Hendon & Liebmann, 1990; K.-M. Lau & Chan, 1986; Lorenz & Hartmann, 2006; Sultan et al., 2003; Webster et al., 1998; Mo et al., 2012; B. Wang, 2006). Anche la genesi e le traiettorie dei cicloni tropicali sono influenzate dall’attività dell’MJO (es. Liebmann et al., 1994; Maloney & Hartmann, 2000; Nakazawa, 1988; C.-Y. Lee et al., 2018).

Sebbene l’MJO sia un fenomeno prevalentemente tropicale, le sue ripercussioni si estendono ben oltre, influenzando vari aspetti del clima e del meteo nelle regioni extratropicali, inclusi eventi meteorologici persistenti ed estremi. Le variazioni della temperatura dell’aria superficiale in molte aree extratropicali sono correlate con le fasi dell’MJO. Ad esempio, Jeong et al. (2005) hanno osservato che i modelli spaziali e l’entità delle anomalie della temperatura superficiale invernale nell’Asia orientale variano notevolmente in funzione delle fasi dell’MJO, potendo anche intensificare le onde di freddo. In Asia orientale, gli effetti dell’MJO sono stati collegati a risposte locali della cellula di Hadley e delle onde di Rossby (es. He et al., 2011).

In Nord America, la variabilità sub-stagionale delle temperature invernali è strettamente collegata alle fasi dell’MJO (es. Baxter et al., 2014; H. Lin & Brunet, 2009; Zheng et al., 2018; Zhou et al., 2012). Si osservano anomalie calde circa due settimane dopo le fasi 2-3 dell’MJO, mentre le fasi 6-7 sono associate a una maggiore probabilità di temperature inferiori alla norma in Canada e negli Stati Uniti orientali (es. H. Lin & Brunet, 2009; NAS, 2016). L’influenza dell’MJO si estende anche alle anomalie di temperatura invernale nella regione artica (es. Vecchi & Bond, 2004; Yoo et al., 2012; H. Lin, 2020).Come mostrato nella Figura 4 (a colori), sono presentati i compositi ritardati dell’anomalia della temperatura dell’aria a 2 metri (T2m) sull’emisfero settentrionale durante l’inverno, 11-15 giorni dopo le fasi 3 e 7 dell’MJO. Dalla Figura 4(a), si nota che a seguito della fase 3 dell’MJO, la T2m tende ad essere più calda del normale in Nord America e più fredda nell’Europa centrale. Alle alte latitudini, si registrano anomalie fredde a nord dello Stretto di Bering e del Nord America, mentre le anomalie calde si osservano a nord dell’Europa occidentale. Una situazione generalmente opposta si evidenzia dopo l’occorrenza della fase 7 dell’MJO, come illustrato dalla Figura 4(b).

La variabilità delle precipitazioni nelle regioni extratropicali è stata associata anche all’MJO. In particolare, le anomalie di precipitazione lungo la costa occidentale del Nord America sono correlate con l’attività di convezione tropicale legata all’MJO (es., Becker et al., 2011; Bond & Vecchi, 2003; Higgins et al., 2000; Mo & Higgins, 1998; H. Lin, Brunet, & Mo, 2010). È stato osservato un aumento delle piogge estreme negli Stati Uniti contigui quando il centro di convezione dell’MJO si trova sull’Oceano Indiano (es., Barrett & Gensini, 2013; Jones & Carvalho, 2012). L’MJO è stato trovato influenzare l’attività del fiume atmosferico (AR), che è associato a precipitazioni intense vicino alla costa occidentale del Nord America (Baggett et al., 2017; Guan et al., 2012; Mundhenk et al., 2018). Jeong et al. (2008) hanno dimostrato che l’MJO modula la distribuzione delle precipitazioni sull’Asia orientale. Un impatto quasi globale dell’MJO sulle precipitazioni è stato documentato in Donald et al. (2006).Nell’emisfero meridionale, si sono osservate anomalie di temperatura e precipitazioni che variano in modo coerente con le fasi dell’MJO, come documentato in diversi studi (es., Barrett et al., 2012; Marshall et al., 2014; Naumann & Vargas, 2010; Wheeler et al., 2009).

L’MJO non solo influisce su temperatura e precipitazioni in numerose località, ma il suo impatto si percepisce in vari aspetti del sistema terrestre globale. Ad esempio, è stato osservato che l’MJO modula la frequenza degli eventi meteorologici estremi (es., C. Zhu et al., 2003; T.-W. Park et al., 2010; H. Lin et al., 2019), la variabilità del ghiaccio marino polare (es., H.-J. Lee & Seo, 2019), nonché i componenti chimici e biologici nell’atmosfera e nell’oceano (es., Li et al., 2010; Tian et al., 2007). Inoltre, l’influenza dell’MJO si estende agli eventi di riscaldamento stratosferico improvviso, attraverso la propagazione di onde verso l’alto, e ai cambiamenti nel vortice polare (es., Garfinkel et al., 2014; Garfinkel & Schwartz, 2017).

La Figura 4 presenta i compositi ritardati delle anomalie della temperatura dell’aria a 2 metri (T2m) e delle anomalie di altezza geopotenziale a 500 hPa (Z500), osservate 11-15 giorni dopo le fasi 3 e 7 dell’MJO, durante la stagione invernale estesa dall’11 novembre al marzo, basati sull’analisi ERA-interim per il periodo 1981-2013.

• (a) Fase 3 dell’MJO: In questo pannello, le anomalie positive di temperatura (in rosso) si localizzano principalmente nel Nord America, indicando temperature superiori alla media stagionale. In contrasto, le anomalie negative (in blu) appaiono in Eurasia centrale, segnalando temperature inferiori alla norma. I contorni rappresentano le anomalie di Z500, con i contorni pieni che indicano valori positivi e quelli tratteggiati che indicano valori negativi. Questo pattern suggerisce modifiche significative nella pressione a media quota, che influenzano i modelli meteorologici e climatici della regione.
• (b) Fase 7 dell’MJO: Si osserva una configurazione generalmente inversa rispetto alla fase 3. Le anomalie positive di T2m sono ora evidenti in Eurasia, mentre le anomalie negative si localizzano nel Nord America. I contorni di Z500 seguono lo stesso schema del pannello (a), con contorni pieni per i valori positivi e tratteggiati per i valori negativi, riflettendo variazioni opposte nella dinamica atmosferica rispetto alla fase 3.

L’intervallo dei contorni di 8 m è utilizzato per dettagliare la distribuzione e l’intensità delle anomalie di altezza geopotenziale, cruciali per analizzare i cambiamenti nei modelli di circolazione atmosferica. Queste anomalie sono vitali per comprendere come le fasi dell’MJO possano influenzare le condizioni meteorologiche regionali, inclusi cambiamenti nelle temperature e potenziali impatti su precipitazioni ed eventi estremi.

b. Teleconnessioni Extratropicali dell’MJO

L’influenza dell’MJO sulle regioni extratropicali è legata alla risposta atmosferica al riscaldamento diabatico tropicale e alla sua interazione con le variabilità extratropicali. La variabilità del clima extratropicale è comunemente descritta attraverso pattern ricorrenti, noti come modi di variabilità (es., Wallace & Gutzler, 1981; Barnston & Livezey, 1987). Tra questi, si annoverano il pattern del Pacifico Nordamericano (PNA) e l’Oscillazione Nord Atlantica (NAO) nell’Emisfero Nord, e il pattern Pacifico – Sud Americano (PSA) nell’Emisfero Sud (es., Mo & White, 1985). Questi schemi hanno un impatto significativo sul tempo meteorologico e clima regionale e globale, influenzando in particolare gli eventi meteorologici persistenti ed estremi.

La comprensione basilare dei processi dinamici che regolano la variabilità intrastagionale extratropicale è stata stabilita già negli anni ’80, grazie a un vasto corpus di studi osservativi, di modellazione e teorici (es., Hoskins & Pearce, 1983). Una parte sostanziale di queste variabilità è generata dalle dinamiche interne atmosferiche della regione extratropicale, sviluppandosi mediante l’estrazione di energia cinetica sia dal flusso medio temporale che dalle transizioni sinottiche ad alta frequenza (es., Simmons et al., 1983; N.-C. Lau, 1988; Sheng & Derome, 1991). La variabilità intrastagionale extratropicale può anche essere innescata da forzamenti termici tropicali e spiegata attraverso la propagazione delle onde di Rossby (es., Hoskins & Karoly, 1981). La convezione dell’MJO rappresenta un’importante variazione del riscaldamento diabatico, fornendo un forzamento tropicale cruciale per la circolazione globale.

Potrebbe risultare utile un confronto tra le teleconnessioni dell’MJO e quelle dell’Oscillazione del Sud El Niño (ENSO). È ben noto che su una scala temporale interannuale, l’ENSO è il principale modello di variabilità tropicale, con un impatto globale significativo e rappresenta la fonte più rilevante di prevedibilità nelle previsioni stagionali (es., Shukla et al., 2000). Le anomalie di riscaldamento diabatico dell’ENSO nella regione equatoriale centrale del Pacifico possono stimolare le onde di Rossby extratropicali durante l’inverno boreale, generando modelli atmosferici extratropicali simili al pattern PNA (es., Wallace & Guztler, 1981), e al pattern Tropicale – Emisfero Nord (TNH) (es., Mo & Livezey, 1986).

In modo simile, l’MJO con la sua variabilità nella convezione tropicale e nel riscaldamento diabatico nell’Oceano Indiano tropicale e nell’area occidentale del Pacifico rappresenta una fluttuazione nel forcing tropicale, che può indurre le onde di Rossby extratropicali e portare a una variabilità della circolazione extratropicale su una scala temporale intrastagionale. Di conseguenza, l’MJO costituisce una fonte importante di prevedibilità per l’atmosfera globale su una scala sub-stagionale (es., Waliser, 2012; NAS, 2016).La convezione dell’MJO può indurre una serie di onde attraverso il Pacifico settentrionale e il Nord America, con un pattern simile al PNA (es., Ferranti et al., 1990; K.-M. Lau & Phillips, 1986; Mori & Watanabe, 2008). L’analisi di Riddle et al. (2013) indica che l’MJO potrebbe non generare un pattern PNA puro, ma piuttosto una risposta simile al PNA con caratteristiche distintive proprie. La propagazione verso est dell’attività convettiva dell’MJO è collegata a un cambiamento nella tendenza e nel segno dell’indice dell’Oscillazione Artica (AO) (L’Heureux & Higgins, 2008). Flatau e Kim (2013) hanno mostrato che su scala sub-stagionale, un’intensificazione della convezione dell’MJO nell’Oceano Indiano induce cambiamenti nell’Oscillazione Antartica (AAO). È stato inoltre rilevato che il pattern PSA dell’Emisfero Sud è influenzato dalle fasi dell’MJO (es., Mo & Higgins, 1998).

L’NAO, che ha i suoi centri di azione nell’Atlantico Nord, presenta una connessione ritardata robusta con l’MJO (Cassou, 2008; H. Lin et al., 2009). Si verifica un significativo aumento nella probabilità di un NAO positivo (o negativo) circa 10-15 giorni dopo le fasi 2-3 (6-7) dell’MJO. Questa connessione ritardata tra MJO e NAO può essere spiegata attraverso la propagazione delle onde di Rossby extratropicali (es., Cassou, 2008; H. Lin, Brunet, & Mo, 2010) e può essere simulata nei modelli dinamici (es., Straus et al., 2015; H. Lin & Brunet, 2018; Shao et al., 2019; Yadav et al., 2019). La maggior parte dei modelli S2S riesce a riprodurre questa connessione ritardata, anche se l’ampiezza è più debole rispetto alle osservazioni (es., Vitart, 2017; Vitart & Molteni, 2010).La previsione sub-stagionale dell’NAO beneficia notevolmente dall’influenza dell’MJO (es., H. Lin, Brunet, G., & Fontecilla, 2010; Tseng et al., 2018; P.-N. Feng et al., 2021). L’NAO ha un impatto significativo sul clima e sul tempo meteorologico in vaste aree dell’Europa e del Nord America (es., Hurrell et al., 2003). Nella Figura 4 (in contorno) sono rappresentati i compositi ritardati dell’anomalia dell’altezza geopotenziale a 500-hPa (Z500) sull’emisfero settentrionale in inverno, 11–15 giorni dopo le fasi 3 e 7 dell’MJO.

I modelli di forzamento termico tropicale con una struttura a dipolo est-ovest nell’Oceano Indiano e nel Pacifico occidentale, corrispondenti alle fasi 2–3 e 6–7 dell’MJO, si sono dimostrati particolarmente efficaci nell’eccitare le onde di Rossby extratropicali e le teleconnessioni. Mediante una serie di esperimenti numerici con riscaldamenti tropicali posizionati a diverse longitudini, H. Lin, Brunet e Mo (2010) hanno evidenziato come l’ampiezza della risposta extratropicale sia influenzata dalla posizione longitudinale del forzamento equatoriale rispetto al getto subtropicale dell’Est Asiatico. La risposta risulta debole quando il forzamento termico è situato vicino alle longitudini della regione delle isole della Sonda. Un riscaldamento nell’Oceano Indiano e uno nel Pacifico occidentale generano un modello di teleconnessione simile al PNA, ma con segni opposti.

Di conseguenza, un forzamento termico tropicale a dipolo, con riscaldamento nell’Oceano Indiano equatoriale e raffreddamento nel Pacifico occidentale (fasi 2–3 dell’MJO), o il contrario (fasi 6–7 dell’MJO), produce anomalie considerevoli nella circolazione extratropicale.Studi preliminari hanno evidenziato che l’instabilità barotropica del flusso medio che varia zonalmente nelle medie latitudini induce la crescita di disturbi a bassa frequenza in aree specifiche, come l’est del Pacifico settentrionale e l’Atlantico settentrionale (es., Branstator, 1985; Simmons et al., 1983). Il forzamento tropicale ottimale per stimolare la risposta del Pacifico settentrionale cambia segno passando dal Pacifico occidentale all’Oceano Indiano (es., Ferranti et al., 1990; Simmons et al., 1983). Un recente studio di Tseng et al. (2018) ha confermato che le fasi 2–3 e 6–7 dell’MJO, caratterizzate da un riscaldamento a dipolo sull’Oceano Indiano tropicale e sul Pacifico occidentale, sono efficaci nel suscitare una risposta simile alla PNA. Gli autori hanno dimostrato che tale forzamento tropicale genera un pattern a dipolo di sorgente di onde di Rossby ai lati del getto subtropicale, potenziando la coerenza delle teleconnessioni grazie all’interferenza costruttiva di segnali simili.

La teleconnessione dell’MJO può essere generalmente simulata tramite modelli numerici (es., Matthews et al., 2004; H. Lin, Brunet, & Mo, 2010; Vitart & Molteni, 2010; K.-H. Seo & Son, 2012; H. Lin & Brunet, 2018). Nel settore del Pacifico settentrionale, c’è un ampio consenso tra vari studi che il forzamento termico dell’MJO possa indurre un’anomalia ciclonica o anticiclonica vicino a 45°N, 180°, che forma il centro del Pacifico settentrionale del modello simile alla PNA. Tuttavia, molti modelli tendono a produrre una risposta eccessivamente forte del Pacifico settentrionale rispetto alle osservazioni (es., Vitart, 2017), il che è probabilmente correlato ad errori nella propagazione dell’MJO nei modelli.Nel settore dell’Atlantico Nord, la maggior parte dei modelli tende a produrre un NAO positivo seguendo le fasi 2-3 dell’MJO e un NAO negativo dopo le fasi 6-7, anche se il segnale è generalmente debole e meno coerente (es., Vitart, 2017; Vitart & Molteni, 2010). Gli esperimenti numerici con modelli lineari riproducono efficacemente la risposta del Pacifico Nord al forzamento dell’MJO, ma evidenziano solo un debole segnale nell’Atlantico Nord (es., H. Lin, Brunet, & Mo, 2010; H. Lin & Brunet, 2018). Ciò suggerisce che i processi atmosferici non lineari svolgono un ruolo più significativo nella risposta all’influenza tropicale nell’Atlantico Nord rispetto al Pacifico Nord, conformemente ai risultati di studi precedenti (es., H. Lin, Derome, & Brunet, 2007). Utilizzando il modello Community Earth System, Straus et al. (2015) hanno dimostrato che il NAO positivo 15-25 giorni dopo la fase 3 dell’MJO è sostenuto dalla convergenza del flusso di vorticità sinottica e dalla sorgente delle onde di Rossby.

L’MJO ha dimostrato di influenzare il riscaldamento stratosferico improvviso e il vortice polare (es., Garfinkel et al., 2012, 2014; Kang & Tziperman, 2018; C. Liu et al., 2014). Tali eventi portano a cambiamenti nell’Oscillazione Artica (AO) o nel modo annulare del nord (NAM; es., Thompson & Wallace, 1998) e il segnale può propagarsi verso il basso, influenzando la troposfera e le condizioni di superficie (es., Baldwin & Dunkerton, 2001). Il vortice polare stratosferico può condizionare il flusso di fondo per la propagazione delle onde di Rossby troposferiche indotte dall’MJO nella stratosfera, offrendo così un percorso stratosferico per l’MJO nell’influenzare il NAO (es., Barnes et al., 2019).

c. Interazioni Tropicali-Extratropicali

Gli extratropici esercitano un’influenza significativa sui tropici. Le onde extratropicali possono propagarsi nei tropici influenzando l’attività convettiva su una vasta gamma di scale temporali (es., Liebmann & Hartmann, 1984; Matthews & Kiladis, 1999; Webster & Holton, 1982). Analogamente, le onde tropicali possono essere scatenate da disturbi extratropicali (es., Hoskins & Yang, 2000; C. Zhang & Webster, 1992). È stato osservato che alcuni eventi dell’MJO sono indotti dalle variabilità atmosferiche delle medie latitudini dell’emisfero nord (es., Hall et al., 2017; H. Lin, Brunet, & Derome, 2007; Ray & Zhang, 2010; Vitart & Jung, 2010).

Le interazioni tropicali-extratropicali rappresentano un elemento cruciale per l’MJO e le sue teleconnessioni globali (es., Frederiksen & Lin, 2013; H. Lin et al., 2019; Stan et al., 2017). In uno studio di H. Lin et al. (2009), è emerso che l’attività dell’NAO può modulare l’MJO. Circa 20 giorni dopo un episodio di NAO positivo o negativo, l’MJO tende a manifestarsi rispettivamente nelle fasi 7 e 3. H. Lin e Brunet (2011) hanno studiato l’influenza dell’ampiezza dell’NAO sulla capacità di previsione dell’MJO, scoprendo che la precisione della previsione dell’MJO è superiore quando viene inizializzata con un NAO forte rispetto a uno debole. Tuttavia, rimane limitata la comprensione del meccanismo dinamico attraverso il quale l’NAO extratropicale influisce sull’MJO tropicale.

Variazioni Interannuali dell’Attività della MJO

Oltre alle variazioni stagionali discusse nella sezione 2, l’attività della MJO varia annualmente. Questa variazione può essere influenzata da processi lenti del sistema climatico, come l’ENSO.

Durante l’El Niño, i venti alisei del Pacifico si attenuano, e la piscina calda tropicale del Pacifico occidentale si estende verso est. Questo fenomeno è documentato in studi quali McPhaden et al., 2006a. Di conseguenza, l’attività della MJO tende ad estendersi verso est lungo il margine della piscina calda durante lo sviluppo dell’El Niño, come evidenziato da vari ricercatori (Bergman et al., 2001; Fink & Speth, 1997; Hendon et al., 1999; Woolnough et al., 2000).

Nel Pacifico, l’attività della MJO è più intensa prima del picco di El Niño rispetto ai periodi precedenti l’estremo di La Niña, come riportato da C. Zhang & Gottschalck (2002). Gli indici SST dell’ENSO e della MJO nel Pacifico mostrano una correlazione, segnalata da Kessler nel 2001. Inoltre, J. Feng et al. (2015) hanno osservato che le attività della MJO variano nelle diverse fasi degli El Niño del Pacifico orientale e centrale.

La relazione tra ENSO e MJO suggerisce che l’ENSO potrebbe modulare l’attività della MJO nel Pacifico occidentale tropicale, e viceversa, l’attività della MJO potrebbe influenzare lo sviluppo dell’ENSO attraverso raffiche di vento occidentali e onde Kelvin oceaniche (K.-M. Lau & Chan, 1988; K.-M. Lau et al., 1989; Hendon et al., 2007; McPhaden et al., 2006b; Tang & Yu, 2008; C. Zhang & Gottschalck, 2002).

Tuttavia, nonostante queste interazioni, la correlazione contemporanea tra l’attività media stagionale della MJO e l’ENSO durante l’inverno boreale è debole. Studi come quelli di Hendon et al. (1999), Jones & Carvalho (2006) e Slingo et al. (1999) indicano che molta della variabilità interannuale della MJO è probabilmente indipendente dalle forzature SST legate a ENSO, e potrebbe derivare più da dinamiche interne all’atmosfera.La risposta atmosferica extratropicale all’ENSO comporta modifiche nello stato medio stagionale, che facilitano la propagazione dell’onda di Rossby indotta dalla MJO. Di conseguenza, la teleconnessione della MJO può essere influenzata dall’ENSO. Ad esempio, Roundy et al. (2010) hanno osservato che la teleconnessione della MJO è più intensa durante gli inverni di La Niña rispetto a quelli di El Niño. R. Lee et al. (2019) hanno rilevato che la teleconnessione troposferica della MJO verso il regime positivo dell’NAO è rafforzata nei periodi di El Niño e ridotta durante La Niña, mentre la teleconnessione stratosferica verso il regime negativo dell’NAO è potenziata nei periodi di La Niña e attenuata durante El Niño. Henderson e Maloney (2018) hanno scoperto che i modelli di teleconnessione dipendenti dalla fase dell’ENSO influenzano l’attività di blocco ad alta latitudine nel Pacifico e Atlantico. Inoltre, è stato evidenziato che le teleconnessioni e gli impatti della MJO nella regione del Pacifico-Nord America sono amplificati dal riscaldamento antropogenico (ad es., W. Zhou et al., 2020).

Studi più recenti hanno mostrato che la variabilità interannuale della MJO è modulata dalla oscillazione quasi-biennale stratosferica (QBO), un’importante oscillazione dei venti zonali stratosferici tropicali che alternano tra easterlies e westerlies con un ciclo di circa 28 mesi (es. Baldwin et al., 2001). Durante gli inverni in cui la stratosfera inferiore si trova in una fase easterly della QBO, la MJO risulta più forte e più attiva rispetto a quando si trova in una fase westerly (es. Son et al., 2017; Yoo & Son, 2016).

Si è scoperto che circa il 40-50% della varianza interannuale dell’attività della MJO durante l’inverno boreale può essere attribuito alla QBO. Durante la fase easterly della QBO, la MJO si propaga più lentamente verso est e più lontano nel Pacifico occidentale rispetto agli inverni boreali della fase westerly della QBO (es. Nishimoto & Yoden, 2017; S. Wang et al., 2019; C. Zhang & Zhang, 2018).

Per spiegare la connessione QBO-MJO, sono stati proposti diversi meccanismi. Uno di questi è l’effetto della stratificazione della temperatura della QBO, che modifica la stabilità statica della troposfera superiore e il taglio verticale del vento zonale (es. Hendon & Abhik, 2018; Nishimoto & Yoden, 2017; Son et al., 2017). Anche i feedback delle radiazioni nuvolose possono contribuire alla connessione QBO-MJO (es. Son et al., 2017; Sun et al., 2019), poiché una temperatura fredda durante la fase easterly della QBO è probabilmente accompagnata da nubi cirrus ad alta quota, che a loro volta possono influenzare la temperatura della bassa stratosfera (es. Hartmann et al., 2001; Q. Yang et al., 2010).

I diversi comportamenti della MJO durante le fasi easterly e westerly della QBO portano a cambiamenti nei modelli di teleconnessione extratropicale. Durante gli inverni della fase easterly della QBO, il modello di teleconnessione delle onde di Rossby simile al PNA nel Nord Pacifico è più pronunciato rispetto agli inverni della fase westerly della QBO (es. Son et al., 2017; Toms et al., 2020; J. Wang et al., 2018). La QBO è anche trovata per modulare indirettamente la teleconnessione della MJO nell’Atlantico Nord attraverso la sua influenza sul flusso zonale medio stagionale (P.-N. Feng & Lin, 2019). Le precipitazioni correlate alla MJO nell’Asia orientale sono osservate essere modulate dalla QBO (H. Kim et al., 2020).

La nostra comprensione della connessione tra la MJO e la QBO è limitata. Non è stata ancora trovata una spiegazione dinamica conclusiva per la connessione QBO-MJO. I modelli climatici globali attuali non riescono a simulare la correlazione osservata tra l’attività della MJO e la QBO (es. H.-M. Kim et al., 2020b; Lim & Son, 2020). H.-M. Kim et al. (2020a) hanno dimostrato che la relazione tra la capacità di previsione della MJO e la QBO non è statisticamente significativa nei modelli S2S all’avanguardia. Questo indica che alcuni processi chiave che collegano la stratosfera e la MJO tropicale sono assenti o non adeguatamente rappresentati nei GCM moderni, e sono necessari ulteriori studi osservativi, di modellazione e teorici.

La variabilità interannuale dell’attività della MJO ha importanti implicazioni e impatti sul sistema climatico globale. H. Lin et al. (2015) hanno esaminato la variabilità interannuale della MJO e il suo impatto sul NAO durante l’inverno boreale. Hanno scoperto che la posizione preferenziale dell’attività della MJO si alterna tra l’Oceano Indiano e il Pacifico occidentale di anno in anno, come evidenziato dalla variazione annuale nella frequenza di occorrenza delle singole fasi della MJO. Questo spostamento interannuale della posizione della MJO non è correlato né con l’ENSO né con la QBO. Durante gli inverni in cui la convezione della MJO avviene più frequentemente nell’Oceano Indiano (Pacifico occidentale), si tende a registrare un NAO stagionale medio positivo (negativo) (H. Lin et al., 2015). Un simile spostamento dell’attività della MJO tra l’Oceano Indiano e il Pacifico occidentale è stato osservato anche in Bellenger e Duvel (2012).

6. Modellazione e previsioni

a. Modellazione del MJO

Simulare il MJO (Oscillazione di Madden-Julian) è sempre stato un compito difficile per i GCM (Modelli di Circolazione Generale). Uno studio iniziale sui modelli del Primo Progetto di Interconfronto dei Modelli Atmosferici (AMIP I), condotto da Slingo et al. (1996), rivelò che nessuno dei modelli riusciva a riprodurre il marcato picco spettrale nei venti superiori, un tratto distintivo del MJO osservato.

La variabilità tropicale simulata dai modelli era generalmente troppo rapida e debole. Successivamente, J.-L. Lin et al. (2006) valutarono la simulazione del MJO in 14 GCM accoppiati del Terzo Progetto di Interconfronto dei Modelli Accoppiati (CMIP3), trovando che solo un modello simulava correttamente il picco spettrale nelle precipitazioni equatoriali simile a quello del MJO.

Studi successivi mostrarono miglioramenti: Hung et al. (2013) e Ahn et al. (2017) evidenziarono progressi nei modelli CMIP5. Ancora più recentemente, Ahn et al. (2020) utilizzando i modelli CMIP6, dimostrarono che la capacità di rappresentare il MJO è generalmente migliorata, in particolare nella propagazione verso est attraverso il continente marittimo.

Tuttavia, molti modelli sono ancora carenti: pur riuscendo a simulare la propagazione verso est del MJO nel vento zonale, il segnale nelle precipitazioni risultava troppo debole e diverse altre caratteristiche importanti del MJO non venivano adeguatamente rappresentate, come indicato da C. Zhang et al. (2006) e D. Kim et al. (2009). Infine, Jiang et al. (2015), analizzando la simulazione del MJO in 27 modelli per un progetto di confronto specifico, scoprirono che la caratteristica di propagazione verso est del MJO osservato era catturata dal circa 25% dei modelli partecipanti.Numerosi studi hanno evidenziato che la simulazione del MJO (Oscillazione Madden-Julian) è fortemente influenzata dalla configurazione dello schema di parametrizzazione della convezione utilizzato nei modelli (ad es., C.-K. Park et al., 1990; Slingo et al., 1994; Wang & Schlesinger, 1999). Questo aspetto è prevedibile, considerando che i processi di convezione tropicale sono essenziali per il MJO.

I processi convettivi avvengono a una scala inferiore rispetto alla griglia dei modelli meteorologici e climatici convenzionali attuali e, di conseguenza, non possono essere risolti direttamente. Pertanto, la loro rappresentazione deve affidarsi alla parametrizzazione. In uno schema di parametrizzazione standard, l’ampiezza della convezione è determinata dallo stato a grande scala, un approccio noto come chiusura.

Una condizione di chiusura viene generalmente derivata come una quantità fisica integrata verticalmente. Le due opzioni più comuni per definire questa condizione sono l’umidità (ad es., H. Kuo, 1974) e la galleggiabilità del pacchetto convettivo (ad es., Arakawa & Schubert, 1974), quest’ultima spesso legata alla energia potenziale convettiva disponibile (CAPE).

È stato osservato che i modelli con schemi di convezione che si basano sulla convergenza dell’umidità tendono a simulare male la variabilità intrasstagionale tropicale. Ad esempio, Slingo et al. (1996) dimostrarono che i modelli che impiegano schemi di convezione basati sulla galleggiabilità offrivano una migliore simulazione della variabilità intrasstagionale rispetto a quelli che dipendevano dall’approvvigionamento di umidità.

Wheeler (2003) ha scoperto che modificare la chiusura dello schema di convezione dalla convergenza dell’umidità al CAPE risultava in un incremento dello spettro di potenza per le frequenze del MJO che si propagano verso est.Oltre alla chiusura, un altro fattore critico negli schemi di parametrizzazione della convezione è l’entrainment-detrainment (ad es., Yano et al., 2012). È stato riscontrato che un aumento della frazione di entrainment nello schema di convezione profonda migliora significativamente la simulazione del MJO (ad es., Maloney & Hartmann, 2001; D. Kim et al., 2012). È anche fondamentale una adeguata rappresentazione delle convezioni poco profonde in un GCM per catturare il precondizionamento e l’umidificazione della troposfera inferiore a est della convezione profonda del MJO (ad es., G. Zhang & Song, 2009).

Bechtold et al. (2008) hanno scoperto che modellare il tasso di entrainment dello schema cumuliforme per variare verticalmente e dipendere dall’umidità ambientale porta a un miglioramento nella rappresentazione delle onde tropicali, incluso il MJO. Ulteriori approfondimenti sull’impatto di questa metodologia sul MJO sono stati presentati in Hirons et al. (2013a, 2013b). Altre ricerche hanno evidenziato l’importanza dell’umidità ambientale sulla convezione parametrizzata nel GCM (ad es., Chikira & Sugiyama, 2010; D. Kim et al., 2012).

D’altra parte, le modifiche allo schema di convezione che migliorano la rappresentazione del MJO possono talvolta degradare la simulazione del clima medio (ad es., D. Kim et al., 2011). Tuttavia, recenti studi di modellazione hanno dimostrato che è possibile migliorare la simulazione del MJO senza impatti negativi sul clima medio (ad es., Ahn et al., 2019; B. Chen & Mapes, 2018). In particolare, Ahn et al. (2019) hanno rilevato che per una simulazione efficace sia dello stato medio sia del MJO è cruciale avere un tasso di entrainment che si adatti alla situazione, ovvero più elevato durante la convezione del MJO soppressa rispetto a quella attiva.

Recentemente, diversi gruppi di ricerca hanno sviluppato modelli che non dipendono dalla parametrizzazione della convezione e sono stati utilizzati per la simulazione del MJO (ad es., Miura et al., 2007; Nasuno et al., 2009; P. Liu et al., 2009). Ad esempio, con il modello globale accoppiato oceano-atmosfera a risoluzione di nubi della Japan Agency for Marine-Earth Science and Technology (JAMSTEC), Sasaki et al. (2016) hanno dimostrato che un evento MJO è stato simulato in modo realistico. Queste simulazioni ad alta risoluzione permettono analisi dettagliate che offrono intuizioni significative sulla dinamica del MJO, soprattutto per quanto riguarda le interazioni multiscale. Tuttavia, le simulazioni che impiegano questi GCM risolventi le nubi tendono a essere di breve durata e a coprire un numero limitato di casi di MJO, a causa delle limitazioni delle risorse di calcolo. Risulta difficile ottenere conclusioni statisticamente robuste da tali simulazioni.

Un altro metodo per rappresentare le nuvole e le convezioni in un GCM è quello di sostituire la parametrizzazione della convezione con l’inserimento di un modello a 2-D risolvente le nubi (CRM) in ogni colonna della griglia (ad es., Grabowski, 2001; Khairoutdinov & Randall, 2003). Questo approccio di super-parametrizzazione ha mostrato di migliorare significativamente la performance nella simulazione del MJO rispetto al modello originale che utilizza uno schema di parametrizzazione cumuliforme convenzionale (ad es., Khairoutdinov et al., 2005; Benedict & Randall, 2009; H. Zhu et al., 2009). Nonostante ciò, il successo dei modelli superparametrizzati nel simulare il MJO è dipendente dal modello specifico. Alcuni modelli con CRM integrato continuano a mostrare significativi bias nel clima simulato (ad es., D. Kim et al., 2011; Jiang et al., 2015).

L’interazione aria-mare è riconosciuta come un aspetto cruciale del MJO. Esiste una correlazione significativa tra la convezione del MJO, i flussi di superficie e la temperatura della superficie del mare (SST) (ad es., DeMott et al., 2015; Woolnough et al., 2000). I processi coinvolti in questa interazione comprendono variazioni nella radiazione solare, l’evaporazione superficiale, i venti e il mescolamento verticale.

Di conseguenza, una corretta rappresentazione del coupling aria-mare è essenziale per una simulazione realistica del MJO. Questo include una rappresentazione accurata del ciclo diurno della SST, che richiede una risoluzione verticale dettagliata vicino alla superficie dell’oceano (ad es., Woolnough et al., 2007; H. Seo et al., 2014).

Studi precedenti hanno evidenziato che la scala temporale e l’intensità della variabilità intrasstagionale, così come la velocità di fase, sono più realistiche quando si impiega un GCM accoppiato (ad es., Flatau et al., 1997; Kemball-Cook et al., 2002; Sperber et al., 2005; Waliser et al., 1999). In contrasto, altre ricerche hanno dimostrato che il coupling aria-mare ha un impatto limitato o negativo sulla simulazione del MJO (ad es., Gualdi et al., 1999; Hendon, 2000; Pegion & Kirtman, 2008).

I fattori che influenzano negativamente la simulazione del MJO in contesti accoppiati includono l’aumento dei bias nel clima medio del modello e le deficienze nella rappresentazione delle anomalie dei flussi di superficie, come discusso in Gualdi et al. (1999) e Hendon (2000).

b. Previsione del MJO

Data l’importanza del MJO nelle previsioni sub-stagionali a stagionali, è fondamentale produrre previsioni efficaci del MJO. Negli ultimi 20 anni, la capacità dei modelli numerici di prevedere il MJO è migliorata considerevolmente. I fattori principali di questo miglioramento includono una migliore rappresentazione dei modelli di nuvole e convezione (ad es., Bechtold et al., 2008; Hirons et al., 2013a), condizioni iniziali migliorate e l’uso di tecniche avanzate di ensemble (ad es., Neena et al., 2014; Vitart, 2017).

La stima della prevedibilità potenziale del MJO è particolarmente utile, in quanto offre un limite intrinseco alle previsioni del MJO. Tale prevedibilità può essere stimata attraverso una previsione di ensemble impiegando l’approccio del “modello perfetto“, dove un membro dell’ensemble è considerato come la “verità” e confrontato con le previsioni degli altri membri (ad es., Pegion & Kirtman, 2008; Waliser et al., 2003). Analizzando le previsioni retrospettive di insieme di otto modelli accoppiati partecipanti all’Intraseasonal Variability Hindcast Experiment (ISVHE), Neena et al. (2014) hanno stimato che la prevedibilità potenziale del MJO durante l’inverno boreale può estendersi fino a 50 giorni.

Questa stima della prevedibilità potenziale è fortemente dipendente dal modello specifico. Tuttavia, l’abilità di previsione effettiva del MJO, verificata contro le osservazioni, è significativamente inferiore alla prevedibilità potenziale per un dato modello, suggerendo che c’è margine per ulteriori miglioramenti.

La maggior parte degli studi sulle previsioni del MJO utilizza gli indici RMM di Wheeler e Hendon (2004) come misura. La valutazione delle previsioni viene spesso effettuata confrontando le previsioni con gli indici MJO osservati, impiegando il coefficiente di correlazione bivariato per ciascun tempo di anticipo (ad es., Gottschalck et al., 2010; H. Lin et al., 2008). Il tempo di anticipo in giorni in cui la correlazione scende a 0.5 è comunemente definito come la capacità di previsione del MJO, secondo quanto adottato in numerosi studi precedenti (ad es., Lim et al., 2018; Murphy & Epstein, 1989).

Attualmente, la maggior parte dei modelli dinamici è in grado di fornire previsioni abili del MJO con un tempo di anticipo superiore ai 20 giorni, e i modelli migliori arrivano fino a circa 30 giorni (ad es., Rashid et al., 2010; H.-M. Kim et al., 2014; Lim et al., 2018; Pegion et al., 2019; Vitart, 2017). Vitart (2017) ha valutato la capacità di previsione del MJO nei modelli operativi del progetto S2S, scoprendo che i punteggi di abilità variano notevolmente tra i modelli, con il modello ECMWF che si distingue per la migliore capacità di previsione del MJO di 34 giorni.

L’indice RMM comprende tre componenti: U200 e U850 per la circolazione e OLR per la convezione. Analizzando separatamente la capacità di previsione di queste tre componenti, si osserva che la componente di circolazione del MJO generalmente presenta una migliore capacità di previsione rispetto alla componente di convezione (ad es., H.-M. Kim et al., 2014; H. Lin et al., 2008).

Inoltre, oltre alla qualità del modello e delle condizioni iniziali, si sono identificati diversi fattori che influenzano la capacità di previsione del MJO. Le previsioni inizializzate con un MJO forte tendono generalmente a mostrare una migliore capacità di previsione rispetto a quelle che partono da un MJO debole (ad es., H.-M. Kim et al., 2014; Lim et al., 2018; Rashid et al., 2010).

Un MJO forte tende a presentare una struttura a grande scala più coerente e risulta più prevedibile di un MJO debole. È stata indagata anche la dipendenza della capacità di previsione del MJO dalla fase iniziale del fenomeno, ma i risultati sono stati inconsistenti tra i diversi modelli (ad es., Lim et al., 2018; H. Lin et al., 2008). Si osserva che la maggior parte dei modelli mostra una migliore abilità di previsione del MJO in inverno rispetto all’estate, probabilmente a causa della maggior intensità del MJO durante il boreale inverno rispetto all’estate.

È interessante notare che il modello ECMWF, che vanta la migliore capacità di previsione del MJO tra i modelli operativi S2S, costituisce un’eccezione poiché dimostra una migliore abilità di previsione durante l’estate boreale piuttosto che in inverno (Vitart, 2017).

Come discusso nella sezione 5, l’oscillazione quasi-biennale stratosferica (QBO) esercita un’influenza considerevole sul MJO (ad es., Son et al., 2017). Le previsioni effettuate nei periodi in cui la QBO si trova nella sua fase orientale nella stratosfera inferiore durante l’inverno boreale mostrano in genere una migliore abilità di previsione del MJO rispetto ai periodi in cui la QBO è nella sua fase occidentale (ad es., Lim et al., 2019; Marshall et al., 2017; S. Wang et al., 2019).

Tuttavia, resta da stabilire se il cambiamento della capacità di previsione del MJO correlato alla QBO sia statisticamente significativo (ad es., H.-M. Kim et al., 2019).Esistono evidenze che la variabilità atmosferica alle medie latitudini può influenzare la capacità di previsione del MJO. Ad esempio, Vitart e Jung (2010) hanno mostrato che una migliore abilità di previsione del MJO si ottiene quando l’atmosfera extratropicale è rappresentata realisticamente attraverso una serie di esperimenti di previsione retrospettiva. Inoltre, H. Lin e Brunet (2011) hanno dimostrato che la capacità di previsione del MJO è maggiore quando l’inizializzazione avviene con un NAO forte rispetto a un NAO debole, fenomeno che è associato alla connessione NAO-MJO ritardata come discusso da H. Lin et al. (2009). Sono necessari ulteriori studi per chiarire il meccanismo di influenza del MJO dai processi delle medie latitudini e l’impatto sulla capacità di previsione del MJO.

I modelli dinamici spesso incontrano difficoltà nella simulazione della propagazione del MJO attraverso il Continente Marittimo, dall’Oceano Indiano al Pacifico occidentale (dalla fase 2/3 alla fase 6/7), creando una barriera alla prevedibilità del MJO (ad es., H.-M. Kim et al., 2016). Questo problema può essere causato da un bias del modello nella variabilità diurna sul complesso terreno del Continente Marittimo, dal feedback delle radiazioni infrarosse e dalla parametrizzazione della convezione profonda (ad es., H.-M. Kim et al., 2019; Lim et al., 2018; Ling et al., 2019). Vitart (2017) ha osservato che tutti i modelli S2S presentano difficoltà nella propagazione del MJO attraverso il Continente Marittimo, con un’alta percentuale di eventi MJO che non raggiungono il Pacifico occidentale. Pertanto, è cruciale per i modelli dinamici catturare realisticamente la propagazione del MJO dall’Oceano Indiano al Pacifico occidentale per migliorare la previsione del MJO.

È stato rilevato in diversi studi che l’avvezione orizzontale dell’umidità sull’Oceano Indiano gioca un ruolo cruciale nella propagazione verso est del MJO attraverso il Continente Marittimo, influenzando significativamente la capacità di previsione del MJO (ad es., H.-M. Kim et al., 2014, 2019; Lim et al., 2018). I bias di modello relativi alla media dell’umidità causano errori nell’avvezione dell’umidità e sono considerati parzialmente responsabili del degrado nella propagazione del MJO e nella precisione delle previsioni. Altri processi, come il coupling aria-mare e i feedback nuvola-radiativi, sono ritenuti altrettanto importanti. Una comprensione più approfondita di questi processi e degli errori di modello è fondamentale per migliorare le previsioni del MJO.

Un problema frequente nei sistemi di previsione di ensemble per il MJO è che la variabilità dell’ensemble è troppo limitata, ovvero sotto-dispersiva (ad es., H.-M. Kim et al., 2014; Vitart, 2017). In un sistema di ensemble ideale, la variabilità dovrebbe fornire una stima dell’incertezza di previsione e essere correlata alla capacità del sistema. La sotto-dispersione nelle previsioni del MJO suggerisce che i modelli S2S non producono previsioni di ensemble del MJO ben calibrate. Per migliorare il rapporto tra variabilità ed errore e la capacità di previsione del MJO, è necessario sviluppare migliori metodi di generazione di ensemble che rappresentino efficacemente le incertezze nella fisica dei modelli e nelle condizioni iniziali.

7. Osservazioni Conclusive

La scala temporale intrasstagionale si posiziona tra le previsioni meteorologiche e il clima. Come principale modalità di variabilità intrasstagionale nei tropici, il MJO ha significativi impatto globali e rappresenta una delle maggiori fonti di prevedibilità sul tempo sub-stagionale (ad es., NAS, 2016). Negli ultimi decenni, dalla sua scoperta, sono stati condotti numerosi studi e si sono fatti progressi significativi nella comprensione, modellazione e previsione del MJO.

La dinamica del MJO include feedback complessi tra vari processi, tra cui circolazione, convezione, umidità, nuvole e radiazione. Sono state avanzate diverse teorie sul meccanismo del MJO, suggerendo che una rappresentazione chiara della sua dinamica è ancora in fase di definizione. Ulteriori studi osservazionali, teorici e di modellazione numerica, così come sforzi coordinati a livello internazionale, sono essenziali per far avanzare la scienza del MJO e migliorare le previsioni sub-stagionali e stagionali.

https://doi.org/10.1080/07055900.2022.2072267