“Influenza tropicale sul pattern estivo dell’Atlantico Orientale Autori: C. Ole Wulff1,2, Richard J. Greatbatch1,3, Daniela I. V. Domeisen2, Gereon Gollan1, Felicitas Hansen1 1GEOMAR Centro Helmholtz per la Ricerca Oceanica, Kiel, Germania, 2Istituto di Scienze Atmosferiche e Climatiche, ETH Zurigo, Zurigo, Svizzera, 3Facoltà di Matematiche e Scienze Naturali, Università di Kiel, Kiel, Germania
Riassunto: La modalità dell’Atlantico Estivo (SEA) rappresenta il secondo schema predominante di variabilità a bassa frequenza durante l’estate nella regione Euro-Atlantica. Attraverso l’analisi di dati di rianalisi, abbiamo osservato che le anomalie nella circolazione legate al SEA hanno un impatto significativo sulle temperature e sulle precipitazioni in Europa. Abbiamo trovato evidenze che suggeriscono come una parte della variabilità interannuale del SEA sia determinata da anomalie di riscaldamento diabatico con segni opposti nel Pacifico tropicale e nei Caraibi. Queste ultime generano un treno d’onde di Rossby extratropicale. Il dipolo di precipitazione riscontrato è associato a variazioni della temperatura superficiale del mare, tipiche delle fasi di evoluzione dell’El Niño e della Oscillazione Meridionale. Le simulazioni stagionali guidate dalle temperature superficiali del mare osservate dimostrano efficacia nel prevedere la variabilità interannuale del SEA, confermando così il meccanismo proposto e suggerendo un miglioramento nella previsione delle variazioni climatiche estive boreali. I nostri risultati indicano che l’influenza tropicale sul SEA potrebbe aver avuto un ruolo chiave nella dinamica dell’ondata di calore che ha colpito l’Europa nel 2015.”
1. Introduzione
Dal principio del nuovo millennio, le estati si sono distinte per temperature e precipitazioni eccezionali con una frequenza crescente (Coumou & Rahmstorf, 2012). Le ondate di calore del 2003 (Black et al., 2004), 2010 (Dole et al., 2011) e 2015 (Dong et al., 2016) ne sono solo alcuni esempi. Dato l’impatto significativo di tali eventi estremi sulla società, è cruciale comprendere meglio i modelli della circolazione atmosferica estiva su larga scala e migliorarne la previsione.
Il principale modello di variabilità a bassa frequenza estiva nella regione Nord Atlantico-Europa (NAE) è l’Oscillazione Nord Atlantica Estiva (SNAO) (Hurrell & Deser, 2009). Le anomalie di circolazione associate alla SNAO influenzano marcatamente le precipitazioni e le temperature superficiali in Europa e nell’America del Nord orientale (Folland et al., 2009). Si osserva un aumento dei giorni estremamente caldi in Europa centrale durante la fase positiva della SNAO (Cassou et al., 2005). Tuttavia, gli elementi che influenzano la SNAO e che potrebbero essere utili per previsioni interannuali non sono ancora ben definiti (Wulff, 2017). Ad esempio, si è visto che l’influenza dell’Oscillazione Meridionale El Niño (ENSO) sulla variabilità interannuale della SNAO è limitata (Folland et al., 2009).
Altri modelli di variabilità atmosferica estiva hanno ricevuto meno attenzione rispetto alla SNAO. Cassou et al. (2005) hanno identificato un regime che, oltre alla SNAO, è collegato a temperature eccezionalmente alte in Francia. Questo viene definito come il pattern della Bassa Atlantica (AL), caratterizzato da una vasta anomalia ciclonica centrata sull’Atlantico Nord, a ovest delle Isole Britanniche e a sud dell’Islanda. Il pattern AL ricorda la fase positiva del pattern dell’Atlantico Orientale (EA) (Barnston & Livezey, 1987). Duchez et al. (2016) hanno descritto una configurazione atmosferica molto simile a questo regime all’inizio dell’estate 2015, notando che le temperature superficiali del mare insolitamente fredde precedevano la forte anomalia ciclonica sull’NA e proponendo che queste potessero aver influenzato la circolazione atmosferica anomala, in linea con Gastineau e Frankignoul (2015). Inoltre, il pattern EA estivo può essere previsto attraverso una regressione lineare multipla che utilizza le temperature superficiali dell’Atlantico e dell’Indo-Pacifico tropicale dell’inverno e della primavera precedenti come predittori (Iglesias et al., 2014). Questo legame tra l’atmosfera e le condizioni al contorno lentamente evolventi rappresenta una base fondamentale per la prevedibilità stagionale (Palmer & Anderson, 1994).
L’ondata di calore che ha colpito l’Europa nell’estate del 2003 è stata influenzata dalla presenza del regime AL in giugno (Cassou et al., 2005). Questo evento è stato associato a un treno d’onde di Rossby originato dai Caraibi, legato a anomalie di riscaldamento diabatico dovute a uno spostamento verso nord della Zona di Convergenza Intertropicale Atlantica (Black et al., 2004). La presenza di un tale collegamento tra i tropici e le latitudini extratropicali rappresenta un fondamento importante per la prevedibilità stagionale delle variazioni climatiche extratropicali (Shukla et al., 2000). Le teleconnessioni atmosferiche sono sostenute dalla diffusione di onde planetarie (Liu & Alexander, 2007), che spesso si originano a causa delle anomalie di riscaldamento diabatico nei tropici (Ding et al., 2011; Trenberth et al., 1998; Sardeshmukh & Hoskins, 1988). Queste onde di Rossby si propagano efficacemente solo lungo forti gradienti di vorticità potenziale meridionale, in un flusso di fondo occidentale (Hoskins & Ambrizzi, 1993). Sebbene questi gradienti siano più deboli durante l’estate e gli alisei tropicali si estendano più a nord nell’emisfero estivo, sono state identificate almeno due importanti teleconnessioni nell’emisfero nord durante l’estate (Ding & Wang, 2005; Ding et al., 2011; Lin, 2009; Saeed et al., 2014). È quindi plausibile che il regime AL sia guidato da forze remote tropicali. Questo apre nuove prospettive per la previsione di questo schema climatico e degli eventi estremi di temperatura e precipitazioni ad esso collegati.
Nel nostro studio, ci proponiamo di identificare i principali schemi di variabilità atmosferica estiva attraverso l’analisi di dati di rianalisi. Sebbene il primo schema identificato sia la SNAO, il secondo, denominato modo Atlantico Estivo (SEA), è associato al regime AL. Esamineremo come le anomalie di circolazione legate al SEA influenzino il clima superficiale nella regione NAE. Mostreremo inoltre che è possibile stabilire una relazione di causa-effetto tra il riscaldamento diabatico tropicale e la circolazione atmosferica extratropicale per il SEA, e discuteremo le implicazioni per la previsione di questa componente della variabilità estiva, supportati da due esperimenti di previsione stagionale. I metodi e gli esperimenti applicati verranno descritti nella sezione 2, i risultati saranno presentati nella sezione 3 e discussi nella sezione 4.
2. Metodologia ed Esperimenti
2.1. Analisi delle Funzioni Ortogonali Empiriche Per individuare i principali modelli di variabilità dell’estate boreale (giugno, luglio e agosto, indicati di seguito come JJA) nel settore NAE, applichiamo un’analisi delle funzioni ortogonali empiriche (EOF) alle anomalie della media stagionale JJA dell’altezza geopotenziale a 500 hPa (z₅₀₀) di ERA-Interim (Dee et al., 2011), relative alla media climatologica JJA del periodo 1979–2016. Dato che ci concentriamo sulla variabilità interannuale, le anomalie vengono preventivamente detrendizzate. Seguendo il consiglio di Greatbatch e Rong (2006), l’analisi EOF per la stagione estiva viene eseguita nella regione compresa tra 40°N e 70°N e tra 90°W e 30°E (di seguito definita come settore NAE).
2.2. Esperimenti di Previsione Stagionale Le previsioni stagionali sono state realizzate utilizzando il componente atmosferico del Sistema di Previsione Integrato a Medio Raggio del Centro Europeo per le Previsioni Meteorologiche (ECMWF IFS) (Dee et al., 2011), versione 40r1. Nove membri dell’ensemble sono stati inizializzati dai dati di ERA-Interim all’inizio di maggio di ogni anno, dal 1980 al 2014, e portati avanti fino alla fine di agosto.
Abbiamo condotto due esperimenti con differenti condizioni al contorno inferiori, specificamente la temperatura superficiale del mare e il ghiaccio marino (SST/SI). Mentre l’ensemble OBS è stato forzato globalmente con i dati giornalieri osservati di SST/SI del dataset HadISST, l’ensemble CLIM è stato alimentato con SST/SI climatologiche giornaliere (1979–2014). Per maggiori dettagli sulla strategia degli esperimenti, si rimanda a Greatbatch et al. (2012) e Hansen et al. (2017) (esperimenti OBS-NO e CLIM-NO).
3. Risultati Le prime due EOF dominanti spiegano circa il 35% e il 18% della varianza della media JJA di z₅₀₀ nel periodo 1979–2016, rispettivamente. Questi primi due modi risultano nettamente distinti dalle EOF di ordine superiore, conformemente al criterio stabilito da North et al. (1982). Come anticipato, la prima EOF (rappresentata nella Figura S1 del materiale supplementare) rispecchia strettamente la SNAO, come dimostrato da Folland et al. (2009), nonostante utilizzino un prodotto di rianalisi diverso e limiti differenti nel loro ambito di analisi. Ulteriori discussioni sulla SNAO non sono incluse qui.
3.1. Il Modello dell’Atlantico Estivo
Nel settore NAE, la fase positiva della seconda EOF delle anomalie medie di z₅₀₀ durante i mesi JJA (giugno, luglio e agosto), mostrata in Figura 1a, si caratterizza per notevoli anomalie negative di altezza al sud dell’Atlantico Nord, sotto l’Islanda e a ovest delle Isole Britanniche, estendendosi verso nord-ovest fino alla Groenlandia e al continente nordamericano orientale. In contrapposizione, anomalie positive si concentrano intorno al Mar Baltico e si estendono attraverso l’Europa centrale e settentrionale. Queste anomalie di circolazione evocano il pattern EA tipico della stagione invernale boreale (Barnston & Livezey, 1987). Di conseguenza, ci riferiamo alla EOF2 delle anomalie medie di z₅₀₀ JJA (Figura 1a) come al modello dell’Atlantico Estivo (SEA) e alla relativa serie temporale del componente principale (Figura 1b, barre nere) come all’indice SEA. È importante notare che la nostra definizione di SEA si distingue dalla definizione usuale del pattern EA, che è identificato come la seconda EOF rotata delle anomalie mensili di z₅₀₀ sull’emisfero nord (Barnston & Livezey, 1987). Tuttavia, abbiamo constatato che il SEA è un elemento consistente della circolazione estiva, emergente anche quando si considerano anomalie di altezza ad altri livelli (dalla superficie a 200 hPa), su periodi diversi, dalle rianalisi NCEP/NCAR o utilizzando medie mensili.
La regressione delle anomalie di z₅₀₀ di JJA rispetto all’indice SEA (Figura 1c) evidenzia anomalie di z₅₀₀ significativamente correlate al SEA anche al di fuori del settore NAE, in zone extratropicali. Queste anomalie alternano il segno in maniera zonale e suggeriscono che il modello SEA fa parte di un treno d’onda globale. Questa ipotesi viene ulteriormente supportata dalla proiezione della componente del vento meridionale a 200 hPa (v₂₀₀) sull’indice SEA (Figura 1d). A questo livello, il SEA si manifesta con importanti anomalie di vento meridionale in gran parte degli extratropici dell’emisfero nord, fatta eccezione per l’Asia orientale e il Pacifico nord-occidentale. Un’analisi del numero d’onda del modello di regressione di v₂₀₀ indica che il numero d’onda zonale dominante è k = 5. Sopra il Pacifico Nord orientale, il Nord America e l’Atlantico Nord, le principali anomalie si allineano con la posizione climatologica media del getto estivo dell’emisfero nord, indicando che la modalità SEA corrisponde a un ondeggiamento del getto.
Figura 1: Analisi del Modello dell’Atlantico Estivo (SEA)
- Pannello (a) – Modello SEA: Questo pannello illustra le anomalie dell’altezza geopotenziale a 500 hPa (z500) durante i mesi estivi (JJA: giugno, luglio, agosto), con le anomalie negative in blu e quelle positive in rosso. Il riquadro bianco evidenzia la regione specifica del modello SEA.
- Pannello (b) – Serie temporali: Presenta le serie temporali dell’indice SEA, del PCD (dettagli nella sezione 3.3 del documento) e delle temperature medie estive a Amburgo (HHFU). Le barre nere e le linee colorate tracciano le fluttuazioni annuali e le tendenze temporali.
- Pannello (c) – Regressione di z500: Mostra come le anomalie detrendizzate di z500 si correlano con l’indice SEA. Le ombreggiature indicano i coefficienti di regressione espressi per deviazione standard dell’indice SEA, mentre le aree tratteggiate segnalano coefficienti statisticamente significativi al 95% basati su un test t.
- Pannello (d) – Regressione di v200: Analizza la correlazione tra le anomalie della componente meridionale del vento a 200 hPa (v200) e l’indice SEA. Le ombreggiature e le tratteggiature seguono criteri simili al pannello (c) per mostrare significatività e intensità.
- Pannello (e) – Regressione della temperatura superficiale: Esamina le correlazioni tra le anomalie della temperatura superficiale (SST per le aree marine, temperatura a 2 metri per le aree terrestri) e l’indice SEA. Le ombreggiature rappresentano i coefficienti di regressione per ogni deviazione standard dell’indice.
- Pannello (f) – Regressione delle precipitazioni: Rappresenta la regressione delle anomalie di precipitazione di JJA sul SEA indice, utilizzando dati CMAP detrendizzati. Notare la scala non lineare evidenziata e le ombreggiature che definiscono i coefficienti di regressione. I riquadri neri segnalano le regioni di aggregazione per il PCD.
Riepilogo: Questa figura fornisce un’analisi dettagliata delle correlazioni tra l’indice SEA e diverse variabili climatiche durante l’estate boreale, mostrando l’influenza significativa di questo modello climatico su temperature, precipitazioni e dinamiche della circolazione atmosferica nell’emisfero nord.
3.2. Impatto del SEA sulla Precipitazione e Temperatura Superficiale nel Settore NAE
La regressione delle temperature superficiali di JJA sull’indice SEA (Figura 1e) rivela una forte correlazione interannuale tra la temperatura superficiale e la modalità SEA nella regione NAE e nelle sue immediate vicinanze. In questa zona, le anomalie più fredde (calde) coincidono con le principali anomalie di altezza negative (positive) (cfr. Figure 1c e 1e). Se il controllo della temperatura fosse dovuto all’avvezione di aria calda (fredda) attraverso il flusso geostrofico anomalo, ci aspetteremmo che le anomalie di temperatura principali si manifestassero nelle aree con i gradienti di altezza correlati al SEA più accentuati. Tuttavia, l’effetto dell’avvezione sembra essere limitato, come supportato dalla regressione dell’avvezione di temperatura sull’indice SEA (Figura S2). Piuttosto, la coincidenza spaziale tra le anomalie di temperatura e di altezza associata al SEA suggerisce un controllo di tipo radiativo. Questo meccanismo opera in modo che le anomalie di temperatura positive (negative) siano causate da un incremento (riduzione) della radiazione solare locale e del riscaldamento sensibile della superficie, risultante da una diminuzione (aumento) della copertura nuvolosa in risposta a movimenti anomali di subsidenza (sollevamento) nelle principali anomalie anticicloniche (cicloniche) del pattern SEA. Questo processo è stato proposto per spiegare le anomalie di temperatura superficiale associate alla SNAO (Folland et al., 2009) ed è stato esaminato dettagliatamente da Pfahl e Wernli (2012). La regressione della copertura nuvolosa totale (tcc) sull’indice SEA (Figura S3) non mostra significative anomalie correlate al SEA sull’Atlantico Nord. Tuttavia, nella parte orientale del settore NAE, la notevole riduzione di tcc associata alla fase positiva del SEA supporta il processo proposto.
Come esempio dell’effetto del SEA sulla temperatura superficiale, prendiamo in considerazione la temperatura registrata ad Amburgo, Fuhlsbüttel (DWD, 2017). La sua media di JJA (Figura 1b, linea blu) è significativamente correlata con l’indice SEA, spiegando circa il 26% della sua varianza, un valore superiore rispetto a quello spiegato dalla SNAO (circa il 21%). Inoltre, scopriamo che il 95° percentile delle temperature massime giornaliere (TDX₉₅) durante le estati con un indice SEA elevato (>1 deviazione standard) è superiore di 1,1°C rispetto a TDX₉₅ di tutte le estati, evidenziando l’influenza del SEA sugli estremi termici.
Il segnale di precipitazione legato al modo SEA è generalmente debole nella maggior parte della regione NAE (Figura 1f). Fanno eccezione l’aumento significativo delle precipitazioni a ovest delle Isole Britanniche e la riduzione notevole delle precipitazioni attorno al Mar Baltico. Queste ultime anomalie negative di precipitazione sono coerenti con la riduzione di tcc e le anomalie positive di temperatura superficiale legate al SEA (Figura 1e). Questo rinforza l’importanza del controllo radiativo nella regione del Mar Baltico.
3.3. Forzamento Tropicale dell’Indice SEA
La temperatura superficiale e la precipitazione variano in modo significativo con l’indice SEA nei tropici, come mostrato nelle Figure 1e e 1f. I coefficienti di regressione raggiungono i valori massimi nelle aree centrali e orientali del Pacifico tropicale, dove anomalie di temperatura della superficie del mare (SST) più elevate e un incremento delle precipitazioni sono associati a un indice SEA positivo. Al contrario, sull’America Centrale e nell’Atlantico tropicale occidentale si osservano condizioni più secche e anomalie di temperatura superficiale più fredde durante la fase positiva del SEA. Una regressione ritardata delle precipitazioni di maggio sull’indice SEA evidenzia che le anomalie di pioggia in queste regioni sono già presenti in primavera, come indicato nella Figura S4.
Il riscaldamento diabatico, causato dalle anomalie di precipitazione tropicali, può generare una Sorgente di Onda di Rossby (RWS) che può indurre teleconnessioni tropicali-extratropicali (Sardeshmukh & Hoskins, 1988). Per testare l’esistenza di una teleconnessione legata alle anomalie di precipitazione in queste aree, introduciamo l’indice del Dipolo Pacifico-Caraibico (PCD). Il PCD, illustrato nella Figura 1b con una linea arancione, è definito come la differenza normalizzata tra la precipitazione media su una regione del Pacifico (10°N–20°N, 180°W–110°W) e quella media sui Caraibi (10°N–25°N, 85°W–65°W), come mostrato dalle caselle nere in Figura 1f. Tuttavia, i risultati successivi non sono influenzati dalla scelta specifica delle regioni e rimangono validi anche se la precipitazione viene sostituita da SST. Il PCD è correlato con l’indice SEA a 0.56 (significativo al 99%) nel periodo 1980–2014, suggerendo un legame tra i due indici e dimostrando che il PCD spiega il 31% della varianza dell’indice SEA. La precipitazione nella zona del Pacifico spiega il 30% della varianza del SEA, mentre la parte dei Caraibi ne spiega il 12%.
Nella regressione del campo di geopotenziale medio JJA a 500 hPa (z₅₀₀) sull’indice PCD (Figura 2a), emerge un chiaro pattern di anomalie di altezza che alternano segno zonalmente, caratteristico di un treno di onde stazionarie di numero d’onda zonale 5. Questo treno d’onda origina dal Pacifico Nord centrale, si estende sopra il continente nordamericano, l’area NAE e l’Asia settentrionale, coprendo quasi l’intero emisfero boreale. Nessuna anomalia di altezza significativa associata al PCD è osservabile sull’Asia orientale e il Pacifico nord occidentale. All’interno del settore NAE, questa struttura ha una forte proiezione sull’indice SEA, come indicato da una correlazione di pattern elevata di 0.87, sebbene l’ampiezza del SEA sia leggermente maggiore. Anche a scala emisferica, il treno d’onda è simile alla regressione del SEA su z₅₀₀ mostrata nella Figura 1c. La formazione del treno d’onda nel campo delle altezze legato alle anomalie di precipitazione tropicali rappresenta un indicatore importante della connessione fisica tra la modalità SEA e le anomalie di riscaldamento diabatico nel Pacifico centrale tropicale e nell’Atlantico occidentale. I risultati sono ulteriormente supportati dalle regressioni della RWS a 200 hPa sugli indici PCD e SEA (Figura S5). Entrambi i modelli di regressione generalmente concordano e mostrano sorgenti di vorticità ciclonica (anticiclonica) a monte delle principali anomalie di altezza negative (positive) della Figura 2a. Le anomalie RWS più intense si trovano vicino al getto climatologico estivo dell’emisfero boreale, che può funzionare come guida d’onda per le onde di Rossby (Hoskins & Ambrizzi, 1993).
Per approfondire la rilevanza delle anomalie di precipitazione tropicale come motore della modalità SEA, abbiamo ripetuto la regressione PCD con tutti i membri degli insiemi OBS e CLIM (Figure 2b e 2c). In entrambi gli insiemi si manifesta un treno d’onda simile a quello nell’ERA-Interim, anche se presentano ampiezze ridotte. La regressione in OBS proietta fortemente sul pattern SEA, mentre i centri di azione sono spostati verso est in CLIM. Inoltre, il treno d’onda in OBS sull’Eurasia perde somiglianza con quello di ERA-Interim, indicando che le SST extratropicali ancorano il treno d’onda in OBS in una posizione simile a quella in ERA-Interim. La proiezione delle anomalie medie z₅₀₀ detrendizzate dell’ensemble OBS sul pattern SEA mostra una correlazione con l’indice SEA di 0.43 (significativa al 95%). Per CLIM, la correlazione non è significativa (0.27). Inoltre, solo il 2% della varianza del SEA è spiegato dal PCD nel mean ensemble di CLIM, mentre nell’ensemble di OBS si avvicina molto al valore osservato (26%), raggiungendo il 25%. Ciò dimostra l’importanza di una rappresentazione accurata della variabilità delle SST per una simulazione efficace della variabilità interannuale del SEA. Questi risultati supportano generalmente il meccanismo di forzamento precedentemente proposto per le teleconnessioni tramite anomalie di riscaldamento diabatico tropicale, ma suggeriscono anche un ruolo del forcing al limite inferiore in altre regioni, tema che esploreremo ulteriormente nella sezione 4.
La Figura 2 illustra i coefficienti di regressione delle anomalie medie di z₅₀₀ durante i mesi di giugno, luglio e agosto (JJA) dal 1980 al 2014, rispetto all’indice PCD (Pacific-Caribbean Dipole), attraverso tre differenti set di dati:
- Panel a: ERA-Interim – Qui viene presentata la regressione di ERA-Interim sull’indice PCD. Il coefficiente di correlazione del pattern (Rₚ) è 0,87, indicando una forte correlazione tra il pattern SEA, come definito nel testo, e il pattern di regressione all’interno della casella bianca.
- Panel b: OBS – Questo panel mostra i risultati per i dati osservativi (OBS), con un Rₚ di 0,65. Ciò suggerisce una correlazione moderatamente forte tra il pattern SEA e il pattern di regressione osservato nell’area evidenziata.
- Panel c: CLIM – Gli output dell’ensemble climatico (CLIM) mostrano un Rₚ molto basso di -0,05, indicando una correlazione minima o inversa con il pattern SEA definito.
Dettagli chiave della figura:
- Colorazione: I colori rappresentano i coefficienti di regressione espressi in geopotential dam (gpdam) per deviazione standard del PCD, con tonalità di blu che indicano valori negativi e tonalità di rosso che indicano valori positivi.
- Orlatura: Le aree tratteggiate denotano dove i coefficienti di regressione sono significativamente diversi da zero al 95% di confidenza, basato su un test t. Queste aree sono quindi statisticamente significative nella loro correlazione tra le anomalie di z₅₀₀ e l’indice PCD.
- Caselle: Le caselle nere in Figura 2a identificano le regioni di calcolo per il PCD, mentre la casella bianca indica il settore NAE (North Atlantic-European). Il Rₚ in ciascun titolo di pannello rappresenta la correlazione di pattern tra il pattern SEA definito nel testo e il pattern di regressione visualizzato nella casella bianca del pannello corrispondente.
Questa analisi mette in luce le differenze nella rappresentazione del legame tra fenomeni climatici attraverso vari set di dati, mostrando come differenti configurazioni (ERA-Interim, dati osservativi, modelli climatici) interpretino la relazione tra le anomalie di pressione a 500 hPa e l’indice PCD durante l’estate.
Le regioni di averaging del PCD sono situate in un’area fortemente influenzata dall’Oscillazione Meridionale El Niño (ENSO). È quindi plausibile che l’ENSO influenzi le anomalie SST e di riscaldamento diabatico che inducono il treno d’onda. Utilizziamo come indice per l’attività dell’ENSO le medie SST normalizzate di ERA-Interim per la regione Niño 3.4 (Trenberth & NCAR, 2016), qui denominato indice N34. La correlazione dell’indice N34 mensile con l’indice PCD di JJA (Figura 3) mostra che gli eventi El Niño (La Niña) in sviluppo tendono a coincidere con anomalie PCD positive (negative), influenzando così la fase SEA positiva (negativa). Questo è supportato dalla regressione di z₅₀₀ di JJA sull’indice N34 del successivo inverno (DJF), che produce un pattern di treno d’onda molto simile a quello nelle Figure 1c e 2 (Figura S6). Questo suggerisce che una parte della variabilità del SEA è attribuibile alla fase di sviluppo dell’ENSO. Infatti, si ottengono valori di correlazione ritardata molto simili a quelli nella Figura 3 quando l’indice PCD è sostituito dall’indice SEA (Figura S7). I risultati presentati non sono influenzati dall’esclusione di singoli anni dall’analisi.
La Figura 3 illustra le correlazioni lead-lag tra l’indice PCD durante i mesi di giugno, luglio e agosto (JJA) e l’indice N34, che monitora l’attività dell’El Niño-Southern Oscillation (ENSO), per vari mesi. Questa analisi aiuta a identificare come variazioni in un periodo dell’anno possano influenzare o essere influenzate da condizioni climatiche in altri periodi.
Dettagli della Figura:
- Asse Orizzontale (Lag month): Indica i mesi in relazione al periodo JJA. I valori negativi a sinistra (“PCD lags”) rappresentano i mesi che precedono JJA, mentre i valori positivi a destra (“PCD leads”) rappresentano i mesi successivi. Per esempio, un lag di -2 significa che la correlazione è calcolata tra il PCD di JJA e l’indice N34 di maggio, due mesi prima.
- Asse Verticale (Correlation): Mostra i coefficienti di correlazione, che variano da -1 a 1. Un valore di 1 indica una correlazione positiva perfetta, -1 indica una correlazione negativa perfetta, e 0 indica nessuna correlazione.
- Barre blu: Ogni barra rappresenta la correlazione per un determinato mese di lag. La lunghezza e la direzione delle barre (sopra o sotto lo zero) riflettono la forza e la direzione della correlazione tra i due indici.
- Envelope Rossa: Le correlazioni che superano questa soglia rossa sono statisticamente significative al 95%, suggerendo che tali correlazioni non sono casuali ma indicano un legame reale tra gli indici.
- Correlazione massima: La correlazione più elevata è 0.62 per “Mar+1”, indicando che la correlazione più forte tra il PCD di JJA e l’indice N34 si verifica nel marzo seguente.
Questa rappresentazione è essenziale per comprendere le dinamiche tra il PCD durante l’estate e gli eventi di ENSO nel corso dell’anno, offrendo intuizioni significative sulle interazioni climatiche stagionali e interannuali.
3.4. L’estate europea del 2015: Ondata di calore sotto l’influenza del SEA? È stato suggerito che le ondate di calore estive più estreme in Europa dagli anni ’80, in particolare quella del 2015, siano state influenzate dalle anomalie fredde delle SSTNA (Duchez et al., 2016). Dai risultati del nostro studio emerge che l’attivazione della modalità SEA attraverso anomalie di riscaldamento diabatico tropicale potrebbe aver avuto un ruolo predominante nell’ondulazione di calore del 2015. In particolare, notiamo che l’indice SEA in quell’anno superava una deviazione standard, classificando il 2015 come il terzo evento positivo più intenso nel periodo 1979–2016 (Figura 1b). Inoltre, le anomalie di Z500 JJA del 2015 (Figura S8) corrispondono bene al pattern SEA, nonostante alcune variazioni nei dettagli del treno d’onda originante dal Pacifico orientale tropicale rispetto a quello mostrato nella Figura 2a. Il valore medio di PCD di JJA ha raggiunto il picco più alto nel record ERA-Interim (Figura 1b, linea arancione), con anomalie mensili costantemente superiori a una deviazione standard da aprile a settembre 2015 (non mostrato). Questi dati sono coerenti con lo sviluppo di un forte El Niño, che ha raggiunto l’apice nell’inverno 2015/2016 (McPhaden, 2015). La concomitanza di questi fattori suggerisce un’importante connessione tropicale-extratropicale come elemento chiave nella dinamica dell’ondulazione di calore europea del 2015. È plausibile anche che le anomalie delle SSTNA abbiano influenzato la tempistica e l’intensità di questo evento estremo (Duchez et al., 2016). Tale conclusione trova conferma nel confronto tra OBS e CLIM precedentemente discusso.
4. Riassunto e Discussione
Nel corso di questo studio, abbiamo identificato il pattern SEA, una modalità di variabilità atmosferica dell’estate boreale nella regione Euro-Atlantica, chiaramente distinta dal regime estivo dominante, il SNAO. Il SEA è definito come il secondo EOF delle medie stagionali delle anomalie di z500 di ERA-Interim dal 1979 al 2016, nell’area Nord Atlantico-Europea (NAE), spiegando il 18% della varianza media stagionale (a fronte del 35% del SNAO).
Studi precedenti hanno esaminato pattern di variabilità a bassa frequenza durante l’estate boreale, diversi dal SNAO (Cassou et al., 2005; Ding et al., 2011; Ghosh et al., 2017; Saeed et al., 2014). Il più simile al nostro studio è quello di Cassou et al. (2005), il cui regime AL rispecchia fortemente la fase positiva del modo SEA. Hanno dimostrato che l’insorgenza di questo regime aumenta significativamente la probabilità di temperature estreme in Francia. Altre ricerche hanno collegato un simile schema di anomalie circolatorie a singole estati estreme (Black et al., 2004; Duchez et al., 2016). Nel nostro caso, presentiamo evidenze che sotto il SEA positivo, le temperature medie superficiali stagionali sono più elevate, mentre la precipitazione media si riduce nell’Europa centrale e settentrionale a causa di una diminuzione della copertura nuvolosa. In queste condizioni, è plausibile che la probabilità di un’ondata di calore aumenti. Tuttavia, i meccanismi con cui il SEA influisce sugli estremi delle distribuzioni di temperatura e precipitazioni devono ancora essere indagati in modo sistematico. I nostri risultati suggeriscono che la previsione stagionale degli eventi estremi nella regione NAE potrebbe trarre notevole vantaggio da una rappresentazione migliorata della variabilità SEA nei modelli.
Il potenziale per una simulazione più accurata del SEA è promettente: abbiamo dimostrato che il SEA fa parte di una teleconnessione tropicale-extratropicale estiva nell’emisfero nord, manifestandosi come un treno d’onda di Rossby stazionario con numero d’onda zonale 5, originato nel Pacifico settentrionale. Questo è associato a un significativo flusso divergente anomalo nella troposfera superiore, che agisce come una sorgente d’onda. Tale flusso divergente è una risposta alla convezione anomala nel Pacifico centrale, appena a nord dell’equatore, e ad anomalie di segno opposto nei Caraibi. Infatti, il treno d’onda che include il pattern SEA può essere individuato regredendo le anomalie medie di altezza di JJA sul PCD, un indice a dipolo che quantifica la differenza di precipitazioni tra queste aree. Le anomalie di precipitazione tropicale sono conseguenza di variazioni nelle SST che accompagnano un evento ENSO in sviluppo, tale che un PCD positivo (negativo) si osserva nelle estati precedenti al picco di El Niño (La Niña) (Figura S9). Il forcing delle SST tropicali sulla teleconnessione è ulteriormente supportato da due esperimenti di previsione stagionale. L’intero ensemble di un modello atmosferico, forzato con SST osservate (OBS), mostra un treno d’onda correlato al PCD in fase con la teleconnessione tropicale-extratropicale nell’analisi, sebbene notevolmente più debole in intensità. Inoltre, la media dell’ensemble di OBS mostra significative competenze nel riprodurre la variabilità interannuale del SEA nell’analisi. Un motivo potrebbe essere che la media dell’ensemble di OBS riproduce le anomalie di precipitazione osservate come risultato delle SST specificate.
Questo legame tra il modello extratropicale SEA e le anomalie delle SST correlate all’ENSO in sviluppo ha importanti implicazioni per le previsioni stagionali dell’estate boreale nella regione NAE. Considerando che la circolazione atmosferica tropicale è prevedibile con tempi di anticipazione notevolmente più lunghi rispetto all’atmosfera extratropicale (Palmer & Anderson, 1994), una previsione stagionale della variabilità atmosferica estiva legata al SEA potrebbe diventare un obiettivo concreto. Sarà essenziale verificare la presenza del meccanismo di teleconnessione in un modello di previsione stagionale e il retrocasting statistico del SEA sarà oggetto di studi futuri.
È rilevante notare che il treno d’onde associato al PCD è notevolmente simile al pattern del Pacifico Occidentale-Nord America (WPNA) (Ding et al., 2011). Questa struttura si manifesta come il secondo modo più dominante di variabilità congiunta tra la precipitazione tropicale estiva boreale e l’altezza a 200 hPa nell’extratropico, secondo l’analisi NCEP/NCAR. La somiglianza è particolarmente marcata sopra il Pacifico Nord orientale e il Nord America. Ding et al. (2011) attribuiscono l’emergere del WPNA a un’influenza delle anomalie di riscaldamento diabatico sopra il Mare delle Filippine, associate al monsone estivo del Nord Pacifico occidentale (WNPSM), che è parte del sistema del monsone estivo dell’Asia Orientale e quindi correlato al pattern Pacifico-Giappone (Sun et al., 2010). Trovano inoltre che il WPNA si verifica nelle estati che seguono il picco di un evento ENSO. Questa forzatura e relazione con l’ENSO contrastano con i nostri risultati nonostante le somiglianze apparenti nei pattern di teleconnessione. Saranno necessari ulteriori studi per chiarire il ruolo di una forzatura WNPSM per il SEA.
Alcuni studi propongono una forzatura delle SST dell’Atlantico sulle anomalie di circolazione simili al SEA (Duchez et al., 2016; Gastineau & Frankignoul, 2015). Sebbene non esaminiamo dettagliatamente questa connessione qui, i nostri risultati non escludono una possibile influenza. Infatti, osserviamo il tripolo delle SST dell’Atlantico nei mesi che precedono il SEA (Figura S10), in linea con i risultati di Gastineau e Frankignoul (2015). Tuttavia, i nostri esperimenti non permettono di distinguere le influenze delle SST del Nord Atlantico da quelle delle SST del Pacifico tropicale e dei Caraibi.
Il treno d’onde associato al PCD attraverso il Nord Atlantico in OBS si trova in una posizione simile a quella in ERA-Interim, mentre il treno d’onde nel modello con SST/SI climatologiche (CLIM) è spostato verso est. Questo suggerisce che le SST realistiche, come quelle in OBS, ancorano il treno d’onde extratropicale alla fase corretta, potenzialmente agendo anche come un feedback positivo sulle anomalie della circolazione atmosferica.
https://agupubs.onlinelibrary.wiley.com/doi/full/10.1002/2017GL075493
0 commenti