1.
La preparazione del modello accoppiato.
In
questo studio é stato utilizzato il modello SINTEX (sviluppato
nell’ambito del progetto europeo Scale INTeraction Experiment)
formato dai modelli di circolazione generale (GCM) ECHAM e ORCA.
Questo modello climatico verrà usato per effettuare esperimenti di
previsioni stagionali e interannuali, ma prima di passare all’uso
in modalità predittiva occorre valutare la capacità del modello di
simulare le principali caratteristiche del clima e dei suoi modi di
variabilità. Sono stati inoltri resi disponibili i dati dei
forecasts effettuati con il vecchio modello accoppiato "GIOTTO"
e alcuni forecasts effetuati in via preliminare con il nuovo modello
accoppiato in via di preparazione. Questi forecasts sono da
intendersi come preliminari, da utilizzare solo come testbed per la
preparazione dei software e delle procedure di applicazione a
seguire dei forecasts. Il set completo di forecasts sara'
disponibile alla fine del secondo anno
1.1
ORCA
ORCA
é la versione globale del modello oceanico OPA 8.1 sviluppato nel
laboratorio LODYC di Parigi (Madec et al. 1998, per la
documentazione completa del modello vedere il sito
http://www.lodyc.jussieu.fr/opa/). E’ un modello oceanico a
circolazione generale (OGCM) alle differenze finite che risolve le
equazioni primitive su una griglia C di Arakawa.
La
presente configurazione del modello usa una superficie rigida (rigid
lid). La griglia orizzontale è curvilinea sulla sfera. Per superare
la singolarità al Polo Nord, il punto nord di convergenza é stato
sostituito da due poli situati sui continenti asiatico e nord
americano.
La
risoluzione spaziale e’ grosso modo equivalente ad una griglia
geografica di 2 gradi in longitudine mentre la risoluzione
meridionale varia da 0.5 gradi nella regione equatoriale fino a 2
gradi alle medie ed alte latitudini.. Dei suoi 31 livelli verticali,
10 sono localizzati nei 100 metri di superficiali.
Nella
versione di ORCA usata in questo studio, non c’è un modello
interattivo del ghiaccio marino: la distribuzione del ghiaccio
marino viene calcolata dalla temperatura superficiale dell’oceano
(SST) e i valori ottenuti sono “rilassati” verso i valori
mensili della climatologia osservata.
1.2
La componente atmosferica ECHAM-4.
ECHAM-4
è la quarta generazione del modello ECHAM. ECHAM è un modello
della circolazione generale atmosferica (AGCM) sviluppato al Max
Planck Institut für Meteorologie di Amburgo.
ECHAM
è un’evoluzione del modello numerico spettrale di previsione
atmosferica sviluppato al Centro Europeo per la Previsione
Atmosferica a Medio-Raggio (ECMWF), ma
sensibilmente modificato per renderlo adatto agli studi del
clima. Nelle generazioni successive del modello, sono stati
sostituiti o implementati aggiuntivamente diversi schemi di
parametrizzazione dei processi fisici che avvengono su scale
inferiori
rispetto
alla griglia del modello e, pertanto, non risolti esplicitamente.
Una
descrizione esaustiva e dettagliata della struttura dinamica e
fisica del modello, e una discussione della climatologia simulata è
stata fornita da Roeckner et al. (1996). Qui sintetizziamo
brevemente le caratteristiche principali del modello. Le variabili
prognostiche in ECHAM-4 includono vorticità, divergenza,
temperatura, pressione in superficie, vapore acqueo e acqua
contenuta nelle nubi. Le equazioni del modello sono risolte
a 19 livelli verticali ibridi
(apice a 10hPa) usando il metodo di trasformazione spettrale.
ECHAM-4
usa un metodo di trasporto semi-Lagrangiano per l’avvezione
dell’acqua contenuta nelle nubi e del vapore acqueo (Rasch e
Williamson, 1990). La parametrizzazione
della convezione è basata sullo schema di flusso di massa
descritto da Tiedtke (1989) e modificato in un secondo tempo da
Nordeng (1944). Il codice di radiazione è lo stesso di Morcrette
(1991) con piccole modifiche quali, per esempio, l’inclusione di
gas serra addizionali e una migliore definizione delle proprietà
ottiche delle nubi.
1.3
La procedura di accoppiamento.
Le
componenti atmosferiche e oceaniche sono state accoppiate tramite
OASIS 2.4 (Valcke et al. 2000).
La
strategia di accoppiamento è stata descritta in Guilyardi et al.
(2001). Le condizioni iniziali per la componente oceanica sono state
ottenute dalla climatologia di Levitus (Levitus 1982). Le condizioni
iniziali per l’atmosfera sono state ottenute da un
esperimento nel quale il modello atmosferico è stato con le SST
osservate per il periodo 1979-1993.
Allo
scopo di risolvere in
modo appropriato il ciclo diurno, i flussi di energia, momento e
massa sono stati scambiati tra le componenti del modello ogni 3 ore.
1.4
I dati analizzati e gli esperimenti del modello.
Per
studiare il possibile impatto della risoluzione orizzontale della
componente atmosferica sul clima simulato, abbiamo implementato 3
diverse versioni del modello SINTEX. La stessa componente oceanica
è stata accoppiata con il modello atmosferico a diverse risoluzioni
orizzontali: una versione a bassa risoluzione con un troncamento
triangolare a numero d’onda (T30); una versione a risoluzione
media con un troncamento triangolare a numero d’onda 42 (T42) e,
infine, una versione ad alta risoluzione con troncamento a numero
d’onda 106 (T106). In questo modo, la risoluzione del modello
atmosferico varia da una griglia gaussiana di circa 3.7°x3.7°
(T30), fino a una
griglia gaussiana di circa 1.125°x1.125° nel caso del T106.
Due
lunghi esperimenti (200 anni) sono stati eseguiti con i modelli a
bassa e media risoluzione (T30 e T42). Una terza integrazione di
oltre 70 anni è stata poi eseguita con il modello ad alta
risoluzione (T106. In questo studio mostreremo i risultati ottenuti
da queste lunghe simulazioni.
Nonostante
non siano state compiute lunghe integrazioni per portare le
componenti del modello a un reciproco equilibrio dinamico (spin-up),
le derive all’interfaccia atmosfera-oceano sono ragionevolmente
piccole. Per esempio, la fig. 1 mostra la tendenza inversa della SST
mediata zonalmente sul globo per la versione del modello a bassa
risoluzione (T30). La tendenza è mostrata come diagramma
tempo-latitudine ed è stata calcolata come l’anomalia della SST
rispetto alla media ottenuta dagli ultimi 5 anni di integrazione.
Perciò i valori negativi indicano una tendenza al riscaldamento
della SST. Il risultato mostrato nella fig. 1 è abbastanza
rappresentativo del comportamento generale del modello a tutte le
risoluzioni. Come si evince dalla figura, la superficie
dell’oceano mostra una moderata tendenza al riscaldamento ad alte
latitudini, mentre ai tropici non vi è alcuna significativa
tendenza nella SST.
La
salinità della superficie marina (SSS)
mostra una deriva con patterns simili a quelli descritti per la SST. La tendenza più
grande della SSS si trova alle alte latitudini e specialmente
nell’Atlantico del nord, probabilmente associata con la mancanza
di ghiaccio marino interattivo.
I
risultati del modello sono confrontati con i risultati ottenuti
dalla ri-analisi del NCEP (Centro Nazionale per le Previsioni
Ambientali) (Kalnay et al. 1996), dalla climatologia di Levitus (Levitus,
1982) e dall’insieme di dati HadISST.1 della temperatura globale
del ghiaccio marino e della superficie del mare (in seguito chiamati
GISST) (Rayner et al. 2000). La precipitazione simulata
è confrontata con i campi di precipitazione ottenuti dai
dati Xie-Arkin (1996).
2.
La climatologia del modello
2.1
Caratteristiche globali
Le
medie climatologiche della SST ottenute dalle osservazioni (GISST )
e dai modelli sono mostrati nella fig. 2. I pannelli a-d
mostrano le medie di gennaio – febbraio – marzo (JFM); i
pannelli e-h mostrano le medie di luglio – agosto – settembre (JAS).
Complessivamente,
i modelli sembrano essere leggermente freddi negli extra –tropici,
soprattutto nel Pacifico e nell’Atlantico centrale, e nel Pacifico
tropicale occidentale. D’altra parte, l’intensità di risalita
dell’acqua oceanica (up-welling) alle coste orientali dei bacini
è spesso sottovaluta, col risultato che in queste regioni le SST
simulate dai modelli tendono, in generale, ad essere troppo calde.
La lingua d’acqua fredda che caratterizza il Pacifico equatoriale
centrale ed orientale, nei modelli tende a penetrare troppo a fondo
nel Pacifico occidentale, e i patterns
di SST sono troppo simmetrici intorno all’equatore. Questa è
una caratteristica comune a molti modelli accoppiati, che potrebbe
essere collegata a una rappresentazione inadeguata della convezione
atmosferica e alla sottostima della copertura nuvolosa simulata al
largo della costa peruviana (non mostrata), come discusso già da
Terray (1998) e da Fischer e Navarra
(2000). L’errore nella copertura nuvolosa, in particolare,
potrebbe influire sui flussi di radiazione e, pertanto, sulla
distribuzione di SST
per mezzo delle interazioni aria – mare e dei meccanismi di
feedback tra SST e vento di superficie, come suggerito da Fischer e
Navarra (2000).
Differenze
importanti, comunque, possono essere notate anche tra i campi di SST
prodotti dalle diverse versioni del modello. In particolare, il
modello T106 (quadro b e quadro e) sembra riprodurre un campo medio
SST più realistico sia nella massa d’acqua calda del Pacifico
occidentale che nell’Oceano Indiano, soprattutto durante
l’inverno boreale.
La
fig. 3 mostra le precipitazioni climatologiche ottenute dai dati
Xie-Arkin (pannello a per JFM e b per JAS) e i campi medi ottenuti
dai modelli (pannello b-d per JFM e pannello f-h per JAS). Durante
l’inverno boreale, le precipitazioni osservate mostrano una larga
cintura di valori alti che si estende dall’Africa tropicale, al di
sopra dell’Oceano Indiano, la regione indonesiana e l’Australia
del nord, su fino alla zona di convergenza del Pacifico meridionale
(SPCZ). Una seconda regione di intense precipitazioni si trova al di
sopra dell’America del Sud tropicale, che si estende verso est
lungo l’equatore. Tra l’equatore e circa 10°N, si estende una
fascia zonale di intense
precipitazioni
al di sopra della maggior parte del Pacifico e della zona di
convergenza inter-tropicale atlantica, con un’interruzione sul
Pacifico orientale e l’America equatoriale. A latitudini più
alte, sul Pacifico centro-occidentale e sull’Oceano Atlantico,
sono visibili i segni dell’attività dei cicloni extra-tropicali (storm
tracks).
A
tutte le risoluzioni, il modello riproduce una precipitazione
invernale ragionevolmente realistica sull’Africa tropicale,
sull’Oceano Indiano e sulla regione Indonesiana, nonché su gran
parte degli oceani extra-tropicali nell’emisfero boreale. Anche
sull’America del Sud i patterns
simulati sembrano riprodurre le principali caratteristiche del campo
osservato, sebbene i modelli tendano a spostare un leggermente verso
sud il massimo di precipitazione che nelle osservazioni si trova
sopra il nord est del Brasile e dell’Atlantico equatoriale
occidentale.
Nel
Pacifico tropicale, i modelli evidenziano discrepanze notevoli
rispetto alle osservazioni. I modelli, soprattutto a bassa
risoluzione, sovrastimano chiaramente la precipitazione sul Pacifico
centro-orientale a sud dell’equatore. Anche la struttura del SPCZ
non é ben simulata. I modelli, infatti, tendono a produrre una
specie di seconda Zona di Convergenza Inter-Tropicale (ITCZ) a sud
dell’equatore, parallela
all’equatore. I patterns
di precipitazione ottenuti con ECHAM-4 forzato con la SST osservata
non mostrano alcuna tendenza a
produrre una doppia ITCZ nel Pacifico tropicale (Roeckner et al.
1996; Stendel and Roeckner 1998). Questo
suggerisce che gli errori trovati nelle simulazioni
accoppiate sono molto probabilmente correlate ai problemi rilevati
nei campi delle SST simulate e descritte in figura 2.
Vale
la pena, comunque, notare che almeno alcuni di questi problemi
sembrano essere meno evidenti quando si aumenta la risoluzione
orizzontale della componente atmosferica. La precipitazione
invernale simulata dal modello T106, infatti, é generalmente più
simile alle osservazioni e, in particolare, la struttura della ITCZ
simulata da questa versione del modello appare migliorata.
Durante
l’estate boreale (Fig. 3, pannello e-h), in accordo con il ciclo
stagionale, i patterns di
precipitazione intensa sono localizzati a nord dell’equatore. I
modelli sembrano simulare abbastanza bene la precipitazione sopra la
fascia della ITCZ, attraverso gli oceani Pacifico e Atlantico. La
precipitazione del modello sopra la SPCZ é ora ridotta in accordo
con le osservazioni. Comunque, la precipitazione simulata é troppo
debole sulla zona equatoriale del Pacifico occidentale, cosa che é
probabilmente causata dalla SST troppo fredda trovata in questa
regione (fig. 3). Anche la simulazione delle distribuzioni di
intensa precipitazione osservate sopra i bacini del Congo e dell’Amazzonia
è ragionevolmente realistica.
La
sottostima del monsone estivo asiatico é un problema ben noto di
ECHAM-4 (Roeckner et al. 1996). Anche negli esperimenti accoppiati,
la precipitazione sopra le aree di attività monsonica estiva in
Asia appare problematica. I modelli accoppiati, a tutte le
risoluzioni, hanno problemi con la simulazione dei massimi di
precipitazione osservati sopra la Baia del Bengala e sopra le
Filippine. Comunque, in accordo con Stendel and Roeckner (1996),
l’aumentata risoluzione della componente atmosferica migliora
alcuni dettagli della precipitazione in relazione agli effetti
orografici. Quindi, per esempio, il modello T106 é in grado di
riprodurre il massimo della precipitazione sopra il Ghats
occidentale (Fig. 3, pannello f).
La
componente zonale del vento alla superficie é mostrata in fig. 4
(pannelli a-d per JFM e pannelli e-h per JAS). In generale, tutti i
modelli sono in grado di cogliere le caratteristiche di base della
struttura zonale del vento. Comunque, gli alisei simulati mostrano
un sensibile spostamento verso ovest nell’emisfero boreale e
tendono ad essere più intensi di quelli osservati, soprattutto sul
Pacifico equatoriale. Questa é probabilmente la causa
dell’eccesso di raffreddamento delle acque superficiali del
Pacifico equatoriale osservata nelle SST simulate (Fig. 2)
Anche
in questo caso, il modello T106 mostra un miglioramento rispetto ai
modelli di risoluzione più bassa. In particolare, durante la
stagione invernale, i patterns
del vento riprodotti dal modello T106 (Fig. 4, pannello b) sono più
vicini alla ri-analisi NCEP (Fig. 4, pannello a) sul Pacifico
tropicale, sul subcontinente indiano e lungo la costa occidentale
del Sud-America. Durante l’estate boreale (Fig. 4, pannello e-h),
la componente zonale del getto somalo é riprodotta abbastanza bene
dai modelli, sebbene sia un po’ troppo debole nella versione T30.
La
componente meridionale del vento vicino alla superficie é mostrata
nella fig. 5. Sia durante l’inverno boreale (pannelli a-d) che
nell’estate boreale (pannelli e-h), i modelli simulano abbastanza
bene la struttura meridionale del vento sul Pacifico e
sull’Atlantico settentrionali. I massimi del vento meridionale al
suolo, al largo delle coste occidentali dei continenti negli
extra-tropici, sono rappresentati abbastanza realisticamente, anche
se il campo simulato é un po’ troppo forte al largo della costa
della California durante l’estate boreale (pannello f-h). Il
modello T30 tende a sovrastimare il vento meridionale positivo al
largo della costa occidentale del Canada durante JFM (fig. 5,
pannello d).
Nella
regione di attività monsonica, in prossimità del subcontinente
Indiano, la componente meridionale del vento NCEP (fig. 5, pannello
a e pannello e) evidenzia una serie di caratteristiche a piccola
scala. I risultati sembrano indicare che solo i modelli a
risoluzione più alta, e in particolare la versione T106, siano in
grado di cogliere queste strutture fini. Questo risultato e quelli
trovati per il vento zonale a bassa quota (fig. 4) suggeriscono che
la simulazione della circolazione nelle regioni di attività del
monsone indiano migliora quando si aumenta la risoluzione
orizzontale della componente atmosferica del modello.
Una
chiara debolezza del modello a tutte le risoluzioni è la
circolazione meridionale vicina alla superficie sul Pacifico
tropicale. Per esempio, durante la stagione JFM, la ri-analisi
(pannello a) mostra una fascia di vento settentrionale abbastanza
forte a circa 10°N, che copre l’intero Pacifico tropicale e si
intensifica verso il limite orientale dell’oceano. Tutti i modelli
(pannelli b-d) mostrano chiaramente due fasce zonali di venti
settentrionali più forti: uno, localizzato a circa 10° a nord
dell’equatore, e un secondo parallelo all’equatore, nel Pacifico
centrale, tra l’equatore e circa 10°S. La struttura del flusso
meridionale al suolo simulata nel Pacifico tropicale é chiaramente
correlata alla tendenza del modello a produrre una doppia ITCZ, come
notato per i patterns di
precipitazione (Fig. 3). La struttura del vento meridionale
superficiale simulato evidenzia qualche problema anche
sull’Atlantico tropicale, dove il monsone invernale é dislocato
troppo a sud rispetto alle osservazioni.
La
fig. 6 mostra il vento zonale medio a
200hPa. Per la stagione JFM (pannelli a-d), struttura del
vento in quota é ben descritta dai modelli. Tuttavia, sono visibili
alcune differenze tra la ri-analisi e i modelli stessi, come, per
esempio, nel Pacifico extra-tropicale. Qui, il getto simulato tende
ad essere troppo forte e ad estendersi troppo lontano nel Pacifico
orientale (soprattutto per il caso T30). Inoltre, sembra che il
modello T106 sottostimi il getto atlantico sulla costa orientale
degli U.S.
Nei
modelli, i venti tropicali provenienti da est si estendono troppo
lontano sul Pacifico centrale e tendono anche a coprire tutto
l’Atlantico tropicale, soprattutto nel caso T106.
Durante
la stagione JAS (Fig. 6, pannello e-h), i modelli sovrastimano il
getto sub-tropicale nell’emisfero sud, soprattutto alle
risoluzioni più basse. Nell’emisfero boreale, i patterns ottenuti dalle simulazioni sono simili a quelli ottenuti
dalle ri-analisi, sebbene i venti simulati provenienti da est sulla
regione Oceano Indiano- Indonesia e sul Pacifico orientale siano un
po’ troppo deboli. Pure in contrasto con le osservazioni, i
modelli T30 e T42 producono venti provenienti da ovest sul Pacifico
Centrale.
2.2
La regione equatoriale dell’Indo-Pacifico.
Noi
siamo particolarmente interessati alla capacità dei modelli SINTEX
di riprodurre le caratteristiche principali del clima
osservato nella regione equatoriale dell’Indo-Pacifico. Di
conseguenza é utile analizzare un po’ più in dettaglio le
caratteristiche della climatologia osservata e simulata nella fascia
equatoriale.
La
fig. 7 mostra il ciclo stagionale della SST lungo l’equatore
(mediato tra 2.5°S e 2.5°N) per i dati GISST e per i modelli.
Nelle
osservazioni (pannello a), il Pacifico equatoriale é caratterizzato
da SST calde e quasi omogenee nella parte occidentale del bacino e
SST fredde in quella orientale. Nel Pacifico equatoriale orientale
c’è un ciclo annuale ben pronunciato, con un massimo tra marzo e
Aprile ed un minimo attorno ad ottobre. Nel Pacifico occidentale, la
SST evidenzia un debole ciclo semi-annuale, con minimi trovati
durante l’inverno e l’estate boreale. La differenza di
temperatura tra i due bordi varia da circa 2-3°C, durante la
primavera boreale, fino a più di 5°C, durante l’autunno boreale.
Nell’Oceano
Indiano equatoriale il gradiente zonale della SST osservata è
opposto al gradiente trovato nel Pacifico equatoriale. In questa
regione, infatti, le SST più calde sono localizzate nella parte
centrale ed orientale del bacino, dove mostrano solo una debole
modulazione annuale. Sul bordo occidentale la risalita delle acque
di profondità nell’estate boreale rinfresca la SST, mentre un
minimo secondario compare nella stessa regione durante il mese di
gennaio. Nell’estate boreale, la SST raggiunge il suo minimo al
bordo occidentale del bacino e la differenza tra Oceano Indiano
orientale ed occidentale è più grande di 2°C.
I
modelli (fig. 7, pannelli b-d) riproducono le caratteristiche di
base della distribuzione zonale della SST osservata e del suo ciclo
stagionale. Tuttavia, nelle simulazioni il gradiente zonale della
SST è troppo piccolo sia sul Pacifico equatoriale che sull’Oceano
Indiano. Inoltre, il ciclo annuale del modello nel Pacifico
orientale è sostanzialmente più debole e quasi due mesi in
anticipo rispetto alle osservazioni. L’errore nella fase del ciclo
sembra essere migliorato nella versione ad alta risoluzione. I
modelli tendono anche a produrre un ciclo semi-annuale nel Pacifico
Centrale, che è in disaccordo con i dati GISST.
Il
ciclo stagionale del vento zonale equatoriale a 1000-hPa (
distribuito tra 5°S e 5°N circa) è sostanzialmente riprodotto dai
modelli nel Pacifico (fig. 8). Tuttavia, soprattutto a bassa
risoluzione (pannello d) i venti di superficie provenienti
da est sono troppo intensi durante tutto l’anno. Inoltre,
nella ri-analisi (pannello a), gli Alisei sul Pacifico centro
orientale sono sostanzialmente ridotti durante la primavera
dell’emisfero nord. Nei modelli questa attenuazione degli Alisei
è meno pronunciata, e questo potrebbe spiegare la modulazione
annuale più debole delle SST simulate.
Nell’Oceano
Indiano equatoriale, il ciclo stagionale del vento zonale in
superficie mostra patterns
con una struttura più complicata, e i modelli sembrano in grado di
riprodurre con successo alcuni di essi.
Per es., la transizione da venti dominanti orientali a venti
occidentali , osservati nella parte occidentale del bacino, è, in
generale, simulata bene. Questo cambiamento nella circolazione
superficiale dell’atmosfera si verifica tra l’inverno e
l’estate boreale, ed è correlato alla fase del monsone indiano.
Anche
nell’Oceano Indiano centro equatoriale il ciclo stagionale del
vento zonale è caratterizzato da un’alternanza di venti orientali
e occidentali, in questo caso però, queste caratteristiche della
circolazione di superficie osservata sono solo parzialmente
riprodotte dai modelli.
In
fig. 9 viene mostrata una sezione verticale della temperatura media
nell’Oceano Indiano e nell’Oceano Pacifico equatoriali. Le
caratteristiche generali della struttura della temperatura
equatoriale, come la struttura e l’inclinazione del termoclino,
sono rappresentati abbastanza bene dai modelli. Tuttavia, il
confronto con i risultati ottenuti dalle osservazioni (pannello a)
indica che nei modelli a bassa risoluzione (pannello c, d) la massa
d’acqua calda che si forma negli strati superficiali del Pacifico
occidentale è sistematicamente erosa e, allo stesso tempo, il
termoclino in questa regione risulta essere troppo profondo. Nel
caso T106 (pannello b), consistentemente con i risultati ottenuti
dal vento zonale di superficie, in cui si osservava un miglioramento
nel Pacifico equatoriale (Fig. 4 e 8), sia l’estensione della
massa d’acqua calda che la profondità del termoclino nella parte
occidentale del bacino sono più simili ai dati osservati.
2.3
Variabilità interannuale nell’Oceano Pacifico tropicale.
Il
nostro scopo principale nello sviluppo del modello SINTEX era quello
di indagare la variabilità climatica e gli effetti delle possibili
interazioni tra fenomeni caratterizzati da diverse scale temporali
(per esempio la variabilità interannuale e intrastagionale). Come
primo passo, è dunque interessante valutare la capacità dei
modelli di riprodurre le caratteristiche principali della variabilità
osservata. In particolare, in questo articolo, focalizzeremo la
nostra attenzione sulla variabilità interannuale nella regione
tropicale dell’Oceano Pacifico.
Una
prima stima della variabilità nel Pacifico tropicale può essere
desunta dai patterns di deviazione standard della SST. La fig. 10 mostra la
deviazione standard di SST, nella fascia tropicale, calcolata usando
anomalie mensili rispetto al ciclo stagionale. Nei tropici, la
variazione della SST osservata (pannello a) è dominata dalla
variabilità localizzata sul Pacifico centro-orientale equatoriale.
In questa regione il maggior contributo alla variabilità è dato
dall’attività di El Niño-Oscillazione Meridionale (ENSO). I
modelli (pannelli b-d) sembrano riprodurre la struttura di base dei
campi di variabilità osservati, sebbene la variabilità simulata
appaia essere sensibilmente più debole, soprattutto nelle versioni
del modello a risoluzione più bassa. Vale la pena notare che
l’estensione meridionale della variabilità della SST viene
sostanzialmente migliorata con la versione del modello T106.
Nell’Oceano
Indiano, d’altra parte, la variabilità della SST simulata è più
forte rispetto ai dati GISST, in particolare nella parte orientale
del bacino. Anche nel Pacifico sub-tropicale settentrionale,
soprattutto al limite occidentale, sembra che la varietà simulata
sia più forte di quella osservata.
2.4
La variabilità ENSO.
ENSO
è il segnale tropicale regolare più forte su scala temporale
interannuale (per un’ampia rassegna vedere Philander 1990, e il
numero speciale di J. Geophys. Res. sul decade TOGA , vol. 103, 1998). La qualità
della variabilità di tipo ENSO simulata da un CGCM, quindi, è una
componente importante nella valutazione del comportamento del
modello.
Un
indice comunemente usato per gli studi di ENSO è costituito dalla
serie temporale dell’anomalia di SST nella regione detta NINO-3
(150°W – 90°W, 5°S - 5°N). Tale serie temporale è presentata
nella fig. 11, in cui vengono mostrati
73 anni di integrazioni del modello. Per ogni modello, le
anomalie mensili sono state calcolate come deviazioni dal ciclo
annuale medio. Nei casi T30 e T42, il ciclo annuale medio è stato
calcolato usando i dati di 200 anni. I risultati mostrati nella fig.
11 per questi modelli non differiscono molto dal resto del periodo
di integrazione (200 anni).
Nel
caso T106, la serie temporale mostra un leggero trend
di circa 0.5°C sull’intero periodo; mentre per i casi T30 e T42,
non vi è praticamente alcun trend.
Complessivamente, l’ampiezza dell’anomalia NINO-3 SST simulata
(NINO-3 SSTA) è paragonabile a quella osservata, sebbene risulti
essere leggermente più piccola, specialmente nel modello T42.
Un
importante elemento di El Niño è il suo carattere stagionale. Le
più intense anomalie di SST nel Pacifico equatoriale orientale sono
osservate generalmente durante l’inverno boreale (Philander 1990). La fig. 12 mostra le composite
dell’anomalia di SST nella regione di NINO-3 per le osservazioni e
le simulazioni. Le composite sono state calcolate considerando le
anomalie mensili corrispondenti agli eventi ENSO per il quale
l’indice NINO-3 è più grande di 1.5 volte la propria deviazione
standard. Perciò, la sequenza delle composite mostra l’evoluzione
della media di intensi episodi ENSO. I risultati mostrati in fig. 12
indicano che i modelli, a tutte le risoluzioni, riproducono
abbastanza bene il carattere stagionale di ENSO. In accordo con i
dati osservati, i picchi degli ENSO simulati si verificano durante
l’inverno boreale. Pure in accordo con i dati osservati, l’anno
che precede il picco dell’evento (anno 0) è caratterizzato da
anomalie negative di SST (deboli condizioni di La Niña)._
Dopo
la conclusione dell’evento, che si verifica tra la primavera e
l’estate boreale dell’anno successivo al picco (anno 2 nella
fig. 12), le anomalie ridiventano negative. Questa transizione da
condizioni di calde SST (El Niño) a fredde SST (La Niña) è più
pronunciata nelle simulazioni eseguite col modello, soprattutto
nella versione a bassa risoluzione (T30).
Un’altra
importante caratteristica della variabilità ENSO è la frequenza
dell’oscillazione. La fig.13 mostra i risultati di un’analisi
spettrale delle serie temporali di NINO-3 SSTA. Per le osservazioni
(curva nera) un ampio picco dominante si trova a circa 4 anni:
mentre il modello, a tutte le risoluzioni, presenta picchi a periodi
più brevi. Anche in questo caso, comunque, è importante notare che
i risultati ottenuti dalle diverse versioni dei modelli mostrano
alcune differenze importanti. Il caso T30 (fig. 13, curva verde),
per esempio, ha un unico picco centrato a circa 24 mesi, il chè
indica un comportamento quasi biennale predominante di ENSO simulato
da questa versione del modello (vedi anche Guilyardi et al. 2002).
Nel modello T42, il picco dominante è spostato ad una frequenza più
bassa, essendo ora centrato attorno ad un periodo di circa 30 mesi.
Quindi, nel caso T42, sembra che ENSO sia un po’ più debole, ma
più vicino ai dati osservati in termini di periodicità.
Nell’esperimento T106, infine, l’oscillazione è caratterizzata
da due frequenze dominanti: un periodo quasi biennale ed un periodo
di circa 3 anni. Questi risultati suggeriscono che la risoluzione
orizzontale della componente atmosferica del modello accoppiato
potrebbe essere importante per la simulazione della variabilità di
tipo ENSO
3.
Discussione e Conclusioni.
In
questo studio, abbiamo analizzato la capacità di un nuovo modello
di circolazione generale accoppiato, SINTEX, di simulare le
caratteristiche principali del clima osservato e i suoi modi
dominanti di variabilità, focalizzando in particolare
l’attenzione sulla regione tropicale dell’Indo-Pacifico. Abbiamo
anche valutato l’impatto della risoluzione atmosferica sul sistema
accoppiato, usando il modello con una diversa risoluzione
orizzontale della sua componente atmosferica. In particolare, i
risultati mostrati in questo studio sono stati ottenuti con una
componente atmosferica a bassa risoluzione
(T30), una a risoluzione intermedia (T42) ed una ad alta
risoluzione (T106).
In
tutti gli esperimenti, il drift climatico all’interfaccia atmosfera-oceano è piccolo. In
particolare nella regione tropicale, il trend
della SST è praticamente assente, il chè rappresenta un notevole
risultato per un modello accoppiato che non adotta alcuna correzione
dei flusso scambiati tra oceano e atmosfera. A latitudini più
elevate, soprattutto nell’Atlantico del nord, le derive nella SST
e nella SSS diventano più evidenti. Questo probabilmente è dovuto
alla mancanza di un modello interattivo del ghiaccio marino.
Le
principali e generali caratteristiche della climatologia osservata
sono ben riprodotte dai modelli. Generalmente, gli errori trovati
nelle SST da un confronto con le osservazioni (non mostrati) sono
inferiori di 1°C. Differenze maggiori di 2°C si trovano solo nelle
regioni equatoriali di risalita delle acque oceaniche (per esempio
al largo della costa peruviana) e lungo le correnti di costa al
limite occidentale del Pacifico e dell’Atlantico extra-tropicali.
A
tutte le risoluzioni, la SST del modello tende ad essere troppo
calda nel Pacifico
orientale tropicale. La lingua fredda di SST equatoriale tende ad
estendersi troppo nel Pacifico occidentale. Questo errore è
probabilmente causato dai troppo intensi Alisei che i modelli
tendono a produrre nel Pacifico equatoriale. L’intensificazione
degli Alisei è dovuta alla tendenza della componente atmosferica
(ECHAM-4) ad enfatizzare la circolazione di Walker nel piano
equatoriale (Roeckner et al. 1996).
Inoltre,
la precipitazione media simulata e il vento di superficie indicano
che il modello tende a produrre una doppia ITCZ. Questi errori del
modello sono comuni a molti CGCM e potrebbero essere dovuti sia ad
una rappresentazione inadeguata della convezione atmosferica, che ad
una troppo esigua copertura nuvolosa simulata al largo della costa
peruviana.
I
modelli forniscono una rappresentazione ragionevolmente realistica
della struttura verticale della temperatura oceanica all’equatore
nell’Oceano Pacifico e nell’Oceano Indiano. L’inclinazione e
la struttura del termoclino equatoriale, importanti per la dinamica
di ENSO, sono generalmente ben riprodotte. Nondimeno, per le
versioni del modello a risoluzione più bassa, la massa d’acqua
calda che caratterizza il Pacifico equatoriale occidentale è
sensibilmente erosa, mentre il termoclino tende ad essere troppo
profondo nel Pacifico centrale. Entrambe queste caratteristiche sono
molto probabilmente legate ai forti Alisei trovati per i casi T30 e
T42.
Il
ciclo stagionale simulato evidenzia qualche problema nel Pacifico
equatoriale. Nella parte orientale del bacino, il ciclo annuale
della SST è sottostimato rispetto alle osservazioni,
mentre la modulazione stagionale e semi-annuale è
sovrastimata nel Pacifico centrale. Sebbene non abbiamo una
spiegazione completa per questi errori, riteniamo che essi possano
essere correlati agli errori trovati nello stato medio.
E’
stata analizzata anche la capacità del modello di simulare le
caratteristiche generali principali della variabilità interannuale
nella regione del Pacifico tropicale.
La
simulazione di ENSO mostra una variabilità un po’ più debole
rispetto alle osservazioni. Inoltre, il periodo dell’oscillazione
simulata sembra essere leggermente più breve di quello osservato,
specialmente nel caso del modello a bassa risoluzione. Comunque, la
distribuzione complessiva e i patterns dell’anomalia associati con ENSO sono, in generale,
abbastanza vicini alle osservazioni (vedi anche Guilyardi et al.
2002), anche se nei casi T30 e T42, la variabilità è troppo
confinata nella regione equatoriale.
Infine,
la risoluzione orizzontale aumentata (T106) della componente
atmosferica porta ad un generale miglioramento della simulazione del
clima, riducendo l’ampiezza degli errori del modello
4.
FIGURE
Figura
1:
Tendenza inversa della temperatura della superficie marina mediata
zonalmente sul globo per la versione del modello a bassa risoluzione
(T30). La tendenza e’ calcolata rispetto agli ultimi 5 anni di
media. I valori negativi indicano una tendenza SST positiva. Le
linee tratteggiate di contorno e le aree ombreggiate indicano valori
negativi. L’intervallo di contorno e’ di 0.5° C.
Figura 2:
Campi di SST media. Pannelli a) ed e), mostrano le medie ottenute
dal data set GISST per l’inverno dell’emisfero nord
(JFM) e per l’estate dell’emisfero nord (JAS)
rispettivamente; pannelli b) e
f), mostrano le medie ottenute dal modello T106 per JFM e JAS;
pannelli c) e g), mostrano le medie ottenute dal modello T42 per JFM
e JAS; pannelli d) e
h), mostrano le medie ottenute dal modello T30 per JFM e
per JAS. L’intervallo della linea di contorno e’ di 1°
C; l’intervallo del contorno ombreggiato e’ di 3° C.
Figura
3:
Come la Fig.2, ma per il campo di precipitazione. L’intervallo di
contorno e’ di 2 mm/giorno. I valori più grandi di 4 mm/giorno
sono ombreggiati.
Figura
4:
Come la Figura 2, ma per la componente zonale del vento a 1000-hPa.
L’intervallo di contorno e’ di 2 m/s. Le linee di contorno
tratteggiate e le aree ombreggiate indicano valori negativi.
Figura 5:
Come la Figura 4, ma per la componente meridionale del vento a
1000-hPa L’intervallo di contorno e’ di 2 m/s. Le linee
tratteggiate di contorno e le aree ombreggiate indicano valori
negativi.
Figura 6:
Come la Figura 4, ma per la componente zonale del vento a
200-hPa. L’intervallo della linea di contorno e’ di 5
m/s. Le linee tratteggiate di contorno
indicano valori negativi; le aree ombreggiate indicano valori
positivi; l’intervallo del contorno ombreggiato e’ di 10 m/s.
Figura 7:
Il ciclo stagionale di SST lungo l’equatore nell’Oceano Indiano
e Oceano Pacifico. Panello a), cosi’ come derivato dal data set
GISST; panello b), esperimento T106; panello c), esperimento T42;
panello d), esperimento T30. L’asse verticale rappresenta il
tempo, l’asse orizzontale la longitudine. L’intervallo della
linea al contorno e’ di 0.5°
C. I valori più grandi
di 28° C sono ombreggiati; l’intervallo del contorno ombreggiato
e’ di 1° C.
Figura 8:
Ciclo stagionale del vento zonale a 1000-hPa lungo l’equatore
(media tra 5°S e 5°N) nell’Oceano Indiano ed Oceano Pacifico.
Panello a), ri-analisi NCEP; panello b), esperimento T106; panello
c), esperimento T42; panello d), esperimento T30. L’intervallo
della linea al contorno e’ di 1 m/s. Le linee tratteggiate di
contorno e le aree ombreggiate indicano valori negativi;
l’intervallo del contorno ombreggiato e’ di 2 m/s
Figura
9:
Sezione verticale della temperatura media nei 400 metri superiori
lungo l’equatore nell’Oceano Indiano ed Oceano Pacifico. Panello
a),
media ottenuta dal data set Levitus; panello b), esperimento
T106; panello c), esperimento T42; panello d) esperimento T30.
L’intervallo della linea al contorno e’ di 1° C. I valori più
grandi di 20° C sono ombreggiati; l’intervallo del contorno
ombreggiato e’ di 2° C. L’isoterma di 20°C e’ in grassetto.
Figura 10:
Deviazione standard del campo di SST nei Tropici. Panello a),
risultato ottenuto dal data set GISST; panello b), esperimento T106;
panello c), esperimento T42; panello d), esperimento T30.
L’intervallo della linea al contorno e’ di 0.1° C. I valori più
grandi di 0.4° C sono ombreggiati; l’intervallo del contorno
ombreggiato e’ di 0.2° C.
Figura
11:
Serie temporali dell’anomalia SST mediata nella regione di NINO-3
(150°W – 90°W, 5°S - 5°N). Le anomalie sono calcolate
rispetto al ciclo stagionale. Panello a), esperimento T106; panello
b), esperimento T42; panello c), esperimento 30.
Figura 12:
Composite dell’anomalia di NINO-3 SST. Le composite sono state
calcolate facendo la media delle anomalie mensili corrispondenti
agli eventi ENSO per i quali l’indice del NINO-3 e’ più grande
di 1.5 volte la propria deviazione standard. Nel caso GISST (curva
nera) sono stati considerati 8 episodi (anni 1957-58, 1965-66,
1972-73, 1982-83, 1986-87, 1991-92 e 1997-98). Per il modello T106
(linea blu), sono stati usati 12 eventi per produrre la composita;
mentre, per il T42 (curva rossa) ed il T30 (curva verde) sono stati
usati 21 episodi. L’asse verticale e’ in °C.
Figura
13: Spettro di NINO-3 SSTA.
Curva nera come ottenuta dal data set GISST; curva
blu, modello T106;
curva rossa, modello
T42 ;curva verde, modello T30. Prima del
calcolo dello spettro, tutte le serie temporali sono state
normalizzate dividendole per la
propria deviazione standard.
1.
Referenze
Blanke,
B. and P. Delecluse (1993): Low frequency variability of the
tropical Atlantic ocean simulated by a general circulation model
with mixed layer physics. J.
Phys.Oceanogr., 23,
1363--1388.
Fischer,
M. and A. Navarra (2000): GIOTTO: a coupled atmosphere—ocean
general--circulation models: The tropical Pacific. Quart.
J. Roy. Met. Soc., 126, 1991--2012.
Guilyardi,
E. and G. Madec (1997): Performance of the OPA/ARPEGE-T21 global
ocean--atmosphere coupled model. Clim.
Dyn., 13, 149--165.
Guilyardi,
E., G. Madec and L. Terray (2001): The role of lateral ocean physics
in the upper ocean thermal balance of a coupled ocean--atmosphere
GCM. Clim. Dyn., 17,
589--599.
Guilyardi,
E., P. Delecluse, S. Gualdi and A. Navarra (2002): The role of
meridional recharging in ENSO phase change.
J. Climate, in stampa
Kalnay,
E. and Coauthors (1996): The NCEP/NCAR 40--year Re--analysis Project.
Bull.Amer.
Meteor. Soc.,
77, 437--471.
Levitus,
S. (1982): Climatological Atlas of the world ocean. NOAA
professional paper No.13, 173 pp.
Madec,
G., P. Delecluse, M. Imbard and C. Levy (1998): OPA version 8.1
ocean general circulation model reference manual. Technical Report,
LODYC/IPSL, Note 11.
Morcrette,
J. J. (1991): Radiation and cloud radiative properties in the
European centre for medium range weather forecasts forecasting
system, J. Geophys. Res., 96, 9121-9132.
Nordeng,
T. E. (1994): Extended versions of the convective parametrization
scheme at ECMWF and their impact on the mean and transient activity
of the model in the Tropics. ECMWF Research Department, Technical
Memorandum No. 206, October 1994, 41 pp., European Center for Medium
Range Weather Forecasts, Reading, UK.
Philander,
S. G. H. (1990): El Niño, La Niña and the Southern Oscillation.
Academic, San Diego, California, 293 pp.
Rasch,
P. J. and D. L. Williamson (1990): Computational aspects of moisture
transport in global models of the atmosphere. Quart.
J. Roy. Met. Soc., 116, 1071-1090.
Rayner,
N. A., D. E. Parker, P. Frich, E. B. Horton, C. K. Folland and L. V.
Alexander (2000): The HadISST Global Sea--Ice and Sea--Surface
Temperature Dataset, 1871-1999. Hadley
Centre Technical Note, 17.
Roeckner,
E. and Coauthors (1996): The atmospheric general circulation model
Echam-4: model description and simulation of present-day climate. Max-Planck-Institut
für Meteorologie, Rep. No 218, 90 pp.
Stendel,
M and E. Roeckner (1998): Impacts of horizontal resolution on
simulated climate statistics in ECHAM-4. Max-Planck-Institut
für Meteorologie, Rep. No 253, 57 pp.
Terray
L. (1998): Sensitivity of climate drift to atmospheric physical
parameterizations in a coupled ocean--atmosphere general circulation
model. J. Climate, 11, 1633--1658.
Tiedtke,
M. (1989): A comprehensive mass flux scheme for cumulus
parametrization in large-scale models. Mon.
Weather Rev., 117, 1779-1800.
Valcke,
S., L. Terray and A. Piacentini (2000): The OASIS coupler user guide
version 2.4. Technical Report, TR/CMGC/00-10, CERFACS.
Venzke,
S., M. Latif and A. Villwock (2000): The coupled GCM ECHO-2, part II:
Indian Ocean response to ENSO. J.
Climate, 13, 1371--1383.
Walker, G. T. and E. W. Bliss (1932): World weather, V, Mem. R. Meteorol. Soc, 4, 53--84. Xie, P. and P.A.
Arkin
(1996): Analyses of global monthly precipitation using gauge
observations, satellite estimates, and numerical model predictions; J.
Climate, 9, 840--858.
Torna all'inizio
|
