algo a tener en cuenta este invierno – The Social Metwork

Simón Lee, shlee@pgr.reading.ac.uk

La ola de frío europea de febrero-marzo de 2018, conocida ampliamente como «La bestia del este», ocurrió alrededor de 2 semanas después de un gran evento de calentamiento estratosférico repentino (SSW, por sus siglas en inglés) el 12 de febrero.^el. Los principales SSW normalmente ocurrir una vez cada dos inviernos, lo que implica una interrupción significativa del vórtice polar estratosférico (un ciclón de escala planetaria que reside sobre el polo en invierno). Los SSW son importantes porque su ocurrencia puede influir en el tipo y la previsibilidad del clima superficial en escalas de tiempo más largas de entre 2 semanas a 2 meses. Esto se conoce como previsibilidad de subestacional a estacional (S2S) y “cierra la brecha” entre los pronósticos meteorológicos típicos y los pronósticos estacionales (Figura 1).

Figura 1: Esquema de rango medio, S2S y pronósticos estacionales y su habilidad relativa. [Figure 1 in White et al. (2017)]

En general, los pronósticos S2S adolecen de una habilidad relativamente baja. Si bien los pronósticos a mediano plazo son un problema de valor inicial (que depende en gran medida de las condiciones iniciales del pronóstico) y los pronósticos estacionales son un problema de valor límite (que depende de las limitaciones de las predicciones que varían lentamente, como El Niño-Oscilación del Sur), Los pronósticos de S2S se encuentran en algún lugar entre los dos. Sin embargo, ciertos “ventanas de oportunidad” pueden ocurrir que tienen el potencial de aumentar la habilidad S2S, y un SSW importante es uno de ellos. Los pronósticos S2S hábiles pueden ser de particular beneficio para los planificadores de salud pública, el sector del transporte y la gestión de la demanda de energía, entre muchos otros.

Siguiendo un SSW, la corriente en chorro impulsada por remolinos tiende debilitarse y desplazarse hacia el ecuador. Esto es característico de la Oscilación negativa del Atlántico Norte (NAO) y la Oscilación negativa del Ártico (AO), y durante estos patrones el riesgo de brotes de aire frío aumenta significativamente en lugares como el noroeste de Europa. Entonces, al saber esto, los pronósticos S2S emitidos durante el mayor SSW pudieron resaltar el mayor riesgo de clima extremadamente frío.

Dado que sabemos que después de un SSW, ciertos tipos de clima son más probables durante varias semanas, y los pronósticos pueden ser más hábiles, puede parecer ventajoso saber que un SSW llegará con un tiempo de anticipación prolongado para realmente ampliar los límites de S2S. predicción. Entonces, ¿qué pasa en 2018?

En el primer trabajo de mi doctorado, publicado en julio de 2019 en JGR-Atmospheres, exploramos el inicio de las predicciones del SSW de febrero de 2018. Encontramos que, hasta aproximadamente 12 días antes, los pronósticos de rango extendido que contribuyen a la base de datos S2S (una colaboración internacional de datos de pronóstico de rango extendido) no predijo con precisión el evento; de hecho, la mayoría de las predicciones indicaron que el vórtice se mantendría inusualmente fuerte.

Diagnosticamos que la ruptura de ondas anticiclónicas en el Atlántico Norte fue un evento «disparador» crucial a escala sinóptica para perturbar el vórtice estratosférico, al mejorar las ondas de Rossby que se propagan verticalmente (que debilitan el vórtice cuando rompen en la estratosfera). Los pronósticos lucharon para predecir este evento con mucha anticipación y, por lo tanto, lucharon para predecir el SSW. Llamamos al patrón «dipolo Escandinavia-Groenlandia (SG)», caracterizado por un anticiclón sobre Escandinavia y una baja sobre Groenlandia (Figura 2), y encontramos que estaba presente antes del 35% de los SSW anteriores (1979-2018). El resultado concuerda con varios estudios previos destacando el papel del bloqueo en la región de Escandinavia-Urales, pero fue el primero en sugerir un impacto tan significativo de un solo evento troposférico.

Figura 2: Correlación entre los pronósticos de la presión media del nivel del mar del 3 al 5 de febrero de 2018 y los pronósticos posteriores de 10 hPa Viento zonal medio zonal de 60 ° N del 9 al 11 de febrero, en (a) conjuntos NCEP y (b) ECMWF lanzados entre el 29 de enero y el 1 de febrero de 2018. Blanco líneas (punteado negativo) indicar correlacións excesivo +/- 0.7, mientras que las líneas discontinuas negras indican los nodos del dipolo SG. [Figure 3 in Lee et al. (2019)]

Entonces, habíamos establecido que el dipolo SG era importante en el inicio de la previsibilidad en 2018, e importante en casos anteriores, pero ¿qué tan bien los modelos S2S generalmente capturan el patrón?

Ese fue el tema de nuestro artículo reciente (de acceso abierto), publicado en agosto en QJRMS. Definimos un patrón más generalizado realizando análisis de función ortogonal empírica (EOF) sobre anomalías en la presión media del nivel del mar en una región del Atlántico nororiental durante noviembre-marzo en el reanálisis de ERA5 (Figura 3). Mientras que el EOF principal (el «patrón zonal») se asemeja a la NAO, los 2^{Dakota del Norte} EOF se parece al dipolo SG de nuestro artículo anterior, por lo que lo llamamos «SG patrón”.

Figura 3: Los dos primeros EOF principales de anomalías del MSLP en el Atlántico nororiental durante noviembre-marzo en ERA5, expresados ​​como hPa por desviación estándar de la serie temporal del componente principal. También se muestra el porcentaje de varianza explicado por el EOF. [Figure 1 in Lee et al. (2020)]

Luego establecemos, a través del análisis de regresión lineal retrasada, que el patrón SG está asociado con una actividad de onda de propagación vertical mejorada (medida por el flujo de calor de remolino medio zonal) en la estratosfera, y un vórtice estratosférico posteriormente debilitado durante los próximos 2 meses. Por lo tanto, respalda nuestro trabajo anterior y motiva a considerar cómo se representa el patrón en los modelos S2S. Para hacer esto, observamos retrospectivas (pronósticos inicializados para fechas en el pasado) de 10 sistemas de predicción diferentes de todo el mundo.

Encontramos que mientras todos los modelos S2S representan muy bien el patrón espacial de estos dos EOF, algunos tienen sesgos en la varianza explicada por los EOF, particularmente en las semanas 3 y 4 (Figura 4). En términos generales, todos los modelos tienen más varianza explicada por su primer EOF en comparación con ERA5, y menos por el segundo EOF, pero este sesgo es particularmente grande para los tres modelos con la resolución horizontal más baja (BoM, CMA y HMCR).

Figura 4: R media semanalrelación entre la varianza explicada por la EOF en cada modelo y el ERA5 EOF. [Figure 6 in Lee et al. (2020)]

Además, encontramos que la habilidad de predicción determinista en el patrón SG (medida por la correlación media del conjunto) puede ser tan pequeña como de 5 a 6 días para el modelo BoM, y tan alta como de 11 días en los modelos de mayor resolución. Extendiendo esto a la habilidad probabilística en las semanas 3 y 4, encontramos que los modelos tienen solo una habilidad limitada (si la tienen) por encima de la climatología en las semanas 3 y 4 (y mucho menos que la habilidad en el EOF principal, el patrón similar a NAO).

Además, encontramos que la relación entre el patrón SG y el flujo de calor mejorado en la estratosfera decae con el tiempo de anticipación en la mayoría de los modelos S2S, incluso en los modelos de mayor resolución (Figura 5). Así, esto sugiere que la enlace dinámico entre la troposfera y la estratosfera se debilita con el tiempo de anticipación en estos modelos, por lo que incluso una predicción troposférica correcta puede no tener, en estos casos, un pronóstico estratosférico de rango extendido posteriormente preciso.

Figura 5: Media semanal coeficientes de regresión entre los índice S–G y el correspondiente anomalías del flujo de calor de remolino en (a) 300 hPa en el mismo día, (b) 100 hPa Tres días después, and (c) 50 hPa cuatro días después. Los retrasos corresponden a días con máxima correlación en ERA5. Las barras punteadas indican una diferencia significativa de ERA5 en el nivel de confianza del 95 %. [Figure 11 in Lee et al. (2020)]

Entonces, al tomar todo esto junto, tenemos:

• El patrón SG es el segundo modo principal de variabilidad del MSLP en el Atlántico nororiental durante el invierno.
• Está asociado con una mayor actividad de ondas que se propagan verticalmente en la estratosfera y un vórtice polar debilitado en las siguientes semanas o meses.
• Los modelos S2S representan bien los patrones espaciales de los dos EOF principales.
• La mayoría de los modelos S2S tienen un sesgo de variabilidad zonal, con una variación relativamente mayor explicada por el EOF principal y, en consecuencia, menos en el segundo EOF.
• Este sesgo es mayor en los modelos de resolución más baja en las semanas 3 y 4
• La habilidad de rango extendido en el patrón SG es baja y más baja que en el patrón zonal similar a NAO.
• La relación lineal entre el patrón SG y el flujo de calor de remolino en la estratosfera decae con el tiempo de anticipación en la mayoría de los modelos S2S.

El sesgo de varianza zonal es consistente con Sesgos del modelo S2S en la ruptura y bloqueo de ondas de Rossbymientras que se ha encontrado ampliamente que estos sesgos son más grande en los modelos de resolución más baja. Los resultados sugieren que la mala predicción del evento SG en febrero de 2018 no es exclusiva de ese caso, sino un problema más genérico. En general, la combinación de los sesgos de variabilidad, la previsibilidad de rango extendido deficiente y la representación deficiente de su impacto en el vórtice estratosférico en tiempos de anticipación más largos probablemente contribuya a limitar la habilidad para predecir SSW importantes en escalas de tiempo S2S: que sigue siendo bajo, a pesar de las escalas de tiempo mucho más largas de la estratosfera. La corrección de los sesgos descritos aquí probablemente contribuirá a mejorar esta habilidad y, posteriormente, a aumentar hasta dónde podemos predecir el clima del mundo real.