Nessun fenomeno atmosferico e oceanico sul pianeta esercita un’influenza a scala planetaria paragonabile a ENSO (El Niño–Southern Oscillation). L’alternanza tra il riscaldamento e il raffreddamento delle acque superficiali del Pacifico equatoriale è in grado di rimodellare la Circolazione di Walker, alterare le correnti a getto e condizionare l’andamento di piogge, siccità e temperature a migliaia di chilometri di distanza, dalle Americhe all’Europa. Tuttavia, prevedere e diagnosticare con precisione la nascita di un evento El Niño o La Niña è un’operazione estremamente delicata. Con l’aumento costante delle temperature medie degli oceani dovuto al cambiamento climatico globale, persino i parametri storici utilizzati dai meteorologi rischiano di essere distorti dal “riscaldamento di fondo” della Terra.
Per capire come la scienza stia affrontando queste sfide, MeteoWeb ha intervistato in esclusiva Michelle L’Heureux, scienziata e fisica dell’atmosfera presso il Climate Prediction Center (CPC) del NOAA (National Oceanic and Atmospheric Administration) e guida dell’ENSO Team, nonché voce di riferimento del celebre NOAA ENSO Blog.
In questa intervista, la Dottoressa L’Heureux ci accompagna nei meccanismi di accoppiamento oceano-atmosfera, spiega le ragioni storiche dell’adozione del nuovo indice RONI (Relative Oceanic Niño Index), analizza i limiti fisici della Barriera della Prevedibilità Primaverile (SPB) e illustra come l’Intelligenza Artificiale potrebbe rivoluzionare i modelli climatici stagionali. Di seguito, il testo integrale delle domande e delle risposte.
Al di là delle anomalie delle temperature superficiali dell’oceano (SST) nella regione Niño 3.4, un autentico evento El Niño richiede un vero accoppiamento tra oceano e atmosfera. Dal punto di vista diagnostico operativo al NOAA CPC, quali parametri atmosferici e del sottosuperficie (come venti alisei, SOI o calore oceanico sub-superficiale) sono più critici per confermare che l’atmosfera stia rispondendo attivamente all’oceano?
“Tutti quelli che hai menzionato! Ognuno di questi parametri è fondamentale. Il nostro ENSO Team al NOAA esamina una vasta serie di indicatori diagnostici quando si riunisce per valutare lo stato di El Niño o La Niña. Quando emettiamo un Advisory (un avviso ufficiale che certifica la presenza dell’evento), stiamo dichiarando che i dati osservativi supportano un accoppiamento attivo tra oceano e atmosfera. Ad esempio, le anomalie termiche subsuperficiali tendono a fornire un segnale di preallarme su ciò che accadrà successivamente in superficie. L’indice SOI (Southern Oscillation Index) (calcolato sulla differenza di pressione al livello del mare) ci indica il grado di accoppiamento del sistema atmosfera-oceano. Monitoriamo inoltre la radiazione a onde lunghe in uscita (OLR) sul Pacifico tropicale per verificare se i pattern delle precipitazioni si stiano effettivamente spostando. Infine, lo stato dei venti equatoriali (alisei) è cruciale, poiché rivela se la Circolazione di Walker nel Pacifico stia accelerando (come avviene durante La Niña) o rallentando (durante El Niño)”.
Si parla spesso di diversi “sapori” (flavors) di ENSO, in particolare gli eventi Eastern Pacific (EP) rispetto a quelli Central Pacific (CP o Modoki). In che modo questi pattern distinti di anomalie termiche spostano i ponti di teleconnessione atmosferica a valle sul Nord America e sul settore euro-atlantico?
“La distinzione tra Eastern Pacific (EP) e Central Pacific (CP) è senza dubbio fondamentale per le regioni affacciate sul Pacifico tropicale, come l’Ecuador e il Perù. Le loro agenzie meteorologiche nazionali monitorano infatti indici specifici come il cosiddetto El Niño costiero, caratterizzato da un forte riscaldamento a ridosso delle coste che influenza direttamente piogge e temperature locali. Questi eventi costieri sono a volte, ma non sempre, collegati agli eventi su scala di bacino che il NOAA monitora e prevede. Dal nostro punto di vista, la ricerca scientifica non ha ancora chiarito se i diversi “sapori” di El Niño producano impatti statisticamente significativi e distinti sugli Stati Uniti e sull’Europa. Per il Nord America, sembra che l’intensità dell’indice termico nella regione Niño 3.4 sia la chiave primaria per comprendere e attribuire i segnali climatici di ENSO. La restante variabilità che osserviamo durante questi eventi può essere in gran parte attribuita al “rumore” caotico e imprevedibile, intrinseco al sistema Terra. Detto ciò, accade spesso che gli eventi di El Niño più intensi mostrino una maggiore estensione delle acque calde verso il Pacifico orientale: in questo senso, intensità e “sapore” dell’evento risultano strettamente interconnessi”.
Le previsioni stagionali affrontano ancora la celebre “barriera di prevedibilità primaverile” (Spring Predictability Barrier). Da una prospettiva fisica e modellistica, perché la prevedibilità di ENSO cala sensibilmente durante la primavera boreale e come i moderni modelli multi-ensemble aiutano i previsori a ridurre questa finestra di incertezza?
“La capacità dei modelli di previsione è migliorata notevolmente negli ultimi decenni, grazie al potenziamento delle reti osservative, dei sistemi di assimilazione dei dati (il modo in cui le misurazioni diventano la condizione iniziale del modello) e dei modelli accoppiati stessi. I modelli climatici coupled all’avanguardia sono oggi estremamente validi e superano costantemente i modelli statistici più semplici. I sistemi multi-model ensemble hanno rappresentato un ulteriore passo avanti fondamentale: la ricerca ha dimostrato che un insieme composto da modelli diversi supera l’accuratezza di qualsiasi ensemble basato su un singolo modello. Questo è un principio che noi del NOAA ENSO Team applichiamo costantemente, dando grande peso al North American Multi-Model Ensemble (NMME). Ciononostante, facciamo ancora i conti con la barriera di prevedibilità primaverile: le previsioni elaborate in primavera sono intrinsecamente più incerte, persino con le tecnologie odierne. Modelli migliori aiutano, ma non sono una panacea. Ciò accade in parte perché la primavera è una stagione di transizione in cui diventa difficile distinguere i “segnali” dominanti: è il periodo dell’anno in cui i gradienti termici est-ovest lungo il Pacifico equatoriale sono più deboli e, di riflesso, anche le relative anomalie tendono a ridursi”.
Con l’aumento costante delle temperature medie globali della superficie oceanica dovuto al cambiamento climatico, le soglie di riferimento per El Niño e La Niña si stanno spostando. In che modo il NOAA CPC gestisce e aggiorna le normali climatiche (come il Relative Oceanic Niño Index – RONI) per garantire di rilevare l’autentica variabilità di ENSO e non il mero riscaldamento di fondo degli oceani?
“Questa è un’ottima domanda, su cui la comunità scientifica ha lavorato a lungo. Anni fa, il ricercatore Geert Jan van Oldenborgh del KNMI (Paesi Bassi) ha introdotto il concetto di Relative Oceanic Niño Index (RONI), che il NOAA ha formalmente adottato quest’anno. L’idea alla base è semplice ma rivoluzionaria: invece di misurare l’indice Niño 3.4 solo come scostamento rispetto a una climatologia fissa trentennale (la normale climatica), sottraiamo l’anomalia termica media globale dell’intera fascia tropicale. In altre parole, monitoriamo e prevediamo ENSO esaminando le temperature relative rispetto alla media dei tropici. Questo passaggio è cruciale perché, sottraendo la media tropicale, mettiamo in risalto i gradienti (le differenze termiche) che guidano direttamente i pattern di pioggia e di vento associati a ENSO. L’altro grande vantaggio è che la scelta del periodo trentennale di riferimento diventa molto meno influente nella classificazione degli eventi storici. Il passaggio all’indice RONI si è rivelato una decisione eccellente. Recentemente abbiamo notato grandi discrepanze tra il nostro indice tradizionale e questo nuovo indice relativo, discrepanze che rischiavano di portare a gravi errori di classificazione. Uno dei motivi per cui il NOAA ha adottato il RONI è che l’indice tradizionale non ha categorizzato correttamente i due inverni di La Niña tra il 2024 e l’inizio del 2026: a causa del riscaldamento oceanico globale di fondo, il vecchio indicatore risultava “più caldo” e classificava quegli inverni come Neutri, mentre l’indice relativo RONI li ha correttamente identificati come fasi di La Niña“.
Attraverso il suo lavoro sul celebre NOAA ENSO Blog, riesce a colmare il divario tra la dinamica climatica avanzata e la divulgazione per il pubblico. Qual è la sua strategia per comunicare i complessi spaghetti plot probabilistici e l’incertezza delle previsioni senza generare confusione o interpretazioni errate?
“Grazie! Quello dell’ENSO Blog è un team straordinario in cui ci sproniamo continuamente a vicenda per spiegare concetti complessi nel modo più efficace possibile. Quando scrivo, penso spesso a me stessa: “Come spiegherei questo concetto a mia madre?“. La comunicazione dell’incertezza rimane una sfida costante. Proprio quest’anno, negli aggiornamenti mensili di ENSO del NOAA, abbiamo introdotto due nuovi prodotti grafici per spiegare meglio la gamma dei possibili scenari ai nostri utenti: un grafico mostra la probabilità delle diverse intensità di ENSO e l’altro illustra la distribuzione dei possibili valori futuri dell’indice RONI“.
Il Machine Learning e l’Intelligenza Artificiale stanno emergendo rapidamente nella climatologia predittiva. Come vede i modelli guidati dall’IA affiancare i modelli climatici dinamici tradizionali nel prevedere l’evoluzione di ENSO e i suoi impatti di teleconnessione nel prossimo decennio?
“Sono davvero impaziente di vedere cosa ci riserva il futuro! Sono particolarmente entusiasta e fiduciosa riguardo al potenziale dell’Intelligenza Artificiale come “emulatore” dei nostri attuali modelli climatici accoppiati. Oggi far girare grandi sistemi multi-model ensemble richiede una potenza di calcolo enorme. Dobbiamo infatti eseguirli sia in modalità previsionale (forecast) sia in modalità retrospettiva (hindcast). Gli hindcast sono simulazioni costosissime perché consistono nel far girare i modelli sulle condizioni storiche del passato, ma sono indispensabili: senza di essi non potremmo correggere i bias dei modelli né valutarne l’effettiva accuratezza. Se l’IA potrà essere impiegata per emulare fedelmente i modelli climatici stagionali, diventerà molto più rapido ed economico generare ensemble con centinaia di membri e serie storiche di hindcast molto più lunghe, migliorando radicalmente la quantificazione dell’incertezza nelle previsioni di El Niño e La Niña“.
Le chiavi di ENSO secondo il NOAA Climate Prediction Center
- La diagnosi di El Niño: Un evento non si misura solo dalla temperatura del mare (SST), ma dalla risposta accoppiata dell’atmosfera (venti alisei, Circolazione di Walker, indice SOI e spostamento delle piogge rilevato tramite OLR).
- La rivoluzione dell’indice RONI: Sottraendo l’anomalia termica media dei tropici, il nuovo indice adottato dal NOAA isola i veri gradienti termici di ENSO, evitando che il riscaldamento globale mascheri eventi come le recenti fasi di La Niña.
- La barriera di primavera: La transizione stagionale primaverile indebolisce i gradienti est-ovest del Pacifico, rendendo le previsioni a lungo termine elaborate in questo periodo intrinsecamente più delicate.
- Il ruolo futuro dell’IA: L’Intelligenza Artificiale agirà come emulatore dei modelli fisici pesanti, consentendo di elaborare hindcast storici ed ensemble massivi a costi computazionali irrisori.
Decifrare il ‘battito’ del clima: la nuova frontiera degli indici relativi
Le parole di Michelle L’Heureux tracciano la rotta della climatologia operativa del presente e del futuro. In un pianeta in cui gli oceani continuano ad accumulare calore a ritmi senza precedenti, anche gli strumenti matematici con cui abbiamo monitorato il clima per decenni devono evolversi per non perdere di vista la realtà fisica dell’atmosfera.
L’adozione del nuovo indice RONI da parte del NOAA rappresenta una svolta metodologica fondamentale: guardare alle anomalie di temperatura in termini “relativi” permette di isolare i reali contrasti termici che accendono i motori temporaleschi dei tropici, senza farsi ingannare dall’aumento generale delle temperature globali.
Dalla gestione della complessa barriera di prevedibilità primaverile fino alla futura integrazione di emulatori basati su Intelligenza Artificiale per moltiplicare gli scenari previsionali, il monitoraggio di ENSO resta il cuore pulsante delle previsioni stagionali globali. Una scienza rigorosa che, grazie allo sforzo di scienziati e divulgatori come il team del NOAA, continua a rendere i grandi enigmi dell’atmosfera comprensibili per tutti.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?