Migliorare la previsione stagionale della temperatura media globale della superficie integrando previsioni ENSO dinamiche realistiche

Perché contano previsioni stagionali migliori

Agricoltori, pianificatori energetici e gestori delle emergenze hanno sempre più bisogno di sapere quanto sarà probabile che il pianeta sia caldo nelle stagioni a venire. Questo studio esplora perché le attuali previsioni a breve termine della temperatura media superficiale della Terra a volte sbagliano e mostra come seguire i noti schemi climatici tropicali possa rendere queste previsioni più precoci e più affidabili.

Un termometro globale con conseguenze reali

La temperatura media globale della superficie, o il caldo medio vicino alla superficie del pianeta, è un numero semplice che nasconde una fisica complessa. Eppure ha conseguenze dirette sui tempi di raccolto, sulla domanda di combustibile, sullo stress da caldo e sui rischi legati al tempo atmosferico. Le previsioni stagionali di questa temperatura globale possono aiutare le società a prepararsi con qualche mese di anticipo. Tuttavia, i modelli climatici esistenti e persino i moderni sistemi di apprendimento automatico faticano a prevedere gli alti e bassi di anno in anno, specialmente nei cruciali mesi autunnali e invernali dell’emisfero nord, quando si verificano molte estremità climatiche.

Il rompicapo degli errori autunnali nelle previsioni

Gli autori hanno esaminato perché il loro precedente sistema di previsione, sviluppato all’Istituto di Fisica Atmosferica di Pechino, cominciava a perdere accuratezza quando le previsioni venivano avviate in autunno. Confrontando le previsioni con le osservazioni dal 1980 al 2024, hanno scoperto che gli errori erano strettamente collegati a quanto accadeva negli oceani tropicali. Durante gli eventi El Niño, quando il Pacifico centrale ed orientale si riscalda, il loro modello tendeva a sottostimare la temperatura globale. Durante La Niña, con acque più fredde nel Pacifico, spesso sovrastimava. Il modello di errori non si limitava al Pacifico, ma si estendeva anche all’Indiano e all’Atlantico, rivelando una catena pantropicale di interazioni che il modello originale non catturava pienamente.

Gli oceani tropicali che lavorano insieme

Dal punto di vista fisico, lo studio mostra come una fase calda di El Niño indebolisca e sposti una circolazione atmosferica chiave sul Pacifico. Questo spostamento altera venti e correnti nell’Oceano Indiano, favorendo una zona calda nelle sue regioni occidentali e centrali, e modifica anche i venti sul tropicale Atlantico settentrionale, provocandone il riscaldamento. Questi bacini oceanici collegati agiscono insieme per influenzare la temperatura superficiale complessiva del pianeta nelle stagioni successive. Quando queste risposte su scala bacino sono più intense di quanto il modello si aspetti, la previsione della temperatura globale risulta troppo fredda, e quando sono più deboli, risulta troppo calda. Il contrario avviene durante La Niña, quando è comune un raffreddamento su scala bacino. Riconoscere questa catena aiuta a spiegare perché gli errori si concentrano negli anni con condizioni forti di El Niño o La Niña.

Combinare intuizione fisica e statistica

Per trasformare questa comprensione in uno strumento pratico, gli autori hanno progettato un quadro di previsione ibrido. Hanno mantenuto il loro sistema statistico esistente, che separava già le oscillazioni climatiche più lente e più rapide, ma hanno aggiunto informazioni da un modello separato che prevede la forza di El Niño e La Niña con mesi di anticipo. Usando dati passati, hanno appreso come gli errori di previsione cambiassero con il segnale pacifico predetto e poi hanno usato quella relazione per correggere nuove previsioni in tempo reale. Hanno anche testato l’inclusione di indici aggiuntivi dall’Oceano Indiano e dall’Atlantico. Pur aiutando a rimuovere parte del bias medio, questi indici non hanno migliorato così tanto l’abilità anno per anno come il focus sul Pacifico da solo, probabilmente perché il loro comportamento è già fortemente legato a El Niño e La Niña.

Cosa offre il nuovo sistema

Con questo approccio combinato, le previsioni migliorate hanno ridotto gli errori medi di circa due quinti per le previsioni avviate a settembre e ottobre e hanno riportato molti anni con forti El Niño e La Niña entro l’incertezza osservativa. In circa due terzi degli anni studiati, le previsioni corrette si sono avvicinate di più alla realtà, con guadagni particolarmente grandi durante gli episodi di El Niño. Più notable, l’orizzonte temporale per una previsione affidabile della temperatura globale si è allungato da due a quattro mesi. Per gli utenti delle informazioni climatiche, questo significa un avvertimento più precoce di stagioni planetarie insolitamente calde o fredde, ottenuto con un metodo più semplice e meno esigente in termini computazionali rispetto a molti modelli climatici su larga scala.

Citazione: Li, KX., Zheng, F. Improving seasonal prediction of global mean surface temperature by incorporating dynamic ENSO realistic forecasts. npj Clim Atmos Sci 9, 114 (2026). https://doi.org/10.1038/s41612-026-01386-9

Parole chiave: previsione climatica stagionale, temperatura media globale della superficie, ENSO, El Niño, oceani pantropicali