Patrones de circulación asociados con tendencias en los patrones de variabilidad de la temperatura de verano en América del Norte

Scientific Reports volumen 13, número de artículo: 12536 (2023) Citar este artículo

348 Accesos

1 altmétrica

Detalles de métricas

Este estudio mejora la comprensión de los patrones de circulación asociados con las tendencias de temperatura regionales al caracterizar los patrones de variabilidad de la temperatura del verano boreal en América del Norte mediante el análisis de componentes principales en modo S rotado. Analizamos conjuntos de datos de temperatura observacionales cuadriculados de 2 m y el conjunto de datos de temperatura de reanálisis ERA5 para examinar los patrones climáticos asociados con tendencias a largo plazo y la variabilidad interanual de los patrones de variabilidad de temperatura en América del Norte. Nuestro análisis reveló tendencias significativas entre algunos patrones clasificados de variabilidad de temperatura desde los veranos de 1979 a 2022, con amplitudes interanuales (es decir, una desviación del estado medio) que señalan hacia el régimen cálido. La anomalía de la circulación anticiclónica sobre las regiones coherentes con la temperatura asociadas con Groenlandia/noreste de Canadá y Alaska, respectivamente, está relacionada con un aumento en la advección de aire cálido y temperaturas superiores al promedio, mientras que la circulación ciclónica sobre la costa nororiental del Pacífico mejoró la advección de aire cálido y la temperatura. aumentos en la región coherente que comprende la porción noroccidental de América del Norte. El aumento de las temperaturas medias mundiales de la tierra y los océanos está fuertemente asociado con el aumento a largo plazo de la amplitud de las circulaciones atmosféricas asociadas con los regímenes cálidos en algunas partes de América del Norte. En la escala de tiempo interanual, el aumento de temperatura en Groenlandia y el noreste de Canadá está fuertemente asociado con la fase negativa de la Oscilación Ártica. Estos hallazgos resaltan los efectos moduladores del aumento de la temperatura global y el calentamiento del Océano Pacífico tropical occidental sobre la creciente amplitud de las circulaciones asociadas con los regímenes cálidos en América del Norte. Nuestros resultados indican además que la mejora de las circulaciones anticiclónicas sobre el Ártico contribuye a casi el 68% de la reducción observada en la extensión del hielo marino.

Las tendencias climáticas son un aspecto fundamental de la investigación climática, ya que sirven como valiosos indicadores del cambio climático1,2. Sin embargo, el cambio climático también puede manifestarse como cambios abruptos en el estado medio del clima, que pueden persistir durante varias décadas3. Se ha demostrado que las tendencias climáticas, como el aumento observado en la temperatura de la Tierra y el calentamiento de la capa superior del océano, son causadas en gran medida por el forzamiento antropogénico4,5. Esta influencia humana en el sistema climático puede alterar la frecuencia y/o intensidad de los patrones climáticos, lo que lleva a cambios en la variabilidad climática diaria6. Por otro lado, los forzamientos internos, como las anomalías en los modos de circulación a gran escala que oscilan entre valores de índice altos y bajos, pueden causar cambios abruptos en el estado medio del sistema climático5, y cuando tales anomalías se sincronizan con la dirección del forzamiento externo, se aceleran los cambios. las tendencias climáticas se vuelven plausibles7. Identificar los modos de variabilidad climática subyacentes responsables de la variabilidad a largo y corto plazo de las variables climáticas es esencial para mejorar la precisión de las predicciones climáticas8. Comprender estos modos climáticos puede proporcionar información valiosa sobre los mecanismos que impulsan la variabilidad y el cambio climático y puede ayudar a informar estrategias efectivas para la adaptación y mitigación del clima. Dado el grave impacto de las temperaturas extremas en la salud humana9,10, la economía11 y el ecosistema12, es crucial comprender los modos climáticos subyacentes asociados con los cambios a largo plazo en los patrones de variabilidad de la temperatura en América del Norte. Esta región se ve frecuentemente afectada por olas de calor y brotes de frío13, lo que la convierte en un área importante para estudiar. En este estudio, analizaremos estos modos de variabilidad climática, centrándonos en los cambios temporales en la variabilidad de la circulación atmosférica.

Varios estudios han abordado las tendencias de temperatura en (partes de) América del Norte10,14,15,16,17 y los posibles patrones de circulación (o tipos de clima) que impulsan las tendencias10,18. Una revisión de19 destacó que las temperaturas extremas en América del Norte comúnmente están relacionadas con desplazamientos de masas de aire a gran escala. Además, los estudios han puesto de relieve los vínculos entre los patrones de teleconexión y la variabilidad estacional de la temperatura en América del Norte20,21,22. La referencia 21 informó una fuerte correlación entre el patrón del Pacífico norteamericano y la temperatura invernal en América del Norte. La referencia 23 destacó que la Oscilación del Atlántico Norte (NAO) afecta las frecuencias de tipo climático sinóptico en partes de América del Norte. En la referencia 24 se encontraron correlaciones significativas y generalizadas entre el patrón del Pacífico Occidental (WP), la NAO y los tipos de clima frío/cálido en partes de América del Norte. De diciembre a marzo25 se informó que El Niño Oscilación del Sur (ENSO) se correlaciona con temperaturas superiores al promedio en Alaska y partes de Canadá. Otros estudios informaron sobre otras teleconexiones que modulan los patrones de circulación atmosférica regional en América del Norte y más allá26,27,28,29. Por ejemplo, la TSM del Pacífico tropical muestra el impacto más fuerte en invierno, ya que es cuando ENSO generalmente puede alcanzar su máxima fuerza. El flujo de calor anómalo hace que la corriente en chorro se desplace de su posición climatológica. Los ciclones extratropicales también exhiben variabilidad durante El Niño y La Niña, lo que contribuye a la variabilidad de la temperatura y las precipitaciones en las latitudes medias26,27,28.

Los cambios temporales en las circulaciones atmosféricas exhiben heterogeneidad espacial, en gran medida porque las diferentes regiones del mundo responden de manera diferente al forzamiento climático externo e interno. Esta variación puede deberse a una combinación de factores, incluidas diferencias en las características de la superficie terrestre, patrones de circulación atmosférica, corrientes oceánicas y retroalimentación climática regional30. En el caso de América del Norte, ningún estudio previo ha abordado de manera integral los patrones climáticos asociados con cambios temporales en la variabilidad de la circulación atmosférica de los patrones de circulación regional asociados con regímenes cálidos/fríos en regiones relativamente coherentes con la temperatura. Por lo tanto, las principales contribuciones de este estudio son: (i) caracterizar la temperatura en América del Norte en distintos patrones de variabilidad o regiones relativamente coherentes en términos de temperatura; (ii) examinar los patrones de circulación relacionados con los regímenes cálidos y fríos en estas regiones; (iii) explorar tendencias en los cambios temporales en la variabilidad de la circulación atmosférica; e (iv) identificar los índices climáticos asociados con la variabilidad de largo y corto plazo en las circulaciones atmosféricas. Este estudio tiene como objetivo proporcionar una mejor comprensión de las complejas interacciones entre la temperatura, las teleconexiones atmosféricas y oceánicas y el cambio climático en América del Norte. La mejor comprensión de los patrones de circulación asociados con la variabilidad de la temperatura en América del Norte facilita el desarrollo de simulaciones de modelos climáticos hacia una representación más precisa del sistema climático y proyecciones futuras más confiables del cambio climático en América del Norte.

La PCA en modo S rotada indicó que se pueden clasificar cinco patrones de variabilidad de temperatura físicamente interpretables en América del Norte durante la JJA. Los patrones de variabilidad de temperatura se muestran en la Fig. 1. El número óptimo de patrones de variabilidad considerados físicamente interpretables se decidió haciendo coincidir las PC rotadas con los vectores de correlación a los que están indexadas y exigiendo que todas las PC retenidas tengan una coincidencia de congruencia adecuada (es decir, , mayor o igual a 0,92). El algoritmo de rotación varimax rotó las PC para ajustarlas a los patrones de correlación, y los resultados del ajuste y el número de PC a retener fueron consistentes entre los dos conjuntos de datos de observación (Tabla 1). La varianza explicada por los PC es 30,13% para PC1, 16,26% para PC2, 13,81% para PC3, 7,88% para PC4 y 7,48% para PC5. Así, los cinco ordenadores retenidos explicaron en total aproximadamente el 75,56% de los datos de temperatura a 2 m.

Patrones de variabilidad de temperatura en América del Norte durante JJA, de 1979 a 2022. La primera fila son las primeras cinco PC de la temperatura de 2 m del CPC; la segunda fila son las primeras cinco PC de GHCN con una temperatura de 2 m; y la tercera fila son las primeras cinco PC con temperatura de 2 m ERA5.

Según la Fig. 1, en general, los patrones de variabilidad de temperatura de los tres conjuntos de datos son consistentes. En promedio, los patrones de CPC y GHCN son más cercanos, con coincidencias de congruencia en su mayoría superiores a 0,9. Los patrones en la Fig. 1 revelan regiones relativamente coherentes con la temperatura durante JJA. Las magnitudes de carga y las isopletas revelan hasta qué punto las rejillas están correlacionadas en términos de anomalía de temperatura JJA. Las regiones con alta magnitud de carga son centros de acción de los patrones de circulación subyacentes asociados con el patrón de variabilidad (Figs. 2 y 3). En nuestro análisis exploratorio, estructuramos las puntuaciones de PC de manera que la fase positiva designa la fase cálida del patrón de variabilidad de temperatura y la fase negativa designa la fase fría del patrón de variabilidad de temperatura (Fig. 3).

Mapas de anomalías compuestos de SLP (contornos verdes), vector de viento (vectores negros) y espesor de la capa atmosférica entre 1000 y 850 hPa (color) para las fases positiva (a) y negativa (b) de los patrones de variabilidad de temperatura en la Fig. 1. Sólo se representan los valores que superan el límite de confianza del percentil 95 basado en la prueba de permutación. Los contornos gruesos (discontinuos) indican anomalías SLP positivas (negativas).

Mapas de anomalías compuestos de temperatura a 2 m sobre tierra y océanos, para las fases positiva y negativa de los patrones de variabilidad de temperatura en la Fig. 1. Solo se trazan los valores que exceden el límite de confianza del percentil 95 basado en la prueba de permutación.

PC1 está asociado con la variabilidad de la temperatura en Groenlandia y el noreste de Canadá, con magnitudes de carga débiles en México y el sur de los EE. UU. (Fig. 1). En la Fig. 2a, durante la fase positiva de PC1, una anomalía de circulación anticiclónica domina sobre Groenlandia, mientras que se puede ver una anomalía de circulación ciclónica sobre el Océano Atlántico (sur de Groenlandia), lo que marca un patrón de anomalía SLP meridional. La anomalía de la circulación anticiclónica sobre Groenlandia aumenta la advección de aire cálido por vientos del sureste sobre Groenlandia, especialmente en las partes occidentales (es decir, la anomalía de espesor positivo). Por tanto, la anomalía de temperatura es positiva en Groenlandia (Fig. 3). Además, durante el verano, el campo climatológico de anomalías de PC1 a menudo se asocia con el bloqueo de alta presión sobre Alaska o el oeste de Canadá; la ausencia de tormentas junto con días prolongados sin nubes, lo que provocó olas de calor en el oeste de Canadá (Figs. 2 y 3). Durante la fase negativa de PC1, se puede observar un patrón de circulación inversa (Fig. 2b) mediante el cual la anomalía de la circulación ciclónica domina sobre Groenlandia y la anomalía de la circulación anticiclónica domina sobre el Océano Atlántico, al sur de Groenlandia. El predominio de la anomalía de la circulación ciclónica sobre Groenlandia mejora la penetración del aire ártico (es decir, los vientos del noroeste) en Groenlandia (Fig. 2b), lo que resulta en una disminución en el espesor de la capa atmosférica y temperaturas por debajo del promedio en Groenlandia (Fig. 3). .

PC2 regionaliza las partes centro-este de América del Norte (Fig. 1). La carga negativa observada en la parte occidental (Fig. 1) sugiere que los patrones de circulación subyacentes asociados con el desarrollo del régimen PC2 (Fig. 2, PC2) provocan una anomalía de temperatura opuesta en partes de los extremos occidentales de América del Norte ( Figura 3, PC2). En la Fig. 2a, durante la fase positiva de PC2, es evidente un patrón de anomalía SLP zonal sobre el Océano Atlántico: circulación ciclónica en la costa oeste de América del Norte y circulación anticiclónica frente a la costa atlántica. Esto aumenta la advección de aire caliente, lo que resulta en una anomalía de temperatura positiva en las partes centro-este de América del Norte (Fig. 3, PC2). En la fase negativa, el gradiente SLP zonal implica una anomalía de la circulación ciclónica en el Atlántico y una anomalía de la circulación anticiclónica sobre la costa oeste de América del Norte. El patrón de circulación mejora la penetración del aire del noroeste del Ártico en las partes del centro-este de América del Norte, lo que resulta en una disminución de las temperaturas en las partes del centro-este de América del Norte (Figs. 2b y 3, PC2).

PC3 regionaliza las partes centro-occidentales de América del Norte (Fig. 1). Durante su fase positiva (negativa), se puede observar una anomalía de circulación ciclónica (anticiclónica) frente a la costa noroeste de América del Norte, lo que resulta en una mayor advección de aire cálido (aire frío) sobre las partes centro-occidentales de América del Norte (Fig. 2, PC3); por lo tanto, la anomalía de temperatura positiva (negativa) es evidente en las partes centro-occidentales de América del Norte bajo PC3 (Fig. 3, PC3). Sin embargo, es importante señalar que, particularmente durante el verano, las variaciones de temperatura en la zona árida y semiárida del centro-oeste de América del Norte pueden no estar impulsadas únicamente por estos patrones de advección del aire a gran escala. Las partes del centro-oeste de América del Norte a menudo experimentan altas temperaturas debido al aumento de la radiación solar absorbida durante las largas horas de luz y a los mínimos anuales de precipitación. Además, también se debe considerar el papel de la dinámica atmosférica regional, como los vientos comparativamente suaves del sur que introducen humedad en la región. Estos vientos a menudo convergen con un frente de masas de aire seco y cálido a lo largo de la línea seca, lo que da lugar a la formación de tormentas. Por lo tanto, estos factores, junto con los patrones de circulación indicados por PC3, contribuyen a la compleja variabilidad de temperatura observada en el centro-oeste de América del Norte.

PC4 regionaliza las partes centro-norte de América del Norte (Fig. 1). En la Fig. 2, durante la fase positiva (negativa) de PC4, se puede observar una anomalía de circulación anticiclónica (ciclónica) en la parte centro-norte de América del Norte, y una anomalía de circulación ciclónica (anticiclónica) sobre Alaska y los océanos adyacentes. La circulación mejora la advección de aire cálido (advección de aire frío) por los vientos del sur (vientos del norte) hacia las partes centro-norte de América del Norte, lo que resulta en anomalías de temperatura positivas (negativas) (Fig. 3, PC4).

PC5, de la Fig. 1, regionaliza las partes noroccidentales de América del Norte (es decir, Alaska). La fase positiva sugiere una anomalía tripolar del SLP: sobre la tierra del noroeste de América del Norte, la circulación anticiclónica es dominante, mientras que sobre los océanos al sur y al norte de Alaska, el SLP es más débil de lo normal, induciendo así vientos cálidos del sur sobre las partes noroccidentales de Alaska. América del Norte (Fig. 2a, PC5) y dando como resultado temperaturas superiores al promedio en las partes noroccidentales de América del Norte (Fig. 3, PC5). Durante la fase negativa de PC5, se puede observar anomalía de circulación anticiclónica sobre el Mar de Beaufort (norte de Alaska) y el Golfo de Alaska (sur); El patrón de viento resultante sobre las partes noroccidentales de América del Norte son vientos del norte, que mejoran la penetración del aire frío del Ártico en las partes noroccidentales (Fig. 2b, PC5), disminuyendo así la temperatura en las partes noroccidentales de América del Norte ( Figura 3, PC5).

La Figura 4 muestra la serie temporal de los patrones de variabilidad de la temperatura en la Fig. 1. Para eliminar la subjetividad de las tendencias en la elección de datos, las tendencias se consideran estadísticamente significativas solo cuando la prueba de Mann-Kendall modificada tiene una p < 0,05 tanto para CPC como para GHCN. . Utilizando este criterio, el resultado de la Tabla 2 muestra que PC1, PC3 y PC5 tienen tendencias positivas estadísticamente significativas en su amplitud, lo que implica que sus amplitudes señalan consistentemente hacia el régimen cálido, ya que las fases positivas están estructuradas para representar el régimen cálido ( Figuras 2 y 3). Por lo tanto, PC1, PC3 y PC5 son los patrones de variabilidad de interés que se analizarán con más detalle. Recordamos de la Fig. 1 que PC1 está asociado con la variabilidad de temperatura en Groenlandia y el noreste de Canadá; PC3 está asociado con la variabilidad de la temperatura en las partes centro-occidentales de América del Norte; y PC5 está asociado con la variabilidad de la temperatura en el noroeste de América del Norte. La Tabla 2 contiene que en el largo plazo, la amplitud de las circulaciones asociadas con el régimen cálido de estos patrones de variabilidad ha aumentado, y PC1 tiene la tendencia más grande.

Serie temporal de los patrones de variabilidad de temperatura de JJA en la Fig. 1 desde 1979 hasta 2022. La serie temporal se calcula como la media anual de las puntuaciones de PC. Se realizó una prueba de detección de puntos de cambio que detecta cambios significativos en la media de la serie temporal con varios métodos en el paquete de tendencias (R Studio) [62]. Sólo se informan resultados estadísticamente significativos con un nivel de confianza del 95% (líneas verticales discontinuas).

Además, la descomposición temporal de las puntuaciones de PC de los 3 PC utilizando promedios móviles dio como resultado el componente de tendencia y el componente de oscilación/sin tendencia de PC1, PC3 y PC5. Los cuadros 3 y 4 contienen la correlación entre los componentes sin tendencia y los componentes de tendencia de los tres PC y los índices climáticos asociados con los patrones climáticos de América del Norte. Los índices climáticos seleccionados tienen correlaciones significativas con los PC a un nivel de confianza del 95%. De la Tabla 3, el componente de tendencia de las tres PC está fuertemente correlacionado con el aumento de la temperatura media global de la tierra y el océano (GLMOT) con Kendall tau entre ~ 0,5 y 0,8. Para los tres PC, los componentes de tendencia también están significativamente correlacionados con los índices climáticos que designan el aumento de la TSM en el verano boreal sobre el Océano Pacífico tropical, es decir, la fase positiva de la región de la piscina cálida del Pacífico (PWPR) y la fase negativa del índice del Pacífico occidental ( IPM). El componente de tendencia de PC1 también se correlaciona con las fases positivas de la piscina cálida del hemisferio occidental (WHWP) y la Oscilación Multidecadal del Atlántico (AMO). El componente de tendencia de PC3 está igualmente correlacionado con la fase positiva de la AMO, la fase negativa del Patrón del Pacífico Norte y la fase negativa del Atlántico Oriental/Rusia Occidental. Un examen más detallado de las puntuaciones de PC utilizando el método de densidad espectral mostró que las series temporales de PC 1, 3 y 5 exhiben variabilidad tanto interdecenal como interanual. La variabilidad interdecenal es relativamente más alta en el PC1, lo que podría estar relacionado con su asociación con la AMO (Tabla 4).

El análisis de correlación parcial mostró que cuando se controla la señal de los índices asociados al calentamiento del Océano Pacífico tropical, la correlación entre las PC y el GLMOT disminuye (Tabla A1), lo que indica por qué la PC3 (que está más relacionada con anomalías de la TSM tropical) ha la correlación más alta con GLMOT. Es decir, el acoplamiento entre la variabilidad de la temperatura en las regiones asociadas con los PC 1, 2, 3 y GLMOT se ve fuertemente potenciado por el aumento anómalo de la TSM sobre el Océano Pacífico tropical. Además, el componente sin tendencia de los PC 1 y 3 está correlacionado con la Oscilación Ártica (AO): Kendall Tau es ~ − 0,4 y − 0,3, respectivamente (Tabla 3). Esto indica que el calentamiento de Groenlandia y las partes centro-occidentales de América del Norte en la escala temporal interanual está vinculado a la fase negativa del AO. A corto plazo, el aumento de temperatura en las regiones bajo PC3 también está asociado con la fase negativa del IPM. El aumento de temperatura a corto plazo en la región de Alaska/noroeste (PC5) está asociado con la fase negativa del SOI (Tabla 3). Como se ejemplifica usando PC1 que tiene la tendencia más grande (Tabla 2), la Fig. 5 (panel superior) muestra que con el tiempo, entre otros factores que fuerzan las circulaciones, el aumento a largo plazo en la amplitud de las circulaciones asociadas con los regímenes cálidos está asociado con cambios en los índices climáticos con los que los componentes de tendencia están significativamente correlacionados. Por otro lado, la variabilidad interanual en la amplitud de los regímenes de circulación se combina con los índices climáticos con los que los componentes sin tendencia están significativamente correlacionados (Fig. 5, panel inferior). La correlación entre las series temporales (no descompuestas) de los patrones de variabilidad de la temperatura en la Fig. 1 y los índices climáticos se encuentran en la Tabla A3. Además, la Fig. A1 muestra que los índices asociados con PC1 en las Tablas 3 y 4 pueden tener capacidad predictiva para sus cambios a largo plazo. Las predicciones fueron menos precisas para la variabilidad interanual, lo que sugiere que además de las circulaciones a gran escala presentadas en este estudio, existen otros procesos (internos o regionales) que modulan los patrones de variabilidad de la temperatura.

Promedio móvil de cinco años de series temporales de PC1 y series temporales de índices climáticos correlacionados con PC1, con un coeficiente de correlación de Kendall de al menos ~ 0,5 (panel superior); y el componente sin tendencia del PC1 y el índice AO (panel inferior). PC1 se multiplicó por menos 1 para mantenerlo en sintonía con el índice AO.

Además, PC1 y PC5 están asociados negativamente con la extensión del hielo marino (Tabla A2), con correlación de Pearson, R = − 0,83 y R = − 0,31, respectivamente, lo que indica que la disminución del hielo marino sobre el Ártico está relacionada con circulaciones anticiclónicas mejoradas sobre en las latitudes altas del hemisferio norte, lo que aumenta las temperaturas sobre los océanos de latitudes altas (cf. Figs. 2 y 3, Fases positivas de PC1 y PC5).

La amplificación del Ártico ha recibido mucha atención con respecto a los cambios de temperatura en el hemisferio norte, debido a su calentamiento desproporcionado en comparación con otras regiones31,32,33,34,35. De acuerdo con la literatura existente, encontramos que durante el verano en América del Norte, la amplitud del patrón de variabilidad de temperatura asociado con el régimen cálido sobre Groenlandia y la parte noreste de Canadá (es decir, PC1) tiene la mayor tendencia positiva (Tabla 2 y Fig. .5, panel superior). Se han destacado varios factores que conducen al calentamiento acelerado en Groenlandia. Estos incluyen una reducción del albedo debido al derretimiento del hielo marino36,37,38, la liberación de calor del océano39 y cambios en los patrones de circulación atmosférica, como cambios en el transporte de energía hacia los polos32. Encontramos que el régimen cálido sobre Groenlandia está asociado con una anomalía de circulación anticiclónica sobre Groenlandia y una anomalía de circulación ciclónica sobre el Océano Atlántico al sur de Groenlandia (Fig. 2, PC1). La anomalía de la circulación anticiclónica sobre Groenlandia aumenta la advección de aire cálido sobre Groenlandia; y la amplitud de la circulación anticiclónica se ha fortalecido con el tiempo, con un aumento significativo en el estado medio de la circulación en algún momento alrededor del año 2000 (Fig. 4). Nuestro resultado está en línea con40,41: las tendencias positivas de temperatura en Groenlandia están relacionadas con las circulaciones anticiclónicas sobre el Ártico y Groenlandia. Además, la disminución en la extensión del hielo marino está fuertemente relacionada con la fase positiva de PC1 (R = \(\left|0.83\right|\)), que contribuye al 68% de la variación en la extensión del hielo marino durante nuestro período de análisis. Por lo tanto, el aumento de la circulación anticiclónica que implica en las latitudes altas del hemisferio norte (asociado con PC1 y PC5) está relacionado con la disminución de la extensión del hielo marino sobre el Ártico. Además, cuando el hielo marino se derrite, deja al descubierto una mayor superficie oscura del océano, que absorbe más insolación y se calienta. Este calor adicional puede aumentar la temperatura de la atmósfera inferior, influyendo potencialmente en los patrones de circulación atmosférica a través del circuito de retroalimentación del albedo del hielo. La referencia 42 aclaró que una circulación anticiclónica intensificada sobre Groenlandia y el Océano Ártico, junto con una estructura barotrópica en la troposfera, tiene el potencial de impulsar la radiación de onda larga que desciende sobre el hielo. Esto se logra calentando y añadiendo humedad a la troposfera inferior. También identificamos una relación positiva entre el aumento a largo plazo de la circulación anticiclónica sobre Groenlandia y la fase positiva de la AMO (Tabla 4). Por lo tanto, el calentamiento general del Océano Atlántico Norte durante la AMO positiva podría estar contribuyendo al aumento a largo plazo de las circulaciones anticiclónicas sobre Groenlandia.

Un estudio realizado por43 señaló que tener en cuenta la compleja interacción entre las circulaciones atmosféricas, el hielo del mar Ártico y los cambios en el hielo terrestre, y los procesos climáticos internos es fundamental para perfeccionar los modelos climáticos, particularmente en el contexto de la amplificación del Ártico y, en última instancia, mejorar la confiabilidad de las proyecciones futuras. bajo el aumento de las emisiones de gases de efecto invernadero. Por lo tanto, la identificación de los patrones de circulación clave asociados con el aumento del calentamiento de la región ártica y la pérdida de hielo marino durante el verano boreal, en nuestro estudio, puede ayudar a mejorar las simulaciones del modelo climático de los patrones de circulación asociados con la amplificación del Ártico y, en consecuencia, mejorar la precisión. de las proyecciones de los modelos climáticos ante el cambio climático futuro.

Además33, informaron que la amplificación del Ártico puede estar relacionada con el clima de latitudes medias; y varios otros estudios han documentado el vínculo entre el calentamiento de Groenlandia y las anomalías de la TSM en los trópicos44,45,46,47,48,49,50,51. La referencia49 concluyó que la desaceleración del calentamiento en Groenlandia (como se puede ver en la Fig. 5 hacia el final del período de análisis) puede estar asociada con la ocurrencia frecuente de eventos de El Niño en el Pacífico central. La referencia50 señaló que los patrones de trenes de ondas del Pacífico tropical se propagan hacia Groenlandia impactando la temperatura. Reference50 informó que el acelerado derretimiento del hielo marino del Ártico entre 2007 y 2012 estuvo relacionado con cambios de la TSM del Pacífico tropical. La referencia50 detalla el importante papel de la teleconexión Pacífico-Ártico, impulsada por los cambios de TSM en el Pacífico tropical, al influir en la circulación atmosférica y los patrones climáticos del Ártico. Desde 1979 hasta principios de la década de 2000, se observaron tendencias de calentamiento en toda la TSM tropical, excepto en el Pacífico centro-oriental tropical, lo que fortaleció esta teleconexión entre el Pacífico y el Ártico y condujo a un mayor calentamiento del Ártico y al derretimiento del hielo marino. Esta conexión, propagada a través de un tren de ondas de Rossby, se identifica como un modo interno destacado que une el Ártico con latitudes más bajas. En consecuencia, se asocia en gran medida con períodos de calentamiento acelerado del Ártico y pérdida de hielo marino, como los de 2007 a 2012. Aquí, al descomponer la serie temporal del patrón de variabilidad de temperatura asociado con Groenlandia, encontramos que el calentamiento a largo plazo sobre Groenlandia es Se correlaciona significativamente con el calentamiento del Pacífico tropical (Fig. A2 y Tabla 3), aunque la correlación es mayor con GLMOT, lo que puede indicar que el cambio climático antropogénico es el factor más dominante (Tabla 3). El aumento de temperatura a corto plazo sobre Groenlandia, durante JJA, está dominado por la fase negativa del AO. Debido a los diversos modos climáticos asociados con la variabilidad de la temperatura en Groenlandia, que pueden tener distintos efectos moduladores, la Fig. 5 muestra que los cambios a largo plazo en la amplitud de la circulación sobre Groenlandia no son lineales. Finalmente, otras regiones con aumentos notables en la amplitud de las circulaciones asociadas a regímenes cálidos son Alaska (PC5)51 y las partes centro-occidentales de América del Norte (PC3). En esas regiones, el aumento de las temperaturas globales de la tierra y los océanos es la señal dominante asociada con la tendencia al calentamiento, además del calentamiento del Pacífico tropical (occidental) (Fig. A2).

Hemos examinado las tendencias en los patrones de variabilidad de la temperatura del verano boreal en América del Norte desde 1979 hasta 2022, así como los índices climáticos que contribuyen a las tendencias. Nuestros principales hallazgos son:

1. Los regímenes cálidos en regiones coherentes con la temperatura del verano generalmente están asociados con la advección cálida desde latitudes más bajas, mientras que los regímenes fríos están asociados con el transporte de aire frío desde latitudes más altas.

2. La amplitud de los patrones de circulación asociados con regímenes cálidos tiene una tendencia positiva en Groenlandia y el Ártico de Canadá; la parte noroeste de América del Norte (Alaska); y las partes centro-occidentales de América del Norte.

3. Las circulaciones anticiclónicas sobre Groenlandia y el Canadá ártico y la parte noroeste de América del Norte (Alaska) están asociadas con temperaturas superiores a la media en las regiones; mientras que la circulación ciclónica sobre la costa del Pacífico, al oeste de América del Norte, desempeña un papel en el aumento de la temperatura en las partes centro-occidentales de América del Norte.

4. El aumento de las temperaturas medias mundiales de la tierra y los océanos y el calentamiento de la TSM en los océanos Pacífico tropicales son las principales señales climáticas relacionadas con tendencias positivas en la amplitud de las circulaciones asociadas con los regímenes cálidos en Groenlandia y el Ártico de Canadá; la parte noroeste de América del Norte (Alaska); y las partes centro-occidentales de América del Norte

5. El aumento de la fuerza y frecuencia de las circulaciones anticiclónicas sobre el Ártico contribuye a aproximadamente el 68% de la variación observada en la disminución de la extensión del hielo marino. Esto pone de relieve el importante papel que desempeñan los patrones atmosféricos en la actual reducción de la cobertura de hielo marino del Ártico y aumenta el potencial de mejorar la precisión de la simulación del modelo de los patrones de circulación asociados con la amplificación del Ártico.

En investigaciones futuras, se prevé que se puedan utilizar modelos climáticos para realizar una investigación detallada sobre el impacto del cambio climático antropogénico en los cambios en estos patrones de variabilidad de la temperatura, considerando diferentes forzamientos de escenarios. El uso de modelos climáticos puede mejorar la comprensión de la comunidad científica sobre los mecanismos subyacentes que impulsan estos cambios y sus posibles trayectorias futuras.

Para obtener datos de temperatura observacionales cuadriculados de 2 m, utilizamos tres conjuntos de datos: el conjunto de datos de Temperatura Global Unificada del Centro de Predicción Climática (CPC), disponible en https://psl.noaa.gov/data/gridded/data.cpc.globaltemp .html, la Red Climatológica Histórica Global (GHCN)52 y el reanálisis ERA553. El análisis utilizando los tres conjuntos de datos respectivos ayuda a caracterizar la sensibilidad de los resultados a la elección de los datos analizados. Esta sensibilidad surge debido a los diferentes métodos utilizados en la creación de datos. Los conjuntos de datos de observación son más representativos del clima real ya que se basan en datos de estaciones54. Sin embargo, tras la interpolación a cuadrículas regulares, utilizando modelos estadísticos, los dos conjuntos de datos de observación existen con una resolución horizontal relativamente más baja de 0,5° de longitud y latitud en comparación con el reanálisis ERA5 que tiene una resolución horizontal de 0,25° de longitud y latitud. ERA5 es un producto de la asimilación de datos y, si bien puede no ser tan directamente representativo de eventos climáticos específicos como los datos de observación, proporciona una representación consistente de las variables climáticas globales. Estudios anteriores que evaluaron ERA5 con datos de estaciones en América del Norte informaron que se compara con otros datos de reanálisis y que igualmente funciona bien en la captura de estadísticas de datos climáticos de estaciones54.

Para investigar las circulaciones a gran escala asociadas con los patrones de variabilidad de la temperatura, adquirimos la presión al nivel del mar (SLP) y los vectores de viento de 850 hPa; y conjuntos de datos de altura geopotencial de 850 hPa y 1000 hPa del reanálisis ERA5. Se eligió SLP para este análisis porque los gradientes son proporcionales a los cambios en la advección horizontal de bajo nivel. Para caracterizar la advección de aire cálido y frío, se calculó el espesor de la capa atmosférica asociada con la temperatura de 2 m como la diferencia entre la altura de 1000 y 850 hPa. Todos los conjuntos de datos se obtuvieron desde 1979 hasta 2022 con una resolución temporal mensual, excepto el conjunto de datos CPC, que se obtuvo originalmente con una resolución diaria antes de calcular los promedios mensuales. El período de análisis (es decir, desde 1979) marca la era post-satélite con conjuntos de datos climáticos más confiables, así como el período de disponibilidad común de los conjuntos de datos utilizados en este estudio. Obtuvimos índices climáticos que relacionamos con los patrones de variabilidad de temperatura en América del Norte de NOAA-PSL (https://psl.noaa.gov/data/climateindices/list/); Sólo se seleccionaron para un análisis más detallado los índices climáticos que están significativamente correlacionados con los puntajes de PC a un nivel de confianza del 95%. Los datos de la extensión del hielo marino utilizados en este estudio se obtienen del Centro Nacional de Datos de Hielo y Nieve, un centro de información y referencia que apoya la investigación en glaciología y campos relacionados y gestiona y distribuye datos científicos. El conjunto de datos específico utilizado es el Sea Ice Index, versión 355.

El análisis de componentes principales (PCA) es una herramienta multivariada ampliamente utilizada en climatología para eliminar el ruido en los datos climáticos e identificar modos climáticos (asimétricos) de variabilidad56. Esto se logra a través de su propiedad de maximización de la varianza y posprocesando las PC con un algoritmo de rotación de estructura simple adecuado56. En este estudio, aplicamos el PCA57 en modo S rotado para regionalizar la temperatura en América del Norte durante el verano boreal (JJA: julio a agosto) e identificar distintos patrones de variabilidad de temperatura. Nos centramos en JJA porque esta temporada está asociada con regímenes de temperatura extrema (cálida) en términos de magnitud y frecuencia (Fig. 6). La Figura 6 también destaca la variabilidad espacial de la temperatura en América del Norte, enfatizando la necesidad de una evaluación regional de la variabilidad y el cambio de temperatura en la región.

Climatología estacional de temperatura basada en la climatología 1992-2022.

Para garantizar la coherencia de los patrones de variabilidad de temperatura, el PCA en modo S rotado se aplicó de forma independiente a los tres conjuntos de datos de temperatura respectivos. En la etapa de preprocesamiento, el ciclo anual se eliminó de los conjuntos de datos de temperatura restando la media a largo plazo de cada mes de los valores de datos correspondientes, para cada punto de la cuadrícula en la Fig. 6. Este paso se tomó para tener en cuenta el ciclo anual. variaciones de temperatura debidas a cambios estacionales, lo que permite un análisis más sólido de la variabilidad interanual y los cambios a largo plazo de los patrones de variabilidad de temperatura clasificados. Posteriormente, se aplicó PCA rotado a los datos de anomalías de temperatura, preservando el componente de tendencia y la variabilidad interanual.

Utilizando los datos de temperatura preprocesados sobre la tierra en la Fig. 6, la matriz de correlación se utiliza para obtener la relación entre el campo de temperatura en los puntos de la cuadrícula en el dominio de estudio. Además, aplicamos la descomposición de valores singulares para diagonalizar la matriz de correlación56, lo que dio como resultado las puntuaciones de PC, los vectores propios y los valores propios. Los vectores propios son patrones de variabilidad espacial, mientras que las puntuaciones de PC (series de tiempo) son la amplitud de los patrones de variabilidad espacial en un momento dado. Los vectores propios se multiplican por la raíz cuadrada de los valores propios correspondientes para obtener las cargas de PC, que responden mejor a la rotación simple de la estructura56,57. Para mejorar la interpretabilidad física de las PC, las rotamos utilizando un conjunto de rotaciones oblicuas y ortogonales para identificar el algoritmo de rotación más sólido que mejor maximice la interpretabilidad física de las PC. Aplicamos los algoritmos de rotación Varimax y Promax, el primero es un método de rotación ortogonal que no permite la correlación entre las puntuaciones de PC mientras que el segundo es un método de rotación oblicua que permite la correlación entre las puntuaciones de PC. Decidimos la cantidad óptima de PC para retener y rotar. Como lo señalaron56,57, el árbitro del éxito a la hora de justificar la interpretabilidad física de las PC rotadas es que se parezcan a la matriz de correlaciones de la que se extraen, partiendo del supuesto de que en las ciencias físicas las correlaciones pueden interpretarse físicamente o usarse para descubrir datos físicos. relaciones significativas. Por lo tanto, retuvimos y rotamos iterativamente, 2 PC y más; y utilizando el coeficiente de congruencia que es robusto para hacer coincidir patrones propios57,58, las PC rotadas se comparan con el vector de correlación (es decir, de la matriz de correlación) que indexa la magnitud de carga más alta en esa PC. La solución que maximiza la interpretabilidad física de los PC es aquella en la que todos los PC retenidos y rotados coinciden con los vectores de correlación a los que están indexados, con un coeficiente de congruencia de al menos 0,92, que es el umbral que designa una buena coincidencia de congruencia56,57 . En el análisis en modo S, el vector de correlación con la magnitud de carga más alta para una PC determinada designa el patrón de variabilidad de referencia en la matriz de correlación que buscamos reproducir utilizando las PC rotadas.

La decisión con respecto a la cantidad de PC a rotar se basa en los conjuntos de datos de observación cuadriculados de CPC y GHCN, más confiables. El número de PC rotadas corresponde al número de regiones (relativamente) coherentes con la temperatura de verano de JJA en América del Norte, también conocidas como patrones de variabilidad de temperatura. Como las regiones climáticas no tienen límites bien definidos y pueden cambiar gradualmente59, hemos permitido una clasificación difusa, lo que significa que un punto de la cuadrícula puede pertenecer a más de una región de temperatura si los datos lo permiten. En una clasificación difusa, la isopleta indica una transición gradual de una región a otra, y algunas cuadrículas pueden no clasificarse si es físicamente justificable. Es importante señalar que las puntuaciones de PC representan la amplitud de los patrones de variabilidad de temperatura. Cuando el patrón temporal, representado por la magnitud de la puntuación de PC, oscila a un valor positivo o negativo alto, se esperan anomalías de temperatura notables en la región coherente de temperatura correspondiente. Para determinar qué fase de la puntuación PC está asociada con condiciones cálidas o frías en la región coherente de temperatura relativa, calculamos anomalías de temperatura en relación con la climatología JJA de 1992-2022. Utilizamos iterativamente distintos umbrales de puntuación de PC para agrupar fechas (para las fases positiva y negativa de una PC, respectivamente) cuando el régimen de temperatura es más pronunciado. El umbral de puntuación de PC óptimo utilizado para agrupar fechas representativas es aquel en el que el patrón de anomalía compuesto de los datos de temperatura (es decir, la diferencia entre la temperatura promedio de las fechas agrupadas y la climatología de temperatura de JJA) coincide con la carga de PC correspondiente con una congruencia. coincidencia de al menos 0,92. También examinamos campos de anomalías de circulación a gran escala asociados con regímenes cálidos y fríos para cada patrón de variabilidad de temperatura utilizando mapas de anomalías compuestos de SLP, vectores de viento de 850 hPa y espesor de capa atmosférica entre 1000 y 850 hPa. Para evaluar la significancia estadística de las diferencias entre el campo climático estudiado y un promedio a largo plazo, empleamos la prueba de permutación de bloques. Este método tiene en cuenta la autocorrelación espacial y temporal, a menudo presente en los datos climáticos, que puede infringir el supuesto de independencia de las pruebas estadísticas convencionales. Al mezclar bloques de datos, este enfoque preserva las estructuras de datos inherentes. Esta prueba genera una distribución de valores de diferencia de potencial bajo la hipótesis nula (sin diferencia), lo que permite un análisis comparativo con la diferencia observada para calcular el valor p. La significación estadística se determina entonces mediante un valor de p inferior a 0,05.

La importancia estadística de las tendencias en las puntuaciones medias anuales de PC de todos los patrones de variabilidad de temperatura clasificados se evaluó con un nivel de confianza del 95% mediante la prueba de Mann-Kendall modificada60. Esta prueba no es paramétrica y tiene en cuenta la autocorrelación de los datos. Para un análisis posterior, solo se consideraron los patrones de variabilidad de la temperatura con tendencias estadísticamente significativas, que indicaban una señalización constante hacia el régimen cálido o frío. Para realizar un análisis sólido de la señal climática asociada con la variabilidad a largo y corto plazo en la amplitud de los patrones de circulación (es decir, las puntuaciones de PC), realizamos una descomposición temporal de las puntuaciones de PC para obtener tanto el componente de tendencia como las oscilaciones. Usamos promedios móviles, que no son paramétricos. El tamaño de ventana óptimo para la media móvil se basa en minimizar el error cuadrático medio entre los datos originales y los datos sin tendencia.

Utilizamos la correlación de Kendall, que es un método robusto y no paramétrico, para evaluar la relación entre el componente de tendencia y los índices climáticos disponibles en https://psl.noaa.gov/data/climateindices/list/. Este análisis tuvo como objetivo identificar los índices climáticos asociados con cambios a largo plazo en los patrones de variabilidad de la temperatura. De manera similar, aplicamos la misma correlación entre los índices climáticos y el componente sin tendencia de las puntuaciones de PC para examinar los índices climáticos asociados con la variabilidad interanual o de corto plazo de las puntuaciones de PC. La significación estadística de las correlaciones se evaluó con un nivel de confianza del 95%. Para examinar la capacidad predictiva de los índices, para las puntuaciones de PC, aplicamos el modelo de redes neuronales de memoria a largo plazo. Dividimos el período de análisis en dos, usamos la mitad para entrenar el modelo y la otra para probar sus predicciones.

Los conjuntos de datos de CPC y GHCN están disponibles en https://psl.noaa.gov/data/gridded. El conjunto de datos ERA5 está disponible en https://climate.copernicus.eu/climate-reanalysis. Los índices climáticos están disponibles en https://psl.noaa.gov/data/climateindices/list/. Los conjuntos de datos se pueden solicitar contactando al Dr. Ibebuchi ([email protected]).

Se utilizaron R Studio y Python para codificar los métodos como se describe en la sección de metodología.

Alimonti, G., Mariani, L., Prodi, F. & Ricci, RA Una evaluación crítica de las tendencias de los eventos extremos en tiempos de calentamiento global. EUR. Física. J. Plus 137, 1-20 (1997).

Google Académico

Barkhordarian, A., Bhend, J. & Storch, HV Coherencia de las tendencias de temperatura observadas cerca de la superficie con las proyecciones del cambio climático en la región mediterránea. Subir. Din. 38, 1695-1702 (2012).

Artículo de Google Scholar

Overpeck, JT & Cole, JE Cambio abrupto en el sistema climático de la Tierra. Año. Rev. Medio Ambiente. Recurso. 31, 1–31 (2006).

Artículo de Google Scholar

Callejón, R., et al. Cambio climático: la base de la ciencia física. Contribución del Grupo de Trabajo I al Cuarto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático. Resumen para responsables de políticas. Secretaría del IPCC, Ginebra, Suiza. 21p (2007)

Dong, L. y McPhaden, MJ El papel del forzamiento externo y la variabilidad interna en la regulación de las temperaturas superficiales medias globales en escalas de tiempo decenales. Reinar. Res. Letón. 12(3), 034011 (2017).

ADS del artículo Google Scholar

Stott, P. Cómo el cambio climático afecta los fenómenos meteorológicos extremos. Ciencia 352 (6293), 1517-1518 (2016).

Artículo ADS CAS PubMed Google Scholar

Lohmann, G. y col. Cambios climáticos y meteorológicos abruptos en escalas de tiempo. Paleoceanogr. Paleoclimatol. 35, e2019PA003782 (2012).

Parmesan, C. & Yohe, G. Una huella digital globalmente coherente de los impactos del cambio climático en los sistemas naturales. Naturaleza 421 (6918), 37–42 (2003).

Artículo ADS CAS PubMed Google Scholar

Ebi, KL y cols. Clima cálido y calor extremo: riesgos para la salud. Lanceta 398, 698–708. https://doi.org/10.1016/S0140-6736(21)01208-3 (2021)

Sheridan, SC & Allen, MJ Cambios en la frecuencia e intensidad de eventos de temperaturas extremas y problemas de salud humana. actual. Subir. Cambio Rep. 1, 155-162 (2015).

Artículo de Google Scholar

Callahan, CW y Justin, SM Efecto globalmente desigual del calor extremo sobre el crecimiento económico. Ciencia. Adv. 8, eadd3726 (2022).

Ummenhofer, CC & Meehl, GA Fenómenos meteorológicos y climáticos extremos con relevancia ecológica: una revisión. Filos. Trans. R. Soc. B Biol. Ciencia. 372, 20160135 (2017).

Artículo de Google Scholar

Gao, Y. et al. Brotes persistentes de aire frío sobre América del Norte en un clima cálido. Reinar. Res. Letón. 10, 044001 (2015).

ADS del artículo Google Scholar

Marlon, J.R. y col. Historia climática del noreste de Estados Unidos durante los últimos 3000 años. Subir. Pasados los 13, 1355-1379 (2017).

Artículo de Google Scholar

Lai, Y. & Dzombak, DA Uso de datos históricos para evaluar el cambio climático regional. J. Clim. 32, 4299–4320 (2019).

ADS del artículo Google Scholar

Lee, CC y cols. Examinar las tendencias en múltiples parámetros de temperatura extrema relativa estacional y eventos de punto de rocío en América del Norte. En t. J. Climatol. 41, E2360–E2378 (2021).

Artículo de Google Scholar

Shenoy, S. y col. Tendencias de fenómenos meteorológicos extremos en EE. UU. en el clima cambiante. Proc. Nacional. Acad. Ciencia. Estados Unidos 119, e2207536119 (2022).

Artículo MathSciNet CAS PubMed PubMed Central Google Scholar

Guirguis, K. et al. Temperaturas extremas diarias cálidas y frías recientes en el invierno en el hemisferio norte. Geofís. Res. Letón. 38, 17 (2011).

Artículo de Google Scholar

Grotjahn, R. y col. Eventos de temperaturas extremas en América del Norte y patrones meteorológicos relacionados a gran escala: una revisión de métodos, dinámicas, modelos y tendencias estadísticos. Subir. Din. 46, 1151-1184 (2016).

Artículo de Google Scholar

Yu, B., Lin, H. & Soulard, N. Una comparación de la temperatura de la superficie de América del Norte y las anomalías extremas de temperatura en asociación con varios patrones de teleconexión atmosférica. Atmósfera 10, 172 (2019).

ADS del artículo Google Scholar

Leathers, DJ, Yarnal, B. & Palecki, MA El patrón de teleconexión del Pacífico/Norteamérica y el clima de Estados Unidos: Parte I: Asociaciones regionales de temperatura y precipitación. J. Clim. 4, 517–528 (1991).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0442%281991%29004%3C0517%3ATPATPA%3E2.0.CO%3B2" aria-label="Article reference 21" data-doi="10.1175/1520-0442(1991)0042.0.CO;2">ADS del artículo Google Scholar

Meehl, GA y Teng, H. Cambios multimodelo en las teleconexiones de El Niño en América del Norte en un clima más cálido en el futuro. Subir. Din. 29, 779–790 (2007).

Artículo de Google Scholar

Sheridan, SC Índices de teleconexión y frecuencia de tipos meteorológicos de América del Norte. En t. J. Climatol. 23, 27–45 (2003).

Artículo de Google Scholar

Lee, CC Reanalizar los impactos de las teleconexiones atmosféricas en el clima de la estación fría utilizando tipos de clima de superficie multivariados y mapas autoorganizados. En t. J. Climatol. 37, 3714–3730 (2017).

Artículo de Google Scholar

Ropelewski, CF & Halpert, MS Patrones de precipitación a escala global y regional asociados con El Niño/Oscilación del Sur. Lun. Nosotros. Rev. 115, 1606–1626 (1987).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0493%281987%29115%3C1606%3AGARSPP%3E2.0.CO%3B2" aria-label="Article reference 25" data-doi="10.1175/1520-0493(1987)1152.0.CO;2">ADS del artículo Google Scholar

Schonher, T. & Nicholson, SE La relación entre las precipitaciones de California y los eventos ENSO. J. Clim. 2, 1258-1269 (1989).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0442%281989%29002%3C1258%3ATRBCRA%3E2.0.CO%3B2" aria-label="Article reference 26" data-doi="10.1175/1520-0442(1989)0022.0.CO;2">ADS del artículo Google Scholar

Eichler, T. & Higgins, W. Climatología y variabilidad relacionada con ENSO de la actividad ciclónica extratropical de América del Norte. J. Clim. 19, 2076-2093 (2006).

Chartrand, J. & Pausata, FSR Impactos de la oscilación del Atlántico Norte en las precipitaciones invernales y la variabilidad de la trayectoria de las tormentas en el sureste de Canadá y el noreste de Estados Unidos. WCD 1(2), 731–744 (2020).

Anuncios Google Scholar

Ibebuchi, CC y Abu, IO Caracterización de los regímenes de temperatura en Europa occidental, con respecto a la ola de calor del verano de 2022 en Europa occidental. Subir. Din. 1–14 (2023).

Serreze, MC y Barry, RG Procesos e impactos de la amplificación del Ártico: una síntesis de la investigación. Planeta global. Cambio 77, 85–96 (2011).

ADS del artículo Google Scholar

Previdi, M., Smith, KL y Polvani, LM Amplificación del cambio climático en el Ártico: una revisión de los mecanismos subyacentes. Reinar. Res. Letón. 16, 093003 (2021).

Artículo ADS CAS Google Scholar

Screen, JA & Simmonds, I. Explorando los vínculos entre la amplificación del Ártico y el clima de latitudes medias. Geofís. Res. Letón. 40, 959–964 (2013).

ADS del artículo Google Scholar

England, MR, Eisenman, I., Lutsko, NJ y Wagner, TJ La reciente aparición de Arctic Amplification. Geofís. Res. Letón. 48, e2021GL094086 (2021).

Barnes, EA Revisando la evidencia que vincula la amplificación del Ártico con el clima extremo en latitudes medias. Geofís. Res. Letón. 40, 4734–4739 (2013).

ADS del artículo Google Scholar

Nolin, AW & Stroeve, J. El albedo cambiante de la capa de hielo de Groenlandia: implicaciones para la modelización climática. Ana. Glaciol. 25, 51–57 (1997).

ADS del artículo Google Scholar

Mernild, SH et al. Disminución del albedo en Mittivakkat Gletscher de Groenlandia en un clima cálido. En t. J. Climatol. 35, 2294–2307 (2015).

Artículo de Google Scholar

Keegan, KM, Albert, MR, McConnell, JR y Baker, I. El cambio climático y los incendios forestales impulsan sinérgicamente eventos de derretimiento generalizados de la capa de hielo de Groenlandia. Proc. Nacional. Acad. Ciencia. 111, 7964–7967 (2014).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Li, C., Battisti, DS, Schrag, DP y Tziperman, E. Cambios climáticos abruptos en Groenlandia debido a desplazamientos del borde del hielo marino. Geofís. Res. Letón. 32, 1 (2005).

Artículo de Google Scholar

Ogi, M., Rysgaard, S. & Barber, DG La influencia de la circulación atmosférica de invierno y verano en la variabilidad de la temperatura y el hielo marino alrededor de Groenlandia. Tellus A 68, 31971 (2016).

ADS del artículo Google Scholar

Ding, Q. y col. Influencia de los cambios en la circulación atmosférica en latitudes altas sobre el hielo marino del Ártico durante el verano. Nat. Subir. Cambio 7, 289–295 (2017).

ADS del artículo Google Scholar

Li, Z. y col. El reciente calentamiento del océano Ártico superior se vio acelerado por los procesos atmosféricos del verano. Nat. Comunitario. 13, 362 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Topál, D. & Ding, Q. La sensibilidad del modelo de circulación atmosférica restringida recalibra las proyecciones climáticas del Ártico. Nat. Subir. Chang. 1, 1–9 (2023).

Google Académico

Ding, Q. y col. Forzamiento tropical del reciente y rápido calentamiento del Ártico en el noreste de Canadá y Groenlandia. J. Clim. 509, 209–212 (2014).

CAS Google Académico

Clark, JP y Lee, S. El papel del mecanismo de calentamiento del Ártico excitado tropicalmente en el patrón de tendencia de la temperatura del aire en la superficie del continente frío y cálido del Ártico. J. Clim. 46, 8490–8499 (2019).

Google Académico

Andrew, AM y Harrison, DE Impactos de El Niño en la circulación atmosférica estacional, la temperatura y las anomalías de precipitación en EE. UU.: la perspectiva del evento OLR. J. Clim. 26, 822 (2013).

ADS del artículo Google Scholar

Yu, JY & Zou, Y. El efecto de sequía mejorado de El Niño en el Pacífico Central en el invierno de Estados Unidos. Reinar. Res. Letón. 8, 014019 (2013).

ADS del artículo Google Scholar

L'Heureux, M., Michael, L., Tippett, K. & Barnston, AG Caracterización de la variabilidad acoplada de ENOS y su impacto en las precipitaciones y temperaturas estacionales de América del Norte. J. Clim. 28, 4231–4245 (2015).

ADS del artículo Google Scholar

Shinji, M., Koji, Y. & Suzuki, K. La desaceleración del calentamiento del verano en Groenlandia en la última década está relacionada con El Niño en el Pacífico central. Comunitario. Entorno terrestre. 2, 257 (2021).

Artículo de Google Scholar

Hu, C. y col. El cambio de El Niño inhibe el calentamiento del Ártico en verano y el derretimiento del hielo marino del Ártico sobre la cuenca de Canadá. Nat. Comunitario. 7, 1–9 (2020).

CAS Google Académico

Baxter, I. et al. Cómo el enfriamiento de la superficie del Pacífico tropical contribuyó al derretimiento acelerado del hielo marino entre 2007 y 2012, a medida que el hielo se adelgaza por el forzamiento antropogénico. J. Clim. 32, 8583–8602 (2019).

ADS del artículo Google Scholar

Overland, JE, Wang, M. y Ballinger, TJ Aumento reciente del calentamiento del Ártico marino de Alaska debido a vínculos en latitudes medias. Adv. Atmos. Ciencia. 35, 75–84 (2018).

Artículo de Google Scholar

Fan, Y. y Van den Dool, H. Un análisis mensual global de la temperatura del aire en la superficie terrestre desde 1948 hasta el presente. J. Geophys. Res. Atmos. 113, D1 (2008).

Artículo de Google Scholar

Hersbach, H. y col. El reanálisis global del ERA5. Meteorol QJR. Soc. 146, 1999-2049 (2020).

ADS del artículo Google Scholar

Sheridan, SC, Lee, CC y Smith, ET Una comparación entre las observaciones de la estación y los datos de reanálisis en la identificación de eventos de temperaturas extremas. Geofís. Res. Letón. 47, e2020GL088120 (2020).

Fetterer, F., Knowles, K., Meier, WN y Savoie, M. Sea Ice Index, versión 3. NSIDC: Centro Nacional de Datos sobre Hielo y Nieve. [14 de abril de 2022]. https://doi.org/10.7265/N5K072F8.

Ibebuchi, CC y Richman, MB Tipificación de la circulación con análisis de componentes principales en modo T rotado difuso: consideraciones metodológicas. Teor. Aplica. Climatol. https://doi.org/10.1007/s00704-023-04474-5 (2023).

Artículo de Google Scholar

Ibebuchi, CC y Richman, MB Sobre el uso del análisis objetivo de Procrustes para la validación de modos de precipitación modelados. Subir. Din. (2023).

Korth, B. & Tucker, LR La distribución de coeficientes de congruencia aleatoria a partir de datos simulados. Psicometrika 40, 361–372 (1975).

Artículo MATEMÁTICAS Google Scholar

Lorenz, E. La naturaleza y teoría de la circulación general de la atmósfera. Meteorol mundial. Organo. 161 (1967).

Yue, S., Sheng, Z. & Wang, CY La prueba de Mann-Kendall modificada por el tamaño de muestra efectivo para detectar tendencias en series hidrológicas correlacionadas en serie. Recurso Acuático. Gestionar. 18, 201–218 (2004).

Artículo de Google Scholar

Descargar referencias

El Dr. Ibebuchi recibe financiación como investigador postdoctoral en la Universidad Estatal de Kent a través del premio NOAA número NA22OAR4310142 (PI: Dr. Cameron C. Lee), titulado "Factores de exceso de calor y exceso de frío: establecimiento de una métrica unificada de duración-intensidad para monitorear condiciones de temperatura peligrosas". en Norte América". Esta publicación fue posible en parte gracias al apoyo del Fondo de Publicaciones de Acceso Abierto de la Universidad Estatal de Kent.

Departamento de Geografía, Universidad Estatal de Kent, Kent, OH, EE. UU.

Chibuike Chiedozie Ibebuchi y Cameron C. Lee

Laboratorio ClimRISE, Universidad Estatal de Kent, Kent, OH, EE. UU.

Chibuike Chiedozie Ibebuchi y Cameron C. Lee

También puedes buscar este autor en PubMed Google Scholar.

Todos los autores trabajaron por igual en todos los aspectos de este manuscrito.

Correspondencia a Chibuike Chiedozie Ibebuchi.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Ibebuchi, CC, Lee, CC Patrones de circulación asociados con tendencias en los patrones de variabilidad de la temperatura del verano en América del Norte. Informe científico 13, 12536 (2023). https://doi.org/10.1038/s41598-023-39497-5

Descargar cita

Recibido: 15 de mayo de 2023

Aceptado: 26 de julio de 2023

Publicado: 02 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-39497-5

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.