Variabilidad Interanual en las regiones tropicales: Curso de Posgrado: Fundamentos de la Variabilidad Climática Global y en Sudamérica. Clase 6: Variabilidad Interanual en las regiones tropicales: “El Niño –Southern Oscillation” (ENSO) Variabilidad interanual en Sudamérica Fuentes de variabilidad Modos principales de variabilidad: variaciones estacionales Otras fuentes de variabilidad interanual de la circulación del HS y del clima en Sudamérica Indian Ocean Dipole (IOD) Southern Annular Mode (SAM) Carolina Vera CIMA-DCAO, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires CONICET-UMI3351/CNRS

Main features of the tropical oceans Atlantic Warm Pool Pacific Warm Pool Cold Tongues

“Normal” SST: Extremes in the Annual Cycle Equatorial SSTs are warmest in April Equatorial cold tongues are strongest in Jul.-Oct.

Sistema acoplado Mar-Atmósfera Vientos Temperatura superficial del mar Precipitación Circulación atmosférica Calentamiento

EL NIÑO Analicemos como este acople funciona en el inicio de un evento cálido. Si las SST aumentaran hacia el este por la razón que fuera, se reduciría el grandiente de SST, luego seguiría un correspondiente decrecimiento de la circulación de Walker,. El decrecimiento resultante en los vientos superficiales lleva a que comience a descender la presión hacia el este y también se debilitan las surgencias en la costa. Esto lleva a un cambio en las corrientes océanicas y en consecuencia en la advección de agua caliente, aumentando por consiguiente las SST hacia el este.

LA NIÑA su fase opuesta que se llama comumente Niña, se caracteriza por un enfriamiento anormal del Pacífico Este. En realidad no es otra cosa que una situación extrema de las condiciones Normales.

EL CICLO DEL ENSO (EL NIÑO-SOUTHERN OSCILLATION) El fenómeno del Niño no es mas que una de las fases de una oscilación que se la conoce por su nombre en inglés ENSO y menos en Español ENOS. El Niño en realidad se refiere a la parte oceánica y se debe a que los pescadores peruanos observaban para fin de año un aumento de la temperatura del mar. No es del todo correcto ya que el fenómeno involucra a todo el Pacífico en su totalidad. Cuando hablamos entonces del Niño nos referimos a la fase cálida de la oscilación es decir a un aumento de las temperaturas de la superficie del mar. En cambio la Niña sería su fase opuesta. Fijénse que donde mas cambian las temperaturas es en el centro y en el este del Pacífico, entonces se monitorea el estado del océano, graficando la series de temperaturas de la sup. Del mar sobre esta región. Ya se las mostraré en un par de slides.

Precipitation: El Niño vs. La Niña Enhanced rainfall occurs over warmer-than-average waters during El Niño. Reduced rainfall occurs over colder-than-average waters during La Niña.

EL CICLO DEL ENSO La Oscilación del Sur La componente atmosférica se puede describir de distintas maneras, ya sea a través de los cambios en los vientos cerca de superficie o bien los vientos de altura o con los cambios en la precipitación. Otra manera es a través de las variaciones de la presión. Si observan esta figura vemos que durante el Niño aumenta en el oeste y disminuye en el Este, mientras que lo opuesto ocurre en la Niña. Esta oscilación de la presión fue descubierta antes de saber que estaba relacionada con cambios en el océano y se le dio el nombre de la oscilación del Sur. Antiguamente, una medida de la misma era calcular la diferencia de la presión entre Tahiti en el Pacifico central y Darwin en Australia. Si la diferencia es negativa entonces es un Niño

Evolución del ENSO

Evolución del ENSO

Typical Evolution of the ENSO Cycle Irregular cycle with alternating periods of warm (El Niño) and cold (La Niña) conditions El Niño tends to occur every 3-4 years and generally lasts 12-18 months Strongest El Niño episodes occur every 10-15 years La Niña episodes may last from 1 to 3 years Transitions from El Niño to La Niña are more rapid

EL NIÑO LA NIÑA

INTERANNUAL VARIABILITY IN SOUTH AMERICA

Precipitation Interannual Variability in the American Monsoon Systems Previous studies have considered five factors for the interannual variability of American monsoon precipitation: SST anomalies Land surface conditions Position and strength of the tropical convergence zones Water vapor transport Large-scale circulations. Boundary Conditions These factors are actuallynot independent This slide shows the standard deviation of year-to-year precipitation anomalies from observations and model outputs. I will show for a lack of time only the results for the austral spring. Again, models are able to somewhat reproduce the main features of the observed year-to-year variability of precipitation in the continent, although with deficiencies in the intensity and location of maximum variability regions. Better standard deviation distributions were found in models with more realistic mean precipitation patterns. Atmospheric internal variability Vera et al. (2006)

Precipitation Interannual Variability JFM AMJ Observed Year-to-year Seasonal Precipitation Standard Deviation (CMAP, 1979-1999) JAS OND (Vera and Silvestri, 2009)

Spatial distribution (left panel) and temporal evolution (right 1st leading pattern of precipitation interannual variability in South America DJF Austral Summer Spatial distribution (left panel) and temporal evolution (right lower panel) of the first variability mode of precipitation anomaly, with explained variance and the map of correlation coefficients with SST (right panel). (Grimm and Zili 2009)

Changes in the Walker circulation Atmospheric Teleconnections associated to 1st leading pattern of precipitation interannual variability in South America DJF Austral Summer Changes in the Walker circulation Rossby wave trains Correlation coefficients between the spring PC1 of precipitation and the 200-hPa streamfunctions (Grimm and Zili 2009)

Spatial distribution (left panel) and temporal evolution (right 2nd leading pattern of precipitation interannual variability in South America DJF Austral Summer Spatial distribution (left panel) and temporal evolution (right lower panel) of the first variability mode of precipitation anomaly, with explained variance and the map of correlation coefficients with SST (right panel). (Grimm and Zili 2009)

Changes in the Walker circulation Atmospheric Teleconnections associated to 2nd leading pattern of precipitation interannual variability in South America DJF Austral Summer Changes in the Walker circulation Rossby wave trains Correlation coefficients between the spring PC1 of precipitation and the 200-hPa streamfunctions (Grimm and Zili 2009)

Variabilidad interanual de la precipitación en Patagonia y su relación con aquella en SESA y la SACZ 2do patrón EOF de variabilidad interanual de las anomalías de precipitación de verano austral Correlación de la serie temporal del 2do patrón EOF y las anomalías de alturas geopotencial de 200 hPa Berman et al. (2012)

Spatial distribution (left panel) and temporal evolution (right 1st leading pattern of precipitation interannual variability in South America MAM Austral Fall Spatial distribution (left panel) and temporal evolution (right lower panel) of the first variability mode of precipitation anomaly, with explained variance and the map of correlation coefficients with SST (right panel). (Grimm and Zili 2009)

Spatial distribution (left panel) and temporal evolution (right 1st leading pattern of precipitation interannual variability in South America JJA Austral Winter Spatial distribution (left panel) and temporal evolution (right lower panel) of the first variability mode of precipitation anomaly, with explained variance and the map of correlation coefficients with SST (right panel). (Grimm and Zili 2009)

Spatial distribution (left panel) and temporal evolution (right 1st leading pattern of precipitation interannual variability in South America SON Austral Spring Spatial distribution (left panel) and temporal evolution (right lower panel) of the first variability mode of precipitation anomaly, with explained variance and the map of correlation coefficients with SST (right panel). (Grimm and Zili 2009)

Changes in the Walker circulation Atmospheric Teleconnections associated to 1st leading pattern of precipitation interannual variability in South America SON Austral Spring Changes in the Walker circulation Rossby wave trains Correlation coefficients between the spring PC1 of precipitation and the 200-hPa streamfunctions (Grimm and Zili 2009)

SON composite SST anomalies for pure positive IOD events. Influence of the Indian Ocean Dipole (IOD) on precipitation interannual variability in South America SON composite SST anomalies for pure positive IOD events. SON composites of rainfall and 850-hPa wind anomalies during pure positive IOD events (Chan et al. 2008)

Southern Annular Mode (SAM) influence on precipitation anomalies in South America Correlations between SAM index and (right) precipitation and (top) 500-hPa geopotential height anomalies (1979-1999). Significant values at 90, 95 and 99% are shaded. NCEP reanalysis data. Silvestri and Vera (2003), Vera and Silvestri (2009)

Southern Annular Mode (SAM) : Características principales Patrón dominante de la variabilidad climática de la circulación del Hemisferio Sur Exhibe variabilidad en escalas temporales de semanas, a meses y años Su existencia puede explicarse a través de las vascilaciones de los vientos de los oestes En períodos como la segunda mitad del siglo XX ha mostrado relaciones signiificativas con las SST tropicales Sus variaciones puden ser influenciadas por la dinámica de la atmósfera estratosférica (ozono) El SAM tiene una gran influencia sobre las anomalías superficiales de los mares australes Patrón de anomalías de circulación del HS asociadas con el SAM Silvestri and Vera (2003), Vera and Silvestri (2009)

Southern Annular Mode (SAM) Precipitation Surface temperature Regression of SAM index of (top) precipitation and (bottom) surface temperature anomalies. (Gupta et al. 2006)

OND Precipitation Interannual Variability in Southeastern South America (SESA) Positive OND precipitation anomalies in SESA -ENSO warm events SAM negative phase (1970-1999) SESA Correlations between precipitation anomalies in SESA and (left) SST anomalies and (right) 500-hPa geopotential height anomalies. Significant values at 90, 95 and 99% are shaded. NCEP reanalysis data. (Vera and Silvestri 2009)