Durante la modellazione del ciclo oceano-clima El Niño-Oscillazione meridionale (ENSO), l'aggiunta di dati satellitari sulla salinità della superficie del mare, o salinità, migliora significativamente l'accuratezza del modello, secondo un nuovo studio della NASA.

ENSO è un ciclo irregolare di eventi climatici caldi e freddi chiamati El Niño e La Niña. Negli anni normali, forti alisei orientali soffiano dalle Americhe verso il sud-est asiatico, ma in un anno di El Niño, quei venti sono ridotti e talvolta anche invertiti. L'acqua calda che è stata "accumulata" nel Pacifico occidentale ritorna verso le Americhe, modificando la pressione atmosferica e l'umidità per produrre siccità in Asia e tempeste e inondazioni più frequenti nelle Americhe. Il modello inverso è chiamato La Niña, in cui l'oceano nel Pacifico orientale è più fresco del normale.

Il team ha utilizzato il sistema di previsione sub-stagionale-stagionale (S2S) della NASA Global Modeling and Assimilation Office (GMAO) accoppiato oceano/atmosfera (GEOS-S2S-2) per modellare tre eventi ENSO passati:Il forte El Niño del 2015, la La Niña del 2017 e il debole El Niño del 2018.

Partendo dalla missione Soil Moisture Active Passive (SMAP) della NASA, la passata missione Aquarius della NASA-CONAE (Agenzia spaziale argentina) e la missione Soil Moisture Ocean Salinity (SMOS) dell'Agenzia spaziale europea, hanno confrontato l'accuratezza del modello di previsione per ciascuno dei tre eventi con e senza assimilare i dati SSS nell'inizializzazione dei modelli. In altre parole:le condizioni iniziali dell'esecuzione di un modello includevano dati SSS, e l'altro no.

L'aggiunta dell'assimilazione dei dati SSS al modello GEOS ha aiutato a rappresentare la profondità e la densità dello strato superiore dell'oceano in modo più accurato, che ha portato a migliori rappresentazioni della circolazione su larga scala in risposta all'ENSO. Di conseguenza, le previsioni dei modelli per i tre casi di studio riflettevano più da vicino le osservazioni reali, rispetto a quanto previsto all'epoca dai modelli previsionali.

"Nei nostri tre casi di studio, abbiamo esaminato diverse fasi di ENSO, "ha detto Eric Hackert, uno scienziato ricercatore presso il Goddard Space Flight Center della NASA a Greenbelt, Maryland e l'autore principale dello studio. "Per il grande El Niño nel 2015, l'assimilazione dei dati sulla salinità ha smorzato il segnale:il nostro modello originale stava sopravvalutando l'ampiezza dell'evento. Per gli altri due eventi ENSO, le previsioni originariamente prevedevano il segno sbagliato:ad esempio, nel 2017, il modello senza dati di salinità prevedeva un El Niño, mentre il vero oceano ha prodotto una La Niña. Però, per ogni caso da noi esaminato, l'aggiunta della salinità del satellite all'inizializzazione ha migliorato le previsioni".

Lo studio è uno dei primi a incorporare i dati SSS nell'inizializzazione delle previsioni per un modello globale accoppiato delle interazioni tra l'oceano, atmosfera, terra, aerosol e ghiaccio marino. GEOS e altri modelli utilizzati per aiutare a prevedere gli eventi ENSO non includono tipicamente SSS. Però, la salinità della superficie oceanica gioca un ruolo importante nelle correnti oceaniche, evaporazione e interazione con l'atmosfera, e il trasferimento di calore dai tropici ai poli. più freddo, l'acqua più salata è più densa e più pesante di quella più calda, acqua più fresca, e le variazioni di temperatura e precipitazioni su larga scala degli eventi ENSO modificano la circolazione oceanica e le interazioni tra l'acqua e l'atmosfera.

Entrambe le fasi del ciclo ENSO influenzano gli ecosistemi, economie, salute umana, e rischio di incendi boschivi, rendendo le previsioni ENSO vitali per molte persone in tutto il mondo, ha detto Hackert.

"Per esempio, previsioni e osservazioni hanno dato una forte indicazione che ci sarebbe stato un grande El Niño nel 1997, che porterebbe alla siccità nel nord-est del Brasile, " ha detto. "Questo ha permesso al governo del Brasile di rilasciare una dichiarazione per la sussistenza degli agricoltori, incoraggiandoli a piantare mais resistente alla siccità invece di varietà ad alto rendimento. In questo caso, Le buone previsioni dell'ENSO insieme all'azione del governo potrebbero aver salvato molte vite. Questo è solo un esempio dei molti vantaggi socio-economici per l'estensione delle utili previsioni di El Niño".

L'inclusione dei dati SSS satellitari rende anche i modelli utili per periodi più lunghi:le previsioni ENSO accurate senza dati sulla salinità si estendono solo per 4 mesi, mentre quelli con dati SSS coprono 7 mesi, ha detto Hackert.

"Piuttosto che avere una stagione di fiducia nelle tue previsioni, hai due stagioni, " Hackert ha detto. "Se la tua stagione di crescita è di sei mesi lungo la linea, una previsione di qualità più lunga ti dà una migliore comprensione della necessità di piantare varietà ad alto rendimento o resistenti alla siccità. Un altro esempio potrebbe essere che hai tutto il tempo per riparare il tuo tetto se vivi nel sud della California (dato che El Niño di solito porta condizioni piovose negli Stati Uniti meridionali)."

Avere accesso a una registrazione continua dei dati SSS satellitari è essenziale per fare previsioni accurate e affidabili, ha detto Hackert.

"Negli attuali sistemi di previsione, le osservazioni satellitari e oceaniche sono combinate in modo ottimale utilizzando modelli e tecniche di assimilazione dei dati per aiutare a definire lo stato dell'oceano, " ha detto. "Questo studio mostra che l'aggiunta di SSS satellitare alla suite di osservazioni attuali aiuta a caratterizzare lo stato dell'oceano vicino alla superficie, portando a migliori previsioni stagionali. Raccomandiamo che altri sistemi di modelli di previsione in tutto il mondo adottino SSS nei loro sistemi".