Variabilidad regional y temporal de las precipitaciones del monzón de verano indio en relación con la oscilación sur de El Niño

Scientific Reports volumen 13, número de artículo: 12643 (2023) Citar este artículo

2112 Accesos

58 altmétrico

Detalles de métricas

Las lluvias monzónicas de verano en la India (ISMR) exhiben una variabilidad significativa, lo que afecta la seguridad alimentaria y hídrica del subcontinente indio densamente poblado. Los dos modos espaciales dominantes de la variabilidad del ISMR están asociados con la Oscilación del Sur de El Niño (ENSO) y la fuerza de la vaguada monzónica semipermanente junto con la variabilidad relacionada en las depresiones monzónicas, respectivamente. Aunque la sólida teleconexión entre ENOS e ISMR ha estado bien establecida durante varias décadas, los principales impulsores que conducen a la relación variable en el tiempo entre los patrones ENOS e ISMR en diferentes regiones del país no se comprenden bien. Nuestro análisis muestra un aumento constante de una fuerza de teleconexión moderada a sustancialmente fuerte entre ENSO e ISMR de 1901 a 1940. Esta relación fortalecida se mantuvo estable y fuerte entre 1941 y 1980. Sin embargo, en el período reciente de 1981 a 2018, la teleconexión volvió a disminuir consistentemente. a una fuerza moderada. Encontramos que la relación ENOS-ISMR exhibe una variabilidad regional distinta con una relación que varía en el tiempo en el norte, centro y sur de la India. Específicamente, la teleconexión muestra una relación creciente para el norte de la India, una relación decreciente para el centro de la India y una relación consistente para el sur de la India. Las anomalías cálidas de la TSM sobre el Océano Pacífico oriental corresponden a una disminución general del ISMR, mientras que las anomalías cálidas de la TSM sobre el Océano Índico corresponden a una disminución de las precipitaciones en el norte y un aumento en el sur de la India. La región central de la India experimentó la variación más sustancial en la relación ENSO-ISMR. Esta variación corresponde a la variabilidad de la vaguada y las depresiones monzónicas, fuertemente influenciadas por la Oscilación Decenal del Pacífico y la Oscilación del Atlántico Norte, que regulan el dominio relativo de los dos modos espaciales de ISMR. Al aplicar la técnica PCA-Biplot, nuestro estudio resalta los impactos significativos de varios impulsores climáticos en los dos modos espaciales dominantes de ISMR que explican la naturaleza evolutiva de la relación ENSO-ISMR.

Cada año, el subcontinente indio recibe alrededor del 78% de sus precipitaciones anuales durante la temporada de monzones del suroeste, de junio a septiembre1. Las variaciones interanuales de las precipitaciones monzónicas de verano en la India (ISMR) son solo alrededor del 9% de su media, pero tienen un impacto socioeconómico significativo2,3, especialmente en el sector agrícola, la disponibilidad de agua y el PIB del país4,5. En las escalas de tiempo interanuales, ISMR se ve afectado por varios fenómenos climáticos acoplados océano-atmosférico, como la Oscilación Austral de El Niño (ENSO), el Dipolo del Océano Índico (IOD), la Oscilación Decadal del Pacífico (PDO), la Oscilación Meridional del Atlántico (AMO) y la Oscilación Zonal del Atlántico. Modo (AZM)6,7,8,9,10,11,12,13,14. ENOS, al ser el mayor modulador tropical del monzón indio, es también la mayor señal climática interanual en los trópicos15,16. Los cambios en la circulación zonal de Walker durante El Niño provocan un hundimiento anómalo sobre la masa continental india, suprimiendo así la circulación monzónica y una posterior reducción de las precipitaciones en el subcontinente indio17,18. Todas las zonas costeras occidentales, la zona monzónica y las regiones orientales se ven afectadas por las sequías relacionadas con El Niño.

Generalmente, hay dos factores principales que contribuyen a la variabilidad interanual de ISMR7. Uno es el forzamiento externo, que se origina en respuesta a la variabilidad y el cambio climático. El segundo es el componente interno debido a la actividad intraestacional que se manifiesta a través de las fases activa y de pausa del monzón10,19,20. La variabilidad interanual del ISMR se debe en parte al forzamiento externo y en parte al forzamiento interno21.

ISMR exhibe una gran variabilidad espacial con precipitaciones excedentes y deficitarias en diferentes regiones del subcontinente. La variabilidad interanual del ISMR es más evidente cuando consideramos la variabilidad espacial de las precipitaciones. Mishra et al.22 identificaron dos patrones espaciales principales de variabilidad ISMR y notaron que estos dos modos ISMR están relacionados principalmente con ENOS y la fuerza de la vaguada monzónica semipermanente, respectivamente. Señalan que la prominencia de la vaguada monzónica está estrechamente relacionada con la frecuencia de las depresiones monzónicas que se forman sobre la Bahía de Bengala. En particular, el segundo patrón de ISMR ha tenido una fuerza decreciente a lo largo del último siglo (1901-2018) debido al debilitamiento de la circulación monzónica y la disminución del número de depresiones monzónicas23,24,25,26,27. Como resultado, hay una reducción de las precipitaciones en las principales zonas monzónicas del centro-este de la India y la costa occidental de la India23,24. Sin embargo, su estudio no explora cómo esta variabilidad y las teleconexiones asociadas se manifiestan regionalmente, en diferentes partes del país y en diferentes períodos de tiempo. La fuerza de la vaguada del monzón y la frecuencia de la depresión también están relacionadas con las condiciones de temperatura de la superficie del mar (TSM) posteriores a ENSO. Chowdary et al.28 descubrieron que los fenómenos de El Niño provocan el calentamiento del norte del Océano Índico durante el verano siguiente. Este calentamiento se debe principalmente a las interacciones aire-mar que se producen en el Océano Índico tropical. Si bien estos estudios son útiles para obtener conocimientos generales sobre la relación ENOS-ISMR, la variabilidad regional y sus cambios a largo plazo se comprenden menos29,30,31,32. Dado que el efecto de ENSO no es el mismo para diferentes regiones del país, comprender la relación regional ENSO-ISMR también es importante para identificar y mejorar las habilidades de pronóstico de los monzones.

La relación inversa entre ENSO-ISMR es la principal fuente de previsibilidad de ISMR32,33,34. Sin embargo, la relación inversa ENSO-ISMR muestra una tendencia debilitada en la década reciente después de los años 1980 debido a varios factores como el aumento del calentamiento de la superficie en Eurasia35, el fortalecimiento y el desplazamiento hacia los polos de las corrientes en chorro sobre el Atlántico Norte36, el aumento de la concentración de gases de efecto invernadero37 y el cambio en el patrón de circulación del viento en la superficie sobre la región del Indo-Pacífico38. Es importante destacar que la relación inversa ENSO-ISMR también varió espacialmente durante el siglo pasado. Mahendra et al. (2021)39 estudiaron esta variación espacial y sugirieron que la relación ENSO-ISMR se modifica en diferentes épocas con una relación estable en el centro norte de la India y el sur de la península y una relación decreciente en el centro y el este de la India. Esta variabilidad espacial está relacionada con un movimiento ascendente anómalo asociado con el dipolo del Océano Índico (IOD) y la extensión hacia el oeste de la circulación ciclónica de bajo nivel desde la región del Pacífico Norte-Occidental.

En este estudio, nuestro enfoque principal es examinar los cambios en la relación entre ENSO e ISMR, durante los meses del monzón de verano (JJAS). Investigamos específicamente cómo los principales impulsores de ISMR influyen en esta relación. Nuestro primer objetivo es analizar las asociaciones entre los modos espaciales dominantes de ISMR y diversos procesos climáticos, incluidos IOD, PDO, Oscilación del Atlántico Norte (NAO), Oscilación Cuasi-Bienal (QBO), Oscilación Interdecadal del Pacífico (IPO), AMO y Niño Atlántico. Nuestro objetivo es comprender cómo estos diferentes modos climáticos impactan localmente la relación ENSO-ISMR. Nuestro segundo objetivo tiene como objetivo proporcionar una descripción general completa de las razones detrás de la cambiante relación ENSO-ISMR en diferentes regiones del país (sur, centro y norte de la India).

Los modos dominantes del patrón de variabilidad espacial de ISMR se aíslan empleando análisis EOF en datos de lluvia estandarizados22. La Figura 1a-b muestra los dos primeros EOF principales del ISMR estandarizado de 1901 a 2018. El primer modo muestra anomalías de precipitaciones en toda la India, particularmente en las partes central y noroeste de la India, y explica el 15% de la variación total. Se observa un patrón dipolar en el segundo modo de EOF en el que hay anomalías positivas de lluvia en las llanuras del Ganges y anomalías negativas en el sur de la India o viceversa (Fig. 1b). También se observa una reducción de las precipitaciones en las principales zonas monzónicas del centro-este de la India y en la mayor parte de la costa occidental, como observaron Roxy et al.23 y Vishnu et al.24. Darshana et al.40 observaron anomalías positivas en las precipitaciones en la India peninsular occidental y meridional y anomalías negativas en las precipitaciones en las llanuras indogangéticas orientales y las atribuyeron al modo de condensador del océano Pacífico indooccidental (IPOC). EOF2 explica el 8,5% de la varianza total. Las series de tiempo correspondientes a estos dos primeros modos (componentes principales) se denominan PC1 y PC2 (Fig. 1c, d). PC1 indica el primer modo de EOF. La serie temporal Niño 3.4 también se representa junto con PC1 y existe una fuerte correlación entre ellas con un valor de coeficiente de 0.54, que es estadísticamente significativo con un nivel de confianza del 95% (Fig. 1c). PC2 indica el segundo modo de EOF y muestra una tendencia creciente (Fig. 1d). Esto significa que el patrón de anomalías de lluvia negativas y positivas sobre las llanuras del Ganges y el sur de la península está aumentando respectivamente. Junto con esta serie temporal PC2, la vorticidad a 850 hPa promedió entre 80 ° E – 100 ° E, 10 ° N – 30 ° N (que representa la fuerza de la vaguada monzónica) y la frecuencia de la depresión monzónica se representan en la Fig. 1d. . La correlación de PC2 con la vorticidad a 850 hPa y la frecuencia de depresión es -0,36 y -0,28 respectivamente, lo que es estadísticamente significativo con un nivel de confianza del 95%.

(a) EOF1 (b) EOF2 de ISMR estandarizado. (c) serie de tiempo de EOF1 representada como PC1 correlacionada con la serie de tiempo de Niño 3.4 (d) serie de tiempo de EOF2 representada como PC2 correlacionada con la serie de tiempo de frecuencia de depresión y serie de tiempo de vorticidad a 850 hPa. (e) y (f) Patrón de SST global correlacionado de ISMR EOF1 y EOF2 respectivamente (g) y (h) Correlación de PC1 y PC2 con el viento (media de 700-1000 hPa) y la velocidad vertical a 850 hPa respectivamente. La escala de colores denota el coeficiente de correlación y la anomalía estandarizada de la precipitación. Esta figura se creó utilizando el software Python 3.8.0 (https://www.python.org/downloads/release/python-380/).

En la Fig. 1e, PC1 muestra una correlación positiva con la TSM sobre la región del Niño 3.4, lo que implica que una reducción en las precipitaciones sobre la India en el modo EOF1 está asociada con las TSM cálidas sobre la región del Niño 3.4, lo que significa la influencia de El Niño en causar una disminución en lluvias monzónicas. En la Fig. 1f, PC2 muestra una correlación positiva con las TSM sobre el norte del Océano Índico (Mar Arábigo y Bahía de Bengala) y el Mar de China Meridional. Esto indica que una reducción de las precipitaciones en las llanuras del Ganges y un aumento de las precipitaciones en la península meridional están relacionados con las TSM cálidas en el norte del Océano Índico (Mar Arábigo, Bahía de Bengala) y el Mar de China Meridional. Estas TSM cálidas indican además la influencia del calentamiento del Océano Índico en provocar esta condición en las tendencias a largo plazo en ISMR.

Para identificar los principales impulsores de la variabilidad de ISMR correspondientes a EOF1 y EOF2, se lleva a cabo un análisis de correlación para PC1 y PC2 con vientos medios a 700 – 1000 hPa para estudiar las circulaciones de bajo nivel asociadas y omega a 500 hPa. En la Fig. 1g, PC1 (que indica ISMR reducido) se correlaciona positivamente con el omega a 500 hPa, lo que significa que la disminución de las precipitaciones en la India está relacionada con el aumento de omega a 500 hPa. También se puede observar en la misma figura que PC1, cuando se correlaciona con los vientos en niveles bajos, exhibe un patrón de circulación débil relacionado con la reducción de las precipitaciones. De manera similar, en la Fig. 1h, PC2 está correlacionado negativamente con el omega a 500 hPa en el sur de la península, lo que implica que un aumento de las precipitaciones allí está relacionado con una disminución del omega. Además, PC2 se correlaciona positivamente con el omega a 500 hPa en las llanuras del Ganges, lo que significa que una disminución de las precipitaciones en las llanuras del Ganges está relacionada con el aumento de omega. Además, PC2, cuando se correlaciona con vientos de bajo nivel, muestra vientos del oeste anómalos, que pueden transportar más humedad desde el Mar Arábigo a la Bahía de Bengala, favoreciendo la formación de depresiones monzónicas.

Además de ENSO, varios otros modos climáticos que van desde escalas de tiempo interanuales hasta multidecenales, como IOD7,41,42, IOB43, PDO44,45, Oscilación Interdecadal del Pacífico (IPO)46, QBO47, NAO48,49, Atlantic Niño50 y AMO51,52 , también influyen en ISMR. Para explorar el papel de estos diferentes factores climáticos en la variabilidad del ISMR, se utilizan la matriz de correlación y el análisis biplot. Los principales impulsores, ENSO y la fuerza de la vaguada del monzón tienen valores de coeficiente de correlación de 0,5 (Fig. 1c) y − 0,36 (Fig. 1d) con el ISMR. Si bien estos dos factores son dominantes en la regulación de la variabilidad del ISMR, esto también es una indicación de que existen otros factores que conducen a la variación del ISMR. Por lo tanto, se tienen en cuenta los distintos modos climáticos y se analiza su papel en la variabilidad del ISMR utilizando la matriz de correlación y el biplot. Encontramos que los valores de correlación entre los dos primeros patrones de variabilidad del ISMR y el índice AMO y el Niño Atlántico son débiles e insignificantes (p > 0,05). Por lo tanto, estos dos modos climáticos no se analizan más en nuestro estudio. De todos modos, no se puede descartar por completo un modo posterior de variabilidad del ISMR vinculado a la variabilidad relacionada con el Niño Atlántico. La Figura 2a representa la matriz de correlación de diferentes índices climáticos. Esto da la correlación entre diferentes índices climáticos con PC1 y PC2. PC1 y PC2 en el biplot PCA son diferentes de PC1 y PC2 de la variabilidad ISMR. Aquí, en el biplot, PC1 y PC2 se refieren a un modo principal de covariabilidad entre diferentes modos climáticos. Dado que PC1 y PC2 son dos procesos independientes, su correlación es muy baja (-0,03). El PCA-biplot (Fig. 2b) representa la interrelación entre diferentes modos climáticos. En el espacio biplot bidimensional, una flecha representa una variable y su longitud denota el porcentaje de varianza. El círculo unitario implica el valor máximo de correlación uno. Hay dos procesos independientes ISMR PC1 e ISMR PC2. Los procesos que se agrupan alrededor de ISMR PC1 están relacionados entre sí y los que se agrupan alrededor de ISMR PC2 están interrelacionados. Los procesos cercanos al eje x se agrupan en una categoría y los cercanos al eje y se agrupan en otra. Observamos que PC1 está conectado con ENSO, IOD, PDO e IPO. Mientras tanto, PC2 está asociado con el índice de modo NAO, IPO, PDO e IOB junto con la fuerza de la depresión del monzón (MT) y la frecuencia de depresión (MDF). MT está conectado tanto a la PC1 como a la PC2. Físicamente significa que la MT está relacionada tanto con ENSO como con factores internos relacionados con la variabilidad del monzón. PDO, IPO y MT contribuyen a los patrones espaciales de lluvia tanto PC1 como PC2. El espacio biplot no explica bien el QBO (la longitud de la flecha es corta). Del biplot podemos inferir que el vector MDF y el vector PDO tienen una relación desfasada. Este hallazgo se alinea con el estudio de Vishnu et al.13 de que durante las últimas siete décadas las depresiones monzónicas que se forman sobre la Bahía de Bengala tienen una relación desfasada con la PDO debido a la variación en la humedad relativa. La variabilidad climática natural está impulsada por diversas oscilaciones climáticas y comprender el mecanismo físico de la variación en la variabilidad a escala espacial y temporal de ISMR sigue siendo complejo, ya que está influenciado por fenómenos climáticos atmosféricos, oceánicos y acoplados a gran escala53.

(a) Matriz de correlación y (b) PCA-Biplot de diferentes índices de modos climáticos, es decir, (IPC1) (PC1 con ISMR), (IPC2) (PC2 con ISMR), índice Niño 3.4, frecuencia anual de depresión monzónica (MDF), monzón Índice de vaguada (MT) definido como anomalías de vorticidad a 850 hPa promediadas sobre 80˚E-100˚E, 10˚N-30˚N, índice del modo de la Cuenca del Océano Índico (IOB) calculado a partir del primer EOF de la TSM del Océano Índico, modo dipolo Índice (DMI) para el Dipolo del Océano Índico, índice tripolar para la Oscilación Interdecadal del Pacífico (IPO), índice de la Oscilación Decenal del Pacífico (PDO), índice para la Oscilación del Atlántico Norte (NAO), índice de Oscilación Cuasi Bienal (QBO) para el período 1901 – 2018. Los ejes representan los componentes principales del PCA de la matriz de correlación. PC1 y PC2 explican el 21,22% y el 19,95% de la varianza total respectivamente (en conjunto, el 41% de la variabilidad). Esta figura se creó con Python 3.8.0 (https://www.python.org/downloads/release/python-380/).

Para proporcionar la interpretación física del biplot, hemos realizado un análisis compuesto considerando las fases de los modos EOF (PC1 y PC2). Aquí, las Fig. 3a – c representan las combinaciones de ISMR, SST y altura geopotencial cuando PC1 es mayor que su valor de desviación estándar positivo y viceversa cuando PC1 está en la fase negativa (Fig. 3d – f). Notamos que los patrones ENSO y PDO están presentes en los compuestos ISMR PC1. De manera similar, las figuras 3g – i representan los compuestos cuando PC2 es mayor que sus valores de desviación estándar positivos y viceversa cuando PC2 está en la fase negativa (figura 3j – l). Aquí se observa un patrón dipolar norte-sur en la anomalía de las precipitaciones, indicativo de la fuerza de la vaguada monzónica y la variabilidad de las depresiones monzónicas. En los compuestos de ISMR PC2, el papel de NAO e IOB es destacado.

Compuestos de anomalías estacionales (media JJAS) ISMR, SST y Z500 (altura geopotencial a 500 hPa) para los años en los que (a–c) PC1 es mayor que su valor de desviación estándar positiva, (d–f) PC1 es menor que su desviación estándar negativa valor, (g – i) PC2 mayor que su desviación estándar positiva, (j – l) PC2 menor que su desviación estándar negativa. Esta figura se creó utilizando el software Python 3.8.0 (https://www.python.org/downloads/release/python-380/).

Para comprender la asociación entre ENOS e ISMR se realiza un análisis de correlación entre sus índices representativos. La Figura 4a muestra la correlación espacial entre la anomalía Niño 3.4 SST (JJAS (junio, julio, agosto, septiembre)) y la anomalía ISMR, durante el período 1901 – 2018. En general, existe una correlación negativa para la mayor parte de la India, mientras que una muy débil Existe una correlación negativa para los Ghats occidentales, el este de la India y el noreste de la India. En el sur de la India, el centro de la India y partes del norte de la India, la correlación entre ENOS y las precipitaciones varía entre -0,2 y -0,6, lo que es estadísticamente significativo con un nivel de confianza del 95%.

(a) mapa espacial de correlación entre ISMR y ENSO de 1901 a 2018 (b) correlación de 30 años consecutivos entre ISMR y Niño 3.4 SST. (c – e) mapa espacial de correlación entre ISMR y ENOS durante 1901–1940, 1941–1980 y 1981–2018. (f) La variabilidad (desviación estándar) en la correlación corriente entre ISMR y la serie temporal Niño 3.4 (g) Correlación corriente de 30 años entre la precipitación media en los tres cuadros (norte, centro y sur) y Niño 3.4 SST. Esta figura se creó utilizando el software Python 3.8.0 (https://www.python.org/downloads/release/python-380/).

Para ver si esta relación ENSO-ISMR es consistente o varía, se realiza una correlación continua que nos ayuda a comprender la evolución de la relación ENSO-ISMR con el tiempo. La Figura 4b representa la correlación consecutiva de 30 años de la relación ENSO-ISMR para el período 1901 a 2018. La correlación entre ENSO e ISMR varía entre -0,4 y -0,7. Según el cambio en la relación ENOS-ISMR, todo el período comprendido entre 1901 y 2018 se divide en tres períodos; 1901–1940, 1941–1980 y 1981–2018. A partir de 1901, la correlación entre ENSO e ISMR comenzó a aumentar desde -0,41 hasta 1940. La relación ENSO-ISMR luego se estabilizó durante el período 1941 a 1980 con una correlación negativa muy fuerte entre los valores -0,6 a -0,7. Luego, después de 1980, la correlación comenzó a disminuir de un valor de coeficiente de -0,6 a -0,4, lo que indica que después de 1980, la relación ENSO-ISMR se está debilitando, lo que concuerda con Seetha et al.32. Estas épocas también coinciden con fases de PDO positiva, negativa y positiva respectivamente.

La Fig. 4c-e muestra el mapa espacial de la correlación entre las anomalías ISMR y las anomalías SST de la región Niño 3.4 (JJAS) para diferentes períodos. Esto muestra que la relación ENSO-ISMR no solo muestra variabilidad temporal sino que también tiene una fuerte variabilidad espacial. De 1901 a 1940, la relación fue prominente en el sur de la India, partes del oeste y el norte de la India. En el período intermedio de 1941 a 1980, la relación entre ENSO e ISMR fue fuerte en la mayor parte del país, como se ve en los altos valores de correlación negativa. Después de 1980, la relación entre ENSO e ISMR se debilita excepto en el sur y el norte de la India. La India central y los Ghats occidentales carecen de una interrelación negativa y también se puede observar una correlación positiva débil. Chakravorty et al.54 señalaron que en los últimos años, durante la fase de desarrollo de El Niño, la India central muestra una relación ISMR débil con El Niño, mientras que en el sur de la India se observa una fuerte correlación negativa. Al comparar la relación ENOS-ISMR para los tres períodos, se puede decir que para el sur de la India la relación es estable durante los tres períodos. Para el centro de la India, la relación ENSO-ISMR ha ido disminuyendo en el período reciente y para el norte de la India ha habido un aumento gradual en la relación desde 1901 hasta 2018.

Esta variabilidad en la relación ENSO-ISMR para diferentes regiones de la India se puede visualizar en el mapa espacial de correlación en ejecución. En la Fig. 4f, junto con la desviación estándar, se lleva a cabo una correlación consecutiva de 30 años entre la anomalía de precipitación mensual de JJAS en cada punto de la cuadrícula en la región de la India y la anomalía de Niño 3.4 SST durante JJAS de 1901 a 2018 para señalar claramente las regiones. de variabilidad. La desviación estándar de la correlación actual denota la variabilidad de la correlación a lo largo del tiempo. Identificamos las regiones donde la variabilidad en la correlación es grande y pequeña y, en consecuencia, se seleccionan tres cuadros (Fig. 4f). Estas tres casillas, correspondientes al norte (71˚E–84˚E, 27˚N–31˚N), central (72˚E–89 ˚E, 21˚N–26˚N) y sur de la India (73˚ E–81˚E, 13˚N–19˚N) representan una correlación moderada, muy variable y baja, respectivamente, con la serie temporal Niño 3.4. Observamos baja variabilidad en la relación ENSO-ISMR en el sur de la península. Se observa una variabilidad moderada en la región del norte de la India. La mayor variabilidad en la relación ENSO-ISMR se observa en la región central de la India.

Para explorar la relación ENSO-ISMR para tres regiones diferentes durante diferentes períodos de tiempo, se lleva a cabo un análisis de series de tiempo de la correlación actual para las tres regiones. La Figura 4g muestra la correlación consecutiva de 30 años entre la precipitación media en las regiones norte, central y sur y Niño 3.4 SST. En el sur de la India, la relación ENSO-ISMR es consistente durante el último siglo (1901-2018), como lo muestra la correlación casi constante en esta región (el valor de correlación varía entre -0,3 y -0,6). La relación entre ENOS y las precipitaciones en el norte de la India ha aumentado con el tiempo, como se ve en los valores de correlación que aumentaron de -0,4 a -0,7 durante el mismo período. La relación ENOS-ISMR muestra la mayor variabilidad en el centro de la India. De 1901 a 1940, la correlación entre las precipitaciones del centro de la India y el Niño 3,4 fue débil (aproximadamente -0,3 a -0,5). Durante el período de 1941 a 1980, se observó una fuerte correlación (aproximadamente -0,5 a -0,6). Nuevamente, durante el período reciente (1981 al presente), la correlación con Niño 3.4 TSM se ha vuelto débil (aproximadamente entre -0.1 y -0.3). Antes de 1980, la correlación varió de manera similar en las tres regiones con valores crecientes hasta 1980, lo que sugiere una fuerte relación ENSO-ISMR. Pero después de 1980, hay un cambio significativo en la relación ENSO-ISMR para el norte, centro y sur de la India, donde hay una correlación creciente, debilitada y estable, respectivamente. Para el norte de la India, la relación entre ENSO e ISMR se vuelve fuerte después de 1980, como se ve por un aumento en los valores de correlación. En el centro de la India, la relación ENSO-ISMR se ha ido debilitando en los últimos años. El sur de la India muestra una correlación negativa estable que oscila entre -0,3 y -0,6 durante todo el período, lo que indica que la relación ENSO-ISMR permanece casi constante en esta región durante todo el período de estudio.

La Fig. 5 muestra la correlación consecutiva de 30 años para las precipitaciones en cada una de las tres regiones de la India, con respecto a los dos factores impulsores, ENOS y la vaguada del monzón. -1*Niño 3.4 representa la condición de La Niña y, por lo tanto, muestra una correlación positiva con las precipitaciones del sur de la India, el centro de la India y el norte de la India. Para el sur de la India (Fig. 5a), la influencia de ambos factores es dominante, lo que significa que las precipitaciones en el sur de la India dependen de la variabilidad del ENOS, así como de la fuerza de la vaguada del monzón y la variabilidad relacionada en las depresiones del monzón. En la Fig. 5b, para la India central, la contribución de ENSO y las vaguadas y depresiones monzónicas aumentaron hasta 1980, y luego la contribución de ENSO comenzó a disminuir drásticamente. Sin embargo, la influencia de las vaguadas y las depresiones monzónicas siguió siendo fuerte. Por lo tanto, una disminución en el número de depresiones monzónicas24 puede afectar significativamente las precipitaciones en el centro de la India. (La influencia decreciente de ENOS y la influencia creciente de la intensidad de la vaguada monzónica y la variabilidad relacionada con la depresión en el centro de la India se pueden interpretar fácilmente comparando ambas series temporales de correlación en curso. Por lo tanto, Niño 3,4 se multiplica por -1). En marcado contraste con el centro de la India, la influencia de ENOS sobre las precipitaciones en el norte de la India está aumentando (Fig. 5c) y se ha vuelto más fuerte en el período reciente, mientras que el impacto de las vaguadas y depresiones monzónicas sobre las precipitaciones está disminuyendo en esta región. Esto puede deberse al alcance cada vez menor de la depresión monzónica en la región del norte de la India en las últimas décadas24,55. Mahendra et al.39 también encontraron una falta de homogeneidad espacial similar en la relación ENSO-ISMR para el norte, centro y sur de la India, pero han vinculado esta variabilidad espacial como una respuesta a la IOD y la extensión hacia el oeste de la circulación de bajo nivel desde el Pacífico Norte Occidental. Observaron una relación ENSO-ISMR estable y más fuerte en todas las épocas, tanto en el norte como en el sur de la India. Pero nuestro estudio muestra una relación creciente para el norte de la India, una relación estable para el sur de la India y una relación decreciente para el centro de la India. Atribuimos esta variación en la relación ENSO-ISMR para diferentes partes del país a la vaguada monzónica y a la variabilidad relacionada en las depresiones monzónicas. Dado que el PC2 también está significativamente relacionado con las fases de NAO distintas de la depresión y la depresión del monzón, también investigamos la relación cambiante entre NAO y ISMR (Figura complementaria S1). Este gráfico muestra que, al igual que la relación ENOS-ISMR, la relación NAO-ISMR es variable máxima (cambia) en el centro de la India, específicamente en el centro-este de la India. De manera similar a la Fig. 4g, la Fig. Suplementaria S1 (e) representa la evolución temporal de la relación NAO-ISMR en el norte, sur y centro de la India. Se descubrió que la relación NAO-ISMR era relativamente fuerte durante 1901-1940, 1981-2018 y tenía signo opuesto. La relación fue débil durante 1941-1980, cuando el predominio de ENSO era fuerte. La correlación NAO-ISMR para tres períodos 1901-1940, 1941-1980 y 1981-2018 indica que durante 1901-1940 y 1981-2018 están presentes estructuras dipolo norte-sur y este-oeste, respectivamente. Sin embargo, la relación NAO-ISMR fue débil durante la fase negativa de PDO durante 1941-1980. La variabilidad en la relación NAO-ISMR es máxima en la región central de la India, donde la variabilidad en la relación ENOS-ISMR también es máxima. La relación NAO-ISMR es fuerte en las fases positivas de PDO y débil en las fases negativas de PDO, a diferencia de la relación ENOS-ISMR. Es importante destacar que Goswami et al.56 también enfatizaron la importancia de la NAO en la previsibilidad de ISMR debido a la complejidad de la relación entre la TSM del Atlántico norte y la ISMR y el papel de la NAO en la ISMR puede vincularse a la influencia de las ondas de Rossby extratropicales en la ISMR.

Correlación de 30 años consecutivos de (a) lluvia de caja del sur de la India (b) lluvia de caja de la India central (c) lluvia de caja del norte de la India con Niño 3.4 SST (línea roja) y variabilidad relacionada con las vaguadas/depresiones monzónicas representada por PC2 (línea azul). Esta figura se creó utilizando el software Python 3.8.0 (https://www.python.org/downloads/release/python-380/).

La influencia de los dos principales impulsores de la precipitación en las tres regiones también es evidente en el espectro de potencia y el análisis de ondas. La periodicidad presente en la serie de tiempo y la escala de tiempo correspondiente se pueden identificar a partir del análisis del espectro de potencia y de las ondas, respectivamente (Fig. 6). Para PC2, el espectro de potencia muestra una periodicidad de 2 a 4 años y una variabilidad decenal (Fig. 6a). Del análisis wavelet se puede ver que esos 2 a 4 años de variabilidad se observan en el año 1960 y la variabilidad decenal se observa después de 1980 (Fig. 6b). El espectro de potencia de Niño 3.4 SST (Fig. 6c) indica una periodicidad de 2 a 7 años y la variabilidad decenal asociada con ENOS. El análisis de ondas de Niño 3.4 SST (Fig. 6d) muestra que la periodicidad de 2 a 7 años es más prominente después de 1960. La variabilidad decenal es más prominente para PC2 en comparación con la de Niño 3.4.

Espectro de potencia y wavelet de: ISMR PC2 (a) que muestra de 2 a 4 años y una variabilidad decenal, (b) 2 a 4 años de variabilidad presente en los años 1960 y variabilidad decenal después de los 1980, índice Niño 3,4 (c) que muestra de 2 a 7 años y una variabilidad decenal (d) 2 a 7 años de variabilidad observada en la década de 1980, precipitaciones JJAS en el sur de la India. Cuadro (e) que muestra de 2 a 7 años y una variabilidad decenal (f) 2 a 7 años de variabilidad observada en la década de 1980, India central. cuadro (g) que muestra de 2 a 4 años y una variabilidad decenal (h) 2 a 4 años de variabilidad presente en la década de 1960 y el norte de la India cuadro (i) que muestra sólo 2 a 7 años de variabilidad (j) 2 a 7 años de variabilidad observada en 1910-1940. Esta figura se creó utilizando el software Python 3.8.0 (https://www.python.org/downloads/release/python-380/).

Para identificar la frecuencia asociada con las series temporales de las regiones del norte, centro y sur de la India, se dibuja el espectro de potencia (Fig. 6a, c, e, g, i). El análisis de wavelets se lleva a cabo para identificar la escala de tiempo en la que están presentes estas frecuencias (Fig. 6b, d, f, h, j). Para el sur de la India, una periodicidad de 2 a 7 años (Fig. 6e) es prominente durante los años hasta 1920 y luego de 1980 a 2000 (Fig. 6f), que es similar a la del Niño 3.4 SST que muestra la relación con ENOS. Se observa una variabilidad de 2 a 7 años en el espectro de potencia tanto del Niño 3.4 como de las precipitaciones del sur de la India, que es prominente después de la década de 1960 (según el análisis de ondas de Niño 3.4 y las precipitaciones del sur de la India). Esto implica que las precipitaciones en el sur de la India están relacionadas con ENOS. También se observa una variabilidad decenal para el sur de la India, lo que indica una conexión con la variabilidad decenal representada en PC2. La India central muestra una señal de frecuencia de entre 2 y 4 años (Fig. 6g) de 1910 a 1920 y de 1960 a 1980 (Fig. 6h). El espectro de energía del centro de la India se parece al de PC2, lo que significa que las precipitaciones sobre el centro de la India dependen de PC2. Para el norte de la India, se pueden ver 8 años de periodicidad (Fig. 6i) durante los años 1910 a 1940 (Fig. 6j). Al compararlo con el espectro de potencia y el análisis de ondas de Niño 3.4 SST y PC2, se ve que las precipitaciones en el norte de la India dependen de Niño 3.4 SST y no de PC2 porque no exhibe variabilidad decenal. De este análisis se desprende claramente que las precipitaciones en el sur de la India muestran una relación tanto con ENOS como con las vaguadas y depresiones monzónicas, las precipitaciones en el centro de la India muestran una relación únicamente con las vaguadas y depresiones monzónicas y las precipitaciones en el norte de la India tienen su relación únicamente con ENSO. Por lo tanto, el análisis del espectro de potencia y las ondas confirman la influencia de los dos principales impulsores en el norte, centro y sur de la India que se muestran en la correlación actual.

El presente estudio reexamina los patrones de variabilidad espacial dominantes de ISMR y su evolución con el tiempo en diferentes partes del país, e investiga los impulsores de esta variabilidad. Aquí, investigamos cómo las influencias cambiantes de los impulsores de ISMR afectan su variabilidad, con un enfoque principal en la influencia cambiante de ENOS en ISMR. Hay dos patrones espaciales principales de ISMR que explican alrededor del 24% de la variabilidad interanual total. El primer modo (PC1) implica una reducción de las precipitaciones en todo el subcontinente indio, especialmente en las partes central y occidental de la India, lo que representa el 15,11% de la variabilidad total. El segundo modo (PC2) indica un patrón dipolar con precipitaciones reducidas en la llanura indogangética y un aumento de las precipitaciones en el sur de la India, lo que representa el 8,48% de la variabilidad total. El patrón PC1 de ISMR está significativamente influenciado por ENOS, IOD, PDO, IPO y la variación en la vaguada del monzón. Mientras que el patrón PC2 está significativamente asociado con NAO, IOB, PDO, IPO, MDF y la fuerza de la vaguada del monzón.

Es de destacar que existen dos grupos distintos de procesos climáticos, a saber, ENOS y IOD que influyen en los patrones de lluvia espaciales similares a PC1, y NAO e IOB que favorecen patrones de lluvia espaciales similares a PC2. Como se analizó anteriormente en otros estudios, el papel de la NAO en el ISMR puede vincularse a la influencia de las ondas de Rossby extratropicales en el ISMR (Goswami 2022). Curiosamente, PDO, IPO y la variación en la intensidad de la vaguada monzónica (MT) contribuyen a los patrones espaciales de lluvia tanto PC1 como PC2. Vishnu et al.13,24 han explorado la variación decenal de la frecuencia de la depresión monzónica y su asociación con la PDO. De manera similar, ambos modos principales de variabilidad del ISMR pueden verse afectados por la fuerza de la vaguada del monzón.

Además, examinamos los cambios en la relación ENOS-ISMR durante el último siglo y el papel de dos patrones de variabilidad espacial dominantes en el impulso de estos cambios. Como lo discutieron anteriormente Mahendra et al.39, también observamos una variabilidad espacio-temporal significativa en la relación ENSO-ISMR. La relación entre ENSO e ISMR no se ha mantenido constante durante el período de 1901 a 2018. Observamos que la relación inversa ENSO-ISMR comenzó a fortalecerse de 1901 a 1940, se estabilizó de 1941 a 1980 y luego la relación se debilitó en los últimos años. época (1981 en adelante). Estas épocas también coinciden con fases de PDO positiva, negativa y positiva respectivamente. Sin embargo, este cambio en la relación ENOS-ISMR no es espacialmente uniforme. Encontramos que en el sur de la India no hay una variación considerable en la relación ENSO-ISMR. Mientras que en el norte de la India la relación ENSO-ISMR se está fortaleciendo en las últimas décadas y ha mostrado una variación multidecenal significativa. Por el contrario, la asociación entre las precipitaciones del centro de la India y ENOS ha disminuido en las últimas décadas. Encontramos que el papel de la variabilidad relacionada con la depresión y las vaguadas monzónicas ha surgido como la causa principal de la variabilidad de las precipitaciones en el centro de la India, superando el papel de la variabilidad relacionada con ENSO. Anteriormente, demostramos que la NAO y la IOB están significativamente asociadas con la variabilidad relacionada con la depresión y la depresión monzónica. En base a esto, también encontramos una relación cada vez mayor entre NAO e ISMR en la región central de la India. En el caso de las precipitaciones en el sur de la India, la influencia del ENOS y la intensidad de las vaguadas monzónicas y la variabilidad relacionada con las depresiones monzónicas han sido constantes durante todo el período. En el norte de la India, la variabilidad de las precipitaciones depende cada vez más del ENSO, mientras que el papel de las vaguadas y depresiones monzónicas está disminuyendo. Esto puede deberse al alcance cada vez menor de la depresión monzónica en la región del norte de la India en las últimas décadas24,55. Nuestro estudio destaca la influencia cambiante de los impulsores de los monzones en diferentes partes del país. Sin embargo, el estudio actual no analiza los mecanismos específicos involucrados en la variabilidad cambiante del ISMR influenciada por patrones climáticos como la NAO, pero lo recomienda para futuras investigaciones.

En el presente estudio, utilizamos análisis de correlación para examinar la relación entre ENOS e ISMR, análisis EOF para identificar los principales impulsores de la variabilidad de ISMR, análisis de espectro de potencia para distinguir la frecuencia presente en las series de tiempo para las precipitaciones de diferentes regiones y análisis de ondas. identificar la escala temporal correspondiente en la que estas frecuencias están presentes en la serie temporal. Los datos de lluvia estandarizados en cada punto de la cuadrícula se utilizan para el análisis EOF en cada punto de la cuadrícula. La significación estadística del análisis aquí realizado se determina mediante la prueba t de Student. Se lleva a cabo un análisis biplot de Análisis de Componentes Principales (PCA) para identificar la influencia de diferentes fenómenos en los dos patrones de variabilidad principales de ISMR. Los conceptos de la técnica PCA biplot fueron explicados por Jollife y Cadima57. El biplot PCA representa tanto observaciones como variables en un plano bivariado bidimensional y denota la dirección de máxima variabilidad. En un biplot PCA, los vectores perpendiculares representan procesos independientes. La amplitud del vector representa la varianza del proceso. Los procesos que están próximos entre sí son estadísticamente similares. Las PC y todos los análisis se basan en la temporada de JJAS.

Los datos de precipitaciones se obtienen del Departamento Meteorológico de la India (IMD). Para el análisis se utilizan datos cuadriculados de lluvia mensuales y diarios con una resolución de 0,25˚ × 0,25˚58 para el análisis de 1901 a 2018 durante los meses de junio a septiembre, abarcando 118 años. Los datos de TSM utilizados son el conjunto de datos de hielo marino y temperatura de la superficie del mar del Centro Hadley (HadISST) obtenidos de los conjuntos de datos de observaciones del Centro Hadley de la Oficina Meteorológica con una resolución de 1˚ × 1˚59 para el mismo período. El reanálisis del siglo XX (V3) de NOAA-CIRES-DOE se utiliza para recuperar el conjunto de datos mensuales de velocidad horizontal y vertical, componente meridional del viento, componente zonal del viento y altura geopotencial. Este conjunto de datos tiene una resolución de 1˚ × 1˚. El índice Niño 3.4, el índice de modo dipolo (DMI) para IOD, el índice tripolar (TPI) que rastrea la variabilidad decenal de la TSM asociada con IPO y los índices de PDO, NAO y la oscilación cuasi bienal (QBO) se obtienen del Servicio Meteorológico Mundial. Archivo de índices climáticos de la Organización Mundial de la Salud (OMM) y la Administración Nacional Oceánica y Atmosférica (NOAA). Los datos de frecuencia de depresión se obtienen del archivo de datos del IMD. Derivamos el índice de modo de la Cuenca del Océano Índico (IOB) a partir de la primera Función Ortogonal Empírica (EOF) de las TSM en el Océano Índico (40˚E–80˚E, 20˚S–40˚N) y representa el primer modo de variabilidad interanual en el Océano Índico tropical60. El modo IOB se caracteriza por un calentamiento o enfriamiento en toda la cuenca y puede influir en el clima de las regiones circundantes61. El índice IOB alcanza su punto máximo durante los años posteriores a ENSO. El índice Niño 3.4 se define como el área promedio de anomalías de TSM en la región Niño 3.4 (5˚S–5˚N, 170˚W–120˚W). El DMI mide la fuerza del IOD representada por la diferencia anómala de TSM entre el Océano Índico ecuatorial occidental (50˚E–70˚E y 10˚S–10˚N) y el Océano Índico ecuatorial sureste (90˚E–110 ˚E y 10˚S–0˚N). El índice TPI se deriva de las diferencias de anomalías de TSM entre el Pacífico ecuatorial central (170˚E–90˚W y 10˚S–10˚N) y el noroeste (140˚E–145˚W y 25˚N–45˚ N) y el suroeste del Pacífico (140˚E–145˚W y 25˚N–45˚N). El índice PDO se define como el principal componente principal de la variabilidad mensual de la temperatura de la superficie del mar en el Pacífico Norte hacia el polo de 20˚N. El índice NAO consiste en un dipolo norte-sur en anomalías de presión atmosférica, con un centro ubicado sobre Groenlandia y el otro centro de signo opuesto que abarca las latitudes centrales del Atlántico Norte entre 35˚N y 40˚N. El índice se basa en un análisis de componentes principales rotados de anomalías de altura estandarizadas mensuales de 500 mb en el Atlántico Norte hacia el polo de 20˚N. El índice QBO a partir de 1948 se basa en el viento u promedio zonal (5˚N – 5˚S) a un nivel de presión de 30 hPa. Antes de 1948, el índice QBO se tomaba de la base de datos de la Universidad Libre de Berlín (FUB). Todos estos índices están promediados para la temporada JJAS. La definición de varios índices se resume en la Tabla 1.

Utilizamos datos de lluvia cuadriculados diarios y mensuales para estudiar la variabilidad de las precipitaciones58. El conjunto de datos sobre hielo marino y temperatura de la superficie del mar del Centro Hadley (HadISST) se obtiene del Met Office Hadley Centre59 y está disponible en https://www.metoffice.gov.uk/hadobs/hadisst/data/download.html. Los datos mensuales de velocidad vertical, componente meridional del viento, componente zonal del viento y altura geopotencial se obtienen del reanálisis del siglo XX (V3) de NOAA-CIRES-DOE disponible en https://psl.noaa.gov/data/gridded/data.20thC_ReanV3.html . Varios índices climáticos como el índice Niño 3.4, el índice de modo dipolo (DMI), el índice tripolar (TPI), los índices de oscilación decenal del Pacífico (PDO), oscilación del Atlántico norte (NAO) y oscilación cuasi bienal (QBO) se obtienen de el archivo de índices climáticos de la Organización Meteorológica Mundial (OMM) y la Administración Nacional Oceánica y Atmosférica (NOAA) disponible en https://psl.noaa.gov/data/climateindices/list/. Los datos sobre la frecuencia de la depresión están disponibles en el cyclone e-atlas en el sitio del IMD http://14.139.191.203/.

Los códigos utilizados en el análisis actual están disponibles en https://github.com/paninidasgupta/ENSO-Monsoon-Relation/tree/main.

Roxy MK y Chaithra S. Impactos del cambio climático en el monzón de verano de la India. Ministerio de Medio Ambiente, Bosques y Cambio Climático (MoEF&CC), Gobierno de la India. (2018).

Xavier, PK, Marzin, C. & Goswami, BN Una definición objetiva de la temporada de monzones de verano de la India y una nueva perspectiva sobre la relación ENSO-monzón. Meteorol QJR. Soc. 133, 749–764 (2007).

ADS del artículo Google Scholar

Singh, B., Cash, B. y Kinter, JL III. Pronósticos de la variabilidad del monzón del verano indio en el conjunto multimodelo de América del Norte. Subir. Din. 53, 7321–7334 (2019).

Artículo PubMed Google Scholar

Rajeevan, M. & Pai, DS Sobre las relaciones predictivas entre El Niño y el monzón indio. Geofís. Res. Letón. 34, (2007).

Saha, A. & Ghosh, S. ¿Se puede atribuir el debilitamiento del monzón indio a aerosoles antropogénicos? Reinar. Res. Comunitario. 1, 061006 (2019).

Artículo de Google Scholar

Hrudya, PH, Varikoden, H. & Vishnu, R. Una revisión sobre las precipitaciones del monzón de verano de la India, su variabilidad y su asociación con ENSO y IOD. Meteorol. Atmos. Física. 133, 1. https://doi.org/10.1007/s00703-020-00734-5 (2021).

ADS del artículo Google Scholar

Ashok, K. & Saji, NH Sobre los impactos de ENOS y los eventos dipolos del océano Índico en las precipitaciones subregionales del monzón de verano de la India. Nat. Peligros 42, 273–285 (2007).

Artículo de Google Scholar

Saji, NH, Goswami, BN, Vinayachandran, PN y Yamagata, T. Un modo dipolo en el océano Índico tropical. Naturaleza 401, 360–363 (1999).

Artículo ADS CAS PubMed Google Scholar

Webster, PJ, Moore, AM, Loschnigg, JP y Leben, RR Dinámica acoplada océano-atmósfera en el océano Índico durante 1997–98. Naturaleza 401, 356–360 (1999).

Artículo ADS CAS PubMed Google Scholar

Goswami, BN, Madhusoodanan, MS, Neema, CP y Sengupta, D. Un mecanismo físico para la influencia de la TSM del Atlántico norte en el monzón de verano de la India. Geofís. Res. Letón. 33, (2006).

Chen, W., Dong, B. & Lu, R. Impacto del Océano Atlántico en la fluctuación multidecenal de la relación El Niño-Oscilación del Sur-monzón del sur de Asia en un modelo de circulación general acoplado. J. Geophys. Res. Atmos. 115, (2010).

Krishnan, R. & Sugi, M. Oscilación decenal del Pacífico y variabilidad de las precipitaciones monzónicas de verano de la India. ClimDyn 21, 233–242 (2003).

Artículo de Google Scholar

Vishnu, S., Francis, PA, Shenoi, SC y Ramakrishna, SSVS Sobre la relación entre la Oscilación Decenal del Pacífico y las depresiones monzónicas sobre la Bahía de Bengala. Atmos. Ciencia. Letón. 19, e825 (2018).

ADS del artículo Google Scholar

Sabeerali, CT, Ajayamohan, RS, Bangalath, HK y Chen, modo zonal del Atlántico norte: una fuente emergente de variabilidad del monzón de verano indio en un mundo en calentamiento. Geofís. Res. Letón. 46, 4460–4467 (2019).

ADS del artículo Google Scholar

Pandey, V., Misra, AK & Yadav, SB Impacto de El-Niño y La-Niña en el clima y la producción agrícola de la India. en Cambio climático y agricultura en la India: impacto y adaptación 11–20 (Springer International Publishing, 2018). doi: https://doi.org/10.1007/978-3-319-90086-5_2.

Roy, I., Tedeschi, RG y Collins, M. Teleconexiones ENOS al monzón de verano indio en condiciones de cambio climático. En t. J. Climatol. 39, 3031–3042 (2019).

Artículo de Google Scholar

Ummenhofer, CC, Gupta, AS, Li, Y., Taschetto, AS & England, MH Modulación multidecenal de la relación El Niño-monzón indio por la variabilidad del Océano Índico. Reinar. Res. Letón. 6, 034006 (2011).

ADS del artículo Google Scholar

Chowdary, JS y cols. Variabilidad de las precipitaciones del monzón de verano indio en respuesta a diferencias en la fase de decadencia de El Niño. Subir. Din. 48, 2707–2727 (2017).

Artículo de Google Scholar

Sinha, A., Berkelhammer, M., Stott, L., Mudelsee, M., Cheng, H. y Biswas, J. El modo principal de variabilidad de las precipitaciones monzónicas de verano en la India durante el último milenio. Geofís. Res. Letón. 38, (2011).

Gusain, A., Ghosh, S. y Karmakar, S. Valor agregado de los modelos CMIP6 sobre CMIP5 en la simulación de las lluvias monzónicas de verano en la India. Atmos. Res. 232, 104680 (2020).

Artículo de Google Scholar

Kulkarni, A. Debilitamiento de las lluvias monzónicas del verano indio en un ambiente cada vez más cálido. Teor. Aplica. Climatol. 109, 447–459 (2012).

ADS del artículo Google Scholar

Mishra, V., Smoliak, BV, Lettenmaier, DP y Wallace, JM Un patrón prominente de variabilidad año tras año en las precipitaciones del monzón de verano en la India. Proc. Nacional. Acad. Ciencia. Estados Unidos 109, 7213–7217 (2012).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Roxy, MK, Ritika, K., Terray, P., Murtugudde, R., Ashok, K. y Goswami, BN Secado del subcontinente indio por el rápido calentamiento del océano Índico y un debilitamiento del gradiente térmico tierra-mar. Nat. Comunitario. 6, (2015).

Vishnu, S., Francis, PA, Shenoi, SSC y Ramakrishna, SSVS Sobre la tendencia decreciente del número de depresiones monzónicas en la Bahía de Bengala. Reinar. Res. Letón. 11, 014001 (2016).

ADS del artículo Google Scholar

Wang, YV y cols. El aumento de la temperatura de la superficie del mar en el océano Índico durante el último interglaciar debilitó el monzón del sur de Asia. Proc. Nat. Acad. Ciencia. 119(10), e2107720119. https://doi.org/10.1073/pnas.2107720119 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Ayantika, DC y cols. Comprender los efectos combinados del calentamiento global y el forzamiento antropogénico de los aerosoles sobre el monzón del sur de Asia. Subir. Din. 56, 1643–1662 (2021).

Artículo de Google Scholar

Kumar, PV, Naidu, CV y Prasanna, K. Reciente debilitamiento sin precedentes del monzón de verano indio en un ambiente cada vez más cálido. Teor. Aplica. Climatol. 140, 467–486 (2020).

ADS del artículo Google Scholar

Chowdary, JS y cols. Variaciones interdecenales en la teleconexión de ENSO con el Pacífico Indo-Occidental para 1870-2007. J. Clim. 25, 1722-1744 (2012).

ADS del artículo Google Scholar

Ashok, K., Guan, Z. & Yamagata, T. Impacto del dipolo del Océano Índico en la relación entre las precipitaciones del monzón indio y ENSO. Geofís. Res. Letón. 28, 4499–4502 (2001).

ADS del artículo Google Scholar

Chang, CP, Harr, P. & Ju, J. Posibles funciones de las circulaciones del Atlántico en el debilitamiento de la relación entre las lluvias monzónicas de la India y ENSO. J. Clim. 14, 2376–2380 (2001).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0442%282001%29014%3C2376%3APROACO%3E2.0.CO%3B2" aria-label="Article reference 30" data-doi="10.1175/1520-0442(2001)0142.0.CO;2">ADS del artículo Google Scholar

Pai, DS Un posible mecanismo para el debilitamiento de la relación El Niño-monzón durante la última década. Meteorol. Atmos. Física. 86, 143-157 (2004).

ADS del artículo Google Scholar

Seetha, CJ, Varikoden, H., Babu, CA y Kuttippurath, J. Cambios significativos en la relación ENSO-monzón y características de circulación asociadas en una escala de tiempo multidecenal. Subir. Din. 54, 1491-1506 (2020).

Artículo de Google Scholar

Srivastava, G., Chakraborty, A. y Nanjundiah, RS Variaciones multidecadales en la relación ENSO-monzón de verano de la India en escalas de tiempo subestacionales. Teor. Aplica. Climatol. 140, 1299-1314 (2020).

ADS del artículo Google Scholar

Yang, X. & Huang, P. Relación restaurada entre ENOS y las precipitaciones del monzón de verano de la India alrededor de 1999/2000. La Innovación 2, 100102 (2021).

Artículo PubMed PubMed Central Google Scholar

Kumar, KK, Rajagopalan, B. & Cane, MA Sobre la relación debilitada entre el monzón indio y ENSO. Ciencia 1979(284), 2156–2159 (1999).

Artículo de Google Scholar

Chang, CP, Harr, P. y Ju, J. Posibles funciones de las circulaciones atlánticas en la relación cada vez más debilitada entre las lluvias monzónicas indias y ENSO. http://journals.ametsoc.org/jcli/article-pdf/14/11/2376/3768782/1520-0442 (2000).

Ashrit, RG, Kumar, KR & Kumar, KK Relaciones ENSO-monzón en un escenario de calentamiento por efecto invernadero. Geofís. Res. Letón. 28, 1727-1730 (2001).

ADS del artículo Google Scholar

Feba, F., Ashok, K. y Ravichandran, M. Papel del cambio en la circulación atmosférica del Indo-Pacífico en la reciente desconexión entre el monzón de verano de la India y ENSO. Subir. Din. 52, 1461-1470 (2019).

Artículo de Google Scholar

Mahendra, N. y col. Modulación interdecadal de las teleconexiones interanuales de lluvia del monzón de verano de la India ENOS en observaciones y modelos CMIP6: patrones regionales. En t. J. Climatol. 41, 2528–2552 (2021).

Artículo de Google Scholar

Darshana, P., Chowdary, JS, Gnanaseelan, C., Parekh, A. y Srinivas, G. Modulación interdecadal del modo condensador del océano Pacífico indo-occidental y su influencia en las precipitaciones monzónicas de verano de la India. Subir. Din. 54, 1761-1777 (2020).

Artículo de Google Scholar

Behera, SK & Ratnam, JV Respuesta cuasi asimétrica de las lluvias del monzón de verano indio a fases opuestas del IOD. Ciencia. Rep. 8, (2018).

Hrudya, PH, Varikoden, H., Vishnu, R. & Kuttippurath, J. Cambios en las relaciones ENSO-monzón desde principios hasta las últimas décadas durante las fases de inicio, pico y retirada del monzón de verano indio. Subir. Din. 55, 1457-1471 (2020).

Artículo de Google Scholar

Yang, J., Liu, Q., Xie, S., Liu, Z. y Wu, L. Impacto del modo de la cuenca SST del océano Índico en el monzón de verano asiático. Geofís. Res. Letón. 34, (2007).

Krishnamurthy, L. & Krishnamurthy, V. Influencia de la DOP en el monzón de verano del sur de Asia y la relación monzón-ENSO. Subir. Din. 42, 2397–2410 (2014).

Artículo de Google Scholar

Bhatla, R., Sharma, S., Verma, S. y Gyawali, B. Impacto de la oscilación decenal del Pacífico en relación con QBO en las precipitaciones monzónicas de verano en la India. Árabe. J. Geosci. 13, 1–9 (2020).

Artículo de Google Scholar

Joshi, MK y Kucharski, F. Impacto de la oscilación interdecenal del Pacífico en las lluvias monzónicas de verano en la India: una evaluación de los modelos climáticos CMIP5. Subir. Din. 48, 2375–2391 (2017).

Artículo de Google Scholar

Bhatla, R. y col. Influencia de la oscilación del Atlántico norte en las precipitaciones monzónicas del verano indio en relación con la oscilación cuasi-bineal. Pura aplicación. Geofís. 173, 2959–2970 (2016).

ADS del artículo Google Scholar

Kakade, SB & Dugam, SS El efecto simultáneo de NAO y SO sobre la actividad monzónica en la India. Geofís. Res. Letón. 27, 3501–3504 (2000).

ADS del artículo Google Scholar

Pandey, P., Dwivedi, S. y Goswami, BN Tendencia y variabilidad en la relación a largo plazo entre la capa de nieve euroasiática y las lluvias monzónicas de verano en la India. En t. J. Climatol. 42, 7751–7765 (2022).

Artículo de Google Scholar

Yadav, RK, Srinivas, G. & Chowdary, JS Modulación del Niño Atlántico del monzón de verano indio a través del chorro asiático. Clima del NPJ. Atmos. Ciencia. 1, (2018).

Li, S., Perlwitz, J., Quan, X. y Hoerling, MP Modelado de la influencia del calor multidecenal del Atlántico norte en las precipitaciones del verano indio. Geofís. Res. Letón. 35, (2008).

Sandeep, N. y col. Sobre el debilitamiento de la asociación entre el monzón del sur de Asia y la oscilación multidecenal del Atlántico. Clim Dyn 59, 2531–2547 (2022).

Artículo de Google Scholar

Chowdary, JS, Xie, SP y Nanjundiah, RS Impulsores de la variabilidad climática del monzón de verano en la India. en Variabilidad del monzón de verano de la India 1–28 (Elsevier, 2021).

Chakravorty, S., Gnanaseelan, C. y Pillai, PA Influencia combinada del forzamiento remoto y local de la TSM sobre la variabilidad de las precipitaciones monzónicas de verano en la India. Subir. Din. 47, 2817–2831 (2016).

Artículo de Google Scholar

You, Y. & Ting, M. Observaron tendencias en los sistemas de baja presión monzónica del sur de Asia y precipitaciones extremas desde finales de la década de 1970. Geofís. Res. Letón. 48, e2021GL092378 (2021).

ADS del artículo Google Scholar

Goswami, BN, Chakraborty, D., Rajesh, PV y Mitra, A. Previsibilidad de las lluvias monzónicas del sur de Asia más allá del legado del programa de atmósfera global de océanos tropicales (TOGA). NPJ. Subir. Atmos. Ciencia. 5, 58 (2022).

Artículo de Google Scholar

Jollife, IT & Cadima, J. Análisis de componentes principales: una revisión y desarrollos recientes. Filos. Trans. R. Soc. Una Matemática. Física. Ing. Ciencia. https://doi.org/10.1098/rsta.2015.0202 (2016).

Artículo MATEMÁTICAS Google Scholar

Pai, DS, Sridhar, L., Badwaik, MR y Rajeevan, M. Análisis de los eventos de lluvia diarios en la India utilizando un nuevo conjunto de datos de lluvia en cuadrícula de alta resolución (0,25 ° × 0,25 °) de período largo (1901-2010). Subir. Din. 45, 755–776 (2015).

Artículo de Google Scholar

Rayner, NAA, Parker, DE, Horton, EB, Folland, CK, Alexander, LV, Rowell, DP, Kent, EC y Kaplan, A. Análisis globales de la temperatura de la superficie del mar, el hielo marino y la temperatura del aire marino nocturno desde finales Siglo xix. J. Geophys. Res. Atmos. 108, (2003).

Yang, J., Liu, Q., Xie, SP, Liu, Z. y Wu, L. Impacto del modo de la cuenca SST del océano Índico en el monzón de verano asiático. Geofís. Res. Letón. 34, (2007).

Guo, F., Liu, Q., Yang, J. y Fan, L. Tres tipos de modos de la cuenca del océano Índico. Subir. Din. 51, 4357–4370 (2018).

Artículo de Google Scholar

Descargar referencias

El primer autor agradece a IISER Mohali por el apoyo. El primer autor agradece las interesantes sugerencias del Dr. MR Ramesh Kumar, científico jefe (retirado) del Instituto Nacional de Oceanografía de Goa para una versión inicial del estudio, y el apoyo del Dr. PO Nameer, decano de la Facultad de Cambio Climático. y Ciencias Ambientales (CCES) y a la Dra. M. Rajeevan, exsecretaria del Ministerio de Ciencias de la Tierra (MoES), por su visita al Instituto Indio de Meteorología Tropical (IITM). Los autores reconocen y aprecian a los revisores anónimos por sus comentarios constructivos, que ayudaron a mejorar la calidad del trabajo.

Centro de Investigación sobre el Cambio Climático, Instituto Indio de Meteorología Tropical, Ministerio de Ciencias de la Tierra, Pune, India

KS Athira, MK Roxy, Panini Dasgupta, JS Saranya y Vineet Kumar Singh

Departamento de Ciencias de la Tierra y del Medio Ambiente, Instituto Indio de Educación e Investigación Científica Mohali, Punjab, India

KS Athira y Raju Attada

Facultad de Cambio Climático y Ciencias Ambientales, Universidad Agrícola de Kerala, Thrissur, India

KS Athira y JS Saranya

Departamento de Meteorología y Oceanografía, Facultad de Ciencia y Tecnología, Universidad de Andhra, Visakhapatnam, India

Panini Dasgupta

Universidad Nacional de Seúl, Seúl, Corea del Sur

Panini Dasgupta & JS Saranya

Departamento de Ciencias Atmosféricas y Espaciales, Universidad Savitribai Phule Pune, Pune, India

Vineet Kumar Singh

Centro de Investigación de Tifones, Universidad Nacional de Jeju, Jeju, Corea del Sur

Vineet Kumar Singh

También puedes buscar este autor en PubMed Google Scholar.

MKR contribuyó al concepto y diseño del estudio. AKS, PD y SJS llevaron a cabo el análisis. AKS escribió el artículo. La revisión y edición estuvo a cargo de MKR, VKS y RA. Todos los autores leyeron y aprobaron el manuscrito final.

Correspondencia a KS Athira.

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 al autor(es) original(es) 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

Athira, KS, Roxy, MK, Dasgupta, P. et al. Variabilidad regional y temporal de las precipitaciones del monzón de verano indio en relación con la oscilación sur de El Niño. Informe científico 13, 12643 (2023). https://doi.org/10.1038/s41598-023-38730-5

Descargar cita

Recibido: 07 de diciembre de 2022

Aceptado: 13 de julio de 2023

Publicado: 04 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-38730-5

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.