Climatología de los ciclones tropicales que tocaron tierra en Cuba entre 1980 y 2019

La información de los CTs fue extraída de la base de datos HURDAT2 (Atlantic hurricane database) (Landsea & Franklin, 2013Landsea, C. W. & Franklin, J. L. 2013. “Atlantic Hurricane Database Uncertainty and Presentation of a New Database Format”. Monthly Weather Review, 141(10): 3576-3592, ISSN: 1520-0493, DOI: 10.1175/MWR-D-12-00254.1 ) del Centro Nacional de Huracanes de los Estados Unidos (NHC, por sus siglas en inglés). Este registro histórico de la actividad ciclónica contiene la información cada 6 horas de la posición, la intensidad, el tamaño de la tormenta y los eventos de “landfalling” de todos los ciclones tropicales y subtropicales formados en la cuenca del NATL. Varios autores (Landsea et al., 2006Landsea, C. W. Harper, B. A.; Hoarau, K.; & Knaff, J. A. 2006. “Can We Detect Trends in Extreme Tropical Cyclones?” Science, 313(5786), 452-454, ISSN: 1095-9203, DOI:10.1126/science.1128448 ; Vecchi & Knutson, 2011Vecchi, G. A. & Knutson, T. R. 2011. “Estimating Annual Numbers of Atlantic Hurricanes Missing from the HURDAT Database (1878-1965) Using Ship Track Density”. Journal of Climate, 24(6): 1736-1746, ISSN: 1520-0442, DOI: 10.1175/2010JCLI3810.1 ; Kossin et al., 2013Kossin, J. P.; Olander, T. L. & Knapp, K. R. 2013. “Trend Analysis with a New Global Record of Tropical Cyclone Intensity”. Journal of Climate, 26(24): 9960-9976, ISSN: 1520-0442, DOI: 10.1175/JCLI-D-13-00262.1 ; Bhatia et al., 2019Bhatia, K. T.; Vecchi, G. A.; Knutson, T. R.; Murakami, H.; Kossin, J.; Dixon; K. W. & Whitlock, C. E. 2019. “Recent increases in tropical cyclone intensification rates”. Nature Communications, 10(1): 635, ISSN: 2041-1723, DOI: 10.1038/s41467-019-08471-z ) han planteado que los registros históricos de la actividad ciclónica pueden tener tendencias inciertas antes del inicio de la era de los satélites meteorológicos a mediados de la década de 1970, debido a la incertidumbre de los métodos de observación. Por lo tanto, se ha enfocado el presente estudio en el periodo 1980-2019, donde los registros de los CTs tienen calidad para análisis climáticos (Bhatia et al., 2019Bhatia, K. T.; Vecchi, G. A.; Knutson, T. R.; Murakami, H.; Kossin, J.; Dixon; K. W. & Whitlock, C. E. 2019. “Recent increases in tropical cyclone intensification rates”. Nature Communications, 10(1): 635, ISSN: 2041-1723, DOI: 10.1038/s41467-019-08471-z ).

Además, para obtener una visión completa de la frecuencia de los eventos de “landfalling” de CTs en el territorio cubano, en esta investigación se emplearon los promedios mensuales de junio a noviembre de la presión atmosférica media a nivel del mar (MSLP, por sus siglas en inglés), obtenidos de los campos de reanálisis del Centro Nacional de Predicción Ambiental-Centro Nacional de Investigación Atmosférica (NCEP-NCAR, por sus siglas en inglés) de los Estados Unidos, con una resolución horizontal de 2.5º de latitud por 2.5º de longitud (Kalnay et al., 1996Kalnay, E.; Kanamitsu, M.; Kistler, R.; Collins, W.; Deaven, D.; Gandin, L.; Iredell, M.; Saha, S.; White, G.; Woollen, J.; Zhu, Y.; Chelliah, M.; Ebisuzaki, W.; Higgins, W.; Janowiak, J.; Mo, K. C.; Ropelewski, C.; Wang, J.; Leetmaa, A.; Reynolds, R.; Jenne, R. & Joseph, D. 1996. “The NCEP/NCAR 40-Year Reanalysis Project”. Bulletin of the American Meteorological Society, 77(3): 437-472, ISSN: 1520-0477, DOI: 10.1175/1520-0477(1996)077<0437:TNYRP>2.0.CO;2 ).

Los índices de los modos de variabilidad climática utilizados en esta investigación se extrajeron del Laboratorio de Ciencias Físicas (PSL, por sus siglas en inglés), perteneciente a la Administración Nacional para el Océano y la Atmósfera (NOAA, por sus siglas en inglés) de los Estados Unidos. La NAO consiste en un dipolo norte-sur de anomalías de MSLP, con un centro ubicado sobre Groenlandia y el otro centro de signo opuesto cubre las latitudes centrales de océano NATL entre 35ºN y 40ºN. El índice NAO se define como la diferencia de presión normalizada entre las Azores e Islandia (Hurrell, 1995Hurrell, J. W. 1995. “Decadal trends in the north atlantic oscillation: Regional temperatures and precipitation”. Science, 269(5224): 676-679, ISSN: 1095-9203, DOI: 10.1126/science.269.5224.676 ; Jones et al., 1997Jones, P. D.; Jonsson, T. & Wheeler, D. 1997. “Extension to the North Atlantic oscillation using early instrumental pressure observations from Gibraltar and south-west Iceland”. International Journal of Climatology, 17(13): 1433-1450, ISSN: 1097-0088 , DOI: https://doi.org/10.1002/(SICI)1097-0088(19971115)17:13<1433::AID-JOC203>3.0.CO;2-P ). Por su parte, la AMO se calcula como la TSM promedio ponderada por el área sobre el NATL, básicamente entre 0 y 70ºN (Enfield et al., 2001Enfield, D. B.; Mestas-Nuñez, A. M. & Trimble, P. J. 2001. “The Atlantic Multidecadal Oscillation and its relation to rainfall and river flows in the continental U.S”. Geophysical Research Letters, 28(10): 2077-2080, ISSN: 1944-8007, DOI:10.1029/2000GL012745 ). Por otro lado, la AMM se calcula aplicando el Análisis de Covarianza Máxima a la TSM y a las componentes zonal y meridional del campo de viento a 10 m (Chiang & Vimont, 2004Chiang, J. C. H. & Vimont, D. J. 2004. “Analogous Pacific and Atlantic Meridional Modes of Tropical Atmosphere-Ocean Variability”. Journal of Climate, 17(21): 4143-4158, ISSN: 0894-8755, DOI: 10.1175/JCLI4953.1 ). De igual forma, el índice ENOS bivariado (Smith & Sardeshmukh, 2000Smith, C. A. & Sardeshmukh, P. D. 2000. “The effect of ENSO on the intraseasonal variance of surface temperatures in winter”. International Journal of Climatology, 20(13): 1543-1557, ISSN: 1097-0088, DOI: https://doi.org/10.1002/1097-0088(20001115)20:13<1543::AID-JOC579>3.0.CO;2-A ) se utilizó para representar las condiciones ENOS combinando el tradicional Niño 3.4 TSM y el Índice de la Oscilación del Sur.

En este estudio se seguió una metodología similar a la empleada en investigaciones previas (Pérez-Alarcón et al., 2021Pérez-Alarcón, A.; Fernández-Alvarez, J. C.; Sorí, R.; Nieto, R. & Gimeno, L. 2021. “The Combined Effects of SST and the North Atlantic Subtropical High-Pressure System on the Atlantic Basin Tropical Cyclone Interannual Variability”. Atmosphere, 12(3): 329, ISSN: 2073-4433, DOI: 10.3390/atmos12030329 ). Primero se determinaron todos los CTs que hicieron “landfalling” en algún punto de la costa del archipiélago cubano durante el periodo de estudio. Posteriormente, se separaron objetivamente los eventos de “landfalling” identificados en clústers aplicando la técnica K-means (MacQueen, 1967MacQueen, J. 1967. “Others some methods for classification and analysis of multivariate observations”. In: Le-Cam, L.; & Neyman, J (ed), The Fifth Berkeley Symposium on Mathematical Statistics and Probability, vol. 1, No 14, Berkely and Los Angeles: University of California Press, pp. 281-297.; Elsner, 2003Elsner, J. B. 2003. “Tracking Hurricanes”. Bulletin of the American Meteorological Society, 84(3): 353-356, ISSN: 1520-0477, DOI: 10.1175/BAMS-84-3-353 ), para caracterizar las regiones donde frecuentemente los CTs hacen “landfalling” en Cuba. El método de K-means es un método de partición sencillo y ampliamente utilizado que busca asignar cada punto a uno de los K grupos de manera que se minimice la varianza total entre los grupos.

Por otro lado, para determinar el centro del NASH en la región comprendida entre los 15ºN-60ºN y los 60ºW-0º, se utilizó la técnica del vecino más cercano (Murray & Simmonds, 1991Murray, R. & Simmonds, I. 1991. “A numerical scheme for tracking cyclone centres from digital data”. Australian Meteorological Magazine, 30(2): 155-166, ISSN:0004-9743.), que compara cada punto de rejilla con los que lo rodean para encontrar el punto que tiene mayor valor de presión que sus vecinos. Cada punto de malla se comparó con sus 24 puntos vecinos. Este algoritmo ha sido previamente aplicado para determinar el centro de circulación de anticiclones subtropicales (Reboita et al., 2019Reboita, M. S.; Ambrizzi, T.; Silva, B. A.; Pinheiro, R. F.; & da Rocha, R. P. 2019. “The South Atlantic Subtropical Anticyclone: Present and Future Climate”. Frontiers in Earth Science, 7: 8, ISSN: 22966463, DOI: 10.3389/feart.2019.00008 ; Pérez-Alarcón et al., 2021Pérez-Alarcón, A.; Fernández-Alvarez, J. C.; Sorí, R.; Nieto, R. & Gimeno, L. 2021. “The Combined Effects of SST and the North Atlantic Subtropical High-Pressure System on the Atlantic Basin Tropical Cyclone Interannual Variability”. Atmosphere, 12(3): 329, ISSN: 2073-4433, DOI: 10.3390/atmos12030329 )

Además, se determinó la densidad de probabilidad de las trayectorias de los CTs que frecuentemente tocan tierra en territorio cubano y la intensidad con la que lo hacen, a partir de la función de densidad de probabilidad (Rosenblatt, 1956Rosenblatt, M. 1956. “Remarks on Some Nonparametric Estimates of a Density Function”. The Annals of Mathematical Statistics, 27(3): 832-837, ISSN: 0003-4851, DOI:10.1214/aoms/1177728190 ; Parzen, 1962Parzen, E. 1962. “On Estimation of a Probability Density Function and Mode”. The Annals of Mathematical Statistics, 33(3): 1065-1076, ISSN: 0003-4851, DOI:10.1214/aoms/1177704472 ), la cual se define como:

donde n es el número de observaciones, 𝑥 𝑖 representa el conjunto de puntos, K x,t es no negativo y está acotado para todo x y t 0≤K x,t <∞ . Además, para todo x real:

lo que asegura la normalización requerida para la estimación de la densidad del kernel (KDE, por sus siglas en inglés). En las aplicaciones prácticas más comunes, la KDE utiliza una función del núcleo simétrica, definida como:

donde ℎ es el parámetro de suavizado. En este estudio empleamos el kernel simétrico de Gauss (ecuación 4}), el cual es ampliamente utilizado (Wahiduzzaman & Yeasmin, 2020Wahiduzzaman, M. & Yeasmin, A. 2020. “A kernel density estimation approach of North Indian Ocean tropical cyclone formation and the association with convective available potential energy and equivalent potential temperature”. Meteorology and Atmospheric Physics, 132(3): 603-612, ISSN: 1436-5065, DOI: 10.1007/s00703-019-00711-7 ).

Finalmente, se calculó el número de eventos de “landfalling” en cada clúster para cada fase (positiva y negativa) de los modos de variabilidad climática empleados. Para determinar la significancia estadística de la correlación de Pearson se aplicó la prueba t-test (Kim, 2015Kim, T. K. 2015. “T test as a parametric statistic”. Korean J Anesthesiol, 68(6): 540-546. ISSN: 2005-7563, DOI: 10.4097/kjae.2015.68.6.540 ), considerando dos grados de libertad.

La aplicación de la técnica de análisis de clúster revela dos regiones predominantes sobre el archipiélago cubano donde los CTs frecuentemente tocan tierra, como se muestra en la Figura 1a. La primera región está localizada en la mitad occidental de Cuba rojo) con el 59.2 % de la frecuencia de eventos de “landfalling” mientras que la mitad oriental ( 𝐿 2 , azul) exhibe el 40.8 %. A partir de aquí se hace referencia indistintamente a 𝐿 1 y 𝐿 2 como región occidental y región oriental, respectivamente. En ambas regiones la mayor frecuencia se observa en el mes de octubre, coincidiendo con el período de mayor probabilidad de afectación de CTs a Cuba, debido a la presencia de trenes de ondas tropicales en el mar Caribe que encuentran condiciones favorables para su desarrollo ciclónico tropical (Marcelo-García & Roura-Pérez, 2020Marcelo-García, G. C. & Roura-Pérez, P. 2020. “Statistical climatological study of tropical storm in the provinces of Artemisa, Havana and Mayabeque, return periods of tropical cyclones”. Revista Cubana de Meteorología, 26(sp): 1-8, ISSN: 2664-0880.). Sin embargo, en la Figura 1b son notables máximos secundarios en agosto ( 𝐿 1 ) y septiembre ( 𝐿 2 ).

Se observan además puntos de coincidencia entre ambas regiones: en 𝐿 1 , los CTs tocaron tierra por la costa sur, mientras que en 𝐿 2 solo tres CTs (Noel(2007), Ike(2008) e Irma(2017)) cruzaron sobre la costa norte. Estos resultados muestran la vulnerabilidad del territorio cubano a los CTs que se desplazan por los mares al sur del mismo. Por otro lado, no se observa “landfalling” en la región oriental en el mes de junio, lo cual está directamente relacionado con la mayor frecuencia de génesis a inicios de la temporada ciclónica en el Golfo de México.

En la variación anual (Figura 2), se observó una tendencia a la disminución de los eventos de “landfalling” en 𝐿 1 y un aumento en 𝐿 2 , aunque en ambos casos, la tendencia observada no es estadísticamente significativa. Como se muestra en la Figura 2, existen diferencias interesantes en las estadísticas, al comparar la distribución anual de los “landfalling” en ambas regiones. La mayor frecuencia en 𝐿 1 se observa entre 1995 y el 2008, mientras que 𝐿 2 la exhibe entre 2005 y 2017. En la última década han sido más frecuentes los “landfalling” en la región oriental de Cuba, lo cual puede estar vinculado al ligero corrimiento hacia el este de las regiones de génesis (Murakami & Wang, 2010Murakami, H. & Wang, B. 2010. “Future Change of North Atlantic Tropical Cyclone Tracks: Projection by a 20-km-Mesh Global Atmospheric Model”. Journal of Climate, 23(10): 2699-2721, ISSN: 1520-0442, DOI: 10.1175/2010JCLI3338.114 ).

Los eventos de “landfalling” dependen de las trayectorias de los CTs, las que a su vez están determinadas por el flujo de dirección a gran escala y las interacciones entre el flujo de dirección y la dinámica de la tormenta. Varias características climáticas pueden influir en el flujo de dirección a gran escala. Lo más notable es el NASH, cuya fuerza y ubicación están influenciadas por una combinación de factores locales y remotos (Chen et al., 2001Chen, P.; Hoerling, M. P. & Dole, R. M. 2001. “The origin of the subtropical anticyclones”. Journal of Atmospheric Sciences, 58(13): 1827-1835, ISSN: 1520-0469; Li et al., 2011Li, W. ; Li, L. ; Fu, R. ; Deng, Y. & Wang, H. 2011. “Changes to the North Atlantic Subtropical High and Its Role in the Intensification of Summer Rainfall Variability in the Southeastern United States”. Journal of Climate, 24(5): 1499-1506, ISSN: 1520-0442, DOI:10.1175/2010JCLI3829.1 ).

La Figura 3 muestra la posición media del NASH y la densidad de probabilidad de las trayectorias de los CTs que han tocado tierra en el territorio cubano. Como se observa, no hay variaciones significativas en la posición y la intensidad del NASH, sin embargo, como era de esperar, son notables algunas diferencias en la estructura del sistema de altas presiones subtropicales.

Cuando la dorsal anticiclónica es más profunda y penetra con mayor intensidad hasta la Península de la Florida conduce a que los CTs se desplacen hacia el Golfo de México a través del mar Caribe. Este comportamiento aumenta la probabilidad de “landfalling” en la región occidental de Cuba ( 𝐿 1 ). Una dorsal anticiclónica más débil, pero elongada hasta la costa este de los Estados Unidos y la Península de la Florida, modula un desplazamiento de las trayectorias de los TCs más al este, hacia la región oriental del territorio cubano ( 𝐿 2 ), aumentando la probabilidad de que el centro de circulación del CT cruce sobre la línea de la costa cubana. Estos resultados son similares a los encontrados por otros autores, quienes demostraron que cuando el centro del NASH está desplazado hacia el norte se favorece la probabilidad de “landfalling” en el Archipiélago de las Bahamas y la región oriental de Cuba ( 𝐿 2 ), mientras que el centro del NASH sobre latitudes bajas favorece el movimiento de los CTs hacia el Mar Caribe, aumentando la probabilidad de un evento de “landfalling” en Centro América y la región occidental de Cuba ( 𝐿 2 ) (Pérez-Alarcón et al., 2021Pérez-Alarcón, A.; Fernández-Alvarez, J. C.; Sorí, R.; Nieto, R. & Gimeno, L. 2021. “The Combined Effects of SST and the North Atlantic Subtropical High-Pressure System on the Atlantic Basin Tropical Cyclone Interannual Variability”. Atmosphere, 12(3): 329, ISSN: 2073-4433, DOI: 10.3390/atmos12030329 ).

Otro importante aspecto, apreciable en la Figura 3, son las regiones de génesis de los CTs que frecuentemente tocan tierra en cada clúster. Los CTs formados en el mar Caribe occidental tienen mayor probabilidad de tocar tierra en 𝐿 1 . Investigaciones anteriores (Marcelo et al., 2019Marcelo, G.; Rodríguez, A.; Hernández, J. F. & González, C. M. 2019. “Caracterización de los huracanes que han afectado las provincias de Artemisa, La Habana y Mayabeque”. In: Memoria X Congreso Cubano de Meteorología. La Habana: Sociedad Meteorológica de Cuba. ISBN: 978-959-7167-64-8 [Consulted: 14 diciembre, 2021]) han demostrado que el 32.6 % de los CTs que surgen en el mar Caribe occidental, o se forman al este del arco de las Antillas Menores y penetran en el Caribe, afectan las provincias habaneras, las cuales están comprendidas en la región 𝐿 1 . Por su parte, los CTs formados entre el Arco de las Antillas Menores y la costa de África Occidental presentan mayor probabilidad de hacer “landfalling” en la región 𝐿 2 .Estos resultados son reafirmados a partir de la Figura 4, donde se muestran las trayectorias de los CTs que han tocado tierra en las costas cubanas.

De forma general, la variación regional en la trayectoria de los CTs que tocan tierra podría estar relacionada con su longitud de formación. Los sistemas que se desarrollan más al oeste (este) tienen más probabilidades de tocar tierra en 𝐿 1 ( 𝐿 2 ). Los patrones de actividad de CTs en el Caribe durante el siglo XX soportan esta afirmación (Elsner et al., 2000Elsner, J. B.; Liu, K.-B. & Kocher, B. 2000. “Spatial Variations in Major U.S. Hurricane Activity: Statistics and a Physical Mechanism”. Journal of Climate, 13(13): 2293-2305, ISSN: 0894-8755, DOI: 10.1175/1520-0442(2000)013¡2293:SVIMUS<2.0.CO;2 ). Por otro lado, en la región 𝐿 1 la frecuencia de “landfalling” es 0.4 por año, mientras que en 𝐿 2 esta relación es de sólo 0.25 por año, lo que reafirma que la región occidental de Cuba tiene más probabilidades (3.7 %) de ser impactada directamente por el centro de circulación de un CT que la región oriental (2.5 %).

El viento es uno de los principales peligros asociados con los CTs y puede causar daños sustanciales a las viviendas, la infraestructura y los ecosistemas, principalmente en regiones costeras. Además, el viento correlaciona significativamente con la severidad de otros peligros inducidos por los CTs, como marejadas ciclónicas, olas y precipitaciones intensas (Bloemendaal et al., 2019Bloemendaal, N.; Muis, S.; Haarsma, R. J.; Verlaan, M.; Apecechea, M. I.; Moel, H.; Ward, P. & Aerts, J.C.J.H. 2019. “Global modeling of tropical cyclone storm surges using high-resolution forecasts”. Climate Dynamics, 52(7): 5031-5044. ISSN: 1432-0894, DOI: 10.1007/s00382-018-4430-x ; Phadke et al., 2003Phadke, A. C.; Martino, C. D.; Cheung, K. F. & Houston, S. H. 2003. “Modeling of tropical cyclone winds and waves for emergency management. Ocean Engineering”, 30(4): 553-578, ISSN: 298018, DOI:10.1016/S0029-8018(02)00033-1 ).

Como muestra la Figura 5, la densidad de probabilidad de la intensidad de los CTs al tocar tierra en el territorio cubano exhibe una distribución bimodal, con la intensidad más probable oscilando entre los 65 y 105 km/h, y un máximo secundario oscilando entre los 180 y 200 km/h. En la región occidental 𝐿 1 ), los CTs tienen mayor probabilidad de tocar tierra como tormentas tropicales, mientras que en la región oriental ) la distribución es ligeramente bimodal, con una amplio espectro de intensidades desde tormenta tropical hasta huracán categoría 3. Como comportamiento medio, los CTs que tocan tierra en 𝐿 2 son más intensos que aquellos que lo hacen en 𝐿 1 .

También fueron analizados los cambios de intensidad en las 6 y 12 horas previas a tocar tierra. El 26.7 % de los CTs que tocaron tierra en 𝐿 1 experimentaron un proceso de intensificación en las 6 horas anteriores, mientras que el 46.7 % se intensificó a partir de las 12 horas previas al “landfalling”. Este resultado demuestra el papel modulador de la TSM en la intensificación de los CTs en su tránsito sobre las cálidas aguas del mar Caribe occidental (Wang et al., 2017Wang, C.; Wang, X.; Weisberg, R. H. & Black, M. L. 2017. “Variability of tropical cyclone rapid intensification in the North Atlantic and its relationship with climate variations”. Climate Dynamics, 49(11): 3627-3645, ISSN: 1432-0894, DOI: 10.1007/s00382-017-3537-9 ). En 𝐿 2 , los cambios de intensidad de los CTs 6 y 12 horas antes del “landfalling” fueron 16.7 % y 61.7 %, respectivamente. La baja frecuencia de intensificación 6 horas antes de tocar tierra en 𝐿 2 es consistente con la climatología del mar Caribe oriental, caracterizado por divergencia y subsidencia en la tropósfera baja (Shieh & Colucci, 2010Shieh, O. & Colucci, S. J. 2010. “Local Minimum of Tropical Cyclogenesis in the Eastern Caribbean”. Bulletin of the American Meteorological Society, 91(2), 185-196, ISSN: 1520-0477.), en asociación con el chorro de bajo nivel del Caribe (Wang, 2007Wang, C. 2007. “Variability of the Caribbean Low-Level Jet and its relations to climate”. Climate Dynamics, 29(4): 411-422, ISSN: 1432-0894, DOI: 10.1007/s00382-007-0243-z ). En promedio, los huracanes más fuertes (categoría 3 a 5 en la escala Saffir-Simpson) se fortalecen en un 60 % y 80 % de las ocasiones en las 12 horas previas al “landfalling” en 𝐿 1 y 𝐿 2 , respectivamente.

También se identificaron y cuantificaron las diferencias dentro cada clúster en las relaciones entre la frecuencia de “landfalling” y los modos de variabilidad climática. Es bastante conocido que los eventos de El Niño están asociados con una disminución en la actividad de los CTs en la cuenca del NATL (Chu, 2004Chu, P. S. 2004. “ENSO and tropical cyclone activity”. In: Murnane, R. J.; & Liu, K. (ed), Hurricanes and typhoons: Past, present, and potential. New York: Columbia University Press, pp 297-322, ISBN: 978-0231-123388-4.), mientras que un patrón inverso se observa durante La Niña. La distribución de los “landfalling” en la región occidental de Cuba ( 𝐿 1 ) está más fuertemente modulada por las fases positivas del ENOS, la AMO y la AMM, mientras que la fase negativa del ENOS y la NAO favorecen los “landfalling” en 𝐿 2 , como se muestra en la Figura 6. Investigaciones previas han demostrado que la fase negstiva del índice NAO conduce a un aumento en la frecuencia de “landfalling” en las costas este y sureste de los Estados Unidos (Xie et al., 2005Xie, L.; Yan, T.; Pietrafesa, L. J.; Morrison, J. M. & Karl, T. 2005. “Climatology and Interannual Variability of North Atlantic Hurricane Tracks”. Journal of Climate, 18(24): 5370-5381, ISSN: 0894-8755, DOI: 10.1175/JCLI3560.1 ). De igual forma, favorece la afectación directa e indirecta de huracanes sobre Cuba (Alpizar-Tirzo et al., 2019Alpizar-Tirzo, M.; Perez-Suárez, R. & Roura-Pérez, P. 2019. “Variations in oceanic and atmospheric circulations. Its influence on the formation of hurricanes in the North Atlantic”. Revista Cubana de Meteorología, 25(1): 46-67, ISSN: 2664-0880.). Similar a 𝐿 1 , la fase positiva de la AMO y la AMM favorecen el impacto del centro de circulación de los CTs sobre la línea de las costas de la región oriental de Cuba.

El análisis del coeficiente de correlación de Pearson (r) revela una relación inversa (𝑟=0.38) estadísticamente significativa al 95 % (𝑝<0.05) entre los eventos de “landfalling” y la NAO en 𝐿₂. Igualmente, el índice AMO correlaciona (𝑟=0.42) significativamente al 99 % (𝑝<0.01) con la frecuencia de CTs que cruzan la línea de costa de la región oriental, mientras que el índice AMM correlaciona (𝑟=0.32,𝑝<0.05) con los “landfalling” en 𝐿₁. En el resto de los casos, las correlaciones obtenidas no tienen significancia estadística.

Se ha demostrado en estudios previos (Wang et al, 2008Wang, C.; Lee, S.-K. & Enfield, D. B. 2008. “Atlantic Warm Pool acting as a link between Atlantic Multidecadal Oscillation and Atlantic tropical cyclone activity”. Geochemistry, Geophysics, Geosystems, 9(5): Q05V03, ISSN: 1525-2027, DOI:10.1029/2007GC001809 ; Klotzbach, 2011Klotzbach, P. 2011. “El Nino-Southern Oscillation’s Impact on Atlantic Basin Hurricanes and U.S. Landfalls”. Journal of Climate, 24(4): 1252-1263, ISSN: 1520-0442, DOI: 10.1175/2010JCLI3799.1 ) que la AMO tiene un impacto significativo en la actividad de los CTs de la cuenca atlántica a través de alteraciones en la TSM en la cuenca tropical del Atlántico y el Caribe. La fase positiva de la AMO se asocia con temporadas ciclónicas más activas (Klotzbach & Gray, 2004Klotzbach, P. & Gray, W. M. 2004. “Updated 6-11-Month Prediction of Atlantic Basin Seasonal Hurricane Activity”. Weather and Forecasting, 19(5): 917-934, ISSN: 1520-0434), lo cual soporta las relaciones obtenidas en esta investigación entre la AMO y la frecuencia de “landfalling” en ambas regiones de Cuba. Sin embargo, se deben interpretar estas estadísticas con precaución, ya que en cada región la frecuencia de “landfalling” es baja (inferior a 0.4 por año).

Un par de puntos importantes a tener en cuenta son que, normalmente, se requieren las condiciones de La Niña en el Pacífico tropical para obtener una temporada activa en la cuenca atlántica cuando la AMO está en su fase negativa; mientras que, incluso, un evento de El Niño moderado, puede conducir a una temporada ciclónica activa cuando el AMO está en su fase positiva (Klotzbach & Gray, 2004Klotzbach, P. & Gray, W. M. 2004. “Updated 6-11-Month Prediction of Atlantic Basin Seasonal Hurricane Activity”. Weather and Forecasting, 19(5): 917-934, ISSN: 1520-0434). En contraste, no fue encontrada una correlación estadísticamente significativa entre la actividad ciclónica en la cuenca atlántica y la frecuencia de “landfalling” en ambas regiones del territorio cubano, lo cual demuestra que una temporada activa no significa un aumento de las afectaciones directas por CTs en el territorio cubano. Por lo anterior, deben realizarse estudios más profundos sobre la relación de la actividad ciclónica en la cuenca del NATL y la probabilidad de “landfalling” en la línea de costa cubana.