حداکثر حرارتی هولوسن با گرمایش خورشیدی تابستانی قوی مشخص شد که به طور قابل توجهی دمای تابستان را نسبت به آب و هوای پیش از صنعت افزایش می داد. با این حال ، گرم شدن تابستان با تلقیح ضعیف در زمستان جبران می شود ، و میانگین دمای سالانه حداکثر حرارتی هولوسن مبهم است. با استفاده از شبیه سازی های هولوسن میانه چند مولتی ، ما نشان می دهیم که میانگین سالانه دمای نیم کره شمالی به شدت با درجه تقویت قطب شمال و ریزش یخ دریا در ارتباط است. آزمایش های مدل اضافی نشان می دهد که از بین رفتن یخ های دریایی قطب شمال تابستان به زمستان ادامه می یابد و دمای متوسط و عرض جغرافیایی را افزایش می دهد. این نتایج در برابر چهار مجموعه داده پراکسی مورد بررسی قرار می گیرد تا تأیید شود که میانگین دمای سالانه عرض جغرافیایی شمال بالا در خلال اواسط هولوسن گرمتر از آب و هوای preindustrial بود ، به دلیل افزایش دما اصلاح فصلی رانده شده توسط تقویت قطب شمال. این مطالعه یک تفکیک برای "دمای دمای هولوسن" ، یک اختلاف مشهور بین پالئو-پروکسی ها و شبیه سازی مدل آب و هوا از حداکثر حرارتی هولوسن ارائه می دهد.
مقدمه
از اواخر آخرین عصر یخبندان حدود 12000 سال پیش ، آب و هوای گرم باعث توسعه کشاورزی و ظهور تمدن بشری شده است. از این دوره مهم به عنوان دوره زمین شناسی هولوسن یاد می شود ( 1 ). در اوایل اواسط هولوسن ، عایق خورشیدی تابستان نیمکره شمالی (NH) غیر عادی بود ، و حداکثر حرارتی هولوسن (HTM) را از حدود 9000 تا 5000 سال قبل از زمان کنونی ( 1 ، 2 ]) گرم شدن گرم در عرض های جغرافیایی بلند از جمله گرینلند ، قطب شمال غربی و اروپای شمالی با HTM همراه بوده است ( 3 – 6 ). داده های پروکسی نشان می دهد که پوشش یخی دریا وسط هولوسن قطب شمال به احتمال زیاد نسبت به زمان حال کاهش یافته است ( 7 – 9 ).
دمای قطب شمال ارتباط نزدیکی با میانگین جهانی جهانی دارد در حالات تعادل اقلیمی ( 10 ) و گرم شدن قطب شمال به طور مستقیم با گرم شدن اقیانوس برون مرزی مرتبط بوده است ( 11 ، 12 ). بنابراین ، منطقی است که فرض کنیم که NH احتمالاً در طول HTM از دوره قبل از تولید ، گرمتر بود ، حداقل در برون ریزان NH (30 درجه N-90 ° N). با این حال ، این قیاس تغییرات فصلی تابش خورشیدی را در طول HTM به حساب نمی آورد: از آنجا که گرمایش خورشیدی تابستان قوی تر توسط تلقیح زمستان ضعیف تر جبران می شد ، میانگین ناهنجاری های متوسط سالانه نسبتاً اندک بود ( 13 ) و تخمین متوسط دمای HTM سالانه دشوار است ( 2 ، 6 ). علاوه بر این ، در یک شبیه سازی مدل آب و هوا ، میانگین سالانه دمای متوسط هولوسن در برون مرزی شمالی (30 درجه N-90 ° N) کمی پایین تر از آب و هوای preindustrial ( 14 )
در این مطالعه ، ما میانگین سالانه دما در طول دوره گرم اواسط هولوسن را با استفاده از مجموعه ای از شبیه سازی های مدل آب و هوا بررسی می کنیم. ما نشان می دهیم که پاسخ میانگین دمای سالانه NH به عایق میانی هولوسن نزدیک به درجه تقویت قطب شمال شبیه سازی شده در این مدل ها است. به طور خاص ، ما نشان می دهیم که ناهنجاری های دمای NH به شدت با دمای سطح قطب شمال و ناهنجاری های پوشش یخ دریا ارتباط دارد. به عبارت دیگر ، مدل های آب و هوایی که آب و هوای گرمتر NH را شبیه سازی می کنند ، تقویت بیشتر قطب شمال و ریزش یخ دریا را نسبت به سایرین نشان می دهند. در این مدل های گرم ، ریزش یخ های دریای قطب شمال تابستان همچنان در زمستان ادامه دارد و دمای متوسط و عرض جغرافیایی را در طول فصل افزایش می دهد. ما بیشتر نشان می دهیم که درجه حرارت جغرافیایی شمال شمالی بازسازی شده از داده های پالئوی پراکسی بهتر با برآوردهای این مدل های گرم موافق است. این مقایسه نشان می دهد که در اواسط هولوسن ، سیستم آب و هوایی تحت تأثیر گرمایش قطب شمال تقویت شده به چرخه فصلی بارزتر از تلقیح و اینکه تداوم ریزش یخ دریا در زمستان منجر به گرم شدن میانگین سالانه NH شد. علاوه بر این ، یافته های ما یک اختلاف قبلی برجسته شده بین بازسازی دمای هولوسن برگرفته از داده های paleo-proxy در برابر مدل های آب و هوا را حل می کند ( 14 – 16 ) ، "معادل دمای هولوسن" را اختراع کرد. 14 ، 15 )؛ این اختلاف در مدل هایی که شبیه سازی یک پاسخ تقویت تقویت قطب شمال به تلقیح اواسط هولوسن است ناپدید می شود.
نتایج
ناهنجاری های دمای قطب شمال و جهانی در مدل های آب و هوایی
برای ارزیابی واکنش آب و هوا به محلول فصلی تقویت شده مجبور در طول HTM ، ما آب و هوای اواسط هولوسن شبیه سازی شده توسط 13 مدل آب و هوا را بررسی کردیم. از بین 13 مدل ، 11 مورد از پروژه بین مقایسهای مدل سازی Paleoclimate فاز 3 (PMIP3) به دست آمد ، در حالی که 2 شبیه سازی باقیمانده توسط نویسندگان برای اهداف این مطالعه انجام شده است (روش ها را ببینید). اواسط هولوسن ، که حدود 6000 سال BP بود ، متعلق به اواخر دوره HTM است و یکی از دوره های معیار PMIP3 است ( 6 ).
شکل 1A میانه متوسط جهانی را نشان می دهد. ناهنجاری دمای هولوسن نسبت به آب و هوای preindustrial از 13 شبیه سازی مدل. اکثر مدل های اقلیمی هولوسن سردتر را نسبت به آب و هوای پیش از تولید شبیه سازی می کنند ، که از نظر کیفی با یک مطالعه مدل اخیر سازگار است ( 14 ) که نشان می دهد میانگین جهانی درجه حرارت ممکن است از HTM به امروز افزایش یافته باشد. . با این حال ، میانگین سالانه دما برون گرایانه NH به طور متوسط بیش از 30 درجه N-90 ° N نشان می دهد ناهنجاری به طور کلی گرم: 9 از 13 مدل شبیه سازی یک هولوسن میانه گرمتر از آب و هوای NH preindustrial (شکل 1C). توجه داشته باشید که برونگرای شمالی منطقه اصلی است که در آن بازسازی مبتنی بر پروکسی ( 15 ) بزرگترین ناهنجاری های گرم را در طول HTM نشان می دهد. سه مدل آب و هوا گرم ، CNRM-CM5 (همراه با آب و هوای مدل نسخه 5) ، CESM1-CAM5 (مدل جو جو جامعه نسخه 5) و MRI-CGCM3 ، بیش از 0.3 K گرمایش در اواسط هولوسن NH دارند. در مقابل ، NCAR-CCSM4 ، که در ( 14 مورد استفاده قرار گرفت) ، دارای خنک کننده 0.25 K در اواسط هولوسن است. به عنوان مرجع ، 1 SD از میانگین تغییرات دمای سالانه به طور متوسط در دستگاه برون مرزی NH کمتر از 0.2 K (تخمین زده شده از شبیه سازی های پیش تولید) است.
شکل. 1 دمای سطح جهانی و قطب شمال شبیه سازی شده توسط 13 مدل آب و هوا.
( A و C ) دمای نشت سطح هولوسن (TS) ناهنجاری ها (تفاوت بین 6 k و 0 کیلوگرم از 13 مدل آب و هوای مختلف ، به طور متوسط (A) در سطح جهان (90 درجه S-90 ° N) و (C) در برون یابی NH (30 درجه N-90 ° N). ( B و D ) روابط چند مودل بین ناهنجاری های دمای سطح (B) در قطب شمال (70 درجه از N-90 ° N) در مقابل میانگین جهانی و (D) در قطب شمال خارجگرایان NH. ( E ) میانگین ناهنجاری های دمای سطح سالانه در 13 مدل به طور متوسط. ( F ) میانگین ناهنجاری های دمای سطح زون به عنوان تابعی از عرض جغرافیایی در 13 مدل (خطوط سیاه) و به طور متوسط در بین 4 مدل گرم (خط قرمز) و 4 سردترین (خط آبی) وجود دارد.
ناهنجاری های دمای متوسط چند حالته الگوی گرم شدن در عرض های جغرافیایی بالا و خنک کننده در مناطق گرمسیری را نشان می دهد (شکل 1E) ، و این الگوی به طور کلی با ناهنجاری های میانگین سالانه تلقیح سازگار است (شکل S1). با این حال ، مدل های فردی یک ناهنجاری میانگین دمای منطقه ای طیف گسترده ای را شبیه سازی می کنند (شکل 1F) ، و این اختلافات دما بین مدل باعث می شود که ناهنجاری متوسط میانه مولدل متوسط هولوسن از نظر آماری ناچیز باشد ( 17 ). نقشه های کامپوزیت دمای سطح به طور متوسط بیش از چهار گرمترین و چهار سردترین مدل نشان می دهد که گرمترین مدلها یک گرم شدن قطبی تقویت شده را شبیه سازی می کنند ، به خصوص در قطب شمال (خط قرمز در شکل 1F و شکل S2). در سرتاسر اروپا ، یک گرم شدن جزئی (شکل 1E) و گرمای برجسته تر (شکل S2) به طور میانگین در 13 مدل و 4 مدل گرمترین آنها ظاهر می شود ، که با رکوردهای متعدد پروکسی سازگار است ( 6 ، 18 ، 19 ) ، اما هیچ گرمایش خاصی در میانگین سردترین مدل (شکل S2) قابل تشخیص نیست (شکل S2).
گرمترین مدل ها دارای خنک کننده گرمسیری کمتر هستند (خط قرمز در شکل 1F) ، که با یافته های مدل قبلی سازگار است ( 20 ) که درجه تقویت قطب شمال با ناهنجاری دمای گرمسیری در هر دو آب و هوای گذشته و آینده ارتباط دارد. دمای سطح دریای گرمسیری (SST) ، با وجود تغییرات نسبتاً کمی ، شناخته شده است که از طریق حمل و نقل انرژی پولیارد تقویت قطب شمال را تحت تأثیر قرار می دهد ( 21 ). آزمایش های اضافی مدل آب و هوایی ایده آل (روش ها را ببینید) نشان می دهد که خنک کننده SST گرمسیری باعث خنک شدن متوسط در برون مرزی جنوبی (30 درجه S-50 ° S) می شود ، جایی که سیگنال خنک کننده در تمام طول فصل همچنان ادامه دارد (شکل S3). با این حال ، ناهنجاری دمای سطح فصلی نشان می دهد که خنک کننده NH فصلی پایدار نیست. مناطق گرمسیری و برون گرایانه در پاییز و اوایل زمستان گرمای ناچیزی را تجربه می کنند (شکل S3). در NH ، خنک کننده های گرمسیری SST باعث خنک کننده برون گرایانه در اواخر زمستان ، بهار و تابستان (از حدود فوریه تا آگوست) ، به ویژه در غرب اقیانوس آرام شمالی ، که در آن SST ها بیش از 0.5 کیلوگرم کاهش می یابد ، درعوض گرم شدن گرمسیری SST در پاییز و اوایل زمستان ، یک گرم شدن برون گرایانه به ویژه در قطب شمال (شکل S3) دنبال می شود که احتمالاً به دلیل ارتباطات گرمسیری و برون گرایانه در پاسخ به گرمایش گرمسیری در زمستان های شمالی است ( 22 ). به طور خلاصه ، خنک کننده SST گرمسیری در اواسط هولوسن به طور قطع به کاهش درجه حرارت در خرده مناطق و نیمه عرض جغرافیایی کمک می کند ، که مطابق با یافته های موجود در ( 20 ). با این حال ، خنک کننده میانگین سالانه SST گرمسیری می تواند قطب شمال را کمی گرم کند ، و نشان می دهد که تضعیف SST گرمسیری در مدل های گرم باعث تقویت قطب شمال در آن مدل ها نمی شود.
سازگار با مطالعات مدل سازی قبلی ، آزمایش های خنک کننده گرمسیری گرمسیری ما نشان می دهد. این که تشعشع موضعی محلی و بازخوردهای مرتبط با آن در قطب شمال در توضیح تقویت تقویت قطبی در هر دو قطب شمال ( 23 و قطب جنوب ( 24 مهمتر از ارتباط از راه دور از قطب شمال هستند. مطالعات اخیر حاکی از آن است که گرم شدن قطب شمال می تواند باعث افزایش SST های برون مرزی شود ( 11 ، 12 ) ، که به نوبه خود می تواند باعث تسریع در گرم شدن قطب شمال شود ( 12 ). علاوه بر این ، ریزش یخ های دریای قطب شمال می تواند SST های استوایی را از طریق فرآیندهای دینامیکی اقیانوس و تعامل هوا و دریا افزایش دهد ( 25 ، 26 ). شکل 1B نشان می دهد که پخش میمودل در میانگین دمای جهانی با درجه حرارت قطب شمال با ضریب همبستگی 84/0 ارتباط دارد ، که از نظر آماری قابل توجه است ( P <0.01). همبستگی بین قطب شمال و برون مرزی شمالی حتی بزرگتر است ، r = 0.91 (شکل 1D). این نتیجه حاکی از آن است که عدم اطمینان در پاسخ دمای قطب شمال به محلول میانه هولوسن وادار کردن بیش از 80٪ واریانس در پاسخهای دمای NH در میان 13 مدل آب و هوا را که در اینجا بررسی شده است توضیح می دهد. خط رگرسیون چند حالته همچنین نشان می دهد که گرم شدن قطب شمال حدود 3.5 برابر قوی تر از برون مرزی شمالی است. این روابط محکم ( r = 0.84 و 0.91) نشان می دهد که درجه تقویت قطب شمال نقش مهمی در تنظیم دمای جهانی هولوسن بویژه در خارج از هوای شمالی ایفا می کند.
ناهنجاری های دمای فصلی در گرمترین در مقابل سردترین مدلها
چه چیزی باعث ایجاد تفاوت زیاد بین مدل در پاسخهای دمای قطب شمال (شکل 1 ، B و D) می شود؟ توطئه میانگین طول جغرافیایی Hovmöller به طول جغرافیایی دمای سطح نشان می دهد که گرم شدن طول جغرافیایی (60 درجه N-85 ° N) در تابستان در چهار مدل گرم (زمستان 2) به زمستان ادامه می یابد ، در حالی که گرم شدن تابستان ادامه نمی یابد. چهار مدل سردترین (شکل 2B). این نتایج در شرایطی مناسب به نظر می رسد که مدل های گرم و گرم دوم و سوم برای توطئه های Hovmöller درجه حرارت سطح (شکل S4) انتخاب شوند ، تأیید می کنند که گرمایش فصلی پایدار و عرض جغرافیایی دارای ویژگی کلی مدلهای گرم است نه یک مصنوع متوسط مرتبط با مدل بسیار گرم ، CNRM-CM5. این نتایج نشان می دهد که تفاوت اصلی بین گرمترین و سردترین مدل ها میزان گرمای تابستان و تداوم آن در زمستان است.
شکل. 2 دمای سطحی و پاسخ های یخ دریا قطب شمال.
( A و B ) توطئه های متوسط و طول جغرافیایی Hovmöller به طور متوسط و طول جغرافیایی Hovmöller از ناهنجاری های دمای سطح در (A) چهار گرمترین مدل ها و (B) چهار مدل سردترین. abscissa زمان (ماهها) و ترتیب آن عرض جغرافیایی است. غلظت یخ های دریای قطب شمال (ناهمگونی ؛٪) ناهنجاری های موجود در ( C و D ) چهار گرمترین مدل و ( E و F ) چهار مدل سردترین ، به طور متوسط در (C و E) از ژوئیه تا نوامبر و (D و F) دسامبر تا آوریل.
به احتمال زیاد گرم شدن قطب شمال فصلی در گرمترین مدل ها (به عنوان مثال ، CNRM-CM5 و CESM1- CAM5) نتیجه بازخوردهای مختلف آب و هوایی مرتبط با ریزش یخ های دریای قطب شمال است ( 27 ). در گرمترین مدل ها ، غلظت یخ های دریای قطب شمال (SIC) در تابستان و پاییز با کاهش 30 تا 35٪ نسبت به مناطق وسیعی از قطب شمال نسبت به آب و هوای پیش از صنعت (شکل 2C) ، و این ناهنجاری های SIC همچنان در زمستان و اوایل بهار ادامه دارد. منطقه حاشیه یخ (شکل 2D) ، نشانگر تاخیر در تأخیر و کاهش رشد یخ است ( 28 ). این ریزش یخ های دریایی پاییز و زمستان با افزایش انتقال گرما از اقیانوس قطب شمال به جو همراه است ، و در درجه اول از طریق شار گرمای آشفته (شکل S5) همراه است ، و از طریق بازخورد تابشی ابری در تقویت قطب شمال کمک می کند ( 28 – 30 ). علاوه بر این ، وارونگی دمای نزدیک به سطح در فصل سرما باعث گرم شدن سطح می شود ( 30 ) ، و تضعیف همراه با وارونگی دما می تواند در تقویت قطب شمال نقش داشته باشد ( 23 ) . آخر اینکه ، اثر تقویم سرخپوشان ( 31 ) همچنین ممکن است بر میزان تقویت قطب شمال در پاییز و زمستان تأثیر بگذارد.
ناهنجاری های زمستانی SIC ، گرچه کوچکتر از تابستان-پاییز است ، اما بر شدت جغرافیایی تأثیر می گذارد. آب و هوا ( 32 ) ، تا حدی به این دلیل که کاهش SIC زمستان با کاهش ضخامت یخ همراه است ( 33 ). با این حال ، در سردترین مدل ها ، ناهنجاری های تابستانی و پاییز SIC کوچک هستند ، به طور کلی در 10٪ (شکل 2E) ، و در زمستان پایدار نیستند (شکل 2F). در صورت عدم وجود یخبندان دریای قطب شمال ، عرض جغرافیایی میانه و زیاد شمالی به دلیل ضعف ضعیف تر زمستان در میانه های جغرافیایی و زیر قطب شمال (شکل 2) به طور غیر عادی سرد است (شکل 2B). چندین سوابق paleo-proxy نشان می دهد که شرق کانادا و بخش اقیانوس اطلس قطب شمال کاهش قابل توجهی در پوشش یخ دریا را در طول HTM تجربه کرده است ( 8 ، 9 ) ، وام را پشتیبانی می کند. ناهنجاری های شبیه سازی شده توسط گرمترین مدل ها. با این حال ، هنوز مشخص نیست که آیا کاهش گسترده ای از حوضه قطب شمال شرقی قطب شمال ( 34 ) وجود داشته است.
اصلاح دمای فصلی با ریزش یخ های دریای قطب شمال
زیرا از بین رفتن یخ های دریای قطب شمال به طور کلی محدود به عرض جغرافیایی بالاتر از 70 درجه سانتیگراد (شکل 2 ، C و D) ، علیت بین ریزش یخ دریا و گرم شدن عرض جغرافیایی عرض جغرافیایی میانه (شکل 2A) گریزان است. در حالی که درجه تقویت قطب شمال تا حدودی توسط SSTs گرمسیری در آب و هوای گذشته محدود می شود ( 20 ) ، مطالعات مدل سازی اخیر نشان می دهد که گرم شدن قطب شمال می تواند باعث افزایش SST های برون مرزی و گرمسیری شود ( 11 ، 12 ، 25 ، 26 ). برای تعیین کمیت بهتر پاسخهای آب و هوایی به ریزش یخ های دریای قطب شمال اواسط هولوسن ، آزمایش های مدل آب و هوایی ایده آل را انجام دادیم (روش ها را ببینید) با استفاده از CESM1-CAM5 ، دومین مدل گرمترین (به شکل 1 ، A و C مراجعه کنید). مجموعه ای از شبیه سازی ها نشان می دهد که تأثیر ریزش یخ های دریای قطب شمال محدود به عرض های جغرافیایی زیاد نیست بلکه تا گرم شدن عرض های میانی نیز گسترش می یابد (شکل 3 ، A و D). میانگین منطقه ای ، طول زمان طرح دما Hovmöller از دمای سطح (شکل 3A) نشان می دهد که ریزش یخ دریا قطب شمال به طور قابل ملاحظه ای می تواند درجه حرارت زیر قطب شمال (60 درجه N-70 ° N) را در حدود 1.0 K افزایش دهد و این ناهنجاری ها گسترش می یابد. از جنوب به حدود 50 درجه سانتی گراد. اگرچه از بین رفتن یخ های دریای قطب شمال بیشتر در تابستان و پاییز مشهود است (شکل 2C) ، گرمای جغرافیایی عرض جغرافیایی میانی در پاییز و زمستان بزرگترین است (شکل 3A). این نتیجه از یک مطالعه مدل سازی قبلی پشتیبانی می کند ( 35 ) که دمای عرض جغرافیایی زمستان در اواسط هولوسن توسط تلقیح شده در تابستان کنترل می شود.
شکل. ناکارآمد کردن تأثیر ریزش یخ دریا و قطب شمال مجبور به اجبار.
پاسخ دمای سطح به اواسط هولوسن ( A و D از دست دادن یخ دریا قطب شمال ، ( B و E ) عایق بندی مجبور ، و ( C و F ) کل مجبور (مجموع ضایعات یخ دریا و جبران). (A تا C) توطئه های بطور متوسط ، طول جغرافیایی Hovmöller از دمای سطح غیر عادی و (D تا F) میانگین ناهنجاری های SST سالانه. در (A) تا (C) ، abscissa زمان (ماه ها) و مرتب سازی عرض جغرافیایی است.
برعکس ، اجبار مستقر در اصلاح درجه حرارت فصلی کمک نمی کند اما چرخه فصلی را تقویت می کند. ناهنجاریهای میانگین دمای سطح زون به سرعت در تابستان-پاییز افزایش می یابد اما در اواخر پاییز به سرعت فروکش می شود و در زمستان منفی می شود (شکل 3B). پاسخ دما فصلی CESM1-CAM5 به کل مجبور (مجموع از بین رفتن یخ دریا و اجتناب از اجباری ؛ شکل 3C) گرمایش فصلی پایدار با عرض جغرافیایی بالا را نشان می دهد ، که شبیه به گرمترین مدلها است (شکل 2A). این نتایج نشان می دهد که ناهنجاری های کاهنده تابستانی کاهش یافته در زمستان در گرمترین مدل ها (شکل 2 ، C و D) در تقویت قطب شمال از طریق بازخورد تابشی ( 28 – 30 ) و احتمالاً از طریق بازخورد نرخ گسل ( 23 ).
چگونه ریزش یخ دریا قطب شمال دمای جغرافیایی جغرافیایی را افزایش می دهد؟ شبیه سازی مدل آب و هوا به طور مداوم نشان می دهد که ریزش یخ دریا قطب شمال پیش بینی شده توسط گرم شدن اقیانوس برون مرزی دنبال می شود ( 11 ، 12 ) که باعث افزایش تأثیر ریزش یخ دریا در آب و هوای میانه عرض جغرافیایی می شود ( 12 ). مطابق با مطالعات قبلی ، شکل 3D نشان می دهد که ریزش یخ های دریای قطب شمال میانگین سالانه SST ها را در دریای اقیانوس آرام و دریای نوردیک بیش از 0.5 کیلوگرم افزایش می دهد. این گرم شدن اقیانوس برون گرایانه ، که ناشی از ریزش یخ های دریای قطب شمال است (شکل 3D) ، به طور کلی قوی تر از اجزای مستقیم اجبار (شکل 3E) ، به ویژه در مناطق تحت قطب شمال است. از بین رفتن یخ دریا قطب شمال نیز باعث کاهش موضعی 0.5 K K در SSTs در آتلانتیک شمالی مرکزی می شود ، اما این سیگنال خنک کننده موضعی آتلانتیک تحت یک میانگین بصورت پنهانی پوشانده می شود (شکل 3A).
ارزیابی مدل های آب و هوایی در برابر داده های پراکسی [19659032] ارزیابی شبیه سازی مدل آب و هوا در برابر داده های پروکسی بازسازی شده یکی از اهداف اصلی PMIP است ( 18 ). در حالی که درجه حرارت شبیه سازی شده بسیار متفاوت از یکدیگر هستند (شکل 1 ، A و C) ، آنها با درجه تقویت قطب شمال به خوبی ارتباط دارند (شکل 1 ، B و D). این همبستگی قدرتمند می تواند یک چارچوب کمی را فراهم کند که از طریق آن می توان دما در مقیاس جهانی را از داده های پروکسی بازسازی شده در عرض های جغرافیایی برآورد کرد. برای ارزیابی شبیه سازی مدل ، ما از چهار مجموعه داده پروکسی مختلف استفاده کردیم:
(1) داده بارتلین . این یک مجموعه داده مبتنی بر گرده است که توسط یک گروه کاری PMIP تشکیل شده است ( 36 ). این مجموعه داده دارای رزولوشن فضایی 2 × 2 درجه و براساس 148 ایستگاه پروکسی در عرض های زیاد (بالاتر از 60 درجه نانومتر) عمدتا بر روی زمین است (شکل 4B). برای مقایسه کمی این داده های پراکسی با شبیه سازی مدل ، همان شبکه های پوشیده از داده های پراکسی در مدل های اقلیمی انتخاب شده اند (شکل 4C). هر دو داده پروکسی (شکل 4B) و میانگین مدل گرم (شکل 4C) درجه حرارت غیرمعمولی گرم را بیش از Fennoscandia نشان می دهند ، جایی که داده های پروکسی فراوان است. با این حال ، تغییرات دما در مقیاس منطقه ای در داده های پالئو پروکسی بسیار بیشتر از شبیه سازی مدل آب و هوا است ( 6 ). به دلیل تغییرات زیاد دمای مکانی در داده های پراکسی ، ضرایب همبستگی مکانی بین داده های پراکسی و مدل ها به طور کلی کم هستند (نگاه کنید به جدول 1) ، اگرچه 6 از 13 مدل آب و هوا همبستگی آماری معنی داری دارند ( P < 0.05).
شکل. 4 ارزیابی مدل های آب و هوایی در برابر داده های پالئو پروکسی.
( A رابطه بین ناهنجاری های درجه حرارت سطح هولوسن در زیر قطب شمال (60 درجه N-80 ° N) ، به طور متوسط بیش از نقاط شبکه که در آن داده های سرخپوشان پروکسی در دسترس هستند (abscissa) ، و کل برون مرزی NH (30 درجه N-90 ° N) (ترتیب). نقاط سبز از 13 شبیه سازی مدل آب و هوا است که در این مطالعه بررسی شده اند و نقطه قرمز از داده های سرخپوشان پروکسی است. سایه خاکستری که بر روی نقطه قرمز قرار گرفته است ، حاکی از فاصله اطمینان 95٪ برای داده های سرخپوشان پروکسی است که از طریق شبیه سازی مونت کارلو بوت می شوند. ناهنجاری های دمای سطح زیر قطب شمال ( B ) از داده های سرخپوشان پروکسی بازسازی شده و ( C ) توسط چهار مدل آب و هوا گرم ترین در نقاط شبکه که در آن پالئو پروکسی تخمین زده می شود.
جدول 1 ضریب همبستگی مکانی ناهنجاری های میانگین دمای سالانه بین داده های پالئو پروکسی ( 37 ) و مدل اقلیم فرد.
ستون های دوم و سوم نشان می دهد. ضریب همبستگی و اهمیت آماری به ترتیب. از نظر آماری مقادیر قابل توجهی ، بالاتر از 95٪ ( p <0.05) ، در سطح جناح قرار دارند.
ناهنجاری میانگین میانگین سالانه به طور متوسط بیش از شبکه های انتخاب شده در آبسینسای شکل 4A ترسیم می شود. اختلاف دمای بین مدل تا 1.8 K متغیر است و این حدود 30٪ از آن در قطب شمال [about 2.5 K as shown in Fig. 1 (B and D)] کوچکتر است. گرچه شبکه های پراکنده فضایی به طور متوسط به طور متوسط ، این دمای متوسط شبکه به خوبی با دمای متوسط در کل اکستروپروپیکهای NH ارتباط دارد (شکل 4A). میانگین ناهنجاری درجه حرارت مبتنی بر پروکسی 0.56 K (نقطه قرمز در شکل 4A) است که مشابه مدل های آب و هوایی نسبتاً گرم مانند CESM1-CAM5 و MRI-CGCM3 است. دامنه عدم قطعیت برای پروکسی های با عرض جغرافیایی بالا ، که از طریق شبیه سازی مونت کارلو حاصل می شود ، از 0.25 تا 0.88 کیلو گرم از گرم شدن است (سایه خاکستری در شکل 4A). این محدوده عدم اطمینان ، هنگام استفاده از محدوده حساسیت که توسط مدل گسترش یافته پیشنهاد شده است ، مربوط به دامنه گرمایش برون گرایانه NH از 0.12 تا 0.6 K است و این که هر دو سردترین و گرمترین مدل ها اطلاعات مفیدی را برای تولید این تناسب تجربی ارائه می دهند.
(2) داده Sundqvist . این مجموعه داده ، که از سوابق پروکسی هولوسن قبلاً منتشر شده در عرض های جغرافیایی شمال شمالی ( 37 ) گردآوری شده است ، 93 ایستگاه پروکسی را برای داده های دمای بازسازی شده از پروکسی های مختلف مانند گرده ، ایزوتوپ های اکسیژن در هسته های یخی ، داینوسیست ها فراهم می کند. ، کیرونومیدها و دیاتومها. در حالی که تعداد ایستگاه ها از داده های بارتلین کوچکتر است ( 36 ) ، سوابق دما نه تنها از روی زمین بلکه از اقیانوس های قطب شمال و زیر قطب شمال بازسازی شد. مطابق با شکل 4 ، میانگین بازسازی مبتنی بر پروکسی از ناهنجاری های دما شبیه به مدل های گرم است (شکل 5A). این دامنه عدم قطعیت از این مجموعه داده های پروکسی (سایه خاکستری در شکل 5A) از 0.38 تا 0.92 K متغیر است ، که مربوط به یک محدوده گرمایش برون گرایانه NH از 0.12 تا 0.42 K. است.
شکل. 5 اعتبارسنجی در برابر مجموعه داده های مختلف paleo-proxy.
رابطه بین ناهنجاری های دمای سطح در قطب شمال (60 درجه از N-80 ° N) ، به طور متوسط بیش از نقاط شبکه که در آن داده های paleo-proxy در دسترس هستند (abscissa ) ، و کل خارج رحمی NH (30 درجه N-90 ° N) (ترتیب). داده های سرخپوشان پروکسی از ( A ) Bartlein و همکاران ( 36 ) ، ( B ) Sundqvist et al. ( 37 ) ، ( C ) Marcott et al. ( 15 ) ، و ( D ) Marsicek et al. ( 16 ). نقاط سبز از 13 شبیه سازی مدل آب و هوا است که در این مطالعه بررسی شده اند و نقاط قرمز از داده های سرخپوشان پروکسی است. سایه خاکستری که بر روی نقطه قرمز قرار گرفته است ، حاکی از فاصله اطمینان 95٪ برای داده های سرخپوشان پروکسی است که از طریق شبیه سازی مونت کارلو بوت می شوند. (A) با شکل 4A یکسان است.
(3) داده مارکوت . تغییرات جامع تر دمای دما هولوسن که کل کره زمین را پوشش می دهد ، می توانید در پروکسی های گردآوری شده در ( 15 ) پیدا کنید ، که گرمایش متمایز در HTM نشان می دهد. در حالی که این مجموعه داده پروکسی می تواند به طور مستقیم برای ارزیابی دمای دمای هولوسن مورد استفاده قرار گیرد ، تنها 13 ایستگاه وجود دارد که عرض های جغرافیایی شمالی را پوشش می دهد. بنابراین ، دامنه عدم اطمینان میانگین دمای تخمین زده شده برای این مجموعه داده پروکسی بزرگ است ، از 0 تا 1.2 K (سایه خاکستری در شکل 5C). متوسط ارزش این 13 پروکسی برای اواسط دوران هولوسن (5500 تا 6500 BP) در حدود 0.6 K است ، که مشابه مدلهای گرم است ، و برآوردهای داده های بارتلین را پشتیبانی می کند ( 36 ) و داده های Sundqvist (شکل 4A و 5A) ( 37 ).
(4) داده Marsicek . ما همچنین جدیدترین پراکسی های سرخپوشان را نیز مورد بررسی قرار دادیم ، که تغییرات دمای هولوسن از گرده های فرعی در سراسر آمریکای شمالی و اروپا را با استفاده از یک تکنیک آنالوگ مدرن تخمین زده است ( 16 ). میانگین دمای سالانه این داده های Marsicek تا حدود 2000 سال پیش گرمایش طولانی مدت در سراسر هولوسن را نشان می دهد ، که به طور مستقیم با یافته ها در 15 مغایرت دارد. از آنجا که این پروکسی ها روی وسط های عرض جغرافیایی متمرکز هستند ، فقط حدود 18 ایستگاه وجود دارد که عرض های جغرافیایی شمالی را پوشش می دهد. میانگین ناهنجاری درجه حرارت حاصل از این 18 ایستگاه در حدود 1/0 کیلوگرم است ، و ناهنجاری درجه حرارت NH همراه 0/15 کیلوگرم است (شکل 5D) ، نشان می دهد که میانگین دمای سالانه NH در اواسط هولوسن می تواند پایین تر از آب و هوای پیش تولید باشد. . با این وجود ، دامنه عدم قطعیت این پراکسی ها (سایه خاکستری در شکل 5D) کل مدل پخش را به جز گرمترین مدل (CNRM-CM5) پوشش می دهد ، بنابراین آشتی دادن این مجموعه داده پروکسی دشوار است ( 16 ) با سه مجموعه داده پروکسی دیگر ( 15 ، 36 ، 37 ).
به طور خلاصه ، سه چهار چهار مجموعه داده های پالئو پروکسی (شکل 4A و 5 ، الف و ب) نشان می دهد که برونگرایان NH ممکن است در اواسط هولوسن گرمتر از دوره قبل از تولید بوده و برآورد پروکسی مبتنی بر میانگین دمای سالانه NH به طور کلی در محدوده شبیه سازی مدل باشد. این نشان می دهد که اختلاف آشکار بین بازسازی دما از داده های پالئو پروکسی ( 15 ) و دمای شبیه سازی شده اواسط هولوسن ( 14 ) ممکن است ناشی از تغییرات intermodel در درجه قطب شبیه سازی شده قطب شمال باشد. تقویت.
بحث و گفتگو
در این مطالعه ، ما 13 مدل آب و هوا را بررسی کردیم که پاسخهای میانگین سالانه دما به طور گسترده ای را در برونگرایان NH شبیه سازی می کنند و دریافتیم که این ناهنجاری های دما با درجه تقویت قطب شمال با یکدیگر ارتباط دارند. مدل هایی که قویترین میانگین گرمایش سالانه NH و تقویت قطب شمال را در پاسخ به تلقیح میانه هولوسن به نمایش گذاشتند همچنین ناهنجاری های گرم شدن گرم تابستان را که همچنان در زمستان پایدار بودند شبیه سازی کردند. آزمایش های آشفتگی مدل آب و هوایی ایده آل با استفاده از CESM1-CAM5 نمایشگاه یک ناهنجاری گرم مشابه در پاسخ به از دست دادن جدا شده یخ دریای قطب شمال ، نشان می دهد که پاسخ یخ دریا قطب شمال به محلول میانه هولوسن یک تمایز مهم بین پاسخ دما NH مدل است. با این حال ، نتایج احتمالی در استفاده از مدل واحد ما (یعنی ، CESM1-CAM5) نتایج به سایر مدلهای اقلیمی باقی مانده است. پوشش یخ های دریای قطب شمال در طول HTM احتمالاً از آب و هوای پیش از صنعت کوچکتر بود ، همانطور که توسط سوابق پروکسی نشان داده شده است ( 8 ، 9 ) ، که سازگار با گرم شدن قابل توجه قطب شمال در اواسط -هولوسن متأسفانه ، بازسازی پان قطب شمال پوشش یخی دریای شمال قطب شمال هولوسن در دسترس نیست ( 34 ). به عنوان یک روش جایگزین برای ارزیابی نتایج مدل ، ما از بازسازی دما با عرض جغرافیایی بالا (بالاتر از 60 درجه نانومتر) استفاده کردیم و دریافتیم که ناهنجاری های دمای مبتنی بر پروکسی نزدیک به مدل های آب و هوایی است که یک NH گرمتر اواسط هولوسن را شبیه سازی می کند.
نتایج ما نشان می دهد که مدل های آب و هوایی که با افزایش دمای تصحیح شده قوی تر شبیه سازی می شوند ، و از بین رفتن یخ های دریای قطب شمال برجسته تر ، به بازسازی دمای مبتنی بر پروکسی نزدیکتر هستند و بنابراین آب و هوای میانه هولوسن را با وفاداری بیشتری شبیه سازی می کنند. همراه با سوابق دمای پالئو پروکسی ، این نشان می دهد که در اواسط هولوسن ، تغییرات در تلقیح ناشی از یک پاسخ تقویت قطب شمال و عقب نشینی یخ دریا بوده و منجر به گرم شدن میانگین سالانه NH می شود. یافته های ما همچنین اختلاف آشکار بین شبیه سازی مدل آب و هوا و سوابق paleo-proxy را حل می کند ( 14 ): این اختلاف در مدل هایی وجود ندارد که یک واکنش تقویت تقویت قطب شمال قوی تر را نسبت به تلقیح میانه هولوسن که شبیه سازی بیشتری دارند ، وجود ندارد. ناهنجاری های میانگین دما ناشی از پروکسی های سرخپوشان.
آخر ، این یافته پیامدهایی برای پیش بینی تغییرات آب و هوایی آینده دارد. مدل های آب و هوایی که شبیه سازی از دست دادن یخ های دریای قطب شمال بیشتر در پاسخ به عایق میانی هولوسن را نشان می دهند ، به طور کلی حساسیت بالاتری را نسبت به غلظت CO افزایش یافته 2 نشان می دهند ( 38 ). Therefore, our results suggest that the projected Arctic sea ice decline will likely to be faster than the multimodel ensemble mean prediction.
METHODS
Multimodel simulations (PMIP3)
The mid-Holocene, around 6000 years BP, is a benchmark period of the PMIP3. These simulations are designed to test the climate models’ responses to the enhanced seasonal insolation forcing, a key characteristic of the HTM. The primary difference between the mid-Holocene and the preindustrial climate simulations is the orbital forcing. Mid-Holocene CO2 concentration, aerosols, ice sheets, and topography are the same as those of the preindustrial climate simulation. We evaluated the surface temperature and SIC fields by examining the differences between PMIP3 mid-Holocene and phase 5 of the Coupled Model Intercomparison Project (CMIP5) preindustrial simulations. A list of the PMIP3-CMIP5 models, their atmosphere and ocean resolutions, and averaging periods (in years) used for analysis are provided in Table 2.
Table 2Summary of the PMIP3 simulations and two additional climate model simulations conducted for the purpose of this study.
The fourth and fifth columns indicate the averaging periods (years) for the preindustrial (0 ka) and the mid-Holocene (6 ka) simulations, respectively. References for these PMIP3 models can be found in (39).
Two additional climate model simulations
To improve the robustness of our analyses of the PMIP3 ensemble, we performed two additional simulations using NCAR CESM1.2.1 (40) and GFDL (Geophysical Fluid Dynamics Lab) CM2.1 (41). For each model, we performed both mid-Holocene and preindustrial climate simulations, configured and forced in the same way as the existing PMIP3 simulations.
(1) NCAR CESM1.2.1. The atmospheric component of NCAR CESM1.2.1 is the CAM5 with 30 vertical levels, and the ocean component is the Parallel Ocean Program version 2 with 60 vertical levels. The land and sea ice components are the Community Land Model version 4 and the Los Alamos sea ice model version 4, respectively. We integrated this model using a horizontal grid spacing of approximately 1° (f09g16). The root mean square errors of sea ice extent and volume between CESM1-CAM5 and observations are one of the lowest (42) among 49 climate models that have participated in CMIP5.
(2) GFDL CM2.1. We also used the CM2.1, which was developed at the GFDL. The atmospheric model (AM2.1) uses a Lagrangian finite-volume dynamical core, with a 2.5° longitude × 2° latitude and 24 vertical levels. The ocean component is the Modular Ocean Model (MOM) (MOM5.1 in this study), which consists of 50 vertical levels, a constant zonal resolution of 1°, and a meridional resolution varying from 0.33° at the equator to 1° close to the poles. The land and sea ice components are the land model version 2.1 based on the Land Dynamics Model and the Sea Ice Simulator. We performed simulations of approximately 200 years in duration for both the mid-Holocene and preindustrial climates.
Idealized climate model perturbation experiments
(1) NCAR CESM1.2.1. This is the second warmest model in simulating the mid-Holocene climate and exhibits a relatively strong Arctic warming (Fig. 1). We used this model to test the impact of Arctic sea ice loss on extratropical temperature. To distinguish the climatic responses to sea ice loss and anomalous insolation forcing in the mid-Holocene, we performed three different model simulations:
(1) 0 k: Preindustrial control simulation (335-year duration);
(2) 6 ka: Mid-Holocene climate simulation (315-year duration);
(3) 6 ka with 0 k sea ice: Mid-Holocene climate with sea ice albedo is increased to 0.91 (316-year duration).
These are the same simulations used in (39). While (39) focused on the atmosphere and ocean circulation responses to sea ice loss, this study focuses on how the seasonal cycle of insolation led to the annual mean warming in the mid-Holocene. For the “6 ka with 0 k sea ice” simulation, the mid-Holocene forcing is branched off at year 31 of the preindustrial run, except that the albedo of sea ice is increased globally, and throughout the year, from 0.73 to 0.91 to reflect more sunlight, while the snow albedo over sea ice is not changed. Recent studies (1243) also used this method (changing sea ice albedo) to identify the impact of Arctic sea loss. The increased ice albedo simulation maintains the Arctic sea ice cover by reflecting anomalously strong 6 ka summer insolation, keeping SIC anomalies within 5% of the preindustrial simulation in summer and autumn. A more detailed description of these idealized model experiments is given in (39).
The contributions of Arctic sea ice loss and direct insolation anomalies to mid-Holocene climate, relative to the preindustrial, can be separated as follows:
(1) The contribution of Arctic sea ice loss: (6 ka) − (6 ka with 0 k sea ice)
(2) The contribution of insolation forcing: (6 ka with 0 k sea ice) − (0 k)
In each simulation, we performed analysis using the last 250 years.
(2) GFDL CM2.1. This model’s global and northern extratropical temperature responses to the mid-Holocene insolation forcing are close to the multimodel averages being neither too warm nor too cold (Fig. 1, A and C). Similar to the multimodel averages, this model also exhibits a pattern of warming in the high latitudes and cooling in the tropics (fig. S3). To isolate the impact of this tropical SST cooling on global temperature, especially on the Arctic amplification, we performed an idealized mid-Holocene climate experiment, in which the tropical (30°S-30°N) SSTs were continuously restored to those of the preindustrial climate. These simulations are summarized as follows:(1) 6 ka: Mid-Holocene climate simulation (208-year duration);(2) 6 ka with 0 K tropical SSTs: Mid-Holocene climate with tropical SSTs are restored to those of 0 K with a restoring time scale of 5 days (180-year duration).
The contributions of the tropical SST cooling to mid-Holocene climate can be separated as the difference between these two simulations:
The contribution of tropical SST cooling: (6 ka) − (6 ka with 0 k tropical SSTs).
In each simulation, we performed analysis using the last 150 years. The simulation results are presented in fig. S3.
SUPPLEMENTARY MATERIALS
Supplementary material for this article is available at http://advances.sciencemag.org/cgi/content/full/5/12/eaax8203/DC1
Fig. S1. Mid-Holocene insolation anomalies.
Fig. S2. Surface temperature anomalies simulated by climate models.
Fig. S3. Testing the impact of mid-Holocene tropical cooling using CM2.1.
Fig. S4. Same as Fig. 2 except for the second and third warmest/coldest model composites.
Fig. S5. Autumn-winter surface heat fluxes in the Arctic.
This is an open-access article distributed under the terms of the Creative Commons Attribution-NonCommercial license, which permits use, distribution, and reproduction in any medium, so long as the resultant use is not for commercial advantage and provided the original work is properly cited.
Acknowledgments: We thank M. Steucker, S. Yi, and J. M. Kang for helpful comments on our manuscript. We also thank J. M. Kang and S.-Y. Kim for collecting and providing the PMIP3 data. Funding: H.-S.P. was supported by the Basic Research Project (GP2017-013) of the Korea Institute of Geoscience and Mineral Resource (KIGAM), Ministry of Science, ICT, and Future Planning. S.-J.K. was supported by KOPRI project no. PE19130. S.-W.S. was supported by the National Research Foundation of Korea (NRF) grant NRF-2018R1A5A1024958. A.L.S. was supported by the NSF under grant numbers ANT-1543388 and OCE-1751386. K.-H.S. was supported by the National Research Foundation of Korea (NRF) grant NRF-2018R1A2A2A05018426. Author contributions: H.-S.P. initiated the project and carried out the analysis under the guidance of S.-J.K. and A.L.S. The manuscript was initially written by H.-S.P. and was edited by A.L.S. K.-H.S. and S.-W.S. were in charge of the discussion of the extratropical warming associated with Arctic sea ice loss. All authors contributed to the interpretations of the results and the discussion of the manuscript. Competing interests: The authors declare that they have no competing interests. Data and materials availability: All data needed to evaluate the conclusions in the paper are present in the paper and/or the Supplementary Materials. Additional data related to this paper may be requested from the authors. Monthly climate model outputs, for both NCAR CESM1.2.1 and GFDL CM2.1 simulations conducted for the purpose of this study, are available on Earth Linux cluster server at Korea Institute of Geoscience and Mineral Resources (KIGAM). Several daily output variables are also available. These monthly and daily data are available from the corresponding author upon reasonable request. PMIP3 mid-Holocene and CMIP5 preindustrial control simulation outputs are available to download at https://esgf-node.llnl.gov/projects/cmip5/. Bartlein data (36) and Marsicek data (16) are provided at https://link.springer.com/article/10.1007/s00382-010-0904-1 and www1.ncdc.noaa.gov/pub/data/paleo/reconstructions/marsicek2018, respectively. The multi-proxy based dataset for northern high latitudes (37) can be obtained from www.clim-past.net/10/1605/2014/.
