Maybaygiare.org

Blog Network

Kurz- und langwellige Strahlungsbeiträge zur globalen Erwärmung unter zunehmendem CO2

SW- und LW-Beiträge zur Energieakkumulation

Wir betrachten zunächst die globale Strahlungsreaktion des CMIP5-GCMs auf einen abrupten Treibhausgasantrieb (4 × CO2) (in Abb. 2). Die Entwicklung von OLR-Anomalien unterscheidet sich bemerkenswert zwischen GCMs (Abb. 2D). Wir charakterisieren diesen Antwortbereich durch die Zeit (tcross), die OLR benötigt, um zu seinem ungestörten Wert zurückzukehren *; tcross reicht von 2 bis 231 y, mit einem Ensemble-Mittelwert von 19 y (siehe Abb. 4A).

Abb. 2.

(A) Zeitreihe der globalen mittleren Oberflächentemperaturänderung in den CMIP5 4 × CO2-Simulationen. Die einzelnen Modelle sind durch die farbigen Linien gekennzeichnet und durch die Temperaturänderung im Jahr 150 farblich gekennzeichnet (der Farbbalken befindet sich in der Mitte der Abbildung). Der Ensembledurchschnitt ist durch die gestrichelte schwarze Linie dargestellt. (B) Die Wärmekapazität des Klimasystems, definiert als die globale zeitintegrierte Energieakkumulation geteilt durch die Oberflächentemperatur (Gl. 1) angegeben in Einheiten der effektiven Tiefe einer Ozeansäule (linke Achse) und Einheiten der Strahlungs-E−Faltungs−Zeitskala (Negativ der Wärmekapazität dividiert durch die mittlere Netto-Strahlungsrückkopplung λLW + λSW = -1,1 W m-2 K-1; rechte Achse). (C) Zeitreihen der ASR-Antwort, wobei die durchgezogenen Linien die GCM-Werte und die gestrichelten Linien die Vorhersagen des linearen Rückkopplungsmodells (Eqs. 1 und 2) unter Verwendung der GCM-spezifischen Wärmekapazität, Antriebe und Rückkopplungen. Die durchgezogene schwarze Linie ist der Ensemblemittelwert des GCM, und die gestrichelte schwarze Linie ist die Vorhersage des linearen Rückkopplungsmodells unter Verwendung der durchschnittlichen Wärmekapazität, der Antriebe und der Rückkopplungen des Ensembles. (D) Das gleiche wie in C mit Ausnahme der OLR-Antwort.

Um diese Ergebnisse zu interpretieren, verwenden wir eine häufig verwendete Linearisierung des globalen TOA-Energiebudgets: d(C TS)dt=FSW+FLW+(λSW+λLW)TS, wobei TS die globale mittlere Oberflächentemperaturanomalie und C die zeitabhängige globale Wärmekapazität ist. Gl. 1 bezieht die Rate der globalen Wärmegehaltsänderung auf die Rate der globalen TOA-Energieakkumulation, die sich aus der Summe der Strahlungsantriebe SW und LW (FSW und FLW) und der Strahlungsantworten (λSWTS und λLWTS) ergibt (6). Anomalien in OLR und ASR können weiter ausgedrückt werden ALSASR=FSW+λSWTS

und−OLR=FLW+λLWTS.

Die Strahlungsrückkopplungen (λSW und λLW) können für jedes GCM durch lineare Regression von ASR und OLR geschätzt werden (Abb. 2C und D) mit TS (Fig. 2A) über den Zeitraum nach 4× CO2, wobei der Strahlungsantrieb annähernd konstant ist (7, 8). Darüber hinaus können die LW- und SW-Komponenten des CO2-Antriebs (FLW und FSW) durch den TS = 0-Schnittpunkt der Regression geschätzt werden.† Die Antriebs- und Rückkopplungswerte für das CMIP5-GCMs (Tabelle S1) stimmen mit denen überein, die von Andrews et al. (10).

Wie durch Gl. 1 ist die effektive Wärmekapazität C (Fig. 2B) ist die zeitintegrierte TOA-Energieakkumulation dividiert durch TS. Es ist seit langem bekannt, dass es keine einzige Wärmekapazität (oder charakteristische Relaxationszeit) des Klimasystems gibt (11). Tatsächlich nimmt C mit der Zeit zu, wenn Wärme unter die Oberflächenmischschicht und in das Innere des Ozeans eindringt (12⇓⇓-15). Für das CMIP5-GCMs entspricht C einer äquivalenten Meerestiefe von 50 m im ersten Jahrzehnt nach 4 × CO2 und nimmt mit der Zeit zu und erreicht nach einem Jahrhundert eine äquivalente Tiefe von mehreren hundert Metern (Abb. 2B). Die zeitliche Entwicklung von C zusammen mit Werten von SW- und LW-Rückkopplungen und Forcing erlauben eine Iteration von Gl. 1, die den Oberflächentemperaturverlauf TS jedes GCM genau wiedergibt (Fig. 2A). ASR und OLR vorhergesagt von Gl. 2 sind in ausgezeichneter Übereinstimmung mit ihren jeweiligen Antworten nach 4× CO2 (Fig. 2 C und D) und machen die überwiegende Mehrheit (99%) der Varianz in tcross über die Modelle hinweg aus. So kann eine einfache Darstellung von Klima-Feedbacks (Eqs. 1 und 2) ist alles, was benötigt wird, um die Reaktion von ASR und OLR unter THG-Forcing zu verstehen.

Ein Einblick in das GCM-Verhalten kann gewonnen werden, indem die Werte von ASR und OLR berücksichtigt werden, die erforderlich sind, um eine TOA-Energiebilanz (Gleichgewicht) mit einem auferlegten Treibhausgasantrieb zu erreichen. Wirken Forcing und Feedbacks nur im LW (wie in Fig. 1A) würde die OLR−Anomalie ab einem Wert von -FLW = 0 nach 4× CO2 (Gl. 2), und die globale Energieakkumulation würde vollständig durch reduzierte OLR angetrieben. Im Multi-GCM−Mittelwert gibt es jedoch neben der negativen LW−Rückkopplung von λLW=-1,7 W m−2 K−1 eine wesentliche positive SW-Rückkopplung von λSW=0,6 W m-2 K-1 (Fig. 3A). Infolgedessen steigt die ASR mit der Erwärmung an und trägt zur globalen Energieakkumulation bei. Darüber hinaus verstärkt das positive λSW das Gleichgewichtstemperaturverhalten um einen Verstärkungsfaktor‡ (GλSW) von ∼1.5 relativ zu einem System mit nur LW-Rückkopplungen, wobei Gλsw≡1/(1+λSW/λLW).Der Multi-GCM-Mittelwert OLR muss daher nach 4× CO2 um 1,5FLW ansteigen (von −FLW auf 0,5FLW), um das Gleichgewicht zu erreichen (Gl. 2). Somit kehrt OLR zu seinem ungestörten Wert zurück, wenn 1 FLW / 1,5 FLW≈66% der Gleichgewichtstemperaturantwort realisiert wurde. Wir schätzen diese Zeitskala unten. Wenn wir im Moment davon ausgehen, dass die Erwärmung über die ersten Jahrzehnte mit einer konstanten Wärmekapazität C angenähert werden kann, Gl. 1 für den zeitlichen Verlauf der Oberflächentemperatur leicht lösbar ist, ergibt sichts=GλSWFLWλLW(e−tt−1), wobei t=−CλLW+λSW.Von Eq. 4 werden die ∼ 66% der Gleichgewichtstemperaturänderung, die erforderlich ist, damit sich OLR auf vorindustrielle Werte erholt, ungefähr zum Zeitpunkt τ erreicht; das heißt, tcross ist ungefähr gleich τ im Ensemble-Durchschnitt. Wenn wir den Ensemble-Mittelwert von C über das erste Jahrhundert der 4 × CO2-Simulationen als Obergrenze für seinen Wert über die ersten Jahrzehnte nehmen (C≈250 m aus Abb. 2B), dann Gl. 5 stellt eine obere Grenze auf τ dar. Für Ensemble-Mittelwert-Rückkopplungswerte (Tabelle S1), Gl. 5 ergibt τ≈29 y, was in guter Übereinstimmung mit der CMIP5 Ensemble mean OLR recovery timescale tcross=19 y. Für alle Zeiten nach tcross geht Energie durch verbesserte LW-Emission verloren, und die Energieakkumulation ist ausschließlich auf eine verbesserte ASR zurückzuführen. Somit hängen die relativen Beiträge von SW- und LW-Anomalien zur Gesamtenergieakkumulation direkt von der Zeit ab, die OLR benötigt, um zu seinem ungestörten Wert (tcross) zurückzukehren und diesen zu überschreiten. Im Multi-GCM-Mittelwert benötigt OLR nur zwei Jahrzehnte, um sich zu erholen, und daher ist die Energieakkumulation hauptsächlich auf eine verbesserte ASR zurückzuführen.

Abb. 3.

(A) Konturen zeigen die Empfindlichkeit von tcross gegenüber LW- und SW-Rückkopplungsparametern (λLW und λSW) im linearen Rückkopplungsmodell (Gl. 6) angenommen, der Antrieb liegt im LW und verwendet eine zeitinvariante Wärmekapazität von 250 m Meerestiefenäquivalent – der GCM-Mittelwert über das erste Jahrhundert. Der schwarz schattierte Bereich ist der Parameterraum, über den keine Gleichgewichtslösung existiert, und der rosa schattierte Bereich ist der Parameterraum, über den der OLR niemals zu seinem ungestörten Wert zurückkehrt. Die einzelnen GCM-Ergebnisse werden durch die Kreise angegeben, die von tcross farblich gekennzeichnet sind (der Farbbalken befindet sich in der Mitte der Abbildung). Die graue Ellipse und die gestrichelten Linien stellen die Beobachtungsschätzungen von λLW und λSW ± 1 SD (σ) dar. (B) Die Empfindlichkeit von tcross gegenüber der SW-Forcierungsverstärkung (GFSW) und der SW-Rückkopplungsverstärkung (GλSW) unter der Annahme von τ ∼ 29 y (dem GCM-Mittelwert über das erste Jahrhundert) in Gl. 8.

Was setzt dann den großen Bereich von tcross über das CMIP5 GCMs? Während in allen GCMs (15, 18) — aufgrund der schnellen Reaktion der Oberflächenkomponenten des Klimasystems (12) — ein wesentlicher Teil der Gleichgewichtserwärmung innerhalb der ersten Jahrzehnte erreicht wird, hängen die ASR- und OLR-Reaktionen auf die Erwärmung (und tcross) von den SW- und LW-Rückkopplungen ab, die erheblich variieren (Abb. 3A). Die Abhängigkeit von tcross von den Rückkopplungsparametern kann explizit durch Lösen des linearen Rückkopplungsmodells für tcross (unter der Annahme, dass FSW = 0) gesehen werden. Ersetzen von Eq. 4 in Gl. 2 und Identifizieren von t = tcross als die Zeit, wenn OLR = 0 ergibt FLW= FLWGλSW(etcross/τ−1), die die Lösung hattcross=−τ⁡ln(1−1GλSW).

Gl. 6 zeigt, dass die OLR-Erholungszeit proportional ist zu (i) der Strahlungs-E−Faltungszeitskala τ, die in der Größenordnung von mehreren Jahrzehnten liegt, und (ii) einem Faktor ln (1-1 / GλSW) = ln (-λSW / λLW), der im Multi-GCM-Mittelwert ≈1 ist, aber um zwei Größenordnungen über das GCMs variiert. Eine positive SW-Rückkopplung verstärkt die Erwärmung und verbessert somit die OLR-Reaktion und verringert die Zeitskala für die OLR-Erholung. Darüber hinaus ist tcross weit empfindlicher gegenüber Änderungen von λSW als λLW über den im GCMs realisierten Parameterraum (Kurven in Fig. 3A), was darauf hindeutet, dass die Intermodellenunterschiede im tcross hauptsächlich durch Variationen der SW-Rückkopplungen gesteuert werden. Dieses Ergebnis ergibt sich aus einer fundamentalen Asymmetrie in der Abhängigkeit von OLR von λSW und λLW: Ein positiveres λSW verstärkt die Erwärmung, wodurch OLR verstärkt und tcross verringert wird; Ein weniger negatives λLW verstärkt in ähnlicher Weise die Erwärmung, wodurch OLR verstärkt wird, verringert aber auch die OLR-Reaktion pro Änderungsgrad (Gl. 2), insgesamt fahren nur kleine Änderungen in tcross.

Trotz seiner vielen Vereinfachungen, Gl. 6 bietet eine vernünftige Schätzung des tcross, wie vom GCMs simuliert, und erklärt 66% der Varianz zwischen den Modellen (Abb. 3A). Insbesondere erfasst es weitgehend die kurze OLR-Erholungszeit in den CMIP5-Modellen mit großen und positiven λSW-Werten und die lange OLR-Erholungszeit in Modellen mit einem λSW nahe Null. Es gibt jedoch einige bemerkenswerte Ausnahmen, bei denen Gl. 6 prognostiziert einen wesentlich kleineren tcross als realisiert. tcross wird in diesen Modellen unterschätzt, da wir die SW-Komponente des CO2-Antriebs noch nicht berücksichtigt haben, die in einigen GCMs aufgrund der schnellen Wolkenanpassungen, die auf Zeitskalen schneller als Änderungen der Oberflächentemperatur auftreten, erheblich ist. Analog zu dem oben diskutierten SW-Rückkopplungsfall verstärkt das SW-Forcing die Gleichgewichtstemperaturantwort um einen SW-Forcing-Verstärkungsfaktor, GFSW, relativ zu dem System mit nur LW-Forcing: GFSW≡1+FSWFLW.Ein positiver SW-Antrieb verstärkt die Erwärmung, verbessert die OLR-Reaktion und verringert den Tcross, während ein negativer SW-Antrieb die Erwärmung reduziert, die OLR-Reaktion verringert und den Tcross erhöht. Einschließlich der Auswirkungen von SW-Feedbacks und Zwingen zusammen gibt eine einfache Erweiterung der Eq. 6, wobei die Gewinne multiplikativ sind (SI-Text): tcross = −τ⁡ln (1−1GλSW GFSW).Im Multi-GCM-Mittelwert ist FSW relativ klein (Tabelle S1), was GFSW≈1,1 ergibt und tcross wenig von dem durch Gl. 6. In einigen Modellen ist FSW jedoch ein wesentlicher Bruchteil des gesamten CO2-Antriebs (Abb. 3B), und somit hat es einen großen Einfluss auf tcross. Unter Berücksichtigung von FSW, Gl. 8 bietet eine hervorragende Schätzung des tcross, wie vom GCMs simuliert, und erklärt 78% der Varianz zwischen den Modellen.

Wenn ein konstanter Wert τ≈29 y in Gl. 8 kann die Abhängigkeit von tcross von den Rückkopplungs- und Forcierungsverstärkungen visualisiert werden (Kurven in Fig. 3B). tcross weist sehr steile Gradienten in der Region auf, in der sich das Produkt von GλSW und GFSW einem nähert, was zu einer bimodalen Verteilung von tcross führt, wobei OLR entweder über ein paar Jahrzehnte oder in Zeiträumen von mehr als einem Jahrhundert zu ungestörten Werten zurückkehrt. Obwohl GλSW und GFSW gleichermaßen zum tcross beitragen, variiert GλSW in den GCMs stärker als GFSW. Daher ist es das SW-Feedback, das den Bereich von tcross und die relativen Beiträge von OLR und ASR zur globalen Energieakkumulation am stärksten steuert. In Modellen mit einem ausreichend negativen FSW (GFSW<0) kann tcross jedoch in der Größenordnung von Jahrhunderten liegen, selbst bei einem großen und positiven λSW (GλSW>0). Im Allgemeinen erholt sich OLR auf Zeitskalen von Jahrhunderten in Modellen mit entweder schwachen SW-Rückkopplungen oder schwachem (oder negativem) SW-Forcing, und OLR erholt sich auf Zeitskalen von mehreren Jahrzehnten in Modellen mit moderaten SW-Rückkopplungen und SW-Forcing. Dieses Ergebnis kann weiter gesehen werden, indem nur λSW und FSW im linearen Rückkopplungsmodell variiert werden (Gl. 1) und Einstellen λLW, FLW und C gleich ihren Ensemble-Mittelwerten. Die vorhergesagten Werte von tcross stimmen hervorragend überein (R2 = 0,98) mit denen, die vom GCMs simuliert wurden (Abb. 4A), mit Ausnahme von zwei Modellen mit C viel größer als der Ensemble-Mittelwert. Wichtig ist, dass nur λSW und FSW zwischen den Modellen variieren können, um die klare Trennung zwischen (i) diesen Modellen mit tcross in der Größenordnung von Jahrhunderten zu erfassen (schwarze Kreise in Abb. 4A), wo die globale Energieakkumulation von reduzierter OLR dominiert wird, und (ii) jene Modelle mit tcross in der Größenordnung von Jahrzehnten (farbige Kreise in Abb. 4A), wobei die globale Energieakkumulation von einer verbesserten ASR dominiert und von einer verbesserten OLR entgegengesetzt wird.

Abb. 4.

(A) Streudiagramm von tcross in den CMIP5 4 × CO2-Simulationen und denen, die durch das lineare Rückkopplungsmodell vorhergesagt wurden (Gl. 8) unter Verwendung des GCM-spezifischen λSW und FSW das GCM-Ensemble Durchschnitt λLW, FSW und Wärmekapazität. Die Füllfarbe jedes Kreises gibt den tcross jedes GCM in der 4 × CO2-Simulation an. Die schwarz gestrichelte Linie ist die 1:1-Linie. (B) Das gleiche wie in A, außer dass das Streudiagramm den gleichen Wert in den 1% CO2-Anstieg pro Jahr Simulationen hat.

In Anbetracht dieser Erkenntnisse kehren wir zu den relativen Rollen von ASR und OLR bei der Förderung der globalen Energieakkumulation unter dem 1% CO2-Anstieg pro Jahr zurück Szenario, in dem die THG-Konzentrationen im Laufe der Zeit langsam ansteigen, wie in der Natur, anstatt sich abrupt zu vervierfachen. Um die relativen Rollen von verbesserter ASR und reduzierter OLR bei der transienten Energieakkumulation zu quantifizieren, definieren wir das SW Energy Accumulation Ratio (SWEAR) als das Verhältnis der zeitintegrierten Energieakkumulation über verbesserte ASR zum zeitintegrierten Nettostrahlungsungleichgewicht (ASR – OLR) über die 140 y der 1% CO2 Simulationen: SWEAR =∫ASRdt∫ (ASR-OLR) dt.Die Werte der SCHWÖREN variieren erheblich über die GCMs (Abb. 4B), von nahe Null (Energie, die hauptsächlich durch reduzierte OLR akkumuliert wird) bis nahe drei (Energie, die durch verbesserte ASR akkumuliert wird und durch verbesserte OLR verloren geht). SCHWÖREN zwischen 0 und 1 zeigt die Energieakkumulation sowohl durch verbesserte OLR als auch durch reduzierte OLR an, während SCHWÖREN über 0,5 anzeigt, dass ASR mehr als die Hälfte der globalen Energieakkumulation beiträgt. Im Multi-GCM-Mittelwert ist ES 1,1, was darauf hinweist, dass sich die OLR nur wenig ändert und dass die Nettoenergieakkumulation vollständig durch eine verbesserte ASR erreicht wird (Abb. 1D).

Dieser Bereich des GCM-Verhaltens unter langsam ansteigendem THG-Forcing folgt direkt aus dem oben identifizierten Bereich der OLR-Wiederherstellungszeitskalen tcross unter einer abrupten Änderung der THGs, die wiederum durch intermodelle Unterschiede in SW-Feedbacks und Forcing festgelegt wird. Das lineare Rückkopplungsmodell (Eqs. 1 und 2 mit Parametern geschätzt von 4 × CO2 wie oben beschrieben) iteriert vorwärts unter 1% CO2 erfasst die Multi-GCM ASR und OLR Antwort (gestrichelte Linien in Fig. 1D) und ihre modellübergreifenden Variationen. Das lineare Rückkopplungsmodell erfasst somit auch die Inter-GCM-Varianz in % (95%), wobei die überwiegende Mehrheit (85%) der Inter-GCM-Varianz nur durch Variation von λSW und FSW erklärt werden kann (wobei λLW, FLW und C wie oben auf ihre Ensemble-Mittelwerte gesetzt sind) (Abb. 4B).

Abb. 4B zeigt eine klare Trennung zwischen Modellen mit SWAR ≤0,5 (OLR-dominiert) und Modellen mit SWAR ≥1 (ASR-dominiert). Weiterhin sind Modelle mit T ≤0,5 solche mit tcross in der Größenordnung von Jahrhunderten (Abb. 4B, schwarze Kreise), und Modelle mit T ≥1 sind die gleichen wie Modelle mit tcross in der Größenordnung von Jahrzehnten (Abb. 4B, farbige Kreise). Diese starke Abhängigkeit der ENERGIE von tcross kann verstanden werden, indem die Reaktion auf 1% CO2 als Überlagerung vieler Reaktionen auf einen momentanen CO2-Antrieb betrachtet wird, die jeweils zu einem anderen Zeitpunkt eingeleitet werden. Formal kann der Zeitpunkt (tramp), zu dem OLR als Reaktion auf einen linearen Anstieg des CO2−Antriebs zu seinem ungestörten Wert zurückkehrt, durch (SI Text) tramp =τ1-1GλSW GFSW = tetcross / τ angenähert werden.Für Modelle mit tcross in der Größenordnung von Jahrzehnten, tRAMP ist auch in der Größenordnung von Jahrzehnten, und SCHWÖREN ist groß. Für Modelle mit tcross in der Größenordnung von einem Jahrhundert, tRAMP ist in der Größenordnung von mehreren Jahrhunderten, und SCHWÖREN ist klein. Insgesamt erklärt tcross 83% der Inter-GCM-Varianz in der PRODUKTION.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.