Lyhytaalto – ja pitkäaaltosäteilyn osuus ilmaston lämpenemisestä lisääntyvässä CO2

SW ja LW osuus energian kertymisestä

ensin tarkastelemme yksityiskohtaisemmin CMIP5 GCMs: n globaalia säteilyvastetta äkilliseen KASVIHUONEKAASUPAKOTTEESEEN (4× CO2) (esitetty kuvassa. 2). OLR-anomalioiden kehitys eroaa huomattavasti GCMs: n (kuva. 2D). Luonnehdimme tätä vastealuetta sillä ajalla (tcross), joka kuluu OLR: n palautumiseen häiriöttömään arvoon*; tcross vaihtelee 2: sta 231: een y: hen, jonka kokonaiskeskiarvo on 19 y (KS.Kuva. 4 A).

näiden havaintojen tulkitsemiseksi käytämme yleisesti käytettyä linearisointia globaalista TOA-energiabudjetista:d(c TS)dt=FSW+FLW+(λSW+λLW)TS, jossa TS on globaali keskimääräinen pintalämpötilan poikkeama ja C ajasta riippuva globaali lämpökapasiteetti. Ekv. 1 suhteuttaa globaalin lämpösisällön muuttumisnopeuden maailmanlaajuiseen TOA – energian kertymisnopeuteen, joka saadaan sw-ja LW-säteilypakotteiden (FSW ja FLW) ja säteilypakotteiden (λSWTS ja λLWTS) summana (6). Anomalioita OLR: ssä ja ASR: ssä voidaan edelleen ilmaista asASR=FSW+λSWTS

ja−OLR=FLW+λLWTS.

säteilevät takaisinkytkennät (λSW ja λLW) voidaan arvioida kullekin GCM: lle ASR: n ja OLR: n lineaarisella regressiolla (Kuva. 2 C ja D) TS: llä (Kuva. 2A) 4× CO2: n jälkeisenä aikana, jolloin säteilypakote on suunnilleen vakio (7, 8). Lisäksi CO2-pakotuksen LW-ja SW-komponentit (FLW ja FSW) voidaan arvioida regression ts=0-leikkauspisteellä.† Cmip5 GCMs: n pakote-ja takaisinkytkentäarvot (taulukko S1) ovat yhdenmukaiset Andrewsin ym.arvioimien arvojen kanssa. (10).

Eq: n määritelmän mukaisesti. 1, tehollinen lämpökapasiteetti C (Kuva. 2B) on aika-integroitu toa-energian kertymä jaettuna TS: llä. Jo pitkään on tiedetty, että ilmastojärjestelmässä ei ole yhtä lämpökapasiteettia (tai tyypillistä rentoutumisaikaa) (11). C lisääntyykin ajan myötä, kun lämpö tunkeutuu pinnan sekakerroksen alle ja valtamerten sisäosiin (12 ⇓ ⇓ -15). CMIP5 GCMs: n osalta C vastaa ekvivalenttia meren syvyyttä 50 m ensimmäisellä vuosikymmenellä 4× CO2: n jälkeen ja kasvaa ajan myötä saavuttaen ekvivalentin syvyyden useita satoja metrejä vuosisadan jälkeen (kuva. 2b). C: n aikakehitys yhdessä SW: n ja LW: n palautteiden ja pakottamisen arvojen kanssa mahdollistavat Eq: n iteroinnin. 1, joka toistaa tarkasti kunkin GCM: n pintalämpötilavasteen TS (Kuva. 2 A). EQ: n ennustama ASR ja OLR. 2 ovat erinomaisessa yhteisymmärryksessä vastaavien vastausten jälkeen 4× CO2 (Kuva. 2 C ja D) ja muodostavat valtaosan (99%) tcrossin varianssista eri mallien välillä. Näin ollen yksinkertainen esitys ilmaston palautteista (Eqs. 1 ja 2) on kaikki, mitä tarvitaan ymmärtämään ASR: n ja OLR: n vastaus GHG-pakotuksessa.

käsitys GCM-käyttäytymisestä voidaan saada tarkastelemalla ASR: n ja OLR: n arvoja, joita tarvitaan toa-energiatasapainon (tasapainon) saavuttamiseen pakotetulla GHG-pakotteella. Jos pakottaminen ja palautteita toiminut vain LW (kuten kuvassa. 1A), OLR −anomalia kasvaisi arvosta-FLW = 0 jälkeen 4× CO2 (ekv. 2), ja globaali energiakertymä ajettaisiin kokonaan pelkistetyllä OLR: llä. Usean GCM: n keskiarvossa on kuitenkin λsw: n negatiivisen LW−takaisinkytkennän λLW: n=-1,7 W m−2 K−1 lisäksi huomattava positiivinen sw−takaisinkytkentä (Kuva. 3 A). Tämän seurauksena ASR kasvaa lämpenemisen myötä, mikä edistää globaalia energian kertymistä. Lisäksi positiivinen λSW vahvistaa tasapainolämpötilavastetta vahvistuskertoimella‡ (GλSW) ∼1.5 suhteessa järjestelmään, jossa on vain LW-takaisinkytkentöjä, whereegλsw≡1 / (1 + λSW / λLW).Usean GCM: n keskiarvon OLR: n on siis noustava 1, 5 FLW: lla 4× CO2: n jälkeen (FLW: stä 0, 5 FLW: Iin), jotta saavutetaan tasapaino (Eq. 2). Näin OLR palaa häiriöttömään arvoonsa, kun 1flw / 1,5 FLW≈66% tasapainolämpötilavasteesta on toteutunut. Arvioimme tätä aikataulua alla. Jos oletamme, tällä hetkellä, että lämpeneminen ensimmäisten vuosikymmenten aikana voidaan approksimoida vakio lämpökapasiteetti C, Eq. 1 voidaan helposti ratkaista ajan kehityksen pintalämpötilan, givingTS=GλSWFLWλLW (e−tt−1),wheret=−CλLW+λSW.EQ: Sta. 4, se ∼66% tasapainolämpötilan muutoksesta, joka tarvitaan OLR: n palautumiseen esiteollisiin arvoihin, saavutetaan suunnilleen ajassa τ; toisin sanoen tcross on likimain yhtä suuri kuin τ Ensemblen keskiarvossa. Jos otamme C: n kokonaiskeskiarvon 4× CO2-simulaatioiden ensimmäisellä vuosisadalla ylärajana sen arvolle useiden ensimmäisten vuosikymmenten aikana (C≈250 m kuviosta. 2B), sitten Eq. 5 on yläraja τ: lle. Kokonaisuuden keskimääräiset takaisinkytkentäarvot (taulukko S1), Eq. 5 antaa τ≈29 y, mikä on hyvässä yhteisymmärryksessä CMIP5 ensemble mean OLR recovery timescale tcross=19 y. kaikkina aikoina tcrossin jälkeen energiaa menetetään tehostetun LW-emission kautta, ja energian kertyminen johtuu yksinomaan tehostetusta ASR: stä. Siten SW: n ja LW: n poikkeamien suhteellinen osuus energian kokonaiskertymästä riippuu suoraan ajasta, joka kuluu OLR: n palautumiseen ja ylittämiseen sen häiriöttömään arvoon (tcross). Monen GCM: n keskiarvossa OLR: n palautuminen kestää vain kaksi vuosikymmentä, ja siten energian kertyminen johtuu ensisijaisesti tehostuneesta ASR: stä.

mikä sitten asettaa CMIP5 GCMs: n suuren tcrossialueen? Vaikka merkittävä osa tasapainotilan lämpenemisestä saavutetaan useiden ensimmäisten vuosikymmenten aikana kaikissa GCMs: issä (15, 18)—johtuen ilmastojärjestelmän pintakomponenttien nopeasta vasteesta (12)—lämpenemisen ASR-ja OLR-vasteet (ja tcross) riippuvat SW-ja LW-takaisinkytkennöistä, jotka vaihtelevat huomattavasti (Fig. 3 A). Tcrossin riippuvuus takaisinkytkentäparametreista voidaan nähdä eksplisiittisesti ratkaisemalla tcrossin lineaarinen takaisinkytkentämalli (olettaen, että FSW = 0). Korvaa Eq. 4 ekv. 2 ja identifioidaan t=tcross ajaksi, jolloin OLR = 0 antaa FLW=FLWGλSW(etcross / τ−1), jolla on solutiontcross=−τ τ ln (1−1GλSW).

ekv. 6 paljastaa, että OLR: n palautumisaika on verrannollinen (i) säteilevään e-taittumisaikaan τ, joka on useiden vuosikymmenten luokkaa, ja (ii) tekijään Ln(1-1/GλSW)=Ln(−λSW/λLW), joka on ≈1 monen GCM: n keskiarvossa, mutta vaihtelee kahden suuruusluokan välillä GCMs: ssä. Positiivinen SW-takaisinkytkentä vahvistaa lämpenemistä ja siten parantaa OLR-vastetta ja lyhentää OLR-palautumisen aikataulua. Lisäksi tcross on paljon herkempi λSW: n kuin λLW: n muutoksille Parametriavaruudessa, joka toteutuu GCMs: ssä (käyrät kuvassa. 3A), mikä viittaa siihen, että intermodel-eroja tcrossissa hallitaan ensisijaisesti SW-takaisinkytkentöjen vaihteluilla. Tämä tulos johtuu OLR: n riippuvuuden perustavanlaatuisesta epäsymmetrisyydestä λSW: stä ja λLW: stä: positiivisempi λSW toimii monistamaan lämpenemistä, mikä parantaa OLR: ää ja vähentää tcrossia; vähemmän negatiivinen λLW toimii samalla tavalla monistaen lämpenemistä, mikä parantaa OLR: ää, mutta se myös vähentää OLR-vastetta per aste ts muutos (Eq. 2), yhteensä ajetaan vain pieniä muutoksia tcrossissa.

monista yksinkertaistuksistaan huolimatta Eq. 6 antaa kohtuullisen arvion Tcrossista GCMs: n simuloimana ja selittää 66% mallien välisestä varianssista (Kuva. 3 A). Erityisesti se kuvaa laajasti lyhyttä OLR-palautumisaikaa CMIP5-malleissa, joissa on suuret ja positiiviset λSW-arvot, ja pitkää OLR-palautumisaikaa malleissa, joissa λSW on lähellä nollaa. On kuitenkin muutamia merkittäviä poikkeuksia, joissa Eq. 6 ennustaa huomattavasti pienempää tcrossia kuin toteutuu. tcross on aliarvostettu näissä malleissa, koska emme ole vielä ottaneet huomioon CO2-pakotteen SW-komponenttia, joka on huomattava muutamassa GCMs: ssä, koska nopeat pilvisäädöt tapahtuvat aikatauluissa nopeammin kuin pintalämpötilan muutokset. Edellä mainitun SW-takaisinkytkentätapauksen tapaan SW-pakottaminen vahvistaa tasapainolämpötilavastetta SW-pakottavalla vahvistuskertoimella, GFSW, suhteessa järjestelmään, jossa LW-pakottaminen on vain:GFSW≡1+FSWFLW.

positiivinen SW-pakottaminen vahvistaa lämpenemistä, parantaa OLR-vastetta ja vähentää tcrossia, kun taas negatiivinen SW-pakottaminen vähentää lämpenemistä, vähentää OLR-vastetta ja lisää tcrossia. Mukaan lukien vaikutukset SW palautteita ja pakottaa yhdessä antaa yksinkertainen laajennus taajuuskorjain. 6, jossa voitot ovat multiplicative (SI teksti): tcross=−τ τ Ln(1−1gλsw GFSW). multi-GCM keskiarvo FSW on suhteellisen pieni (taulukko S1), jolloin GFSW≈1.1 ja muokkaamalla tcross vähän siitä ennustetaan Eq. 6. Joissakin malleissa FSW on kuitenkin huomattava murto-osa koko CO2-pakotteesta (Fig. 3B), ja siten sillä on suuri vaikutus tcrossiin. Kun FSW otetaan huomioon, Eq. 8 tarjoaa erinomaisen arvion Tcrossista GCMs: n simuloimana ja selittää 78% mallien välisestä varianssista.

Jos ekv: ssä käytetään vakioarvoa τ≈29 y. 8, tcrossin riippuvuus palautteesta ja pakottavista voitoista voidaan visualisoida (käyrät kuvassa. 3b). tcrossilla on hyvin jyrkkiä kaltevuuksia alueella, jossa gλsw: n ja GFSW: n tulo lähestyy yhtä, mikä johtaa tcrossin bimodaaliseen jakautumiseen, OLR: n palatessa häiriintymättömiin arvoihin joko parin vuosikymmenen aikana tai yli vuosisadan aikajänteellä. Vaikka GλSW ja GFSW vaikuttavat yhtä lailla tcrossiin, GλSW vaihtelee Gfsw: tä enemmän Gfsw: tä GCMs: ssä. Näin ollen juuri SW-takaisinkytkentä ohjaa voimakkaimmin tcrossin aluetta ja OLR: n ja ASR: n suhteellista osuutta globaaliin energian kertymiseen. Kuitenkin malleissa, joissa on riittävän negatiivinen FSW (GFSW<0), tcross voi olla vuosisatojen luokkaa, vaikka suuri ja positiivinen λSW (GλSW>0). Yleensä OLR toipuu vuosisatojen aikajänteellä malleissa, joissa on joko heikko SW-takaisinkytkentä tai heikko (tai negatiivinen) SW-pakottaminen, ja OLR toipuu useiden vuosikymmenten aikajänteestä malleissa, joissa on kohtalainen SW-takaisinkytkentä ja SW-pakottaminen. Tämä tulos voidaan edelleen nähdä vaihtelemalla vain λSW ja FSW lineaarisessa takaisinkytkentämallissa (Eq. 1) ja asetetaan λLW, FLW ja C niiden ensemble-keskiarvojen mukaisiksi. Tcrossin ennustetut arvot ovat erinomaisessa yhteisymmärryksessä (R2=0,98) GCMs: n simuloimien arvojen kanssa (kuva. 4A) lukuun ottamatta kahta mallia, joiden C on paljon suurempi kuin kokonaisuuden keskiarvo. Tärkeää on, että vain λSW: n ja FSW: n salliminen eri mallien välillä riittää kuvaamaan selvää eroa (i) niiden mallien välillä, joissa on tcross vuosisatojen järjestyksessä (mustat ympyrät kuviossa. 4A), jossa globaalia energian kertymistä hallitsee pelkistetty OLR, ja (ii) ne mallit, joissa tcross on vuosikymmenten järjestyksessä (värilliset ympyrät kuviossa. 4A), jossa globaalia energian kertymistä hallitsee tehostettu ASR ja vastustaa tehostettu OLR.

nämä oivallukset mielessämme palaamme ASR: n ja OLR: n suhteellisiin rooleihin globaalin energian kertymisessä 1%: n CO2: n vuosittaisen kasvun skenaariossa, jossa kasvihuonekaasujen pitoisuudet kasvavat hitaasti ajan myötä, kuten luonnossa, sen sijaan että ne yhtäkkiä nelinkertaistuisivat. Vahvistetun ASR:n ja vähentyneen OLR: n suhteellisten roolien kvantifioimiseksi väliaikaisessa energian kertymisessä määrittelemme SW-energian kertymäsuhteen (vannon) olevan tehostetun ASR: n kautta aikaan integroidun energian kertymisen suhde aikaan integroituun nettosäteilyn epätasapainoon (ASR-OLR) 1%: n CO2 − simulaatioiden 140 vuoden aikana: vannon=∫asrd∫(ASR−OLR)DT.Kiroilun arvot vaihtelevat huomattavasti GCMs: n (kuva. 4B), lähes nollasta (pääasiassa pelkistetyn OLR: n keräämä energia) lähelle kolmea (tehostetun ASR: n keräämä Energia ja tehostetun OLR: n menettämä energia). Vannominen 0: n ja 1: n välillä osoittaa energian kertymistä sekä tehostetun OLR: n että pelkistetyn OLR: n kautta, kun taas vannominen yli 0,5: n osoittaa ASR: n lisäävän yli puolet globaalista energian kertymisestä. Multi-GCM-keskiarvossa vannon arvo on 1,1, mikä osoittaa, että OLR muuttuu vain vähän ja että nettoenergian kertyminen tapahtuu kokonaan tehostetulla ASR: llä (Kuva. 1D).

tämä GCM: n käyttäytymisen vaihteluväli hitaasti lisääntyvässä KASVIHUONEKAASUPAKOTTEESSA seuraa suoraan OLR: n talteenottoaikojen vaihteluvälistä, joka on määritetty edellä kasvihuonekaasujen äkillisessä muutoksessa, joka puolestaan määräytyy SW: n takaisinkytkennöissä ja pakottamisessa ilmenevien intermodel-erojen perusteella. Itse asiassa lineaarinen takaisinkytkentämalli (Eqs. 1 ja 2 parametrien estimoitu 4× CO2 kuten edellä on kuvattu) iteroitu eteenpäin alle 1% CO2 kaappaa multi-GCM ASR-ja OLR-vasteen (katkoviivat kuviossa. 1D) ja niiden variaatiot eri malleissa. Lineaarinen takaisinkytkentämalli kaappaa siten myös GCM: n välisen varianssin VANNOMISESSA (95%), jossa valtaosa (85%) GCM: n välisestä varianssista voidaan selittää vaihtelemalla vain λSW: tä ja FSW: tä (λLW: n, FLW: n ja C: n asettaessa kokonaisuutensa kuten yllä) (Kuva. 4b).

kuva. 4B osoittaa selkeän eron sellaisten mallien välillä, joiden kirous on ≤0, 5 (OLR-dominoiva) ja joiden kirous on ≥1 (ASR-dominoiva). Lisäksi malleja, joiden kirous on ≤0,5, ovat ne, joilla on tcross vuosisatojen järjestyksessä (Kuva. 4B, mustat ympyrät), ja mallit, joiden kirous on ≥1, ovat samat kuin tcrossin kanssa vuosikymmenten järjestyksessä (Kuva. 4B, värilliset ympyrät). Tämä vahva riippuvuus vannomisesta tcrossiin voidaan ymmärtää tarkastelemalla 1%: n CO2-vastetta monien vasteiden superpositiona hetkelliselle CO2-pakotteelle, joista jokainen alkoi eri aikaan. Muodollisemmin ajankohtaa (tramp), jolloin OLR palaa häiriöttömään arvoonsa vastauksena lineaariseen CO2−pakotteen kasvuun, voidaan approksimoida kaavalla (SI Text)tramp=τ1-1GΛSW GFSW=tetcross/τ.Malleissa, joissa tcross on vuosikymmenten luokkaa, tRAMP on myös vuosikymmenten luokkaa, ja vannominen on suuri. Malleissa, joissa tcross on järjestyksessä sata, tRAMP on järjestyksessä useita vuosisatoja, ja vannominen on pieni. Kaiken kaikkiaan TCROSS selittää 83% GCM: n välisestä varianssista KIROSANOISSA.