SW e LW contribuições para a acumulação de energia
primeiro consideramos em mais detalhe a resposta radiativa global do CMIP5 GCMs a um aumento abrupto do GHG (4× CO2) (mostrado na Fig. 2). A evolução das anomalias OLR difere notavelmente entre GCMs(Fig. 2D). Caracterizamos esta gama de respostas no tempo (tcross) que é necessário para OLR retornar ao seu valor não perturbado*; tcross varia de 2 a 231 y, com uma média de conjunto de 19 y (ver Fig. 4A).Fig. 2.
(A) série cronológica da variação média global da temperatura da superfície nas simulações CMIP5 4× CO2. Os modelos individuais são indicados pelas linhas coloridas e codificados pela mudança de temperatura no ano 150 (a barra de cores é fornecida no meio da figura). A média do conjunto é mostrada pela linha preta tracejada. B) a capacidade térmica do sistema climático definida como a acumulação global de energia integrada no tempo dividida pela temperatura superficial (NQA). 1) dada em unidades de efetiva profundidade de uma coluna de oceano (eixo esquerdo) e unidades de radiativa e-dobramento de escala de tempo (negativa de capacidade calorífica dividida pela ensemble médio líquido radiativa feedback λLW+λSW=-1.1 W m−2 K−1; eixo da direita). (C) séries temporais da resposta ASR, onde as linhas sólidas são os valores de GCM e as linhas tracejadas são as previsões do modelo de feedback linear (Eqs). 1 e 2) utilizando a capacidade térmica específica do GCM, forcings e feedbacks. A linha preta sólida é a média ensemble do GCM, e a linha preta tracejada é a previsão do modelo de feedback linear usando a capacidade térmica média ensemble, forcings e feedbacks. D) o mesmo que em C, com excepção da resposta OLR.
para interpretar estes achados, empregamos uma linearização comumente usada do orçamento global de energia TOA: d (C TS)dt=FSW+FLW+(λSW+λLW) TS,onde TS é a anomalia da temperatura média global da superfície, E C é a capacidade de calor global dependente do tempo. Eq. 1 relaciona a taxa de mudança do conteúdo de calor global com a taxa de acumulação de energia global TOA, que é dada pela soma de forcings radiativos SW e LW (FSW e FLW) e Respostas radiativas (λSWTS e λLWTS) (6). Anomalias em OLR e ASR podem ainda ser expressas comoasr=FSW+λSWTS
e−OLR=FLW+λLWTS.
as fontes radiativas (λSW e λLW) podem ser estimadas para cada MGC por regressão linear de ASR e OLR (Fig. 2 C E D) com TS (Fig. 2A) durante o período após 4× CO2, em que o forçamento radiativo é aproximadamente constante (7, 8). Além disso, os componentes LW e SW do co 2 forcing (FLW e FSW) podem ser estimados pela ordenada na origem TS=0 da regressão.† Os valores de força e feedback para o CMIP5 GCMs (tabela S1) são consistentes com os estimados por Andrews et al. (10).
conforme definido por Eq. 1, a capacidade térmica efectiva C (Fig. 2B) é a acumulação de energia TOA integrada no tempo dividida por TS. Há muito tempo se reconhece que não há capacidade térmica única (ou tempo de relaxamento característico) do sistema climático (11). Na verdade, C aumenta com o tempo à medida que o calor penetra abaixo da superfície misturada e no interior do oceano (12 ⇓ ⇓ – 15). Para o CMIP5 GCMs, C corresponde a uma profundidade oceânica equivalente de 50 m na primeira década após 4× CO2 e aumenta ao longo do tempo, atingindo uma profundidade equivalente de várias centenas de metros após um século (Fig. 2B). A evolução do tempo de C, juntamente com os valores de feedbacks SW e LW e forçando permitir uma iteração de Eq. 1 que reproduz com precisão a resposta da temperatura superficial de cada MGC (Fig. 2A). ASR e OLR previstos por Eq. 2 estão em excelente acordo com suas respectivas respostas após 4× CO2 (Fig. 2 C E D) e representam a grande maioria (99%) da variância em tcross entre os modelos. Assim, uma simples representação de feedbacks climáticos (NQA. 1 e 2) é tudo o que é necessário para entender a resposta de ASR e OLR sob a força de GEE.
Insight into the GCM behavior can be gained by considering the values of ASR and OLR required to reach TOA energy balance (equilibrium) with an imposed GHG forcing. Se forçando e feedbacks agiram apenas no LW (como na Fig. 1A), a anomalia OLR aumentaria de um valor de −FLW = 0 após 4× CO2 (Eq. 2), e a acumulação global de energia seria impulsionada inteiramente pela redução do OLR. Na média multi-GCM, no entanto, há um feedback positivo substancial SW de λSW = 0,6 W m-2 K – 1, além do feedback negativo LW de λLW=-1.7 W m – 2 K−1 (Fig. 3A). Como resultado, a ASR aumenta com o aquecimento, contribuindo para a acumulação de energia global. Além disso, o λSW positivo amplifica a resposta à temperatura de equilíbrio por um fator de ganho‡ (GλSW) de ∼1.5 em relação a um sistema com apenas feedbacks LW, em que gλsw≡1/(1+λSW/λLW).A média OLR multi-GCM deve, portanto, aumentar 1,5 FLW após 4× CO2 (de-FLW para 0,5 FLW) para atingir o equilíbrio (Eq. 2). Assim, OLR retorna ao seu valor não perturbado quando 1FLW/1,5 FLW≈66% da resposta à temperatura de equilíbrio foi realizada. Estimamos esta escala de tempo abaixo. Se assumirmos, de momento, que o aquecimento durante as primeiras décadas pode ser aproximado com uma capacidade de calor constante C, Eq. 1 can be readily solved for the time evolution of the surface temperature, givingTS=GλSWFLWλLW(e−tt−1),wheret=−CλLW+λSW.Da Eq. 4, The ∼66% of the equilibrium temperature change required for OLR to recover to preindustrial values will be achieved at approximately time τ; that is, tcross is approximately equal to τ in The ensemble average. Se tomarmos a média do conjunto de C ao longo do primeiro século das simulações de 4× CO2 como um limite superior sobre o seu valor ao longo das primeiras décadas (C≈250 m da Fig. 2B), EQ. 5 fornece um limite superior Em τ. Para os valores médios de retroacção em conjunto (quadro S1), NQA. 5 dá τ≈29 y, que está em bom acordo com o conjunto CMIP5 tempo médio de recuperação OLR tcross=19 y. para todos os tempos após tcross, a energia é perdida através de uma maior emissão LW, e a acumulação de energia é apenas devido a enhanced ASR. Assim, as contribuições relativas de anomalias SW e LW para a acumulação total de energia dependem diretamente do tempo que a OLR leva para retornar e cruzar seu valor não afetado (tcross). Na média multi-GCM, o OLR leva apenas duas décadas para recuperar, e, portanto, a acumulação de energia é devido principalmente à ASR melhorada.Fig. 3.
(A) contornos mostram a sensibilidade da tcross aos parâmetros de feedback LW e SW (λLW e λSW) no modelo de feedback linear (Eq. 6) assumindo que a força está toda no LW e usando uma capacidade térmica invariante no tempo de 250 m equivalente de profundidade oceânica-a média GCM ao longo do primeiro século. A região sombreada preta é o espaço de parâmetros sobre o qual não existe solução de equilíbrio, e a região sombreada rosa é o espaço de parâmetros sobre o qual o OLR nunca retorna ao seu valor não perturbado. Os resultados individuais do GCM são dados pelos círculos, que são codificados por cores por tcross (a barra de cores é fornecida no meio da figura). A elipse cinzenta e as linhas tracejadas representam as estimativas observacionais de λLW e λSW ± 1 SD (σ). (B) a sensibilidade da tcross ao ganho forçado da SW (GFSW) e ganho de realimentação da SW (GλSW) assumindo τ ∼ 29 y (média da MCG ao longo do primeiro século) no Eq. 8.
o que, então, define a grande gama de tcross através do CMIP5 GCMs? Enquanto uma fração substancial de equilíbrio, o aquecimento é obtido nos primeiros várias décadas, em todos os gcms (15, 18)—, devido a rápida resposta da superfície de componentes do sistema climático (12)—a ASR e OLR respostas para aquecimento (e tcross) dependem de SW e LW feedbacks, que variam substancialmente (Fig. 3A). A dependência da tcross dos parâmetros de feedback pode ser vista explicitamente resolvendo o modelo de feedback linear para a tcross (sob o pressuposto de que FSW = 0). Substituição De Eq. 4 para NQA. 2 e identificando t = tcross como o tempo em que OLR = 0 dá FLW=FLWGλSW( etcross / τ-1), que tem a solução tcross=−τln(1−1GλSW).
Eq. 6 revela que a OLR o tempo de recuperação é proporcional a (i) radiativa e-dobramento de escala de tempo τ, que é da ordem de várias décadas, e (ii) um fator ln(1-1/GλSW)=ln(−λSW/λLW), que é de ≈1 no multi-GCM dizer, mas varia de uma a duas ordens de magnitude em todo o os gcms. Um feedback positivo da SW amplifica o aquecimento e, assim, aumenta a resposta OLR e diminui a escala de tempo para a recuperação OLR. Além disso, o tcross é muito mais sensível a mudanças em λSW do que λLW no espaço de parâmetros realizado no GCMs (curvas na Fig. 3-A), O que sugere que as diferenças intermodais na tcross são principalmente controladas por variações nos feedbacks da SW. Este resultado surge a partir de uma assimetria fundamental na dependência de OLR no λSW e λLW: uma mais positiva λSW atos para amplificar o aquecimento, o que aumenta OLR e diminui tcross; menos negativo λLW da mesma forma age para ampliar o aquecimento, o que aumenta OLR, mas também diminui a OLR resposta por grau TS alterar (Eq. 2), conduzindo apenas pequenas alterações na tcross.
apesar das suas muitas simplificações, NQA. 6 fornece uma estimativa razoável da tcross, tal como simulada pelo GCMs, explicando 66% da variância entre os modelos (Fig. 3A). Em particular, captura amplamente o curto tempo de recuperação OLR nos modelos CMIP5 com valores λSW grandes e positivos e o longo tempo de recuperação OLR em modelos com um λSW quase zero. Existem, no entanto, algumas excepções notáveis no que se refere ao NQA. 6 prevê uma tcross substancialmente menor do que é realizado. o tcross está subestimado nestes modelos porque ainda não contabilizamos o componente SW do co 2 forcing, que é substancial em alguns GCMs devido aos rápidos ajustes de nuvens que ocorrem em escalas de tempo mais rápido do que as mudanças de temperatura da superfície. Analogous to the SW feedback case discussed above, SW forcing amplifies the equilibrium temperature response by an SW forcing gain factor, GFSW, relative to the system with LW forcing only:GFSW≡1+FSWFLW.um SW positivo forçando amplifica o aquecimento, aumentando a resposta OLR e diminuindo a tcross, enquanto um SW negativo reduz o aquecimento, diminuindo a resposta OLR e aumentando a tcross. Incluindo os efeitos de feedbacks SW e forçar juntos dá uma simples extensão de Eq. 6, em que os ganhos são multiplicativos (texto SI):tcross=−τln(1−1GλSW GFSW).na média multi-GCM, FSW é relativamente pequeno (quadro S1), dando GFSW≈1.1 e modificando tcross pouco do previsto pelo Eq. 6. No entanto, em alguns modelos, FSW é uma fração substancial do co 2 forçando total (Fig. 3B) e, portanto, tem um grande impacto sobre a tcross. Com a FSW levada em conta, Eq. 8 fornece uma excelente estimativa da tcross como simulada pelo GCMs, explicando 78% da variância entre modelos.
Se um valor constante τ≈29 y é usado em Eq. 8, a dependência da tcross do feedback e dos ganhos de força pode ser visualizada(curvas na Fig. 3B). tcross tem muito declives acentuados na região onde o produto de GλSW e GFSW abordagens, levando a uma distribuição bimodal de tamanhos de tcross, com OLR retornando para imperturbável valores através de um par de décadas ou em escalas de tempo mais de um século. Embora a GλSW e a GFSW contribuam igualmente para a tcross, a GλSW varia mais do que a GFSW em todo o GCMs. Assim, é o feedback da SW que controla mais fortemente a gama de tcross e as contribuições relativas de OLR e ASR para a acumulação global de energia. No entanto, em modelos com um FSW suficientemente negativo (GFSW<0), o tcross pode estar na ordem dos séculos, mesmo com um λSW grande e positivo (GλSW>0). Em geral, OLR recupera em escalas temporais de séculos em modelos com feedbacks SW fracos ou força SW fraca (ou negativa), e OLR recupera em escalas temporais de várias décadas em modelos com feedbacks SW moderados e força SW. This result can be further seen by varying only λSW and FSW in the linear feedback model (Eq. 1) e definindo λLW, FLW, e C iguais aos seus valores médios ensemble. Os valores previstos da tcross estão em excelente acordo (R2=0,98) com os simulados pelo GCMs (Fig. 4A), excepto para dois modelos com C muito maior do que o valor médio do conjunto. Importante, permitir que apenas a λSW e a FSW variem entre Modelos é suficiente para captar a clara separação entre (I) esses modelos com tcross na ordem dos séculos (círculos negros na Figo. 4A), onde a acumulação global de energia é dominada pela redução de OLR, e (ii) aqueles modelos com tcross na ordem de décadas (círculos coloridos na Fig. 4A), onde a acumulação global de energia é dominada por ras melhoradas e opostas por OLR melhorado.Fig. 4.
(A) Scatterplot de tcross nas simulações CMIP5 4× CO2 e as previstas pelo modelo de feedback linear (Eq. 8) using the GCM-specific λSW and FSW the GCM ensemble average λLW, FSW, and heat capacity. A cor de preenchimento de cada círculo indica a tcross de cada GCM na simulação de 4× CO2. A linha tracejada preta é a linha 1: 1. B) o mesmo que em A, com excepção do scatterplot, corresponde ao valor de juro do aumento de 1% de CO2 por ano das simulações.com estes insights em mente, voltamos aos papéis relativos de ASR e OLR na condução da acumulação global de energia sob o cenário de aumento de 1% de CO2 por ano, onde as concentrações de GEE aumentam lentamente ao longo do tempo, como na natureza, em vez de quadruplicar abruptamente. Para quantificar os papéis relativos do ASR melhorado e do OLR reduzido na acumulação de energia transitória, definimos a razão de acumulação de energia SW (SWEAR) como a razão de acumulação de energia integrada no tempo via ASR melhorada para o desequilíbrio radiativo líquido integrado no tempo (ASR-OLR)ao longo dos 140 anos das simulações de CO2 de 1%: SWEAR=∫ASRdt∫(ASR-OLR) dt.Os valores do juro variam consideravelmente ao longo do GCMs (Fig. 4B), de quase zero (energia acumulada principalmente por OLR reduzido) para quase três (energia acumulada por ASR melhorada e perdida por OLR melhorado). O juro entre 0 e 1 indica acumulação de energia através de OLR melhorado e OLR reduzido, enquanto o juro acima de 0,5 indica que a ASR contribui com mais de metade da acumulação de energia global. Na média multi-GCM, o juro é 1.1, indicando que o OLR muda pouco e que a acumulação líquida de energia é realizada inteiramente pelo ASR melhorado(Fig. 1D).
Esta gama de comportamento GCM sob o aumento lento do GHG forçando segue diretamente da Gama de tempos de recuperação OLR tcross identificado acima sob uma mudança abrupta em GHGs, que, por sua vez, é definido por diferenças intermodel em feedbacks SW e forçando. Na verdade, o modelo de feedback linear (NQA). 1 e 2 com parâmetros estimados a partir de 4× CO2, tal como descrito acima) iterados para a frente com 1% de CO2 captam a resposta multi-GCM ASR e OLR (linhas tracejadas na Fig. 1D) e suas variações entre modelos. O modelo de feedback linear, assim, também captura a variância inter-GCM em SWEAR (95%), onde a grande maioria (85%) da variância inter-GCM pode ser explicada variando λSW e FSW apenas (com λLW, FLW, e C conjunto para o seu conjunto significa como acima) (Fig. 4B).Fig. 4B mostra uma clara separação entre modelos com SWEAR ≤0,5 (OLR-dominada) e modelos com SWEAR ≥1 (ASR-dominada). Além disso, modelos com juro ≤0,5 são aqueles com tcross na ordem dos séculos (Fig. 4B, círculos negros), e modelos com juras ≥1 são os mesmos que com tcross na ordem das décadas(Fig. 4B, círculos coloridos). Esta forte dependência de jurar sobre a tcross pode ser entendida considerando a resposta a 1% de CO2 como a superposição de muitas respostas a um forçamento instantâneo de CO2, cada uma iniciada em um momento diferente. Mais formalmente, o tempo (tramp) em que OLR retorna ao seu valor não perturbado em resposta a um aumento linear no co 2 forçamento pode ser aproximado por (SI Text)tramp=τ1−1GλSW GFSW=tetcross/τ.Para modelos com tcross na ordem de décadas, tRAMP também está na ordem de décadas, e jura é grande. Para modelos com tcross na ordem de um século, tRAMP está na ordem de vários séculos, e jura é pequeno. No total, a tcross explica 83% da variação inter-GCM em juro.