Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Marsz A. A.

2 2015

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: thermohaline circulation

Sortuj według:

Ogranicz wyniki do:

Cyrkulacja termohalinowa na Atlantyku Północnym a temperatura powietrza w Polsce (1961-2010)

Marsz A. A.

Przegląd Geofizyczny

2015

Z. 3-4

109--131

Praca omawia związki między zmiennością intensywności AMOC (Atlantic Meridional Overturning Circulation) a temperaturą powietrza w Polsce. Badany okres obejmuje lata 1961-2010. Zmienność AMOC charakteryzuje opracowany przez autora wskaźnik DG3L (jego przebieg – patrz ryc. 5). Stwierdzono występowanie na obszarze Polski umiarkowanej siły, ale istotnych statystycznie ( r od +0,45 do 0,55) związków temperatury rocznej z tym wskaźnikiem (ryc. 1 i 2). Analiza związków miesięcznych wykazała występowanie w niektórych miesiącach roku (ryc. 3, tab. 1) istotnych statystycznie (p < 0,05) korelacji między DG3L a temperaturą na części lub całym obszarze kraju. Najsilniejsze i obejmujące cały obszar Polski korelacje występują w kwietniu, lipcu i sierpniu (ryc. 3; IV, VII, VIII). Stwierdzono również występowanie słabszych związków asynchronicznych, w których zmiany DG3L wyprzedzają w czasie o rok zmiany temperatury. Badania nad przyczynami występowania tych związków wykazały, że wraz ze wzrostem intensywności AMOC rośnie frekwencja wystąpienia makrotypu cyrkulacji środkowotroposferycznej W i jednocześnie maleje frekwencja makrotypu E według klasyfikacji Wangengejma-Girsa (tab. 2, ryc. 4). Stanowi to odbicie rozkładu przestrzennego zasobów ciepła w Atlantyku Północnym. Każdy z tych makrotypów, poprzez powiązane z nim sytuacje synoptyczne (pola SLP), modyfikuje kierunki napływu mas nad Polskę, zmieniając udział składowych strefowych i merydionalnych wiatru geostroficznego na dolnych poziomach. Wzrost frekwencji makrotypu W pociąga za sobą wzrost częstości napływu powietrza z W i S (tab. 3), a jednocześnie ogranicza frekwencję makrotypu E, z którym związane są napływy z kierunków N i E, co ostatecznie prowadzi do zmian temperatury powietrza w kierunku jej wzrostu. Z gwałtownym wzrostem natężenia AMOC po roku 1988 związany jest równie gwałtowny wzrost frekwencji makrotypu W i jednoczesny spadek frekwencji makrotypu E. Doprowadziło to do wzrostu częstości i intensywności napływów powietrza z SW i W, co skutkuje zróżnicowanym co do wartości wzrostem temperatury we wszystkich miesiącach roku. Ograniczenie frekwencji makrotypu E w chłodnej porze roku (ryc. 6) zmieniło charakter zim, w kierunku eliminacji zim ostrych i protekcji zim łagodnych. W rezultacie po roku1988 doszło do zmiany reżimu termicznego zim, co w konsekwencji zmieniło przebieg temperatury rocznej (nagły wzrost o 1°C i zmniejszenie zakresu jej zmienności (patrz ryc. 1 i 7). Konkluzją pracy jest stwierdzenie, że zmiany stanu termicznego Atlantyku Północnego, powodowane przez zmienność AMOC, poprzez sterowanie zmianami cyrkulacji atmosferycznej w atlantycko-eurazjatyckim sektorze cyrkulacyjnym, sterują zmianami klimatu na obszarze Europy i Polski. Przyczyną nagłej zmiany klimatycznej (climate shift) między rokiem 1987 a 1989 nad Europą, w tym i Polską, było gwałtowne przejście AMOC (i AMO) z fazy negatywnej do fazy pozytywnej. Wnioski te potwierdzają wyniki wcześniejszych badań Suttona i Donga (2012) oraz tych badaczy, którzy w zmianach stanu termicznego Atlantyku i zmianach intensywności cyrkulacji termohalinowej dopatrują się głównej przyczyny multidekadowych zmian klimatu.

The work discusses the relationship between variability of intensity of AMOC (Atlantic Meridional Overturning Circulation) and the air temperature in Poland. The examined period covers the years from 1961 to 2010. AMOC variability is characterized by the author’s own DG3L index (its course - see Fig. 5). Statistically significant (r from 0.45 to 0.55), although not very strong, correlation between DG3L and annual air temperature was noted in Poland (Fig. 1 and 2). Analysis of monthly correlations showed the presence of statistically significant (p <0.05) correlation between DG3L and temperature all over the country or over part of its region in certain months of the year (Fig. 3, Tab. 1). The strongest correlations occur in April, July and August and are observed all over Poland (Fig. 3, IV, VII, VIII). Weak asynchronous correlations were also noted but changes in DG3L occur one year before changes in temperature are observed. Research into the reasons for the occurrence of these correlations showed that the increase in the intensity of AMOC is accompanied by increase in frequency of occurrence of mid-tropospheric circulation of W macro-type, according to the Wangengejm-Girs classification, while the frequency of E macro-type decreases (Tab. 2, Fig. 4). This reflects spatial distribution of heat resources in the North Atlantic. Each of these macro-types, via their synoptic situation (SLP field), modifies the direction of flow of the masses over Poland, changing the share of meridional and zonal components of geostrophic wind in lower levels. The increase in frequency of W macro-type entails increase in the frequency of air flow from W and S (Tab. 3) at the same time reducing the frequency of E macro-type, which is connected with inflow from directions N and E. This eventually leads to changes in air temperature, i.e. its increase. The sharp increase in intensity of AMOC after 1988 is associated with an equally rapid increase in frequency of W macro-type and simultaneous decrease in frequency of E macro-type. This led to an increase in the frequency and intensity of air inflows from SW and W, which results in differing values of temperature increase in all months of the year. Limitation of E macro-type frequency in the cold season (Fig. 6) changed the nature of winters, i.e. eliminating severe winters and protecting mild winters. As a result, after 1988, there was a change in thermal regime of winters, which, in turn, changed the course of the annual temperature (sudden increase by 1°C and a reduction in the range of its variability (see Fig. 1 and 7). The conclusion of the work is that the changes in the thermal state of the North Atlantic, caused by the variability of AMOC, control climate changes in Europe and Poland, by controlling changes in the atmospheric circulation in the Atlantic-Eurasian circulation sector. The reason for abrupt climate shift between 1987 and 1989 over Europe, including Poland, was the violent transition of AMOC (and AMO) from a negative phase to a positive phase. These conclusions are confirmed by the results of earlier research by Sutton and Dong (2012), as well as by these researchers, who claim that the main cause of multi-decade changes in climate is attributed to thermal state of the Atlantic and changes in the intensity of thermohaline circulation.

Model zmian powierzchni lodów morskich Arktyki (1979-2013) – zmienne sterujące w modelu „minimalistycznym” i ich wymowa klimatyczna

Marsz A. A.

Problemy Klimatologii Polarnej

2015

Nr 25

s. 249--334

Praca omawia model zmian powierzchni zlodzonej Arktyki typu „białej skrzynki”, opierający się na dwu zmiennych niezależnych – wskaźniku oznaczonym jako DG3L, który charakteryzuje intensywność cyrkulacji termohalinowej (THC) na Atlantyku Północnym i wskaźniku D, który charakteryzuje cyrkulację atmosferyczną nad Arktyką. Objaśnienie konstrukcji obu wskaźników i wartości ich szeregów czasowych przedstawione jest w załącznikach Z1 i Z2. Okres opracowania obejmuje lata 1979-2013 i jest limitowany dostępnością danych o zmianach powierzchni lodów morskich w Arktyce. Model liniowy opierający się na tych zmiennych objaśnia ~72% wariancji rocznej powierzchni zlodzonej w Arktyce i powyżej 65% wariancji powierzchni zlodzonej w marcu (maksimum rozwoju powierzchni lodów) i wrześniu (minimum). Główną rolę w kształtowaniu tej zmienności odgrywa zmienność cyrkulacji termohalinowej, rola cyrkulacji atmosferycznej jest niewielka i wykazuje silną zmienność sezonową. Analiza tego modelu wykazała, że rzeczywiste zależności są nieliniowe, a zmiany pokrywy lodowej zachodzą w dwu odrębnych reżimach – „ciepłym” i „chłodnym”. Reżim „ciepły” funkcjonuje w sytuacji, gdy THC jest bardziej intensywna niż przeciętnie (wskaźnik DG3L > 0). Dochodzi wtedy do szybkiego spadku powierzchni lodów w okresie ciepłym – zwłaszcza we wrześniu i powolnego spadku rozmiarów pokrywy lodowej w marcu, cyrkulacja atmosferyczna w tym reżimie odgrywa istotną rolę w kształtowaniu zmian powierzchni lodów. Spadek natężenia THC poniżej przeciętnej (DG3L ≤ 0), z opóźnieniem około 6.letnim prowadzi, do przejścia do reżimu „chodnego”. W reżimie chłodnym następuje szybki przyrost powierzchni lodów w okresie ciepłym i bardzo powolny wzrost powierzchni lodów w marcu, rola cyrkulacji atmosferycznej w kształtowaniu zmienności pokrywy lodowej staje się nikła. Po dalszych kilku latach utrzymywania się reżimu „chłodnego” międzyroczne zmiany powierzchni zlodzonej stają się małe. Analizy związków między zmiennymi z przesunięciami czasowymi wykazały, że cyrkulacja atmosferyczna nad Arktyką stanowi funkcję THC. W rezultacie, za główną przyczynę zmian powierzchni zlodzonej Arktyki należy uznać rozciągnięte w czasie działanie zmian intensywności THC, które w rozpatrywanym okresie objaśnia ~90% wariancji rocznej powierzchni zlodzonej.

The paper presents the assumptions and structure of statistical model reproducing the changes in sea ice extent in the Arctic, using the minimum number of steering variables. The data set of NASA's Goddard Space Flight Center (GSFC) nsidc0192_seaice_trends_climo/total-area-ice-extent/nasateam/ (Total Ice-Covered Area and Extent) was used as starting data in the calibration of this model. Its subsets characterizing the sea ice extent of the Arctic Ocean (ArctOcn), Greenland Sea (Grnland), Barents and Kara seas (BarKara) were used. Their sums create a new variable known as the ‘Proper Arctic’. This model also used the following subsets: Archipelago Canadian (CanArch), Bay and Strait Hudson (Hudson), and Baffin Bay and Labrador Sea (Baffin), the sum of which creates another variable the ‘American Arctic’. The sum of all the above mentioned subsets creates a variable defined as the ‘entire Arctic’. The study covered the period 1979-2013, for which the said data set is made up of uniform and reliable data based on satellite observations. The model was developed for moments of maximum (March) and minimum (September) development of sea ice extent as well as for the annual average sea ice extent. After presenting the assumptions of the model (model type ‘White box’), formal analysis of the type and characteristics of the model, the choice of steering variables (independent; Chapters 3 and 4) was made. The index characterizing the intensity of thermohaline circulation (THC) in the North Atlantic, referred to as DG3L and an index characterizing atmospheric circulation having significant influence on changes in sea ice extent, marked as D, were used as independent variables in this model. Physical fundamentals and rules for calculating the DG3L index are discussed in detail in Annex 1, and the D index in Annex 2. These Annexes also include time series of both indexes (DG3L – 1880-2015; D – 1949-2015). Research into delays between the impact of variables and changes in sea ice extent indicated that sea ice extent showed maximum strength of the correlation with the DG3L variable with a three-year delay and with D variable with zero delay. The final form of the model is a simple equation of multiple regression (equation [1]). The following equations are used for estimating the regression parameters for individual sea areas in those time series: the Proper Arctic – equation [1a, 1b, 1c]; the American Arctic – equations [2a, 2b, 2c] and for the entire Arctic - equation [3a, 3b, 3c]. Statistical characteristics of each model are presented in Tables 3, 4 and 5, and Figures 2, 3 and 4 respectively and show the scattering of values estimated by means of each model in relation to the observed values. All models show high statistical significance. The best results, both in terms of explanation of the variance of the observed sea ice extent, as well as the size of the standard errors of estimation of sea ice extent are obtained for changes in the sea ice extent of the entire Arctic. The reasons for this may be traced back to the fact that errors in the estimation of partial models ([1a, 1b, 1c] and [2a, 2b, 2c]) have different signs, which in a synthetic model partially cancel out each other. Moreover, if the variable DG3L three years before shows strong and evenly distributed in time action, the D variable characterizing atmospheric circulation shows clearly seasonal activity – it is marked only during the minimum development of sea ice extent (September), when the degree of ice concentration is reduced, allowing its relatively free drift. The model for the annual average of sea ice extent of the entire Arctic (in the accepted limits) explains 71.5% of the variance, in September 68%, and in March 65% of the variance (Table 5). The lowest values are obtained for the American Arctic, where the D variable, characterizing atmospheric circulation does not appear to have significant influence, so the model is a linear equation with one variable (DG3L). Nevertheless, also in this case, the variance of the annual sea ice extent in the American Arctic is explained exceeding 50%. Variability of THC (described by the DG3L index) explains ~67% of the variance of annual sea ice extent and variability of atmospheric circulation (described by the D index) explains ~6% of the variance of annual sea ice extent of the entire Arctic. It allows claiming that THC and atmospheric circulation are the essential factors that influence the variability of sea ice extent of the Arctic. Both of these factors are natural factors. Further analysis of the results presented by various models and especially those affected by the DG3L variable (Fig. 5) delayed by three years suggests that the linear model is not the most appropriate model reflecting the changes in the sea ice extent of the entire Arctic and its parts. The action of DG3L variable, accumulated over several years, is saved and this causes that a strong significant correlation with the sea ice extent is prolonged. The analysis carried out by means of the segmented regression showed that the variability of sea ice extent was different where THC is lower than the average (DG3L ≤ 0), or different where THC is stronger than average (DG3L> 0; see equation [4a, 4b]). When the index is zero or less than zero, the impact of THC on the increase in sea ice extent is limited and the influence of changes in atmospheric circulation on sea ice extent is very small. Conversely, when the THC becomes intense and imports increased amounts of heat to the Arctic, the influence of DG3L index on the decrease in sea ice extent rises, like growing impact of atmospheric circulation on variation of sea ice extent (see equations [5a, 5b]. The segmented regression equations with these two variables explain 88.76% of the observed annual variation of sea ice extent of the entire Arctic (equations [5a, 5b]).This means that the sea ice extent of the Arctic is variable in two distinct regimes – ‘warm’, when the DG3L> 0 and ‘cold’, when the DG3L ≤ 0. This is similar to the results of Proshutinsky and Johnson (1997), Polyakov et al. (1999) and Polyakov and Johnson (2000) and their LFO oscillation. Time limits of the transition intensity of the THC phases from the positive to negative and vice versa correspond to similar limits of LFO, suggesting that the two different systems have the same cause. Polyakov and Johnson (2000) and Polyakov et al. (2002, 2003, 2004, 2005) can see the main reason for the change in the LFO regime in the transition of atmospheric circulation from anticyclonic regime to cyclonic regime and vice versa. The analysis of the reason for the transition of regime of changes in sea ice extent from ‘warm’ to ‘cold’ and vice versa – THC or atmospheric circulation – has shown that the D index is a function of previous changes in DG3L index. Atmospheric circulation over the Arctic shows a greater delay in response to changes in THC than the sea ice extent – this occurs with a 6-year delay (see Table 6, Equation 6). This allows replacing the D variable in the equations describing the change in sea ice extent, directly by DG3L variable from 6 years before (see Equation [7a, 7b]).These simultaneous equations explain about 90% of the observed annual variance of the sea ice extent of the entire Arctic in the years 1979-2013. Most importantly, however, it can be stated, with a high degree of certainty, that the variability of THC of the North Atlantic steers both the changes in sea ice extent and Basic features of atmospheric circulation over the Arctic. The effects of other factors than THC, having influence on variability of sea ice extent and the basic processes of the climate in the Arctic, in the short time scales, leave not too much space/place. The transition from ‘cold’ to ‘warm’ regime in the development of the sea ice extent in the Arctic requires an increase in the intensity of THC. If the values of DG3L index are greater than 0 for a period not shorter than three years, the decrease in the sea ice extent will start, initially in the period of its minimum development (August, September). If the resultant values of the DG3L index have positive values for further three years, the atmospheric circulation will transform into a cyclonic circulation (D index goes to positive values). The role of atmospheric circulation during the ‘warm’ season in the Arctic having influence on the change (reduction) of the sea ice extent becomes significant. The ‘warm’ regime will remain as long as long after its start the situation in which the algebraic sum of DG3L values is greater than 0. If such a situation lasts long, or in case of accumulation of high values of DG3L index, the sea ice cover can disappear almost completely in the warm period. The transition from the ‘warm’ regime to the ‘cold’ regime demands fulfillment of reverse conditions – a consistent decrease in the values of DG3L index into negative values for at least another three year period. After three years this will result in rapid increase in sea ice extent during warm period, thereby increasing the annual average of sea ice extent. If in subsequent years the value of DG3L index remains lower than zero, after the next 3-4 years, the atmospheric circulation will become the anticyclonic circulation. After that there will be gradual, slow growth in sea ice extent, decrease in air temperature, increase in ice thickness and change in the age of the ice structure towards the increase in the multi-year ice. The ice cover in the Arctic will become "self-sustaining", reducing interannual variability. Major changes will occur in the ‘warm’ season, minor in other seasons. The maximum sea ice extent of the Arctic in the cold season, with current conditions in the ‘cold’ regime, can reach ~13.5-14.5 million km2, the average annual sea ice extent should be ~12 (± 0.5) million km2. This area, especially in the winter season, may be in fact higher, since the weakening of the THC must also lead to a decrease in air temperature in the hemisphere.