气候模型中不变暖模态的起源和限制

气候模型通常显示出在年末预测中大致不变的地表暖化模态。这一观察结果在气候影响评估中被广泛用于快速计算局部温度异常，这个过程称为模态缩放。同时，新研究表明，解释耦合模型中有效气候敏感性的演变需要考虑时间变化的暖化模态，即所谓的模态效应，这似乎挑战了模态缩放的理解。我们提出了一个基于局部能量平衡的简单理论来调和这一明显的矛盾。具体来说，我们展示了模态不变性是指数强迫、线性反馈、恒定强迫模态和扩散动力学的固有特征。这些条件在大多数CMIP6共享社会经济路径（SSP）中大致满足，除了北极地区非线性反馈很重要和气溶胶显著改变强迫模态的地区。在CO2浓度突然增加的理想化实验中，暖化模态可以因空间不均匀的海洋热吸收而随时间显著变化，即使在没有非线性反馈的情况下也是如此。我们的结果说明了为什么典型的未来预测适用于模态缩放，并为为什么更复杂的方法，如非线性模拟器，与简单的线性计算相比，在准确性上只有边际改进提供了一个合理的解释。

链接：

https://arxiv.org/abs/2411.14183

研究背景

在气候模型的典型预测中，年末的地表暖化模态大致保持不变。这一现象在气候影响评估中被广泛用于快速计算局部温度异常，这个过程被称为模态缩放。然而，新兴研究也表明，为了解释耦合模型中有效气候敏感性的时间演变，需要考虑时间变化的暖化模态，这一机制被称为模态效应，看似挑战了模态缩放的理解。本研究提出了一个基于局部能量平衡的简单理论，旨在调和这种明显的矛盾。具体来说，我们展示了模态不变性是指数强迫、线性反馈、恒定强迫模态和扩散动力学的固有特征。这些条件在大多数CMIP6共享社会经济路径（SSP）中大致得到满足，除了北极地区非线性反馈很重要，以及气溶胶显著改变强迫模态的地区。在CO2浓度突然增加的理想化实验中，例如用于研究模态效应的实验，由于空间不均匀的海洋热吸收，即使在没有非线性反馈的情况下，暖化模态也可以随时间显著变化。我们的结果说明了为什么典型的未来预测适用于模态缩放，并为未来基于AI的集成天气-气候预报系统的发展提供了一个可能的解释，为什么更复杂的方法，如非线性模拟器，与简单的线性计算相比，在准确性上只有边际改进。

研究意义

在综合模型的典型年末气候预测中，局部和全球表面温度异常之间的比例大致是时间和情景不变的。这一观察结果使得通过缩放全球平均值来快速计算局部温度变化成为可能。同时，理想化的4xCO2实验显示出不同的行为和暖化模态的显著时间演变。我们提出了一个基于局部能量平衡的简单理论，以调和这种明显的矛盾。具体来说，我们展示了在一组条件下，模态不变性出现，这些条件在年末情景中大致得到满足，但在突然的理想化实验中没有。我们的发现阐明了为什么将全球平均值缩放以计算局部温度异常对于大多数未来预测是有效的。

研究方法和数据

我们考虑了最新一次耦合模型比较项目（CMIP6）的数据。我们检查了模型对两个共享社会经济路径（ssp119和ssp585）的大幅不同强迫的反应，以及CMIP6 DECK中的理想化实验（Eyring等人，2016），其中CO2水平突然增加了四倍（abrupt-4xCO2）。两个未来情景（ssp119和ssp585）分别是ScenarioMIP中考虑的最低和最高排放情景。我们通过将所有模型输出重新网格化为共同的2度分辨率网格，计算了三个情景中的CMIP6多模型平均值。我们使用了运行ssp119、ssp585、abrupt-4xCO2和前工业控制（piControl）实验的所有CMIP6模型。图1显示了两个不同的SSP预测和abrupt-4xCO2的年末表面区域暖化，以及通过各自全球平均值归一化的区域暖化。整个工作中，Δ表示与前工业气候学的变化。除了少数地区外，当通过各自全球平均值归一化时，区域暖化collapses onto a single pattern。这是模态缩放的基础，考虑到ssp126、ssp585和abrupt-4xCO2中的强迫极为不同，这是相当显著的。此外，模态在其他平均周期和未来情景中也惊人地相似。具体来说，我们观察到在陆地和北极地区的增强暖化模态，而在海洋上则低于平均暖化，北大西洋暖化洞和南大洋的暖化异常小。这些是耦合模型预测的全球变暖的相当知名的特征，许多研究已经调查了这些趋势背后的物理原因。由于内陆的热惯性较低（在调整到平衡时很重要）、蒸发的水汽可用性较低以及在变暖下梯度减小较少等因素，陆地上的大气温度预计会比海洋上更温暖。许多研究还关注了与增强北极暖化相关的机制，将其与海冰反照率和绝缘反馈、正梯度反馈和向极地的大气水汽输送增加联系起来。北大西洋暖化洞被认为是海洋过程的结果，包括来自大西洋经向翻转环流的热输入减少和进入北极的海洋热输出增加，以及与云反馈和气溶胶相关的大气过程。与北极形成鲜明对比的是，南大洋预计在SSPs中比全球平均暖化要少，这是由于强烈的风驱动上升流从深处带来未改变的水和气候学海洋电流的异常赤道向热输送所致。

研究结论

我们的研究结果表明，气候模型中的暖化模态在指数强迫、线性反馈、恒定强迫模态和扩散动力学的条件下是不变的。这些条件在大多数CMIP6共享社会经济路径（SSP）中大致得到满足，除了北极地区非线性反馈很重要，以及气溶胶显著改变强迫模态的地区。在CO2浓度突然增加的理想化实验中，例如用于研究模态效应的实验，由于空间不均匀的海洋热吸收，即使在没有非线性反馈的情况下，暖化模态也可以随时间显著变化。我们的结果说明了为什么典型的未来预测适用于模态缩放，并为未来基于AI的集成天气-气候预报系统的发展提供了一个可能的解释，为什么更复杂的方法，如非线性模拟器，与简单的线性计算相比，在准确性上只有边际改进。

不足与讨论

尽管我们的研究提供了对气候模型中暖化模态不变性的深入理解，但仍有一些局限性和需要进一步探讨的问题。例如，我们的研究主要集中在SSP情景下的暖化模态，而对于其他类型的气候情景，如极端气候事件或快速气候变化情景，我们的理论和发现可能需要进一步的验证和调整。此外，我们的研究没有充分考虑云反馈和其他非线性过程对暖化模态的影响，这些因素在未来的研究中需要得到更多的关注。

未来工作方向

未来的研究可以进一步探索不同气候情景下的暖化模态，以及非线性过程对暖化模态的影响。此外，可以利用更复杂的气候模型和观测数据来验证和改进我们的理论和发现。最后，可以探索将我们的理论和方法应用于其他气候变量，如降水和极端天气事件的预测。

作者和单位信息

• • Paolo Giani, Arlene M. Fiore, Glenn Flierl, Raffaele Ferrari, Noelle E. Selina

• • Massachusetts Institute of Technology, Earth, Atmospheric, and Planetary Sciences, Cambridge, MA, USA

• • Massachusetts Institute of Technology, Center for Sustainability, Science and Strategy, Cambridge, MA, USA

• • Massachusetts Institute of Technology, Institute for Data, Systems, and Society, Cambridge, MA, USA

以上是对文章的详细解读，如有不当之处欢迎批评指出！也可以私信小编（Earth_Ai）。

声明：本公众号分享的资源均来自于互联网的公开资源，仅供个人学习和研究使用，不代表本人对其版权、真实性、合法性、准确性等方面做出任何保证。任何使用本号分享的资源的个人或组织，需自行承担相应的法律责任和后果；本号不承担任何法律责任和连带责任。使用本号分享的资源即代表您已完全了解并同意本免责声明的所有内容。