أكثر

17.2: التنازل: التغيرات في مدى الجليد البحري في القطب - علوم الأرض

17.2: التنازل: التغيرات في مدى الجليد البحري في القطب - علوم الأرض


التغيرات في مدى جليد البحر عند القطبين

الشكل 1. يعمل علماء جنوب إفريقيا على وضع أجهزة التتبع على الجليد في المنطقة الجليدية الهامشية في القارة القطبية الجنوبية على رأس أغولهاس الثاني أثناء رحلة بحرية علمية إلى المنطقة في شتاء عام 2017

ملخص

فيما يتعلق بالحجج التي تدعم (أو لا تدعم) تغير المناخ ، يتفق علماء المناخ على أن تغير المناخ يحدث وأنه يتفاقم بالفعل بسبب النشاط البشري. ومع ذلك ، لا يزال هناك عدد قليل من المتشككين ومنظمات كاملة خارج مجال علم المناخ مكرسة لفضح تغير المناخ. قد يستخدمون بيانات حقيقية لدعم حجتهم ، ولكن غالبًا ما يتم حذف البيانات المهمة أو تقديمها بطريقة ترسم صورة مختلفة تمامًا أو منحرفة للأدلة المؤيدة أو ضد تغير المناخ. في هذا النشاط المخبري ، ستتاح لك الفرصة لاستكشاف ومقارنة البيانات المقدمة من وجهات نظر مختلفة ، بما في ذلك البيانات المقدمة في مقال تم تعميمه على نطاق واسع (ولكن دون إسناد) بعنوان "الجليد البحري في القطب الجنوبي لشهر مارس 2010 أكبر بشكل ملحوظ من 1980" ، والذي كان تم نشره في أبريل 2010 بواسطة موقع ويب يسمى "خدعة الاحتباس الحراري". لا تتردد في زيارة موقع الويب وقراءة المقال قبل إكمال هذا المعمل ، على الرغم من أنه ليس مطلوبًا.

كيفية رسم أفضل خط مناسب

جميع البيانات المقدمة في هذا المختبر تأتي في الأصل من المركز الوطني لبيانات الجليد والثلج (NSIDC) ، الموجود في جامعة كولورادو ، ويمكن تنزيلها مجانًا على nsidc.org. سوف تقوم برسم بياني لهذه البيانات ورسم "أفضل خط ملائم" من خلال النقاط من أجل حساب ميل الخط وفحص الاتجاهات في البيانات. ويرد مثال على هذه العملية أدناه.

الشكل 2.

تعليمات

الجزء أ - البيانات الأصلية

تم الحصول على نقطتي البيانات حول مدى الجليد البحري المتضمنة في الشكل 2 من مقالة "الجليد البحري في أنتاركتيكا لشهر مارس 2010 أكبر بشكل ملحوظ من 1980" ، والتي تم نشرها على موقع ويب يسمى "خدعة الاحتباس الحراري". البيانات ، المدرجة على يسار الرسم البياني أدناه ، هي حجم الجليد البحري في أنتاركتيكا بملايين الكيلومترات المربعة كما تم قياسه في مارس 1980 و 2010. هذه البيانات دقيقة وتتوافق مع البيانات التي يمكن تنزيلها من NSIDC . للقيام بذلك ، اتبع التعليمات الخاصة بكيفية رسم أفضل خط مناسب (أعلاه). في هذه الحالة ، تكون الخطوتان الثانية والثالثة متطابقتين ويمكنك بسهولة حساب الميل باستخدام البيانات الأصلية.

  1. استنادًا إلى البيانات المقدمة والرسم البياني حصريًا ، ما الاستنتاج الذي يمكن للمرء أن يتوصل إليه فيما يتعلق بتغير المناخ؟ يشرح.
  2. باستخدام الطريقة الموضحة في الشكل 1 ، ما هو ميل الخط الأنسب لنقطتي البيانات هاتين؟ أظهر كل عملك.
  3. على الرغم من أن البيانات المذكورة أعلاه دقيقة ، قم بإعطاء وشرح سببين قد يدفعك مجموعة البيانات هذه إلى استنتاج غير صحيح فيما يتعلق بتغير المناخ العالمي.
    1. السبب الأول:
    2. السبب الثاني:

الشكل 3. مدى الجليد البحري

الجزء ب - امتداد البحر في القطب الجنوبي

الشكل 4. خريطة القارة القطبية الجنوبية تظهر مدى الغطاء الجليدي القطبي ومدى الأرفف الجليدية العائمة.

في الجزء ب ، سوف تستكشف مجموعة بيانات موسعة لمدى الجليد البحري في أنتاركتيكا التي تم قياسها خلال مارس 1980 حتى 2018 ، تم تنزيلها من NSIDC. يتم عرض السنوات الزوجية فقط ، ولكن إضافة السنوات الفردية لا يغير الاتجاه في البيانات. باتباع الإرشادات الخاصة بكيفية رسم أفضل خط ملائم (أعلاه) ، قم برسم البيانات بيانيًا ، وارسم خطًا أفضل ملاءمة ، واحسب ميل الخط.

مدى الجليد - نصف الكرة الجنوبي
عاممدى الجليد ، مليون كيلومتر مربع
19803.29
19824.29
19843.61
19863.7
19883.97
19903.97
19923.57
19944.55
19964.18
19984.11
20004.09
20023.75
20044.53
20063.21
20085.28
20103.85
20124.55
20144.9
20164.07
20183.53

الشكل 5. حجم الجليد البحري في نصف الكرة الجنوبي يقاس بملايين الكيلومترات المربعة

  1. ما هو ميل الخط الأنسب الذي قدرته لمجموعة البيانات هذه؟ أظهر كل عملك.
  2. ماذا تخبرك هذه البيانات عن كيفية تغير حجم الجليد البحري في نصف الكرة الجنوبي؟ كيف تقارن نتيجة مجموعة البيانات الموسعة بنتائج البيانات المقدمة من المقالة المعروضة في الجزء أ؟
  3. ماذا يمكنك أن تقول عن تباين البيانات ، أو مدى اتساع النطاق الذي تغطيه نقاط البيانات ، بين السنوات السابقة والسنوات اللاحقة على الرسم البياني؟
  4. يرجى تقديم اقتراح واحد عن سبب تغير التباين في مدى الجليد البحري بين عامي 1980 و 2018.

الجزء ج - نطاق الجليد البحري في القطب الشمالي

الشكل 6. خريطة جرينلاند توضح مدى الغطاء الجليدي القطبي.

بعد ذلك ، سوف ندرس أنماط الامتداد الجليدي للصفائح الجليدية القطبية الشمالية الواقعة في جرينلاند. بيانات مدى الجليد من مارس 1980 حتى 2018 للسنوات ذات الأرقام الزوجية ، تم تنزيلها أيضًا من NSIDC. مرة أخرى ، ستقوم هنا برسم البيانات ، ورسم خط أفضل ملاءمة ، وحساب ميل الخط.

مدى الجليد - نصف الكرة الشمالي
عاممدى الجليد ، مليون كيلومتر مربع
198016.04
198216.04
198415.58
198615.91
198815.96
199015.87
199215.48
199415.55
199615.12
199815.6
200015.22
200215.35
200414.99
200614.42
200815.18
201015.14
201215.2
201414.76
201614.4
201814.3

الشكل 7. حجم الجليد البحري في نصف الكرة الشمالي يقاس بملايين الكيلومترات المربعة

  1. ما هو ميل الخط الأنسب الذي قدرته لمجموعة البيانات هذه؟ أظهر كل عملك.
  2. ماذا تخبرك هذه البيانات عن كيفية تغير حجم الجليد البحري في نصف الكرة الشمالي؟ كيف تقارن نتيجتك للقطب الشمالي بنتائج القطب الجنوبي (الجزء ب)؟
  3. اشرح لماذا قد ترى اتجاهًا مختلفًا ، أو منحدرًا للخط الأنسب ، عند مقارنة بيانات مدى الجليد البحري بين نصفي الكرة الشمالي والجنوبي.

محتوى مرخص ، أصلي

  • الوحدة 15 التخصيص: التغييرات في مدى الجليد البحري في القطبين. تأليف: آن هوث.

    دور فقدان الجليد البحري بارنتس-كارا في التغيرات المتوقعة في الدوامة القطبية

    تلعب الدوامة القطبية الستراتوسفيرية (SPV) في نصف الكرة الشمالي دورًا رئيسيًا في الطقس والمناخ في خطوط العرض الوسطى. ومع ذلك ، ليس من الواضح كيف ستستجيب SPV للاحترار العالمي ، حيث تختلف النماذج المناخية حول علامة وحجم التغير المتوقع في قوة SPV. هنا نتناول الدور المحتمل لفقدان الجليد البحري Barents and Kara (BK) في هذا. نحن نقدم دليلاً على الاستجابة غير الخطية لـ SPV للتغير العالمي في درجة الحرارة ، والذي يتزامن مع الوقت الذي تصبح فيه بحار BK خالية من الجليد. باستخدام نهج الشبكة السببية ، نوضح أن النماذج المناخية تُظهر بعض الدعم الجزئي للرابط المقترح سابقًا بين الجليد البحري المنخفض BK في الخريف والشتاء SPV الضعيف ولكن هذا التأثير ضئيل جدًا بالنسبة للتغير الداخلي. ومع ذلك ، نظرًا للانخفاض الدراماتيكي المتوقع في الجليد البحري في المستقبل ، يمكن حتى للتأثير السببي الصغير أن يفسر كل ما هو متوقع من ضعف متوسط ​​المركب SPV ، وانتشر ما يقرب من نصف المجموعة في منتصف القرن الحادي والعشرين ، وواحد- ثلث انتشار في نهاية القرن. أخيرًا ، نلاحظ أن معظم النماذج تحتوي على كميات غير واقعية من الجليد البحري BK ، مما يعني أن استجابتها SPV لفقدان الجليد غير واقعية. يؤدي ضبط التحيز لهذا التأثير إلى اختلافات واضحة في استجابة SPV للنماذج الفردية في كلا طرفي الطيف ولكن ليس له عواقب قوية على متوسط ​​المجموعة الإجمالي وانتشارها. بشكل عام ، تشير نتائجنا إلى أهمية استكشاف جميع الآثار المعقولة لتغير القطب الشمالي في تقييمات مخاطر المناخ الإقليمية.

    الدوامة القطبية الستراتوسفيرية (SPV) ، وهي عبارة عن مجموعة من الرياح الغربية السريعة التي تتشكل خلال فصل الشتاء الشمالي ، هي مكون مركزي للدورة الجوية في نصف الكرة الشمالي (Waugh et al. ، 2016). لا يرتبط التغير في قوة الدوامة فقط بتركيزات الأوزون في الستراتوسفير ، ولكنه يؤثر أيضًا بقوة على الطقس في خطوط العرض الوسطى ، وذلك بسبب الاقتران التنازلي مع طبقة التروبوسفير. على وجه الخصوص ، من المعروف أن الحالات المتطرفة من SPV تؤثر على مرحلة واستمرار تذبذب شمال الأطلسي (NAO) ومسارات العواصف وأنظمة الطقس المرتبطة بها (Baldwin and Dunkerton، 2001 Kidston et al.، 2015).

    لذلك فإن فهم التغييرات المحتملة في SPV استجابةً للاحتباس الحراري له أهمية علمية ومجتمعية كبيرة. إذا زادت قوة الدوامة ، على سبيل المثال ، فمن المتوقع أن ينخفض ​​هطول الأمطار في البحر الأبيض المتوسط ​​بشدة ، بينما من المتوقع أن تزداد أيام العاصفة الشديدة في شمال أوروبا (Simpson et al.، 2018 Zappa and Shepherd، 2017). بالمقابل ، إذا ضعفت الدوامة ، فمن المرجح أن تكون وتيرة جفاف البحر الأبيض المتوسط ​​أكثر اعتدالًا وتقل التغيرات في العاصفة.

    ومع ذلك ، فإن الطريقة التي ستستجيب بها SPV لمناخ الاحترار في المستقبل أمر غير مؤكد إلى حد كبير. بينما تشير المجموعة متعددة النماذج من المرحلة 5 من مشروع المقارنة بين النماذج المزدوجة (CMIP5) بموجب سيناريو RCP8.5 إلى ضعف معتدل في نهاية القرن الحادي والعشرين ، إلا أن هناك انتشارًا كبيرًا بين النماذج ولا يوجد اتفاق على العلامة التغيير (Manzini et al.، 2014 Wu et al.، 2019). تظل هذه مشكلة في CMIP6 (Ayarzagüena et al. ، 2020).

    لا يُعزى هذا الانتشار إلى قرارات رأسية مختلفة وأغطية نموذجية فحسب ، بل تم التكهن بأنه يعتمد على معاملات موجية متميزة وعمليات ديناميكية ممثلة بشكل مختلف (Karpechko and Manzini، 2017 Sigmond and Scinocca، 2010 Wu et al.، 2019). تم الإبلاغ عن العديد من الآليات المحتملة التي تؤثر على قوة SPV في هذا السياق ، مثل النينيو - التذبذب الجنوبي (ENSO) أو حجب خطوط العرض العليا (دوميزن وآخرون ، 2018 Martius وآخرون ، 2009 Nishii وآخرون ، 2010 Peings ، 2019 ) ، ولكن أهميتها النسبية ودورها في تغير المناخ غير مفهومة جيدًا (Shepherd، 2014 de Vries et al.، 2013). بشكل عام ، يبقى التغيير المستقبلي في الدوامة القطبية غير محدد تمامًا.

    في الآونة الأخيرة ، Manzini et al. (2018) عن استجابة غير خطية للـ SPV للاحترار المتوسط ​​العالمي في مجموعة كبيرة ذات نموذج واحد وافترض أنها مرتبطة بفقدان الجليد البحري في القطب الشمالي. بتعبير أدق ، تم اقتراح أن تضعف SPV طالما انخفضت تركيزات Barents و Kara للجليد البحري (BK-SIC) ولكن ستتعزز مرة أخرى بمجرد خلو بحار BK من الجليد (Manzini et al. ، 2018).

    بدافع من نتائجهم ، نقوم هنا بتقييم دور فقدان الجليد البحري BK من أجل تغييرات SPV المستقبلية في مجموعة CMIP5. في حين أن مسألة ما إذا كان فقدان الجليد البحري في القطب الشمالي قد ساهم في الحلقة الأخيرة من أحداث الدوامة الضعيفة (وما يرتبط بها من فاشيات الهواء البارد فوق أوراسيا) هو مجال بحث نشط (Kim et al.، 2014 Kretschmer et al.، 2016، 2018 McCusker et al.، 2016 Seviour، 2017 Sun et al.، 2016) ، تم عرض إمكانية تقليل الجليد البحري في القطب الشمالي ، و BK-SIC على وجه الخصوص ، لإضعاف SPV على نطاقات زمنية أطول في العديد من تجارب النماذج المستهدفة (Blackport and Kushner، 2017 Hoshi et al.، 2017 McKenna et al.، 2017 Nakamura et al.، 2016 Screen، 2017a، b Sun et al.، 2015 Zhang et al.، 2018a، b). ومع ذلك ، فإن الطريقة التي سيؤثر بها فقدان الجليد البحري المستقبلي BK على SPV ليس واضحًا (McKenna et al.، 2017 Sun et al.، 2015). بشكل عام ، هيمنت النماذج المتضاربة ونتائج المراقبة على النقاش العلمي (Cohen et al.، 2020 Screen et al.، 2018) ، مع التأكيد على تأثير صغير محتمل وغير مهم إحصائيًا للجليد البحري على قوة SPV (Garfinkel et al. ، 2017 Seviour ، 2017) وفي مناخ خط العرض المتوسط ​​(Blackport et al. ، 2019 Blackport and Screen ، 2020) مقارنةً بالتقلبية الطبيعية. نظرًا لأن تراجع الجليد البحري في القطب الشمالي في مناخ آخذ في الاحترار أمر مؤكد (الهيئة الحكومية الدولية المعنية بتغير المناخ ، 2014 Notz and Stroeve ، 2018) ، فإن فهم التأثيرات المحتملة على قوة SPV المستقبلية أمر بالغ الأهمية ويشكل الهدف من التحليل الحالي.

    نستخدم مخرجات شهرية من 35 نموذجًا CMIP5 (انظر التعليقات في الشكل 4) والتي تتوفر لها بيانات لأغراضنا. لكل نموذج ، المحاكاة التاريخية (1900-2005) و RCP8.5 (2005-2099) من نفس عضو المجموعة متسلسلة لإنتاج سجل زمني مستمر في الحقول التي تم تحليلها. يتم النظر في جميع أعضاء المجموعة المتاحين بشكل منفصل عند تحليل السلاسل الزمنية ، ويتم الإبلاغ عن عددهم لكل نموذج في x محور الشكل 4. لجميع التحليلات الأخرى ، يتم حساب المتوسط ​​على أعضاء المجموعة المتاحين لكل نموذج أولاً.

    لرصد تركيز الجليد البحري ، نستخدم أحدث إصدار (HadISST.2.2.0.0) من الإصدار 2 من مجموعة بيانات HadISST.2 (Titchner and Rayner ، 2014) للجليد البحري ودرجات حرارة سطح البحر في مركز هادلي. لاحظ أن منتج الجليد البحري هذا يعطي تقديرًا متحفظًا إلى حد ما للجليد البحري الشهري ، ولا سيما مع متوسط ​​تركيزات أعلى مقارنة بـ HadISST. بالنسبة لجميع المتغيرات الأخرى ، نستخدم الوسائل الشهرية لبيانات إعادة تحليل ERA5 كمقياس للملاحظات (Hersbach et al. ، 2020). تم إجراء تحليل الملاحظات خلال الفترة 1979-2018.

    يتم إنشاء السلاسل الزمنية من خلال حساب متوسط ​​المنطقة على المناطق المعنية ، حيث نقوم بتضمين تركيزات بارنتس وكارا للجليد البحري (BK-SIC) فوق المنطقة (65-85 درجة شمالاً و10-100 درجة شرقًا) (الشاشة ، 2017 أ) والبحر مستوى الضغط فوق منطقة جبال الأورال (Ural-SLP 45–70 N و 40–85 E) (Kretschmer et al.، 2016) وعلى شمال المحيط الهادئ (NP-SLP 30–65 N و 160–220 هـ) (ترينبيرث وهوريل ، 1994). كبديل لتدفق نشاط الموجة الرأسية ، نقوم بحساب تدفق الحرارة الدوامة القطبية ( الخامستي ) عند 100 hPa بمتوسط ​​50-80 N (Hoshi et al.، 2017). بتعبير أدق ، يتم أولاً ضرب الانحرافات المتوسطة المنطقية لرياح الزوال الشهرية المتوسطة ودرجة الحرارة عند 100 hPa عند كل نقطة شبكة ، ثم يتم حساب المتوسط ​​المكاني. لوصف الدوامة القطبية الستراتوسفير (SPV) ، نتبع Wu et al. (2019) وحساب متوسط ​​سرعة الرياح في المنطقة التي تزيد عن 60-75 N ولكن عند 20 hPa بدلاً من 10 hPa.


    2.1 وصف نموذج ACCESS-ESM1.5

    ACCESS-ESM1.5 (Ziehn et al.، 2020) هو نسخة محدثة من ACCESS-ESM1 (القانون وآخرون ، 2017). الاختلافات بين ACCESS-ESM1.5 و ACCESS-ESM1 صغيرة نسبيًا ، مع وجود غالبية التغييرات المتعلقة بنموذج سطح الأرض والمحيط.

    الجدول 2مكونات نموذجية لـ ACCESS-ESM1.5.

    مكون الغلاف الجوي لـ ACCESS-ESM1.5 هو الإصدار 7.3 من نموذج مكتب الأرصاد الجوية البريطاني الموحد (UM7.3 Martin et al. ، 2010 فريق تطوير HadGEM2 وآخرون ، 2011) ، ولكن مع نموذج تبادل الأرض في الغلاف الجوي المجتمعي ( CABLE2.4 Kowalczyk et al.، 2013) كنموذج لسطح الأرض (الجدول 2). مكون المحيط هو NOAA / GFDL Modular Ocean Model الإصدار 5 (MOM5 Griffies ، 2014) بنفس التكوين مثل مكون نموذج المحيط لـ ACCESS1.0 و ACCESS1.3 (Bi et al. ، 2012). يتم محاكاة الجليد البحري باستخدام نموذج LANL CICE4.1 (Hunke and Lipscomb ، 2010) ، والذي يحتوي على نفس الشبكة الأفقية مثل المحيط بخمس فئات سمك. يتم تحقيق اقتران المحيط والجليد البحري بالغلاف الجوي من خلال مقرن OASIS-MCT (Valcke ، 2013). تكوين نموذج المناخ المادي المستخدم هنا مشابه لنموذج ACCESS1.3 ، والذي ساهم في المرحلة الخامسة من مشروع المقارنة بين النموذج المقترن (CMIP5) (Bi et al. ، 2012). يتم سرد الدقة المكانية لمكونات النموذج في الجدول 2.

    يتم تضمين دورة الكربون في ACCESS من خلال نموذج Nutrient و Phytoplankton و Zooplankton و Detritus (NPZD) WOMBAT (نموذج المحيط العالمي للكيمياء الحيوية والديناميات الغذائية Oke et al. ، 2013) ، ومن خلال نموذج سطح الأرض CABLE ووحدة الكيمياء الحيوية الحيوية CASA -CNP (Wang et al. ، 2010) ، مع تشغيل CASA-CNP بحدود النيتروجين والفوسفور.

    في تكوين الكبل المطبق هنا ، يوجد إجمالي 13 نوعًا وظيفيًا للنبات (PFTs) ، بما في ذلك 10 أنواع نباتية و 3 أنواع غير نباتية (بحيرة ، جليد أرضي ، أرض جرداء). بالنسبة للجليد الأرضي ، لا يسمح CABLE بكميات جزئية بحيث يجب أن تكون خلايا الشبكة ذات الصلة جليدًا دائمًا ، مما يحد بشكل فعال من هذه الخلايا في جرينلاند والقارة القطبية الجنوبية. يحسب CABLE إجمالي الإنتاج الأولي (GPP) وتنفس الأوراق في كل خطوة زمنية باستخدام مخطط المظلة المكون من ورقتين (Wang and Leuning ، 1998) كدالة لمؤشر مساحة الورقة (LAI). يتم حساب LAI بناءً على حجم مجموعة أوراق الكربون ومساحة الورقة المحددة. هنا يتم إصلاح PFT بحيث يكون الغطاء النباتي ثابتًا ، لكن LAI تفاعلي.

    تمت مناقشة التحيزات في ACCESS-ESM1.5 في Ziehn et al. (2020). في الصيف الشمالي ، تظهر الهند وأمريكا الشمالية علامات التحيز الدافئ ، مع تحيز جاف على الهند. في الصيف الأسترالي ، هناك تحيزات دافئة على المناطق الاستوائية في أمريكا الجنوبية وأفريقيا. وبالمقارنة ، فإن تحيزات أستراليا في درجات الحرارة وهطول الأمطار صغيرة جدًا.


    مراجع

    روديلز ، ب القطب الشمالي والتغير البيئي (محرران وادهامز ، ب. ، دودسويل ، جيه إيه ، أمبير سكوفيلد ، إيه إن) 87-99 (جوردون وبريتش ، 1996).

    Dieckmann، G. S. & amp Hellmer، H. H. in جليد البحر (محرران Thomas، D.N & amp Dieckmann، G. S.) 1–21 (Blackwell، 2003).

    Severinghaus، J.P & amp Brook، E. J. تغير مناخي مفاجئ في نهاية الفترة الجليدية الأخيرة يُستدل عليه من الهواء المحبوس في الجليد القطبي. علوم 286, 930–934 (1999).

    Koç، N.، Jansen، E. & amp Haflidason، H. إعادة بناء باليوسيانوجرافي لظروف المحيط السطحي في جرينلاند وأيسلندا والبحار النرويجية خلال آخر 14 kyr استنادًا إلى الدياتومات. كوات. علوم. القس. 12, 115–140 (1993).

    Andersen، C.، Koç، N.، Jennings، A. & amp Andrews، J. T. علم الحفريات القديمة 19، PA2003 (2004).

    بيلت ، إس تي وآخرون. أحفورة كيميائية جديدة لجليد البحر القديم: IP25. منظمة. جيوكيم. 38, 16–27 (2007).

    ماسي ، ج وآخرون. التغيرات المناخية المفاجئة لأيسلندا خلال الألفية الماضية: أدلة من عمليات إعادة بناء الجليد البحري عالية الدقة. كوكب الأرض. علوم. بادئة رسالة. 269, 565–569 (2008).

    فولكمان ، جيه ك وآخرون. المؤشرات الحيوية للطحالب الدقيقة: مراجعة للتطورات البحثية الحديثة. منظمة. جيوكيم. 29, 1163–1179 (1998).

    Birgel، D. & amp Hass، H.C. التغيرات المحيطية والجوية خلال الانحلال الأخير في مضيق فرام (المحيط المتجمد الشمالي): دراسة مقترنة عالية الدقة وكيميائية عضوية وجيوكيميائية ورواسب. كوات. علوم. القس. 23, 29–47 (2004).

    Stein، R. & amp Fahl، K. تقرير الرحلة العلمية للبعثة القطبية الشمالية ARK-XIII / 2 من RV Polarstern في عام 1997. بير. بولارفورش. 255, 98–136 (1997).

    Nørgaard-Pedersen، N. et al. المحيط المتجمد الشمالي خلال العصر الجليدي الأخير الأقصى: المجالات الأطلسية والقطبية لتوزيع كتلة المياه السطحية والغطاء الجليدي. علم الحفريات القديمة 18, 1063–1082 (2003).

    Andersen ، E. S. ، Dokken ، T. M. ، Elverhøi ، A. ، Solheim ، A. & amp Fossen ، I. الترسيب الرباعي المتأخر والتاريخ الجليدي للحافة القارية الغربية لسفالبارد. مارس جيول. 133, 123–156 (1996).

    مانجيرود ، ج. وآخرون. تقلبات الغطاء الجليدي البحري سفالبارد - بارنتس خلال الـ 150.000 سنة الماضية. كوات. علوم. القس. 17, 11–42 (1998).

    Sarnthein، M.، Pflaumann، U. & amp Weinelt، M. تم استنتاج الامتداد السابق للجليد البحري في شمال شمال المحيط الأطلسي من تقديرات درجة حرارة الحفرة القديمة. علم الحفريات القديمة 18, 1047–1058 (2003).

    بيرجل ، د. & أمبير ؛ شتاين ، ر. إن دورة الكربون العضوي في المحيط المتجمد الشمالي (محرران Stein، R. & amp MacDonald، G.M) (Springer، 2004).

    Knies، J. & amp Stein، R. جوانب جديدة لترسب الكربون العضوي وآثاره القديمة على طول الحافة الشمالية لبحر بارنتس خلال الثلاثين ألف سنة الماضية. علم الحفريات القديمة 13, 384–394 (1998).

    سميث ، دبليو أو جونيور ، باومان ، إم إي إم ، ويلسون ، دي إل آند ألتسي ، إل. الكتلة الحيوية العوالق النباتية والإنتاجية في المنطقة الجليدية الهامشية لمضيق فرام خلال صيف عام 1984. جي جيوفيز. الدقة. 92, 6777–6786 (1987).

    بيرجل ، دي ، شتاين ، آر أند هيفتر ، جيه. الدهون الأليفاتية في الرواسب الحديثة لمضيق فرام / هضبة يرماك (المحيط المتجمد الشمالي): التكوين والمصادر وعمليات النقل. مارس كيم. 88, 127–160 (2004).

    Knies، J.، Vogt، C. & amp Stein، R. النمو المتأخر الرباعي وانحلال الغطاء الجليدي لبحر سفالبارد / بارنتس والتطور القديم في المحيط المتجمد الشمالي المجاور. جيو مار. بادئة رسالة. 18, 195–202 (1999).

    شتاين ، ر. رواسب المحيط المتجمد الشمالي: العمليات والوكلاء والبيئة القديمة (إلسفير ، 2008).

    Knies، J.، Kleiber، H.-P.، Matthiessen، J.، Müller، C. & amp Nowaczyk، N. الكرة الأرضية. كوكب. يتغيرون 31, 45–64 (2001).

    Grootes، P. M.، Stuiver، M.، White، J.WC، Johnsen، S. & amp Jouzel، J. مقارنة سجلات نظائر الأكسجين من GISP2 و GRIP Greenland ice cores. طبيعة 366, 552–554 (1993).

    Wollenburg، J. E.، Knies، J. & amp Mackensen، A. تقلبات إنتاجية قديمة عالية الاستبانة خلال الـ 24 قرش الماضية كما يتضح من المنخربات القاعية في المحيط المتجمد الشمالي الهامشي. باليوجر. Palaeoclimatol. بالايوكول. 204, 209–238 (2004).

    Bondevik، S.، Mangerud، J.، Birks، H. H.، Gulliksen، S. & amp Reimer، P. التغيرات في أعمار خزان الكربون المشع في شمال الأطلسي خلال Allerød و Younger Dryas. علوم 312, 1514–1517 (2006).

    برادلي ، آر إس آند إنكلترا ، جي إتش الأصغر درياس وبحر الجليد القديم. كوات. الدقة. 70, 1–10 (2008).

    Slubowska-Woldengen، M. et al. عمليات إعادة بناء الشرائح الزمنية لدوران المحيطات تتغير على الجرف القاري في بحر الشمال وبارنتس خلال آخر 16000 كالوري في العام BP. كوات. علوم. القس. 27, 1476–1492 (2008).

    هالد ، م وآخرون. التغيرات في درجة حرارة ومدى مياه المحيط الأطلسي في شمال شمال المحيط الأطلسي خلال الهولوسين. كوات. علوم. القس. 26, 3423–3440 (2007).

    كليفن ، إتش إف وآخرون. انخفاض منسوب المياه العميقة في شمال المحيط الأطلسي مع فورة المياه العذبة لبحيرة آغاسيز الجليدية. علوم 319, 60–64 (2008).

    Hebbeln، D.، Dokken، T.، Andersen، E. S.، Hald، M. & amp Elverhøi، A. إمدادات الرطوبة لنمو الغطاء الجليدي الشمالي أثناء العصر الجليدي الأخير الأقصى. طبيعة 370, 357–360 (1994).

    Steinsund، P. I. & amp Hald، M. انحلال كربونات الكالسيوم مؤخرًا في بحر بارنتس: تطبيقات العصر القديم. مارس جيول. 117, 303–316 (1994).


    3.3 حالة الجليد في سياق عالمي

    للمساعدة في وضع حالة الجليد وتطورها في سياق أوسع ، فإننا نأخذ بعين الاعتبار تطور متوسط ​​درجة حرارة سطح الأرض القريبة من سطح الأرض للنماذج (الشكل 3). قارنا بيانات النموذج هذه بمتوسط ​​درجة الحرارة السنوي للأعوام 1960 إلى 2019 المحسوبة من مجموعة بيانات المراقبة HadCRUT4.6.0.0 (https://www.metoffice.gov.uk/hadobs/hadcrut4/ ، آخر وصول: 23 يوليو 2020 ، Morice et al. ، 2012). غالبية النماذج التي تم النظر فيها هنا ترتفع درجة حرارتها بسرعة أكبر مما توحي به الملاحظات. يتراوح متوسط ​​الاحترار للفترة 2014-2019 بالنسبة إلى الفترة 1960-1989 من 0.6 إلى 1.4 درجة مئوية للنماذج ، مقارنةً بنطاق الثقة الملحوظ البالغ 95٪ من 0.6 إلى 0.8 درجة مئوية. بحلول نهاية القرن الحادي والعشرين ، تراوح متوسط ​​الاحترار مقارنة بالفترة 1960-1989 من 3.9 إلى 7.2 درجة مئوية. تميل النماذج التي شهدت انخفاضًا أكبر في مساحة الجليد في شهر مارس بحلول نهاية القرن الحادي والعشرين إلى أن تكون تلك النماذج التي شهدت زيادة أكبر في متوسط ​​درجة الحرارة العالمية.

    الشكل 3تطور متوسط ​​درجة الحرارة العالمية السنوية القريبة من السطح لنماذج CMIP6 ومجموعة بيانات المراقبة HadCRUT4 (Morice et al. ، 2012). القيم نسبة إلى 1960-1989 يعني في كل حالة.

    وجدت دراسة حديثة لـ 40 نموذجًا من طراز CMIP6 (مجتمع SIMIP ، 2020) أن الغالبية (29 من 40) تحاكي انخفاضًا صغيرًا جدًا في مساحة الجليد البحري لكل درجة من الاحترار ، لذا فإن حساسية الجليد البحري لديهم منخفضة جدًا. ونتيجة لذلك ، فإن عددًا قليلاً جدًا من النماذج يحاكي كلاً من المعدل المعقول لفقدان الجليد البحري والمعدل المعقول للاحترار العالمي. من بين نماذج CMIP6 المشاركة في دراستنا ، تم الإبلاغ عن النماذج التالية بواسطة مجتمع SIMIP (2020) على أنها تلتقط كلا من ACCESS-CM2 و GFDL-ESM4 و MRI-ESM-2.0 و NorESM2-MM ، على الرغم من أنه من الجدير بالذكر أن هذا الحساب استخدم فقط عضو المجموعة الأول لكل نموذج ، بينما في دراستنا نستخدم العديد من أعضاء المجموعة لبعض النماذج (الجدول 1). هذه المجموعة الفرعية من النماذج هي من بين تلك التي شهدت أقل زيادة في درجة الحرارة بنهاية القرن الحادي والعشرين في الشكل 3.

    نحن الآن نأخذ في الاعتبار الميزانية الشاملة لجليد البحر في القطب الشمالي ، كما هو محدد في الطائفة. 2 وكذلك في Notz et al. (2016). نبدأ بالنظر في بيانات النموذج لفترة مرجعية 1960-1989 ، تم اختيارها كوقت يكون فيه الغطاء الجليدي والكتلة مستقرين نسبيًا. لاحظ أن هذه ليست نفس الفترة الزمنية المستخدمة لمنطقة الجليد والكتلة في الشكل 1 ، والتي تم اختيارها لتغطية فترة بمزيد من بيانات الرصد. نأخذ في الاعتبار أولاً الميزانية المتوسطة متعددة النماذج ، ثم ننظر إلى الاختلافات بين النماذج.


    2.4 العمليات التي تؤثر لفار

    في نموذجنا ، هناك أربع طرق يمكن من خلالها اضطراب توزيع حجم الطوف: الذوبان الجانبي ، وتفكك الطوافات بفعل أمواج المحيط ، وتضخم الطفو ، والاستعادة بسبب التجمد. تغييرات في لفار التأثير على FSD بالكامل عبر عامل توزيع رقم الطوف ، ج ، وهي أيضًا دالة لـ لفار ، على النحو المحدد في المعادلة. (9). لاحظ أن ج هي أيضًا دالة لتركيز الجليد البحري ، وبالتالي ، بالنسبة لعمليات مثل الذوبان الجانبي ، تتغير في كليهما لفار و أ سيساهم في التغييرات في توزيع رقم الطوف. وتجدر الإشارة هنا إلى أن نموذج WIPoFSD لا يُقصد به تمثيل تأثير العمليات المادية على تفاصيل توزيع حجم الطفو ، فمن غير الممكن فعل ذلك في إطار يُفرض فيه قانون سلطة. بدلاً من ذلك ، يتم تمثيل تأثير العمليات المختلفة التي تم بحثها هنا من خلال المعلمات ، المعبر عنها هنا من حيث متغير النموذج ، لفار .

    بما أن الذوبان الجانبي ينطوي على فقدان حجم الجليد من جوانب الطفو ، فمن المتوقع أن يقلل حجم الطوف. لتمثيل هذا في النموذج ، قمنا بتعيين التخفيض في l var 2 من الذوبان الجانبي ليكون متناسبًا مع الانخفاض في أ ، تركيز الجليد البحري ، من الذوبان الجانبي:

    إذا أعربنا ثم أأخير من ناحية أمبدئي و Δأم ، نحصل على انخفاض في تركيز الجليد البحري من الذوبان الجانبي

    فعل الاختزال لفار تعمل وحدها على إعادة توزيع منطقة الجليد البحري المنسوبة إلى طوافات أكبر من لفار إلى طوف أصغر من لفار . ومع ذلك ، فإن التغيير في أ يعمل أيضًا بشكل مستقل على الحد ج ، كما هو موضح أعلاه. التأثير المشترك هو تقليل عدد الطفو عبر التوزيع بالكامل. أظهرت الدراسات السابقة ، مثل تلك التي أجراها هورفات وتزيبرمان (2017) ، أن الذوبان الجانبي يسبب انحرافًا أقوى عن قانون القوة للطواف الأصغر من الطفو الأكبر. ومع ذلك ، فإن الذوبان الجانبي يؤدي أيضًا إلى طفو أصغر من ددقيقة من شأنه أن يساهم في ذوبان جانبي أعلى بالنسبة لحجم الطوف. ومن ثم فإن سلوك مخطط الذوبان الجانبي هذا يعوض بين هذين التغييرين المتوقعين في التوزيع.

    يوضح القسم 2.4 الشروط اللازمة لتحريك تفتيت الطفو بواسطة الموجات. إذا تم استيفاء هذه الشروط ، لفار وفقًا للتعبير التالي:

    أين λدبليو هو الطول الموجي التمثيلي كما هو محدد في الطائفة. 2.2. هنا لفار يمكن اعتباره مقياس طول تجزئة ، يحدد الانتقال من نظام حيث يتم تفكيك الطفو بواسطة الأمواج إلى نظام حيث يتزايد عدد الطوافات بسبب هذا التفكك للطواف الأكبر.

    هناك ثلاث عمليات يُعتقد أنها المحركات الرئيسية لتكوين الطوف ونموه أثناء ظروف التجميد: النمو الجانبي ، ولحام الطوافات ، وتشكيل طوافات جديدة (روتش وآخرون ، 2018 أ). تركز هذه الدراسة على الذوبان الموسمي وتفتت الجليد البحري بدلاً من التطور الشتوي ومن ثم يتم استخدام مخطط استعادة نمو بسيط. خلال الظروف التي يحدد فيها النموذج نمو الجليد المغطى بالجليد ، لفار إلى أقصى قيمته وفقًا للتعبير التالي:

    أين تيrel هو وقت استرخاء يتعلق بمدى سرعة نمو الجليد الطافي لتغطية منطقة خلية الشبكة بأكملها. تم ضبطه على 10 d كمعيار. في خلايا الشبكة التي تنتقل من كونها خالية من الجليد إلى غطاء جليدي بحري ، لفار بدأ بأدنى قيمة له ، أي ددقيقة . لا يعتمد سلوك التوزيع الكامل لرقم الطوف على لفار ولكن أيضًا أ ، تركيز الجليد البحري. خلال فترات التجمد عندما يزداد تركيز الجليد البحري بشكل كبير ، كلاهما ج و لفار ستزيد القيمة ، مما يؤدي إلى زيادة كثافة العدد عبر جميع أحجام الطفو. هذا يتوافق مع السيناريو حيث يتم تشكيل الكثير من الطوافات الجديدة. خلال فترات التجمد حيث لا يزداد تركيز الجليد البحري بشكل كبير (على سبيل المثال ، عندما يكون جزء منطقة الجليد البحري قريبًا بالفعل من 1) ، إذن لفار سيزيد و ج سيقلل. يمثل هذا تحولًا في التوزيع من الطفو الأصغر إلى الطفو الأكبر. يتوافق ماديًا مع سيناريو يكون فيه اللحام بالطوف هو العملية المهيمنة التي تقود التغييرات في FSD.

    لفار يتم نقلها باستخدام مخطط إعادة التخطيط الأفقي مع معادلة نقل محافظة ، وهو المعيار داخل CICE لتتبع منطقة الجليد (Hunke et al. ، 2015). يتضمن تعديل المخطط المعتاد حساب المتوسط ​​المرجح لـ لفار على فئات سماكة الجليد بعد التقريب وإعادة التوزيع الميكانيكي اللاحقة. يعد هذا ضروريًا حيث لم يتم تحديد التتبع بشكل مستقل لكل فئة سمك على عكس حقول التتبع الأخرى. من المفيد هنا التعليق على اختيار مخطط التأريض الضوئي. أولاً ، لا يمكن تحديد الخصائص التي تتناسب مع جذر منطقة الجليد البحري ، مثل قطر الطوف ، كمتتبع للمنطقة. ثانيًا ، لقد ثبت أن الخصائص الطبيعية أو المتوسطة المتعلقة بـ FSD لا تعتبر أيضًا ممتلكات محفوظة في المنطقة (Horvat and Tziperman ، 2017). هنا، لفار هي معلمة مخصصة لمناطق الجليد البحري لتمثيل التاريخ السابق لمنطقة الجليد البحري تلك من حيث العمليات التي يمكن أن تؤثر على FSD. لفار ليست معلمة تُنسب إلى طوافات فردية ويتم حسابها بشكل مستقل عن FSD وليست خاصية تشخيصية محسوبة من التوزيع. وبالتالي ، من المناسب علاجها لفار كتتبع منطقة الجليد.

    يجدر التعليق هنا على قيود نهج النمذجة لحجم الطوف المستخدم في هذه الدراسة. يعد استخدام توزيع قانون القوة مع الأس الثابت لوصف FSD تبسيطًا قيمًا لاستكشاف تأثير حجم الطوف على الجليد البحري في القطب الشمالي. المتتبع لفار هي أداة نموذجية داخلية تُستخدم لتمكين المعلمات الخاصة بكيفية تأثير العمليات الفردية على FSD ضمن هذا الإطار المقيد. المعلمات الموصوفة في هذا القسم هي بالضرورة تقديرات تقريبية لكيفية تأثير هذه العمليات على FSD ولا ينبغي اعتبارها وصفًا فيزيائيًا دقيقًا.

    يتم تشغيل نسختنا المعدلة من CICE عبر نطاق القطب الشمالي بشبكة 1 ثلاثية الأقطاب (129 × 104). يُشتق التأثير السطحي من حقول إعادة التحليل NCEP-2 التي تستغرق 6 ساعات (Kanamitsu et al. ، 2002). تتم استعادة خصائص الطبقة المختلطة على مدى 5 أيام إلى التحليل الشهري لعلم المناخ على عمق 10 أمتار مأخوذ من منتج إعادة التحليل الفيزيائي للمحيطات العالمي MyOcean (MYO reanalysis Ferry et al. ، 2011). هذه الاستعادة ضرورية لتمثيل التأفق الأفقي داخل الطبقة المختلطة بشكل فعال. تحتفظ عملية ما بعد التصريف في أعماق المحيط بخصائص الطبقة المختلطة ، ومع ذلك يتم استعادتها على مدى 90 يومًا إلى علم المناخ الشتوي (يعني هنا متوسط ​​ظروف 1 يناير من 1993 إلى 2010) من تحليل MYO.

    تم إجراء جميع عمليات المحاكاة بين 1 يناير 1990 و 31 ديسمبر 2004 باستخدام الإعداد القياسي الموضح في الطائفة. 2.1 بحجم ثابت يبلغ 300 م (بدون تضمين نموذج WIPoFSD). بدأت عمليات المحاكاة في 1 يناير 2005 باستخدام ناتج العرض التدريجي وتقييمها لمدة 12 عامًا حتى 31 ديسمبر 2016. وجميع النتائج مأخوذة من الفترة 2007-2016 لإتاحة الفرصة لمدة عامين للنموذج للتكيف مع إضافة قاعدة بيانات الويبو بشأن التنمية المستدامة نموذج. يتم أيضًا تقييم المدى المرجعي خلال هذه الفترة باستخدام الإعداد القياسي وحجم الطوف الثابت 300 متر. يوضح الشكل 2 هذا النموذج يحاكي مدى الجليد البحري الشهري المناخي بشكل واقعي لهذه الفترة. يتم تقييم جميع عمليات المحاكاة الأخرى خلال نفس الفترة الزمنية باستخدام نفس حالة النموذج الأولي ، ولكن مع نموذج WIPoFSD المفروض. تحتوي بعض عمليات المحاكاة على تعديلات إضافية تم إجراؤها على النموذج كما هو موضح.

    الشكل 2مقارنة الدورة المتوسطة 2007-2016 لإجمالي مدى الجليد البحري في القطب الشمالي الذي تمت محاكاته في الإعداد المرجعي المزدوج للطبقة المختلطة-التنبؤية (CICE-ML ، والشريط الأحمر ، والصلب) مع النتائج من نموذج CPOM CICE القياسي المُحسَّن (Schröder et al., 2019, marked CICE-schro, blue ribbon, small dashes) and observed sea ice extent derived from Nimbus-7 SMMR and DMSP SSM/I–SSMIS satellites using Bootstrap algorithm version 3 (Comiso, 1999, marked Observations , green ribbon, large dashes). The ribbon shows, in each case, the region spanned by the mean value plus or minus 2 times the standard deviation for each simulation. This gives a measure of the interannual variability over the 10-year period. Results show the new model performs either comparably to or better than the previous optimum set-up throughout the year. In addition, the mean CICE–ML sea ice extent falls within the interannual variability of the observations between June and December, i.e. most of the melting season, suggesting this reference state is suitable for studies focusing on this period.

    Results are presented for the pan-Arctic domain with a focus on the melting season. All plots compare the mean behaviour over 10 years from 2007 to 2016 against the reference simulation, referred to as ref, which uses a constant floe size of 300 m. The results for 2005 and 2006 are discarded to allow 2 years for the model to adjust to the imposed FSD. In this study we are trying to understand the impact of the FSD and associated processes on the seasonal sea ice loss. The years 2007–2016 have been selected as the baseline for these simulations as they will capture the current climatology of the Arctic, including the record September minimum sea ice extent observed in 2012.


    1 Introduction

    Monitoring sea ice is important to observe and understand global climate processes and their changes, due to the dynamic role that sea ice plays in the physics of the Earth's climate, not least in altering the Earth's albedo (Stroeve et al., 2011 ). As a key element of the climate system, sea ice also affects the ocean circulation and weather (Comiso et al., 2003 ). From a practical perspective, there is also interest in detecting and mapping sea ice for maritime operations such as exploitation of oil and gas reserves and to determine possible shipping routes, especially in the Arctic (Bird et al., 2008 ).

    Global Navigation Satellite Systems Reflectometry (GNSS-R) uses reflected microwave navigation signals (L-Band from GPS or similar systems) to characterize the reflective surface and was first proposed in 1988 (Hall & Cordey, 1988 ). This technique is at present largely used to study winds over the ocean (e.g., Clarizia & Ruf, 2016 Foti et al., 2015 Foti et al., 2017 Ruf & Balasubramaniam, 2018 ). However, other Earth observation applications, such as ice sheet and ocean altimetry (e.g., Cardellach et al., 2004 Cartwright et al., 2018 Clarizia et al., 2016 ), the monitoring of soil moisture (Chew et al., 2016 ), and the cryosphere (e.g., Belmonte Rivas et al., 2010 Gleason, 2006 ), are also being investigated. Cryospheric applications include the detection and altimetry of sea ice (e.g., Alonso-Arroyo et al., 2017 Hu et al., 2017 Li et al., 2017 Yan & Huang, 2016 ), the altimetry of glacial ice (e.g., Cardellach et al., 2004 Cartwright et al., 2018 Rius et al., 2017 ), and permittivity of reflective surfaces (Belmonte Rivas et al., 2010 Fabra et al., 2012 ). The use of these signals of opportunity and the need only for a receiver in space mean that GNSS-R is an extremely low-cost and, being a passive system, low-power method of remote sensing. Combined with the low mass of the sensor itself, this makes the approach ideal for applications in constellation missions, as in the case of CYGNSS (Cyclone GNSS), launched in 2016, for monitoring of tropical cyclone winds (Ruf et al., 2013 ). The eight CYGNSS microsatellites achieve an average revisit time of 4 hr (Ruf et al., 2013 ). Such a high temporal resolution, combined with the spatial coverage enabled by this quantity of measurements, would allow the monitoring of the dynamic sea ice system. However, the low inclination (35°) orbit of the CYGNSS satellites means that they cannot be used to monitor sea ice. A similar system for cryosphere applications (G-TERN) has been proposed (Cardellach et al., 2018 ). In orbit and operational until recently, TechDemoSat-1 (TDS-1) carries a GNSS-R receiver and is in a high inclination orbit (98.4°). Data from it can be used to detect sea ice, and thus, these data are the focus of this paper.

    Previous studies (Alonso-Arroyo et al., 2017 Rivas et al., 2010 Yan et al., 2017 Yan & Huang, 2016 Zhu et al., 2017 ) have been shown to correctly distinguish between sea ice and open ocean in up to 98.4% of cases in the detection of sea ice compared to colocated passive microwave data. However, these studies were limited in scope, examining small subsets of TDS-1 observations only. This study builds upon and extends these previous studies by developing and applying a new method of sea ice detection to the complete data set collected during the initial mission of TDS-1. In what follows, section 2 discusses the satellite, the sensor, and the data used and then section 3 describes the sea ice detection methods tested. Section 4 validates the results of the algorithm against the most recent ESA CCI (European Space Agency Climate Change Initiative) sea ice concentration product (Toudal Pedersen et al., 2017 ) as well as the National Snow and Ice Data Centre (NSIDC) sea ice concentration product (Cavalieri et al., 1996 ), Ocean and Sea Ice Satellite Application Facility (OSI SAF) ice edge product (Breivik et al., 2012 OSI SAF, n.d. ), and Multisensor Analyzed Sea Ice Extent (MASIE) operational ice edge product (Fetterer et al., 2010 ). The likely sources of differences are then discussed. Conclusions of the study and a discussion of the future potential of GNSS-R for sea ice monitoring are given in section 5.


    I've had trouble finding a direct reference that talks about عالمي sea ice. لماذا ا؟ Researchers treat the Arctic sea ice and Antarctic sea ice quite differently. Adding the two amounts together to look at global trends, as the Mail Online suggests, doesn't seem to be sensible.

    The US National Snow and Ice Data Center (NSIDC) have a page explaining the differences in the sea ice in the two regions, including surrounding landmasses, prevailing wind-patterns, shape and thickness, and the lifecycle of the ice.

    While the data on this page is somewhat dated, it also explains the difference in the trends.

    500,000 km2 193,000 mi2) per decade

    100,000 km2 39,000 mi2) per decade

    From comparing these two numbers can see the منطقة of the ice is decreasing. [Ooh! Be careful. Some simple original research, because scientists don't seem to find this comparison useful.] We also know that the typical thickness in the Antarctic is lower, so the trend in the overall volume of sea ice is dropping. (I haven't ruled out an short-term increase the patterns are quite variable each year.)

    The NSIDC Sea Ice Index tool provides more up-to-date data to cross-check these trends.

    From their graphs, we can see Antarctic Sea Ice is increasing from a (1981-2010) mean of 13.9 million sq km by 1.7% per decade, while Arctic Sea Ice is decreasing from a similar mean of 11.9 million sq km by 3.6% per decade. The decrease outweighs the increase.

    Addressing some of the other concerns in the Online Mail article, the NSIDC FAQ agrees that there is less attention of Antarctic Sea Ice

    NSIDC scientists do monitor sea ice in the Antarctic, and sea ice in the Antarctic is of interest to scientists worldwide. While many have published peer-reviewed journal articles on the topic, it has received less attention than the Arctic.

    The FAQ goes on to explain that

    Climate model projections of Antarctic sea ice extent are in reasonable agreement with the observations to date.

    and how wind pattern changes in the area are driving the increase, and that the additional sea ice will not have a large impact on the the climate system.

    Of course, if polar bear habitat is your concern, Antarctic Sea Ice extent is irrelevant.

    The satellite observations for the Arctic and Antarctic are available from the National Snow and Ice Data Centre (NSIDC).

    Here is a plot of June Arctic, Antarctic and Global sea ice extent:

    and June Arctic, Antarctic and Global sea ice area:

    That I generated directly from those observations (using a MATLAB script).

    The trend in global sea ice extent is clearly downwards over the period covered by the satellite observations, however there is some year to year variability (noise), which means that it is possible to find a start year where the current extent is higher than it was in some previous year. However that is not valid form of statistical analysis, it is just cherry picking.

    Note the summer melting season for the Arctic is the winter ice forming season for the Antarctic. It might be more instructive to look at the annual means for both hemispheres or the annual minima/maxima instead. However, that would be more than a five minute job.

    @Oddthinking (+1) also makes the very good point that sea ice volume is probably a more relevant statistic if you are interested in the changes in sea ice.

    See also this question at the Geosciences SE, which is concerned with why there has been an increase in Antarctic sea ice, and one answer suggests that it may in part be due to melting of the Antarctic ice cap, which is feeding fresh water into the ocean surrounding Antarctica, which promotes the formation of sea ice (presumably due to the lower salinity). If this were the case, it doesn't really support the arguments being made in the article.

    I hope that @gracchus is beginning to notice a trend developing here. In most cases articles with hyperbolic claims that the worlds scientists are wrong are not borne out by even a cursory glance at the data (or often in the case of climate change, looking the issue up in the IPCC WG1 report to see if the worlds scientists actually are claiming what the article suggests, often they are not).

    It is often suggested that models do not predict an increase in Antarctic sea ice. However, one paper that does suggest this is Manabe et al. (note the publication date)

    Manabe, S., R. J. Stouffer, M. J. Spelman, K. Bryan, 1991: Transient Responses of a Coupled Ocean–Atmosphere Model to Gradual Changes of Atmospheric CO2. Part I. Annual Mean Response. J. Climate, 4, 785–818. (www)

    In the G integration, in which the atmospheric CO2 concentration is increased with time, the thickness of sea ice over the Arctic Ocean is reduced markedly from 3m to less than 1m during the 100-year period [DM: seems likely at this stage to be a rather optimistic prediction]. Owing to the reduction of sea ice, the exchange of hear between the oceanic water surface and overlying air increases, resulting in the large increase in surface air temperature over the Arctic Ocean [DM: note model predicts rapid warming of the Arctic region, hence the importance of including the Arctic region in order to avoid bias in estimating global mean surface temperatures, c.f. Cowtan and Way]. It is surprising, however, that the sea-ice thickness in the G integration increases significantly in the immediate vicinity of the Antarctic continent despite the increase in atmospheric carbon dioxide. This is consistent with the slight reduction of sea surface temperature mentioned earlier (fig reference). It will be shown in section 9a that, owing to the intensification of the near surface halocline caused by the increased supply of water at the ocean surface, the convective mixing of cold near-surface water with warmer underlying water becomes less frequent, resulting in the increase of sea ice and slight reduction of sea surface temperature.

    [emphasis mine, as are any transcription errors]

    I suspect there are other studies where other models give other results, which may not agree with this one. However Manabe et al does show that it would not be true to say that the increase in Antarctic sea ice was not predicted by model, nor that climate models cannot explain the increase in Antarctic sea ice - clearly Manabe's could!

    Addendum to the addendum:

    Whilst looking for some data on sea ice volume for Antarctica, I found the reason they were so hard to find is that they don't exist yet, however I did find a paper on model based estimation of thickness:

    Holland, Paul R., Nicolas Bruneau, Clare Enright, Martin Losch, Nathan T. Kurtz, Ron Kwok, 2014: Modeled Trends in Antarctic Sea Ice Thickness. J. Climate, 27, 3784–3801. (www)

    نبذة مختصرة

    Unlike the rapid sea ice losses reported in the Arctic, satellite observations show an overall increase in Antarctic sea ice concentration over recent decades. ومع ذلك، observations of decadal trends in Antarctic ice thickness, and hence ice volume, do not currently exist. In this study a model of the Southern Ocean and its sea ice, forced by atmospheric reanalyses, is used to assess 1992–2010 trends in ice thickness and volume. The model successfully reproduces observations of mean ice concentration, thickness, and drift, and decadal trends in ice concentration and drift, imparting some confidence in the hindcasted trends in ice thickness. The model suggests that overall Antarctic sea ice volume has increased by approximately 30 km3 yr−1 (0.4% yr−1) as an equal result of areal expansion (20 × 103 km2 yr−1 or 0.2% yr−1) and thickening (1.5 mm yr−1 or 0.2% yr−1). This ice volume increase is an order of magnitude smaller than the Arctic decrease, and about half the size of the increased freshwater supply from the Antarctic Ice Sheet. Similarly to the observed ice concentration trends, the small overall increase in modeled ice volume is actually the residual of much larger opposing regional trends. Thickness changes near the ice edge follow observed concentration changes, with increasing concentration corresponding to increased thickness. Ice thickness increases are also found in the inner pack in the Amundsen and Weddell Seas, where the model suggests that observed ice-drift trends directed toward the coast have caused dynamical thickening in autumn and winter. Modeled changes are predominantly dynamic in origin in the Pacific sector and thermodynamic elsewhere.

    [emphasis mine]

    This would suggest that sea ice volume gain in Antarctica is subtantially less than the sea ice volume loss in the Arctic and hence there will be a global decline in sea ice volume. This would imply that the answer to the question "Is there more global sea ice than 35 years ago?", taken literally, is "no".


    2.3 Analysis of sea ice deformation characteristics

    Buoy position data were also used to estimate differential kinematic properties (DKPs) of the sea ice deformation field. The DKPs include divergence (div), shear (shr), and total deformation ( د ) rates of sea ice estimated within the area enclosed by any three buoys, as shown by Itkin et al. (2017). Following Hutchings and Hibler (2008), DKPs were calculated as follows:

    where ∂ u ∂ x , ∂ u ∂ y , ∂ v ∂ x , and ∂ v ∂ y are the strain components on an orthogonal geographical grid. Sea ice strain rate was only estimated for those buoy triangles with internal angles in excess of 15 ∘ and for ice speeds larger than 0.02 m s −1 to ensure a high accuracy (Hutchings et al., 2012). Total deformation د was used to characterize the spatial and temporal scaling laws as follows:

    أين إل is the length scale, τ is the sampling interval, and β و α are spatial and temporal scaling exponents which indicate the decay rates of ice deformation in the spatial or temporal domains. These scaling laws can only indicate the fractal properties of the first moment of ice deformation because of the multi-fractal properties of ice deformation (e.g., Marsan et al., 2004 Hutchings et al., 2011, 2018). To estimate the spatial exponent β for the CHINARE buoy cluster, the length scale was divided into three bins of 5–10, 10–20, and 20–40 km because only a few samples were outside these bins. To estimate the temporal exponent α , the position data were resampled to intervals of 1, 2, 4, 8, 12, 24, and 48 h. Because the TICE buoy cluster was mostly ( >70 %) assigned to the 40–80 km bin, data from this cluster were not suitable for the estimation of the scale effect. A space–time coupling index, ج , denoting temporal (spatial) dependence of the spatial (temporal) scaling exponent, can be expressed as

    أين β0 ثابت. The areal localization index, δ15 % , was used to quantify the localization of the strongest sea ice deformation, defined as the fractional area accommodating the largest 15 % of the ice deformation in the research domain (Stern and Lindsay, 2009). ال δ15 % was calculated for the 10–20 km length bin for the CHINARE buoy cluster, since this bin contained more samples to ensure a statistical rationality. To identify the influence of the temporal scale on the localization of ice deformation, all data were resampled to intervals of 1, 2, 4, 8, 12, 24, and 48 h.


    Scientists aim to fuse Earth data to help classify, map sea ice

    Earth-orbiting satellites and other instruments collect huge amounts of data, each providing a different lens through which scientists can map the environment. Some instruments measure reflections of visible light or radar waves, while others measure elevation.

    These diverse observations need to be harmonized and combined for studying the Earth’s surface. But the sheer size and differences in the data pose a challenge to this synchronization—one that researchers at the University of Colorado hope to tackle with the help of artificial intelligence (or AI).

    The researchers’ project, called “Harmonized Earth,” is led by Morteza Karimzadeh, assistant professor of geography at CU Boulder, and his collaborators at the National Ice and Snow Data Center (NSIDC) and CU Denver’s Department of Computer Science.

    Harmonized Earth recently won a three-year, $1.2 million grant from the National Science Foundation to create algorithms and cyber-infrastructure for harmonizing heterogeneous big-data products including satellite imagery and in situ, or on site, observations in a cloud computing environment.

    The technologies developed by the Harmonized Earth project are expected to be useful to a variety of applications including for climate change research as sea ice is a key indicator. For this NSF-supported effort, however, the focus will be on creating high-resolution maps of sea ice extent and thickness, a challenging scientific task, according to the researchers, due to the elusive and constantly changing nature of sea ice.

    With the increasing availability of high-resolution remote sensing products such as synthetic-aperture radar and lidar technology, there is a renewed desire for tackling this challenge, scientists note.

    However, bridging data science and geoscience together is key in successfully harnessing these large heterogeneous data for sea-ice mapping, Karimzadeh said, adding:

    “This project brings geospatial data scientists, geoscientists, and computer scientists to tackle this challenge using the state-of-the-art in machine learning and earth observations for seamless data fusion, machine learning and analysis.”

    Karimzadeh noted that one challenge to using AI to fuse data for sea-ice mapping is that AI relies on data labels created by humans.

    “Our goal is to create efficient infrastructure for minimal human effort in labeling these huge datasets across different types,” Karimzadeh said, adding: “The algorithms then ‘learn’ from these labels in an interactive manner.”

    Walt Meier, senior research scientist at NSIDC and a member of the research team, concurred, adding that another area where Harmonizing Earth could provide benefit is the creation of ice charts for human activities in and near sea-ice regions. Now, that effort is largely done manually, “experts looking at images and interpreting where there is ice,” and because it is manual, it is difficult to analyze much data from synthetic-aperture radar, he said.

    “Our methods will help automate much of this process, which will allow much more data to be analyzed for the ice charts and improve those charts,” Meier added.

    NSIDC scientist Andrew Barrett commented that machine-learning methods such as deep neural networks could help scientists map larger areas at high resolution.

    “Ice analysts can then focus on checking, correcting and packaging ice maps for users in a similar way to how meteorologists use output from numerical weather prediction models along with other sources of information to produce weather forecasts,” Barret said.

    On a broader scale, Meier said, better interpretation of different kinds of data “will help us better understand how sea ice changes seasonally and over the years to give us better sense of how the ice cover is changing and improve models to understand how it will change in the future.”

    Harmonized Earth will be integrated into NSF’s EarthCube software ecosystem for maximum adoption and ease of use, to make federally funded data more useful to researchers, including those who make sea-ice projections used by the shipping industry.

    Our methods will help automate much of this process, which will allow much more data to be analyzed for the ice charts and improve those charts​."

    To that end, Karimzadeh noted that the project also aims to produce “computational notebooks” for students with little or no background in data-science methods in geoscience.

    EarthCube is a growing community of scientists from the geosciences, as well as geoinformatics researchers and data scientists. It began as a joint effort between the NSF Directorate for Geosciences and the Division of Advanced Cyberinfrastructure and has attracted an evolving, dynamic virtual community of more than 2,500 contributors, including Earth, ocean, polar, planetary, atmospheric, geospace, computer and social scientists, educators and data and information professionals.

    Through this community-driven development, many successful open-source projects have been made available to researchers and practitioners, and Harmonized Earth will add earth data fusion and sea ice mapping to the capabilities of EarthCube.

    Harmonized Earth is a collaboration between Principal Investigator Karimzadeh, Andrew Barrett, Walt Meir and Siri Jodha Khalsa of NSIDC and Farnoush Banaei-Kashani of CU Denver Computer Science.


    شاهد الفيديو: التغير المناخي. خطر يهدد البشرية