ИЗМЕНЕНИЯ ОБЛАЧНОСТИ В ПЕРИОД ГЛОБАЛЬНОГО ПОТЕПЛЕНИЯ ПО РЕЗУЛЬТАТАМ МЕЖДУНАРОДНОГО СПУТНИКОВОГО ПРОЕКТА
©2019 O.M. Pokrovsky
Russian State Hydrometeorological
University, San Pietroburgo
E-mail: pokrov_06@mail.ru
Ricevuto il 5 settembre 2018
Vengono presentati i risultati dell'analisi delle serie climatiche di copertura nuvolosa globale e regionale per il periodo 1983-2009. Dati ottenuti nell'ambito del progetto satellitare internazionale ISCCP. Viene descritta la tecnologia dell'analisi statistica delle serie temporali, incluso l'algoritmo di smoothing e l'analisi wavelet. Entrambi i metodi sono progettati per l'analisi di serie non stazionarie. I risultati dell'analisi mostrano che la copertura nuvolosa globale e regionale mostra una diminuzione del 2-6%. La riduzione maggiore si osserva nei tropici e negli oceani. Sulla terra, la diminuzione è minima. Il coefficiente di correlazione reciproca delle serie di nuvole globali da un lato e le serie di temperature globali dell'aria e della superficie dell'oceano, dall'altro, raggiunge valori di (–0,84)-(-0,86). Il coefficiente di determinazione che caratterizza l'accuratezza della regressione per la previsione dei cambiamenti della temperatura globale in base ai dati sulla copertura nuvolosa inferiore è in questo caso 0,316.
Parole chiave: climatologia, copertura nuvolosa globale e regionale, serie climatiche, ISCCP, andamento lineare e non lineare, analisi wavelet
DOI: https://doi.org/10.31857/S0205-9614201913-13
INTRODUZIONE
La nuvolosità è uno dei fenomeni che ogni persona affronta ogni giorno.
dal momento della nascita. È anche uno degli elementi meteorologici chiave. La nuvolosità ha un effetto decisivo sul bilancio energetico della Terra, poiché determina l'arrivo della radiazione solare e regola la radiazione termica in uscita. Attraverso le precipitazioni che cadono dalle nuvole, viene avviato il ciclo globale dell'acqua. Tuttavia, fino ad ora, la fisica della formazione e dell'evoluzione delle nuvole rimane un campo di conoscenza insufficientemente esplorato.
La riflettività totale (albedo) del pianeta Terra è di circa il 30%, il che significa che circa il 30% della radiazione solare ad onde corte in arrivo viene riflessa nel cosmo. Se tutte le nuvole fossero rimosse, l'albedo globale diminuirebbe al 15% e la quantità di energia a onde corte disponibile per riscaldare la superficie del pianeta aumenterebbe da 239 a 288 W/m 2 (Hartmann, 1994). In questo ipotetico caso, anche la radiazione ad onda lunga sarà interessata, da cui 266 W/m2 andrebbero nello spazio rispetto agli attuali 234 W/m2 (Hartmann 1994). Pertanto, il pieno effetto della rimozione di tutte le nuvole porterebbe comunque ad un aumento del flusso di calore, caratterizzato da un valore di circa 17 W/m2. Pertanto, la copertura nuvolosa globale ha un chiaro effetto di raffreddamento generale sul pianeta, sebbene la rete - l'effetto delle nuvole alte e basse è l'opposto.
Le nuvole di livello inferiore, di norma, hanno un effetto di raffreddamento sul clima globale. Spesso hanno uno spessore ottico significativo e riflettono la maggior parte della radiazione ad onde corte in arrivo. Inoltre, a causa della loro bassa altitudine e temperatura elevata, generano una grande quantità di radiazioni a onde lunghe che viaggiano nello spazio e raggiungono livelli atmosferici più elevati. Al contrario, le nuvole del livello superiore, di norma, danno un effetto riscaldante, perché, a causa della loro alta altitudine e bassa temperatura, emettono solo meno radiazioni di onde lunghe nello spazio. Inoltre, di solito sono sottili e riflettono solo leggermente la radiazione ad onde corte in arrivo. Questa non è una considerazione puramente teorica, ma è dimostrata da osservazioni, che verranno discusse di seguito.
Le osservazioni sulle nuvole dalle stazioni meteorologiche presentano una serie di gravi difetti. Innanzitutto, la valutazione della nuvolosità viene effettuata soggettivamente dall'osservatore. Inoltre, tenendo conto del fatto che la scala della nuvolosità orizzontale varia da diversi chilometri a diverse decine di chilometri, l'effettiva copertura del globo utilizzando una rete meteorologica terrestre è al centesimo dell'uno percento.
L'avvento dei satelliti meteorologici ha radicalmente cambiato la situazione relativa alla raccolta di informazioni sulla distribuzione spazio-temporale della nuvolosità su scala globale.
Di particolare importanza è stato il costante funzionamento dei satelliti geostazionari Meteo-sat, che ha fornito un monitoraggio continuo del tempo di ogni frammento della copertura nuvolosa con elevata risoluzione spaziale.
L'uso di apparecchiature di telerilevamento satellitare multicanale (DZ) ha fornito un'analisi più ragionevole della distribuzione del cloud verticale. Per la prima volta, è stato possibile iniziare i riepiloghi climatici dei dati cloud su scala globale. Tuttavia, un confronto tra i risultati dell'analisi dei campi di nuvolosità ottenuti da diversi satelliti e l'utilizzo di vari algoritmi di elaborazione ha mostrato differenze significative. Tali discrepanze erano particolarmente evidenti nella regione polare (Chernokulsky 2012; Chernokulsky, Mokhov, 2012).
La nuvolosità è uno dei fenomeni che ogni persona affronta ogni giorno.
dal momento della nascita. È anche uno degli elementi meteorologici chiave. La nuvolosità ha un effetto decisivo sul bilancio energetico della Terra, poiché determina l'arrivo della radiazione solare e regola la radiazione termica in uscita. Attraverso le precipitazioni che cadono dalle nuvole, viene avviato il ciclo globale dell'acqua. Tuttavia, fino ad ora, la fisica della formazione e dell'evoluzione delle nuvole rimane un campo di conoscenza insufficientemente esplorato.
La riflettività totale (albedo) del pianeta Terra è di circa il 30%, il che significa che circa il 30% della radiazione solare ad onde corte in arrivo viene riflessa nel cosmo. Se tutte le nuvole fossero rimosse, l'albedo globale diminuirebbe al 15% e la quantità di energia a onde corte disponibile per riscaldare la superficie del pianeta aumenterebbe da 239 a 288 W/m 2 (Hartmann, 1994). In questo ipotetico caso, anche la radiazione ad onda lunga sarà interessata, da cui 266 W/m2 andrebbero nello spazio rispetto agli attuali 234 W/m2 (Hartmann 1994). Pertanto, il pieno effetto della rimozione di tutte le nuvole porterebbe comunque ad un aumento del flusso di calore, caratterizzato da un valore di circa 17 W/m2. Pertanto, la copertura nuvolosa globale ha un chiaro effetto di raffreddamento generale sul pianeta, sebbene la rete - l'effetto delle nuvole alte e basse è l'opposto.
Le nuvole di livello inferiore, di norma, hanno un effetto di raffreddamento sul clima globale. Spesso hanno uno spessore ottico significativo e riflettono la maggior parte della radiazione ad onde corte in arrivo. Inoltre, a causa della loro bassa altitudine e temperatura elevata, generano una grande quantità di radiazioni a onde lunghe che viaggiano nello spazio e raggiungono livelli atmosferici più elevati. Al contrario, le nuvole del livello superiore, di norma, danno un effetto riscaldante, perché, a causa della loro alta altitudine e bassa temperatura, emettono solo meno radiazioni di onde lunghe nello spazio. Inoltre, di solito sono sottili e riflettono solo leggermente la radiazione ad onde corte in arrivo. Questa non è una considerazione puramente teorica, ma è dimostrata da osservazioni, che verranno discusse di seguito.
Le osservazioni sulle nuvole dalle stazioni meteorologiche presentano una serie di gravi difetti. Innanzitutto, la valutazione della nuvolosità viene effettuata soggettivamente dall'osservatore. Inoltre, tenendo conto del fatto che la scala della nuvolosità orizzontale varia da diversi chilometri a diverse decine di chilometri, l'effettiva copertura del globo utilizzando una rete meteorologica terrestre è al centesimo dell'uno percento.
L'avvento dei satelliti meteorologici ha radicalmente cambiato la situazione relativa alla raccolta di informazioni sulla distribuzione spazio-temporale della nuvolosità su scala globale.
Di particolare importanza è stato il costante funzionamento dei satelliti geostazionari Meteo-sat, che ha fornito un monitoraggio continuo del tempo di ogni frammento della copertura nuvolosa con elevata risoluzione spaziale.
L'uso di apparecchiature di telerilevamento satellitare multicanale (DZ) ha fornito un'analisi più ragionevole della distribuzione del cloud verticale. Per la prima volta, è stato possibile iniziare i riepiloghi climatici dei dati cloud su scala globale. Tuttavia, un confronto tra i risultati dell'analisi dei campi di nuvolosità ottenuti da diversi satelliti e l'utilizzo di vari algoritmi di elaborazione ha mostrato differenze significative. Tali discrepanze erano particolarmente evidenti nella regione polare (Chernokulsky 2012; Chernokulsky, Mokhov, 2012).
Per implementare il compito più importante di riconciliare ed elaborare in modo uniforme i dati di osservazione della nuvola dai satelliti, nel 1982 gli Stati Uniti hanno lanciato il "Progetto internazionale di climatizzazione del cloud satellitare", ISCCP (Schiffer e Rossow, 1983). Questo progetto è stato lanciato nell'ambito del WMO - World Climate Research Program (WCRP). L'obiettivo del progetto era quello di raccogliere e analizzare i dati delle misurazioni dei satelliti di radiazione per monitorare la distribuzione globale delle nuvole, ottenere informazioni sulle proprietà fisiche delle nuvole, sulla loro variabilità giornaliera, stagionale e interannuale. La raccolta e l'analisi dei dati è iniziata il 1 ° luglio 1983 e continua ancora oggi. Si noti che l'autore dell'articolo (Norris, 2000) ha criticato l'algoritmo di elaborazione del cloud nell'ambito del progetto ISCCP per quanto riguarda la correzione angolare delle osservazioni.
Ad oggi, un numero di centri sperimentali scientifici e informatici interagenti sono stati formati nell'ambito dell'ISCCP.
Il centro di elaborazione principale, il Satellite Processing Center (SPC), invia i suoi risultati al Global Processing Center (GPC), dove i dati sono integrati in base alle dipendenze spaziali e temporali. Il prossimo passo è l'associazione dei dati geografici nel Correlative Data Center (CDC). I dati vengono quindi calibrati e verificati presso il Satellite Calibration Center (SCC). Nella fase finale, i dati vengono archiviati presso l'ISCCP Central Archive (ICA) e presso il NASA Langley Research Center (LARC). Attualmente, i dati osservativi sono disponibili sui siti Internet ISCCP, NCEP, NOAA, nonché su numerosi centri di ricerca mondiali ed è disponibile per tutti gli scienziati e gli specialisti. Entro il 2011, i dati cloud globali per la ricerca sul clima sono stati compilati con una risoluzione temporale mensile del 1983-2009.
Questo lavoro è dedicato all'analisi delle serie climatiche di nuvole su scala globale e regionale ottenute nell'ambito del progetto ISCCP. La prima parte espone un metodo originale per l'analisi delle serie climatiche, inclusa la procedura di livellamento e lo studio delle componenti spettrali delle serie in studio. Quanto segue presenta i risultati di uno studio delle tendenze nel campo delle nuvole globali, nonché delle serie per un certo numero di regioni e zone latitudinali. In conclusione, viene presentata una discussione sui risultati ottenuti in relazione ai cambiamenti climatici negli ultimi tre decenni.
DATI INIZIALI E METODI DELLA LORO ANALISI
Nel quadro del progetto, sono stati raccolti dati globali sulla copertura nuvolosa da 30 satelliti meteorologici statunitensi: GMS1-5; GOES5-12; METEOSAT 2-9; NOAA 7, 10-12, 14-18. È stato effettuato un trattamento specializzato dei dati di misurazione ottenuti secondo lo schema sopra indicato. Le matrici di dati sul cloud climatico disponibili per gli utenti sono presentate come frazioni di copertura del cloud (%) ai nodi della griglia normale con un passo di 280 km e una risoluzione temporale di 3 ore. Un array di dati mensile richiede 216 Mb. Ogni file medio mensile richiede 7,5 MB. Si noti che esistono anche campi cloud iniziali con una risoluzione spaziale di 30 km. In questo caso, ogni array di dati mensile occupa 1,1 GB. Tutti i dati e la loro descrizione sono disponibili gratuitamente su https://isccp.giss.nasa.gov/ products / onlineData.html. Oltre ai dati cloud, gli archivi ISCCP contengono dati correlati sulla temperatura e l'umidità dell'aria.
Una caratteristica importante di qualsiasi serie climatica è la loro instabilità, ad es. cambiando non solo la natura del comportamento, ma anche la struttura statistica delle coordinate temporali.
Questa circostanza richiede lo sviluppo di nuovi metodi per l'analisi di tali serie. I metodi tradizionali hanno permesso di lavorare con file fisse.
Di seguito considereremo alcuni approcci alternativi che ci consentono di estrarre informazioni più significative dalle serie climatiche. Particolare attenzione è rivolta al filtraggio della variabilità interannuale chiamata "rumore climatico" e all'identificazione delle fluttuazioni lente, che di solito sono chiamate tendenze. Fino ad ora, di solito abbiamo parlato di tendenze lineari che caratterizzano una diminuzione monotona o un aumento delle caratteristiche climatiche. Quando le deviazioni degli indicatori climatici dal comportamento monotono si discostano, la tecnica della tendenza lineare diventa inefficace. Pertanto, proponiamo un metodo di livellamento non lineare, che consente di tracciare più accuratamente i cambiamenti nelle tendenze nelle serie climatiche. Un altro metodo tradizionale per analizzare la composizione spettrale delle serie è l'analisi di Fourier, che è anche progettata per studiare i processi fissi. Pertanto, proponiamo di utilizzare un metodo di analisi wavelet più moderno, che fornisce informazioni sulle caratteristiche spettrali delle serie climatiche che variano nel tempo.
Ad oggi, un numero di centri sperimentali scientifici e informatici interagenti sono stati formati nell'ambito dell'ISCCP.
Il centro di elaborazione principale, il Satellite Processing Center (SPC), invia i suoi risultati al Global Processing Center (GPC), dove i dati sono integrati in base alle dipendenze spaziali e temporali. Il prossimo passo è l'associazione dei dati geografici nel Correlative Data Center (CDC). I dati vengono quindi calibrati e verificati presso il Satellite Calibration Center (SCC). Nella fase finale, i dati vengono archiviati presso l'ISCCP Central Archive (ICA) e presso il NASA Langley Research Center (LARC). Attualmente, i dati osservativi sono disponibili sui siti Internet ISCCP, NCEP, NOAA, nonché su numerosi centri di ricerca mondiali ed è disponibile per tutti gli scienziati e gli specialisti. Entro il 2011, i dati cloud globali per la ricerca sul clima sono stati compilati con una risoluzione temporale mensile del 1983-2009.
Questo lavoro è dedicato all'analisi delle serie climatiche di nuvole su scala globale e regionale ottenute nell'ambito del progetto ISCCP. La prima parte espone un metodo originale per l'analisi delle serie climatiche, inclusa la procedura di livellamento e lo studio delle componenti spettrali delle serie in studio. Quanto segue presenta i risultati di uno studio delle tendenze nel campo delle nuvole globali, nonché delle serie per un certo numero di regioni e zone latitudinali. In conclusione, viene presentata una discussione sui risultati ottenuti in relazione ai cambiamenti climatici negli ultimi tre decenni.
DATI INIZIALI E METODI DELLA LORO ANALISI
Nel quadro del progetto, sono stati raccolti dati globali sulla copertura nuvolosa da 30 satelliti meteorologici statunitensi: GMS1-5; GOES5-12; METEOSAT 2-9; NOAA 7, 10-12, 14-18. È stato effettuato un trattamento specializzato dei dati di misurazione ottenuti secondo lo schema sopra indicato. Le matrici di dati sul cloud climatico disponibili per gli utenti sono presentate come frazioni di copertura del cloud (%) ai nodi della griglia normale con un passo di 280 km e una risoluzione temporale di 3 ore. Un array di dati mensile richiede 216 Mb. Ogni file medio mensile richiede 7,5 MB. Si noti che esistono anche campi cloud iniziali con una risoluzione spaziale di 30 km. In questo caso, ogni array di dati mensile occupa 1,1 GB. Tutti i dati e la loro descrizione sono disponibili gratuitamente su https://isccp.giss.nasa.gov/ products / onlineData.html. Oltre ai dati cloud, gli archivi ISCCP contengono dati correlati sulla temperatura e l'umidità dell'aria.
Una caratteristica importante di qualsiasi serie climatica è la loro instabilità, ad es. cambiando non solo la natura del comportamento, ma anche la struttura statistica delle coordinate temporali.
Questa circostanza richiede lo sviluppo di nuovi metodi per l'analisi di tali serie. I metodi tradizionali hanno permesso di lavorare con file fisse.
Di seguito considereremo alcuni approcci alternativi che ci consentono di estrarre informazioni più significative dalle serie climatiche. Particolare attenzione è rivolta al filtraggio della variabilità interannuale chiamata "rumore climatico" e all'identificazione delle fluttuazioni lente, che di solito sono chiamate tendenze. Fino ad ora, di solito abbiamo parlato di tendenze lineari che caratterizzano una diminuzione monotona o un aumento delle caratteristiche climatiche. Quando le deviazioni degli indicatori climatici dal comportamento monotono si discostano, la tecnica della tendenza lineare diventa inefficace. Pertanto, proponiamo un metodo di livellamento non lineare, che consente di tracciare più accuratamente i cambiamenti nelle tendenze nelle serie climatiche. Un altro metodo tradizionale per analizzare la composizione spettrale delle serie è l'analisi di Fourier, che è anche progettata per studiare i processi fissi. Pertanto, proponiamo di utilizzare un metodo di analisi wavelet più moderno, che fornisce informazioni sulle caratteristiche spettrali delle serie climatiche che variano nel tempo.
Per l'analisi delle serie climatiche, di solito viene utilizzata una tecnica di tendenza lineare per valutare la tendenza generale dei cambiamenti in un determinato intervallo di tempo e un metodo di media mobile per filtrare le fluttuazioni ad alta frequenza associate alla variabilità interannuale, che è considerato rumore climatico. La tecnica dell'andamento lineare è efficace quando il processo si sviluppa in modo più o meno monotono.
In caso di violazione dell'andamento del processo di valutazione e anche il segno dell'andamento diventa dipendente dalla scelta dell'intervallo di tempo base. Quando si analizzano lunghe serie non stazionarie, le tendenze e i segni della tendenza del processo cambiano molte volte. In tali circostanze, l'uso di una tendenza lineare è chiaramente insufficiente per un'analisi significativa della serie.
Per identificare i cambiamenti statisticamente significativi nelle tendenze delle serie climatiche, abbiamo sviluppato e testato una metodologia per valutare le tendenze non lineari (Pokrovsky, 2004; Pokrovsky, 2009a, 2009b, 2009c). L'approccio proposto si basa su una combinazione di tre tecniche ben note: 1) livellamento polinomiale locale di Cleveland (Cleveland, 1979); 2) la regolarizzazione di Tikhonov (Tikhonov, 1963); 3) ottimizzazione della procedura di smoothing basata sul criterio di convalida incrociata Wahba (Wahba, 1985). Invece della solita minimizzazione delle deviazioni delle misure yi dalla curva levigata ottenuta con la spline dei minimi quadrati (polinomio locale) f, si propone di utilizzare la funzione di livellamento
In caso di violazione dell'andamento del processo di valutazione e anche il segno dell'andamento diventa dipendente dalla scelta dell'intervallo di tempo base. Quando si analizzano lunghe serie non stazionarie, le tendenze e i segni della tendenza del processo cambiano molte volte. In tali circostanze, l'uso di una tendenza lineare è chiaramente insufficiente per un'analisi significativa della serie.
Per identificare i cambiamenti statisticamente significativi nelle tendenze delle serie climatiche, abbiamo sviluppato e testato una metodologia per valutare le tendenze non lineari (Pokrovsky, 2004; Pokrovsky, 2009a, 2009b, 2009c). L'approccio proposto si basa su una combinazione di tre tecniche ben note: 1) livellamento polinomiale locale di Cleveland (Cleveland, 1979); 2) la regolarizzazione di Tikhonov (Tikhonov, 1963); 3) ottimizzazione della procedura di smoothing basata sul criterio di convalida incrociata Wahba (Wahba, 1985). Invece della solita minimizzazione delle deviazioni delle misure yi dalla curva levigata ottenuta con la spline dei minimi quadrati (polinomio locale) f, si propone di utilizzare la funzione di livellamento
a seconda del parametro di smoothing λ e del quadrato della seconda derivata della funzione smoothed f. Qui, di regola, si suppone che utilizzi polinomi locali di grado minimo con una scelta di nodi "influenti" ti, la cui selezione viene effettuata usando la validazione incrociata. La scelta di λ e il polinomio approssimativo (spline) viene effettuata sulla base della minimizzazione del criterio di validazione incrociata di Wahba
Qui f^(−i) è l'approssimazione ottenuta escludendo le misurazioni di y i nel suo momento nel tempo. Pertanto, la procedura di smoothing, basata sulla soluzione dell'equazione (n+1) th con l'ignoto (n+1) th, determina un insieme di polinomi locali di grado minimo, compreso il ti "influente sui nodi", nonché il valore di λ, che fornisce l'errore minimo durante il ripristino di dati "mancanti".
La differenza fondamentale tra la procedura descritta (1) - (2) e il metodo della media mobile è che qui, oltre al livellamento, usando (1), “influenzando i nodi” x(t) sono selezionati dal criterio (2). Ricordiamo che con una media mobile, vengono utilizzati tutti i nodi, indipendentemente dalla natura del comportamento delle serie temporali. Pertanto, il metodo proposto è più flessibile rispetto ai cambiamenti nella struttura statistica delle serie storiche studiate.
L'analisi standard di Fourier delle serie temporali (così come il metodo della media mobile) è orientata all'applicazione alle serie fisse. La deviazione dalla stazionarietà comporta la dipendenza degli spettri di Fourier dall'intervallo base dell'analisi. Gli spettri di Fourier dipendono dalla fase del processo in studio, che cambia nel caso non stazionario. Al fine di coprire completamente tutte le caratteristiche di un processo non stazionario, è stato sviluppato un metodo per ottenere spettri wavelet, che, a differenza degli spettri di Fourier unidimensionali, risultano essere bidimensionali. Per ogni valore della coordinata temporale t, lo spettro wavelet dà un'idea della consueta analisi di Fourier. Soffermiamoci su una breve descrizione di questo metodo di analisi spettrale delle serie temporali.
Considera la serie temporale x(t). La trasformazione wavelet di questa serie ha la seguente forma generale:
La differenza fondamentale tra la procedura descritta (1) - (2) e il metodo della media mobile è che qui, oltre al livellamento, usando (1), “influenzando i nodi” x(t) sono selezionati dal criterio (2). Ricordiamo che con una media mobile, vengono utilizzati tutti i nodi, indipendentemente dalla natura del comportamento delle serie temporali. Pertanto, il metodo proposto è più flessibile rispetto ai cambiamenti nella struttura statistica delle serie storiche studiate.
L'analisi standard di Fourier delle serie temporali (così come il metodo della media mobile) è orientata all'applicazione alle serie fisse. La deviazione dalla stazionarietà comporta la dipendenza degli spettri di Fourier dall'intervallo base dell'analisi. Gli spettri di Fourier dipendono dalla fase del processo in studio, che cambia nel caso non stazionario. Al fine di coprire completamente tutte le caratteristiche di un processo non stazionario, è stato sviluppato un metodo per ottenere spettri wavelet, che, a differenza degli spettri di Fourier unidimensionali, risultano essere bidimensionali. Per ogni valore della coordinata temporale t, lo spettro wavelet dà un'idea della consueta analisi di Fourier. Soffermiamoci su una breve descrizione di questo metodo di analisi spettrale delle serie temporali.
Considera la serie temporale x(t). La trasformazione wavelet di questa serie ha la seguente forma generale:
a seconda di due variabili: la solita variabile spettrale τ e la variabile di scala s. La più comune è la funzione di trasformazione spettrale di Morley (4), che ha la forma
Le formule (3) - (5) forniscono un algoritmo per il calcolo di spettri wavelet di serie temporali. La corrispondente approssimazione della differenza finita dell'integrale in (3) ci consente di ottenere un metodo per calcolare gli spettri wavelet per le serie climatiche.
C'è una vasta letteratura su questo argomento. Si può raccomandare, ad esempio, l'articolo% (Goupillaud, et al., 1984), che fornisce una bibliografia dettagliata su questo argomento.
Avendo delineato l'apparato matematico per lo studio dei processi instabili, ci rivolgiamo alla sua applicazione per lo studio delle serie climatiche.
C'è una vasta letteratura su questo argomento. Si può raccomandare, ad esempio, l'articolo% (Goupillaud, et al., 1984), che fornisce una bibliografia dettagliata su questo argomento.
Avendo delineato l'apparato matematico per lo studio dei processi instabili, ci rivolgiamo alla sua applicazione per lo studio delle serie climatiche.
DINAMICA DELLA NUVOLA GLOBALE
Nell'ambito del progetto internazionale ISCCP, sono stati ottenuti dati sulla distribuzione dei cloud per i livelli inferiore, medio e superiore (Rossow, Schiffer, 1991). Inoltre, sono state ottenute distribuzioni spazio-temporali della copertura nuvolosa totale. Tutte le stime sono fornite in frazioni di copertura nuvolosa, ovvero in percentuale della copertura nuvolosa spaziale di un determinato territorio in un determinato momento (Rossow e Garder, 1993a). Una generalizzazione mensile si riferisce alla copertura nuvolosa mensile media di un determinato territorio (Rossow, Garder, 1993b). Numerosi studi stranieri sull'analisi dei dati del cloud ISCCP e l'identificazione delle relazioni tra la dinamica del cloud e i principali indici climatici (Lindzen et al., 2001; Lindzen, Choi, 2009, 2010; Pielke et al., 2007; Spencer et al., 2007 ). In questo documento, ci concentreremo sull'analisi dei dati sulla copertura totale del cloud (https://isccp.giss.nasa.gov/products/onlineData.
html). In questa sezione, prendiamo in considerazione i dati sulle dinamiche della quota di copertura globale del cloud, che sono mediati su intervalli mensili e annuali ed espressi in percentuale.
Nell'ambito del progetto internazionale ISCCP, sono stati ottenuti dati sulla distribuzione dei cloud per i livelli inferiore, medio e superiore (Rossow, Schiffer, 1991). Inoltre, sono state ottenute distribuzioni spazio-temporali della copertura nuvolosa totale. Tutte le stime sono fornite in frazioni di copertura nuvolosa, ovvero in percentuale della copertura nuvolosa spaziale di un determinato territorio in un determinato momento (Rossow e Garder, 1993a). Una generalizzazione mensile si riferisce alla copertura nuvolosa mensile media di un determinato territorio (Rossow, Garder, 1993b). Numerosi studi stranieri sull'analisi dei dati del cloud ISCCP e l'identificazione delle relazioni tra la dinamica del cloud e i principali indici climatici (Lindzen et al., 2001; Lindzen, Choi, 2009, 2010; Pielke et al., 2007; Spencer et al., 2007 ). In questo documento, ci concentreremo sull'analisi dei dati sulla copertura totale del cloud (https://isccp.giss.nasa.gov/products/onlineData.
html). In questa sezione, prendiamo in considerazione i dati sulle dinamiche della quota di copertura globale del cloud, che sono mediati su intervalli mensili e annuali ed espressi in percentuale.
 |
| Fig. 1. Analisi di un numero di copertura totale globale di nuvole (%) secondo ISCCP: (a) - croci - dati iniziali, curva - tendenza non lineare (il risultato del livellamento di una serie mediante regressione cubica); (b) - tendenza non lineare (il risultato del livellamento della serie mediante un algoritmo non lineare), intervalli di confidenza per un livello di significatività del 10%. |
In fig. 1 (a) presenta una serie climatica di valori annuali della copertura nuvolosa totale globale per il periodo 1983-2009. (indicato da croci).
Inoltre, viene fornita una curva di approssimazione della regressione per la variabilità interannuale della nuvolosità globale da un polinomio di terzo grado e i corrispondenti intervalli di confidenza per i risultati dell'analisi di regressione. La percentuale di copertura cloud globale media mensile varia, in media, dal 63 al 70%. Allo stesso tempo, la tendenza lineare mostra una diminuzione della copertura nuvolosa totale dal 68 al 64,6% nel periodo indicato, con una diminuzione del 3,4%. In fig. 1 (b) presenta i risultati del livellamento eseguito utilizzando il metodo originale sopra descritto (linea continua).
In fig. La Figura 1 e una serie di illustrazioni successive mostrano un cambiamento degli intervalli di confidenza della diffusione delle medie mensili con un livello di significatività statistica del 10%. La curva di tendenza non lineare ci consente di distinguere il periodo di crescita della copertura nuvolosa nel periodo 1983-1986, seguito da un declino monotono fino al 2000. Segue un leggero aumento fino al 2004, che va in declino nel periodo 2005-2009. Nel periodo 1986–2000 l'approssimazione non lineare mostra una diminuzione della copertura nuvolosa totale del 4%, che supera leggermente i risultati per una tendenza lineare. Per la larghezza degli intervalli di confidenza, si può giudicare lo spread intra-annuale dei valori medi mensili per un dato anno.
Pertanto, con l'esempio del confronto tra il tradizionale metol di regressione e l'antialiasing secondo il metodo dell'autore, è dimostrato che otteniamo due miglioramenti all'approccio standard:
dopo la piccola era glaciale, la crescita della radiazione solare in entrata è stata di 1,6 W/m2.
Pertanto, negli ultimi tre decenni, c'è stato un aumento della radiazione solare in entrata, paragonabile al periodo di aumento dell'attività solare dai suoi valori minimi storici. Si pone la questione di come il marcato cambiamento nella copertura nuvolosa della Terra sia stato distribuito per regione.
CAMBIAMENTI NELLA NUVOLA REGIONALE
I dati ottenuti sulla rete attinometrica a terra dimostrano un quadro molto vario quando si analizzano le tendenze delle serie climatiche di radiazione solare in entrata. Finora non è stata effettuata alcuna sistematizzazione di tali studi. Il motivo principale è che fino ad ora gli strumenti che svolgono osservazioni attinometriche in diversi paesi del mondo non sono stati standardizzati. E questo impedisce lo sviluppo di un approccio unificato per risolvere il problema della standardizzazione dei database. Inoltre, la rete attinometrica è prevalentemente terrestre e la maggior parte del territorio terrestre è coperta da oceani. Pertanto, le osservazioni satellitari diventano incontestate nel compito di studiare il cambiamento climatico globale (Rossow et al., 2002). Dato che la variabilità del campo nuvoloso in media non supera i 30 km, la rete meteorologica terrestre Roshydromet, composta da circa 1.600 stazioni, può coprire non più di qualche centesimo dell'uno percento del territorio della Russia (Pokrovsky, 2004).
In fig. La Figura 2 presenta dati generalizzati sulla dinamica della copertura nuvolosa sulla terra. La tendenza lineare mostra una riduzione della quota di copertura del cloud dal 58,3 al 56%. Pertanto, la diminuzione della nuvolosità sulla terra è inferiore a quella su scala globale. Una tendenza non lineare mostra che le tendenze del cambiamento della nuvolosità sulla terra hanno la dipendenza dal tempo più pronunciata negli anni '90. Una riduzione della copertura nuvolosa dal 57 al 54% si è verificata nel quinquennio 1989-1994. Questo è stato il periodo con il più alto tasso di riscaldamento globale. Il resto del tempo sulla terra, la diminuzione della nuvolosità si verifica più uniformemente nel tempo. La nuvolosità sulla terra stessa è notevolmente inferiore ai valori globali. Tuttavia, la variabilità interannuale dell'ampiezza degli intervalli di confidenza sulla terra supera la corrispondente variabilità globale. Ciò è probabilmente dovuto alla variabilità interannuale dell'attività ciclonica nei continenti.
La Figura 3 fornisce la copertura nuvolosa totale corrispondente per la totalità di tutti i mari e gli oceani. Qui, la copertura nuvolosa è superiore rispetto alla terra di circa il 15%. Oltre le aree acquatiche, anche la riduzione della nuvolosità è più evidente. Secondo una tendenza lineare, la copertura nuvolosa totale è ridotta del 4%, passando dal 72,5 al 68,5%. Gli intervalli di confidenza dei cambiamenti nelle tendenze temporali nella dinamica della nuvolosità sulle aree acquatiche sono simili alla dinamica delle tendenze globali (Fig. 1 (a)).
La zona tropicale è di grande interesse, poiché è qui che la più intensamente implementata è lo scambio di umidità tra l'atmosfera e l'oceano. La nuvolosità in questo caso svolge il ruolo di intermediario. Pertanto, è molto importante sapere come cambia ai tropici (Sud l., 1999). La tendenza lineare ai tropici mostra una riduzione massima della copertura nuvolosa del 6% per il periodo in esame, dal 62 al 56%. Ciò significa che l'afflusso di radiazione solare nei tropici sta crescendo più rapidamente della media globale e questa crescita è superiore a 1 W / m2. Poiché l'acqua domina nei tropici, questo fatto suggerisce che un crescente afflusso di radiazioni solari comporta principalmente un aumento della temperatura della superficie dell'oceano (SST). Non sorprende che la copertura nuvolosa si valorizzi e che le loro tendenze temporali siano vicine alle caratteristiche globali (Fig. 1).
La rete terrestre è più sviluppata in Europa. Pertanto, come nell'esempio seguente, è stato considerato il corso della copertura nuvolosa generale sull'Europa. La tendenza lineare mostra una riduzione significativamente più modesta della copertura nuvolosa del 2,1%, dal 72,1 al 70%. La tendenza non lineare mostra una diminuzione della nuvolosità prima del 1991 e un successivo lento aumento, che compensa solo parzialmente la precedente riduzione della nuvolosità. Pertanto, in Europa non ci si dovrebbe aspettare notevoli cambiamenti nella radiazione solare in arrivo.
Un'altra regione che abbiamo esplorato è l'Artico. In fig. La Figura 4 mostra la variazione di tempo levigata della copertura nuvolosa annuale nella zona polare situata a nord di 70 ° C. w. La tendenza lineare non mostra una riduzione significativa della nuvolosità. Tuttavia, l'analisi non lineare ci consente di notare una significativa variabilità interannuale e intra-annuale. Sono stati trovati diversi minimi e massimi locali. Dal 2005, c'è stata una notevole riduzione della copertura nuvolosa. È coerente nel tempo con l'inizio della copertura di ghiaccio minima più significativa nel 2007.
Considerando altre regioni, va notato che la maggiore riduzione della nuvolosità si riscontra in Africa e in Sud America. Sopra l'Antartide, la nuvolosità sta aumentando, il che giustifica l'attuale tendenza ad aumentare la copertura del ghiaccio in questa parte del mondo.
ANALISI DELLA CLOUD DEL WAVELET
Le file di nuvole, come altre serie climatiche, non sono stazionarie. Pertanto, per identificare periodicità esplicite e nascoste, è necessario utilizzare un adeguato apparato di analisi spettrale. Attualmente, il metodo di analisi wavelet più comune descritto nella prima parte del lavoro e utilizzato da noi in precedenza in precedenti studi sul clima (Pokrovsky, 2010; Pokrovsky, 2009a, b, c, d).
Inoltre, viene fornita una curva di approssimazione della regressione per la variabilità interannuale della nuvolosità globale da un polinomio di terzo grado e i corrispondenti intervalli di confidenza per i risultati dell'analisi di regressione. La percentuale di copertura cloud globale media mensile varia, in media, dal 63 al 70%. Allo stesso tempo, la tendenza lineare mostra una diminuzione della copertura nuvolosa totale dal 68 al 64,6% nel periodo indicato, con una diminuzione del 3,4%. In fig. 1 (b) presenta i risultati del livellamento eseguito utilizzando il metodo originale sopra descritto (linea continua).
In fig. La Figura 1 e una serie di illustrazioni successive mostrano un cambiamento degli intervalli di confidenza della diffusione delle medie mensili con un livello di significatività statistica del 10%. La curva di tendenza non lineare ci consente di distinguere il periodo di crescita della copertura nuvolosa nel periodo 1983-1986, seguito da un declino monotono fino al 2000. Segue un leggero aumento fino al 2004, che va in declino nel periodo 2005-2009. Nel periodo 1986–2000 l'approssimazione non lineare mostra una diminuzione della copertura nuvolosa totale del 4%, che supera leggermente i risultati per una tendenza lineare. Per la larghezza degli intervalli di confidenza, si può giudicare lo spread intra-annuale dei valori medi mensili per un dato anno.
Pertanto, con l'esempio del confronto tra il tradizionale metol di regressione e l'antialiasing secondo il metodo dell'autore, è dimostrato che otteniamo due miglioramenti all'approccio standard:
1 - descrizione della localizzazione di minimi e massimi statisticamente significativi,In un articolo (Scafetta, 2009) dai calcoli è stato dimostrato che la riduzione osservata della nuvolosità su un periodo di 13 anni 1987–2000. del 4% equivale a un aumento del flusso di radiazione solare in entrata di 0,9 W/m2. È interessante notare che, secondo il rapporto IPCC - 2007, per il periodo 1750–2006.
2 - riduzione della larghezza degli intervalli di confidenza.
dopo la piccola era glaciale, la crescita della radiazione solare in entrata è stata di 1,6 W/m2.
Pertanto, negli ultimi tre decenni, c'è stato un aumento della radiazione solare in entrata, paragonabile al periodo di aumento dell'attività solare dai suoi valori minimi storici. Si pone la questione di come il marcato cambiamento nella copertura nuvolosa della Terra sia stato distribuito per regione.
CAMBIAMENTI NELLA NUVOLA REGIONALE
I dati ottenuti sulla rete attinometrica a terra dimostrano un quadro molto vario quando si analizzano le tendenze delle serie climatiche di radiazione solare in entrata. Finora non è stata effettuata alcuna sistematizzazione di tali studi. Il motivo principale è che fino ad ora gli strumenti che svolgono osservazioni attinometriche in diversi paesi del mondo non sono stati standardizzati. E questo impedisce lo sviluppo di un approccio unificato per risolvere il problema della standardizzazione dei database. Inoltre, la rete attinometrica è prevalentemente terrestre e la maggior parte del territorio terrestre è coperta da oceani. Pertanto, le osservazioni satellitari diventano incontestate nel compito di studiare il cambiamento climatico globale (Rossow et al., 2002). Dato che la variabilità del campo nuvoloso in media non supera i 30 km, la rete meteorologica terrestre Roshydromet, composta da circa 1.600 stazioni, può coprire non più di qualche centesimo dell'uno percento del territorio della Russia (Pokrovsky, 2004).
In fig. La Figura 2 presenta dati generalizzati sulla dinamica della copertura nuvolosa sulla terra. La tendenza lineare mostra una riduzione della quota di copertura del cloud dal 58,3 al 56%. Pertanto, la diminuzione della nuvolosità sulla terra è inferiore a quella su scala globale. Una tendenza non lineare mostra che le tendenze del cambiamento della nuvolosità sulla terra hanno la dipendenza dal tempo più pronunciata negli anni '90. Una riduzione della copertura nuvolosa dal 57 al 54% si è verificata nel quinquennio 1989-1994. Questo è stato il periodo con il più alto tasso di riscaldamento globale. Il resto del tempo sulla terra, la diminuzione della nuvolosità si verifica più uniformemente nel tempo. La nuvolosità sulla terra stessa è notevolmente inferiore ai valori globali. Tuttavia, la variabilità interannuale dell'ampiezza degli intervalli di confidenza sulla terra supera la corrispondente variabilità globale. Ciò è probabilmente dovuto alla variabilità interannuale dell'attività ciclonica nei continenti.
 |
| Fig. 2. Analisi di una serie di copertura nuvolosa totale su terra (%) secondo ISCCP: curva - tendenza non lineare (il risultato del livellamento della serie mediante un algoritmo non lineare), intervalli di confidenza per un livello di significatività del 10% |
 |
| Fig. 3. Analisi di una serie di nuvolosità totale sulle aree acquatiche (%) secondo ISCCP: la curva è una tendenza non lineare (il risultato del livellamento della serie mediante un algoritmo non lineare), intervalli di confidenza per un livello di significatività del 10%. |
La Figura 3 fornisce la copertura nuvolosa totale corrispondente per la totalità di tutti i mari e gli oceani. Qui, la copertura nuvolosa è superiore rispetto alla terra di circa il 15%. Oltre le aree acquatiche, anche la riduzione della nuvolosità è più evidente. Secondo una tendenza lineare, la copertura nuvolosa totale è ridotta del 4%, passando dal 72,5 al 68,5%. Gli intervalli di confidenza dei cambiamenti nelle tendenze temporali nella dinamica della nuvolosità sulle aree acquatiche sono simili alla dinamica delle tendenze globali (Fig. 1 (a)).
La zona tropicale è di grande interesse, poiché è qui che la più intensamente implementata è lo scambio di umidità tra l'atmosfera e l'oceano. La nuvolosità in questo caso svolge il ruolo di intermediario. Pertanto, è molto importante sapere come cambia ai tropici (Sud l., 1999). La tendenza lineare ai tropici mostra una riduzione massima della copertura nuvolosa del 6% per il periodo in esame, dal 62 al 56%. Ciò significa che l'afflusso di radiazione solare nei tropici sta crescendo più rapidamente della media globale e questa crescita è superiore a 1 W / m2. Poiché l'acqua domina nei tropici, questo fatto suggerisce che un crescente afflusso di radiazioni solari comporta principalmente un aumento della temperatura della superficie dell'oceano (SST). Non sorprende che la copertura nuvolosa si valorizzi e che le loro tendenze temporali siano vicine alle caratteristiche globali (Fig. 1).
La rete terrestre è più sviluppata in Europa. Pertanto, come nell'esempio seguente, è stato considerato il corso della copertura nuvolosa generale sull'Europa. La tendenza lineare mostra una riduzione significativamente più modesta della copertura nuvolosa del 2,1%, dal 72,1 al 70%. La tendenza non lineare mostra una diminuzione della nuvolosità prima del 1991 e un successivo lento aumento, che compensa solo parzialmente la precedente riduzione della nuvolosità. Pertanto, in Europa non ci si dovrebbe aspettare notevoli cambiamenti nella radiazione solare in arrivo.
 |
| Fig. 4. Analisi di una serie di copertura nuvolosa totale nella zona polare (%) secondo ISCCP: la curva è una tendenza non lineare (il risultato del livellamento della serie mediante un algoritmo non lineare), intervalli di confidenza per un livello di significatività del 10%. |
Un'altra regione che abbiamo esplorato è l'Artico. In fig. La Figura 4 mostra la variazione di tempo levigata della copertura nuvolosa annuale nella zona polare situata a nord di 70 ° C. w. La tendenza lineare non mostra una riduzione significativa della nuvolosità. Tuttavia, l'analisi non lineare ci consente di notare una significativa variabilità interannuale e intra-annuale. Sono stati trovati diversi minimi e massimi locali. Dal 2005, c'è stata una notevole riduzione della copertura nuvolosa. È coerente nel tempo con l'inizio della copertura di ghiaccio minima più significativa nel 2007.
Considerando altre regioni, va notato che la maggiore riduzione della nuvolosità si riscontra in Africa e in Sud America. Sopra l'Antartide, la nuvolosità sta aumentando, il che giustifica l'attuale tendenza ad aumentare la copertura del ghiaccio in questa parte del mondo.
ANALISI DELLA CLOUD DEL WAVELET
Le file di nuvole, come altre serie climatiche, non sono stazionarie. Pertanto, per identificare periodicità esplicite e nascoste, è necessario utilizzare un adeguato apparato di analisi spettrale. Attualmente, il metodo di analisi wavelet più comune descritto nella prima parte del lavoro e utilizzato da noi in precedenza in precedenti studi sul clima (Pokrovsky, 2010; Pokrovsky, 2009a, b, c, d).
 |
| Fig. 5. Analisi wavelet di un numero di copertura nuvolosa totale globale secondo ISCCP (valori di densità spettrale). |
La Figura 5 mostra lo spettro wavelet di un numero di nuvole totali globali (Fig. 1). Gli anni sono tracciati sull'ascissa e la periodicità sulle ordinate. I valori di densità spettrale corrispondenti a periodicità e anni sono ottenuti sul campo della figura. Tra le periodicità estese (nel tempo), si distingue la variazione annuale con una periodicità pari a 1. Inoltre, la periodicità estesa e intensiva si riferisce a una scala di circa 32 anni, che corrisponde alla tendenza generale alla diminuzione della nuvolosità, che domina. La seguente anomalia della densità spettrale si riferisce a una periodicità di circa 12 anni ed è legata al periodo 1990-2005. Questa periodicità descrive il cambiamento nella monotonicità di una diminuzione della serie dopo il 2000.
Infine, si riscontra una periodicità di 16 anni nell'intervallo 2004-2009.
Un'analisi simile è stata effettuata per le serie cloud regionali. In fig. La Figura 6 mostra i risultati dell'analisi wavelet per la copertura nuvolosa sulla terra (Fig. 2). In questo caso, grandi densità spettrali corrispondono alla variazione annuale. Il "divario" in grandi valori corrisponde al 1998, quando si è verificato l'anomalo evento di El Niño. Il componente di 16 anni è leggermente più debole della distribuzione globale, ma il componente di 32 anni ha valori di densità spettrale simili (con la distribuzione globale).
 |
| Fig. 6. Analisi wavelet di un numero di copertura nuvolosa totale per terra secondo ISCCP (valori di densità spettrale). |
 |
| Fig. 7. Analisi wavelet di un numero di nuvole totali per la zona polare secondo ISCCP (valori di densità spettrale). |
Lo "spettro wavelet" per la zona polare è "separato" (Fig. 7). Non ci sono anomalie responsabili del componente di 16 anni e il componente di 32 anni è 2 volte più piccolo.
Ciò è spiegato dall'indebolimento delle tendenze statisticamente significative della copertura nuvolosa. Anche la componente annuale sembra essere meno intensa rispetto a ciò che accade in altre latitudini.
Risultati simili sono stati ottenuti, a testimonianza della natura fondamentale delle proprietà della serie cloud durante il periodo di riscaldamento climatico. L'apparato di analisi wavelet può essere molto efficace nel prevedere le serie temporali. Sfortunatamente, mentre la sua efficacia non è stata valutata nelle previsioni delle serie climatiche, e questo è argomento per ulteriori ricerche.
I risultati ottenuti indicano che la tendenza lineare generale per una riduzione della copertura nuvolosa è confermata da diversi metodi di analisi indipendenti.
DISCUSSIONE DEI RISULTATI
I risultati presentati devono essere confrontati con i principali indicatori climatici. Soffermiamoci su due dei parametri più importanti del sistema climatico: la temperatura dell'aria di superficie (TPV) e la temperatura della superficie dell'oceano (TPO). Nel nostro studio, abbiamo utilizzato i dati su TPV e TVET globali - CRUTEM3v, presentati dal Headley Climate Centre presso il British Meteorological Service sul loro sito Web ufficiale (https://crudata.uea.ac.uk/cru/data/crutem3/).
Da considerazioni generali, ci si dovrebbe aspettare che una diminuzione della nuvolosità dovrebbe portare ad un aumento sia di TPV che di SST. È noto che il TPV globale è aumentato alla fine del 20 ° secolo e ha mostrato una significativa variabilità interannuale nel primo decennio di questo secolo. In fig. La Figura 8 mostra l'andamento della temperatura media annuale globale nello stesso periodo di tempo per il quale sono disponibili dati sulla copertura nuvolosa globale. Una tendenza lineare indica un aumento del TPV globale di 0,6 ° C. Una tendenza non lineare indica che all'inizio del 21 ° secolo, la crescita del TPV si è fermata.
I valori massimi di TPV sono stati osservati nel 1998-1999, quando si è verificato il più forte El Niño negli ultimi decenni.
Confronto del riso. 1 (a) e Fig. 8, si può vedere una relazione inversa: una diminuzione della nuvolosità corrisponde a un aumento della temperatura e una cessazione della nuvolosità corrisponde a una diminuzione dell'innalzamento della temperatura. Naturalmente, si desidera calcolare il coefficiente di correlazione incrociata (CEC) tra le serie. Ci si può aspettare che abbia un segno negativo, ma un valore assoluto significativo. Anzi, lo fa. L'ICC per i valori iniziali è –0,62. La procedura di livellamento in serie consente di filtrare il "rumore" che caratterizza la variabilità interannuale casuale. Il CEC per le serie livellate raggiunge un valore di -0,86.
Abbiamo anche analizzato i valori del TVET annuale medio globale per il periodo 1983-2009. Il TPO, secondo il grafico dell'andamento lineare, aumenta di 0,4 ° С, cioè 1,5 volte inferiore a TPV. TVET, come TPV, è aumentato alla fine del 20 ° secolo e ha smesso di crescere all'inizio di questo secolo. Pertanto, non sorprende che il CEC tra nuvolosità e SST raggiunga anche un valore elevato di –0,84.
Ciò è spiegato dall'indebolimento delle tendenze statisticamente significative della copertura nuvolosa. Anche la componente annuale sembra essere meno intensa rispetto a ciò che accade in altre latitudini.
Risultati simili sono stati ottenuti, a testimonianza della natura fondamentale delle proprietà della serie cloud durante il periodo di riscaldamento climatico. L'apparato di analisi wavelet può essere molto efficace nel prevedere le serie temporali. Sfortunatamente, mentre la sua efficacia non è stata valutata nelle previsioni delle serie climatiche, e questo è argomento per ulteriori ricerche.
I risultati ottenuti indicano che la tendenza lineare generale per una riduzione della copertura nuvolosa è confermata da diversi metodi di analisi indipendenti.
DISCUSSIONE DEI RISULTATI
I risultati presentati devono essere confrontati con i principali indicatori climatici. Soffermiamoci su due dei parametri più importanti del sistema climatico: la temperatura dell'aria di superficie (TPV) e la temperatura della superficie dell'oceano (TPO). Nel nostro studio, abbiamo utilizzato i dati su TPV e TVET globali - CRUTEM3v, presentati dal Headley Climate Centre presso il British Meteorological Service sul loro sito Web ufficiale (https://crudata.uea.ac.uk/cru/data/crutem3/).
Da considerazioni generali, ci si dovrebbe aspettare che una diminuzione della nuvolosità dovrebbe portare ad un aumento sia di TPV che di SST. È noto che il TPV globale è aumentato alla fine del 20 ° secolo e ha mostrato una significativa variabilità interannuale nel primo decennio di questo secolo. In fig. La Figura 8 mostra l'andamento della temperatura media annuale globale nello stesso periodo di tempo per il quale sono disponibili dati sulla copertura nuvolosa globale. Una tendenza lineare indica un aumento del TPV globale di 0,6 ° C. Una tendenza non lineare indica che all'inizio del 21 ° secolo, la crescita del TPV si è fermata.
I valori massimi di TPV sono stati osservati nel 1998-1999, quando si è verificato il più forte El Niño negli ultimi decenni.
Confronto del riso. 1 (a) e Fig. 8, si può vedere una relazione inversa: una diminuzione della nuvolosità corrisponde a un aumento della temperatura e una cessazione della nuvolosità corrisponde a una diminuzione dell'innalzamento della temperatura. Naturalmente, si desidera calcolare il coefficiente di correlazione incrociata (CEC) tra le serie. Ci si può aspettare che abbia un segno negativo, ma un valore assoluto significativo. Anzi, lo fa. L'ICC per i valori iniziali è –0,62. La procedura di livellamento in serie consente di filtrare il "rumore" che caratterizza la variabilità interannuale casuale. Il CEC per le serie livellate raggiunge un valore di -0,86.
Abbiamo anche analizzato i valori del TVET annuale medio globale per il periodo 1983-2009. Il TPO, secondo il grafico dell'andamento lineare, aumenta di 0,4 ° С, cioè 1,5 volte inferiore a TPV. TVET, come TPV, è aumentato alla fine del 20 ° secolo e ha smesso di crescere all'inizio di questo secolo. Pertanto, non sorprende che il CEC tra nuvolosità e SST raggiunga anche un valore elevato di –0,84.
 |
| Fig. 8. Analisi di una serie di anomalie della temperatura globale CRUTEM3 (o C) secondo i dati del British Climate Center: la curva è una tendenza non lineare (il risultato del livellamento della serie mediante un algoritmo non lineare), intervalli di confidenza per un livello di significatività del 10%. |
I dati di cui sopra indicano che finora il fattore di copertura nuvolosa sui cambiamenti climatici è stato sottovalutato (IPCC, 2007). Uno dei motivi è che solo recentemente sono disponibili i riassunti climatici dei dati del progetto ISCCP. Un altro motivo è che la nostra conoscenza dei meccanismi di formazione ed evoluzione delle nuvole è chiaramente insufficiente e che i metodi e le parametrizzazioni utilizzati nei modelli climatici sono imprecisi (vedi Rossow, Zhang e Wang, 2005). Il fatto che, contemporaneamente ad un aumento della temperatura dell'oceano, che comporta un aumento dell'evaporazione dalla superficie dell'acqua, una diminuzione della nuvolosità e, soprattutto, sopra gli oceani, richieda un'analisi critica delle idee esistenti sui meccanismi di formazione delle nuvole a diverse latitudini e altezze.
COMUNICAZIONE DEI CAMBIAMENTI NELLA NUVOLA E NELLA TEMPERATURA GLOBALE
I risultati di cui sopra indicano la presenza di almeno una relazione qualitativa tra i cambiamenti nella nuvolosità e la temperatura globale durante il periodo considerato di riscaldamento globale. Stabilire relazioni quantitative attraverso modelli climatici è piuttosto difficile a causa della comparsa di alcuni errori nella parametrizzazione delle proprietà delle nuvole e nel calcolo dei flussi di radiazioni a onde corte e lunghe. Tuttavia, è possibile stabilire relazioni statistiche mediante un'analisi di correlazione delle serie di copertura nuvolosa globale e temperatura dell'aria superficiale.
COMUNICAZIONE DEI CAMBIAMENTI NELLA NUVOLA E NELLA TEMPERATURA GLOBALE
I risultati di cui sopra indicano la presenza di almeno una relazione qualitativa tra i cambiamenti nella nuvolosità e la temperatura globale durante il periodo considerato di riscaldamento globale. Stabilire relazioni quantitative attraverso modelli climatici è piuttosto difficile a causa della comparsa di alcuni errori nella parametrizzazione delle proprietà delle nuvole e nel calcolo dei flussi di radiazioni a onde corte e lunghe. Tuttavia, è possibile stabilire relazioni statistiche mediante un'analisi di correlazione delle serie di copertura nuvolosa globale e temperatura dell'aria superficiale.
 |
| Fig. 9. I risultati dell'analisi di regressione della serie di nuvole globali (ISCCP) e della temperatura dell'aria di superficie (CRUTEM3). |
La Figura 9 mostra i corrispondenti risultati dell'analisi di regressione. Come temperature globali, abbiamo usato i dati di CRUTEM 3 (University of East Anglia, Gran Bretagna, http://www.uea.ac.uk). Il numero di punti per l'analisi statistica era 318. L'equazione di regressione ha la forma Y = - 0,0659 X + 19,637. Il coefficiente di determinazione che caratterizza l'accuratezza della regressione è 0,277. Quest'ultimo significa che questo modello rappresenta circa il 28% della dispersione osservata della temperatura dell'aria superficiale. L'elevata copertura nuvolosa globale è associata a basse temperature globali, a dimostrazione dell'effetto di raffreddamento delle nuvole. Il modello di approssimazione lineare di regressione suggerisce che un aumento dell'1% della copertura nuvolosa globale corrisponde a una diminuzione globale delle temperature di circa 0,07 ° C e viceversa.
Nel caso di nuvolosità globale di livello inferiore, l'equazione di regressione cambia leggermente:
Y=-0,062X+16,962. Il coefficiente di determinazione che caratterizza l'accuratezza della regressione aumenta e in questo caso è 0,316. Da un punto di vista statistico, questo modello rappresenta circa il 31% della dispersione osservata della temperatura dell'aria superficiale. Le nuvole alte alte sono associate a basse temperature globali, a dimostrazione dell'effetto di raffreddamento delle nuvole basse. Un semplice modello di regressione lineare suggerisce che un aumento dell'1% della copertura globale delle nuvole basse corrisponde a un calo di temperatura globale di circa 0,06 ° C e viceversa.
Pertanto, i cambiamenti della copertura nuvolosa nel corso di tre decenni durante il riscaldamento globale possono spiegare non solo la tendenza lineare della temperatura globale, ma anche una certa variabilità interannuale. Ma accendendo il blocco,
la descrizione dell'evoluzione temporale della copertura nuvolosa nei modelli climatici rimane un problema a causa della natura stocastica della variabilità delle nuvole. Tuttavia, i modelli climatici sono deterministici e non possono essere combinati direttamente con i blocchi di nuvole stocastiche. Tuttavia, il fattore di copertura nuvolosa sui cambiamenti climatici non può essere ignorato a causa del contributo significativo di questo parametro che forma il clima e dovrebbe essere studiato più attentamente per migliorare le previsioni climatiche.
RIFERIMENTI
Pokrovsky O.M. Composizione delle osservazioni dell'atmosfera e dell'oceano. San Pietroburgo: Gidrometeoizdat, 2004.332 s.
Pokrovsky O.M. Analisi dei fattori di cambiamento climatico in base alle misure di distanza e di contatto // Rilasciato. Terra dallo spazio. 2010.No 5.P. 11-24.
Tikhonov A.N. La soluzione del problema inverso con il metodo di regolarizzazione // DAN SSSR. 1963. Vol. 153. No 1. P. 49-53.
Chernokulsky A.V. Climatologia delle nuvole nell'Artico e latitudini subartiche secondo satellite, osservazioni terrestri e dati di rianalisi // Fisica solare-terrestre. Emissione del 2012. 21 (2012) pagg. 73–78.
Chernokulsky A.V., Mokhov I.I. Climatologia della nuvolosità totale nell'Artico: un confronto tra osservazioni e rianalisi // Adv. Meteor. 2012. V. 2012. Articolo ID542093. 15 p.
Nel caso di nuvolosità globale di livello inferiore, l'equazione di regressione cambia leggermente:
Y=-0,062X+16,962. Il coefficiente di determinazione che caratterizza l'accuratezza della regressione aumenta e in questo caso è 0,316. Da un punto di vista statistico, questo modello rappresenta circa il 31% della dispersione osservata della temperatura dell'aria superficiale. Le nuvole alte alte sono associate a basse temperature globali, a dimostrazione dell'effetto di raffreddamento delle nuvole basse. Un semplice modello di regressione lineare suggerisce che un aumento dell'1% della copertura globale delle nuvole basse corrisponde a un calo di temperatura globale di circa 0,06 ° C e viceversa.
Pertanto, i cambiamenti della copertura nuvolosa nel corso di tre decenni durante il riscaldamento globale possono spiegare non solo la tendenza lineare della temperatura globale, ma anche una certa variabilità interannuale. Ma accendendo il blocco,
la descrizione dell'evoluzione temporale della copertura nuvolosa nei modelli climatici rimane un problema a causa della natura stocastica della variabilità delle nuvole. Tuttavia, i modelli climatici sono deterministici e non possono essere combinati direttamente con i blocchi di nuvole stocastiche. Tuttavia, il fattore di copertura nuvolosa sui cambiamenti climatici non può essere ignorato a causa del contributo significativo di questo parametro che forma il clima e dovrebbe essere studiato più attentamente per migliorare le previsioni climatiche.
RIFERIMENTI
Pokrovsky O.M. Composizione delle osservazioni dell'atmosfera e dell'oceano. San Pietroburgo: Gidrometeoizdat, 2004.332 s.
Pokrovsky O.M. Analisi dei fattori di cambiamento climatico in base alle misure di distanza e di contatto // Rilasciato. Terra dallo spazio. 2010.No 5.P. 11-24.
Tikhonov A.N. La soluzione del problema inverso con il metodo di regolarizzazione // DAN SSSR. 1963. Vol. 153. No 1. P. 49-53.
Chernokulsky A.V. Climatologia delle nuvole nell'Artico e latitudini subartiche secondo satellite, osservazioni terrestri e dati di rianalisi // Fisica solare-terrestre. Emissione del 2012. 21 (2012) pagg. 73–78.
Chernokulsky A.V., Mokhov I.I. Climatologia della nuvolosità totale nell'Artico: un confronto tra osservazioni e rianalisi // Adv. Meteor. 2012. V. 2012. Articolo ID542093. 15 p.
Cleveland W.S. Regressione regressiva ponderata localmente e grafici di spargimento uniformi // J. Amer. Statist. Assoc. 1979.V. 74.P. 829–836.
Goupillaud P., Grossman A., Morlet J. Cycle-Octave e relative trasformazioni nell'analisi del segnale sismico. // Geoexplorat. 1984. V. 23. P. 85-102.
Hartmann D.L. Climatologia fisica globale. Acad. Stampa, 1994.357 p. IPCC (gruppo intergovernativo sui cambiamenti climatici). Il quarto rappresentante della valutazione (AR4). Ginevra, Svizzera: OMM, 2007.1134 p.
Lindzen R.S., Chou M.-D., Hou A.Y. La terra ha un'iride infrarossa adattiva? // Bull. Amer. Meteorol. Soc. 2001. V. 82. P. 417-432.
Lindzen R.S., Choi, Y.-S. Sulla determinazione dei feedback climatici dai dati ERBE // Geophys. Res. Lett 2009. V. 36.P. L16705.
doi:10.1029/2009GL039628
Lindzen R.S., Choi Y.-S. Sulla determinazione osservazionale della sensibilità climatica e le sue implicazioni // J. Geophys. Res. 2010.
Norris J.R. Cosa possono dirci le osservazioni sulle nuvole sulla variabilità climatica? // Space Sci. Rev. 2000. V. 94.P. 375-380.
Pielke Sr., R.A. et al. Problemi irrisolti con la valutazione dell'andamento della temperatura globale della superficie terrestre multi-decadale // J. Geophys. Res. 2007. V.112. R. D24S08. doi:10.1029/2006JD008229
Pokrovsky O.M. Coerenza tra la tendenza non lineare della temperatura del Nord Atlantico, l'estensione del ghiaccio artico orientale alla deriva e il cambiamento dei regimi di circolazione atmosferica nell'Eurasia settentrionale // Influenza dei cambiamenti climatici e condizioni sub artiche sul mutamento dell'Artico / Ed. J.C.J. Nihoul, A.G. Kostianoy. Springer Science Publ., 2009a. 25-36.
Pokrovsky O.M. Relazione tra le tendenze SST nel Nord Pacifico, l'estensione del ghiaccio cambia nel settore del Pacifico nell'Artico e i corrispondenti spostamenti dell'ecosistema marino nell'area subartica // Atti del Conf. Scienza delle frontiere artiche Tromso, Norvegia, 18–23 gennaio 2009. Tromso Univ., 2009b. R. 72–73.
Pokrovsky O.M. Coerenza tra l'oscillazione invernale decadale del Pacifico e le tendenze della temperatura dell'aria superficiale nelle regioni continentali adiacenti al Pacifico del Nord // Scambi CLIVAR, Southhampton, Regno Unito, 2009c. V. 49-50. R. 32–35.
Pokrovsky O.M. L'impatto SST del Nord Atlantico sull'estensione del ghiaccio nei mari di Kara e Barents // Sea Technol. Arlington, COMPASS Publ., 2009d. V. 50. N. 9. R. 27–32.
Rossow W.B., Schiffer R.A. Prodotti di dati cloud ISCCP // Bull. Amer. Meteor. Soc. 1991. V. 72. R. 2–20.
Rossow W.B., Garder L.C. Rilevamento delle nuvole mediante misurazioni satellitari di radiazioni infrarosse e visibili per ISCCP // J. Clim. 1993a. V. 6. P.2341-2369.
Rossow W.B., Garder L.C. Convalida dei rilevamenti di nuvole ISCCP // J. Clim. 1993b. V. 6. R. 2370–2393.
Rossow W.B., Delo C., Cairns B. Implicazioni delle variazioni osservate su scala mesoscale delle nuvole per il bilancio delle radiazioni terrestri // J. Clim. 2002. V. 15. R. 557-585.
Rossow W.B., Zhang Y-C., Wang J-H. Un modello statistico della struttura verticale della nuvola basato sulla riconciliazione degli importi dello strato di nuvola dedotti dai profili di umidità dei satelliti e delle radiosonde // J. Clim. 2005. V. 18. R. 3587-3605.
Scafetta N. Analisi empirica del contributo solare al cambiamento globale medio della temperatura della superficie dell'aria // J. Atm. e Solar-Terrestr. Phys. 2009. V. 71. R. 1916-1923. doi:10.1016/j.jastp.2009.07.07.007.
Schiffer R.A., Rossow W.B. The International Satellite Cloud Climatology Project (ISCCP): il primo progetto del World Climate Research Program // Bull. Amer. Meteor. Soc. 1983. V. 64.P.779-784.
Spencer R.W. et al. Cambiamenti del budget di nuvole e radiazioni associati a oscillazioni intraseasonali tropicali // Geophys. Res. L ett. 20 07.No 34.P. L15707.
doi: 10.1029/2007GL029698.
Sud Y.C., Walker G.K., Lau K.-M. Meccanismi che regolano la convezione umida profonda e le temperature della superficie del mare nei tropici // Geophys. Res. Lett. 1999. V. 26. No. 8. R. 1019-1022.
Wahba G. Un confronto tra GCV e GML per la scelta del parametro smoothing nel problema di smoothing spline generalizzato // Ann. Statist. 1985. V. 13. R. 1378-1402.
Goupillaud P., Grossman A., Morlet J. Cycle-Octave e relative trasformazioni nell'analisi del segnale sismico. // Geoexplorat. 1984. V. 23. P. 85-102.
Hartmann D.L. Climatologia fisica globale. Acad. Stampa, 1994.357 p. IPCC (gruppo intergovernativo sui cambiamenti climatici). Il quarto rappresentante della valutazione (AR4). Ginevra, Svizzera: OMM, 2007.1134 p.
Lindzen R.S., Chou M.-D., Hou A.Y. La terra ha un'iride infrarossa adattiva? // Bull. Amer. Meteorol. Soc. 2001. V. 82. P. 417-432.
Lindzen R.S., Choi, Y.-S. Sulla determinazione dei feedback climatici dai dati ERBE // Geophys. Res. Lett 2009. V. 36.P. L16705.
doi:10.1029/2009GL039628
Lindzen R.S., Choi Y.-S. Sulla determinazione osservazionale della sensibilità climatica e le sue implicazioni // J. Geophys. Res. 2010.
Norris J.R. Cosa possono dirci le osservazioni sulle nuvole sulla variabilità climatica? // Space Sci. Rev. 2000. V. 94.P. 375-380.
Pielke Sr., R.A. et al. Problemi irrisolti con la valutazione dell'andamento della temperatura globale della superficie terrestre multi-decadale // J. Geophys. Res. 2007. V.112. R. D24S08. doi:10.1029/2006JD008229
Pokrovsky O.M. Coerenza tra la tendenza non lineare della temperatura del Nord Atlantico, l'estensione del ghiaccio artico orientale alla deriva e il cambiamento dei regimi di circolazione atmosferica nell'Eurasia settentrionale // Influenza dei cambiamenti climatici e condizioni sub artiche sul mutamento dell'Artico / Ed. J.C.J. Nihoul, A.G. Kostianoy. Springer Science Publ., 2009a. 25-36.
Pokrovsky O.M. Relazione tra le tendenze SST nel Nord Pacifico, l'estensione del ghiaccio cambia nel settore del Pacifico nell'Artico e i corrispondenti spostamenti dell'ecosistema marino nell'area subartica // Atti del Conf. Scienza delle frontiere artiche Tromso, Norvegia, 18–23 gennaio 2009. Tromso Univ., 2009b. R. 72–73.
Pokrovsky O.M. Coerenza tra l'oscillazione invernale decadale del Pacifico e le tendenze della temperatura dell'aria superficiale nelle regioni continentali adiacenti al Pacifico del Nord // Scambi CLIVAR, Southhampton, Regno Unito, 2009c. V. 49-50. R. 32–35.
Pokrovsky O.M. L'impatto SST del Nord Atlantico sull'estensione del ghiaccio nei mari di Kara e Barents // Sea Technol. Arlington, COMPASS Publ., 2009d. V. 50. N. 9. R. 27–32.
Rossow W.B., Schiffer R.A. Prodotti di dati cloud ISCCP // Bull. Amer. Meteor. Soc. 1991. V. 72. R. 2–20.
Rossow W.B., Garder L.C. Rilevamento delle nuvole mediante misurazioni satellitari di radiazioni infrarosse e visibili per ISCCP // J. Clim. 1993a. V. 6. P.2341-2369.
Rossow W.B., Garder L.C. Convalida dei rilevamenti di nuvole ISCCP // J. Clim. 1993b. V. 6. R. 2370–2393.
Rossow W.B., Delo C., Cairns B. Implicazioni delle variazioni osservate su scala mesoscale delle nuvole per il bilancio delle radiazioni terrestri // J. Clim. 2002. V. 15. R. 557-585.
Rossow W.B., Zhang Y-C., Wang J-H. Un modello statistico della struttura verticale della nuvola basato sulla riconciliazione degli importi dello strato di nuvola dedotti dai profili di umidità dei satelliti e delle radiosonde // J. Clim. 2005. V. 18. R. 3587-3605.
Scafetta N. Analisi empirica del contributo solare al cambiamento globale medio della temperatura della superficie dell'aria // J. Atm. e Solar-Terrestr. Phys. 2009. V. 71. R. 1916-1923. doi:10.1016/j.jastp.2009.07.07.007.
Schiffer R.A., Rossow W.B. The International Satellite Cloud Climatology Project (ISCCP): il primo progetto del World Climate Research Program // Bull. Amer. Meteor. Soc. 1983. V. 64.P.779-784.
Spencer R.W. et al. Cambiamenti del budget di nuvole e radiazioni associati a oscillazioni intraseasonali tropicali // Geophys. Res. L ett. 20 07.No 34.P. L15707.
doi: 10.1029/2007GL029698.
Sud Y.C., Walker G.K., Lau K.-M. Meccanismi che regolano la convezione umida profonda e le temperature della superficie del mare nei tropici // Geophys. Res. Lett. 1999. V. 26. No. 8. R. 1019-1022.
Wahba G. Un confronto tra GCV e GML per la scelta del parametro smoothing nel problema di smoothing spline generalizzato // Ann. Statist. 1985. V. 13. R. 1378-1402.
Nessun commento:
Posta un commento
Nota. Solo i membri di questo blog possono postare un commento.