MERIDIONAL OCEANIC AND ATMOSPHERIC HEAT FLUXES AT THE ENTRANCE TO THE ATLANTIC SECTOR OF THE ARCTIC: VERIFICATION OF CMIP6 MODELS AND CLIMATE PROJECTIONS BASED ON THE SELECTED SUB-ENSEMBLES

Обложка

Цитировать

Полный текст

Аннотация

Poleward transports of oceanic and atmospheric heat play an essential role in the Arctic climate system, and their variations in the future will strongly shape the climate of the Arctic. The main aim of this study is to evaluate the performance of the Coupled Model Intercomparison Project phase 6 (CMIP6) models in the historical experiment in simulating the meridional heat fluxes into the Atlantic sector of the Arctic. The secondary objective is to estimate the meridional oceanic and atmospheric heat fluxes up to the end of the 21st century using the best sub-ensembles of the CMIP6 models. According to our results, the CMIP6 models poorly reproduce the interannual variability of the heat fluxes in their historical simulations, and the multi-model ensemble mean values are systematically lower than the mean values derived from the Ocean ReAnalysis System 4 (ORAS4) and European Centre for Medium-Range Weather Forecasts Reanalysis version 5 (ERA5) reanalyses. Climate projections based on the selected CMIP6 models indicate that the future Arctic climate will be characterized by the significantly increased oceanic heat transport at the entrance to the Atlantic sector of the Arctic relative to the period 1958–2014. In contrast, the atmospheric heat and moisture transport will not have dramatic differences in the projected Arctic climate relative to the period 1958–2014. Based on the results obtained, we emphasize that any interpretation of future climate simulations should be done with caution.

Об авторах

M. Latonin

Автор, ответственный за переписку.
Email: mikhail.latonin@niersc.spb.ru
ORCID iD: 0000-0002-8170-9833
Scopus Author ID: 57219383968
ResearcherId: AAD-2691-2019

candidate of geographical sciences 2022

I. Bashmachnikov

Email: mikhail.latonin@niersc.spb.ru
ORCID iD: 0000-0002-1257-4197

candidate of geographical sciences

Yu. Radchenko

Email: mikhail.latonin@niersc.spb.ru
ORCID iD: 0000-0002-8290-5043

N. Gnatiuk

Email: mikhail.latonin@niersc.spb.ru
ORCID iD: 0000-0002-6792-9709

L. Bobylev

Email: mikhail.latonin@niersc.spb.ru
ORCID iD: 0000-0002-2341-9088

candidate of physical and mathematical sciences

L. Pettersson

Email: mikhail.latonin@niersc.spb.ru
ORCID iD: 0000-0002-6005-7514

Список литературы

  1. Agosta, C., X. Fettweis, and R. Datta (2015), Evaluation of the CMIP5 models in the aim of regional modelling of the Antarctic surface mass balance, The Cryosphere, 9(6), 2311–2321, https://doi.org/10.5194/tc-9-2311-2015.
  2. Alexeev, V. A., J. E. Walsh, V. V. Ivanov, V. A. Semenov, and A. V. Smirnov (2017), Warming in the Nordic Seas, North Atlantic storms and thinning Arctic sea ice, Environmental Research Letters, 12(8), 084,011, https://doi.org/10.1088/1748-9326/aa7a1d.
  3. Balmaseda, M. A., K. Mogensen, and A. T. Weaver (2012), Evaluation of the ECMWF ocean reanalysis system ORAS4, Quarterly Journal of the Royal Meteorological Society, 139(674), 1132–1161, https://doi.org/10.1002/qj.2063.
  4. Bjerknes, J. (1964), Atlantic Air-Sea Interaction, pp. 1–82, Advances in Geophysics, Elsevier, https://doi.org/10.1016/S0065-2687(08)60005-9.
  5. Boucher, O., S. Denvil, G. Levavasseur, et al. (2018), IPSL IPSL-CM6A-LR model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.5195.
  6. Cao, J., and B. Wang (2019), NUIST NESMv3 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.8769.
  7. Docquier, D., and T. Koenigk (2021), A review of interactions between ocean heat transport and Arctic sea ice, Environmental Research Letters, 16(12), 123,002, https://doi.org/10.1088/1748-9326/ac30be.
  8. EC-Earth Consortium (EC-Earth) (2019a), EC-Earth-Consortium EC-Earth3 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.4700.
  9. EC-Earth Consortium (EC-Earth) (2019b), EC-Earth-Consortium EC-Earth3-Veg model output prepared for CMIP6 ScenarioMIP, https://doi.org/10.22033/ESGF/CMIP6.727.
  10. EC-Earth Consortium (EC-Earth) (2020), EC-Earth-Consortium EC-Earth3-Veg-LR model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.4707.
  11. Esau, I., L. H. Pettersson, M. Cancet, et al. (2023), The Arctic Amplification and Its Impact: A Synthesis through Satellite Observations, Remote Sensing, 15(5), 1354, https://doi.org/10.3390/rs15051354.
  12. Eyring, V., S. Bony, G. A. Meehl, et al. (2016), Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization, Geoscientific Model Development, 9(5), 1937–1958, https://doi.org/10.5194/gmd-9-1937-2016.
  13. Gnatiuk, N., I. Radchenko, R. Davy, E. Morozov, and L. Bobylev (2020), Simulation of factors affecting Emiliania huxleyi blooms in Arctic and sub-Arctic seas by CMIP5 climate models: model validation and selection, Biogeosciences, 17(4), 1199–1212, https://doi.org/10.5194/bg-17-1199-2020.
  14. Goosse, H., J. E. Kay, K. C. Armour, et al. (2018), Quantifying climate feedbacks in polar regions, Nature Communications, 9(1), https://doi.org/10.1038/s41467-018-04173-0.
  15. Graham, R. M., L. Cohen, A. A. Petty, et al. (2017), Increasing frequency and duration of Arctic winter warming events, Geophysical Research Letters, 44(13), 6974–6983, https://doi.org/10.1002/2017GL073395.
  16. Hersbach, H., B. Bell, P. Berrisford, et al. (2020), The ERA5 global reanalysis, Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049, https://doi.org/10.1002/qj.3803.
  17. Hofsteenge, M. G., R. G. Graversen, J. H. Rydsaa, and Z. Rey (2022), The impact of atmospheric Rossby waves and cyclones on the Arctic sea ice variability, Climate Dynamics, 59(1–2), 579–594, https://doi.org/10.1007/s00382-022-06145-z.
  18. Hwang, Y.-T., D. M. W. Frierson, and J. E. Kay (2011), Coupling between Arctic feedbacks and changes in poleward energy transport, Geophysical Research Letters, 38(17), https://doi.org/10.1029/2011GL048546.
  19. Jungclaus, J., M. Bittner, K.-H. Wieners, et al. (2019), MPI-M MPI-ESM1.2-HR model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.6594.
  20. Koenigk, T., L. Brodeau, R. G. Graversen, et al. (2012), Arctic climate change in 21st century CMIP5 simulations with EC-Earth, Climate Dynamics, 40(11–12), 2719–2743, https://doi.org/10.1007/s00382-012-1505-y.
  21. Kravtsov, S., C. Grimm, and S. Gu (2018), Global-scale multidecadal variability missing in state-of-the-art climate models, npj Climate and Atmospheric Science, 1(1), https://doi.org/10.1038/s41612-018-0044-6.
  22. Latonin, M. M., I. L. Bashmachnikov, and L. P. Bobylev (2022a), Bjerknes compensation mechanism as a possible trigger of the low-frequency variability of Arctic amplification, Russian Journal of Earth Sciences, pp. 1–21, https://doi.org/10.2205/2022ES000820.
  23. Latonin, M. M., L. P. Bobylev, I. L. Bashmachnikov, and R. Davy (2022b), Dipole pattern of meridional atmospheric internal energy transport across the Arctic gate, Scientific Reports, 12(1), https://doi.org/10.1038/s41598-022-06371-9.
  24. Li, L. (2019), CAS FGOALS-g3 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.3356.
  25. Liang, Y., N. P. Gillett, and A. H. Monahan (2020), Climate Model Projections of 21st Century Global Warming Constrained Using the Observed Warming Trend, Geophysical Research Letters, 47(12), https://doi.org/10.1029/2019GL086757.
  26. Lique, C., H. L. Johnson, and Y. Plancherel (2017), Emergence of deep convection in the Arctic Ocean under a warming climate, Climate Dynamics, 50(9–10), 3833–3847, https://doi.org/10.1007/s00382-017-3849-9.
  27. Lovato, T., and D. Peano (2020), CMCC CMCC-CM2-SR5 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.3825.
  28. Lovato, T., D. Peano, and M. Butenschön (2021), CMCC CMCC-ESM2 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.13195.
  29. Madonna, E., and A. B. Sandø (2021), Understanding Differences in North Atlantic Poleward Ocean Heat Transport and Its Variability in Global Climate Models, Geophysical Research Letters, 49(1), https://doi.org/10.1029/2021GL096683.
  30. Outten, S., I. Esau, and O. H. Otterå (2018), Bjerknes Compensation in the CMIP5 Climate Models, Journal of Climate, 31(21), 8745–8760, https://doi.org/10.1175/JCLI-D-18-0058.1.
  31. Overland, J. E., P. Turet, and A. H. Oort (1996), Regional Variations of Moist Static Energy Flux into the Arctic, Journal of Climate, 9(1), 54–65, https://doi.org/10.1175/1520-0442(1996)0092.0.CO;2.
  32. Pan, R., Q. Shu, Q. Wang, et al. (2023), Future Arctic Climate Change in CMIP6 Strikingly Intensified by NEMO-Family Climate Models, Geophysical Research Letters, 50(4), https://doi.org/10.1029/2022GL102077.
  33. Polyakov, I. V., L. A. Timokhov, V. A. Alexeev, et al. (2010), Arctic Ocean Warming Contributes to Reduced Polar Ice Cap, Journal of Physical Oceanography, 40(12), 2743–2756, https://doi.org/10.1175/2010JPO4339.1.
  34. Riahi, K., D. P. van Vuuren, E. Kriegler, et al. (2017), The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview, Global Environmental Change, 42, 153–168, https://doi.org/10.1016/j.gloenvcha.2016.05.009.
  35. Rong, X. (2019), CAMS CAMS_CSM1.0 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.9754.
  36. Serreze, M. C., and R. G. Barry (2014), The Arctic Climate System, Cambridge University Press, https://doi.org/10.1017/CBO9781139583817.
  37. Smith, D. M., J. A. Screen, C. Deser, et al. (2019), The Polar Amplification Model Intercomparison Project (PAMIP) contribution to CMIP6: investigating the causes and consequences of polar amplification, Geoscientific Model Development, 12(3), 1139–1164, https://doi.org/10.5194/gmd-12-1139-2019.
  38. van der Swaluw, E., S. S. Drijfhout, and W. Hazeleger (2007), Bjerknes Compensation at High Northern Latitudes: The Ocean Forcing the Atmosphere, Journal of Climate, 20(24), 6023–6032, https://doi.org/10.1175/2007JCLI1562.1.
  39. Volodin, E., E. Mortikov, A. Gritsun, et al. (2019a), INM INM-CM4-8 model output prepared for CMIP6 ScenarioMIP, https://doi.org/10.22033/ESGF/CMIP6.12321.
  40. Volodin, E., E. Mortikov, A. Gritsun, et al. (2019b), INM INM-CM5-0 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.5070.
  41. Wieners, K.-H., M. Giorgetta, J. Jungclaus, et al. (2019), MPI-M MPI-ESM1.2-LR model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.6595.
  42. Wu, T., M. Chu, M. Dong, et al. (2018), BCC BCC-CSM2MR model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.2948.
  43. Yu, Y. (2019), CAS FGOALS-f3-L model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.3355.
  44. Yukimoto, S., T. Koshiro, H. Kawai, et al. (2019), MRI MRI-ESM2.0 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.6842.
  45. Zhang, J., R. Lindsay, M. Steele, and A. Schweiger (2008), What drove the dramatic retreat of arctic sea ice during summer 2007?, Geophysical Research Letters, 35(11), https://doi.org/10.1029/2008GL034005.
  46. Ziehn, T., M. Chamberlain, A. Lenton, et al. (2019), CSIRO ACCESS-ESM1.5 model output prepared for CMIP6 CMIP historical, https://doi.org/10.22033/ESGF/CMIP6.4272.
  47. Årthun, M., T. Eldevik, L. H. Smedsrud, Ø. Skagseth, and R. B. Ingvaldsen (2012), Quantifying the Influence of Atlantic Heat on Barents Sea Ice Variability and Retreat, Journal of Climate, 25(13), 4736–4743, https://doi.org/10.1175/JCLID-11-00466.1

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Latonin M., Bashmachnikov I., Radchenko Y., Gnatiuk N., Bobylev L., Pettersson L., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».