Judith Curry 박사의 Climate Etc.

닉 루이스

이 기사는 Matthew Osman et al.의 “마지막 빙하 최대값 이후 전 지구적으로 해결된 표면 온도” 논문에 관한 것입니다.[2] (이하 Osman 2021) 2021년 11월 네이처 발행.

소개

독자들은 나의 조항 2018년에 해양 온난화가 일반적으로 생각하는 것보다 더 크다고 주장한 네이처지의 통계적 결함에 대해[1]. 그 논문은 이후 철회. Nature는 아직 시간의 시험을 거치지 않은 새로운 접근 방식 및/또는 뉴스 가치 있는 결과를 제공하는 논문을 출판하는 경향이 있습니다. 그 배경과 동료 평가가 방법이나 계산의 문제를 발견하지 못하는 경우가 많기 때문에 나는 네이처의 논문을 특히 주의해서 읽습니다. 다행스럽게도 Nature는 대부분의 저널과 달리 피어 리뷰 파일을 사용할 수 있도록 합니다. Nature는 또한 EGU Open Access 저널과 달리 제출된 버전을 제공하지 않지만, 저자는 저널에 원고를 제출할 때 점점 더 많은 오픈 액세스 프리프린트를 게시하여 피어 리뷰 또는 승인 후 변경 사항을 공개합니다.

이 기사는 Matthew Osman et al.의 “마지막 빙하 최대값 이후 전 지구적으로 해결된 표면 온도” 논문에 관한 것입니다.[2] (이하 Osman 2021) 2021년 11월 Nature에서 출판. 초록은 다음과 같습니다.

지난 24,000년에 걸친 기후 변화는 외부 강제력에 대한 지구 시스템 반응에 대한 핵심 통찰력을 제공합니다. 기후 모델 시뮬레이션과 프록시 데이터는 이 중요한 간격에 대한 연구를 독립적으로 허용했습니다. 그러나 그들은 때때로 서로 다른 결론을 내렸습니다. 여기에서 우리는 고기후 데이터 동화를 사용하여 두 가지 유형의 정보를 활용하여 200년 분해능으로 존재하는 마지막 빙하 최대값에 걸친 표면 온도 변화에 대한 최초의 프록시 제한, 전체 필드 재분석을 생성합니다. 우리는 지난 24,000년 동안의 온도 변동성이 두 가지 주요 기후 메커니즘과 연결되었음을 보여줍니다. 빙상과 온실 가스의 복사 강제력; 그리고 순환을 뒤집는 해양의 변화와 계절적 일사량의 중첩. 이전의 프록시 기반 재구성과 대조적으로 우리의 결과는 지구 평균 기온이 초기 홀로세(약 9천 년 전) 이후로 약간 그러나 꾸준히 ~0.5°C까지 따뜻해졌다는 것을 보여줍니다. 최근의 온도 변화와 비교할 때, 우리의 재분석은 현대 온난화의 속도와 규모 모두 지난 24,000년의 변화에 ​​비해 비정상적임을 나타냅니다.

매튜 오스만(Matthew Osman)이 친절하게도 페이월 페이퍼(paywalled paper) 사본을 보냈습니다. 제출된 버전 사전 인쇄를 사용할 수 있습니다. 여기. 이 주제의 중요성은 기후 민감도를 추정하기 위해 산업화 이전의 지구 온도 변화에 대한 마지막 빙하 극대값(LGM)의 사용과 특히 산업화 이전의 지구 온도를 산업화 이전의 지구 온도와 비교하는 방법을 포함하여 LGM 이후의 온도 변동성의 원인과 관련이 있습니다. 초기 홀로세.

Osman 2021은 약 20,000년 정도 전의 LGM 기간부터 산업화 이전의 홀로세까지의 전 지구적 공간적으로 분해된 표면 온도의 시계열을 재구성했으며 두 번째 저자인 Jessica Tierney가 개발하고 그녀가 다음에서 사용한 데이터 동화 방법을 확장했습니다. LGM 온도를 공간적으로 재구성하는 2020년 논문[3] (이하 Tierney 2020).

Tierney 2020에서는 LGM 글로벌 평균 표면 기온(GMAT)에 대한 최상의 추정치를 명시하고 있습니다.[4] 산업화 이전 대비 변화 범위는 -1.7°C ~ -8.0°C이며 대부분 -3.0°C ~ -6.0°C입니다. 그만한 가치가 있지만, 가장 최근의 두 GCM(Global Climate Model) 세대에서 시뮬레이션된 산업화 이전-LGM GMAT 변화는 -2.7°C에서 -5.4°C 및 -3.3°C에서 -7.2°C로 다양했습니다.[5] Tierney 2020은 산업화 이전에서 LGM GMAT 변화(안정된 기간 19,000년에서 23,000년 전)가 -5.9°C로 추정되었으며, -6.3°C에서 -5.6°C의 95% 불확실성 범위가 좁습니다. Osman 2021은 더 나아가 그 변화를 -6.8 ± 1.0°C(95% 불확실성 범위)로 추정합니다.[6]. 놀랍게도, 그들이 사용한 매우 유사한 방법론과 프록시를 감안할 때 두 추정치는 통계적으로 거의 일치하지 않습니다.[7]

Osman 2021과 Tierney 2020은 모두 4가지 유형의 해수면 온도(SST) 프록시를 다양하게 선택하여 사용했습니다. 육지 또는 심해 프록시는 사용되지 않았습니다. Osman 2021에서 사용된 539개의 프록시는 산업화 이전부터 전체 LGM에 걸쳐 재구성할 수 있도록 긴 기록의 시간 분해 프록시를 추구했으며, Tierney 2020에서 사용된 955개의 LGM 및 880개의 후기 홀로세 프록시의 대부분 하위 집합인 것으로 보입니다. 프록시 Tierney 2020에서는 적도 근처에 하나의 프록시가 있고 북쪽과 남쪽에 각각 하나씩 있는 중앙 태평양의 적용 범위가 Osman 2021에서는 존재하지 않습니다. LGM 및 후기 홀로세 기간은 Osman 2021에서 사용되지 않았습니다.

Osman 2021의 프록시 전용 재구성

주요 데이터 동화 재구성(“LGMR”) 외에도 Osman 2021은 프록시 전용 재구성을 생성했습니다. 나는 그것을 조사하는 것으로 시작할 것이다. 그들은 상당한 불확실성과 가능한 편향이 있는 프로세스인 프록시 데이터에서 로컬 SST를 추정합니다.[8] 이러한 지역 SST 추정치를 연령 범위 및 위도 대역별로 분류함으로써 200년 분해능에서 평균 60°S-60°N SST를 도출하고 이를 추정된 GMAT 시계열을 제공하도록 확장합니다.[9] 이 잘 확립된 절차에는 불가피하게 불확실성과 가능한 편향이 포함됩니다. 그러나 데이터 동화 방법과 달리 결과 GMAT 추정치는 단일 GCM에 의한 고기후 시뮬레이션의 공간 및 시간 정확도에 의존하지 않으며 이는 좋지 않을 수 있습니다.

그들의 Nature 논문의 그림 4는 0–22,000년 BP 이상의 Osman 2021 프록시 전용 재구성을 보여줍니다.[10] 패널 a에서 확대, 패널 b에서 500-11,000년 이상 BP. 유용하게도 Nature는 기본 플롯 데이터를 사용할 수 있도록 합니다. 불행히도 패널 b에는 적어도 두 개의 오류가 있습니다. 첫째, 패널 b와 패널의 시간축을 연결하는 점선이 잘못되었습니다. 그들은 패널 b가 0–10,600년 BP를 포함한다고 잘못 암시합니다. 둘째, 그림 4b는 11,000BP에 대해 -0.46°C의 값을 보여주지만 그러한 데이터 포인트는 존재하지 않습니다.[11]그림 4b 플롯 데이터는 500년 BP에서 시작하는 것으로 표시되지만 실제로는 100년 BP에서 시작합니다.

더 큰 문제는 그림 4a의 Nature에 있는 전체 기간 프록시 전용 재구성이 사전 인쇄된 버전과 모양이 다르다는 것입니다. 그림 1은 1.90의 GMAT 배율 인수에 대한 동일한 SST를 사용하여 연령 0에 일치된 두 버전을 비교합니다.[12] (사전 인쇄에 사용된 실제 평균 스케일링 계수는 2.44로 훨씬 높았지만 분명히 부적절했습니다.[13]) 네이처 버전은 LGM과 초기 홀로세 사이에 더 큰 온도 변화와 덜 뚜렷한 단기 변동을 보여줍니다. 예를 들어, 12,000년에서 13,000년 BP 사이의 딥은 훨씬 더 작으며 5,000년에서 1,000년 BP 사이의 온도 감소는 훨씬 더 균일합니다. 이것은 추가된 스무딩을 나타낼 수 있지만 그것이 전체 설명이 될 수는 없습니다. 프록시 전용 재구성이 다른 이유는 논문의 preprint 및 Nature 버전의 방법 설명에서 명확하지 않습니다.[14] 이에 대해 Matthew Osman에게 편지를 썼지만 응답을 받지 못했습니다. 저자가 피어 리뷰 응답에서 언급하지 않고 프록시 전용 재구성을 변경한 것은 놀라운 것 같습니다.

그림 1. Osman 2021 Nature 및 사전 인쇄 그림 4a 프록시 전용 재구성 비교

이러한 차이에 대한 만족스러운 정당화가 없는 상황에서 나는 인쇄 전 대리만 재구성하는 것에 더 많은 신뢰를 둡니다. Osman 2021 그림 4a의 두 가지 버전에서 볼 수 있듯이, 이는 Nature 버전보다 14,000년에서 1,000년 BP 사이에 잘 ​​정립된 Shakun-Marcott Curve(SMC) 재구성의 축소 버전과 훨씬 더 가깝습니다.

1.90 평균 60°S−60°N SST 스케일링 계수를 Nature 페이퍼에 따라 사전 인쇄 프록시 전용 재구성에 적용할 때 19,000년에서 23,000년 전의 안정적인 기간 동안의 평균 GMAT(일반적으로 LGM을 나타내는 데 사용됨) 산업화 이전 GMAT의 적절한 척도로 보이는 지난 600년 동안보다 5.0°C 더 낮습니다.[15].

그러나 1.90 스케일링 팩터는 과도하게 보입니다. 이는 LGM의 PMIP2 및 PMIP3 GCM 시뮬레이션에서 60°S-60°N SST에 대한 GSAT의 평균 비율을 반영합니다.[16] PMIP2 시뮬레이션은 매우 오래된 것입니다. PMIP3 시뮬레이션에서만 해당 평균은 1.84였습니다.[17] 더욱이, 빙상 구성 및 기타 경계 조건에 대한 업데이트된 추정치를 포함하는 보다 발전된 모델의 더 큰 앙상블을 포함하는 보다 최근의 PMIP4 시뮬레이션에서 발표된 결과는 GSAT 대 60°S-60°N 해양 표면 기온의 평균 비율을 보여줍니다. 1.64로 PMIP3보다 6% 낮습니다.[18] 이는 60°S-60°N SST에 대한 GSAT의 PMIP3 파생 1.84 비율을 1.73으로 줄인다는 것을 나타냅니다. PMIP4 비율을 Osman 2021 사전 인쇄 프록시 전용 재구성에 적용하면 PMIP3 비율 1.84를 사용하는 -4.85°C와 비교하여 산업화 이전에서 LGM GSAT로의 변화가 -4.6°C로 감소합니다. 물론 이러한 모든 추정치는 상당한 불확실성을 수반합니다.

GCM에서 해수면 기온은 SST보다 더 많이 변화하지만 IPCC AR6 보고서에 따른 최상의 추정치는 SST와 해수면 기온의 변화가 동일하다는 것입니다.[19]. 이를 기반으로 60°S–60°N 해양 표면 기온에서 GMAT 변화에 대한 1.64의 PMIP4 파생 스케일링 비율은 SST 변화에 직접 적용될 수 있습니다. 이 비율을 Osman 2021 사전 인쇄 프록시 전용 재구성에 적용하면 산업화 이전에서 LGM GSAT로의 변화가 -4.3°C로 감소합니다.

Osman 2021의 데이터 동화 재구성(LGMR)

사용된 데이터 동화 방법은 본질적으로 GCM을 사용하여 적절한 날짜의 지구 기후를 시뮬레이션한 다음 각 200년 재구성 시간 단계 기간에 통계적으로 보간된 각 공간 그리드 위치의 시뮬레이션 값을 수정하는 것을 포함합니다.[20], 해당 시간 단계와 관련된 모든 프록시 값과 프록시 위치에서 보간된 시뮬레이션 값 간의 차이를 참조합니다. 그들의 방법은 ‘칼만 필터’ 업데이트를 구현합니다.

각 그리드 포인트에서 수정된 정도는 프록시 값이 같은 날짜에 가까운 존재합니다. 또한 역으로 시뮬레이션된 값의 공분산과 프록시 값의 축소된 불확실성의 합에 따라 달라집니다. 불행히도 Osman 2021은 이전에 앙상블 평균 모델을 표시하지 않으며, 전체 평균 시계열이나 LGM의 지도로 이 모델과 LGMR 재구성 간의 차이를 표시하지 않습니다. 따라서 재구성을 생성할 때 이전 모델이 어느 정도 수정되었는지 말할 수 없습니다.[21]

뿐만 아니라 프록시 전용 재구성과 마찬가지로 프록시 파생 로컬 SST 추정의 정확도에 따라 LGMR 데이터 동화 재구성의 정확도는 사용된 GCM 시뮬레이션과 공간 공분산 구조의 현실성에 크게 의존합니다. 그들이 생산하는 것. 사용된 공분산은 사용된 GCM의 수십년 내부 변동성에 적용 가능한 것으로 보이며 장기간 강제 기후 변화에 적용되는 것과 다를 수 있습니다.[22]

데이터 동화는 관측 증거가 풍부하고 합리적으로 정확하며 약간의 불확실성이 있는 경우에 적합한 기술이며, 추가로 사용된 모델 시뮬레이션이 시공간적 변화와 공분산을 합리적으로 잘 나타내는 것으로 알려진 경우에 적합합니다. 그러한 경우 재구성은 관찰에서 얻은 정보에 의해 지배적으로 결정되어야 합니다. 그러나 LGM에서는 이러한 조건 중 어느 것도 충족되지 않습니다.

관찰 증거가 제한적이고 매우 불확실하거나 모델 공분산이 낮을 때 데이터 동화 재구성은 주로 모델 시뮬레이션 값을 나타냅니다. 따라서 Osman 2021, iCESM1.2에서 사용된 모델에 유의하는 것이 중요합니다.[23], GMAT에서 LGM에 대한 산업화 이전의 변화가 특히 높습니다. 주요 CESM1.2, PMIP4 모델은 PMIP4 평균보다 2°C 이상 높은 6.8°C로 냉각되었습니다.

더욱이 사용된 iCESM1.2 모델이 시뮬레이션이 수행되기 전에 적절하게 평형을 이루었는지가 완전히 명확하지 않습니다. 확장 데이터 표1에 나열된 두 개의 산업화 이전 시뮬레이션 앙상블은 범위가 좁은 평균 GMST(14.03–14.25°C 및 13.22 –13.33°C), 거의 1°C 차이[24].

Osman 2021 사전 인쇄 확장 데이터 그림 6은 이전 모델 시뮬레이션에 대한 LGMR 재구성의 의존성을 일부 나타냅니다. 대부분의 경우 사전 인쇄에 사용된 GMAT 스케일링 계수에 대해 잘못 높은 2.44 60°S−60°N SST를 수정하기 전에도 최적 추정 LGMR GMAT 변경 사항이 모델 시뮬레이션 이전 및 프록시 전용 재구성 모두에 따른 변경 사항을 초과함을 보여줍니다. 프록시 전용 재구성. 그 스케일링 계수는 사용된 iCESM1.2 모델에서 훨씬 낮기 때문에 이전 모델 또는 프록시 전용 재구성보다 큰 LGMR 변경은 프록시 위치에서 모델 시뮬레이션된 SST 변경에 대한 LGMR GMAT의 강한 의존성이 일반적으로 더 낮음을 시사합니다. 관련된 위도에 대한 평균보다(프록시 변경이 동일한 위치에서 모델 시뮬레이션당 변경보다 크도록). 그러나 왜 그렇게 되었는지에 대한 증거는 제공되지 않습니다.

걱정스럽게도 Nature에 게재된 LGMR 결과는 사전 인쇄 결과와 다르며, 해빙 시작 시 냉각이 Nature 버전에서 0.2°C 더 높습니다. 또한 두 개의 Osman 2021 그림 2 버전에 표시된 9,000년과 2,000년 사이의 공간 냉각은 상당히 다릅니다. 피어 리뷰 파일에서 변경 사항에 대한 언급을 찾을 수 없었습니다.

LGMR 데이터 동화 재구성 검증

사용된 모델 시뮬레이션의 시공간적 정확성을 적절하게 검증하는 것은 불가능하지만 Osman 2021은 제한적이긴 하지만 LGMR 재구성에 대한 일부 검증 테스트를 수행합니다. 그들의 ‘외부 검증’은 LGMR(후방) Δδ18Op 값과 프록시 위치에서 모델 시뮬레이션(이전) 값을 독립적인 얼음 코어 및 동굴 동성애자 프록시 레코드 데이터와 비교하는 것으로 구성됩니다. 이는 Tierney 2020에서 수행한 검증 테스트와 유사합니다.

Osman 2021은 외부 검증 테스트에서 LGMR이 이전 모델보다 상당히 개선된 것으로 나타났으며, LGMR에 의해 설명된 독립 레코드의 분산의 62%와 이전 모델(시뮬레이션 값)에 의한 37%로 설명된다고 주장합니다. 즉, 그림 2와 같이 R2가 0.37에서 0.62로 향상되었습니다. 이것이 최종 Nature 버전입니다. 이상하게도, 변경 사항에 대한 피어 리뷰 파일에 대한 언급이 없으면 사전 인쇄 버전과 동일하지 않습니다.

그림 2. Osman 2021 확장 데이터의 재생산 그림 3(i)&(j). 삼각형은 얼음 코어 값을 나타내고 원은 산업화 이전에 상대적인 각 분화 기간(시뮬레이션 타임 슬라이스)에 대한 동굴 동굴 값을 나타냅니다. ‘이전’은 모델 시뮬레이션 값을 나타냅니다. ‘후방’은 LGMR 재구성 값을 나타냅니다.

그러나 다양한 차분 기간에 대한 Δδ18Op 값은 독립적이지 않습니다. 산업화 이전에서 최종 기간인 3천 BP를 제외한 모든 시간대로의 변화에는 이후 시간대 이후의 변화가 포함되기 때문입니다. 훨씬 더 심각한 우려는 설명된 분산을 추정할 때 얼음 코어와 동굴 동굴 탐사 프록시를 결합하면 설명된 분산의 비율이 인위적으로 증가한다는 것입니다.[25] Osman 2021의 주장된 모델 이전 R2 0.37과 LGMR 사후 R2 0.62는 거짓이고 오해의 소지가 있는 수치입니다.

더 공정한 테스트는 산업화 이전과 21,000BP 사이의 가장 긴 차이 기간 동안의 변화만을 고려하는 것입니다.[26], 그리고 ice core와 spelothem 데이터 세트를 별도로 분석합니다. 관련 데이터를 명확히 하기 위해 그림 3은 21,000 BP에서 산업화 이전의 차이를 뺀 모델 시뮬레이션(이전: 파란색 기호) 및 LGMR 재구성(후방: 빨간색 기호)에 대해 같은 위치에 있는 프록시(관찰됨) 값에 대해 표시한 값을 보여줍니다.

그림 3. Osman 2021Extended Data 그림 3(i)&(j)에서 디지털화한 21,000년 차이 기간 동안의 얼음 코어 값(삼각형)과 동굴 동성애자 값(원). 파란색 기호는 모델 시뮬레이션(이전) 값을 나타냅니다. 빨간색 기호는 LGMR 재구성(후방) 값을 나타냅니다. 관찰된 값은 두 경우 모두 x축을 따라 표시됩니다. 파란색 및 빨간색 선은 각각 모델 이전 및 LGMR 재구성 사후 값에 의해 예측(회귀)될 때 관찰된 값에 가장 잘 맞는 것을 보여줍니다. 검은 선은 확장 데이터 그림 3(i) 및 그림 3(j)에서 각각 동일한 순서의 관찰된(x) 디지털화된 값으로 이전 및 이후 점을 결합합니다.

Ice core 프록시 검증 결과

얼음 코어 기록의 경우 확장 데이터 그림 3(i)(이전) 및 그림 3(j)(후방)에서 정렬된 관찰(x) 값은 모두 디지털화 오차(최대 0.05‰) 내에서 동일하며 검은색 이전 및 이후 y 값을 연결하는 선은 해당하는 경우와 같이 수직입니다. 데이터 동화 방법은 모델 시뮬레이션 값을 변경하지만 관찰된 프록시 값은 변경할 수 없습니다.

모델 이전 얼음 코어 값(파란색 선)에서 관측된 값을 예측할 때 가장 잘 맞는 것은 무시할 수 있는 분산 비율(R2 = 0.09, 수정된 R2 < 0)을 설명합니다. LGMR 후방 얼음 코어 값(빨간색 선)에서 관찰된 값을 예측할 때 가장 적합하지만 통계적으로 유의하지 않으며(p >0.05) 소수의 분산만 설명합니다(R2 = 0.32, 조정된 R2 = 0.25). ). 더욱이, 최적 적합의 기울기는 두 경우 모두 원점(녹색 점선)을 통한 1:1 관계에서 멀리 떨어져 있지만, LGMR 사후에 대해서는 그렇지 않습니다.

대부분의 모델 이전 값과 LGMR 사후 값은 관찰된 값보다 더 큰 변화를 보입니다. 관찰된 평균 Δδ18Op 값은 -5.4‰인 반면 모델 사전 평균은 -7.2‰에서 세 번째로 크고 LGMR 사후 평균은 7.0‰에서 거의 같습니다. 따라서 이전 모델과 LGMR 사후 모델 모두 얼음 코어 위치에서 평균 LGM 냉각을 각각 33%와 31% 과대평가했습니다.[27]. 흥미롭게도 산업화 이전에서 LGM으로의 GMAT 변화가 1/1.31만큼 축소되면 -5.2°C가 되며 이는 프록시 전용 재구성이 암시하는 변화에 매우 가깝습니다.

동굴 동성애자 프록시 검증 결과

관찰된 동굴 동성애자 값은 이전 또는 이후 값과 무시할 수 있는 상관 관계가 있습니다(R2 < 0.001). 이는 모델 시뮬레이션이나 LGMR 재구성의 유효성에 대한 지원을 제공하지 않습니다.

더욱이, 확장 데이터 그림 3(j)에서 정렬된 동굴 동성애자 프록시 레코드 값의 대부분은 0.1‰ 내에서 그림 3(i)의 값과 일치하지 않으며, 원을 연결하는 검은 선으로 표시된 것처럼 디지털화 오류의 두 배입니다. 어떤 경우에는 수직이 아닙니다. 가장 부정적인 관찰 동굴 동성애자(원래 그림의 각 패널 (i) 및 (j)에서 가장 왼쪽의 짙은 파란색 원) 값은 현저하게 다릅니다: −5.65‰ 및 −6.15‰: 0.5‰의 불일치, 10배 디지털화 오류 . 이것은 정확할 수 없습니다. 여기서 뭔가 심각한 문제가 발생한 것이 분명하며 Osman과 공동 저자의 수정이 필요한 것 같습니다.

기타 테스트

Osman 2021은 또한 각 시간 단계에서 무작위로 보류된 프록시의 20% 값을 사용하여 ‘내부 검증 테스트’라고 부르는 것에 대한 결과를 보여줍니다. 그러나 이것은 약한 테스트로 보입니다. 대부분의 프록시에는 근처에 다른 프록시가 있습니다. 게다가 그들이 말했듯이 U자형(평평한 것이 아니라) 순위 히스토그램은 이전 모델에서 구조적 분산이 부족함을 나타냅니다. Tierney 2020은 유사한 분석을 수행했지만 결과가 LGM 재구성을 검증했다고 주장하지 않았습니다. 실제로 Osman 2021은 검토자에 대한 답변에서 “LGMR이 우리 모델 사전을 개선한다는 우리의 주장은 사전 대 사후 앙상블 스프레드의 특정 메트릭을 기반으로 하는 것이 아니라 외부 검증 테스트를 기반으로 합니다”라고 쓴 리뷰어에 대한 응답으로 많은 것을 인정하는 것 같습니다.

결론

나는 Osman 2021의 주요 LGMR인 6.8°C의 평균 LGM 냉각을 추정하는 데이터 동화 재구성을 신뢰할 수 있다고 생각하지 않습니다. 단일 GCM에 의한 LGM 시뮬레이션의 시공간 정확도에 크게 의존합니다. 외부 검증 테스트는 적절하게 분석되었을 때 독립적인 동굴 동성애자 기록에서 관찰된 LGM 변화를 예측하는 사전 모델 시뮬레이션이나 사후 LGMR에 의한 유의미한 기술을 보여주지 않습니다. 더욱이, 이러한 테스트는 모델 이전 및 LGMR 사후 둘 모두 독립적인 얼음 코어 기록당 관찰된 LGM 변화를 상당히 과대평가한다는 것을 보여줍니다. LGMR 재구성은 혁신적이지만, LGM으로 다시 연장되는 기간 동안 모델 시뮬레이션의 정확도와 프록시 데이터의 공간 범위 및 정확도가 편향되지 않은 GMAT 추정치를 제공하기 위한 데이터 동화 접근 방식에 적합한지 의심스럽습니다. 내가 보기에 Annan과 Hargreaves(2013)가 사용한 방법은[28]프록시 데이터와 가장 잘 일치하도록 모델 시뮬레이션 냉각 패턴을 확장하는 가 더 적합합니다.

내 생각에 Osman 2021의 인쇄 전 프록시 전용 재구성은 신뢰할 수 있지만 사용된 것보다 더 낮은 SST 승수가 적절합니다. 나는 그것이 그들의 preprint에서 재구성과 다른 설명이 없었고 사실상 기존 표준 SMC 재구성 시간의 모양과 일치하기 때문에 Nature에 발표 된 프록시 전용 재구성 버전보다 더 신뢰할 수 있다고 생각합니다. 시리즈는 preprint 버전보다 덜 좋습니다. 가장 최근 PMIP4 모델의 평균을 기반으로 한 승수를 사용하여 추정된 평균 LGM GMAT는 사전 인쇄 프록시 전용 재구성에 따라 산업화 이전보다 ~4.6°C 낮았습니다. GCM과 달리 실제로 SST가 AR6의 IPCC에 의해 평가된 바와 같이 해양 대기 온도만큼 많이 변한다면 내재된 GMAT 냉각은 대신 ~4.3°C가 됩니다.

Nicholas Lewis 2022년 4월

부록

이 기사를 작성한 후 새로운 홀로세 연구는 Thompson et al. (2022), Science Advances(오픈 액세스)에 게재되었습니다. Osman 2021과 동일한 GCM을 사용하여 꽃가루 기록과 일치시키기 위해 사하라 사막과 중위도(3천 년 BP에서 부분적으로) 및 북극(3천 년 BP 제외)에 삼림 덮개를 추가하면 3에서 모의 ​​GMAT가 상당히 증가함을 보여줍니다. , 6천년 및 9천년 BP. 6천년 BP에서의 차이는 0.72°C이며, 그 결과 GMAT는 산업화 이전 수준보다 훨씬 높습니다. Osman 2021의 시뮬레이션은 이 녹화를 부분적으로만 통합했습니다.[29] 이 모든 영역을 녹색으로 지정했음에도 불구하고 모델 시뮬레이션(이전) 6천 년 BP GMAT는 여전히 Osman 2021 프록시 전용 재구성의 모델 시뮬레이션보다 훨씬 낮습니다. 이러한 사실은 Osman 2021의 이전 모델이 홀로세 동안 공간적으로 뿐만 아니라 전지구 평균에서도 특히 불만족스러울 수 있음을 시사합니다.

[1] L. Resplandy, RF Keeling, Y. Eddebbar, MK Brooks, R. Wang, L. Bopp, MC Long, JP Dunne, W. Koeve & A. Oschlies, 2018: 대기 O2 및 CO2 변화로 인한 해양 열 흡수 정량화 구성. 네이처, 563, 105-108. https://doi.org/10.1038/s41586-018-0651-8

[2] Osman, MB, Tierney, JE, Zhu, J., Tardif, R., Hakim, GJ, King, J. 및 Poulsen, CJ, 2021. 마지막 빙하 최대값 이후 전 세계적으로 분석된 표면 온도. Nature, 599(7884), pp.239-244. https://www.nature.com/articles/s41586-021-03984-4 사전 인쇄 가능 https://eartharxiv.org/repository/object/2219/download/4584/

[3] Tierney, JE, Zhu, J., King, J., Malevich, SB, Hakim, GJ 및 Poulsen, CJ, 2020. 빙하 냉각 및 기후 민감도 재검토. Nature, 584(7822), pp.569-573. https://www.nature.com/articles/s41586-020-2617-x

[4] GMAT는 Osman 2021에서 GMST라고 합니다.

[5] Kageyama, M., et al.., 2021. PMIP4 마지막 빙하 최대값 실험: 예비 결과 및 PMIP3 시뮬레이션과의 비교. 과거의 기후, 17(3), pp.1065-1089. GMAT이 5.3°C를 초과하는 4개의 PMIP4 시뮬레이션 중 3개는 3세대 기후 모델로 거슬러 올라가는 이전 모델인 HadCM3의 변형에 의한 것이고 하나는 해당 모델의 기본 버전 모델(CESM1-2)에 의한 것입니다. Osman 2021에서 사용된 결과, 시뮬레이션된 LGM 기후가 구름 미세물리 과정의 처리에 매우 민감하다는 것이 후속적으로 발견되었습니다.

[6] 그들은 또한 해빙이 시작되는 지점에서 7.0°C의 냉각을 추정하지만 수천 년 동안의 평균을 취하는 것이 표준입니다. 또한 LGM 주변의 유일한 GCM 시뮬레이션은 18,000년 및 21,000년 BP에 있었습니다.

[7] 불확실성 분포를 정규화하면 두 추정치가 호환되는 지역에서 차이 분포는 확률의 5%를 약간 넘습니다.

[8] 다른 관련 기후 변수와 함께 프록시 데이터와 지역 SST 사이의 추정된 관계는 프록시 값의 ‘순방향 모델’에 반영됩니다. SST 추정치는 베이지안 ‘역 모델’을 통해 관련된 다른 기후 변수의 추정치와 프록시 데이터를 사용하여 파생될 수 있습니다. 따라서 SST 추정치는 전방 모델, 관련된 베이지안 역 모델 및 SST 프록시 데이터에 추가하여 사용된 보조 기후 변수 추정값에 따라 달라집니다. 결과적으로 발생하는 불확실성의 대부분은 피할 수 없지만 베이지안 역 모델을 사용하면 프록시의 특성에서 직접적으로 발생하는 것(연령 보정 포함)에 추가하여 불확실성과 가능한 편향의 추가 원인이 됩니다.

[9] 최종 Nature 논문에서 사용된 60°S–60°N 평균 SST 대 GSAT 스케일링 계수는 원래 PMIP2 및 PMIP3 시뮬레이션 데이터에서 파생된 평균값인 1.90이었습니다.

[10] BP: 현재 전

[11] 200년 분해능 재구성 값은 모두 100년 BP의 홀수 배수입니다.

[12] 플롯된 선은 정확하게 디지털화된 사본이며 사전 인쇄 버전이 2.44에서 1.90배로 재조정된 것은 60°S−60°N SST에서 GMAT를 의미하므로 Nature 버전의 1.90축척과 일치합니다. 사전 인쇄 라인은 또한 -0.25°C만큼 이동하여 Nature 버전과 일치하도록 리베이스했습니다. Nature의 그림 4a 버전은 게시된 데이터에 비해 시간 차원이 약간 늘어나고 100년만큼 이동한 것으로 보입니다. 인쇄 전 버전은 전환점이 Nature 버전의 전환점과 일치하기 때문에 동일한 작업을 수행했을 가능성이 큽니다.

[13] 2.44 평균 스케일링 계수는 SST의 변화가 아니라 해양 내부의 평균 온도 변화에 대한 프록시 파생 추정치를 포함하는 연구에서 가져왔습니다. Bereiter, B., Shackleton, S., Baggenstos, D. et al., 2018. 마지막 빙하 전환 동안의 평균 전지구 해양 온도. 자연 553, 39–44.

[14] 잠재적으로 관련된 한 가지 차이점은 산업화 이전의 온도 추정치가 코어-톱 값에서 파생될 수 없는 프록시의 데이터를 포함하여 Nature 버전만 언급하고 대신 도구 재구성 값이 사용된다는 것입니다. 그것이 자연 버전에서 산업화 이전의 온도 변화로 더 큰 LGM으로 이어지는 이유는 분명하지 않지만 영향을 받는 프록시의 SST 추정치가 일반적으로 음으로 편향되거나 기기 재구성 값이 양의 편향을 가질 수 있기 때문에 가능합니다.

[15] 이것은 Osman 2021의 LGMR 19,000-23,000 yr BP가 GMAT가 19,000-2보다 더 시원했음을 의미하는 0.015°C만큼 프록시 전용 재구성이 그 이상으로 연장되지 않는 19,000-22,000년 BP 기간에서 경고를 증가시킨 후입니다. 년 혈압 평균. 평균 PI 온도는 지난 600년, 400년 또는 200년의 평균을 사용하든 거의 동일합니다. 오스만 2021의 네이처 버전에서 사용된 평균 스케일링 계수가 사용되었으며 불확실성 및 기타 불확실성은 무시되었습니다.

[16] Snyder, CW, 2016년. 지난 200만 년 동안 지구 온도의 진화. Nature, 538(7624), pp.226-228. https://climate.fas.harvard.edu/files/climate/files/snyder_2016.pdf

[17] Friedrich, T., Timmermann, A., Tigchelaar, M., Elison Timm, O. 및 Ganopolski, A., 2016. 비선형 기후 민감도와 미래 온실 온난화에 대한 영향. 과학 발전, 2(11), p.e1501923.

[18] 훨씬 더 발전된 모델에 의한 시뮬레이션과 업데이트된 빙상 등 경계 조건을 통합한 최신 PMIP4 데이터를 사용하여 60°S–60°N의 해수면 기온에서 GSAT까지 평균 스케일링 계수 1.64를 도출했습니다. (Kageyama et al, 2021. PMIP4 Last Glacial Maximum 실험 – 예비 결과 및 PMIP3 시뮬레이션과의 비교, Clim.Past, https://doi.org/10.5194/cp-17-1065-2021) Kageyama et al, 2021은 SST에 대한 값을 제공하지 않습니다.

[19] GCM에서 해수면 기온은 SST보다 더 많이 변화하지만 IPCC AR6 보고서는 이론이나 관측에서 이에 대한 증거가 부족하고 GCM 행동이 동일한 매개변수화의 사용으로 인해 발생하는 공통 모델 편향을 반영할 수 있다고 결론지었습니다. 따라서 AR6은 최상의 추정치로 SST와 해수면 기온 변화 사이에 차이가 없다고 평가했습니다.

[20] GCM 시뮬레이션 사이에 2천 년 또는 3천년 간격이 있기 때문에 재구성의 실제 시간 분해능이 200년에 가깝다는 것을 확인하기 어렵습니다.

[21] Kalman 필터와 프록시 포워드 모델을 구현하는 이전에 개발된 코드 패키지는 공개적으로 사용 가능하지만 Osman 2021이 이러한 패키지를 사용하여 재구성을 생성하기 위해 개발한 코드나 사용된 모델 시뮬레이션 데이터는 공개되지 않았습니다. 이것은 그들의 결과를 복제하고 그들의 가정을 변화시키는 효과를 평가하는 것을 불가능하지는 않더라도 극도로 어렵게 만듭니다.

[22] Osman 2021 및 Tierney 2020의 방법 설명에서 모델 사전 및 공분산이 정확히 어떻게 계산되었는지 또는 하향 가중치가 적용되었는지는 완전히 명확하지 않지만 여기에서 제기된 문제와 직접적으로 관련이 없습니다. 프록시와 멀리 떨어진 지역 사이의 가짜 관계를 제한하기 위해 멀리 떨어진 지점 간의 공분산에 가중치를 부여하는 지역화 가중치가 적용되었으며, 간격이 ~10,000km를 초과하는 경우에는 강한 가중치가 적용되었습니다.

[23] iCESM1.2는 주요 CESM1.2 모델의 물 동위 원소 지원 변형입니다. 두 시뮬레이션의 경우 Osman 2021은 iCESM1.2 외에 유사한 iCESM1.3 변형을 사용했습니다.

[24] 전자 범위는 Bacmeister et al., 2020의 그림 1에 따라 CESM1.1의 값 14.2°C에 훨씬 더 가깝습니다. CESM을 사용한 CO2 증가 실험: CESM1과 CESM2의 비교 및 ​​기후 민감도와의 관계. JAMES12, e2020MS002120. https://doi.org/10.1029/2020MS002120

[25] x와 y 값 사이에 상관 관계가 0인 두 쌍의 (x,y) 값 세트를 결합하지만 두 세트의 평균 x 및 y 값이 다른 경우 병합된 데이터 세트의 x 및 y 값은 상관 관계가 있습니다. .

[26] 21,000 BP는 일반적으로 LGM을 나타내는 것으로 간주되는 안정적인 19-23,000 BP 기간의 중간 지점입니다.

[27] 원점을 통해 강제된 회귀는 LGM 냉각의 LGMR 사후 과대평가에 대해 유사한 값을 제공합니다.

[28] Annan, JD 및 Hargreaves, JC, 2015. 마지막 빙하 최대값에서 모델 데이터 표면 온도 비교에 대한 관점. Quaternary Science 리뷰, 107, pp.1-10. https://dx.doi.org/10.1016/j.quascirev.2014.09.019

[29] Osman 2021의 3천년 BP 시뮬레이션은 사하라 사막과 북반구 중위도 지역을 부분적으로 녹색화하지 않았습니다. 6천년의 BP 시뮬레이션 중 2/3만이 사하라 사막과 북극(북위 50°N)을 녹화했습니다. 녹색 중위도 없음. 그들의 9,000년 BP 시뮬레이션 중 북극이나 중위도를 녹색화한 것은 없습니다. 게다가, 사하라와 북극을 녹색으로 만든 그들의 6천년 BP 시뮬레이션은 그렇지 않은 것보다 중간 범위 GMAT 온도가 0.27°C만 더 높았지만 Thompson et al. 이러한 시뮬레이션에서 평균 차이는 0.57°C였습니다.

원래 게시됨 여기pdf 사본도 사용할 수 있는 곳

코멘트를 남겨주세요