Wolken und globale Erwärmung – Watt damit?

Von Andy May

Dieser Beitrag ist inspiriert von einem alten Beitrag zu den CERES-Cloud-Daten von Willis Eschenbach, den ich viel gelesen und erneut gelesen habe: „Schätzen des Cloud-Feedbacks mithilfe von CERES-Daten“. Der Grund für mein Interesse ist, dass ich Probleme hatte, es zu verstehen, aber es sah faszinierend aus, weil Willis CERES-gemessene Cloud-Daten mit IPCC-modelliertem Cloud-Feedback verglich. Ich liebe obskure Vergleiche von Modellen und Daten. Sie neigen dazu, Modellschwäche zu zeigen. Das habe ich als petrophysikalischer Modellierer gelernt.

Willis schrieb den Beitrag als Antwort auf einen Artikel von Paulo Ceppi und Kollegen über Cloud-Feedback in globalen Klimamodellen (Ceppi, Brient, Zelinka & Hartmann, 2017). Wir werden das Papier als Ceppi17 bezeichnen. Ich habe mir in den letzten Tagen die Zeit genommen, Willis ‘Post und Ceppis Artikel zu verstehen, und das habe ich herausgefunden. Lassen Sie mich wissen, was Sie in den Kommentaren denken.

In Ceppi17 ist N = F + λΔT. N ist das Ungleichgewicht des Energieflusses am oberen Rand der Atmosphäre, F ist ein Antrieb in W / m2 aufgrund eines plötzlichen Anstiegs der Treibhausgase. Die in der Arbeit verwendete hypothetische Situation war eine sofortige Vervierfachung des CO2 im Vergleich zu vorindustriellen Bedingungen. Dann berechneten sie ein hypothetisches F. “λ” ist die Wolkenrückkopplung und ΔT ist die gesamte globale Temperaturänderung, die erforderlich ist, um das Gleichgewicht wiederherzustellen, oder ein N von Null. Ihre Feedback-Nummern können aufgrund des unplausiblen Szenarios nicht mit Daten dupliziert werden. Hier sind zwei weitere Versionen der Gleichung als Referenz.

ΔT = (NF) / λ oder λ = (NF) / ΔT

Was ist N? N ist ein Kraftungleichgewicht zwischen einfallender (oder nach unten gerichteter) Strahlung und ausgehender Strahlung am oberen Ende der Atmosphäre, das wir als CERES-Satelliten definieren werden. N ist positiv, wenn die Abwärtskraft größer ist (Erwärmung) und negativ, wenn die ausgehende Strahlung größer ist (Abkühlung). Die Erde befindet sich im Gleichgewicht, wenn die Rückkopplung N und F Null sind. Positive Rückkopplung (λ) führt zu Erwärmung und einem größeren Ungleichgewicht (N). Je höher die Rückkopplung, desto größer die Erwärmung. Wenn die Rückkopplung negativ ist, ist eine Abkühlung oder eine langsamere Erwärmung die Folge.

“CRE” ist der Wolkenstrahlungseffekt oder der Unterschied zwischen dem klaren Himmel und dem gesamten Himmelsstrahlungsfluss am Satelliten (TOA). Wolken reflektieren die einfallende kurzwellige Sonnenstrahlung (SW), sodass mehr SW in Gegenwart von Wolken zum Satelliten gelangt. Im Durchschnitt beträgt der Anstieg etwa -45 W / m2. Dies ist eine negative Zahl, da dadurch mehr Strahlung die Erde verlässt, was einen Kühleffekt darstellt. Wolken blockieren auch etwas ausgehende langwellige Infrarotstrahlung (LW), die von der Erdoberfläche emittiert wird, durchschnittlich etwa 27 W / m2, eine positive Zahl, da es sich um Energie handelt, die von der Erde zurückgehalten wird, oder um weniger Energie, die den Satelliten erreicht, ein wärmender Einfluss. Der Unterschied beträgt -18 W / m2, was insgesamt bedeutet, dass Wolken die Erde kühlen.

Man würde denken, je mehr Wolken, desto schneller würde sich die Erde abkühlen, aber so einfach ist das nicht. Einige Wolken, insbesondere niedrige Wolken und Cumuluswolken, reflektieren tagsüber tendenziell mehr Energie als nachts. Hochgradige Wolken wie Zirrus neigen dazu, Sonnen-SW durchzulassen und viel aufsteigendes LW einzufangen, wodurch sie einen wärmenden Effekt haben. Der Wolkentyp ist also wichtig.

1 ist eine Karte des durchschnittlichen TOA-Wolken-Strahlungs-Ungleichgewichts (CRE) (oben in der Atmosphäre) bei den CERES-Satelliten. Der Blues ist ein negatives Energieungleichgewicht oder eine kühlende CRE. Die Karte ist ein Durchschnitt der monatlichen CERES-Daten von 2001 bis 2019. Die zugeordnete CERES-Variable lautet “toa_cre_net_mon” oder “Top of The Atmosphere Cloud Radiative Effects Net Flux”. Der Effekt ist überall negativ (oder kühlend), außer über Wüsten und den polaren Landregionen. Dies sind Bereiche, in denen die Wolken dazu neigen, die Oberfläche und das Infrarot der unteren Atmosphäre einzufangen und gleichzeitig kurzwellige Sonnenstrahlung an die Oberfläche zu lassen. Diese Kombination erzeugt eine positive CRE und eine starke Erwärmung.

Der Punkt, an dem sich die Wolkenerwärmungs- und -kühlungseffekte in der Farbskala von Abbildung 1 treffen, ist der Punkt, an dem das hellste Blau auf das hellgelbe trifft. Genau bei Null ist, wo die ankommende Energie in Bezug auf Wolken gleich der ausgehenden Energie ist. Mit Ausnahme der Sahara, des Nahen Ostens, Westchinas, Teilen Südostasiens, Indonesiens, Nordaustraliens, des Südwestens der USA und Mexikos kühlen Wolken die Erde. Die dunkleren Bereiche in Abbildung 1 weisen beständigere Wolken auf.

Abbildung 2 zeigt hellere Farben für Wolken und dunklere Farben für klaren Himmel. Daher ist der hellere Streifen in der Nähe des Äquators sowohl im Pazifik als auch im Atlantik in Abbildung 2 gegenüber von Abbildung 1 weiß. Dies ist die Intertropical Convergence Zone (ITCZ), in der die Passatwinde der nördlichen und südlichen Hemisphäre zusammenlaufen. Hier ist die Verdunstung des Meerwassers maximal. Wasserdampf ist weniger dicht als trockene Luft, daher ist es eine Zone mit schnell aufsteigender feuchter Luft und häufigem Regen und Gewittern. Es ist fast immer bewölkt. Das ITCZ ​​folgt dem Zenitpunkt der Sonne und der Kühleffekt der Wolken in dieser Zone ist sehr hoch.

Die maximale Wolkenkühlung oder die negativsten CRE-Werte liegen in den kleinen weißen Flecken in der Mitte der schwarzen Flecken vor Südperu und im Südosten Chinas nördlich von Vietnam. Diese CRE-Werte sind sehr negativ (extrem kühlend) und nicht maßstabsgetreu. Abbildung 1 korreliert ziemlich gut mit der Wolkenfraktion in Abbildung 2 oder den helleren Farben in Abbildung 3 mit Ausnahme der polaren Eiskappen.

Abbildung 2. CERES-Wolkenanteil in Prozent. Dunkle Farben sind weniger bewölkt, hellere Farben sind mehr Wolken.

Abbildung 3 zeigt den blauen Marmor der NASA mit Eis und Wolken in einer Mercator-Projektion. Beachten Sie die Ähnlichkeit mit Abbildung 2, außer an den Polen.

Abbildung 3. Blauer Marmor der NASA mit Eis und Wolken.

Abbildung 4 zeigt dieselben Daten, die CERES EBAF 4.1-Variable „toa_cre_net_mon“, als jährliche globale Durchschnittswerte. EBAF bedeutet Energie ausgeglichen und gefüllt. Wie Norman Loeb und Kollegen (NASA Langley Research Center) erklären, ist das Energieungleichgewicht der Erde mit 0,5 bis 1 W / m2 so gering, dass es nur 0,15% der gesamten ein- und ausgehenden Strahlung ausmacht. Die Zahl, nach der wir suchen, ist also der Unterschied zwischen zwei großen Zahlen und liegt kaum über der Unsicherheit bei den Satellitenmessungen.

Die Kalibrierungsunsicherheit bei der CERES SW-Messung beträgt 1% und bei der LW 0,75%. Somit ist das ausgehende LW nur ​​zu ± 2 W / m2 bekannt. Es gibt viele andere Fehlerquellen, und wie Loeb et al. Erklären Sie, dass das Nettoungleichgewicht der Standard-CERES-Datenprodukte nur ~ 4,3 W / m2 beträgt und nicht viel größer als der erwartete Fehler ist. Aufgrund der groben Auflösung des CERES-Instruments fehlen viele Gitterzellen im Raster für Längen- und Breitengrade nacheinander, mit denen die Karten in den Abbildungen 1 und 2 erstellt wurden. Um diese Probleme zu umgehen, verwenden Loeb und Kollegen Ein komplexer Algorithmus zum Ausfüllen fehlender Werte und zum Anpassen der SW- und LW-TOA-Flüsse innerhalb ihrer Unsicherheitsbereiche, um Inkonsistenzen zwischen dem globalen Netto-TOA-Energiefluss und dem Wärmespeicher im Erdatmosphärensystem zu beseitigen (Loeb, et al., 2018) ).

Abbildung 4. Der flächengewichtete CERES-Durchschnitt der monatlichen TOA CRE (Cloud-Radiative Effect) von 2001 bis 2019. Daten der NASA.

Der CRE- oder Wolkenstrahlungsungleichgewichtswert variiert stark von Jahr zu Jahr, der Durchschnittswert über die 19 Jahre beträgt -19,1 W / m2, sehr nahe an Ceppi et al. Wert von -18 W / m² (Ceppi, Brient, Zelinka & Hartmann, 2017). Dies deutet darauf hin, dass die gesamte Wolkendecke der Hauptfaktor ist. Dies ist in Abbildung 5 dargestellt. Wie zu erwarten ist, nimmt der Kühleffekt mit abnehmendem Wolkenanteil ab und die CRE wird weniger negativ. Mit zunehmender Wolkenfraktion nimmt der Kühleffekt zu.

Abbildung 5. CERES Durchschnittliche monatliche Wolkenfraktion, Variable cldarea_total_daynight_mon.

In Ceppi17 impliziert ein positiverer Rückkopplungsparameter (λ) eine Erwärmung. Da sie mit Modellen arbeiten, können sie λ berechnen, indem sie den berechneten Antrieb, der erforderlich ist, um dem ursprünglichen Ungleichgewicht der erzwungenen Energie aufgrund von Wolken entgegenzuwirken, durch die resultierende Temperaturänderung (ΔT) dividieren. Abbildung 6 zeigt das globale Feedback von Ceppi17 aufgrund von Wolken.

Abbildung 6. Ceppi17s globaler Cloud-Feedback-Parameter: Die Einheiten sind W / m2 / K.

Die Einheiten sind W / m2 / K, wobei K (Kelvin) Grad C der Erwärmung oder Abkühlung aufgrund von Wolken über die Zeit ist, die benötigt wird, um das Gleichgewicht zu erreichen. Abbildung 6 ist ein Wolkenfeedback und nicht dasselbe wie CRE. Laut Ceppi17 ist das Wolkenfeeback jedoch tendenziell positiv und deutet darauf hin, dass Wolken die Erde langfristig erwärmen und nicht abkühlen. Dies brachte Willis dazu, das ganze Papier in Frage zu stellen. Wie er betont, ist 6 ein Diagramm der Modellausgabe und 1 sind Daten. Die Daten in Abbildung 1 sind massiert und liegen in Bezug auf die Unsicherheit nahe am Rand, es handelt sich jedoch um Daten.

Ceppi17 hat das Glück, dass wir ihren Rückkopplungsparameter nicht aus realen Daten ableiten können, denn wenn wir könnten, würde die Karte vermutlich ganz anders aussehen als in Abbildung 6. Einer der Orte, an denen Wolken die Oberfläche am meisten abkühlen, ist beispielsweise vor der Küste Perus Wird das zu einem Bereich mit positivem Feedback? Der andere ist Südostchina, OK, wir werden dort ein wenig blau, aber nichts wie das, was die tatsächlichen Daten uns zeigen. Das sehr bewölkte ITCZ ​​ist in Abbildung 6 ein sehr heißer Bereich. Wie machen Sie das?

Ich stimme Willis zu, diese ganze Idee, dass Wolken ein positives (wärmendes) Netto-Feedback sind, macht keinen Sinn. Das Schlimmste ist, dass fast jedes Modell ein positives Cloud-Feedback verwendet. Wolkenfeedback ist die größte Komponente des modellberechneten ECS (die Temperaturempfindlichkeit aufgrund einer Verdoppelung der CO2-Konzentration), die das IPCC bevorzugt. Wie wir wissen, können Wolken nicht modelliert werden und müssen parametrisiert werden (der ausgefallene Modellierungsbegriff für „angenommen“). Wie Steve Koonins bevorstehendes Buch Unsettled berichtet, haben Wissenschaftler des Max-Planck-Instituts ihr Klimamodell optimiert, indem sie ein ECS von etwa 3 ° C durch Anpassung ihrer Wolkenrückkopplungen angestrebt haben. Er fügt hinzu: “Sprechen Sie über das Kochen der Bücher.” (Koonin, 2021, S. 93).

Ceppi17 berichtet, dass Wolkenfeedback „bei weitem die größte Quelle für die Ausbreitung von Intermodellen bei der Gleichgewichtsklimasensitivität (ECS)“ ist. Sie weisen auch darauf hin, dass das Cloud-Feedback stark mit dem vom Modell abgeleiteten ECS korreliert und uns die Daten liefert, die in Abbildung 7 dargestellt sind.

Abbildung 7. Modelliertes Wolkenfeedback (λ) im Vergleich zum modellabgeleiteten ECS. Daten von (Ceppi, Brient, Zelinka & Hartmann, 2017).

Hoppla! Wolken können nicht modelliert werden, Modelle gehen davon aus, dass ihre Wolken einen Erwärmungseffekt haben. Laut CERES haben Wolken einen Nettokühlungseffekt, einen großen Nettokühlungseffekt von -18 W / m2. Die Modelle sagen, dass der gesamte menschliche Einfluss auf das Klima seit Beginn des Industriezeitalters 2,3 (1,1 bis 3,3) W / m2 beträgt (IPCC, 2013, S. 661), was die Wolkenwirkung von -18 W / m2 relativiert. Beachten Sie, dass die Variabilität in Abbildung 4 größer als 2,3 W / m2 ist. Wie viel ECS von Modellen ist auf die Annahme zurückzuführen, dass sich die Wolken netto erwärmen? Wie viel ist auf ihre Annahme zurückzuführen, dass ECS 3 W / m2 beträgt? So viele Fragen.

Willis Eschenbach hat diesen Beitrag freundlicherweise für mich geprüft und wertvolle Beiträge geleistet.

Ceppi, P., Brient, F., Zelinka, M. & Hartmann, D. (2017, Juli). Cloud-Feedback-Mechanismen und ihre Darstellung in globalen Klimamodellen. WIRES Climate Change, 8 (4). Abgerufen von https://onlinelibrary.wiley.com/doi/full/10.1002/wcc.465
.

IPCC. (2013). In T. Stocker, D. Qin, G.-K. Plattner, M. Tignor, S. Allen, J. Boschung ,. . . P. Midgley, Klimawandel 2013: Die physikalisch-wissenschaftliche Basis. Beitrag der Arbeitsgruppe I zum fünften Bewertungsbericht des Zwischenstaatlichen Gremiums für Klimawandel. Cambridge: Cambridge University Press. Abgerufen von https://www.ipcc.ch/pdf/assessment-report/ar5/wg1/WG1AR5_SPM_FINAL.pdf

Koonin, SE (2021). Unruhig: Was die Klimawissenschaft uns sagt, was nicht und warum es wichtig ist. Dallas, Texas, USA: BenBella. Abgerufen von https://www.amazon.com/dp/B08JQKQGD5/ref=dp-kindle-redirect?_encoding=UTF8&btkr=1

Loeb, NG, Doelling, D., Wang, H., Su, W., Nguyen, C., Corbett, J. & Liang, L. (2018). Wolken und das Strahlungsenergiesystem der Erde (CERES) Energy Balanced and Filled (EBAF) Datenprodukt Top-of-Atmosphere (TOA) Edition-4.0. Journal of Climate, 31 (2). Abgerufen von https://journals.ametsoc.org/view/journals/clim/31/2/jcli-d-17-0208.1.xml

So was:

Mögen Wird geladen…

verbunden