北极海冰加速融化的年代际突变东西半球非同步特征
The Non-Simultaneous Characteristic in the Decadal Shift of Arctic Sea Ice Melting between the Western and Eastern Hemispheres
DOI: 10.12677/CCRL.2022.113024, PDF, HTML, XML, 下载: 334  浏览: 1,266  国家自然科学基金支持
作者: 罗 瑾:中国海洋大学海洋与大气学院,山东 青岛;邹旭涛:中国海洋大学附属中学,山东 青岛;王 宏:中国海洋大学物理海洋教育部重点实验室,山东 青岛;黄 菲*:中国海洋大学海洋与大气学院,山东 青岛;中国海洋大学物理海洋教育部重点实验室,山东 青岛
关键词: 北极海冰密集度海冰面积年代际突变非同步性格棱兰扇区欧亚扇区The Arctic Sea Ice Concentration Sea Ice Area Decadal Shift Asynchronous Greenland Sector Eurasian Sector
摘要: 随着全球变暖北极放大效应,北极海冰加速融化。本文利用美国国家冰雪数据中心提供的1979~2019年逐月海冰密集度数据,通过构建表征海冰加速融化的平均海冰密集度和海冰面积指数,系统分析了北极海冰加速融化的年代际变化特征。研究发现,1979~2019年北极海冰密集度和海冰面积均呈现出年代际振荡减小的特征,但年代际转折时间表现为空间不一致性特征,特别是东西半球海冰年代际转折呈现出非同步的变化特征,西半球普遍早于东半球。西半球的格陵兰扇区最早出现海冰的加速融化,四个季节的年代际突变均发生在1997~1998年;东西半球过渡区域的太平洋扇区在2002年前后出现年代际转折,且只显著发生在夏季和秋季;东半球的欧亚扇区海冰面积的年代际突变时间最晚,四个季节均在2004年前后出现年代际转折现象。
Abstract: According to the global warming and the Arctic amplification, the loss of Arctic sea ice accelerates. Based on the monthly sea ice concentration data from the US National Snow and Ice Data Center from 1979 to 2019, this paper systematically analyzed the interdecadal characteristics of the accelerated melting of Arctic sea ice by constructing the mean sea ice concentration (SIC) and sea ice area (SIA) index, which represents the accelerated melting of sea ice. The results show that the decadal oscillation decreases in both Arctic SIC and SIA from 1979 to 2019, but the time of decadal shift is spatially inconsistent. In particular, the decadal shift time of the Arctic eastern and western hemispheres is asynchronous, and the western hemisphere is generally earlier than the eastern hemisphere. The Greenland sector of the Western Hemisphere was the first to show accelerated sea ice melting, and the decadal shifts of the four seasons all occurred in 1997~1998. The decadal shift in the Pacific sector of the eastwest hemisphere transition region occurred around 2002, and only occurred in summer and autumn. In the Eurasian sector of the Eastern Hemisphere, the time of decadal shift of SIA was the last, and the decadal transition occurred in all four seasons around 2004.
文章引用:罗瑾, 邹旭涛, 王宏, 黄菲. 北极海冰加速融化的年代际突变东西半球非同步特征[J]. 气候变化研究快报, 2022, 11(3): 248-259. https://doi.org/10.12677/CCRL.2022.113024

1. 引言

近年来,人类活动对全球气候的影响越来越大,与1850~1900年相比,2006~2015年人为气候变化导致的全球平均温度上升了0.9℃ [1],而北极作为对全球气候变化最敏感的地区之一,21世纪以来北极地区的增温速率是全球变暖的两倍以上,被称为“北极放大” [2]。北极迅速增温必然会导致北极海冰也出现加速融化的现象,从20世纪70年代后期到21世纪初,北极海冰面积以每十年10%以上的速率快速减少 [3],同时,格陵兰冰盖也在加速流失 [4] [5] [6]。在海冰反照率反馈等正反馈作用下,北极海冰将加速融化,预计将在21世纪50~60年代的9月率先达到无冰状态 [7] [8],最新的基于CMIP6多模式模拟对未来海冰变化的预估分析结果表明,夏季出现无冰的北冰洋时间可能更早,将在不远的2030 s中期到来 [9]。

北极海冰融化不仅对局地甚至全球的天气气候产生深远的影响,近年来欧洲、中亚以及美国东部寒潮频发 [10] [11],中纬度大陆出现更多的极端冷空气等极端天气气候事件可能都与北极海冰的持续减少以及“北极放大”的影响有关 [12] [13] [14] [15]。而且从社会经济方面来看,季节性无冰的北冰洋的出现使得北极的商业航线以及能源和资源的开发发生重大改变,并且对于当地人口以及栖息地的变迁产生长远的影响 [16] [17]。因此本文通过分析北极海冰的年际年代际变化规律,揭示海冰变化的时空特征,为未来认识北极、开发北极航线提供一定的科学依据。

21世纪以来随着全球变暖北极放大效应,北极海冰面积呈现出加速减少的变化特征,特别是2007年海冰范围突破当时的历史极小值后,北极海冰面积在近几十年里发生显著的年代际转折 [18],1979~2012年逐月海冰范围指数表明1997年和2007年是北极海冰年代际变化的突变点,1979~1996年海冰显著减少,并且年际变化特征明显,1997~2006年海冰加速融化同时年际变化较弱,2007~2012年海冰处于少冰状态且呈现较强的年际振荡特征 [19]。但北极海冰年代际转折的发生时间在其他一些研究中表现得并不一致,例如Wei and Su (2014)通过计算1953~2010年逐月海冰面积变化指出夏季太平洋扇区海冰在1989年之前变化较稳定,1989年之后加速融化 [20];Josefino et al. (2008)研究了1979~2006年的海冰范围数据,指出1996年前后海冰呈现不同的变化特征 [21];Ogi and Rigor (2013)指出9月海冰下降速率也在1996年前后存在明显差异 [22]。上述研究结果的不一致性,可能反映了北极不同区域或者不同季节海冰年代际变化不同步的特征,1979~2019年北极海冰在不同扇区、不同季节年代际尺度的时空变化特征是怎样的?这将是本文研究的主要科学问题。

2. 数据与方法

2.1. 数据资料

本文使用的海冰数据来自于美国国家冰雪数据中心(National Snow and Ice Data Center, NSIDC)提供的Bootstrap Sea Ice Concentrations from Nimbus-7 SMMR and DMSP SSM/I-SSMIS, Version 3 (https://nsidc.org/data/NSIDC-0079/versions/3)海冰密集度 (Sea Ice Concentration,SIC) 数据集,此数据采用极地立体投影的方式,整个北半球一共有304 × 448个格点,平均空间分辨率为25 km × 25 km,选取1979~2019年逐月数据作为本文的研究数据。由于卫星轨道倾角的原因,北极中央区存在观测盲区,也就是说北极中央区存在数据缺测。由于此数据集是由四组卫星数据组合而成的,卫星的微波传感器经历了从SMMR,SSM/I到SSMIS的转换,因此北极中央区缺测范围的大小不一致,从1979年1月至1987年7月,北极中央区存在一个半径611 km的缺测范围,84.5˚N以北的数据缺测;而1987年8月至2019年12月,北极中央区的缺测范围的半径减小到311 km,87.2˚N以北的数据未被测量。为了能更清晰地描述出北极海冰的变化,本文根据北极SIC计算北极海冰面积月平均时间序列作为海冰面积指数,表征北极海冰面积的变化特征。

2.2. 分析方法

为了研究海冰密集度时间序列的年代际突变,本文考虑均值突变的滑动t-检验方法,对1979~2019年不同季节整个北极海冰密集度数据进行突变检验。将滑动窗口分别取为7年、9年和11年对得到的突变点进行敏感性验证,文中主要选取9年滑动t-检验的结果进行分析。滑动t-检验的方法大致如下:

假设时间序列x有n个样本,从1开始用滑动的方法连续设置参考点,将参考点前后两个子序列分别记为x1和x2,两个子序列的样本量分别为n1和n2,两个子序列的平均值分别为 x ¯ 1 x ¯ 2 ,方差分别为 s 1 2 s 2 2 ,那么对于第i个参考点,定义统计量:

t i = x ¯ 1 x ¯ 2 s 1 n 1 + 1 n 2 , i = 1 , 2 , , n ( n 1 + n 2 ) + 1

该统计量遵循自由度为 v = n 1 + n 2 2 的t分布,其中 s = n 1 s 1 2 + n 2 s 2 2 n 1 + n 2 2

对于给定的显著性水平 α ,通过查询t分布临界值表得到 t α ,如果 | t i | < t α ,那么说明参考点前后两个子序列的均值没有明显的差异,反之则认为该序列在参考点前后发生了均值突变。

3. 北极海冰年代际变化的时空分布特征

3.1. 北极区域平均海冰密集度的年代际转折

随着全球气候变暖,北极作为对温度变化最敏感的地区之一,对全球气候变化的响应最为强烈,海冰作为北极地区连接海洋与大气之间最直接的物质,海冰的变化能很好地反应全球气候的变化。海冰密集度是指单位面积内海冰所占的百分比,是表征海冰范围变化的重要参数。我们根据美国国家冰雪数据中心提供的整个北半球的海冰密集度数据,计算出整个北极区域(60˚N~90˚N)平均的海冰密集度异常逐月时间序列(图1)。从图1中可以看出,整个北极平均海冰密集度从正异常变为负异常,整体呈现下降趋势,正负异常的转折点大约在2000 s初期,可能与北极放大2002/2003年左右的年代际加强有关 [23]。同时北极海冰密集度还存在显著的较高频的年际振荡特征,高频振荡周期约为2~3年。海冰密集度负异常的高频振荡振幅明显大于正异常,2000年以后负异常峰值的绝对值明显大于前期正异常的峰值,表明21世纪以来北极海冰的加速融化特征。

Figure 1. Time series of monthly regional average (60˚N~90˚N) sea ice concentration anomalies in the Arctic from 1979 to 2019

图1. 1979~2019年逐月北极区域平均(60˚N~90˚N)海冰密集度异常时间序列

为了确定北极区域平均海冰密集度的异常时间序列是否存在年代际变化,我们对上述北极海冰密集度异常时间序列进行滑动t-检验。为了对比滑动窗口对检验结果的影响,所以我们分别选取7年、9年和11年三个不同的时间窗口对海冰密集度异常时间序列进行突变检验(图2)。从7年、9年以及11年的滑动t-检验的结果来看,三个时间窗口的滑动t-检验的结果变化趋势基本相同,三个时间窗口的突变检验值均位于95%显著性阈值之下,说明整个北极区域平均海冰密集度异常时间序列均存在显著的突变,并且突变检验的极值对应的时间大致在2004~2006年之间,说明突变时间都大致在2004~2006年之间。从9年和11年的滑动t-检验结果来看,整个北极区域平均的海冰密集度异常时间序列存在明显的年代际突变的特征,并且突变结果通过95%的显著性水平检验。

Figure 2. The 7-year (a), 9-year (b) and 11-year (c) moving t-test of monthly regional average (60˚N~90˚N) sea ice concentration anomalies in the Arctic from 1979 to 2019 (the black dotted line indicates the 95% confidence level threshold, and the red dotted line indicates the timing of the decadal abrupt change)

图2. 1979~2019年逐月北极区域平均(60˚N~90˚N)海冰密集度异常时间序列7年(a)、9年(b)和11年(c)滑动t-检验结果(黑色虚线表示95%显著性检验阈值,红色虚线代表突变发生的时间)

3.2. 北极海冰密集度年代际转折的空间分布

为了进一步研究整个北极海冰密集度年代际突变的空间分布特征,根据对整个北极海冰密集度区域平均的滑动t-检验结果来看,由于时间序列长度的限制,11年滑动t-检验得到的有效数值较少,而年代际变化一般指十年及以上的变化,所以7年滑动t-检验结果可能不全是年代际变化的信号,因此,在后面的研究中我们选取9年作为滑动t-检验的窗口来确定海冰的年代际变化。我们通过对1979~2019年每个格点上冬季(1~3月)、春季(4~6月)、夏季(7~9月)、秋季(10~12月)以及全年平均海冰密集度异常序列进行9年滑动t-检验(图3),得到北极海冰密集度年代际突变时间的空间分布,将通过95%显著性检验的区域进行填色,由于卫星轨道倾角的原因,北极中央区存在缺测数据。

从9年滑动t-检验的结果(图3)中可以看出,四个季节以及全年平均海冰密集度年代际突变的空间分布在北极东西半球均呈现出明显的不同步特征,主要表现为:格陵兰岛附近的巴芬湾、拉布拉多海以及格陵兰海与欧亚大陆北部的巴伦支海、喀拉海以及拉普捷夫海海冰年代际突变时间明显不同步,格陵兰岛附近海域海冰密集度年代际转折时间大部分发生在1998年之前的1990 s中期,而欧亚大陆以北海冰年代际转折时间均晚于2004年。在北半球冬季(图3(a)),北极海冰出现明显年代际突变的区域主要集中在巴芬湾、拉布拉多海、格陵兰海、巴伦支海和喀拉海,在其他北极边缘海海域没有明显的年代际突变,尤其是太平洋以北的北极扇区没有明显的海冰年代际突变的现象。同时,对于格陵兰岛以西的西半球北极海域以及格陵兰岛以东的东半球北极海域海冰年代际突变不同步,格陵兰以西的西半球北极海域海冰年代际转折时间早于1998年,而格陵兰岛以东的北极海域海冰年代际转折时间晚于2004年。在北半球春季(图3(b)),整个北极海冰年代际突变的空间分布与冬季(图3(a))大致相同,都表现为东西半球北极海冰出现明显年代际突变时间的不同步,同时,北极海冰出现显著年代际突变的区域较冬季有所扩大,主要集中在太平洋以北的波弗特海、楚科奇海以及东西伯利亚海边缘海域,且海冰年代际突变时间在东西半球海冰年代际突变时间之间。在北半球夏季(图3(c)),北极海冰出现明显年代际突变的空间分布是四个季节中面积最大的,但整体分布还是呈现明显的东西半球海冰年代际突变不同步的分布特征,东半球大部分海域海冰年代际转折时间晚于2004年,西半球年代际转折时间大部分早于1998年。在北半球秋季(图3(d)),北极海冰出现明显年代际突变的空间分布较夏季范围有所缩小,但是整体呈现东西半球非同步的分布特征。从四个季节以及全年平均的海冰密集度年代际转折时间的空间分布来看(图3),夏季和秋季海冰密集度年代际转折最显著,并且与全年平均海冰密集度年代际转折时间的空间分布(图3(e))最相似,也就是说,全年平均海冰密集度年代际转折的空间分布主要是夏季和秋季海冰密集度年代际转折主导的。

Figure 3. The spatial distribution of the timing of Arctic SIC decadal shift from 1979 to 2019 based the 9-year moving t-test. (a) Winter (January-March); (b) Spring (April-June); (c) Summer (July-September); (d) Autumn (October-December); (e) Annual mean. The shading denotes the area exceeding 95% confidence level of t-test. The SIC values in central Arctic are not involved due to satellite observations

图3. 9年滑动t-检验得到的1979-2019年北极海冰密集度年代际突变时间的空间分布。(a) 冬季(1~3月);(b) 春季(4~6月);(c) 夏季(7~9月);(d) 秋季(10~12月);(e) 为全年平均。(填色区域表示通过95%的t检验)

图3中可以看出,不同季节以及全年的海冰密集度年代际突变时间存在明显的不同步特征,表现为:北极东西半球海冰年代际突变时间不同步,并且东半球海冰年代际突变时间明显晚于西半球。基于这种变化特征,我们将60˚N以北的北极地区参照海冰年代际突变时间的空间分布特征划分为三个扇区,三个扇区具体经纬度如表1所示,分别为:西半球的格陵兰扇区(120˚W~15˚E)、东西半球过渡区域的太平洋扇区(160˚E~120˚W)以及东半球的欧亚扇区(15˚E~160˚E)。

Table 1. Three sector latitude and longitude ranges

表1. 三个扇区经纬度范围

下文将分别对三个扇区海冰密集度和海冰面积的年代际变化和突变特征进行分析,对比不同扇区海冰年代际转折的非同步变化的季节特征。

3.3. 不同扇区海冰的年代际变化及突变特征

3.3.1. 区域平均的海冰密集度

为了进一步研究三个扇区海冰随时间的变化特征,我们分别计算三个扇区区域平均海冰密集度异常的时间序列(图4)。可以发现,三个扇区海冰密集度异常时间序列均呈现明显的下降趋势,同时也存在明显的年代际突变减小的特征,反映了北极地区各扇区海冰都出现加速融化的变化特征。三个扇区中格陵

Figure 4. Time series of monthly sea ice concentration anomalies in different sectors from 1979 to 2019. (a) The Greenland sector. (b) The Pacific sector. (c) The Eurasia sector (solid purple lines represent the trend of sea ice concentration anomaly time series)

图4. 1979~2019年逐月不同扇区海冰密集度异常时间序列。(a) 格陵兰扇区;(b) 太平洋扇区;(c) 欧亚扇区 (紫色实线代表海冰密集度异常时间序列的趋势)

兰扇区的海冰密集度变化幅度最小(图4(a)),可能与该扇区分布着较大范围的多年冰有关。而太平洋扇区海冰密集度的变化振幅最大(图4(b)),欧亚扇区海冰密集度异常时间序列的变化介于两者之间(图4(c))。同时,分别比较三个扇区海冰密集度异常时间序列的最大值最小值所在年份,格陵兰扇区海冰密集度正异常最大值位于1992年,负异常最大值位于2010年;太平洋扇区海冰密集度正异常最大值位于1984年,负异常最大值位于2012年;欧亚扇区海冰密集度正异常最大值位于1996年,负异常最大值位于2018年。三个扇区区域平均海冰密集度时间序列从正异常转变为负异常的时间有所不同,格陵兰扇区明显早于太平洋扇区和欧亚扇区。

3.3.2. 海冰面积

根据海冰密集度可以准确计算出每个扇区的海冰面积,通过各扇区海冰面积指数的异常变化,可以很直观地表征北极海冰的快速变化特征。从图5可以发现,三个扇区海冰面积异常时间序列变化与各自区域平均的海冰密集度异常时间序列类似,均呈现明显的振荡下降趋势和年代际转折的特征。三个扇区海冰面积异常时间序列从正异常转变为负异常的时间不同,格陵兰扇区在20世纪末经历了一次海冰面积大幅度减少(图5(a)),而欧亚扇区在21世纪初才出现海冰面积正异常振荡转为负异常振荡(图5(c)),太平洋扇区的海冰面积在21世纪初变化较小,海冰面积异常序列变化幅度较小,在2005年之后才出现了大幅度的减少,同时海冰面积异常时间序列出现较大幅度的振荡(图5(b))。

从三个扇区区域平均海冰密集度异常时间序列(图4)以及三个扇区海冰面积异常时间序列(图5)对比来看,三个扇区区域平均的海冰密集度异常时间序列与三个扇区的海冰面积异常时间序列的变化接近,为了定量化的确定三个扇区海冰面积异常时间序列与区域平均海冰密集度异常时间序列的相关性,我们分别计算三个扇区的海冰面积异常时间序列与区域平均海冰密集度异常时间序列的相关系数,结果显示:三个扇区海冰面积异常时间序列与区域平均海冰密集度异常时间序列的相关系数均大于0.99,并且相关系数通过99%的显著性水平检验。因此,我们可以认为海冰面积的变化特征与区域平均海冰密集度的变化特征相同,均反映了海冰的快速融化特征。

Figure 5. Time series of monthly sea ice area anomalies in different sectors from 1979 to 2019. (a) The Greenland sector. (b) The Pacific sector. (c) The Eurasia sector (solid purple lines represent the trend of SIA anomaly time series)

图5. 1979~2019年逐月不同扇区海冰面积异常时间序列。(a) 格陵兰扇区;(b) 太平洋扇区;(c) 欧亚扇区 (紫色实线代表SIA异常时间序列的趋势)

3.3.3. 不同季节海冰面积的年代际变化

前文根据北极海冰密集度年代际转折时间的空间分布将60˚N以北的整个北极划分为三个扇区,由于三个扇区的面积大小不一样,欧亚扇区的面积最大,其次是格陵兰扇区,太平洋扇区面积最小,为了能尽量减小三个扇区面积的不统一对海冰面积异常时间序列的影响,我们对海冰面积异常时间序列进行标准化处理。图6给出了标准化之后的格陵兰扇区、太平洋扇区以及欧亚扇区逐月、冬季(JFM)、春季(AMJ)、夏季(JAS)、秋季(OND)四个季节海冰面积异常的时间变化特征。从逐月海冰面积异常时间序列来看,格陵兰扇区海冰面积异常时间序列(图6(a))一直呈现下降的变化趋势,并且在20世纪末海冰面积从正异常转为负异常;欧亚扇区海冰面积的变化趋势(图6(k))与格陵兰扇区类似,都表现为明显的年代际转折减小的特征,但欧亚扇区海冰面积从正异常转为负异常的时间较格陵兰扇区晚,为21世纪初;太平洋扇区海冰面积的变化(图6(f))与格陵兰扇区和欧亚扇区有所不同,太平洋扇区的海冰面积异常时间序列在21世纪初经历了从正异常转为负异常,接着又经历了海冰面积异常序列振幅由小到大的转变。

从不同季节来看,格陵兰扇区(图6(b)~(e))在四个季节均有明显年代际变化,且各个季节海冰面积从正异常转变为负异常的时间相同,大致为20世纪末,这与格陵兰扇区逐月海冰面积异常序列从正异常转为负异常的时间接近;欧亚扇区海冰面积(图6(l)~(o))在四个季节都表现为明显的年代际变化,海冰面积

Figure 6. The temporal variation characteristics of normalized SIA anomalies in different sectors and seasons. (a)~(e) Indicate monthly, Winter (JFM), Spring (AMJ), Summer (JAS), and Autumn (OND) SIA anomalies in the Greenland sector. (f)~(j), (k)~(o) is the same as (a)~(e), but for the Pacific sector and Eurasia sector, respectively. Both the black and purple lines represent a 9-year moving average

图6. 不同扇区、不同季节标准化海冰面积异常的时间变化特征。格陵兰扇区(a) 逐月、(b) 冬季(JFM)、(c) 春季(AMJ)、(d) 夏季(JAS)、(e) 秋季(OND)海冰面积的时间变化特征;(f)~(j)、(k)~(o)同(a)~(e),但分别表示太平洋扇区和欧亚扇区的海冰面积的时间变化特征。(黑线和紫线均表示经过9年滑动平均的时间序列)

从正异常转变为负异常的时间大致为21世纪初;太平洋扇区(图6(g)~(j))在夏季和秋季海冰面积从正异常转变为负异常的时间为21世纪初,但冬季和春季太平洋扇区海冰面积的异常时间序列呈现年代际振荡的特征,到2010年之后才出现明显的海冰面积异常从正异常转负异常的转折。

3.3.4. 北极东西半球海冰面积年代际突变的非同步特征

为了确定三个扇区在不同季节海冰面积异常序列的年代际突变时间,9年滑动t-检验(图7表2)结果表明,格陵兰扇区(图7(a))四个季节海冰面积异常时间序列在1997~1998年均存在显著的突变,海冰面积在1997年的春、夏、秋季和1998年的冬季之后由正异常突然转变为明显的负异常,从海冰多的状态转变为海冰面积大大减少的状态;太平洋扇区海冰面积异常时间序列只有夏季和秋季存在显著突变(图7(b)),突变时间为2002年,与北极放大的年代际增暖时间相一致 [23];欧亚扇区四个季节海冰异常时间序列则在2004年存在显著突变(图7(c))。结合图3可以发现,北极西半球格棱兰扇区海冰的快速融化明显比东半球的欧亚大陆扇区要早6~7年,呈现出东西半球年代际突变的非同步特征。

Figure 7. Different sectors. (a) The Greenland sector; (b) The Pacific sector; (c) The Eurasia sector and the 9-year moving t-test of sea ice area anomaly time series in different seasons. The black dotted line indicates the 95% confidence level threshold, and the red dotted line indicates the timing of the decadal abrupt change

图7. 不同扇区。(a) 格陵兰扇区;(b) 太平洋扇区;(c) 欧亚扇区和不同季节海冰面积异常时间序列9年滑动T检验(黑色虚线表示95%显著性检验阈值,红色虚线表示突变时间)

Table 2. The timing of Arctic SIA decadal abrupt change in different sectors and seasons was analyzed by * 9-year moving t-test. The year is marked by * when exceeding the 95% confidence level of t-test

表2. 不同扇区不同季节海冰面积进行9年滑动t-检验得到的突变时间,*表示通过95%的显著性水平

4. 总结与讨论

本文利用NSIDC提供的北极海冰密集度数据,计算了北极海冰面积异常时间序列,较为全面地分析了北极海冰的年代际变化特征。主要结论如下:

整个北极区域平均海冰密集度异常时间序列存在显著的振荡减小和年代际突变特征,滑动t检验结果表明该年代际突变发生在2002年前后,与北极放大显著加强有关。这种年代际转折在空间上呈现出北极地区东西半球的非同步变化特征,且西半球普遍早于东半球,且除了夏秋季节在太平洋以北的东西伯利亚海以及楚科奇海海域,海冰年代际突变时间介于格陵兰岛以西北极海域以及欧亚大陆以北海域年代际突变时间之间,各季节海冰年代际突变时间整体呈现东西半球海冰年代际突变不同步的特征。

根据北极海冰密集度年代际突变空间分布不同步的特征,将整个北极海冰划分为三个扇区,分别为:西半球的格陵兰扇区(120˚W~15˚E)、东西半球过渡区域的太平洋扇区(160˚E~120˚W)和东半球的欧亚扇区(15˚E~160˚E)。根据上述划分的三个扇区,分别计算三个扇区海冰密集度和海冰面积异常时间序列,发现二者变化非常一致,反映出北极海冰快速融化的年代际突变特征。三个扇区海冰面积异常时间序列呈现明显的年代际转折现象,但转折时间不一致。格陵兰扇区四个季节都表现出1997~1998年的年代际突变,随后是太平洋扇区在2002年左右出现年代际转折,但主要发生在夏季和秋季;最后是欧亚扇区,从2004年开始各季节都出现海冰的年代际加速融化特征。整个北极海冰年代际突变时间按照从格陵兰扇区沿着“顺时针”方向到欧亚扇区依次推迟,呈现出北极东西半球海冰年代际突变非同步的变化特征。

北极不同区域海冰融化的这种年代际突变特征,可能与全球变暖背景下北极放大在21世纪初海冰反照率正反馈作用的加强有关 [2] [24] [25]。但是北极的增暖是整个北极大范围区域的现象,格棱兰和欧亚扇区的海冰融化都同时受到这种正反馈机制的作用,为什么北极不同区域海冰融化的这种年代际突变不同时发生?其产生原因和机制分析将是个值得继续研究的科学问题。

基金项目

本文受国家自然科学基金项目(42075024,41906194)的资助。

NOTES

*通讯作者。

参考文献

[1] Masson-Delmotte, V., et al. (2018) Global Warming of 1.5 ℃: An IPCC Special Report on the Impacts of Global Warm-ing of 1.5 ℃ above Pre-Industrial Levels and Related Global Greenhouse Gas Emission Pathways, in the Context of Strengthening the Global Response to the Threat of Climate Change, Sustainable Development, and Efforts to Eradicate Poverty. World Meteorological Organization, Geneva.
[2] Screen, J.A. and Simmonds, I. (2010) The Central Role of Diminishing Sea Ice in Recent Arctic Temperature Amplification. Nature, 464, 1334-1 337.
https://doi.org/10.1038/nature09051
[3] Stroeve, J.C., Serreze M.C., Holland, M.M., et al. (2012) The Arctic’s Rapidly Shrinking Sea Ice Cover: A Research Synthesis. Climatic Change, 110, 1005-1027.
https://doi.org/10.1007/s10584-011-0101-1
[4] Zwally, H.J., Li, J., Benner, A.C., et al. (2011) Greenland Ice Sheet Mass Balance: Distribution of Increased Mass Loss with Climate Warming; 2003-07 versus 1992-2002. Journal of Glaciology, 57, 88-102.
https://doi.org/10.3189/002214311795306682
[5] Khan, S.A., Kjær, K., Bevis, M., et al. (2014) Sustained Mass Loss of the Northeast Greenland Ice Sheet Triggered by Regional Warming. Nature Climate Change, 4, 292-299.
https://doi.org/10.1038/nclimate2161
[6] The IMBIE Team (2018) Mass Balance of the Antarctic Ice Sheet from 1992 to 2017. Nature, 558, 219-222.
https://doi.org/10.1038/s41586-018-0179-y
[7] Liu, J., Song, M., Horton, R.M., et al. (2013) Reducing Spread in Climate Model Projections of a September Ice-Free Arctic. Proceedings of the National Academy of Sciences of the Unit-ed States of America, 110, 12571-12576.
https://doi.org/10.1073/pnas.1219716110
[8] Huang, F., Zhou, X. and Wang, H. (2017) Arctic Sea Ice in CMIP5 Climate Model Projections and Their Seasonal Variability. Acta Oceanologica Sinica, 36, 1-8.
https://doi.org/10.1007/s13131-017-1029-8
[9] Wang, B., Zhou, X., Ding, Q., et al. (2021) Increasing Confidence in Projecting the Arctic Ice-Free Year with Emergent Constraints. Environmental Research Letters, 16, Article ID: 094016.
https://doi.org/10.1088/1748-9326/ac0b17
[10] Cohen, J., Screen, J.A., Furtado, J.C., et al. (2014) Recent Arctic Amplification and Extreme Midlatitude Weather, Nature Geoscience, 7, 627-637.
https://doi.org/10.1038/ngeo2234
[11] Horton, D.E., Johnson, N.C., Singh, D., et al. (2015) Contribution of Changes in Atmospheric Circulation Patterns to Extreme Temperature Trends. Nature, 522, 465-469.
https://doi.org/10.1038/nature14550
[12] Francis, J.A. and Vavrus, S.J. (2012) Evidence Linking Arctic Amplifica-tion to Extreme Weather in Mid-Latitudes. Geophysical Research Letters, 39, Article ID: L06801.
[13] Francis, J.A., and Vavrus, S.J. (2015) Evidence for a Wavier Jet Stream in Response to Rapid Arctic Warming. Environmental Re-search Letters, 10, Article ID: 014005.
https://doi.org/10.1088/1748-9326/10/1/014005
[14] Tang, Q., Zhang, X. and Yang, X. (2013) Cold Winter Extremes in Northern Continents Linked to Arctic Sea Ice Loss. Environmental Re-search Letters, 8, Article ID: 014036.
https://doi.org/10.1088/1748-9326/8/1/014036
[15] Overland, J.E. and Wang, M. (2015) Increased Variability in Early Winter Subarctic North American Atmospheric Circulation. Journal of Climate, 28, 7297-7305.
https://doi.org/10.1175/JCLI-D-15-0395.1
[16] Lawrence, D.M., Slater, A.G., Tomas, R.A., et al. (2008) Accelerated Arctic land Warming and Permafrost Degradation during Rapid Sea Ice Loss. Geophysi-cal Research Letters, 35, Article ID: L11506.
https://doi.org/10.1029/2008GL033985
[17] Post, E. and Forchhammer, M.C. (2008) Climate Change Reduces Reproductive Success of an Arctic Herbivore through Trophic Mismatch. Philosophical Transactions of the Royal Socie-ty B, 363, 2367-2373.
https://doi.org/10.1098/rstb.2007.2207
[18] 隋翠娟, 张占海, 吴辉碇, 李熠. 1979-2012年北极海冰范围年际和年代际变化分析[J]. 极地研究, 2015, 27(2): 174-182.
[19] 王宏, 周晓, 黄菲. 大气环流优势模态对北极海冰变化的响应Ⅰ. 北极涛动[J].海洋学报, 2015, 37(11): 57-67.
[20] Wei, J.F. and Su, J. (2014) Mechanism of an Abrupt Decrease in Sea-Ice Cover in the Pacific Sector of the Arctic during the Late 1980s. Atmosphere-Ocean, 52, 434-445.
https://doi.org/10.1080/07055900.2014.970505
[21] Comiso, J.C. and Nishio, F. (2008) Trends in the Sea Ice Cover Using Enhanced and Compatible AMSR-E, SSM/I, and SMMR Data. Journal of Geophysical Research: Oceans, 113, Article ID: C02S07.
https://doi.org/10.1029/2007JC004257
[22] Ogi, M. and Rigor, I.G. (2013) Trends in Arctic Sea Ice and the Role of Atmospheric Circulation. Atmospheric Science Letters, 14, 97-101.
https://doi.org/10.1002/asl2.423
[23] Wang, Y., Huang, F. and Fan, T. (2017) Spatial-Temporal Variations of Arctic Amplification and Their Linkage with the Arctic Oscillation. Acta Oceanologica Sinica, 36, 43-52.
https://doi.org/10.1007/s13131-017-1025-z
[24] Crook, J.A., Forster, P.M. and Stuber, N. (2011) Spatial Patterns of Modeled Climate Feedback and Contributions to Temperature Response and Polar Amplification. Journal of Climate, 24, 3575-3592.
https://doi.org/10.1175/2011JCLI3863.1
[25] Taylor, P.C., Cai, M., Hu, A., et al. (2013) A Decomposition of Feedback Contributions to Polar Warming Amplification. Journal of Climate, 26, 7023-7043.
https://doi.org/10.1175/JCLI-D-12-00696.1