Aggiornamento riguardante il volume del ghiaccio marino artico per il mese di giugno 2022

Aggiornamento riguardante il volume del ghiaccio marino artico per il mese di giugno 2022

Modello
Per questo progetto viene utilizzato un sistema di modellazione e assimilazione ghiaccio-oceano panartico (PIOMAS). PIOMAS è un modello parallelo accoppiato per l’oceano e il ghiaccio marino (POIM, Zhang e Rothrock 2003) con la capacità di assimilare dati sulla concentrazione e sulla velocità del ghiaccio. È formulato in un sistema di coordinate ortogonali curvilinee generalizzate (GOCC) e progettato per funzionare su computer con un singolo processore o con processori paralleli di massa. PIOMAS abbina il Parallel Ocean Program (POP) a un modello di distribuzione dello spessore e dell’entalpia (TED) del ghiaccio marino. Il modello POP è stato sviluppato presso il Los Alamos National Laboratory.Il modello TED per il ghiaccio marino è un modello termodinamico dinamico che simula in modo esplicito anche il ridging del ghiaccio marino. Il modello trae origine dalla teoria della distribuzione dello spessore del ghiaccio su scala subgriglia di Thorndike et al. (1975) ed è arricchito dalla teoria della distribuzione dell’entalpia del ghiaccio su scala subgriglia (Zhang and Rothrock, 2001). Sono state create 12 categorie su scala subgriglia per lo spessore del ghiaccio, l’entalpia del ghiaccio e la neve. Questo modello TED multicategoriale è costituito da sette componenti principali: una reologia del ghiaccio viscoso-plastica a goccia di Zhang e Rothrock (2005) che determina la relazione tra lo stress interno del ghiaccio e la sua deformazione (Hibler 1979), una funzione di ridistribuzione meccanica che determina il ridging del ghiaccio (Thorndike et al. 1975; Rothrock, 1975; Hibler, 1980), un’equazione della quantità di moto che determina il movimento del ghiaccio, un’equazione del calore che determina la crescita/decadimento del ghiaccio e la sua temperatura, un’equazione di distribuzione dello spessore del ghiaccio che conserva la massa del ghiaccio (Thorndike et al. 1975; Hibler, 1980), un’equazione di distribuzione dell’entalpia del ghiaccio che conserva l’energia termica del ghiaccio(Zhang and Rothrock, 2001) e un’equazione di distribuzione dello spessore della neve che conserva la massa della neve (Flato e Hibler, 1995).L’equazione del momento del ghiaccio viene risolta utilizzando il modello di dinamica del ghiaccio di Zhang e Hibler (1997) che impiega una tecnica di rilassamento a linee successive con un risolutore di matrice tridiagonale, che è stato trovato particolarmente utile per il calcolo parallelo (Zhang and Rothrock, 2003).L’equazione del calore viene risolta su ciascuna categoria di spessore del ghiaccio utilizzando un modello termodinamico a tre strati modificato (Winton, 2000). L’ultimo PIOMAS è stato in grado di simulare 12 categorie di distribuzione delle dimensioni dei banchi di ghiaccio marino su scala subgrid (Zhang et al., 2015, 2016) e la distribuzione dei bacini di fusione (Zhang et al., 2018). La configurazione della griglia a differenze finite di PIOMAS è mostrata di seguito.La griglia del modello è una griglia GOCC allungata con il polo nord della griglia spostato verso la Groenlandia. In questo modo il modello raggiunge la massima risoluzione nel Mare di Groenlandia, nella Baia di Baffin e nell’arcipelago canadese orientale. Questo dà al modello un collegamento abbastanza buono tra l’Oceano Artico e l’Oceano Atlantico attraverso il Mare di Groenlandia-Islanda-Norvegia (GIN) e il Mare del Labrador. La risoluzione orizzontale media è di 22 km per i mari Artico, di Barents, Groenlandese-Islandese-Norvegese (GIN) e la Baia di Baffin.Il modello è incorporato a senso unico in un modello  global POIM (GIOMAS) introducendo condizioni al contorno aperte lungo il confine meridionale (~ 43oN).L’output mensile di GIOMAS viene utilizzato per le condizioni al contorno aperte. Il modello è stato guidato dai dati di rianalisi NCEP/NCAR. Ulteriori informazioni su PIOMAS e le analisi in corso sono disponibili sul sito http://psc.apl.uw.edu/research/projects/arctic-sea-ice-volume-anomaly/.

Riferimenti

Flato, G. M., and W. D. Hibler, III, 1995: Ridging and strength in modeling the thickness distribution of Arctic sea ice. J. Geophys. Res., 100, 18,611-18,626.

Hibler, W. D. III, 1979: A dynamic thermodynamic sea ice model. J. Phys. Oceanogr., 9, 815-846.

Hibler, W. D. III, 1980: Modeling a variable thickness sea ice cover. Mon. Wea. Rev., 108, 1943-1973.

Thorndike, A. S., D. A. Rothrock, G. A. Maykut, and R. Colony, 1975: The thickness distribution of sea ice. J. Geophys. Res., 80, 4501-4513.

Winton, M., 2000: A reformulated three-layer sea ice model. J. Atmos. Ocean. Tech., 17, 525-531.

Zhang, J. and W.D. Hibler: On an efficient numerical method for modeling sea ice dynamicsJ. Geophys. Res.102, 8691-8702, 1997.

Zhang, J., and D.A. Rothrock: A thickness and enthalpy distribution sea-ice modelJ. Phys. Oceanogr., 31, 2986-3001, 2001.

Zhang, J., and D.A. Rothrock: Modeling global sea ice with a thickness and enthalpy distribution model in generalized curvilinear coordinatesMon. Wea. Rev., 131(5),  681-697, 2003.

Zhang, J., and D.A. Rothrock, The effect of sea-ice rheology in numerical investigations of climateJGeophys. Res., 110, C08014, doi:10.1029/2004JC002599, 2005.

Zhang, J., A. Schweiger, M. Steele, and H. Stern, Sea ice floe size distribution in the marginal ice zone: Theory and numerical experimentsJ. Geophys. Res. Oceans120, doi:10.1002/2015JC010770, 2015.

Zhang, J., H. Stern, B. Hwang, A. Schweiger, M. Steele, M. Stark, and H.C. Graber, Modeling the seasonal evolution of the Arctic sea ice floe size distributionElementa4:000126, doi:10.12952/journal.elementa.000126, 2016.

Zhang, J., A. Schweiger, M. Webster, B. Light, M. Steele, C. Ashjian, R. Campbell, and Y. Spitz, Melt pond conditions on declining Arctic sea ice over 1979-2016: Model development, validation, and results, J. Geophys. Res. Oceans, 123, https://doi.org/10.1029/2018JC014298, 2018.

Anomalia del volume del ghiaccio marino artico
Il volume del ghiaccio marino viene calcolato utilizzando il Pan-Arctic Ice Ocean Modelling and Assimilation System  (PIOMAS, Zhang and Rothrock, 2003) sviluppato presso l’APL/PSC. Le anomalie per ogni giorno sono calcolate rispetto alla media del periodo 1979-2020 per quel giorno dell’anno per eliminare il ciclo annuale. Il ciclo annuale medio del volume di ghiaccio marino in questo periodo varia da 28.000 km3 in aprile a 11.500 km3 in settembre. La linea blu rappresenta il trend calcolato dal 1° gennaio 1979 alla data più recente mostrata nella figura. Le aree ombreggiate rappresentano una e due deviazioni standard dei residui dell’anomalia rispetto al trend nella Fig. 1 e le deviazioni standard intorno alla media giornaliera 1979-2017 nella Fig. 2.

Figura 1 Anomalia del volume del ghiaccio marino artico da PIOMAS aggiornata mensilmente. Le anomalie giornaliere del volume del ghiaccio marino per ogni giorno sono calcolate in base alla media 1979-2021 per quel giorno dell’anno. I segni di spunta sull’asse temporale rappresentano il 1° giorno dell’anno. La tendenza per il periodo dal 1979 a oggi è mostrata in blu. Le aree ombreggiate indicano una e due deviazioni standard dalla tendenza. Le barre di errore mostrano l’incertezza dell’anomalia mensile tracciata una volta all’anno.

La Figura 2 mostra il volume totale del ghiaccio marino artico ricavato da PIOMAS, il ciclo medio annuale e il volume tra il 2011 e il 2020. Le aree ombreggiate indicano una e due deviazioni standard dalla media.

Aggiornamento annuale

L’anno 2021 si è concluso con un volume medio annuo di ghiaccio marino che è stato il settimo più basso mai registrato, pari a 13 800 km3, con gli ultimi anni strettamente raggruppati (vedi Figura 11). Il 2017 detiene ancora il record di volume annuale con 12 800 km3

Figura 11. Volume medio annuale del ghiaccio marino secondo PIOMAS

Aggiornamento mensile per il mese di giugno 2022

Il volume medio del ghiaccio marino artico nel giugno 2022 è di 17.000 km3. Questo valore è il nono più basso mai registrato per il mese di giugno, circa 1.700 km3 al di sopra del record stabilito nel 2017. Il volume mensile di ghiaccio è inferiore del 48% rispetto al valore massimo del 1979 e del 22% rispetto alla media 1979-2021. Il volume medio di ghiaccio del giugno 2022 era di 1,2 deviazioni standard al di sopra della linea di tendenza 1979-2021. Per quanto riguarda le anomalie di crescita del ghiaccio per il mese di giugno 2022, esse sono scese nella fascia media dell’ultimo decennio (Fig. 4), con uno spessore medio del ghiaccio (oltre 15 cm) che si colloca nel mezzo dei valori recenti. La mappa delle anomalie dello spessore del ghiaccio per il giugno 2022 rispetto al periodo 2011-2020 (Fig. 6) continua lo schema dei mesi precedenti, che divide l’Artico in due metà con anomalie positive nell'”Artico occidentale”, una forte anomalia positiva nel Beaufort orientale, ma anomalie negative nell'”Artico orientale”. Lo sviluppo di un’anomalia positiva dello spessore del ghiaccio nel Beaufort orientale sembra essere legato a un’anomala deriva del ghiaccio marino a febbraio che ha trasportato il ghiaccio lungo la costa canadese nel Beaufort (Fig. 12). Le anomalie positive in Groenlandia e nel Mare di Barents sembrano essere legate a un’estensione del ghiaccio marino superiore alla norma in queste regioni. Lo spessore del ghiaccio di CryoSat 2 mostra un modello simile di anomalie dello spessore del ghiaccio marino durante aprile, l’ultimo mese prima che i dati CS2 vengano sospesi nel periodo estivo. Le serie temporali di aprile per entrambe le serie di dati (Figura 8) non presentano una tendenza chiara negli ultimi 11 anni. Il confronto con la serie temporale di 43 anni 1979-2022 sottolinea l’importanza della variabilità naturale in serie temporali relativamente brevi come quelle disponibili da CS2. Entrambe le registrazioni mostrano una stretta corrispondenza in termini di grandezza e presentano una variabilità temporale simile.

Fig. 4 Confronto delle anomalie giornaliere del volume di ghiaccio marino rispetto al periodo 1979-2021.

Figura 6. Anomalia dello spessore del ghiaccio secondo PIOMAS per il mese di giugno 2022 rispetto al periodo 2011-2020.

Figura 12. PIOMAS Febbraio 2022 Movimento del ghiaccio e anomalie (2011-2020)

Figura 8. Serie temporale dell’anomalia del volume del ghiaccio marino secondo CryoSat-2 (AWI v 2.4) e PIOMAS per il mese di marzo.

Obiettivo
Il volume del ghiaccio marino è un importante indicatore climatico. Dipende sia dallo spessore che dall’estensione dei ghiacci ed è quindi più direttamente collegato alle forzature climatiche rispetto alla sola estensione. Tuttavia, il volume del ghiaccio marino artico non è attualmente osservabile in modo continuo. Le osservazioni da satelliti, sottomarini navali, ormeggi e misurazioni sul campo satellitesNavy submarinesmoorings, sono tutte limitate nello spazio e nel tempo. L’assimilazione delle osservazioni nei modelli numerici fornisce attualmente un mezzo per prevedere in modo continuo le variazioni di volume del ghiaccio marino per diversi decenni. Confrontare le previsioni del modello sullo spessore del ghiaccio con le osservazioni ci aiuta a verificare la nostra comprensione dei processi rappresentati nel modello che sono importanti per la formazione e lo scioglimento del ghiaccio marino.

Versioni
Versione 2.1

Abbiamo identificato un errore di programmazione nella procedura che interpola i dati sulla concentrazione di ghiaccio prima dell’assimilazione. L’errore riguardava solo i dati relativi agli anni 2010-2013. Questi dati sono stati rielaborati e sono ora disponibili nella versione 2.1. Lo spessore del ghiaccio è generalmente maggiore nell’area di Beaufort e nel Mare di Chukchi, con le maggiori differenze di spessore durante il mese di maggio. Le differenze di volume del ghiaccio sono fino all’11% in più nella tarda primavera.

La figura 5 mostra le differenze di volume tra la versione 2.0 e la versione 2.1.

Versione 2. 0

Questa serie temporale del volume di ghiaccio è stata ottenuta utilizzando una versione aggiornata del programma PIOMAS (15 giugno 2011). Questa versione aggiornata migliora le versioni precedenti assimilando la temperatura della superficie del mare (SST) per le regioni prive di ghiaccio e utilizzando una diversa parametrizzazione per la resistenza del ghiaccio. Il confronto delle stime di PIOMAS con le osservazioni dello spessore del ghiaccio mostra una riduzione degli errori rispetto alla versione precedente. La tendenza a lungo termine diminuisce a circa -2,8 km3 103/decade da -3,6 km3 103/decade della versione precedente. I nostri confronti con i dati e con i modelli alternativi dimostrano che questa nuova tendenza è una stima prudente della tendenza reale. La novità di questa versione è che forniamo statistiche sull’incertezza. Maggiori dettagli sono disponibili in  Schweiger et al. 2011. Il miglioramento del modello è un’attività di ricerca continua nel PSC e gli aggiornamenti del modello possono avvenire a intervalli irregolari. Quando il modello viene aggiornato, l’intera serie temporale viene rielaborata e pubblicata.

Modello e procedura di assimilazione

PIOMAS è un modello numerico con componenti per il ghiaccio marino e l’oceano e la capacità di assimilare alcune osservazioni. Per la modellazione del volume di ghiaccio qui illustrata, il modello assimila le informazioni sulla concentrazione del ghiaccio marino dal prodotto NSIDC in tempo quasi reale per migliorare le stime dello spessore del ghiaccio e assimila i dati SST dalla rianalisi  NSIDC near-real time product  nelle aree prive di ghiaccio. I dati SST della rianalisi NCEP/NCAR si basano su un’analisi Reynolds SST giornaliera globale ad alta risoluzione che utilizza osservazioni satellitari e in situ (Reynolds e Marsico, 1993; Reynolds et al., 2007). Le informazioni atmosferiche che guidano il modello, ovvero il vento, la temperatura superficiale dell’aria e la copertura nuvolosa per il calcolo della radiazione solare e delle onde lunghe, sono specificate dalla rianalisi  NCEP/NCAR reanalysis. Il modello oceanico pan-artico viene potenziato con input dal modello oceanico globale in corrispondenza dei suoi confini aperti situati a 45 gradi di latitudine nord.

http://psc.apl.uw.edu/research/projects/arctic-sea-ice-volume-anomaly/

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.

Translate »