Temperature Stagionali nell’Antartide Occidentale durante l’Olocene

https://www.nature.com/articles/s41586-022-05411-8

Il recupero di registri climatici proxy a lungo termine con risoluzione stagionale è raro a causa di processi di omogeneizzazione naturale, discontinuità e limitazioni nella risoluzione delle misurazioni. Tuttavia, la forzante solare, un driver primario dei cambiamenti climatici su scala multimillenaria, esercita il suo effetto attraverso variazioni stagionali con impatti diretti sul clima stagionale. La sensibilità del clima stagionale alla forzante solare rispetto alle previsioni teoriche non è stata valutata su lunghe scale temporali. In questo studio, analizziamo un record continuo dei rapporti isotopici dell’acqua dal nucleo di ghiaccio del Divide della Calotta Glaciale dell’Antartide Occidentale per rivelare variazioni delle temperature estive e invernali negli ultimi 11.000 anni. Le temperature estive nell’Antartide Occidentale hanno mostrato un incremento durante l’inizio e la metà dell’Olocene, raggiungendo un apice circa 4.100 anni fa, per poi diminuire fino ai giorni nostri. Le simulazioni dei modelli climatici indicano che queste variazioni riflettono principalmente cambiamenti nell’insolazione estiva massima, confermando il legame generale tra insolazione stagionale e riscaldamento e dimostrando l’importanza dell’intensità dell’insolazione piuttosto che dell’insolazione integrata stagionalmente o della durata delle stagioni. Le temperature invernali hanno mostrato minori variazioni complessive, in linea con le previsioni basate sulla forzante solare, ma hanno anche subito fluttuazioni durante l’inizio dell’Olocene, probabilmente a causa di variazioni nel trasporto di calore meridionale. L’ampiezza delle variazioni delle temperature estive e invernali delimita l’abbassamento della superficie della Calotta Glaciale dell’Antartide Occidentale dall’inizio dell’Olocene a meno di 162 metri e, con probabilità, a meno di 58 metri, in accordo con i vincoli geologici osservati in altre aree dell’Antartide Occidentale.

Ricostruzioni delle Temperature Stagionali e Forzante dell’Insolazione

Milankovitch ha formulato l’ipotesi che le variazioni dell’orbita e dell’asse terrestri guidino i cambiamenti climatici su scale temporali di decine di migliaia di anni modificando il ciclo stagionale dell’insolazione¹. Controllando le temperature estive e l’ablazione dei ghiacci, si pensa che l’insolazione estiva nelle alte latitudini settentrionali guidi i cambiamenti del volume globale dei ghiacciai su scale temporali glaciali-interglaciali⁸. Anche se gli studi di modellazione supportano questa idea⁹,¹⁰, le evidenze empiriche della specifica risposta climatica ai cambiamenti dell’insolazione derivano quasi interamente da ricostruzioni della temperatura media annuale¹¹,¹² o dagli effetti indiretti su, per esempio, i gas intrappolati e gli strati di fusione nei ghiacci polari¹³,¹⁴ e i depositi eolici marini¹⁵. L’assenza di ricostruzioni della temperatura stagionale ha impedito la prova diretta della forzante dell’insolazione sul clima stagionale, una relazione che può variare geograficamente. In Antartide, lunghi record di più cicli glaciali-interglaciali hanno sostenuto diverse ipotesi su se gli effetti dell’insolazione estiva siano più fortemente correlati alla sua intensità massima, al suo integrale stagionale o alla durata sopra una soglia²,³,¹⁶,¹⁷. Determinazioni empiriche specifiche per sito fornirebbero test preziosi di tali idee concorrenti.

Ricostruzioni delle Temperature Stagionali

Abbiamo ricostruito la variabilità della temperatura stagionale nell’Antartide Occidentale durante l’Olocene (gli ultimi 11.000 anni) ed effettuato esperimenti di modellazione per comprendere i suoi controlli fisici. L’Olocene offre un intervallo temporale per valutare l’influenza della forzante orbitale senza gli effetti complicanti della deglaciazione dell’emisfero settentrionale¹⁸. La nostra ricostruzione (Fig. 1 e 2) utilizza il record ad alta risoluzione degli isotopi dell’acqua (δD) dal nucleo di ghiaccio del Divide della Calotta Glaciale dell’Antartide Occidentale (WAIS) (WDC)¹⁸–²⁰ (Metodi—Isotopi dell’acqua; Dati Supplementari Fig. 1a,b), ottenuto con una tecnica a flusso continuo che fornisce una risoluzione di profondità a scala millimetrica²¹. Le età degli strati sono state determinate precedentemente²,²².

I record delle temperature stagionali dai nuclei di ghiaccio sono limitati dalla risoluzione delle misurazioni e dalla perdita di informazione dovuta alla diffusione degli isotopi dell’acqua. In Groenlandia, i record più lunghi che separano la variabilità estiva e invernale si estendono solo fino a 2 migliaia di anni fa (ka) (riferimenti ²³,²⁴), mentre per periodi più antichi sono disponibili solo simulazioni di modelli climatici¹⁰. Per l’Antartide, prima di questo studio, i record più lunghi coprivano solo alcuni secoli²⁵. Una combinazione di tre fattori spiega l’ambito notevolmente maggiore della nostra ricostruzione: eccezionale risoluzione in profondità delle misurazioni, condizioni al Divide WAIS (alta accumulazione, bassa temperatura e spesso strato di ghiaccio) che consentono la conservazione delle informazioni subannuali per tutto l’Olocene²⁶ e una strategia di analisi che supera il rumore interannuale valutando le medie millenarie dei parametri stagionali.

Il nostro metodo corregge le variazioni degli isotopi dell’acqua per diffusione²⁶–²⁸ e valuta le incertezze incluse il bias di conservazione e l’intermittenza delle precipitazioni (Metodi—Correzioni per diffusione e Incertezze nella ricostruzione delle temperature). La correzione per diffusione agisce sui dati ad alta risoluzione e produce serie temporali isotopiche dalle quali sono state estratte le ampiezze stagionali estive-invernali. Queste sono state convertite in temperature utilizzando una scala derivata da modello²⁹ (6,96‰ δD °C⁻¹; Metodi—Temperature Stagionali) e sommate alle temperature medie annuali precedentemente ricostruite³⁰ per ottenere le cronologie estive e invernali.

La Figura 1 illustra la variabilità stagionale degli isotopi dell’acqua, in particolare del deuterio (δD), nel nucleo di ghiaccio del West Antarctic Ice Sheet (WAIS) Divide. Ecco una spiegazione dei diversi pannelli:

a) In questa sezione del grafico, sono visualizzate due serie temporali del rapporto isotopico del deuterio (δD) nel ghiaccio. La serie con la linea tratteggiata mostra i dati grezzi del rapporto δD, mentre la serie con la linea continua rappresenta i dati corretti per tenere conto della diffusione degli isotopi nel ghiaccio, un processo che può alterare i segnali originali degli isotopi con il passare del tempo. I punti massimi e minimi, rappresentati dai cerchi rossi e blu, sono determinati mediante un algoritmo e rappresentano rispettivamente i picchi isotopici estivi e invernali. Questo è un esempio di come i dati ad alta risoluzione possano essere utilizzati per estrarre informazioni stagionali dettagliate dal nucleo di ghiaccio.

b) Il pannello mostra le medie delle ampiezze annuali calcolate su periodi di 50 anni (ottenute prendendo la differenza tra i valori massimi estivi e minimi invernali e dividendo il risultato per due), insieme alla loro incertezza espressa come due deviazioni standard (2σ), che fornisce un’indicazione dell’affidabilità dei dati. La linea orizzontale rappresenta la media delle ampiezze per l’intero periodo dell’Olocene considerato nello studio.

c-e) Questi tre pannelli mostrano la media su 50 anni del rapporto δD per le stagioni estiva (c), media annuale (d) e invernale (e). La linea orizzontale in ciascun grafico indica la media dell’intero Olocene per la rispettiva categoria. Le regioni ombreggiate indicano i limiti di incertezza a 2σ, che considerano sia l’errore analitico sia l’incertezza legata alla correzione per la diffusione degli isotopi. Ciò è importante per fornire una stima affidabile di quanto il segnale isotopico possa essere stato alterato nel tempo e quale sia il vero segnale climatico registrato dal nucleo di ghiaccio.

Questi dati sono fondamentali per comprendere come il clima stagionale in Antartide sia cambiato nel corso dell’ultimo Olocene e per valutare la risposta climatica alle variazioni dell’insolazione determinate dai cicli di Milankovitch. La ricostruzione accurata delle temperature stagionali è cruciale per testare i modelli climatici e per comprendere i meccanismi che guidano i cambiamenti climatici su scala temporale di migliaia di anni.

Tendenze Stagionali

Le temperature estive presso la WAIS Divide (Fig. 2a) sono generalmente aumentate durante l’inizio e il medio Olocene, hanno persistito al massimo tra circa 5 e 1,5 ka, poi sono diminuite verso il presente, con un intervallo totale dell’Olocene di circa 2°C. Queste variazioni si correlano ampiamente con l’insolazione massima locale, piuttosto che con l’insolazione estiva integrata o la durata dell’estate (Fig. 3d,e). Le temperature invernali (Fig. 2c) sono variate meno di quelle estive in generale (circa 1°C di intervallo) ma hanno anche fluttuato intorno a 10 a 8 ka, una variazione troppo rapida per essere attribuita alla forzante orbitale. I cambiamenti della temperatura media annuale della WAIS Divide^30 (Fig. 2e) sono stati notevolmente influenzati dalla variabilità invernale all’inizio dell’Olocene, mentre la variabilità estiva domina il modello complessivo dell’Olocene (Metodi—Relazione tra la media annuale e le stagioni individuali; Dati Estesi Tabella 2). La variabilità estiva spiega anche la maggior parte del raffreddamento negli ultimi 2 kyr, indicando che il raffreddamento medio annuale di circa 1°C dell’intera Antartide occidentale durante questo periodo^31,^32 riflette anch’esso questa stagione. Nessuna delle stagioni al WDC ha sperimentato l’ottimo dell’inizio dell’Olocene né il raffreddamento complessivo dell’Olocene che appare in alcune ricostruzioni della temperatura globale^33,^34. Per valutare la significatività delle tendenze multimillenarie dominanti in ogni stagione, abbiamo eseguito un’analisi di Monte Carlo (Metodi—Analisi di tendenza) utilizzando 4 ka come punto di demarcazione in estate (questo è il momento della temperatura estiva massima) e 6 ka in inverno (quando le temperature invernali si stabilizzano). Per l’estate (Fig. 2b) ciò indica una probabilità superiore al 95% che il riscaldamento dall’11 al 4 ka e il raffreddamento dal 4 ka al presente abbiano superato rispettivamente 0,7°C e 0,6°C. Per l’inverno, la tendenza dall’11 al 6 ka è indistinguibile da zero, mentre un raffreddamento maggiore di circa 0,3°C dal 6 a 0 ka è avvenuto con una probabilità superiore al 95% (Fig. 2d).

Figura 2 – Ricostruzione delle temperature stagionali

Panel a: Mostra la temperatura estiva ricostruita presso il West Antarctic Ice Sheet Divide (WDC) con una media su 1000 anni (linea solida rossa). Le aree ombreggiate indicano le incertezze a 1σ e 2σ, che considerano incertezze combinate derivanti da analisi, correzione per diffusione, stagionalità dell’accumulo, intermittenza delle precipitazioni, calibrazione isotopo-temperatura e temperature medie ricostruite. Sono anche presentate le temperature calcolate dal Modello di Bilancio Energetico della Mesoscala (MEBM) per 80°S (valori annuali massimi e minimi) e le temperature zonali HadCM3 per 80°S (fine dicembre per l’estate, metà agosto per l’inverno) dai modelli ORBIT, GLAC1D e ICE-6G. Il modello ORBIT a 0 ka utilizza impostazioni preindustriali, una configurazione non disponibile per GLAC1D o ICE-6G. La normalizzazione è effettuata a 1 ka, momento in cui tutte le simulazioni dei modelli si intersecano entro una differenza di 0,05°C e la configurazione della calotta glaciale è ben definita. I valori di ICE-6G a 11 ka per l’estate e l’inverno sono -3,93°C e -10,82°C, rispettivamente.

Panel b: Presenta gli istogrammi delle variazioni nette di temperatura per gli intervalli di tempo specificati, calcolate tramite analisi di Monte Carlo che tiene conto delle incertezze sistematiche e non sistematiche.

Panel c: Rappresenta la temperatura invernale ricostruita presso la WDC con una media su 1000 anni (linea solida blu). Le aree ombreggiate indicano le incertezze a 1σ e 2σ come nel panel a, e sono mostrati anche i risultati dei modelli.

Panel d: Simile al panel b ma per le tendenze della temperatura invernale.

Panel e: Illustra la temperatura media annuale alla WDC con i limiti di incertezza a 1σ e 2σ. La Tabella dei Dati Estesi 2 illustra quale parte della variabilità della temperatura media annuale può essere spiegata dalle temperature estive e invernali.

I coefficienti di determinazione (R²) per il confronto tra i risultati dei modelli e le temperature WDC sono alti per l’estate (HadCM3 ORBIT R² = 0,93, P ≪ 0,001; MEBM R² = 0,80, P ≪ 0,001), indicando una forte correlazione per i dati estivi, ma non per l’inverno (HadCM3 ORBIT R² = 0,00, P = 0,85; MEBM R² = 0,05, P = 0,30), suggerendo una correlazione debole o inesistente. Tuttavia, l’accordo per le temperature invernali migliora se si considera solo il periodo da 0 a 6 ka (HadCM3 ORBIT R² = 0,74, P = 0,01; MEBM R² = 0,39, P = 0,02), suggerendo una correlazione moderata per quel periodo specifico.

Questi risultati suggeriscono che le ricostruzioni delle temperature estive si allineano bene con le previsioni dei modelli, mentre le ricostruzioni invernali sono meno coerenti, ma migliorano quando si considera un periodo di tempo più breve e recente.

Modello di Bilancio Energetico Umido

Per valutare come le variazioni dell’insolazione, guidate dalle orbite, possano spiegare le temperature ricostruite dal WAIS Divide (Fig. 2), abbiamo inizialmente simulato la storia termica a 80° S utilizzando un modello globale di bilancio energetico umido a media zonale (risoluzione di 2°) che considera la radiazione in entrata e uscita, l’albedo e il trasporto di calore atmosferico meridionale (Metodi—Modello di Bilancio Energetico Umido). Il modello è azionato da variazioni stagionali dell’insolazione alla sommità dell’atmosfera (TOA) (Fig. 3a–e); per questa latitudine, l’insolazione estiva massima aumenta fino a circa 2,5 ka e i valori medi annui e quelli integrati annui e estivi mostrano per lo più un declino durante l’Olocene. I calcoli forniscono temperature massime estive e ampiezze di temperatura stagionali (Fig. 3g) che covariano con l’insolazione massima estiva locale (Fig. 3e) e con il modello generale delle nostre temperature estive ricostruite (Dati Supplementari Fig. 7). Sebbene il riscaldamento alle latitudini più basse possa influenzare la temperatura antartica attraverso il trasporto di calore atmosferico e oceanico, le temperature massime estive modellate al WAIS Divide mostrano la migliore correlazione con l’insolazione locale (70° a 90° S, R² = 0,9, P ≪ 0,001 durante 0 a 6 ka) piuttosto che con l’insolazione in qualsiasi area dalle latitudini subtropicali alle subpolari (20° a 60° S, R² = 0,33–0,55, P < 0,05). Infatti, i modelli indicano un’esportazione di calore dal WAIS Divide in estate (Dati Supplementari Fig. 4k), anziché un’importazione da località più a nord. Dato che dicembre è sempre il mese di massima insolazione (Fig. 3a–c), la variabilità dell’insolazione di dicembre domina la risposta della temperatura massima estiva. Per l’inverno, le temperature modellate sono meno variabili rispetto a quelle estive a 80° S (Fig. 3g) a causa dell’assenza di insolazione diretta (Fig. 3b) e presentano un trend opposto. I minimi invernali dipendono da tre fattori: i cambiamenti nella durata della stagione senza insolazione, il tasso di raffreddamento effettivo della superficie e il trasporto di calore convergente dalle latitudini inferiori. Le temperature minime invernali più basse si verificano quando la stagione senza insolazione è più lunga. Tuttavia, né la durata della stagione senza insolazione, né le temperature minime modellate, né la divergenza del calore invernale mostrano una buona correlazione con le temperature invernali ricostruite.

La Figura 3 presenta dati e modellazioni relative all’insolazione e alle temperature durante l’Olocene a 80° S, una latitudine che corrisponde approssimativamente al polo sud geografico. Analizziamo ciascun pannello:

Pannello a: Mostra la variazione dell’insolazione, ovvero la quantità di radiazione solare ricevuta al di sopra dell’atmosfera, a 80° S durante l’Olocene per i mesi di dicembre e gennaio, insieme alla loro media. L’insolazione di dicembre è particolarmente rilevante perché corrisponde al periodo estivo nell’emisfero australe e mostra la maggiore somiglianza con la ricostruzione delle temperature estive del sito WAIS Divide.

Pannello b: Illustra l’intero ciclo stagionale dell’insolazione a 80° S, rappresentato in “istantanee” di 500 anni durante l’Olocene. Le varie curve, colorate in base all’età, indicano come cambia l’insolazione a questa latitudine nei diversi mesi dell’anno, lungo l’arco temporale dell’Olocene.

Pannello c: Presenta un focus sull’insolazione durante i mesi estivi, mostrando che il picco di insolazione si verifica sempre nella seconda metà di dicembre, ma che la data esatta di questo picco si sposta di circa 8 giorni nel corso dell’Olocene. L’ombreggiatura grigia segnala il periodo di massima insolazione.

Pannello d: Espone le tendenze dell’insolazione media annuale (linea nera), l’insolazione integrata annuale (linea rossa tratteggiata) e l’insolazione integrata estiva (linea rossa piena) durante l’Olocene. Questi grafici mostrano come varia l’energia totale ricevuta dal Sole a 80° S durante l’anno e durante la stagione estiva nel corso di migliaia di anni.

Pannello e: Indica l’intensità massima dell’insolazione estiva (linea nera) e la durata dell’estate (linee rosse), definita come il numero di giorni ogni anno in cui l’insolazione supera un determinato valore soglia. Questo panello riflette sia la variazione dell’intensità dell’insolazione che i cambiamenti nella durata del periodo in cui l’insolazione è abbastanza forte da essere considerata “estiva”.

Pannello f: Visualizza l’anomalia dell’insolazione massima attraverso diverse latitudini nell’emisfero meridionale, con i colori che rappresentano diverse fasce di latitudine. La linea spessa blu indica la latitudine specifica del sito WAIS Divide. Questo grafico evidenzia come varia l’insolazione massima in diverse parti dell’emisfero sud e come questi cambiamenti sono distribuiti geograficamente.

Pannello g: Presenta le temperature calcolate a 80° S tramite il modello MEBM, mostrando il valore massimo estivo (linea rossa), il valore minimo invernale (linea blu), e l’ampiezza del ciclo di temperatura stagionale (linea nera). Questi dati modellati forniscono una rappresentazione di come le temperature potrebbero aver oscillato a questa latitudine nel corso dell’Olocene, influenzate dalla variazione dell’insolazione.

La figura nel suo complesso collega la variabilità dell’insolazione alle temperature modellate, dimostrando l’influenza dell’insolazione sul clima, in particolare per quanto riguarda le temperature estive e invernali a latitudini polari. Queste relazioni sono fondamentali per comprendere i meccanismi dietro le variazioni climatiche passate e per migliorare le proiezioni climatiche future.

Simulazioni del Modello di Circolazione Generale HadCM3

Per esplorare il ruolo di fattori più complessi, inclusi i cambiamenti topografici non considerati nel modello MEBM, abbiamo condotto simulazioni del clima olocenico utilizzando il modello di circolazione generale pienamente accoppiato, HadCM3 (riferimento 35) (Metodi—Simulazioni modello HadCM3). Le simulazioni guidate unicamente dai cambiamenti dei parametri orbitali hanno prodotto temperature massime estive (corrispondenti approssimativamente al solstizio di dicembre) a 80° S, che sono simili sia ai nostri valori ricostruiti sia a quelli del MEBM: con un incremento lungo l’Olocene, con un picco tra 4 e 3 ka, e una diminuzione nell’epoca moderna (scenari ORBIT, Fig. 2a). Questo andamento riflette il ruolo predominante dell’insolazione massima estiva nel determinare le temperature estive osservate. La somiglianza tra l’incremento delle temperature estive nel primo e medio Olocene (11–6 ka) nelle simulazioni HadCM3 influenzate dalle forzanti orbitali e la nostra ricostruzione indica un limitato impatto delle variazioni di altezza e estensione delle calotte glaciali.

Un confronto analogo per il periodo invernale mostra una diminuzione di circa 1,25 °C nelle temperature del modello ORBIT (Fig. 2c) rispetto a un lieve incremento delle temperature rilevato nelle nostre ricostruzioni (Fig. 2d; con una probabilità superiore al 90% di un aumento superiore a 0,1 °C), suggerendo un riscaldamento conseguente ad un abbassamento delle calotte glaciali.

In seguito, come condizioni al contorno nelle simulazioni HadCM3, abbiamo impostato concentrazioni variabili di gas serra (GHG) e due differenti storie evolutive delle calotte glaciali, GLAC1D e ICE-6G, che comportano una riduzione netta della superficie di circa 83 m e circa 208 m, rispettivamente, da 11 a 7 ka presso il sito WDC (Fig. 4a). Questi scenari di variazione dell’altitudine hanno un effetto considerevole sulle temperature simulate (Fig. 2a,c). La maggior parte del riscaldamento indotto da queste variazioni di altitudine nei modelli, che si verifica primariamente nell’Olocene iniziale, può essere direttamente attribuita all’effetto della diminuzione della temperatura con l’altitudine (effetto lapse-rate) (Fig. 4b). Comunque, il confronto con le simulazioni che considerano solo le variazioni orbitali (Fig. 4c) mostra una persistente anomalia termica (Fig. 4d), che può essere attribuita ai GHG, all’estensione delle calotte glaciali e alle risposte non lineari alle forzanti imposte simultaneamente.

L’effetto del ghiaccio marino sulla temperatura a 80° S durante l’estate è ritenuto marginale (Metodi—Ghiaccio marino; Dati Supplementari Fig. 6).

Esistono incongruenze tra i diversi scenari della calotta glaciale (Fig. 4d) e tra le stagioni estive e invernali, ma le differenze sono abbastanza minori da permettere una stima delimitata della reale diminuzione dell’elevazione durante l’Olocene. Questo calcolo viene effettuato confrontando l’eccesso dell’aumento della temperatura ricostruito rispetto alla simulazione solo orbitale con lo stesso eccesso per le simulazioni dei modelli delle calotte glaciali e scalando alle variazioni di elevazione usate in queste ultime (Metodi—Stima delle variazioni di elevazione). Troviamo stime centrali per la diminuzione dell’elevazione di 23 m e 53 m rispetto agli scenari GLAC1D e ICE-6G, rispettivamente, nel periodo 10 a 3,5 ka (Tabella 1). Tenendo conto delle incertezze nelle ricostruzioni delle temperature stagionali (Fig. 2) si permette variazioni di elevazione che vanno da un aumento di 33 m a una diminuzione di 131 m (2σ) dal 10 a 3,5 ka o da un aumento di 54 m a una diminuzione di 162 m (2σ) se l’intervallo temporale è ristretto dal 10 a 6,5 ka (Tabella 1). I nostri risultati sono dunque coerenti con le osservazioni geologiche degli alti livelli di ghiaccio sui nunatak montani, che indicano un abbassamento della superficie olocenica di meno di 100 m4–6.

Le temperature invernali nella terraferma antartica devono rispondere alle forzanti dell’insolazione indirettamente, tramite il trasporto di calore dalle latitudini inferiori. I modelli di forzante orbitale prevedono un raffreddamento invernale durante l’Olocene, principalmente dall’11 al 6 ka (Fig. 2c e 3g). Entrambi i modelli e le temperature invernali ricostruite non mostrano un massimo olocenico tardivo. Ma nel primo Olocene, la ricostruzione invernale non mostra la tendenza al raffreddamento prevista dai modelli ed è dominata da prominenti variazioni millenarie. La mancata corrispondenza con l’insolazione alle latitudini inferiori e l’assenza di forzanti locali suggerisce variazioni nell’efficacia del trasporto di calore atmosferico meridionale.

La Figura 4 mostra le possibili storie di elevazione delle calotte glaciali durante l’Olocene e le corrispondenti temperature modellate utilizzando il modello HadCM3.Pannello a: Mostra le traiettorie storiche dell’elevazione della calotta glaciale utilizzate nelle simulazioni HadCM3. La linea tratteggiata rappresenta la storia dell’elevazione secondo il modello GLAC1D, che inizia da un valore 96 m superiore all’attuale elevazione a 11 ka (11.000 anni fa). La linea continua rappresenta il modello ICE-6G, con un’altitudine iniziale 222 m superiore rispetto ai giorni nostri.

Pannello b: Le anomalie di temperatura risultanti dal cambiamento di elevazione per i modelli GLAC1D (linee solide) e ICE-6G (linee tratteggiate) sono calcolate utilizzando un lapse rate atmosferico di 9,8 °C km⁻¹ e due diversi lapse rate spaziali per l’interno dell’Antartide Occidentale: 12 °C km⁻¹ e 14 °C km⁻¹, come indicato nei riferimenti [45] e [46] rispettivamente.

Pannello c: Presenta le anomalie di temperatura residua per il mese di dicembre (estate nell’emisfero australe) nel modello HadCM3, calcolate sottraendo i risultati della corsa ORBIT dalle corse GLAC1D e ICE-6G mostrate in Figura 2a. Questo mette in evidenza la porzione di cambiamento di temperatura attribuibile al cambiamento di elevazione piuttosto che all’insolazione.

Pannello d: Mostra il cambiamento di temperatura residuo dal pannello b sottratto dai risultati nel pannello c. In altre parole, viene mostrato il cambiamento di temperatura che può essere attribuito a processi diversi dall’effetto diretto del lapse rate (LR) e dalla forzante orbitale. Le linee tratteggiate e solide rappresentano rispettivamente i modelli ICE-6G e GLAC1D, mentre le linee colorate rappresentano i diversi lapse rate applicati.

Le anomalie di temperatura nel pannello d indicano l’influenza di fattori aggiuntivi al di là del cambiamento diretto di elevazione e dell’insolazione, quali la variazione dei gas serra, l’estensione delle calotte glaciali e le risposte non lineari alle forze combinate che sono state applicate ai modelli.

Considerazioni Stagionali e Insolazione nell’Interpretazione del Clima dell’Antartide Occidentale durante l’Olocene

Diverse e numerose proxy sono impiegate per ricostruire le temperature superficiali medie globali, allo scopo di valutare i modelli climatici e differenziare la variabilità climatica naturale da quella antropogenica. La dipendenza di queste proxy da fattori stagionali è stata valutata soltanto in pochi casi. Il nostro studio sull’Antartide occidentale offre un esempio di monito: la storia della temperatura media annua rispecchia differenti fattori di controllo per le temperature estive e invernali, la cui rilevanza varia nel tempo. In tali circostanze, dinamiche stagionali significative possono essere trascurate, o le proxy potrebbero essere interpretate erroneamente, quando si considera unicamente il clima medio. Inoltre, l’integrazione di maggiori informazioni provenienti dalle regioni polari meridionali dovrebbe aiutare a evitare bias nelle valutazioni della temperatura globale, bias associati alla prevalenza delle ricostruzioni di temperatura nei siti settentrionali, che hanno generato interpretazioni divergenti della relazione tra clima globale e forzanti nell’Olocene, incluse tendenze contrapposte.

Analisi precedenti, effettuate con modelli atmosferici semplificati, hanno identificato la durata dell’estate nell’emisfero meridionale come una variabile chiave nel determinare il clima antartico su scale temporali orbitali. Alcuni ritrovamenti paleoclimatici supportano questa affermazione; ad esempio, l’inizio del riscaldamento deglaciale nell’Antartide occidentale coincide con un aumento dell’insolazione estiva integrata. I nostri risultati, che coprono circa metà di un ciclo di precessione, evidenziano un ruolo predominante dell’insolazione massima annuale nel determinare il clima estivo dell’Antartide occidentale durante l’Olocene, senza escludere un’influenza maggiore della durata o dell’insolazione estiva integrata in altri periodi, quali le terminazioni glaciali.

Metodi

Abbiamo misurato gli isotopi dell’acqua del carotaggio del Divide dell’Antartico Occidentale (WDC) usando uno spettrometro di massa a flusso continuo (vedi la successiva sezione sugli Isotopi dell’acqua) e corretto per la diffusione cumulativa usando tecniche spettrali speciali per determinare le lunghezze di diffusione e ripristinare le ampiezze prediffusionali (vedi sezione su Diffusione e correzioni; Dati Estesi Fig. 1e). I massimi estivi e i minimi invernali sono stati identificati in queste curve per ogni anno. Abbiamo poi calcolato le ampiezze delle temperature estive e invernali per ciascun anno usando un metodo di stima indipendente (vedi sezione sul fattore di scalatura delle temperature stagionali) e sommato questi valori alle temperature medie annuali precedentemente ricostruite per ottenere stime significative delle temperature estive e invernali. Processi stagionali importanti richiedono correzioni su scale secolari o millenarie per ridurre l’incertezza (vedi sezione su Incertezze nel ricalco stagionale a decennale). Per chiarire i controlli fisici sulle temperature stagionali e mensili, abbiamo utilizzato un modello semplice di bilancio energetico e modelli HadCM3 per calcolare i cambiamenti attesi nelle temperature superficiali stagionali e mensili nel tempo sotto variabilità dei confini (vedi sezioni su Bilancio dell’umidità stagionale e simulazioni del modello HadCM3). Infine, utilizzando sia osservazioni che modellazioni, abbiamo stimato i cambiamenti nella massa del WDC durante l’Olocene (vedi sezione sulla Stima dei cambiamenti di elevazione del WDC).

Gli isotopi dell’acqua del WDC (Dati Estesi Fig. 1a) sono stati analizzati usando uno spettrometro di massa a flusso continuo Picarro L2130-i. “δ¹⁸O” e “δD” sono stati acquisiti su una base annuale attraverso un repositioning del trapano da ghiaccio, che ha prodotto profondità che vanno da 4.517 a 4.651 anni. Tutti gli altri dati isotopici dell’Olocene sono stati precedentemente pubblicati e descritti in modo simile. I dati sono espressi in δ notation (δ¹⁸O o δD, permil) rispetto allo Vienna Standard Mean Ocean Water (VSMOW) e normalizzati alla deviazione standard della precipitazione media antartica (δ¹⁸O = -55.5‰, δD = -428‰). Il WDC è stato analizzato dettagliatamente con un’accuratezza migliore di 0.5‰ per l’intervallo da 0 a 1.2 ka (riferimento 27). Con una risoluzione temporale media di 52 campioni all’anno, l’intervallo medio di campionamento è di 0.019 anni e la media è di 0.1±0.05 anni, variando da circa 2.6 settimane a 10 giorni sopra il Lago Vostok.

Correzioni per la Diffusione

La diffusione nel firn e nel ghiaccio attenua le alte frequenze dei segnali isotopici nelle carote di ghiaccio. Le lunghezze di diffusione quantificano lo spostamento isotopico e la dispersione delle molecole d’acqua dalla loro posizione originale. Abbiamo impiegato un codice di inversione sviluppato da Johnsen et al. che utilizza metodi di massima entropia per calcolare le lunghezze di diffusione basate su uno spettro di potenza osservato. Come input per queste inversioni, abbiamo determinato le lunghezze di diffusione (vedi Dati Estesi Fig. 1e) per 140 finestre temporali consecutive utilizzando metodi preesistenti. La potenza spettrale del segnale isotopico osservato nel record del WDC (P(f)) dopo la diffusione è P(f) = P₀(f)exp[-(2πf)²σ²], dove P₀(f) è la potenza spettrale pre-diffusione, f è la frequenza (1/anno), σ è la lunghezza di diffusione (m), λ è la lunghezza d’onda (m), e d è la profondità (m). Lo spettro di potenza corretto per la diffusione si calcola come P(f) = P₀(f)/Pexp[-(2πf)²σ²], per la lunghezza di diffusione σ (m), e σ ora ha unità di 1/√anno. Il Δd_avg = λ²/πσ, dove Δd_avg è lo spessore medio annuo del ghiaccio (m/anno) a una data profondità. Gli spettri di potenza corretti per la diffusione assumono la forma di una serie di funzioni delta di Dirac moltiplicate per F(f) = √[X²(f) + X²(f)] e lo spettro di fase φ è ottenuto da φ(f) = arctan(X(f)/X(f)). I componenti reali dell’ampiezza e dello spettro di fase forniscono il segnale isotopico dell’acqua corretto per la diffusione δl(f) come segue:

Le incertezze su δl(f) sono determinate utilizzando la gamma di incertezza per le lunghezze di diffusione calcolate in ogni finestra di 140 anni. Prima dell’analisi spettrale, i dati isotopici sono interpolati linearmente a un intervallo di tempo uniforme di 0,05 anni. La nostra determinazione dell’attenuazione diffusiva e della correzione deriva direttamente dagli spettri di frequenza osservati e pertanto è completamente indipendente dai modelli di diffusione e densificazione della neve compatta.

Amplitude Stagionali degli Isotopi dell’Acqua

Per selezionare gli estremi stagionali (estate e inverno) nel segnale δD corretto per la diffusione (Figura 1a e Dati Supplementari Figura 1b), abbiamo impiegato la funzione findpeaks di MATLAB. Le Figure 1c,e illustrano le serie temporali risultanti per l’estate e l’inverno, mediate con un filtro boxcar di 50 anni per una maggiore chiarezza delle tendenze. Per ogni anno definito nella scala temporale del WDC, abbiamo calcolato il δD medio corretto per diffusione. La differenza tra i due estremi e la media definisce le amplitudini isotopiche stagionali di estate e inverno.

Temperature Stagionali

Una conversione lineare ha trasformato le amplitudini isotopiche stagionali in amplitudini di temperatura stagionale, utilizzando una sensibilità degli isotopi alle temperature superficiali determinata dal modello semplificato degli isotopi dell’acqua (SWIM). Infine, per determinare le temperature di estate e inverno, abbiamo sommato le amplitudini di temperatura stagionale individuali alla temperatura media annuale, precedentemente ottenuta calibrando il record degli isotopi dell’acqua contro le temperature dei sondaggi geotermici e i vincoli di δ¹⁵N sulla spessorità del firn.

SWIM si basa su modelli numerici precedenti di distillazione di tipo Rayleigh, che simulano il trasporto e la distillazione dell’umidità lungo gradienti di temperatura climatologici. Man mano che l’aria umida viene trasportata verso i poli e si raffredda, la pressione di vapore saturo decresce in modo non lineare e l’umidità in eccesso viene rimossa tramite precipitazioni. Il modello monitora i frazionamenti isotopici a ogni passaggio di questo processo di distillazione. Nella maggior parte dei modelli semplici precedenti, vi è un’incoerenza nel calcolo della supersaturazione che determina il punto di condensazione, influenzando il frazionamento isotopico cinetico. Le modifiche apportate a questi modelli precedenti, implementate in SWIM, garantiscono coerenza nel calcolo, risultando in una relazione più fluida tra temperatura e i valori δ delle precipitazioni e un migliore accordo con i modelli spaziali osservati di δD e δ¹⁸O. Fornendo in input i dati di δD e δ¹⁸O, SWIM calcola le distribuzioni delle temperature di origine, i gradienti di temperatura dei cammini pseudo-adiabatici e la temperatura di condensazione. Abbiamo utilizzato SWIM per derivare sensibilità per le scalature isotope-temperatura superficiale utilizzando dati WDC corretti per diffusione, ottenendo una scalatura superficiale di 6.96‰ δD °C ^-1. Utilizzando dati grezzi, la scalatura superficiale è di 7.07‰ δD °C^-1. In confronto ad altre scalature isotope-temperatura, il riferimento 55 riporta circa 6.56‰ δD °C^-1 e il riferimento 30 circa 7.10‰ δD °C ^-1 (entrambi convertiti da δ¹⁸O a δD usando un fattore di 8).

Incertezze nella Ricostruzione delle Temperature

Abbiamo incluso le incertezze associate ai seguenti fattori: analisi delle misurazioni, correzione per la diffusione, stagionalità dell’accumulazione, intermittenza delle precipitazioni, scalatura modello isotope-temperatura e storia della temperatura media. L'”incertezza dell’analisi” è pari a 0,55‰ per δD (1σ) (referenza 21). L'”incertezza della correzione per diffusione” è descritta nella referenza 26. L’incertezza della ricostruzione della temperatura media, calcolata in precedenza nella referenza 30, rappresenta la maggior parte dell’incertezza nell’Ollocene precoce ma solo una piccola frazione nell’Ollocene avanzato. Le sezioni “Incertezza del bias di conservazione stagionale” fino a “Scalatura isotope-temperatura e incertezza associata” di seguito spiegano gli altri termini di incertezza. Le incertezze per alcuni fattori (analisi e correzione per diffusione) possono essere trattate come variabili aleatorie indipendenti, per cui, con la media temporale, le loro magnitudini diminuiscono come l’inverso della radice quadrata del numero dei valori. Le incertezze per altri fattori (intermittenza, scalatura isotope-temperatura, temperatura media e stagionalità) potrebbero essere sistematicamente distorte e, quindi, le loro magnitudini sono considerate invarianti rispetto all’intervallo di mediazione. Sulla base delle incertezze a 2σ per le temperature estive e invernali (Fig. 2a,c), abbiamo valutato la significatività delle tendenze dominanti mediante analisi di Monte Carlo (Fig. 2b,d; sezione sull’analisi delle tendenze qui sotto).

Incertezza del Bias di Conservazione Stagionale

Una distribuzione stagionale diseguale delle precipitazioni nevose potrebbe comportare differenze nelle magnitudini di diffusione per le ampiezze invernali ed estive^49. Il ciclo delle temperature stagionali influisce altresì sulla magnitudine della diffusione per tutte le stagioni. Abbiamo impiegato il Community Firn Model (CFM)^56,^57, un modello di evoluzione del firn con moduli accoppiati per la temperatura del firn, la densificazione del firn e gli isotopi dell’acqua, per testare come un accumulo ponderato stagionalmente influenzi la diffusione di record isotopici ipotetici specificati, evolvendo dalla neve superficiale (δDₛₙₒ_w), allo strato nevoso consolidato nel firn (δD_firn), fino al ghiaccio solido al di sotto della profondità di chiusura dei pori (δD_ice). Abbiamo applicato il calcolo della retrodiffusione (sezione sulle Correzioni per Diffusione) a δD_ice per stimare il δD_snow originale. Successivamente, abbiamo valutato come le ricostruzioni di δD_snow potrebbero essere fraintese a causa di differenti ponderazioni dell’accumulo stagionale (Dati Supplementari Fig. 2a,b).Abbiamo condotto cinque simulazioni CFM utilizzando intervalli temporali mensili per l’accumulo, la temperatura e gli isotopi (Tabella 1 dei Dati Supplementari). Il ciclo stagionale per δD_snow si basa sull’ampiezza media in Fig. 1b (15,43‰). Cinque scenari di accumulo WAIS sono stati testati basandosi sull’accumulo mensile dal modello climatico regionale MAR3.6 (Modèle Atmosphérique Régional; forzato da ERA-Interim)^58, che copre il periodo da gennaio 1979 a dicembre 2017. L’accumulo medio sull’intero periodo di 39 anni è di 0,24745 m equivalente di ghiaccio anno^-1, con circa 1,6 volte più neve in inverno (da aprile a settembre) rispetto all’estate (da ottobre a marzo). Gli scenari sono i seguenti: (1) ‘costante’: accumulo identico per tutti i mesi (0,0206 m equivalente di ghiaccio mese^-1; un dodicesimo della media annuale); (2) ‘ciclo’: accumulo mensile uguale alle medie mensili di MAR; (3) ‘rumore’: utilizzando la serie temporale ‘ciclo’, aggiungiamo rumore ad ogni passo temporale nella serie ‘ciclo’ sotto forma di una variabile casuale normale di media zero e deviazione standard del mese da MAR; (4) ‘casuale’: per ogni mese, l’accumulo è una variabile casuale normale con media e deviazione standard pari ai valori mensili di MAR; e (5) ‘loop’: l’intera serie temporale di accumulo di 39 anni di MAR viene ripetuta continuamente.

Per la condizione al contorno della temperatura, abbiamo utilizzato la temperatura media a un’altezza di 2 metri per ogni mese del periodo 1979–2017, prevista da MAR, per creare un ciclo annuale della temperatura. Questa serie temporale di 12 mesi è stata ripetuta per la durata delle esecuzioni del modello. Questo metodo garantisce che le esecuzioni del modello, progettate per testare la stagionalità dell’accumulo, non siano influenzate dalla variabilità interannuale della temperatura, fornendo allo stesso tempo una stima del ciclo annuale della temperatura, che influisce sulla velocità di diffusione degli isotopi nel firn superiore.Le Figure dei Dati Supplementari 2a,b mostrano i risultati per i casi ‘costante’ e ‘ciclo’. La tecnica di correzione per diffusione ricostruisce accuratamente δD_snow per l’estate e l’inverno nello scenario di precipitazione ‘costante’, ma sottostima i valori estivi nello scenario ‘ciclo’ di MAR di circa 2,6‰, che rappresenta l’11% dell’intero intervallo dei valori isotopici dell’acqua estiva osservati nel WDC. I valori invernali sono sovrastimati di solo circa 0,6‰, circa il 3% dell’intero intervallo invernale, poiché l’inverno ha 1,6 volte più neve dell’estate. Le simulazioni ‘rumore’, ‘casuale’ e ‘loop’ producono risultati entro 0,3‰. Questi esperimenti con il CFM dimostrano che tendenze secolari negli isotopi dell’acqua estivi e invernali dell’ordine di alcuni per mil (‰) potrebbero derivare da grandi cambiamenti nella ponderazione dell’accumulo stagionale, mentre tendenze multimillenarie significativamente maggiori di 2,6‰ sono improbabili che siano causate dall’accumulo stagionale e possono quindi essere interpretate come segnali climatici di origine diversa. Per una media di 1.000 anni (come in Fig. 2), HadCM3 indica una ponderazione dell’accumulo stagionale (inverno:estate) da 1,3 a 1,7 durante l’Olocene (Figura dei Dati Supplementari 2f), che produce un’incertezza di 1σ di 0,27‰ basata sui criteri di test del CFM.

Per determinare osservativamente se la precipitazione nevosa stagionale è cambiata nel corso dell’Olocene, abbiamo utilizzato le concentrazioni misurate di carbonio nero (BC), l’unica impurità indipendente dalla scala cronologica. I dati BC sono disponibili da 0 a 2,5 ka e da 6 a 11 ka (referenza 22). I regimi stagionali di incendio in Sud America dominano le concentrazioni di BC al WDC, causando massimi e minimi di BC in autunno e primavera, rispettivamente^59 (Figura dei Dati Supplementari 2c). Abbiamo diviso ogni anno in due parti, caratterizzate da un aumento o una diminuzione di BC: BC1 e BC2, gli intervalli di profondità di aumento e diminuzione di BC (Figura dei Dati Supplementari 2d). La durata di BC2 è più lunga di BC1 a causa delle caratteristiche della fonte^59, quindi il rapporto BC1/BC2 < 1 (Figura dei Dati Supplementari 2e). Il rapporto BC1/BC2 può variare nel tempo a causa della variabilità della fonte, cambiamenti nel trasporto atmosferico o nella stagionalità della deposizione nevosa. Osserviamo poco cambiamento nel rapporto BC1/BC2 simile alle tendenze multimillenarie osservate nelle estati e negli inverni del WDC (Figura dei Dati Supplementari 2e). A meno che non ci siano effetti contrapposti e esattamente compensanti nella stagionalità (il cambiamento della fonte annulla esattamente il cambiamento nella deposizione e nel trasporto o altri scenari improbabili), i dati BC forniscono prove che i cambiamenti nella precipitazione nevosa stagionale al WDC non sono stati abbastanza grandi da influenzare le nostre interpretazioni climatiche multimillenarie.

Incertezza sull’Intermittenza delle Precipitazioni

La natura episodica delle precipitazioni nevose genera un registro incompleto delle variazioni climatiche locali^60, precludendo l’interpretazione di tendenze su intervalli temporali brevi. Miriamo a interpretare le variazioni isotopiche mediate su una scala temporale abbastanza estesa tale che, entro una tolleranza specificata, le tendenze non siano probabilmente attribuibili a rumore casuale derivante dalla dispersione delle distribuzioni conservate nel ghiaccio. Utilizzando le distribuzioni delle ampiezze annuali ricostruite (Fig. 1b e Figura dei Dati Supplementari 2g) per finestre di 1.000 anni lungo l’Olocene, abbiamo condotto simulazioni di campionamento Monte Carlo per determinare che lunghezze di mediazione di 250 anni sono necessarie per raggiungere un errore standard di 1‰, corrispondente a un rapporto ampiezza-rumore medio di 15. Per il periodo con la maggiore variabilità, centrato su 4 ka, l’errore standard per una media di 1.000 anni (come impiegato nella Fig. 2) è 0,52‰ (Figura dei Dati Supplementari 2h). Poiché si tratta di un’incertezza sull’ampiezza (e non un’incertezza associata a una stagione specifica), specifichiamo le incertezze σ₁ per estate e inverno come la metà di 0,52‰.

Scalatura Isotopo-Temperatura e Incertezza Associata

La conversione dei valori isotopici (mediati su 1.000 anni) in temperature produce tre curve sia per l’estate che per l’inverno: Tₙₒₘᵢₙₐₗ, T₊₁ₛᵢₐ, e T₋₁ₛᵢₐ. Ogni curva è normalizzata rispetto al valore a 1 ka (come fatto nella Fig. 2). La differenza tra le curve T₊₁ₛᵢₐ e T₋₁ₛᵢₐ offre l’intervallo di incertezza σ₁ da +σ_Tₛcₐₗₐ a −σ_Tₛcₐₗₐ, che vengono poi sommate in quadratura alle incertezze sulla temperatura media di riferimento 30, fornendo le stime di incertezza finale mostrate nella Fig. 2.

Relazione tra la Media Annuale e le Stagioni Singole

Utilizzando medie su 1.000 anni e 300 anni per le temperature estive, invernali e la media annuale (Figura dei Dati Supplementari 3c–f), abbiamo determinato i valori di R² per l’estate e l’inverno rispetto alla media. Successivamente, abbiamo sottratto le medie su 1.000 anni da quelle su 300 anni per ottenere i residui e, quindi, abbiamo nuovamente calcolato i valori di R² per l’estate e l’inverno rispetto alla media (Tabella dei Dati Supplementari 2). Dal 11 ka al 0 ka, le elevate correlazioni per l’estate nel confronto su 1.000 anni indicano una forte associazione della temperatura media annuale con quella estiva su scale temporali orbitali. Su scale suborbitali (residui di 300–1.000 anni), né l’estate né l’inverno spiegano in modo significativo la variabilità della media annuale e la media annuale rappresenta una composizione casuale delle due stagioni. Se consideriamo solo il periodo 11–7 ka, la variabilità invernale spiega maggiormente la media su scale submillenarie.

Analisi delle Tendenze

Per valutare la significatività delle tendenze dominanti nelle temperature stagionali ricostruite, abbiamo condotto un’analisi di Monte Carlo basandoci sull’assunzione che tutte le possibilità per la dipendenza temporale degli errori non conosciuti siano egualmente probabili. La motivazione fondamentale per questo approccio è che abbiamo determinato le magnitudini delle incertezze come funzione dell’età, ma non disponiamo di informazioni su se gli errori nella nostra ricostruzione persistano a valori simili per lunghi periodi di tempo (mostrino un bias) o fluttuino ad alta frequenza.

Abbiamo generato casualmente un grande numero di cronologie alternative delle temperature stagionali, regolate dalle incertezze sulle medie di 1.000 anni (Figura dei Dati Supplementari 3a,b), calcolato le tendenze della temperatura per ciascuna cronologia alternativa su intervalli temporali desiderati (come 11–4 ka e 4–0 ka) e compilato i risultati in distribuzioni di frequenza da cui calcolare le probabilità (Fig. 2b,d). Specificamente, ciascuna cronologia alternativa si discosta dalla ricostruzione delle temperature estiva e invernale di un ammontare che varia in modo uniforme nel tempo tra nodi casuali, i cui valori sono una variabile casuale gaussiana di media zero e deviazione standard per le medie di 1.000 anni all’età del nodo. Il numero di nodi e l’età di ogni nodo sono variabili casuali, distribuite uniformemente tra 1 e 11 nodi e tra 0 e 11 ka, rispettivamente. Un piccolo numero di nodi produce una cronologia della temperatura alternativa per cui il bias è correlato serialmente per millenni, mentre un numero elevato di nodi produce una cronologia per cui il bias non è correlato da un millennio all’altro.

Modello di Bilancio Energetico Umidità Stagionale (MEBM)

Abbiamo impiegato un Modello di Bilancio Energetico Umidità (MEBM) globale medio-zonale semplice per calcolare le temperature superficiali (Figura dei Dati Supplementari 4), considerando l’insolazione al Vertice dell’Atmosfera (TOA), l’emissione di onda lunga dipendente dalla temperatura verso lo spazio, un albedo dipendente dalla temperatura per simulare l’effetto di brillanza di neve e ghiaccio, e il trasporto orizzontale del calore atmosferico trattato come diffusione dell’energia statica umida vicino alla superficie^61-^63. Il modello presenta una risoluzione spaziale di 2 gradi, una singola superficie e un unico strato atmosferico, e una capacità termica della superficie basata sulla frazione relativa di superficie terrestre e oceanica nella media zonale. Lo scambio termico tra superficie e strato atmosferico deriva dalle differenze nella radiazione del corpo nero di ciascuno strato, nonché dagli scambi di calore sensibile e latente, proporzionali ai contrasti di temperatura e umidità specifica (assumendo un’umidità relativa costante dell’80%), in linea con le formule aerodinamiche di massa. Abbiamo calcolato il ciclo dell’insolazione annuale al TOA per ogni latitudine in intervalli temporali di 500 anni dal 0 al 11 ka. Per ogni intervallo temporale, il modello viene eseguito con una risoluzione temporale di 2 ore per 30 anni modello al fine di raggiungere l’equilibrio.

La Figura dei Dati Supplementari 4 mette a confronto l’evoluzione temporale della massima divergenza di calore estiva e della minima divergenza invernale atmosferica (∇·F) nel sito WDC con la massima temperatura estiva e la minima invernale del sito e l’insolazione. Sebbene i cambiamenti olocenici in ∇·F nel sito WDC siano correlati con la forzante dell’insolazione, l’entità dei cambiamenti nell’insolazione diretta massima supera di gran lunga quelli nella divergenza del calore atmosferico. Inoltre, i cambiamenti olocenici nella divergenza del calore estivo presentano un segno contrario a quello necessario per provocare un riscaldamento netto nel sito WDC (una divergenza positiva rappresenta un’esportazione di calore dall’atmosfera dal sito). Il trasporto di calore in Antartide è convergente nella media annua, ma diventa divergente in piena estate, quando l’insolazione in arrivo intensa eccede le emissioni di onda lunga dalla superficie fredda.

Simulazioni del Modello HadCM3

Configurazione del Modello

Abbiamo impiegato il modello accoppiato oceano-atmosfera HadCM3 (referenze 64,65), versione v.HadCM3BM2.1, che replica con precisione il clima del Pacifico tropicale e la sua reazione alla forzante glaciale^66. Le nostre simulazioni consistono in istantanee a intervalli di 1 kyr per gli ultimi 11 ka (referenza 35), con condizioni al contorno temporali specifiche relative alla forzante orbitale^67, concentrazioni di gas serra (GHG)^68,^69, topografia delle calotte glaciali e livello del mare^43,^44,^70–^74. Sono state effettuate tre tipologie di simulazione: (1) variazioni esclusivamente della forzante orbitale (ORBIT), mantenendo le altre condizioni al contorno ai valori preindustriali; (2) forzante combinata orbitale/GHG con la storia elevazionale delle calotte glaciali GLAC1D; e (3) forzante combinata orbitale/GHG con la storia elevazionale delle calotte glaciali ICE-6G. Le storie delle elevazioni sono illustrate in Fig. 4a. Le simulazioni istantanee sono state realizzate per un minimo di 500 anni, con un’analisi condotta sugli ultimi 100 anni. Simulazioni istantanee aggiuntive per il 10 ka hanno permesso di scomporre il ruolo delle diverse forzanti, come descritto nelle sezioni seguenti. La notevole differenza nelle forzanti tra il 10 ka e l’epoca olocenica tardiva preindustriale rende questo confronto particolarmente significativo.

Clima Estivo

Abbiamo analizzato la media zonale a 80°S nelle simulazioni per scenari ipotetici di 10 ka, variando le condizioni al contorno per confrontarle con quelle preindustriali/tardo Oloceniche. Queste simulazioni sono categorizzate come ‘solo ORBIT a 10 ka’; due esperimenti includono unicamente le calotte glaciali di 10 ka mantenendo inalterate le altre condizioni preindustriali, denominati ‘solo GLAC1D a 10 ka’ e ‘solo ICE-6G a 10 ka’; e due esperimenti con tutte le forzanti di 10 ka, chiamati ‘GLAC1D-all a 10 ka’ e ‘ICE-6G-all a 10 ka’. Nel caso di ‘solo ORBIT a 10 ka’, la riduzione della radiazione solare incidente al TOA provoca un notevole decremento della radiazione solare diretta sulla superficie (SWd) e conseguente raffreddamento. Anche la radiazione infrarossa verso il basso (LWd) diminuisce, presumibilmente a causa del raffreddamento atmosferico. Il flusso di calore sensibile (SHd) verso la superficie aumenta, indicando che l’atmosfera e la superficie non si raffreddano equamente; una causa di questo fenomeno è l’incrementata convergenza meridionale del calore (−∇·F).

Le modifiche nelle calotte glaciali inducono un raffreddamento estivo in entrambi gli scenari ‘solo GLAC1D a 10 ka’ e ‘solo ICE-6G a 10 ka’, primariamente attraverso una diminuzione di LWd. Un incremento di SWd, risultante dalla riduzione della profondità della colonna atmosferica al di sopra della superficie delle calotte glaciali, mitiga in parte la diminuzione di LWd. (La riduzione della colonna atmosferica diminuisce l’assorbimento di SW e tende a raffreddare l’atmosfera, diminuendo LWd). Entrambi gli scenari delle calotte glaciali comportano anche un aumento di −∇·F, attenuando parzialmente il raffreddamento estivo.

L’impiego di tutte le forzanti di 10 ka provoca un raffreddamento sia attraverso la radiazione infrarossa in arrivo (LWd) che la radiazione solare diretta (SWd). La riduzione di SWd è analoga sia in ‘10 ka GLAC1D-all’ che in ‘10 ka ICE-6G-all’ ed è leggermente inferiore rispetto a quella osservata in ‘10 ka ORBIT-only’, probabilmente a causa del fatto che una colonna atmosferica più ridotta diminuisce l’assorbimento. Il decremento di LWd in ‘10 ka GLAC1D-all’ e ‘10 ka ICE-6G-all’ supera quello registrato in ‘10 ka ORBIT-only’, ‘10 ka GLAC1D-only’ e ‘10 ka ICE-6G-only’. Questo evidenzia il ruolo cruciale dei feedback atmosferici. L’incremento della convergenza del calore −∇·F in entrambe le simulazioni segnala la presenza di feedback remoti, oltre ai feedback locali associati alla quantità di vapore acqueo presente nell’atmosfera.

La descrizione precedente dei cambiamenti nella media zonale per le simulazioni a 10 ka rispetto al periodo preindustriale è applicabile per l’intero arco dell’epoca Olocenica. La forzante orbitale da sola riduce SWd e LWd approssimativamente della stessa entità. Con la forzante completa (inclusi i ghiacciai), la diminuzione di LWd è all’incirca tre volte quella di SWd. Analizzando il bilancio energetico nel sito WDC (79,467° S, 112,085° O), i meccanismi sono conformi a quelli della media zonale. Le entità delle forzanti variano, ma una ridotta SWd continua a raffreddare la superficie, questo effetto è amplificato da un feedback di LWd che dipende dall’estensione delle calotte glaciali.

Clima Invernale

Durante l’inverno, la radiazione solare diretta (SWd) non rappresenta un fattore poiché il sole rimane sotto l’orizzonte, tuttavia si verifica ancora un riscaldamento della superficie a causa di un incremento della radiazione infrarossa discendente (LWd). Un aumento nella convergenza del calore atmosferico (−∇·F) nella configurazione ‘10 ka ORBIT-only’ induce un riscaldamento della temperatura atmosferica, incrementando LWd e il flusso di calore sensibile (SHd). Con l’introduzione di una calotta glaciale, la temperatura della superficie si abbassa. In entrambi gli scenari ‘10 ka GLAC1D-only’ e ‘10 ka ICE-6G-only’, si osserva una diminuzione di −∇·F, che porta a una riduzione di LWd e SHd. Con l’introduzione di tutte le forzanti di 10 ka, la variazione di temperatura risulta inferiore rispetto agli scenari che considerano solo le calotte glaciali. Nello scenario ‘10 ka GLAC1D-all’, non si registra alcun cambiamento in −∇·F, LWd o nella temperatura superficiale. Ciò suggerisce che l’incremento di −∇·F attribuibile alla forzante orbitale sia quasi perfettamente controbilanciato dal cambiamento in −∇·F dovuto alla configurazione delle calotte glaciali.

I meccanismi che governano il trasporto di calore in Antartide sono complessi e il modello HadCM3 potrebbe non essere completamente in grado di simularli con precisione. Le nostre simulazioni indicano che, durante l’inverno, i processi a distanza modificano il trasporto di calore, influenzando le temperature atmosferiche e di superficie. Elevare la topografia dell’Antartide tende a ridurre tale trasporto di calore (Figura dei Dati Supplementari 5), provocando un raffreddamento addizionale oltre all’effetto del gradiente termico verticale^75. Tuttavia, questo non può spiegare i cambiamenti significativi su scala millenaria registrati intorno a 9.2 e 7.9 ka (Fig. 1e e 2c). La complessità nell’interpretare la variabilità invernale dell’Olocene precoce nell’Antartide Occidentale necessita di ulteriori approfondimenti.

Variazioni del Ghiaccio Marino e Impatto sui Flussi Energetici Locali

Le modifiche nel ghiaccio marino possono influenzare significativamente i flussi energetici locali dall’oceano verso l’atmosfera. Nel contesto del modello HadCM3, si osserva una variazione nell’estensione del ghiaccio marino durante l’intero arco dell’Olocene. Per dimostrare che il ghiaccio marino non rappresenta il controllo primario sulla temperatura superficiale presso il sito WDC (80° S), abbiamo impiegato due diversi approcci analitici (illustrati nella Figura dei Dati Supplementari 6): (1) un’analisi di correlazione tra i cambiamenti del ghiaccio marino e la temperatura superficiale; (2) simulazioni mediante un modello esclusivamente atmosferico, nel quale abbiamo specificato variazioni individuali nelle condizioni al contorno del modello, includendo il ghiaccio marino.

Abbiamo identificato i modelli spaziali predominanti di variabilità del ghiaccio marino attraverso l’utilizzo di funzioni ortogonali empiriche (EOF) su tutte le simulazioni di HadCM3 (denominate ALL) e, separatamente, per tre gruppi di simulazioni sottostanti (ORBIT, GLAC1D e ICE-6G), nell’intervallo temporale 0-11 ka. Successivamente, abbiamo proiettato il ghiaccio marino simulato per ogni singola fetta temporale su questi modelli per calcolare l’ampiezza di variabilità del ghiaccio marino in ogni simulazione. Tale ampiezza è stata confrontata con le temperature a 80°S per analizzare come variazioni significative nel ghiaccio marino influenzino le temperature nei mesi di dicembre (estate) e luglio (inverno) (Figura dei Dati Supplementari 6).

Per la stagione invernale, abbiamo riscontrato correlazioni trascurabili tra il cambiamento del ghiaccio marino e le temperature in tutti i set di simulazioni (ALL: 0,02; ORBIT: 0,04; GLAC1D: 0,16; ICE-6G: 0,06), suggerendo che il ghiaccio marino invernale non gioca un ruolo significativo nella determinazione delle temperature a 80°S. Durante la stagione estiva, solamente la simulazione ORBIT mostra correlazioni significative tra le temperature e la variabilità del ghiaccio marino (ALL: 0,59; ORBIT: 0,84; GLAC1D: -0,60; ICE-6G: 0,36). Il segno delle correlazioni varia tra le simulazioni nonostante il modello di cambiamento del ghiaccio marino rimanga invariato in tutte le simulazioni. Da quest’analisi deduciamo che il ghiaccio marino non costituisce un fattore dominante nel controllo delle temperature a 80°S durante l’estate. La correlazione osservata nelle simulazioni ORBIT indica l’esistenza di una potenziale relazione tra ghiaccio marino e temperatura; per approfondire abbiamo condotto ulteriori simulazioni limitate all’atmosfera.

Nelle simulazioni che considerano esclusivamente l’atmosfera per gli anni 0 ka e 10 ka, abbiamo definito l’insolazione al limite superiore dell’atmosfera (TOA), la temperatura della superficie del mare (SST) e il ghiaccio marino a partire dalle simulazioni ORBIT. Per le aree terrestri e le regioni coperte da ghiaccio marino, il modello calcola la temperatura della superficie applicando lo schema di superficie terrestre integrato nel modello stesso. Il modello atmosferico impiegato è identico a quello utilizzato nel modello accoppiato oceano-atmosfera. Abbiamo condotto una serie di esperimenti variando la configurazione orbitale, la SST o il ghiaccio marino, come riassunto nella Tabella 3 dei Dati Supplementari.

La variazione media zonale del ghiaccio marino che abbiamo impostato è visibile nella Figura 6e dei Dati Supplementari, mentre il cambiamento nella SST può essere dedotto dalle Figure 6f–h dei Dati Supplementari. La Figura 6f dei Dati Supplementari dimostra che il modello esclusivamente atmosferico riproduce il cambiamento di temperatura osservato nel modello accoppiato. La Figura 6g dei Dati Supplementari evidenzia che l’effetto della configurazione orbitale di 10 ka (denominata ‘Atmos_10k_insol’) comporta un significativo raffreddamento dell’Antartide, di circa 0,5°C. Al di sopra dei 65°S, non si osserva alcuna variazione nella temperatura superficiale, rispondendo principalmente alla SST e al ghiaccio marino impostati, che rimangono invariati nel ‘Controllo’ e in ‘Atmos_10k_insol’. Imponendo la SST e il ghiaccio marino di 10 ka (‘Atmos_10k_ice_SST’), si registra un minimo cambiamento nella temperatura superficiale dell’Antartide, ma si notano alcune variazioni significative nella temperatura superficiale al di sopra dei 70°S. La Figura 6h dei Dati Supplementari mostra i risultati dell’applicazione della SST di 10 ka o del ghiaccio marino di 10 ka. La SST di 10 ka (‘Atmos_10k_SST’) tende a incrementare la temperatura dell’Antartide, in coerenza con i notevoli aumenti della SST al di sopra dei 65°S. La modifica del ghiaccio marino (‘Atmos_10k_ice’) tende, invece, a indurre un raffreddamento dell’Antartide. Entrambi gli effetti sono modesti, dell’ordine di circa 0,1°C e di segno contrario. Questo spiega il cambiamento netto ridotto nella variazione della temperatura superficiale dell’Antartide quando SST e ghiaccio marino vengono modificati contemporaneamente, come illustrato in ‘Atmos_10k_SST_ice’. È importante sottolineare che, in un sistema accoppiato, una variazione nel ghiaccio marino non può essere disaccoppiata da una variazione nella SST; quindi, l’effetto del ghiaccio marino sul clima non solo è limitato, ma è probabilmente accompagnato da un cambiamento compensativo nella SST.

Da queste analisi concludiamo che le variazioni nel ghiaccio marino e nella SST non rappresentano un motore dominante dei cambiamenti nella temperatura superficiale dell’Antartide.

La Figura dei Dati Supplementari 6e illustra che il cambiamento nel ghiaccio marino a 10 ka nelle simulazioni ORBIT è significativamente maggiore rispetto ai cambiamenti osservati sia in GLAC1D che in ICE-6G. Le simulazioni ORBIT non includono tutti i cambiamenti nelle condizioni al contorno presenti a 10 ka, risultando pertanto meno realistiche rispetto a quelle ottenute con ICE-6G o GLAC1D. Considerato che tanto ICE-6G quanto GLAC1D evidenziano variazioni molto più contenute nel ghiaccio marino e nella SST rispetto a ORBIT, si deduce che, realisticamente, anche il cambiamento nel ghiaccio marino e nella SST dovrebbe essere molto più limitato rispetto a quanto previsto da ORBIT. Di conseguenza, abbiamo concluso che il ghiaccio marino influisce in modo marginale sulla temperatura a 80° S durante l’estate.

Un’analisi analoga è stata condotta per la stagione invernale (non riportata). Abbiamo constatato che il modello esclusivamente atmosferico non si allinea efficacemente al modello accoppiato, simulando variazioni minime nella temperatura superficiale. Di conseguenza, procedere con una decomposizione dettagliata del modello atmosferico non risulta particolarmente informativo, in quanto fornisce indicazioni più sulle caratteristiche del modello stesso che non sui processi climatici reali. L’incapacità del modello esclusivamente atmosferico di riprodurre le variazioni a 10 ka suggerisce che l’importanza della SST e del ghiaccio marino risieda nel loro accoppiamento quotidiano con l’atmosfera piuttosto che in un cambiamento medio di lungo termine in questa stagione.

Stima dei Cambiamenti di Elevazione

Le temperature simulate dal modello HadCM3 per lo scenario ORBIT forniscono uno scenario di controllo, rispetto al quale le osservazioni possono essere confrontate per individuare il segnale dei cambiamenti di elevazione. Per un intervallo temporale selezionato, l’incremento di temperatura ricostruito netto, ΔT_R, supera quello di ORBIT di una quantità ΔT_r − ΔT_o. Questo può essere confrontato con il tasso di diminuzione effettivo della temperatura per unità di elevazione, (ΔT_m − ΔT_o)/ΔZ_m, definito da una simulazione HadCM3 che include cambiamenti topografici (modelli GLAC1D o ICE-6G) e tutte le forzanti, per un riscaldamento del modello ΔT_m e un decremento di elevazione del modello ΔZ_m. Specificatamente, il decremento di elevazione stimato è ΔZ_r = ΔZ_m((ΔT_r − ΔT_o)/(ΔT_m − ΔT_o)). Le ricostruzioni per l’estate e l’inverno offrono due valutazioni distinte, per le quali calcoliamo la media algebrica.

Per tenere conto delle incertezze in ΔT_r, è necessario riconoscere che le incertezze nelle ricostruzioni estive e invernali non sono indipendenti, pur emergendo da due fonti indipendenti: l’incertezza nella storia della temperatura media annuale (calcolata nel riferimento [30]) e l’incertezza nell’ampiezza stagionale (calcolata nel presente studio). In generale, l’incertezza della temperatura stagionale in un momento specificato è la somma in quadratura delle incertezze annuali e di ampiezza, che fornisce incertezze a 1σ e 2σ per una data stagione e momento. Tuttavia, se il valore reale della temperatura annuale è spostato di un ammontare ασ dalla ricostruzione nominale, questo deve valere sia per l’estate che per l’inverno. E se il valore reale dell’ampiezza è spostato di un ammontare βσ dalla ricostruzione nominale, lo spostamento della temperatura deve essere di +βσ in una stagione e di −βσ nell’altra.

Per stabilire i casi limite per il cambiamento di elevazione in un intervallo temporale specificato, abbiamo calcolato il cambiamento di temperatura massimale (o minimale) ΔT_r per una stagione, sottraendo il limite superiore (o inferiore) all’inizio dell’intervallo dal limite inferiore (o superiore) alla fine dello stesso, e calcolando inoltre il corrispondente ΔT_r per la stagione opposta, necessario a causa degli errori correlati. I decrementi di elevazione ΔZ_r sono stati poi determinati tramite confronto con le simulazioni HadCM3, come precedentemente specificato, e i valori estivi e invernali sono stati mediati. Questo procedimento è stato eseguito quattro volte per ciascun intervallo temporale e modello HadCM3, corrispondendo a quattro differenti valori iniziali di ΔT_r (ΔT_r massimo e minimo per l’estate, e ΔT_r massimo e minimo per l’inverno) e il caso più estremo è stato preso come risultato (questo si è rivelato essere quello che inizia con il ΔT_r massimo dell’estate). La Tabella 1 elenca i risultati per due intervalli di tempo e le due simulazioni HadCM3 con topografia variabile.

Le tre figure rappresentano vari aspetti dei dati isotopici dell’acqua provenienti dal West Antarctic Ice Sheet (WDC) e sono utilizzati per analizzare le condizioni climatiche passate. Ecco una spiegazione di ciascun pannello:

Figura a: Questo pannello mostra tre rappresentazioni del record isotopico del deuterio (δD) dal nucleo di ghiaccio del West Antarctic Ice Sheet (WDC).

• Linea grigia: rappresenta il segnale grezzo di δD ottenuto dalle misurazioni ad alta risoluzione. Il δD è una misura del rapporto tra l’isotopo pesante del deuterio (D) e l’isotopo leggero dell’idrogeno (^1H) in un campione di ghiaccio, rispetto a un campione di riferimento standard. Variazioni in δD sono spesso usate come un proxy per le temperature passate, poiché il frazionamento isotopico che determina il rapporto δD è sensibile alla temperatura al momento della formazione della neve che poi si trasforma in ghiaccio.
• Linea bianca: mostra una media mobile di 50 anni del record di δD, che serve a levigare la variazione a breve termine per evidenziare le tendenze a lungo termine nel dataset.
• Linea nera: indica il segnale di δD dopo la correzione per la diffusione. La diffusione si riferisce al processo post-deposizionale in cui gli isotopi migrano all’interno del ghiaccio a causa dei gradienti di concentrazione, che può alterare il segnale originale. La correzione per la diffusione cerca di ricostruire il segnale isotopico come sarebbe stato al momento della deposizione originale.

Figura b: Questo pannello presenta il record di δD corretto per la diffusione e identifica gli estremi che rappresentano i picchi di massimo e minimo, che si pensa corrispondano alle stagioni estive e invernali.

• Punti rossi: indicano i picchi che si ritiene rappresentino i segnali di estate, quando il rapporto di δD è generalmente più elevato a causa delle temperature più calde che influenzano il frazionamento isotopico durante la precipitazione.
• Punti blu: indicano i picchi che si ritiene rappresentino i segnali di inverno, quando il rapporto di δD è generalmente più basso.

Identificare questi picchi stagionali è cruciale per la datazione dei campioni di ghiaccio e per la ricostruzione dei modelli climatici stagionali.

Figura c: Questo pannello mostra la lunghezza di diffusione isotopica, che è un’altra misura usata per inferire le condizioni climatiche passate.

• Linea nera: rappresenta il record della lunghezza di diffusione misurata in finestre temporali di 140 anni e passi temporali di 70 anni. La lunghezza di diffusione è un parametro che descrive quanto lontano gli isotopi si sono diffusi nel ghiaccio e può essere influenzata da fattori come la temperatura e la densità del ghiaccio. Un valore più elevato della lunghezza di diffusione indica generalmente una maggiore diffusione e può essere associato a temperature più calde.
• Banda grigia chiaro: mostra l’intervallo di incertezza della misura della lunghezza di diffusione (con un intervallo di confidenza del 68% o 1σ).
• Linea rossa: confronta il nuovo record di lunghezza di diffusione con stime precedenti (riferite come stime prior), che sono state calcolate su finestre temporali più lunghe (500 anni) e con passi temporali corrispondenti (500 anni).

Queste misure di lunghezza di diffusione sono utilizzate per migliorare le ricostruzioni delle temperature passate e per calibrare i modelli che cercano di simulare il clima passato.

Le figure mostrate fanno parte di un’analisi delle incertezze associate alla ricostruzione della precipitazione storica attraverso record di ghiaccio. Procediamo con un’analisi più tecnica e dettagliata usando i pedici e gli apici dove appropriato.

Figura a: Illustra come un segnale sinusoidale con una frequenza f=1 anno^-1 e un’ampiezza A=15.43‰ viene modificato nel tempo dalla diffusione e dall’avvezione nel firn. Le linee puntinate nere rappresentano l’ampiezza iniziale, che diminuisce nel tempo (linee rosse e blu). Le linee nere solide e tratteggiate mostrano i valori medi per gli scenari “costanti” e “ciclici”, rispettivamente, che rimangono invariati e sono dipendenti dalla ponderazione stagionale delle precipitazioni.

Figura b: Presenta i dati di output del CFM diffusi da sotto la profondità di chiusura dei pori, oltre i 200 anni. I dati diffusi sono mostrati con linee nere, mentre quelli corretti per la diffusione sono in grigio. I massimi e minimi annuali sono indicati dai cerchi rossi e blu, selezionati con l’algoritmo della Figura 1a.

Figura c: Mostra un ingrandimento delle concentrazioni di carbonio nero (BC) a circa 6.5 ka. I massimi (cerchi rossi) e i minimi (cerchi blu) individuano le stagioni invernali (BC₁​) e estive (BC₂​). Le linee verticali blu segnano il primo gennaio nominale, definito dal picco del rapporto nssS/Na.

Figura d: Presenta le medie su 140 anni per BC₁​ (blu) e BC₂​ (rosso). L’accumulo annuale del WDC è la linea grigia, i cerchi arancioni sono BC₁​ + BC₂​, che dovrebbero equivalere all’accumulo annuale.

Figura e: Mostra la stagionalità del carbonio nero, il rapporto BC₁​/BC₂​ (linea nera), basata sui dati di (d).

Figura f: Confronta la stagionalità dell’accumulo per il modello climatico HadCM3 (linea rossa) con l’intervallo di stagionalità testato usando il CFM (linee blu tratteggiate) e la stagionalità moderna del MAR (diamante blu).

Figura g: Mostra la distribuzione delle ampiezze annuali degli isotopi dell’acqua per una finestra di 1.000 anni centrata a 4 ka. L’ampiezza indica la variazione annuale nel segnale isotopico.

Figura h: Gli errori standard sono calcolati per 1.000 realizzazioni di campionamento casuale dalla distribuzione in (g), per determinare la deviazione standard dei residui tra la vera media e la media campionaria.

ogni pannello di questa figura rappresenta un aspetto diverso dell’analisi statistica delle tendenze di temperatura stagionali durante l’Olocene, come calcolate da un insieme di dati simulato. Ecco una spiegazione più dettagliata:

Figura a (Estate) e Figura b (Inverno): Questi pannelli mostrano 10 tra 10.000 percorsi di temperatura stagionali generati casualmente per l’estate (a) e l’inverno (b), che sono stati utilizzati per stimare la distribuzione di probabilità delle tendenze della temperatura durante l’Olocene nel grafico principale (Fig. 2b, d).

• Le linee continue e spesse rappresentano i valori medi di queste simulazioni.
• Le linee tratteggiate e spesse rappresentano gli intervalli di incertezza a 2σ, che corrisponde a circa il 95% dell’intervallo di confidenza se i dati sono normalmente distribuiti.

Figura c (Media Estate) e Figura d (Media Inverno): Questi pannelli mostrano le medie calcolate su intervalli di tempo di 1.000 anni (linee sottili) e 300 anni (linee spesse) per l’estate e l’inverno, normalizzate rispetto alla media del periodo 11-0 ka.

• Questo tipo di normalizzazione è utile per identificare deviazioni dalla temperatura media di lungo periodo.
• Le serie temporali lunghe tendono a lisciare le fluttuazioni a breve termine, fornendo una visione delle tendenze di fondo.

Figura e (Media Annuale): Questa figura segue lo stesso principio delle Figure c e d, ma per la temperatura media annuale.

• Le medie su 1.000 anni (linea sottile) e su 300 anni (linea spessa) sono mostrate, fornendo un’analisi delle tendenze di temperatura su due scale temporali diverse.

Figura f (Residui): Questa figura illustra i residui, ovvero le differenze tra le medie su 1.000 anni e quelle su 300 anni, per l’estate (in rosso), l’inverno (in blu) e la media annuale (in nero).

• I residui rappresentano le fluttuazioni di temperatura che non sono spiegate dalle medie a lungo termine, evidenziando variazioni più brevi e potenzialmente più rapide nel clima.

Queste analisi sono utilizzate per capire meglio la variazione naturale del clima durante l’Olocene e per valutare il ruolo dei fattori naturali rispetto alle influenze antropogeniche nel cambiamento climatico recente. Il calcolo del coefficiente di determinazione (R²) permette di quantificare quanto bene un modello statistico si adatta ai dati osservati, dando una misura dell’affidabilità delle tendenze calcolate.

La Figura 4 presenta i risultati di un modello di bilancio energetico della mesoscala (MEBM) che calcola le temperature superficiali stagionali e annuali in un determinato sito. Il modello tiene conto di diversi fattori, come la temperatura, l’insolazione (quantità di radiazione solare ricevuta) e la divergenza di calore (la differenza tra il calore ricevuto e quello perso). Andiamo ad analizzare ogni pannello:

Pannelli a-c (Temperature Superficiali Stagionali MEBM):

• Pannello a: Illustra il ciclo stagionale delle temperature superficiali modellate a 80° Sud. Le diverse curve, colorate in base all’età, mostrano la variazione della temperatura superficiale durante i mesi dell’anno per differenti periodi dell’Olocene. La variazione di colore da blu a rosso rappresenta il passaggio dal passato più remoto (11 ka) al presente (0 ka).
• Pannello b: Fornisce un dettaglio del picco delle temperature estive (i mesi più caldi) su questo arco temporale. Evidenzia come le temperature massime estive cambiano nel corso dell’anno per diverse epoche.
• Pannello c: Analogamente al pannello b, ma focalizzato sulle temperature minime invernali (i mesi più freddi).

Pannelli d-l (Risultati Annuale del MEBM):

• Pannelli d-f: Presentano le anomalie di temperatura annuali (in blu) normalizzate rispetto alla media degli 11 ka. L’anomalia di temperatura è la differenza tra la temperatura in un dato anno e la media di riferimento.
  • Pannello d: Mostra l’anomalia della temperatura media annuale.
  • Pannello e: Mostra l’anomalia della temperatura massima annuale.
  • Pannello f: Mostra l’anomalia della temperatura minima annuale.
• Pannelli g-i: Visualizzano l’insolazione annuale, che è la quantità di radiazione solare che arriva al suolo.
  • Pannello g: Rappresenta l’insolazione media annuale.
  • Pannello h: Rappresenta l’insolazione massima annuale.
  • Pannello i: Rappresenta l’insolazione minima annuale.
• Pannelli j-l: Illustrano la divergenza di calore annuale, che è la differenza tra il flusso di calore in entrata e uscita da una regione.
  • Pannello j: Divergenza di calore per la media annuale.
  • Pannello k: Divergenza di calore per il massimo annuale.
  • Pannello l: Divergenza di calore per il minimo annuale.
  • I valori negativi indicano convergenza di calore, il che significa che la regione sta accumulando calore, mentre valori positivi indicherebbero una perdita netta di calore.

In generale, questi risultati del MEBM forniscono una simulazione di come i fattori come l’insolazione e i processi termici influenzano la temperatura di un dato sito nel corso dell’Olocene. Questi modelli sono cruciali per comprendere la risposta del sistema climatico terrestre alle forzanti esterne e interne e per prevedere le risposte future alle variazioni climatiche.

L’immagine mostra due grafici a barre che rappresentano il bilancio energetico a 80°S (probabilmente la latitudine 80° Sud, vicino all’Antartide) a 10 ka (che si riferisce generalmente a 10.000 anni fa). Questi grafici confrontano l’influenza di diversi fattori sul bilancio energetico del clima per due stagioni: dicembre (estate nell’emisfero sud) e luglio (inverno).

I fattori inclusi nelle simulazioni del modello sono:

• Solo orbita (indicato con barre viola, etichettato ORBIT)
• Solo calotta glaciale (indicato con barre blu per GLAC1D e barre verdi per ICE-6G)
• Tutte le forzanti (indicato con barre arancioni per GLAC1D e barre gialle per ICE-6G)

Le variabili misurate includono:

• Temperatura superficiale (Tₛᵤᵣᶠ in gradi Kelvin)
• Calore latente (LH in Watt per metro quadrato, W/m²)
• Calore sensibile alla superficie (SH in W/m²)
• Radiazione solare a onda corta (SW in W/m²)
• Radiazione a onda lunga in discesa (LWₑ in W/m²)
• Cambiamento nel trasporto di calore (indicato come ∇·F in 10⁷ Watt)

I valori positivi in questi grafici indicano un effetto di riscaldamento sulla superficie o nell’atmosfera.

Nelle pubblicazioni e presentazioni scientifiche, tale notazione è standard perché fornisce un modo chiaro e conciso per trasmettere concetti matematici e unità di misura. Ad esempio, “10⁷ W” significa “10 elevato alla potenza di 7 Watt”, che indica un fattore di 10 milioni. I pedici sono utilizzati per specificare il tipo di temperatura o radiazione, come “Tₛᵤᵣᶠ” per la temperatura di superficie o “LWₑ” per la radiazione a onda lunga in discesa.

Mappe di Variabilità del Ghiaccio Marino (a, c)

• Pannello a: Mappa del primo modo empirico ortogonale (EOF) della variabilità del ghiaccio marino nel mese di dicembre per tutte le simulazioni. L’EOF è una tecnica statistica utilizzata in meteorologia e oceanografia per analizzare le modalità spaziali di variazione di un campo, come la concentrazione del ghiaccio marino. Il colore indica l’anomalia standardizzata, che mostra come varia il ghiaccio marino rispetto alla media.
• Pannello c: Mappa simile a quella del pannello a ma per il mese di luglio. Questo mostra la variabilità stagionale del ghiaccio marino nell’emisfero sud.

Grafici di Amplitude di Variabilità vs Temperatura (b, d)

• Pannello b: Questo grafico a dispersione correla l’ampiezza dell’EOF (come mostrato nel pannello a) con la temperatura a 80°S per ogni simulazione in dicembre. L’ampiezza dell’EOF è una misura di quanto fortemente si manifesta il modello di variabilità in una determinata simulazione. I punti rappresentano risultati individuali delle simulazioni, e il colore e il simbolo differenziano tra diversi tipi di simulazioni o insiemi di dati.
• Pannello d: Grafico a dispersione simile a quello del pannello b ma per il mese di luglio.

Grafici della Temperatura Media Zonale e del Ghiaccio Marino (e–h)

• Pannello e: Mostra il cambiamento nella frazione di ghiaccio marino medio zonale nelle simulazioni del modello accoppiato dal 10 ka al presente. Il grafico evidenzia come la copertura del ghiaccio marino è cambiata in ogni latitudine dell’emisfero sud.
• Pannello f: Illustra il cambiamento nella temperatura di superficie media zonale tra 10 ka e il presente per le simulazioni del modello accoppiato (linea tratteggiata) e per le simulazioni solo atmosfera (linea continua). Questo confronto può rivelare come la presenza di un oceano interattivo nel modello influisce sui cambiamenti della temperatura.
• Pannello g: Cambiamento nella temperatura di superficie per le simulazioni che considerano solo l’atmosfera da 10 ka a oggi, mostrando come la temperatura è variata in diverse latitudini.
• Pannello h: Probabilmente un grafico simile a quello del pannello g, ma potrebbe utilizzare insiemi di dati o parametri differenti o presentare una separazione per stagione o per differenti scenari di forzante climatica.

Questi grafici e mappe servono per esaminare come la variabilità del ghiaccio marino e i cambiamenti di temperatura sono intercorrelati e come si sono evoluti nel tempo secondo le simulazioni di HadCM3. Ciò aiuta a comprendere i processi climatici passati e informa le proiezioni future. La tabella dei dati estesi citata fornirebbe ulteriori dettagli su queste simulazioni e potrebbe spiegare le differenze nei risultati tra i pannelli g e h.

La Figura 7 presenta una serie di grafici che confrontano i risultati di modelli climatici con le temperature estive e invernali del West Antarctic Ice Sheet Divide (WDC) per dimostrare la correlazione tra i dati modellati e i dati osservati.

Grafici di Correlazione (linee superiori)

• I primi due grafici (linee superiori) mostrano le temperature estive e invernali rilevate dal WDC contro l’età in migliaia di anni (ka) per due diversi modelli climatici: HadCM3 e MEBM (Modello di Bilancio Energetico Marino).
  • A sinistra: Il grafico a sinistra mostra i risultati del modello HadCM3 con una risoluzione temporale di 1 ky (1.000 anni), confrontando le temperature estive e invernali del WDC.
  • A destra: Il grafico a destra mostra i risultati del MEBM con una risoluzione temporale di 0.5 ky (500 anni), anch’esso confrontando le temperature estive e invernali del WDC.

In entrambi i grafici, le linee rosse rappresentano le temperature estive e le linee blu rappresentano le temperature invernali. I cerchi pieni indicano i risultati del modello per l’orbita terrestre (ORBIT), mentre i cerchi vuoti indicano i dati del WDC.

Grafici di Regressione (linee inferiori)

• I grafici nella parte inferiore della figura mostrano la relazione di regressione tra le anomalie delle temperature estive e invernali del WDC (asse delle x) e i risultati dei modelli ORBIT e MEBM (asse delle y). I grafici sono divisi in estivi e invernali e per i due modelli.
  • ORBIT Estate (sinistra) e Inverno (destra): I grafici mostrano una forte correlazione tra le temperature estive del WDC e il modello ORBIT, come indicato dal coefficiente di determinazione (R²) e un valore p molto basso, suggerendo una relazione statistica significativa. La correlazione invernale è più debole o inesistente.
  • MEBM Estate (sinistra) e Inverno (destra): Anche qui, c’è una forte correlazione tra le temperature estive e i risultati del modello MEBM, con un R² elevato e un valore p significativo. I risultati invernali mostrano una correlazione più debole.

Il coefficiente di determinazione (R²) misura quanto bene i risultati osservati possono essere predetti dai modelli e varia da 0 a 1, dove un valore di 1 indica una previsione perfetta. Un valore p basso indica che è improbabile che la relazione osservata sia dovuta al caso.

In sintesi, questi grafici sono usati per valutare l’accuratezza dei modelli climatici confrontandoli con dati proxy derivati da carote di ghiaccio. Un’elevata correlazione suggerisce che il modello è valido e può essere utilizzato per comprendere la dinamica del clima passato e proiettare scenari futuri.

La tabella 1 è un elenco di input utilizzati per le simulazioni di un modello di calotta glaciale, denominato CFM (Cryospheric Model). Ecco una spiegazione dei dati forniti:

• Mese: Enumera i mesi dell’anno da 1 a 12.
• b (m ice eq. yr⁻¹): Rappresenta la media e la deviazione standard della neve o dell’accumulo di ghiaccio espresso in metri equivalenti di ghiaccio per anno. Questi valori indicano la quantità di neve che si accumula e si compatta in ghiaccio, che è un input critico per la modellazione della crescita o del declino delle calotte glaciali.
• q (m ice eq. yr⁻¹): Indica la media e la deviazione standard del flusso di ghiaccio, presumibilmente la velocità con cui il ghiaccio si muove attraverso la calotta glaciale. Questo è un altro fattore importante che può influenzare la forma e il volume della calotta nel tempo.
• T (°C): La temperatura media mensile a WDC. La temperatura è un driver primario della fusione del ghiaccio e della dinamica della calotta glaciale, influenzando sia l’accumulo che l’ablazione (perdita di massa di ghiaccio).
• δD (‰): Rappresenta la media degli isotopi stabili del deuterio (un isotopo dell’idrogeno) misurata in parti per migliaio (‰). Le proporzioni degli isotopi in campioni di ghiaccio possono essere utilizzate per ricostruire temperature passate, poiché le proporzioni di isotopi leggeri e pesanti nel ghiaccio cambiano in relazione alla temperatura al momento della precipitazione della neve.

La nota al di sotto della tabella specifica che questi dati rappresentano la media e la deviazione standard dell’accumulo di neve mensile e della temperatura mensile presso il WDC per gli anni 1979-2010, previsti dal MAR (un modello climatico regionale) e gli isotopi utilizzati per ciascun mese durante le simulazioni CFM.

In sintesi, questa tabella fornisce i dati climatici di base utilizzati per eseguire le simulazioni climatiche per un determinato modello, che in questo caso è focalizzato sulla calotta glaciale antartica. Questi dati sono essenziali per comprendere come variazioni stagionali in termini di precipitazioni, temperature e movimenti del ghiaccio possano influenzare l’evoluzione delle calotte glaciali nel tempo.

La “Extended Data Table 2” presenta dei coefficienti di correlazione che misurano la forza e la direzione di una relazione lineare tra le temperature estive e invernali medie su diversi intervalli di tempo, rispetto ai loro valori medi su due distinti periodi temporali, 11-0 ka e 11-7 ka, dove “ka” sta per migliaia di anni.

Per entrambi i periodi, la tabella fornisce coefficienti di correlazione (valori R²) per tre diverse medie temporali:

• 1.000-year averages: Questi sono i coefficienti di correlazione calcolati utilizzando medie su un periodo di 1.000 anni. I valori più alti indicano una forte correlazione tra le temperature estive (o invernali) e la media su questo periodo.
• 300-year averages: Simili ai valori di 1.000 anni, ma basati su medie temporali di 300 anni. Questi valori mostrano la correlazione su un periodo più breve e possono evidenziare una variabilità climatica più dettagliata.
• 300 to 1.000-year residuals: Questi valori rappresentano i coefficienti di correlazione tra i residui, ovvero la parte di variazione che non è spiegata dalle medie a 300 o 1.000 anni. Un valore basso qui indica che le medie su lungo termine catturano la maggior parte della variazione delle temperature.

Analizzando i valori:

• Per il periodo 11-0 ka:
  • La correlazione estiva vs. media è alta sia per le medie di 1.000 anni (0.87) sia per quelle di 300 anni (0.82), indicando che le temperature estive tendono a seguire abbastanza fedelmente le medie a lungo termine in questo periodo.
  • La correlazione invernale vs. media è significativamente più bassa (0.40 per 1.000 anni e 0.37 per 300 anni), suggerendo una minore coerenza tra le temperature invernali e le medie su lungo termine, o maggiore variabilità invernale.
  • Per i residui (0.26), c’è una correlazione ancora più bassa, suggerendo che le medie a lungo termine non catturano una parte sostanziale della variabilità climatica estiva.
• Per il periodo 11-7 ka:
  • Le correlazioni estive e invernali con le medie di 1.000 anni sono leggermente più basse rispetto al periodo 11-0 ka, ma ancora significative (0.70 per l’estate e 0.54 per l’inverno).
  • Per le medie di 300 anni, la correlazione invernale (0.62) è ora più alta dell’estate (0.49), il che potrebbe suggerire un cambiamento nel modo in cui le temperature invernali seguivano le medie a lungo termine in questo periodo.
  • I residui mostrano una correlazione estremamente bassa per l’estate (0.01), suggerendo che altre variabili non catturate da queste medie possono influenzare la temperatura estiva. La correlazione per l’inverno (0.74) è sorprendentemente alta, indicando che le variazioni non spiegate dalle medie a lungo termine sono fortemente correlate in inverno, suggerendo una qualche forma di variabilità o forzante non catturata dalle medie di 300 e 1.000 anni.

In sintesi, la tabella mostra come le temperature estive e invernali si correlano con le medie su lungo termine e come questa correlazione cambia a seconda che si considerino medie su periodi più lunghi o più brevi, oltre a mostrare quanto le medie non riescano a spiegare la variabilità residua. Questo può essere utile per comprendere la variabilità climatica naturale durante questi periodi.

La “Extended Data Table 3” che hai fornito sembra elencare diversi esperimenti condotti con un modello climatico che considera solo l’atmosfera (atmosphere-only climate model). In questi esperimenti, vengono variate le condizioni al contorno, che sono variabili esterne che possono influenzare il clima. Vediamo cosa rappresenta ogni colonna:

• SST (Sea Surface Temperature, Temperatura della Superficie del Mare): Indica le condizioni impostate per la temperatura della superficie del mare durante gli esperimenti. “0ka” si riferisce alle condizioni attuali, mentre “10ka” si riferisce alle condizioni di 10.000 anni fa.
• Sea Ice (Ghiaccio Marino): Mostra le condizioni di ghiaccio marino utilizzate negli esperimenti, con le stesse indicazioni temporali delle SST.
• TOA Insolation (Top of Atmosphere Insolation, Isolamento Solare al Limite Superiore dell’Atmosfera): Rappresenta l’intensità della radiazione solare che raggiunge la parte superiore dell’atmosfera. Anche qui, “0ka” rappresenta le condizioni attuali e “10ka” quelle di 10.000 anni fa.

Gli esperimenti elencati sono i seguenti:

• Control: L’esperimento di controllo, presumibilmente usando le condizioni attuali (0ka) per tutti i fattori.
• Atmos_10ka: Un esperimento che utilizza le condizioni di 10.000 anni fa per tutti e tre i fattori.
• Atmos_10ka_ice/SST: Un esperimento che utilizza le condizioni di 10.000 anni fa solo per il ghiaccio marino e la SST, mantenendo l’isolamento solare al limite superiore dell’atmosfera a livelli attuali.
• Atmos_10ka_insol: Un esperimento che utilizza le condizioni di 10.000 anni fa per l’isolamento solare al limite superiore dell’atmosfera, ma mantiene le condizioni attuali per il ghiaccio marino e la SST.
• Atmos_10k_ice: Un esperimento che utilizza le condizioni di ghiaccio marino di 10.000 anni fa, ma condizioni attuali per la SST e l’isolamento solare al limite superiore dell’atmosfera.
• Atmos_10k_SST: Un esperimento che utilizza le condizioni di SST di 10.000 anni fa, ma condizioni attuali per il ghiaccio marino e l’isolamento solare al limite superiore dell’atmosfera.

Questi esperimenti servono a isolare l’effetto di variabili singole o combinate sulla dinamica del clima modellato. Alterando selettivamente le condizioni al contorno, i ricercatori possono capire meglio come ciascun fattore ha contribuito ai cambiamenti climatici passati e come potrebbero influenzarli in futuro.