[論文レビュー] Perturbing parameters to understand cloud contributions to climate change

Margaret L. Duffy, Brian Medeiros+2 more|arXiv (Cornell University)|Oct 12, 2023

Atmospheric aerosols and clouds被引用数 4

ひとこと要約

本研究では、206回のシミュレーションを実行したCAM6のパラメータ摂動アンサンブル（PPE）を用い、45個の気象モデルパラメータが雲フィードバックおよび平衡気候感受性（ECS）に与える影響を評価した。その結果、CAM6におけるパラメータの不確実性が、CMIP6およびAMIPアンサンブルと同等の雲フィードバックのばらつきを生じることを示したが、高雲高度フィードバックはWCRPの評価値を上回っていた。CAM5からCAM6へのパラメータチューニングは、CAM6における雲フィードバックの増加を説明できない。代わりに、特にCAM6.0からCAM6.3への構造的モデル変更がその原因であることが判明した。

ABSTRACT

The sensitivity of cloud feedbacks to atmospheric model parameters is evaluated using a CAM6 perturbed parameter ensemble (PPE). The CAM6 PPE perturbs 45 parameters across 262 simulations, 206 of which are used here. The spread in total cloud feedback and its six components across the CAM6 PPE are comparable to the spread across the CMIP6 and AMIP ensembles, indicating that parametric uncertainty mirrors structural uncertainty. However, the high-cloud altitude feedback is generally larger in the CAM6 PPE than WCRP assessment, CMIP6, and AMIP values. We evaluate the influence of each of the 45 parameters on the total cloud feedback and each of the six cloud feedback components. We also explore whether the CAM6 PPE can be used to constrain the total cloud feedback, with inconclusive results. Further, we find that despite the large parametric sensitivity of cloud feedbacks in CAM6, a substantial increase in cloud feedbacks from CAM5 to CAM6 is not a result of changes in parameter values. Notably, the CAM6 PPE is run with a more recent version of CAM6 (CAM6.3) than was used for AMIP (CAM6.0), and has a smaller total cloud feedback (0.56 W m$^{-2}$ K$^{-1}$) as compared to CAM6.0 (0.81 W m$^{-2}$ K$^{-1}$) owing primarily to reductions in low clouds over the tropics and middle latitudes. The work highlights the large sensitivity of cloud feedbacks to both parameter values and structural details in CAM6.

研究の動機と目的

• CAM6における45個の気象モデルパラメータの感受性を、パラメータ摂動アンサンブル（PPE）を用いて評価すること。
• CAM6におけるパラメータ不確実性が、CMIP6およびAMIPモデルアンサンブルで観察された構造的不確実性を反映しているかどうかを評価すること。
• CAM6 PPEが、平均状態の雲誤差やWCRPの評価からの乖離を用いて、総合雲フィードバックを制約できるかどうかを検討すること。
• CAM5からCAM6へのパrameter値の変更が、観察された雲フィードバックおよびECSの増加を説明できるかどうかを調査すること。
• CAM6.0からCAM6.3への構造的モデル変更（例：モデル構造の変更）が、雲フィードバックの大きさに与える影響を特定すること。

提案手法

• 雲微物理学、対流、放射移動スキームのパラメータを45個、206回のシミュレーションで摂動させたCAM6 PPEを実行する。
• 大気上部（TOA）エネルギー収支と放射フラックスの異常を用いて、総合および成分ごとの雲フィードバック（6成分：高雲高度、熱帯海洋低雲など）を計算する。
• TOAエネルギー収支方程式 ΔN = ΔF + λΔT を用い、λ = λ_cloud + λ_noncloud としてフィードバック係数を導出する。
• 重回帰分析を用いて、総合および成分ごとの雲フィードバックと最も相関の強いパラメータを同定する。
• CAM6 PPEの結果をCMIP6およびAMIPモデルアンサンブル、WCRPの評価と比較し、制約の可能性を評価する。
• 単純な重回帰モデルを用いて、CAM5からCAM6へのパラメータ変更が観察された雲フィードバックの増加に与える寄与度を定量化する。

Figure 1: Top-of-atmosphere radiative imbalance in each of the 262 PPE simulations for both the PD (left) and SST4K (right) experiments. The dashed horizontal line goes through the default value and the black lines are 15 W m -2 away from the default. Dot colors correspond to the E ${}_{\textrm{NET}

実験結果

リサーチクエスチョン

• RQ1 個々のモデルパラメータは、CAM6における総合および成分ごとの雲フィードバックにどのように影響を与えるか？
• RQ2 CAM6におけるパラメータ不確実性は、CMIP6およびAMIPアンサンブルで観察された雲フィードバックのばらつきをどの程度再現できるか？
• RQ3 CAM6 PPEは、平均状態の雲誤差やWCRPの評価からの乖離を用いて、総合雲フィードバックを制約できるか？
• RQ4 CAM5からCAM6への雲フィードバックの増加は、パラメータ値の変更によるものか、それとも構造的モデル変更によるものか？
• RQ5 CAM6.3（PPE）における総合雲フィードバックの低減（CAM6.0（AMIPで使用）と比較して）は、どのような要因に起因するか？

主な発見

• CAM6 PPEにおける総合雲フィードバックおよびその6成分のばらつきは、CMIP6およびAMIPアンサンブルで観察されたものと同程度の大きさであり、パラメータ不確実性が構造的不確実性の重要な部分を捉えていることを示している。
• CAM6 PPEにおける高雲高度フィードバックは、WCRPの評価値およびCMIP6・AMIPの値よりも顕著に大きく、この成分に過大評価の可能性があることを示唆している。
• 高雲高度フィードバックと強く相関するパラメータは、対流パッケージ温度摂動（ZM_tiedke_add）および微小粒子氷生成スケーリング（microp_aero_wsubi_scale）である。
• 強いパラメータ感受性が見られるにもかかわらず、CAM5からCAM6へのパラメータ値の変更は、総合雲フィードバックの増加を説明するにはほとんど寄与していない。代わりに、モデルの構造的変更が主な要因である。
• CAM6.0からCAM6.3への総合雲フィードバックの低減（0.81から0.56 W m⁻² K⁻¹）は、熱帯および中緯度の低雲の減少に起因しており、パラメータチューニングによるものではない。
• CAM6 PPEにおいて、平均状態の雲誤差およびWCRPの評価からの乖離は、総合雲フィードバックと相関がなかった。これはCMIPモデルとは異なり、これらの指標を用いたフィードバック制約は結論を導けないことを示している。

Figure 2: Spread in global-mean radiative feedback across CMIP6 models (yellow) and across PPE (blue). From bottom to top are the total radiative feedbacks, the cloud-radiative feedbacks, SW cloud-radiative feedbacks, and LW cloud-radiative feedbacks. The black square over the AMIP models denotes th