[논문 리뷰] Perturbing parameters to understand cloud contributions to climate change

Margaret L. Duffy, Brian Medeiros외 2명|arXiv (Cornell University)|2023. 10. 12.

Atmospheric aerosols and clouds인용 수 4

한 줄 요약

이 연구는 206개 시뮬레이션을 포함하는 CAM6의 변동 파rameter 엔sembles(PPE)를 사용하여 45개 대기 모델 파ram터가 구름 피드백과 평형 기후 민감도(ECS)에 미치는 영향을 평가한다. 연구 결과, CAM6의 파rametric 불확실성은 CMIP6 및 AMIP 엔셈블과 유사한 정도의 구름 피드백 산란을 생성하지만, 고구름 고도 피드백은 WCRP 평가치보다 크며, CAM5에서 CAM6로의 파rameter 조정은 CAM6에서 증가한 구름 피드백을 설명하지 못한다. 이는 오히려 모델의 구조적 변화, 특히 CAM6.0에서 CAM6.3으로의 변화에서 기인한다.

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.

연구 동기 및 목표

• CAM6에서 45개 대기 모델 파ram터의 민감도를 변동 파rameter 엔셈블(PPE)을 사용하여 평가하는 것.
• CAM6의 파rametric 불확실성이 CMIP6 및 AMIP 모델 엔셈블에서 관찰된 구조적 불확실성과 유사한가 평가하는 것.
• CAM6 PPE가 WCRP 평가치와의 차이 또는 평균 상태의 구름 오차를 사용하여 총 구름 피드백을 제약할 수 있는가 평가하는 것.
• CAM5에서 CAM6로의 파rameter 값 변화가 관측된 구름 피드백 및 ECS 증가를 설명하는가 평가하는 것.
• CAM6.0에서 CAM6.3으로의 모델 구조적 변화가 구름 피드백 크기에 미치는 영향을 분리하여 분석하는 것.

제안 방법

• 구름 미립자, 대류, 복사 방식에 걸쳐 45개 파ram터를 변동시켜 총 206개 시뮬레이션을 수행하는 CAM6 PPE 수행.
• 대기 상단(ToA) 에너지 균형과 복사 플럭스 이상을 사용하여 총 및 구성 요소별 구름 피드백(6개 구성 요소: 고구름 고도, 열대 해양 저층구름 등) 계산.
• ToA 에너지 균형 방정식 ΔN = ΔF + λΔT를 사용하여 피드백 파ram터 유도; λ = λ_cloud + λ_noncloud.
• 총 및 구성 요소별 구름 피드백과 가장 관련이 깊은 파ram터를 특정하기 위해 회귀 분석 적용.
• CAM6 PPE 결과를 CMIP6 및 AMIP 모델 엔셈블, WCRP 평가치와 비교하여 제약 가능성을 평가.
• CAM5에서 CAM6로의 파ram터 변화가 관측된 구름 피드백 증가에 기여하는 정도를 정량화하기 위해 단순 회귀 모델 사용.

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}

실험 결과

연구 질문

• RQ1 개별 모델 파ram터는 CAM6에서 총 및 구성 요소별 구름 피드백에 어떻게 영향을 미치는가?
• RQ2 CAM6의 파rametric 불확실성이 CMIP6 및 AMIP 엔셈블에서 관찰된 구름 피드백 산란을 어느 정도 재현하는가?
• RQ3 CAM6 PPE는 평균 상태의 구름 오차 또는 WCRP 평가치와의 차이를 사용하여 총 구름 피드백을 제약할 수 있는가?
• RQ4 CAM5에서 CAM6로의 구름 피드백 증가는 파ram터 값 변화 때문인가, 아니면 모델의 구조적 변화 때문인가?
• RQ5 CAM6.3(PPE)에서 CAM6.0(AMIP에서 사용됨)으로의 총 구름 피드백 감소는 무엇에 기인하는가?

주요 결과

• CAM6 PPE에서 총 구름 피드백 및 그 6개 구성 요소의 산란 범위는 CMIP6 및 AMIP 엔셈블에서 관측된 것과 유사한 크기이며, 이는 파rametric 불확실성이 구조적 불확실성의 상당 부분을 반영하고 있음을 시사한다.
• CAM6 PPE에서의 고구름 고도 피드백은 WCRP 평가치 및 CMIP6 및 AMIP의 값보다 크게 나타나 이 구성 요소에서 과대평가 가능성 있음.
• 고구름 고도 피드백과 가장 강하게 상관관계가 있는 파ram터는 대류 패킹 온도 변화(ЗM_tiedke_add)와 미세입자 빛산화 스케일링(microp_aero_wsubi_scale)이다.
• 강한 파rametric 민감도가 있음에도 불구하고, CAM5에서 CAM6로의 파ram터 값 변화는 총 구름 피드백 증가의 일부를 설명하지 못하며, 주로 모델의 구조적 변화가 원인임.
• CAM6.0에서 CAM6.3으로의 총 구름 피드백 감소(0.81에서 0.56 W m⁻² K⁻¹)는 주로 열대 및 중위도 저층구름 감소 때문이며, 파ram터 조정 때문이 아님.
• CAM6 PPE에서 평균 상태의 구름 오차 및 WCRP 평가치와의 차이와 총 구름 피드백 간 상관관계 없음. 이는 CMIP 모델와는 다름. 따라서 이 지표를 사용한 피드백 제약는 결론을 도출하기 어려움.

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