[論文レビュー] Recent Weakening of the Global Radiative Feedback

Senne Van Loon, Maria Rugenstein+2 more|arXiv (Cornell University)|Mar 12, 2026

Climate variability and models被引用数 0

ひとこと要約

著者らは気候モデル simulations で訓練した畳み込みニューラルネットワークを用いて、2025年までの地球放射Feedbackパラメータ lambda の過去および最近の変動を推定し、1990年代以降のフィードバックの弱体化を見出し、その主な原因を亜熱帯 Northeast Pacific のパターンに帰属させている。

ABSTRACT

Earth's climate stability, characterized by the global radiative feedback parameter ($λ$), varies decadally due to changing surface temperature patterns. Recent variations in $λ$ are poorly understood as coordinated model simulations typically end in 2014. We apply a convolutional neural network trained on climate model simulations to observation-based surface temperature reconstructions to estimate variations in $λ$ up to 2025. We find that $λ$ reached a minimum (maximum stability) around the mid 1990s ($λ\simeq\SI{-3}{Wm^{-2}/K}$), but has since weakened significantly ($λ\simeq\SI{-2}{Wm^{-2}/K}$). We confirm these results with climate model simulations extended to 2022. The recent $λ$ weakening is not significantly affected by El Niño Southern Oscillation or Pacific Decadal Oscillation. Attribution reveals that warming in the subtropical Northeast Pacific is an important driver of the recently weakened feedback, confirmed by targeted experiments in E3SMv2. Our approach enables near real-time monitoring of Earth's climate stability.

研究の動機と目的

• 観測に基づく地表温度を用いて、長周期的なスケールでグローバル放射 Feedback パラメータ lambda がどのように変動するかを評価する。
• CNN を climate model simulations で訓練して、モデルの終了年以降の lambda 推定を現在まで拡張する。
• SHAP による寄与マップを通じて、lambda の地域的なパターン貢献を同定する。
• 最近の lambda 変動における ENSO および PDO の役割を調べ、推進因子を帰属する。
• CNN ベースの lambda 推定を拡張した climate model ランと衛星ベースの推定と比較する。

提案手法

• 歴史的な地表温度異常データを用いて、グローバル放射応答 R および lambda を予測する CNN を訓練する。
• 観測制約に合わせるために CFMIP amip-piForcing データ上で CNN をファインチューニングする。
• 推論のために訓練済み CNN を地表温度再構成データへ適用し、2025年までを対象とする。
• SHAP 値を用いて lambda を各グリッドボックスおよび地域パターンの寄与に分解する。
• Delta T に対する勾配として 30 年窓を用いて lambda(t) を時変化として計算する。
• CNN による lambda と extended AGCM ラン、および衛星ベースの lambda 推定を比較する。

Figure 1 : (a) The global feedback parameter $\lambda$ estimated from AGCMs that contributed amip-piForcing experiments to CMIP6 (CFMIP, blue, ending in 2014), an extended amip-piForcing experiment in HadGEM3-GC31-LL (green, ending in 2020), AMIP-F2010 experiments in E3SMv2 (orange, ending in 2022),

実験結果

リサーチクエスチョン

• RQ1 観測に基づく地表温度パターンから推定した場合、20世紀および21世紀初頭におけるグローバル放射フィードバックパラメータ lambda はどのように変動したか。
• RQ2 2010 以降の lambda の最近の弱体化は、 Northeast Pacific などの地域温度パターンの変化によって主に動因となるか。
• RQ3 ENSO および PDO が lambda の推定的な長期変動にどの程度影響を与えるか。
• RQ4 lambda の変化に最も寄与する地域パターンは何か、短波/長波、クリアスカイ/クラウドといった分解はどのように情報を提供するか。
• RQ5 CNN ベースの lambda 推定は拡張された気候モデル実行および衛星由来の推定とどう比較されるか。

主な発見

• lambda は1990年代中盤ごろに最小値（最大安定性、lambda ≃ -3 W m-2 K-1）を示したが、それ以降は弱体化して lambda ≃ -2 W m-2 K-1 となっている。
• CNN ベースの推定を 2025 年まで拡張し、モデル拡張実験を 2022 年まで延長しても最近の lambda 弱体化を裏付ける。
• 温度再構成から ENSO や PDO の影響を除去しても観測された弱体化は消えず、ほぼ強い外部のパターン効果を示している。
• subtropical Northeast Pacific の温暖化が最近の lambda 弱体化の重要な推進因子として特定され、対象の E3SMv2 実験によって裏付けられている。
• 地域的な帰属では NEP、 Niño 3、および他の太平洋地域が lambda の変化に寄与しており、CNN における land 温度が lambda の大きさに顕著に寄与している。
• E3SMv2 における lambda の分解では、1985-2014 以降すべての要素（短波/長波、クリアスカイ/クラウド）が弱体化しており、南極海氷の変化が SW クリアスカイフィードバックに影響を与える可能性がある。

Figure 2 : Attribution of changes in the global radiative feedback parameter. Panels a-c show the surface temperature patterns (linear regression slope of local temperature against global mean temperature). Panels d-f show the local contribution to the feedback parameter. The sum over all grid boxes