روند مدت زمان پوشش برف مشاهده شده در سایت ها و توسط چندین مدل پیش بینی شده است

روند مدت زمان پوشش برف مشاهده شده در سایت ها و پیش بینی شده توسط مدل های مختلف پوشش برف روندهای مشاهده شده در سایت ها و پیش بینی شده توسط مدل های مختلف Richard Essery و همکاران.

• 1 دانشکده علوم زمین ، دانشگاه ادینبورگ ، ادینبورگ ، انگلیس
• 2 انستیتوی علوم صنعتی ، دانشگاه توکیو ، توکیو ، ژاپن
• 3 بخش تحقیقات آب و هوا ، محیط زیست و تغییرات آب و هوا کانادا ، تورنتو ، کانادا
• 4 Université de Toulouse ، Météo-France ، CNRS ، Toulouse ، France
• 5 CNRS ، Université Grenoble Alpes ، Institut de Géosc علوم De L'Environnement ، Grenoble ، فرانسه
• 6 Office Met ، Exeter ، UK
• 7 Université de Lorraine ، Agroparistech ، Inrae ، UMR Silva ، Nancy ، France
• 8 Instituto Dom Luiz ، Faculdade de Ciências ، Universidade de Lisboa ، Lisbon ، Portugal
• 9 مرکز هیدرولوژی ، دانشگاه ساسکاچوان ، ساسکاتون ، کانادا
• 10 موسسه مشکلات آب ، آکادمی علوم روسیه ، مسکو ، روسیه
• 11 انستیتوی تحقیقات ساحلی ، هلمولتز-زنتروم Geesthacht ، Geesthacht ، آلمان
• 12 اقیانوس و جو Csiro ، Canberra ، ACT ، استرالیا
• 13 مرکز مشاهده فضا و زمین ، موسسه هواشناسی فنلاند ، سودانکیل ، فنلاند
• 14 Météo-France ، CNRS ، CNRM ، Center D'ETUDES DE LA NEIGE ، GRENOBLE ، فرانسه
• 15 گروه جغرافیا ، دانشگاه اینسبروک ، Innsbruck ، اتریش
• 16 سرویس تحقیقاتی کشاورزی USDA ، Boise ، ID ، ایالات متحده
• 17 مؤسسه WSL برای تحقیقات برف و بهمن SLF ، داووس ، سوئیس
• 18 انستیتوی هواشناسی و تحقیقات آب و هوا ، انستیتوی فناوری کارلسروهه ، کارلسروهه ، آلمان
• 19 A. M. انستیتوی فیزیک جوی اوبوکوف ، آکادمی علوم روسیه ، مسکو ، روسیه
• 20 موسسه تعاونی برای تحقیقات در علوم محیط زیست/آزمایشگاه تحقیقات سیستم زمین ، NOAA ، بولدر ، CO ، ایالات متحده
• 21 بخش آب و هوا و جهانی دینامیک ، مرکز ملی تحقیقات جوی ، بولدر ، CO ، ایالات متحده
• 22 انستیتوی جغرافیا ، آکادمی علوم روسیه ، مسکو ، روسیه
• 23 گروه علوم جوی و اقیانوسی ، دانشگاه کلرادو ، بولدر ، CO ، ایالات متحده
• 24 دانشکده علوم جوی ، دانشگاه Sun Yat-Sen ، Guangzhou ، چین

• 1 دانشکده علوم زمین ، دانشگاه ادینبورگ ، ادینبورگ ، انگلیس
• 2 انستیتوی علوم صنعتی ، دانشگاه توکیو ، توکیو ، ژاپن
• 3 بخش تحقیقات آب و هوا ، محیط زیست و تغییرات آب و هوا کانادا ، تورنتو ، کانادا
• 4 Université de Toulouse ، Météo-France ، CNRS ، Toulouse ، France
• 5 CNRS ، Université Grenoble Alpes ، Institut de Géosc علوم De L'Environnement ، Grenoble ، فرانسه
• 6 Office Met ، Exeter ، UK
• 7 Université de Lorraine ، Agroparistech ، Inrae ، UMR Silva ، Nancy ، France
• 8 Instituto Dom Luiz ، Faculdade de Ciências ، Universidade de Lisboa ، Lisbon ، Portugal
• 9 مرکز هیدرولوژی ، دانشگاه ساسکاچوان ، ساسکاتون ، کانادا
• 10 موسسه مشکلات آب ، آکادمی علوم روسیه ، مسکو ، روسیه
• 11 انستیتوی تحقیقات ساحلی ، هلمولتز-زنتروم Geesthacht ، Geesthacht ، آلمان
• 12 اقیانوس و جو Csiro ، Canberra ، ACT ، استرالیا
• 13 مرکز مشاهده فضا و زمین ، موسسه هواشناسی فنلاند ، سودانکیل ، فنلاند
• 14 Météo-France ، CNRS ، CNRM ، Center D'ETUDES DE LA NEIGE ، GRENOBLE ، فرانسه
• 15 گروه جغرافیا ، دانشگاه اینسبروک ، Innsbruck ، اتریش
• 16 سرویس تحقیقاتی کشاورزی USDA ، Boise ، ID ، ایالات متحده
• 17 مؤسسه WSL برای تحقیقات برف و بهمن SLF ، داووس ، سوئیس
• 18 انستیتوی هواشناسی و تحقیقات آب و هوا ، انستیتوی فناوری کارلسروهه ، کارلسروهه ، آلمان
• 19 A. M. انستیتوی فیزیک جوی اوبوکوف ، آکادمی علوم روسیه ، مسکو ، روسیه
• 20 موسسه تعاونی برای تحقیقات در علوم محیط زیست/آزمایشگاه تحقیقات سیستم زمین ، NOAA ، بولدر ، CO ، ایالات متحده
• 21 بخش آب و هوا و جهانی دینامیک ، مرکز ملی تحقیقات جوی ، بولدر ، CO ، ایالات متحده
• 22 انستیتوی جغرافیا ، آکادمی علوم روسیه ، مسکو ، روسیه
• 23 گروه علوم جوی و اقیانوسی ، دانشگاه کلرادو ، بولدر ، CO ، ایالات متحده
• 24 دانشکده علوم جوی ، دانشگاه Sun Yat-Sen ، Guangzhou ، چین

مکاتبات: ریچارد Essery (Richard. essery@ed. ac. uk)

مکاتبات: ریچارد Essery (Richard. essery@ed. ac. uk)

شبیه سازی 30 ساله پوشش برف فصلی در 22 مدل مبتنی بر فیزیکی که با استفاده مجدد از هواشناسی اصلاح شده با تعصب انجام می شوند ، در چهار سایت با سوابق طولانی از مشاهدات برفی مورد بررسی قرار می گیرند. مدت زمان پوشش برف سالانه بین مدل ها تفاوت زیادی دارد ، اما تغییرات بین سالانه به دلیل داده های رانندگی مشترک به شدت ارتباط دارند. هیچ روند قابل توجهی در شروع تاریخ برای پوشش برف فصلی مشاهده نشده است ، اما روندهای قابل توجهی در جهت پوشش برف وجود دارد که زودتر در دو سایت در مشاهدات و بیشتر مدل ها به پایان می رسد. یک مدل ساده با تنها دو پارامتر کنترل تابش خورشیدی و کمک های گرمای معقول در ذوب برف محدوده مدت زمان و روندهای پوشش برف را شامل می شود. این مدل پیش بینی می کند که سایت هایی که برف فراتر از قله های سالانه در تابش خورشیدی و دمای هوا باقی می ماند ، کاهش سریع مدت زمان پوشش برف را با گرم شدن تجربه می کند زیرا برف زودتر و در مواقع سال با انرژی بیشتری برای ذوب شدن در دسترس است.

• مقاله (PDF ، 2552 KB)

Essery ، R. ، Kim ، H. ، Wang ، L. ، Bartlett ، P. ، Boone ، A. ، Brutel-Vuilmet ، C. ، Burke ، E. ، Cuntz ، M. ، Decharme ، B. ، Dutra ، E. ، Fang ، X. ، Gusev ، Y. ، Hagemann ، S. ، Haverd ، V. ، Kontu ، A. ، Krinner ، G. ، Lafaysse ، M. ، Lejeune ، Y. ، Marke ، T. ، Marks ، D. ، Marty ، C. ، Menard ، C. B. ، Nasonova ، O. ، Nitta ، T. ، Pomeroy ، J. ، Schädler ، G. ، Semenov ، V. ، Smiova ، T. ، Swenson ، S. ، Turkov ، D.، Wever ، N. ، and Yuan ، H .: روندهای مدت زمان پوشش برف مشاهده شده در سایت ها و توسط چندین مدل پیش بینی شده ، Cryosphere ، 14 ، 4687–4698 ، https://doi.org/10. 5194/TC-4-4687-2020 ، 2020.

پوشش گسترده برف فصلی سرزمین نیمکره شمالی نسبت به گرم شدن آب و هوا حساس است و به شدت بر تعامل سطح و جو تأثیر می گذارد ، بنابراین مهم است که مدل های آب و هوایی باید بتوانند آن را به طور دقیق شبیه سازی کنند. تغییرات مشاهده شده در میزان پوشش برف به عنوان شواهدی برای تغییرات آب و هوا و ارزیابی مدل های آب و هوایی در هر پنج صفحه بین دولتی در مورد تغییرات آب و هوا (IPCC) گزارش های ارزیابی گروه 1 تا به امروز استفاده شده است. روابط محکم بین کاهش پوشش برف و افزایش دمای هوا در مشاهدات و در شبیه سازی های چند مدل برای پروژه بین سازمانی مدل همراه (CMIP) با هماهنگی برنامه تحقیقات آب و هوایی جهانی نشان داده شده است. اگرچه بازتولید پوشش برف فصلی توسط مدلهای آب و هوایی بهبود یافته است ، شبیه سازی CMIP5 کاهش قابل توجهی را که در میزان پوشش برف بهاری مشاهده شده است دست کم گرفته است (Brutel-Vuilmet et al. ، 2013) و در پیش بینی های استحکام بازخورد برف-آلدو گسترش گسترده ای داشتند (سالن ، 2014). در آماده سازی برای ششمین گزارش ارزیابی IPCC ، مراکز مدل سازی آب و هوا اکنون با آخرین مدل های خود ، شبیه سازی های زمی ن-اتو س-اقلی م-اقلیم همراه CMIP6 را انجام داده اند. مودریک و همکاران.(2020) گزارش کلی بهتر از پوشش برفی نیمکره شمالی را در گروه چند مدل CMIP6 نسبت به CMIP5 گزارش می دهد ، اما یک گسترش بزرگ در روند شبیه سازی شده باقی مانده است.

علاوه بر آزمایش های مدل همراه ، شبیه سازی های برف توسط مدلهای سطح زمین مستقل با متغیرهای هواشناسی تجویز شده در شبکه های جهانی در پروژه خیس خاک جهانی (Dirmeyer و همکاران ، 2006) و در سایت های جداگانه در پروژه برای ارتباطات در ارتباطات استفاده شده است. طرح های پارامتر سازی سطح زمین (Slater و همکاران ، 2001) و پروژه بین سازمانی مدل برفی (Etchevers et al. ، 2004 ؛ Essery et al. ، 2009). این مطالعات به طور همیشگی محدوده گسترده ای در شبیه سازی ها و ناسازگاری ها در عملکرد مدل پیدا کرده است. پروژه بین سازمانی مدل سیستم-مدل-سیستم-مدل سیستم (ESM-SNOWMIP ؛ Krinner و همکاران ، 2018) شامل شبیه سازی هایی است که با هر دو اندازه گیری هواشناسی درجا و مجدداً در 10 سایت مطالعه برفی در حال تنظیم تنظیم شده است. شبیه سازی با بین 7 تا 20 سال از داده های رانندگی درجا توسط منارد و همکاران ارزیابی شده است.(2020) ، اما استفاده از reanalyses اجازه می دهد تا شبیه سازی های طولانی تر برای بررسی روند. در این مقاله روند مشاهده شده در مدت زمان پوشش برف فصلی و شبیه سازی های هدایت شده با reanalyses اصلاح شده با تعصب در سال 1980-2010 در چهار سایت ESM-Snowmip انتخاب شده ، زیرا آنها حداقل 27 سال مشاهدات برفی روزانه تا سال 2010 داشتند. در جدول 1 آورده شده است. منعکس کننده انگیزه های ایجاد سایت های مطالعه برفی توسط سازمانهای ملی ، سرهنگ دپراس (فرانسه) ، کوه رینولدز شرقی (ایالات متحده آمریکا) ، و ویسفلوژوچ (سوئیس) در ارتفاعات بالایی در کوههای میان عرضه قرار دارند ، در حالی که Sodankyläs(فنلاند) یک سایت قطب شمال با ارتفاع کم است. تمام سایت ها به طور معمول بین 5 تا 8 ماه پوشش مداوم برف زمستانی دارند و می توانند دوره های کوتاه تری از پوشش برفی زودگذر در سایر زمان های سال داشته باشند.

جدول 1 مکان های سایت و ارتفاعات شبکه 0. 5.

مدلهای تجربی ساده از ذوب برف هنوز هم اغلب برای کاربردهای هیدرولوژیکی و یخچال استفاده می شوند ، اما تمام مدل های شرکت کننده در ESM-SNOWMIP از نظر جسمی مبتنی بر هستند و تعادل جرم و انرژی همراه را برای برف در زمین محاسبه می کنند. هجده گروه شبیه سازی را توسط 22 مدل و انواع مدل رانده شده با مجموعه مشترکی از reanalyses اصلاح شده توسط تعصب ارائه شده توسط سومین پروژه جهانی رطوبت خاک (GSWP3 ؛ کیم ، 2017) برای سطح زمین ، پروژه بین المللی بین المللی و رطوبت خاک (LS3MIP ؛ون دن هورک و همکاران ، 2016). این مدل ها شامل طرح های سطح زمین هستند که معمولاً با مدل های جوی همراه هستند (کابل ، کلاس ، CLM5 ، COLM ، EC-EARTH ، ISBA ، MATSIRO ، RUC ، دو نسخه از JSBACH ، سه تنظیمات ژول و دو نسخه از ارکید) ایستاده است. مدلهای سطح زمین یا هیدرولوژی (CRHM ، ESCIMO ، اسپانسر ، مبادله و VEG3D) و مدل های فیزیک برف (تمساح و برف). منابع مربوط به همه این مدل ها را می توان در جدول 1 Krinner و همکاران یافت.(2018). اگرچه مدل های برفی بسیار پیچیده تر از مدل های جامع سیستم زمین هستند ، اما از پیچیدگی کافی و فضاهای پارامتر کافی برخوردار هستند تا تفسیر چرا رفتار می کنند به روش هایی که انجام می دهند. برای مدل های سیستم زمین ، رندال و همکاران.(2019) نتیجه گرفت که "ما باید برای ایجاد مدل های بسیار ساده تر کار کنیم که می توانند نتایج کلیدی مدل های جامع را تولید کنند". در آن روح ، از یک مدل تعادل انرژی دو پارامتر بسیار ساده (از این پس "2 بعد از ظهر") برای تفسیر نتایج مدل های ESM-SNOWMIP استفاده می شود.

تمام متغیرهای هواشناسی مورد نیاز برای رانندگی مدل های برفی توده و تعادل انرژی مبتنی بر انرژی (دمای هوا ، رطوبت و فشار ، میزان بارش برف و میزان بارندگی ، شارهای تابش موج کوتاه و موج بلند) و سرعت باد) برای سال 1980-2010 در سایت های ESM-SNOWMIP وجود داشتاز مجموعه داده های GSWP3 استخراج شده و از مراحل 3 ساعته تا ساعت ساعتی درون یابی می شود. برای GSWP3 ، از تجزیه و تحلیل قرن بیستم برای خنثی کردن پویایی یک مدل طیفی جهانی برای پایین آمدن از وضوح 2 ∘ به 0. 5 ∘ استفاده شد (Yoshimura and Kanamitsu ، 2008). تعصب در وسایل ماهانه دما ، دامنه دمای روزانه ، بارش و شارهای تابش نسبت به واحد تحقیقات آب و هوا سری زمان (CRUTS) مرکز آب و هوایی بارش جهانی و بودجه تابش سطح (SRB) سپس حذف شدند. اصلاحات تعصب اضافی برای شبیه سازی سایت ESM-SNOWMIP باید اعمال شود زیرا سایت های کوهستانی در ارتفاعات بسیار بالاتری نسبت به سلولهای شبکه GSWP3 0. 5 ∘ که در آن قرار دارند قرار دارند (جدول 1). تعصبات نسبت به اندازه گیری های درجا برای دوره های همپوشانی در هر سایت به سادگی برای همه متغیرهای رانندگی حذف شد ، بنابراین اشکال توزیع ، چرخه های فصلی و روندهای موجود از مجموعه داده های GSWP3 را حفظ می کند (منارد و همکاران ، 2019). متغیرهای هواشناسی استخراج شده از GSWP3 ، در ساعت ها درون یابی و تعصب اصلاح شده به سایت ها ، به داده های رانندگی برای مدل های ESM-SNOWMIP در آخرت گفته می شود. از آنجا که اتصال به یک مدل جوی مورد نیاز نبود ، مدل های برفی که جزئی از یک مدل سیستم زمین نیستند نیز قادر به شرکت در این مؤلفه ESM-SNOWMIP بودند.

مدل ساده ای که برای تفسیر نتایج ESM-SNOWMIP در زیر استفاده خواهد شد ، دارای دو پارامتر بدون بعد ثابت است: یک Albedo Snow Albedo α و یک ضریب تبادل آشفتگی سطح و جو._{سخنرانی}بشراگرچه محتوای سرد برف در مدلهای پیچیده تری نشان داده شده است ، اما ساده سازی بزرگ در 2 بعد از ظهر از غفلت از گرمای مورد نیاز برای گرم کردن برف به نقطه ذوب در مقایسه با گرمای مورد نیاز برای ذوب برف ناشی می شود (21 کیلوژول 1 کیلوگرم برف از 10 - گرم می شودتا 0 درجه سانتیگراد اما فقط 63 گرم برف در 0 ∘ درجه سانتیگراد ذوب می شود). میزان ذوب برف M (کیلوگرم متر - 2 ثانیه) توسط معادله تعادل انرژی پیش بینی می شود

با گرمای نهان ذوب λ_m(0. 334 × 10 6 j kg −1) ، گرمای نهان تصعید λ_s(10 × 2. 835 6 j kg −1) ، دمای سطح t_s(k) ، و استفا ن-بولتزمن ثابت σ (10 5 5. 67 - 8 W M-2 K −4). رفیق_↓و LW_↓(W M-2) شار موج های موج دار به سمت پایین و شیرهای موج بلند هستند و گرمای ناشی از باران باران بر روی برف مورد غفلت قرار می گیرد. شار گرمای معقول H (W M-2) و شار رطوبت E (کیلوگرم M-2 S-1) بین سطح و جو با استفاده از فرمول های فله پارامتر می شوند

برای فشار هوا P (PA) ، دما t_a، رطوبت خاص q_a، ظرفیت گرما c_پ(1005 j k −1 k g-1) ، و چگالی ρ (کیلوگرم متر - 3). U (M S −1) سرعت باد و Q است_نشسترطوبت خاص هوای اشباع است. معادلات (1) تا (3) برای اولین بار برای ناشناخته T حل می شود_sبا m = 0. اگر این دمای بیشتر از t باشد_m= 273. 15 K در حالی که برف روی زمین وجود دارد ، معادلات دوباره برای ناشناخته M با T حل می شوند_s= t_mبشرنرخ ذوب و تصعید سپس با سرعت بارش برف استفاده می شود_ج(کیلوگرم متر - 2 ثانیه) هر ساعت در معادله تعادل جرم

برای پیش بینی تغییرات در توده برفی S (کیلوگرم M-2) ، که محدود به بیشتر از یا مساوی با صفر است و با استفاده از چگالی برف ثابت 300 کیلوگرم در متر - 3 به عمق تبدیل می شود. 2 بعد از ظهر 10 000 بار برای هر سایت با آلبیدوهای برفی از 0. 5 تا 1 و ضرایب تبادل آشفته از 10 - 4 تا 10 - 2 اجرا شد.

شکل 1 (A-D) دمای متوسط ماهانه محاسبه شده از اندازه گیری در سایت ها (حلقه های پر شده) و داده های رانندگی (خطوط). میله های عمودی برای اندازه گیری ها و باند های خاکستری برای داده های رانندگی بین گرمترین و جالبترین ماه ها از اکتبر 1980 تا سپتامبر 2010 نشان می دهد. بشرمحافل باز میانگین تاریخ حداکثر عمق برف را نشان می دهد.( E-H) روند دما برای هر ماه ، با روش Thei l-Sen محاسبه می شود (سن ، 1968). میله های عمودی برای اندازه گیری ها و باند های خاکستری برای داده های رانندگی فواصل اطمینان 95 ٪ را نشان می دهد.

شکل 1 میانگین و روند ماهانه در دمای هوا را در سایت ها و داده های رانندگی اندازه گیری می کند. میانگین و دامنه تاریخ شروع و پایان مشاهده شده برای پوشش مداوم برف فصلی با عمق بیش از 2 سانتی متر نیز نشان داده شده است. چرخه دمای فصلی و روند در داده های رانندگی با مشاهدات مطابقت از نزدیک در Sodankylä ، زیرا ایستگاه آنجا در پایگاه داده Cruts که برای تصحیح دمای GSWP3 استفاده می شود ، گنجانده شده است. Weissfluhjoch از نزدیکترین ایستگاه Cruts در Säntis 60 کیلومتر فاصله دارد اما تنها 50 متر بالاتر است. اختلافات ارتفاع بیشتری برای ایستگاه های کروت نزدیکترین به Col de Porte (لیون ، 75 کیلومتری دورتر و 1125 متر پایین تر) و رینولدز کوه شرقی (Boise ، 65 کیلومتر دورتر و 1190 متر پایین تر) وجود دارد ، اما روند دما در داده های رانندگی هنوز هم استمشابه مشاهدات ، به ویژه برای روندهای قابل توجه (به عنوان مثال وقتی فاصله اطمینان 95 ٪ از صفر عبور نمی کند). داده های رانندگی دارای روند گرم شدن قابل توجهی در سال 1980-2010 برای آوریل تا ژوئن در کلین دپرت ، ژوئیه و سپتامبر در کوه رینولدز شرقی ، اوت و دسامبر در Sodankylä و ژوئن در Weissfluhjoch است. گرم شدن سریع ماه دسامبر در Sodankylä به طور مستقیم بر مدت زمان پوشش برف شبیه سازی شده تأثیر نمی گذارد زیرا با کاهش وقوع دمای بسیار پایین در مواقعی که برف در حال ذوب نیست ، مطابقت دارد. سایر روندهای گرمایش در کوه رینولدز شرقی و Sodankylä در ماه های بدون برف رخ می دهد ، اما روند گرم شدن در Col de Porte و Weissfluhjoch دوره های عادی ذوب برف را با هم همپوشانی می کند.

مشاهدات مدت زمان پوشش برف در شکل 1 دوباره در شکل 2 برای مقایسه با چرخه های فصلی از موج کوتاه موج و موج های بلند مدت نشان داده شده است. مجموعه داده SRB که برای تصحیح تعصبات در شارهای تابش سطح برای GSWP3 استفاده می شود ، از اندازه گیری ماهواره ای تولید می شود اما در برابر اندازه گیری در ایستگاه های پایه سطح پایه (BSRN) تأیید شده است (ژانگ و همکاران ، 2013 ، 2015). اگرچه چهار سایت مورد مطالعه در اینجا ایستگاه های BSRN نیستند ، اما به طور کلی توافق خوبی بین شار تابش در داده های رانندگی و مشاهدات در سایت ها وجود دارد. یک استثناء این است که چرخه فصلی مشاهده شده قله های تابش موج کوتاه در ماه مه در Weissfluhjoch به دلیل تغییرات فصلی در پوشش ابر و بازتاب های متعدد بین برف و ابرها بالا ، در حالی که داده های رانندگی در اواخر ماه ژوئن به اوج خود می رسد. Weissfluhjoch همچنین در بین سایت ها بی نظیر است که پوشش مداوم برف می تواند فراتر از اوج سالانه در تابش خورشیدی باشد.

اندازه گیری دقیق بارش جامد بسیار دشوار است و اندازه گیری های کنترل شده با کیفیت بارش برف برای همه سالهای دیگر در سال 1980 در همه سایت ها در دسترس نیست. مقادیر بارش برف سالانه حاصل از اندازه گیری سنجش بارش فقط برای مقایسه با داده های رانندگی در شکل 3 نشان داده شده است و روند بارش برف فقط در داده های رانندگی مورد بررسی قرار می گیرد. Weissfluhjoch تنها سایتی است که روند نزولی قابل توجهی در بارش برف در سطح اطمینان 95 ٪ دارد ، اگرچه Col de Porte دارای یک روند نزولی با فاصله اطمینان 90 ٪ از 15 ت ا-0. 4 میلی متر در سا ل-1 است. در مقابل با کمبود روند در کوه رینولدز شرقی ، نایاک و همکاران.(2010) کاهش قابل توجهی در کسری از بارش سالانه به عنوان برف در ارتفاعات پایین در آبخیز تجربی رینولدز کریک نشان داد. Sodankylä در دهه 1990 بارش برف بالاتری نسبت به دهه 1980 و 2000 در هر دو اندازه گیری سایت و داده های رانندگی داشت و هیچ روند بارش بارش برف از 1980 تا 2010 وجود ندارد. ایرانژاد و همکاران.(2016) ، با این حال ، در یک سری طولانی تر از اندازه گیری های طولانی تر از سال 1909 تا 2008 ، روند بارش در زمستان را در Sodankylä کاهش قابل توجهی مشاهده کرد. Col de Porte گرمترین دمای زمستان و کوتاهترین پوشش برف فصلی را دارد. Weissfluhjoch دارای بالاترین بارش برف ، جالبترین دمای تابستان و طولانی ترین پوشش برف فصلی است.

شکل 2 میانگین ماهانه ( A-D) تابش موج بلند ورودی و ( E-H) تابش موج کوتاه ورودی از اندازه گیری در سایت ها (حلقه های پر شده) و داده های رانندگی (خطوط). میله های افقی محدوده ای از تاریخ شروع و پایان مشاهده شده از پوشش برفی فصلی مداوم مانند شکل 1 را نشان می دهد.

شکل 3 بارش برف معادل آب که از اندازه گیری در سایت ها (دایره های باز و پر شده) و داده های رانندگی (خطوط جامد) برای سالهای آب شروع شده از 1 اکتبر محاسبه می شود. روند داده های رانندگی با فواصل اطمینان 95 ٪ در پرانتز ارائه می شود.

شکل 4 توطئه های پراکنده از میانگین ها و روند در تاریخ شروع و پایان پوشش مداوم برفی فصلی که در سایت ها (مثلث ها) مشاهده می شود و توسط مدلهای ESM-SNOWMIP (محافل باز برای روند قابل توجهی ، محافل پر شده برای روندهای ناچیز) و 2 بعد از ظهر (خاکستری پیش بینی می شود) پیش بینی شده است.). میله های عمودی 95 ٪ فاصله اطمینان را در روند تاریخ شروع (⊲) و پایان (⊳) نشان می دهد.

تاریخ شروع و پایان برای پوشش برف فصلی با جستجوی آخرین تاریخ با عمق برف کمتر از 2 سانتی متر قبل از حداکثر عمق برف در هر سال و اولین تاریخ از این حداکثر پس از حداکثر. شکل 4 میانگین و روند برای تاریخ های شروع و پایان در مشاهدات و شبیه سازی ها در همه سایت ها را نشان می دهد (سری زمانی سالانه که از آن این محاسبه می شود در شکل اضافی A1 نشان داده شده است). تاریخ های شروع شبیه سازی شده تا حد زیادی با بارش برف در داده های رانندگی تعیین می شود و نشان می دهد که نسبتاً کمی بین مدل ها گسترش می یابد ، به جز این که برخی از مدل ها بارش برف زودهنگام در Col de Porte را ذوب می کنند و برخی دیگر آن را در زمین حفظ می کنند. روند به سمت تاریخ های بعدی شروع در همه سایت ها و در اکثر شبیه سازی های مدل مشاهده می شود ، اما هیچ یک از این روندها با اطمینان 95 ٪ قابل توجه نیستند. تاریخ پایان شبیه سازی شده تحت تأثیر تفاوت در نحوه پاسخگویی مدل ها به افزایش دمای هوا و تابش خورشیدی در بهار است و منجر به گسترش بیشتر بین مدل ها می شود. این گسترش به ویژه برای Weissfluhjoch بزرگ است. دو مدل از این مدل ها به طور مداوم زودتر از سایرین ، برف را ذوب می کنند ، و سه مدل در سالها پوشش برف در تمام طول سال را حفظ می کنند (که هرگز در اندازه گیری هایی که به سال 1936 در Weissfluhjoch باز می گردد ، مشاهده نشده است). سالهایی که در آن یک مدل ذوب نمی شود ، برف از محاسبات تاریخ پایان خارج می شود. روندهای قابل توجهی به سمت ناپدید شدن برف قبلی در Col de Porte و Weissfluhjoch مشاهده می شود اما نه در REYNOLDS Mountain East یا Sodankylä ، و بیشتر مدل ها در فواصل اطمینان روندهای مشاهده شده قرار دارند. پانزده از 22 شبیه سازی Col de Porte و همه شبیه سازی Weissfluhjoch روندهای قابل توجهی دارند. کاهش در پوشش برف قبلاً با استفاده از همان مشاهدات در Col de Porte توسط Lejeune و همکاران تشخیص داده شده است.(2019) و در Weissfluhjoch توسط Marty and Meister (2012). بحث باقیمانده در اینجا بر رفتار مدل در آن دو سایت متمرکز خواهد شد.

دامنه پارامتر غیر واقعی گسترده در 2 بعد از ظهر به نتیجه می رسد که شامل مدل ESM-SNOWMIP در شکل 4 است. شبیه سازی های 2 بعد از ظهر که بعداً در سال در Col de Porte و Weissfluhjoch ذوب می شوند ، روند منفی قوی تری در تاریخ های انتهایی برفی دارندبشرهمان رفتار برای مدل های ESM-SNOWMIP به وضوح برای شبیه سازی Weissfluhjoch در شکل 4d مشاهده می شود.

شکل 5 میانگین (کانتورهای جامد) و روندها (رنگ) برای تاریخ پایان پوشش برف مداوم در شبیه سازی 2 بعد از ظهر در (a) col de porte و (b) weissfluhjoch ، به استثنای شبیه سازی ها با پوشش برفی دائمی. خطوط نقطه ای کانتورهایی برای تاریخ های انتهای پوشش برفی متوسط مشاهده شده است و خطوط متراکم تاریخ حداکثر روند گرم شدن در داده های رانندگی است (شکل 1).

آلبیدو برفی و مبادلات آشفته بین سطح و جو با زمان در واقعیت و در مدلهای واقع بینانه متفاوت است ، اما نتایج 2 بعد از ظهر می تواند به عنوان کانتورها یا مقیاس رنگ در α ثابت ترسیم شود._{سخنرانی}فضای پارامترشکل 5 پوشش های پوشش برای تاریخ پایان پوشش برفی در نقشه های رنگی روند تاریخ پایان. با نزدیک شدن به ضرایب مبادله صفر و مستقل از تابش خورشیدی ، ذوب برف از دمای هوا مستقل می شود زیرا آلبیدوس 1. آلبیدوهای پایین و ضرایب مبادله بزرگتر منجر به ذوب زودتر در Col de Porte می شوند ، همانطور که انتظار می رود. در Weissfluhjoch ، با این حال ، Albedos کم 2 بعد از ظهر می تواند باعث ایجاد ذوب اشعه محور در ماه مه شود ، هنگامی که تابش خورشیدی زیاد است اما دمای هوا هنوز هم زیر 0 درجه سانتیگراد است (شکل 1D). ضرایب مبادله بزرگتر سپس با خنک کردن برف ذوب را به تأخیر می اندازد ، بنابراین منحنی کانتورهای ماه مه و ژوئن در شکل 5b به سمت پایین می رود. حتی در صورت عدم وجود تابش خورشیدی خالص و گرمای معقول (α = 1 ، c_{سخنرانی}= 0) ، تابش موج بلند کافی در داده های رانندگی برای ذوب برف در Col de Porte هر سال وجود دارد ، اما فضای پارامتر 2 بعد از ظهر شامل شبیه سازی هایی است که در صورت قبلی پوشش برفی دائمی در Weissfluhjoch (گوشه سمت چپ بالا از شکل 5b) ایجاد می کند. برف زمستان تا اواسط ماه اوت ذوب نشده است. میانگین مشاهده شده و ESM-SNOWMIP مدل برفی پایان پوشش برفی در Col de Porte در ماه آوریل یا ماه مه. ساعت 2 بعد از ظهر می تواند طیف گسترده ای از روند تاریخ پایان را برای ذوب برف در آن ماه ها ایجاد کند ، که به عنوان یک برآمدگی در شکل 4a مربوط به منطقه ای است که در آن کانتورهای روند و تاریخ پایان در شکل 5a عبور می کنند. مدل های ESM-SNOWMIP که به طور متوسط تاریخ پایان نزدیک به شروع ماه مه برای Col de Porte دارند ، در انتهای منفی کمتر از محدوده 2 بعد از ظهر در شکل 4a ، سازگار با ضرایب تبادل کوچک مشخصه زبری کم و پایداری جوی زیاد بر روی برف است. بشر

شکل 6 (الف) همبستگی بین مدت زمان پوشش برف سالانه و میزان بارش برف در مدل های ESM-SNOWMIP (حلقه ها) و 2 بعد از ظهر (باند خاکستری) در Weissfluhjoch.(ب) حساسیت به مدت زمان پوشش برفی Weissfluhjoch به بارش برف ، که به عنوان افزایش روزهای پوشش برف سالانه در میلی متر افزایش بارش بارش برف سالانه که توسط رگرسیون خطی یافت می شود ، بیان شده است.

روند در تاریخ پایان پوشش برفی دو قسمت از فضای پارامتر 2 بعد از ظهر را در شکل 5 با روندهای منفی پیشرفته نشان می دهد. روندهای قوی برای ذوب برف در ماه ژوئیه قبلاً در شکل 4 ذکر شده است و بعداً دوباره مورد بحث قرار خواهد گرفت. روند پیشرفته ای نیز برای پوشش برف در ماه ها با روند گرم شدن رخ می دهد (شکل 1) ، به شرط آنکه ضرایب مبادله به اندازه کافی بزرگ باشند تا شبیه سازی ها به دمای هوا حساس باشند. این در شکل 5 به عنوان برآمدگی روندهای قوی تر در طول کانتورهای تاریخ پایان برای اواخر ماه آوریل در سرهنگ دو پورت و اواسط ژوئن در Weissfluhjoch مشهود است. میانگین تاریخ پایان مشاهده شده از پوشش مداوم برف (کانتور نقطه) نزدیک به تاریخ حداکثر روند دما (کانتور متراکم) در Col de Porte است ، همانطور که انتظار می رود برای بازخورد مثبت در مورد گرم شدن با کاهش مدت زمان پوشش برف باشد. با این حال ، برف در Weissfluhjoch از بین می رود ، با این حال ، با این حال ، با این حال. ممکن است که روند گرم شدن در Weissfluhjoch تحت سلطه مناطق پایین اطراف با ذوب برف قبلی باشد. Col de Porte در درصد 57 ارتفاع قرار دارد و Weissfluhjoch در درصد ارتفاع 94 برای مناطق 10 کیلومتر × 10 کیلومتر در محور سایت ها قرار دارد. همچنین انتظار می رود گرم شدن با ارتفاع در مناطق کوهستانی متفاوت باشد (پپین و همکاران ، 2015).

مدت زمان پوشش برف سالانه (SCD) به زمان بارش برف بستگی دارد ، چقدر برف باید ذوب شود و چه مقدار انرژی برای ذوب آن در دسترس است. شکل 6a برای Weissfluhjoch و جدول 2 برای همه سایت ها نشان می دهد که تغییرات بین سانی در SCD با بارش برف سالانه بسیار مرتبط هستند ، به جز در Sodankylä. بارش برف کم و افزایش دمای سریع از آوریل تا ماه مه در تغییرات محدودیت Sodankylä در تاریخ پایان پوشش برف ، هم بین سالها و هم بین مدل ها (شکل 4C). فراتر از محدوده مدل های ESM-SNOWMIP در شکل 6a ، همبستگی در شبیه سازی 2 بعد از ظهر به ناچار کاهش می یابد زیرا این مدل تحت انتقال از پوشش برفی فصلی به دائمی در Weissfluhjoch مستقل از بارش برف سالانه قرار می گیرد. تابش خورشیدی ورودی در داده های رانندگی برای قله های Weissfluhjoch در حدود تابستان تابستان در اواخر ماه ژوئن (شکل 2H) ، در حالی که انرژی موجود برای ذوب برف از تابش موج بلند و اوج گرمای معقول در اواخر ماه ژوئیه (شکل 1D و 2D). برف پایدار پس از اوج انرژی موجود آهسته تر ذوب می شود ، بنابراین بارش برف اضافی SCD را برای شبیه سازی هایی که بعداً پوشش برف فصلی را حفظ می کنند ، افزایش می دهد. حساسیت به دست آمده توسط رگرسیون خطی SCD در برابر بارش برف ، که برای Weissfluhjoch در شکل 6b نشان داده شده است ، بنابراین برای برف اواخر افزایش می یابد. از آنجا که SCD با بارش برف بسیار ارتباط دارد ، باعث افزایش حساسیت به بارش برف در شبیه سازی ها با برف دیررس و کاهش بارش برف می شود تا روند SCD را تقویت کند ، همانطور که در شکل ها مشاهده می شود. 4 و 5 برای Col de Porte و Weissfluhjoch.

جدول 2 همبستگی متوسط بین مدت زمان پوشش برف سالانه شبیه سازی شده و بارش برف سالانه.

علیرغم گسترش گسترده در مدت زمان پوشش برف شبیه سازی شده ، روند مدل ها با مشاهدات در چهار سایت ESM-SNOWMIP با سوابق طولانی استفاده شده در اینجا سازگار است: روندهای مربوط به پوشش برف فصلی که از اواخر سال شروع می شود در هیچ یک از این سایت ها قابل توجه نیست ، اما در آنجاروندهای قابل توجهی به سمت پوشش برفی فصلی که در اوایل در Col de Porte و Weissfluhjoch به پایان رسیده است (مطابق با روندهای موجود در آلپ های سوئیس توسط کلین و همکاران ، 2016). با انتخاب بخشی برای تحقیقات برفی به دلیل اینکه آنها دارای پوشش برفی فصلی قابل اعتماد هستند ، سایت های ESM-Snowmip در مناطقی از پوشش برف حاشیه ای نیستند که در برابر گرم شدن آسیب پذیر هستند. مجموعه ای از برآوردهای متعدد مبتنی بر مشاهده از پوشش برفی نیمکره شمالی ، حداکثر روندهای کاهش در ماه نوامبر و مارس را نشان می دهد ، همزمان با قله های روند گرم شدن دمای سطح (مودریک و همکاران ، 2017). شبیه سازی های در مقیاس بزرگ برای پیش بینی روندهای در مقیاس بزرگ در میزان پوشش برف مورد نیاز است ، اما شبیه سازی ها در سایت های خوب در حال ساخت ، بینش بیشتری در مورد مدل سازی فرآیندهای برفی و تأثیراتی که در مقیاس های کوچک تجربه می شوند ، امکان پذیر است.

تغییرات بین سالانه در مدت زمان پوشش برف مدل شده با بارش برف سالانه در داده های رانندگی در سه مورد از چهار سایت به شدت ارتباط دارد ، به این معنی که این مدل ها نیز با یکدیگر ارتباط زیادی دارند (شکل اضافی A2) زیرا همه آنها داده های رانندگی یکسان را به اشتراک می گذارندبشراین همبستگی بین مدل هنگامی حفظ نمی شود که مدل های برفی با مدل های مختلف جوی همراه شوند. جفت شدن همچنین بازخورد هایی را که سرکوب می شوند در هنگام مدل های برفی با هواشناسی تجویز شده امکان پذیر می شوند. شبیه سازی های همراه با شرایط برف تجویز شده در ESM-SNOWMIP برای ارزیابی اثرات بازخورد برف ارائه شده است (Krinner et al. ، 2018). از آنجا که اگر توده برفی به طور مستقل از بارش برف تجویز شود و ذوب شود ، آب محافظت نمی شود ، این باید شبیه سازی های زمینی با دمای سطح دریا تجویز شده باشد تا از آشفتگی اقیانوس توسط رواناب جلوگیری شود که در شبیه سازی های همراه با زمی ن-جوخ آب و اقیانوس رخ می دهد.

یک مدل ذوب برف دو پارامتر ساده نشان می دهد که پاسخ مدل های برفی به گرم شدن در داده های رانندگی آنها در شبیه سازی ها قوی تر است که برف نزدیک به زمان سال است که گرم شدن قوی ترین و در شبیه سازی هایی با اتصال آیرودینامیکی قوی تر بین سطح و سطح است. جوبرای شبیه سازی با پوشش برفی که از اواسط تابستان گذشته است ، پاسخ به کاهش بارش برف با افزایش در دسترس بودن انرژی به عنوان ذوب شدن برف زودتر تقویت می شود. همین رفتار در گسترش مدل ESM-SNOWMIP COVER COVER COVER پایان تاریخ و روند Weissfluhjoch مشاهده شده است. این در واقعیت باید برای مناطقی که در حال انتقال از پوشش برفی دائمی به فصلی و یخچال های طبیعی هستند که در آن ارتفاع خط تعادل در حال افزایش است ، اتفاق بیفتد. این مکانیسم برای تقویت حساسیت به آب و هوا برفی علاوه بر بازخورد شناخته شده برف-آلدو قبلاً پیشنهاد نشده است ، تا آنجا که ما آگاه هستیم ، اما این "ذوب برف آهسته تر در دنیای گرمتر" را تکمیل می کند که توسط Muselman و همکاران فرض شده است.(2017) و در مقیاس های بزرگ توسط وو و همکاران مشاهده شد.(2018) برای ذوب برف در بهار قبل از اوج انرژی موجود. López-Moreno و همکاران.(2013) میزان ذوب شتاب را در شبیه سازی ها با دمای سردتر نشان داد که شروع ذوب را به تأخیر می اندازد تا تاریخ های بعدی با تابش خورشیدی شدیدتر.

نتیجه گیری در اینجا براساس شبیه سازی در تعداد محدودی از سایت ها انجام شده است. شبیه سازی های جهانی فقط زمین که اکنون برای LS3MIP انجام می شود (Van Den Hurk et al. ، 2016) فرصتی برای آزمایش این نتیجه گیری ها در طیف گسترده تری از شرایط آب و هوایی فراهم می کند.

شکل A1 ESM-SNOWMIP پیش بینی مدل (خطوط) در مقایسه با شروع مشاهده شده (∇) و پایان (△) تاریخ پوشش برف فصلی مداوم در سایت ها. دوره های بدون برف سایه دار هستند (پوشش برف تابستانی زودگذر نشان داده نشده است).

همبستگی شکل A2 در تغییرات interannual در مدت زمان پوشش برف بین جفت مدل های ESM-SNOWMIP. مورب فوقانی در هر شکل همبستگی بین مدل های فردی و مشاهدات در سایت ها را نشان می دهد.