The meridional temperature gradient between middle and high latitudes is decreasing due to Arctic amplification, which enhances the warming in the Arctic region.
This change in temperature is also influencing the circulation and the horizontal energy fluxes between the mid latitudes and the Arctic, which itself might influence the Arctic additionally.
The horizontal energy flux, to our best knowledge, has never been analyzed using the up-to-date method called self-organizing map (SOM).
The SOM is a simple unsupervised neural network that is used to extract patterns of high-dimensional data and presents the patterns in a two dimensional lattice, where similar (more different) patterns are closer together (farther apart) within the lattice.
An advantage of using the SOM is that there are no underlying linear assumptions like in other methods that characterize the circulation, such as the Arctic Oscillation or the North Atlantic Oscillation index.
The SOM has been used in this work to extract and analyze horizontal heat flux patterns from reanalysis data and climate model data.
Using the SOM method, it was possible to find distinct horizontal heat flux patterns into the Arctic, that have been combined into heat flux pathways.
The SOM made it possible to characterize the pathways' change in occurrence frequency throughout the last thirty years and the change between present-day climate model simulations and climate projections with increased greenhouse gas concentrations.
Using reanalysis data, three distinct patterns have been extracted, which all show different features.
They are named according to the main pathway the horizontal heat flux takes to reach the Arctic:
the Atlantic pathway, the Pacific pathway, and the continental pathway.
For the reanalysis data, it is shown that the Atlantic pathway, which is connected with positive temperature anomalies in the central Arctic, has become more frequent during the last three decades, while the Pacific pathway, that is connected to negative temperature anomalies around Svalbard, has become less frequent.
This suggests that the circulation, which is connected to the temperature in the Arctic, is changing.
The trends for the occurrence frequencies of the SOM horizontal heat flux pathways have, to our best knowledge, never been analyzed prior to this work.
With respect to climate model results, the three distinct patterns were also identified in climate simulations of the second half of the twentieth century and climate projections of the second half of the twenty-first century from eight models.
This demonstrates that these three pathways are an inherent part of the atmosphere.
In comparison with the reanalysis data, the climate models show much stronger occurrence frequencies for the continental pathway.
The reanalysis data of the continental pathway does not show such high occurrence frequencies.
However, the multi model mean shows a clear decrease in these occurrence frequencies of the continental pathway between the present-day climate simulation and the climate projection with increased greenhouse gas concentrations.
The continental pathway is mostly connected to strong zonal fluxes while there are only small meridional transports over Siberia or North America.
This suggests that the fluxes become more meridional with an enhanced warming and thus increase the heat flux into the Arctic, which might influence the surface air temperature.:Bibliographische Beschreibung
Bibliographic Description
Acronyms
1. Introduction: Arctic Amplification, Circulation and Transport
1.1. Arctic Amplification
1.2. The (AC)3 project
1.3. Overview of General Circulation in Mid and High Latitudes
1.3.1. Drivers of the general circulation
1.3.2. Circulation impacts on high and mid latitudes
1.3.3. Atmospheric energy transport into the Arctic
1.4. Overview of the Thesis
2. The Self-organizing Map
2.1. Mathematical Description
2.2. SOM Parameters and their Effect on Clustering Meteorological Data
2.2.1. Map size
2.2.2. Neighborhood function
2.2.3. Iterations
2.2.4. Learning rate
2.2.5. Summary of the effect of learning parameters
2.3. Limits of SOM
2.4. Application of SOM in Atmospheric Sciences
2.5. Comparison with the K-Means Clustering Algorithm
2.6. A Practical Guide to SOM
3. Clustering of Atmospheric Energy Transport within ERA-Interim
3.1. Data and Method
3.1.1. ERA-Interim data
3.1.2. Analysis method
3.2. Results
3.2.1. Heat transport SOM
3.2.2. Temperature anomaly composites related to transport pathways
3.2.3. Mean meridional heat transport
3.2.4. Trend of transport pathways
3.2.5. Two-meter temperature trends
3.3. Discussion
3.4. Summary of ERA-Interim Analysis
4. Comparison of Flux Pathways in CMIP5 Model Analysis
4.1. Methods and Data
4.1.1. CMIP5 model data
4.1.2. Analysis using the SOM method
4.2. Results
4.2.1. Historical patterns
4.2.2. RCP8.5 patterns
4.2.3. Mean pathway occurrence frequencies
4.2.4. Pathway occurrence frequency trends during the historical and future time intervals
4.3. Discussion of CMIP5 Analysis
5. Summary and Conclusion of the Horizontal Energy Flux SOM Analysis
References
A. Appendix: ERA-Interim Self-Organizing Map Analysis
B. Appendix: CMIP5 Self-Organizing Map Results
Acknowledgments
Curriculum Vitae
Affirmation / Der meridionale Temperaturgradient zwischen mittleren und hohen Breiten nimmt aufgrund der arktischen Verstärkung ab.
Diese Temperaturänderung beeinflusst auch die Zirkulation und die horizontalen Energieflüsse zwischen den mittleren Breiten und der Arktis, was die Arktis selbst zusätzlich beeinflussen könnte.
Der horizontale Energietransport wurde, unserem bestem Wissen nach, nie mit der aktuellen Methode namens Self-Organizing Map (SOM) analysiert.
Die SOM ist ein einfaches unüberwachtes neuronales Netzwerk, das zum Extrahieren von Mustern hoch dimensionaler Daten verwendet wird und die Muster in einem zweidimensionalen Gitter darstellt, in dem ähnliche (unterschiedliche) Muster innerhalb des Gitters näher beieinander (weiter voneinander entfernt) liegen.
Ein Vorteil der SOM besteht darin, dass keine linearen Annahmen wie bei anderen Methoden vorliegen, die die Zirkulation charakterisieren, wie z. B. die Arktische Oszillation oder der Nordatlantische Oszillationsindex.
Die SOM wurde im Rahmen dieser Arbeit verwendet, um horizontale Wärmetransportmuster aus Reanalysedaten und Klimamodelldaten zu extrahieren und zu analysieren.
Mit der SOM-Methode konnten unterschiedliche horizontale Muster des Wärmetransports in die Arktis identifiziert werden, welche wiederum zu Pfaden zusammengefasst wurden.
Die SOM ermöglichte es, die Veränderung der Auftrittshäufigkeit der Pfade in den letzten dreißig Jahren und die Veränderung der Muster zwischen einer Simulation des heutigen Zustandes und einer Klimaprojektion mit erhöhten Treibhausgaskonzentrationen zu charakterisieren.
Unter Verwendung von Reanalysedaten konnten drei unterschiedliche Pfade extrahiert werden, die alle unterschiedliche Merkmale aufweisen.
Sie wurden nach dem jeweiligen Hauptpfad benannt, den der horizontale Wärmetransport vollzieht, um in die Arktis zu gelangen:
der Atlantikpfad, der Pazifikpfad und der Kontinentalpfad.
Für die Reanalysedaten konnte gezeigt werden, dass die Auftretenshäufigkeit des Atlantikpfads, der mit positiven Temperaturanomalien in der Zentralarktis verbunden ist, in den letzten drei Jahrzehnten gestiegen ist.
Demgegenüber ist die Auftretenshäufigkeit des pazifischen Pfads, der mit negativen Temperaturanomalien um Spitzbergen verbunden ist, in den letzten drei Jahrzehnten gesunken.
Dies deutet darauf hin, dass sich die Zirkulation, die mit der Temperatur in der Arktis verbunden ist, ändert.
Die Trends für die Auftrittshäufigkeiten der horizontalen SOM-Wärmetransportpfade wurden, nach bestem Wissen, vor dieser Arbeit noch nie analysiert.
Auswertungen basierend auf acht Klimamodellen haben die drei unterschiedlichen Muster sowohl in Klimasimulationen für die zweite Hälfte des zwanzigsten Jahrhunderts, als auch in Klimaprojektionen der zweiten Hälfte des einundzwanzigsten Jahrhunderts gefunden.
Dies zeigt, dass diese drei Pfade der Atmosphäre inhärent sind.
Im Vergleich zu den Reanalysedaten zeigen die Klimamodelle viel stärkere Auftrittshäufigkeiten für den Kontinentalpfad.
Die Reanalysedaten des Kontinentalpfads weisen keine hohen Auftrittshäufigkeiten auf.
Der Multi-Modell-Mittelwert zeigt jedoch eine deutliche Abnahme dieser Auftrittshäufigkeiten des Kontinentalpfads zwischen der Simulation des heutigen Zustands und der Projektion mit erhöhten Treibhausgaskonzentrationen.
Der Kontinentalpfad ist meist mit starken zonalen Transporten verbunden, während nur kleine meridionale Transporte über Sibirien oder Nordamerika erfolgen.
Dies deutet darauf hin, dass mit zunehmender Erwärmung die Flüsse meridionaler werden sowie den Wärmetransport in die Arktis erhöhen und somit die Lufttemperatur in Bodennähe beeinflussen können.:Bibliographische Beschreibung
Bibliographic Description
Acronyms
1. Introduction: Arctic Amplification, Circulation and Transport
1.1. Arctic Amplification
1.2. The (AC)3 project
1.3. Overview of General Circulation in Mid and High Latitudes
1.3.1. Drivers of the general circulation
1.3.2. Circulation impacts on high and mid latitudes
1.3.3. Atmospheric energy transport into the Arctic
1.4. Overview of the Thesis
2. The Self-organizing Map
2.1. Mathematical Description
2.2. SOM Parameters and their Effect on Clustering Meteorological Data
2.2.1. Map size
2.2.2. Neighborhood function
2.2.3. Iterations
2.2.4. Learning rate
2.2.5. Summary of the effect of learning parameters
2.3. Limits of SOM
2.4. Application of SOM in Atmospheric Sciences
2.5. Comparison with the K-Means Clustering Algorithm
2.6. A Practical Guide to SOM
3. Clustering of Atmospheric Energy Transport within ERA-Interim
3.1. Data and Method
3.1.1. ERA-Interim data
3.1.2. Analysis method
3.2. Results
3.2.1. Heat transport SOM
3.2.2. Temperature anomaly composites related to transport pathways
3.2.3. Mean meridional heat transport
3.2.4. Trend of transport pathways
3.2.5. Two-meter temperature trends
3.3. Discussion
3.4. Summary of ERA-Interim Analysis
4. Comparison of Flux Pathways in CMIP5 Model Analysis
4.1. Methods and Data
4.1.1. CMIP5 model data
4.1.2. Analysis using the SOM method
4.2. Results
4.2.1. Historical patterns
4.2.2. RCP8.5 patterns
4.2.3. Mean pathway occurrence frequencies
4.2.4. Pathway occurrence frequency trends during the historical and future time intervals
4.3. Discussion of CMIP5 Analysis
5. Summary and Conclusion of the Horizontal Energy Flux SOM Analysis
References
A. Appendix: ERA-Interim Self-Organizing Map Analysis
B. Appendix: CMIP5 Self-Organizing Map Results
Acknowledgments
Curriculum Vitae
Affirmation
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:75179 |
| Date | 21 June 2021 |
| Creators | Mewes, Daniel |
| Contributors | Universität Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds