Abstrak
Ketidakpastian dalam estimasi Amplifikasi Arktik sebagian besar sensitif terhadap simulasi awan Arktik dalam model iklim. Awan stratiform fase campuran sangat menarik karena keberadaannya di Arktik. Di sini, kami menyajikan set data jangka panjang baru yang terdiri dari berbagai pengamatan yang dirancang khusus untuk mengidentifikasi faktor pengendali awan dari sifat awan fase campuran di Arktik. Kami menemukan bahwa sifat awan Arktik sebagian besar dikendalikan oleh sifat meteorologi, di mana lingkungan yang lebih hangat, lebih kering, dan lebih stabil bertindak untuk mengurangi fraksi awan, jalur air, dan ukuran partikel volume median. Namun, memahami pengaruh perubahan aerosol tidak dapat diabaikan dan penting dalam memahami perbedaan respons air cair dan air es. Kami menemukan bahwa aerosol berbasis sulfur terutama mengendalikan proses cair awan sementara aerosol berbasis karbon terutama mengendalikan proses es awan.
Poin-poin Utama
- Kumpulan data disusun untuk mempelajari faktor-faktor pengendali awan pada sifat-sifat awan stratiform fase campuran lapisan tunggal tingkat rendah Arktik
- Lingkungan yang lebih hangat, lebih kering, dan lebih stabil berperan untuk mengurangi fraksi awan, jalur air, dan ukuran partikel es volume median.
- Aerosol berbasis sulfur terutama mengendalikan proses cair awan sedangkan aerosol berbasis karbon terutama mengendalikan proses es awan.
Ringkasan Bahasa Sederhana
Ketidakpastian dalam perkiraan pemanasan permukaan sebagai respons terhadap perubahan iklim sebagian besar disebabkan oleh ketidakpastian dalam awan Arktik. Awan Arktik dapat terdiri dari air cair dan air es, yang berubah secara berbeda sebagai respons terhadap perubahan iklim. Mempersempit ketidakpastian dalam respons perubahan awan Arktik terhadap pemanasan permukaan memerlukan pemahaman menyeluruh tentang sifat atmosfer yang memengaruhi perubahan jumlah total awan Arktik yang ada serta keseimbangan antara komponen cair dan es awan. Saat permukaan menghangat, musim pencairan dan aktivitas antropogenik berubah yang mengubah kepentingan relatif berbagai sifat atmosfer. Meningkatkan pemahaman tentang pengaruh dasar sifat-sifat ini menjadi sangat penting dalam mempersempit ketidakpastian dalam respons Bumi terhadap perubahan iklim. Karya ini memadukan berbagai set data yang terkait dengan sifat awan Arktik menjadi satu set data umum dengan tujuan khusus untuk menganalisis karakteristik atmosfer yang mengubah awan Arktik ini. Kami menemukan bahwa iklim yang lebih hangat dan lebih kering akan menyebabkan penurunan jumlah awan Arktik dan kandungan air terkaitnya. Aerosol, baik dari sumber organik maupun antropogenik, di sisi lain, sangat penting dalam memahami fase air secara individual, karena mereka memengaruhi air cair dan air es secara berbeda.
1 Pendahuluan
Amplifikasi Arktik (AA) merujuk pada laju pemanasan yang diamati di Arktik yang lebih dari dua kali lipat laju pemanasan rata-rata di seluruh dunia (Lenssen et al., 2019 ). Pemanasan yang diperkuat adalah pemanasan berbasis permukaan, paling kuat pada musim gugur dan musim dingin, dan memainkan peran besar dalam umpan balik albedo permukaan (Bintanja et al., 2011 ; Manabe & Stouffer, 1980 ; Manabe & Wetherald, 1975 ; Pistone et al., 2014 ; Serreze et al., 2009 ). Perubahan kekuatan AA sulit diukur dan dijelaskan secara mekanistis karena peran kompleks respons lautan, es laut, dan awan terhadap pemanasan terhadap sistem iklim dan satu sama lain (Manabe & Stouffer, 1980 ; Tan et al., 2022 ; Taylor et al., 2022 ; Washington & Meehl, 1984 ; Wilson & Mitchell, 1987 ), yang merupakan sumber utama penyebaran antar-model dalam AA (Holland & Bitz, 2003 ).
Ketidakpastian dalam estimasi AA sebagian besar disebabkan oleh ketidakpastian dalam simulasi awan Arktik (Hahn et al., 2021 ) yang sebagian disebabkan oleh pengaruh perubahan fase yang terwujud sebagai perubahan kedalaman optik awan (Coulbury & Tan, 2024 ), fraksi awan (Tan et al., 2025 ), dan interaksi awan dengan hilangnya es laut dan salju (Holland & Bitz, 2003 ; Pistone et al., 2014 ). Arktik dicirikan oleh kehadiran awan stratokumulus fase campuran tingkat rendah yang terus-menerus selama sebagian besar tahun, sekitar setengahnya adalah awan berlapis-lapis (de Boer et al., 2009 ; Morrison et al., 2012 ; Mulmenstadt et al., 2012 ; Shupe, 2011 ; Shupe & Intrieri, 2004 ; Shupe et al., 2006 ; Tan et al., 2023 ). Awan fase campuran terdiri dari air dan es, di mana tetesan air cair biasanya jauh lebih kecil daripada kristal es (Pruppacher & Klett, 1980 ) dan memantulkan lebih banyak radiasi gelombang pendek sambil memancarkan lebih banyak radiasi gelombang panjang untuk kadar air yang sama. Dengan demikian, memahami rasio air cair dan kadar air es dalam awan ini sangat penting untuk memahami peran awan ini dalam AA dan ECS.
Sumber ketidakpastian besar lainnya dalam model iklim berasal dari interaksi aerosol-awan (Fridlind & Ackerman, 2018 ; Klein et al., 2009 ; Sedlar et al., 2020 ; Taylor et al., 2019 ). Aerosol memainkan peran penting dalam memodulasi lingkungan Arktik dan awan Arktik karena beberapa mampu menjadi partikel pembentuk inti es (INP), memengaruhi fluks radiatif langit cerah dan dapat, sebagai akibatnya, memengaruhi konsentrasi jumlah partikel awan dan presipitasi (Albrecht, 1989 ; Hansen et al., 1997 ; Kalesse et al., 2016 ). Jenis INP umum di atmosfer meliputi debu mineral, partikel biologis, pembakaran, dan debu tanah (Hoose & Möhler, 2012 ; Kanji et al., 2017 ; Murray et al., 2012 ), yang masing-masing memiliki wilayah sumber, konsentrasi, dan siklus musiman sendiri. Awan stratokumulus fase campuran Arktik, dibandingkan dengan wilayah lain (de Boer et al., 2013 ; Eirund et al., 2019 ; Morrison et al., 2008 ; Norgren et al., 2018 ; Solomon et al., 2018 ), sangat sensitif terhadap sifat-sifat aerosol seperti konsentrasi, ukuran, dan komposisi serta sumber aerosol, yang semuanya memiliki respons uniknya sendiri terhadap perubahan iklim (Garrett & Zhao, 2006 ; Li et al., 2022 ; Lubin & Vogelmann, 2006 , 2007 , 2010 ; Maahn et al., 2017 ; Mauritsen et al., 2011 ; Murray et al., 2021 ).
Seperti yang diulas oleh Tan et al. ( 2023 ), untuk lebih memahami dan meningkatkan simulasi awan Arktik, memahami pengaruh faktor meteorologi dan aerosol sangatlah penting. Sifat awan Arktik fase campuran sebagian besar dipengaruhi oleh inversi dan intrusi suhu dan kelembapan (Tan et al., 2023 ), aerosol, dan, pada tingkat yang lebih kecil, penurunan tanah dalam skala besar. Akan tetapi, pekerjaan sebelumnya sebagian besar didasarkan pada pemodelan resolusi tinggi karena dalam pengamatan, peran pengganggu meteorologi membuat sulit untuk mengisolasi dampak aerosol pada awan (misalnya, Zamora et al., 2018 ). Untuk pekerjaan observasi yang telah mempertimbangkan aerosol, terutama menekankan pengukuran aerosol menggunakan instrumen berbasis permukaan yang tidak sesuai untuk mengukur aerosol, terutama ketika mempertimbangkan apa yang terjadi pada tingkat awan (Brock et al., 2011 ; Creamean et al., 2022 ; Fisher et al., 2010 ; Jacob et al., 2010 ; Matsui et al., 2011a , 2011b ; McNaughton et al., 2011 ). Saat ini, selain menggunakan data analisis ulang, sistem balon tertambat dan misi udara adalah sumber utama pengamatan aerosol di atas permukaan. Misi udara mahal dan, dengan demikian, sangat pendek dan tidak konsisten dalam catatan (Spanu et al., 2020 ), membuat analisis iklim menjadi sulit. Sistem balon yang diikat merupakan kompromi yang menjanjikan, tetapi masih dalam proses penerapan di berbagai lokasi dan, akibatnya, memiliki catatan yang relatif singkat (Dexheimer et al., 2024 ). Selain itu, studi observasional sebelumnya yang berfokus pada peran aerosol pada sifat awan tidak membedakan antara jenis aerosol (misalnya, McFarquhar et al., 2011 ; Verlinde et al., 2007 ).
Bahasa Indonesia: Dalam karya ini, kami memperkenalkan kumpulan data jangka panjang baru tentang sifat awan Arktik stratiform dan menganalisis kontrol meteorologi dan aerosol utama pada sifat awan ini menggunakan analisis faktor pengendali awan (CCF), yang telah digunakan di masa lalu untuk membatasi ketidakpastian dalam sifat awan yang disimulasikan dan umpan balik awan (Ceppi & Nowack, 2021 ; Klein et al., 2017 ; Myers et al., 2021 ; Naud et al., 2023 ; Scott et al., 2020 ; Tan et al., 2024 ) . Karya ini berfokus pada sifat awan di situs Pengukuran Radiasi Atmosfer (ARM) Departemen Energi AS (DOE) di Lereng Utara Alaska (NSA) (Curry et al., 1996 ; Stamnes et al., 1995 , 1999 ), yang berlokasi di Utqiaġvik, AK Utara Lingkaran Arktik pada 7119′22.8″N, 15636′54″W. Bagian 2 menjelaskan kumpulan data dan metodologi CCF yang hasilnya disajikan di Bagian 3 sebagai tambahan klimatologi dari sifat atmosfer dan awan yang digunakan. Kami tutup dengan diskusi dan kesimpulan di Bagian 4 .
2 Data dan Metode
2.1 Kumpulan Data
Di sini, kami menyajikan satu set data tunggal yang memadukan dan menstandardisasi pengamatan di situs NSA dari beberapa instrumen yang secara ideal cocok untuk mempelajari AA dan produk turunannya menjadi resolusi temporal per jam yang umum. Situs ini telah mengumpulkan data untuk periode yang cukup lama untuk analisis tren iklim dan umpan balik menggunakan pengamatan untuk melengkapi data yang disimulasikan oleh model iklim, yang resolusinya terlalu kasar untuk secara eksplisit menyelesaikan proses terkait awan (Kay et al., 2016 ; Siebesma et al., 2009 ). Selain itu, di Arktik, respons anggaran energi permukaan terhadap perubahan iklim lebih relevan daripada anggaran energi bagian atas atmosfer karena sifat AA yang berat di bagian bawah dan pentingnya mekanisme dan interaksi berbasis permukaan yang terjadi (Boeke et al., 2021 ; Goosse et al., 2018 ; Payne et al., 2015 ; Pithan & Mauritsen, 2014 ). Yang penting bagi anggaran energi permukaan di Arktik adalah pengaruh keberadaan awan rendah, terutama mengingat awan menjadi pengaruh utama pada anggaran energi permukaan selama malam kutub. Oleh karena itu, instrumen berbasis darat di NSA merupakan komponen penting dalam memajukan pemahaman proses kita tentang mekanisme ini.
Set data kami mencakup tahun 2000–2020 meskipun setiap aliran data tidak selalu memiliki data yang tersedia selama seluruh periode waktu. Gambar S1 dalam Informasi Pendukung S1 menunjukkan ketersediaan data untuk setiap aliran data sementara Tabel S1–S9 dalam Informasi Pendukung S1 menyajikan variabel dalam set data yang kami terbitkan, sumbernya, dan, jika berlaku, variabel yang diturunkan dan bagaimana cara diturunkan (seperti menggunakan MetPy, May et al., 2022 ). Variabel akhir yang digunakan dalam analisis studi ini ditandai dengan tanda bintang dalam Tabel S1–S9 dalam Informasi Pendukung S1 , dan kami membatasi data hingga Juli 2014–Oktober 2019, satu-satunya tahun di mana semua aliran data yang kami gunakan tumpang tindih. Lebih jauh, kami hanya mempertimbangkan contoh di mana awan stratiform fase campuran lapisan tunggal hadir, yang kriteria identifikasinya dijelaskan lebih lanjut di Bagian 2.2 . Profil vertikal dirata-ratakan di atas lapisan awan.
2.2 Awan Stratiform Fase Campuran
Kami mengidentifikasi lapisan stratiform mengikuti definisi Terai et al. ( 2019 ) di mana bagian bawah lapisan stratiform adalah level terendah di mana fraksi awan melebihi 5% dan bagian atas lapisan stratiform adalah level tertinggi di mana fraksi awan melebihi 5% (garis putus-putus merah pada Gambar 1 ) menggunakan campuran fraksi awan radar awan dan lidar mikropulsa, (lihat Tabel S3 dalam Informasi Pendukung S1 “strat_mask” untuk detail lebih lanjut). Data sumber untuk profil fraksi awan memiliki resolusi vertikal 45 m dengan resolusi temporal 10 detik, yang dirata-ratakan per jam dan diinterpolasi ke resolusi vertikal 30 m, lihat X. Chen dan Xie ( 1998 ) untuk detail lebih lanjut. Fraksi awan meningkat secara monoton dari dasar ke level fraksi awan maksimum dan menurun secara monoton dari level fraksi awan maksimum ke puncak awan (garis putus-putus biru pada Gambar 1 ). Lapisan ini memiliki fraksi awan agregat minimal 90%, yang memastikan langit hampir mendung dan menghindari awan yang tumpang tindih, dan berada di bawah 5 km dengan langit cerah di atas dan di bawah puncak dan dasar awan (garis abu-abu putus-putus horizontal pada Gambar 1 ). Ini mungkin mengidentifikasi lapisan stratiform paling murni, tidak terhalang oleh proses awan lainnya. Untuk mempertimbangkan awan stratiform yang secara khusus merupakan fase campuran, kami hanya menggunakan contoh awan stratiform yang mengandung es (IWP) dan jalur air cair (LWP) menggunakan ambang batas 0 g
, lihat Tabel S8 dalam Informasi Pendukung S1 untuk detail tentang IWP dan LWP. Meskipun kami menyaring presipitasi menggunakan algoritma Shupe et al. ( 2015 ), awan presipitasi mungkin masih disertakan dalam set data karena kesamaan hasil radar dari hujan salju yang lemah dan es awan.
Perlu dicatat, fraksi awan yang digunakan untuk mengidentifikasi lapisan stratiform adalah pengamatan langsung (Tabel S3 dalam Informasi Pendukung S1 ) sedangkan fraksi awan (
) yang digunakan dalam analisis CCF, dan sisa naskah ini menggunakan fraksi awan dari set data Shupe et al. ( 2015 ) (Tabel S8 dalam Informasi Pendukung S1 ). Fraksi awan tersebut hanya mengidentifikasi apakah awan hadir pada suatu level atau tidak (biner 1 atau 0) pada frekuensi temporal 1 menit. Kami merata-ratakan profil biner ini selama satu jam untuk memperoleh fraksi awan sebagai persentase profil yang memiliki awan pada level tersebut. Kami menggunakan fraksi awan per jam ini yang dirata-ratakan pada lapisan stratiform yang diidentifikasi sebagai properti awan yang diprediksi,
.
2.3 Faktor Pengendali Awan
3 Hasil
3.1 Klimatologi Peristiwa Stratiform
