À medida que as temperaturas globais continuam a subir, as comunidades costeiras são confrontadas com o desafio premente do aumento do nível do mar. A urgência de fornecer aos decisores previsões fiáveis ​​sobre os níveis futuros do mar torna-se cada vez mais crítica. Na vanguarda deste esforço preditivo está o Nível Dinâmico do Mar (DSL), uma variável matizada intrinsecamente ligada à densidade da água do mar e à circulação oceânica, atualmente sob intenso escrutínio em modelos climáticos.



A Equipe de Modelagem Oceânica do Instituto de Física Atmosférica da Academia Chinesa de Ciências conduziu recentemente um extenso estudo, desvendando as incertezas que cercam as projeções DSL usando o conjunto de ponta do Projeto de Intercomparação de Modelo Acoplado Fase 6 (CMIP6) e o expansivo super FGOALS-g3. -grande conjunto.

O seu estudo revela que, no que diz respeito à dinâmica à escala da bacia, a incerteza intermodelo desempenha um papel importante, contribuindo com mais de 55%, 80% e 70% para a incerteza total das projeções DSL no curto prazo (2021-2040), médio prazo (2041-2060). ) e longo prazo (2081-2100), respectivamente. Seguindo de perto está a variabilidade interna, responsável por 10-42% no curto prazo e menos de 20% no médio prazo. Embora o impacto da incerteza do cenário seja inicialmente mínimo, aumenta gradualmente, ultrapassando as contribuições da variabilidade interna no longo prazo.

O professor Hailong Liu, autor correspondente da série de estudos publicados recentemente, enfatizou:"Existem também nuances regionais. Na escala regional, a variabilidade interna domina no curto prazo para o Oceano Pacífico, o Oceano Índico e a fronteira ocidental do Oceano Atlântico. Por outro lado, a incerteza intermodelo ganha destaque em outras regiões. As contribuições evoluem ao longo do tempo, com a incerteza do cenário tornando-se significativa nos oceanos Sul, Pacífico e Atlântico no longo prazo.

A equipe de pesquisa também observou que se espera que sinais DSL antropogênicos surjam de regiões específicas até o final deste século. O refinamento do conjunto CMIP6, conseguido através da eliminação das diferenças de modelo, aumenta a nossa capacidade de detectar estes sinais antecipadamente.

"Imagine tentar entender o clima da Terra usando um modelo de computador. Em vez de executar o modelo apenas uma vez, nós o executamos muitas vezes com pequenas variações nas condições iniciais. Isso nos ajuda a ver como o modelo responde a diferentes situações", explicou o Prof. .

"Ao fazer isso, podemos medir melhor como o clima da Terra reage a fatores externos, como mudanças nos gases de efeito estufa, e também compreender os altos e baixos naturais que acontecem por si próprios. Desta forma, obtemos uma imagem mais clara e confiável de como funciona o nosso clima."

A equipe, portanto, obtém insights do FGOALS-g3 Super-Large Ensemble, com 110 membros do modelo, alinhando-se perfeitamente com os membros do CMIP6 nas projeções DSL médias da bacia. Uma análise comparativa com o conjunto CMIP6 revela estimativas maiores de variabilidade interna no conjunto supergrande FGOALS-g3.

Então, quais são as implicações para amanhã? A investigação da equipa não só aprofunda a nossa compreensão da subida do nível do mar, mas também estabelece as bases para modelos climáticos mais precisos e informados. Os conhecimentos recolhidos são fundamentais para garantir o futuro das nossas comunidades costeiras.

Essas descobertas foram publicadas recentemente no Journal of Climate , Avanços nas Ciências Atmosféricas e Cartas de Geociências .

Mais informações: Chenyang Jin et al, Incertezas na projeção do nível dinâmico do mar no grande conjunto CMIP6 e FGOALS-g3, Journal of Climate (2024). DOI:10.1175/JCLI-D-23-0272.1
Chenyang Jin et al, Avaliação da variabilidade sazonal a decenal em simulações dinâmicas do nível do mar de CMIP5 a CMIP6, Geoscience Letters (2023). DOI:10.1186/s40562-023-00291-w

Fornecido pela Academia Chinesa de Ciências