Blog

Aug 20, 2023

Zirkulationsmuster im Zusammenhang mit Trends bei sommerlichen Temperaturvariabilitätsmustern in Nordamerika

Scientific Reports Band 13, Artikelnummer: 12536 (2023) Diesen Artikel zitieren 348 Zugriffe 1 Altmetric Metrics Details Diese Studie verbessert das Verständnis der Zirkulationsmuster, die mit verbunden sind

Scientific Reports Band 13, Artikelnummer: 12536 (2023) Diesen Artikel zitieren

348 Zugriffe

1 Altmetrisch

Details zu den Metriken

Diese Studie verbessert das Verständnis von Zirkulationsmustern, die mit regionalen Temperaturtrends verbunden sind, indem sie die Temperaturvariabilitätsmuster der Boreal-Sommertemperaturen in Nordamerika mithilfe einer rotierten S-Modus-Hauptkomponentenanalyse charakterisiert. Wir analysierten gerasterte Beobachtungs-2-m-Temperaturdatensätze und den ERA5-Reanalyse-Temperaturdatensatz, um die Klimamuster zu untersuchen, die mit langfristigen Trends und der interjährlichen Variabilität der Temperaturvariabilitätsmuster in Nordamerika verbunden sind. Unsere Analyse ergab signifikante Trends bei einigen klassifizierten Temperaturvariabilitätsmustern in den Sommern 1979 bis 2022, wobei die jährlichen Amplituden (d. h. eine Abweichung vom Mittelwert) auf ein warmes Regime hindeuten. Die antizyklonische Zirkulationsanomalie über den mit Grönland/Nordostkanada und Alaska verbundenen temperaturkohärenten Regionen ist mit einem Anstieg der Warmluftadvektion und überdurchschnittlichen Temperaturen verbunden, während die Zyklonzirkulation über der Nordostpazifikküste die Warmluftadvektion und -temperatur verstärkte nimmt in der zusammenhängenden Region, die den nordwestlichen Teil Nordamerikas umfasst, zu. Der Anstieg der globalen mittleren Land- und Meerestemperaturen steht in engem Zusammenhang mit der langfristigen Zunahme der Amplitude der atmosphärischen Zirkulationen, die mit warmen Regimen in Teilen Nordamerikas verbunden sind. Auf der zwischenjährlichen Zeitskala ist der Temperaturanstieg über Grönland/Nordostkanada stark mit der negativen Phase der Arktischen Oszillation verbunden. Diese Ergebnisse verdeutlichen die modulierenden Auswirkungen des globalen Temperaturanstiegs und der Erwärmung des westlichen tropischen Pazifiks auf die zunehmende Amplitude der Zirkulationen, die mit warmen Regimen in Nordamerika verbunden sind. Unsere Ergebnisse deuten außerdem darauf hin, dass die Verstärkung antizyklonaler Zirkulationen über der Arktis zu fast 68 % der beobachteten Verringerung der Meereisausdehnung beiträgt.

Klimatrends sind ein grundlegender Aspekt der Klimaforschung, da sie als wertvolle Indikatoren für den Klimawandel dienen1,2. Der Klimawandel kann sich jedoch auch in abrupten Veränderungen des mittleren Klimazustands äußern, die über mehrere Jahrzehnte anhalten können3. Klimatrends, wie der beobachtete Anstieg der Erdtemperatur und die Erwärmung des oberen Ozeans, werden nachweislich größtenteils durch anthropogene Einflüsse verursacht4,5. Dieser menschliche Einfluss auf das Klimasystem kann die Häufigkeit und/oder Stärke von Wettermustern verändern, was zu Veränderungen der täglichen Wettervariabilität führt6. Andererseits können interne Antriebe wie Anomalien in großräumigen Zirkulationsmodi, die zwischen hohen und niedrigen Indexwerten schwanken, zu abrupten Verschiebungen im mittleren Zustand des Klimasystems führen5, und wenn sich solche Anomalien mit der Richtung des externen Antriebs synchronisieren, werden diese beschleunigt Klimatrends werden plausibel7. Die Identifizierung der zugrunde liegenden Klimavariabilitätsmodi, die für die lang- und kurzfristige Variabilität der Klimavariablen verantwortlich sind, ist für die Verbesserung der Genauigkeit von Klimavorhersagen von entscheidender Bedeutung8. Das Verständnis dieser Klimamodi kann wertvolle Einblicke in die Mechanismen liefern, die Klimavariabilität und -veränderung antreiben, und kann dazu beitragen, wirksame Strategien zur Klimaanpassung und -minderung zu entwickeln. Angesichts der schwerwiegenden Auswirkungen von Temperaturextremen auf die menschliche Gesundheit9,10, die Wirtschaft11 und das Ökosystem12 ist es von entscheidender Bedeutung, die zugrunde liegenden Klimamodi zu verstehen, die mit langfristigen Änderungen der Temperaturvariabilitätsmuster in Nordamerika verbunden sind. Diese Region ist häufig von Hitzewellen und Kälteausbrüchen betroffen13, was sie zu einem wichtigen Untersuchungsgebiet macht. In dieser Studie werden wir diese Klimavariabilitätsmodi analysieren und uns dabei auf zeitliche Änderungen der atmosphärischen Zirkulationsvariabilität konzentrieren.

Mehrere Studien haben sich mit Temperaturtrends in (Teilen) Nordamerikas befasst10,14,15,16,17 und den möglichen Zirkulationsmustern (oder Wettertypen), die diese Trends bestimmen10,18. In einer Untersuchung von19 wurde hervorgehoben, dass Temperaturextreme in Nordamerika häufig mit großräumigen Luftmassenverschiebungen verbunden sind. Darüber hinaus haben Studien die Zusammenhänge zwischen Fernverbindungsmustern und saisonalen Temperaturschwankungen in Nordamerika hervorgehoben20,21,22. Referenz21 berichtete über eine starke Korrelation zwischen dem pazifischen nordamerikanischen Muster und der Wintertemperatur über Nordamerika. Referenz23 betonte, dass die Nordatlantische Oszillation (NAO) synoptische Wetterfrequenzen in Teilen Nordamerikas beeinflusst. Referenz24 fand in Teilen Nordamerikas weit verbreitete signifikante Korrelationen zwischen dem Muster des Westpazifiks (WP), dem NAO und den kühlen/warmen Wettertypen. Von Dezember bis März25 wurde berichtet, dass die El Niño Southern Oscillation (ENSO) mit überdurchschnittlichen Temperaturen über Alaska und Teilen Kanadas korreliert. Andere Studien berichteten über andere Fernverbindungen, die regionale atmosphärische Zirkulationsmuster über Nordamerika und darüber hinaus modulieren26,27,28,29. Beispielsweise zeigt der SST im tropischen Pazifik die stärksten Auswirkungen im Winter, da ENSO dann im Allgemeinen seine maximale Stärke erreichen kann. Der anomale Wärmefluss führt dazu, dass sich der Jetstream von seiner klimatologischen Position verschiebt. Die außertropischen Wirbelstürme weisen auch während El Niño und La Niña Schwankungen auf, was zur Temperatur- und Niederschlagsschwankung in den mittleren Breiten beiträgt26,27,28.

Zeitliche Veränderungen der atmosphärischen Zirkulationen weisen räumliche Heterogenität auf, vor allem weil verschiedene Regionen rund um den Globus unterschiedlich auf externe und interne Klimaeinflüsse reagieren. Diese Variation kann auf eine Kombination von Faktoren zurückzuführen sein, darunter Unterschiede in den Landoberflächeneigenschaften, atmosphärischen Zirkulationsmustern, Meeresströmungen und regionalen Klimarückkopplungen30. Im Fall Nordamerikas hat sich keine frühere Studie umfassend mit den Klimamustern befasst, die mit zeitlichen Änderungen der atmosphärischen Zirkulationsvariabilität regionaler Zirkulationsmuster verbunden sind, die mit Warm-/Kaltregimen in relativ temperaturkohärenten Regionen verbunden sind. Daher sind die Hauptbeiträge dieser Studie: (i) Charakterisierung der Temperatur über Nordamerika in unterschiedliche Variabilitätsmuster oder relativ temperaturkohärente Regionen; (ii) Untersuchung der Zirkulationsmuster, die mit warmen und kalten Regimen in diesen Regionen verbunden sind; (iii) Erforschung von Trends bei zeitlichen Änderungen der Variabilität der atmosphärischen Zirkulation; und (iv) Identifizierung der Klimaindizes, die mit der lang- und kurzfristigen Variabilität der atmosphärischen Zirkulationen verbunden sind. Ziel dieser Studie ist es, ein besseres Verständnis der komplexen Wechselwirkungen zwischen Temperatur, atmosphärischen und ozeanischen Fernverbindungen und dem Klimawandel in Nordamerika zu ermöglichen. Das verbesserte Verständnis der Zirkulationsmuster, die mit der Temperaturvariabilität in Nordamerika verbunden sind, erleichtert die Entwicklung von Klimamodellsimulationen im Hinblick auf eine genauere Darstellung des Klimasystems und zuverlässigere zukünftige Prognosen des Klimawandels in Nordamerika.

Die gedrehte S-Modus-PCA zeigte, dass in Nordamerika während der JJA fünf physikalisch interpretierbare Temperaturvariabilitätsmuster klassifiziert werden können. Die Temperaturvariabilitätsmuster sind in Abb. 1 dargestellt. Die optimale Anzahl der als physikalisch interpretierbar angesehenen Variabilitätsmuster wurde bestimmt, indem die gedrehten PCs mit den Korrelationsvektoren abgeglichen wurden, mit denen sie indiziert sind, und indem gefordert wurde, dass alle beibehaltenen PCs eine angemessene Kongruenzübereinstimmung aufweisen (d. h , größer oder gleich 0,92). Der Varimax-Rotationsalgorithmus drehte die PCs, um sie an die Korrelationsmuster anzupassen, und die Ergebnisse der Anpassung und die Anzahl der zu behaltenden PCs stimmten zwischen den beiden Beobachtungsdatensätzen überein (Tabelle 1). Die durch die PCs erklärte Varianz beträgt 30,13 % für PC1, 16,26 % für PC2, 13,81 % für PC3, 7,88 % für PC4 und 7,48 % für PC5. Somit erklärten die fünf zurückgehaltenen PCs insgesamt etwa 75,56 % der 2-m-Temperaturdaten.

Temperaturvariabilitätsmuster in Nordamerika während der JJA von 1979 bis 2022. Die erste Zeile enthält die ersten fünf PCs der CPC 2-m-Temperatur; die zweite Reihe sind die ersten fünf PCs von GHCN 2-m-Temperatur; und die dritte Reihe sind die ersten fünf PCs von ERA5 2-m-Temperatur.

Aus Abb. 1 geht hervor, dass die Temperaturvariabilitätsmuster der drei Datensätze insgesamt konsistent sind. Im Durchschnitt sind die Muster von CPC und GHCN am ähnlichsten, wobei die Kongruenzübereinstimmungen meist größer als 0,9 sind. Die Muster in Abb. 1 zeigen relativ temperaturkohärente Regionen während der JJA. Die Belastungsgrößen und Isoplethen zeigen, inwieweit die Gitter im Hinblick auf die JJA-Temperaturanomalie korrelieren. Regionen mit hoher Belastungsgröße sind Wirkungszentren der zugrunde liegenden Zirkulationsmuster, die mit dem Variabilitätsmuster verbunden sind (Abb. 2 und 3). In unserer explorativen Analyse haben wir die PC-Scores so strukturiert, dass die positive Phase die warme Phase des Temperaturvariabilitätsmusters und die negative Phase die kalte Phase des Temperaturvariabilitätsmusters bezeichnet (Abb. 3).

Zusammengesetzte Anomaliekarten von SLP (grüne Konturen), Windvektor (schwarze Vektoren) und der Dicke der atmosphärischen Schicht zwischen 1000 und 850 hPa (Farbe) für die positiven (a) und negativen (b) Phasen der Temperaturvariabilitätsmuster in Abb. 1 Es werden nur Werte dargestellt, die die auf dem Permutationstest basierende 95-Perzentil-Konfidenzgrenze überschreiten. Dicke (gestrichelte) Konturen weisen auf positive (negative) SLP-Anomalien hin.

Zusammengesetzte Anomaliekarten der 2-m-Temperatur über Land und Ozeanen für die positiven und negativen Phasen der Temperaturvariabilitätsmuster in Abb. 1. Es werden nur Werte dargestellt, die die 95-Perzentil-Konfidenzgrenze basierend auf dem Permutationstest überschreiten.

PC1 ist mit Temperaturschwankungen über Grönland und dem Nordosten Kanadas verbunden, mit schwachen Belastungsgrößen über Mexiko und den südlichen Teilen der USA (Abb. 1). Aus Abb. 2a geht hervor, dass während der positiven Phase von PC1 über Grönland eine antizyklonische Zirkulationsanomalie vorherrscht, während über dem Atlantischen Ozean (südlich von Grönland) eine zyklonische Zirkulationsanomalie zu erkennen ist, die ein meridionales SLP-Anomaliemuster markiert. Die antizyklonische Zirkulationsanomalie über Grönland verstärkt die Warmluftadvektion durch südöstliche Winde über Grönland, insbesondere in den westlichen Teilen (dh die positive Dickenanomalie). Somit ist die Temperaturanomalie über Grönland positiv (Abb. 3). Darüber hinaus ist das anomale Klimafeld von PC1 im Sommer häufig mit Hochdruckblockaden über Alaska oder Westkanada verbunden; das Ausbleiben von Gewittern und längere wolkenlose Tage führten zu Hitzewellen über Westkanada (Abb. 2 und 3). Während der negativen Phase von PC1 ist ein umgekehrtes Zirkulationsmuster zu erkennen (Abb. 2b), wobei die zyklonische Zirkulationsanomalie über Grönland und die antizyklonische Zirkulationsanomalie über dem Atlantischen Ozean südlich von Grönland dominiert. Die Dominanz der zyklonischen Zirkulationsanomalie über Grönland verstärkt das Eindringen arktischer Luft (d. h. der Nordwestwinde) in Grönland (Abb. 2b), was zu einer Abnahme der atmosphärischen Schichtdicke und zu unterdurchschnittlichen Temperaturen über Grönland führt (Abb. 3). .

PC2 regionalisiert die östlich-zentralen Teile Nordamerikas (Abb. 1). Die im westlichen Teil beobachtete negative Belastung (Abb. 1) lässt vermuten, dass die zugrunde liegenden Zirkulationsmuster, die mit der Entwicklung des PC2-Regimes verbunden sind (Abb. 2, PC2), eine entgegengesetzte Temperaturanomalie in Teilen der westlichen Spitzen Nordamerikas bewirken ( Abb. 3, PC2). Aus Abb. 2a ist während der positiven Phase von PC2 ein zonales SLP-Anomaliemuster über dem Atlantischen Ozean ersichtlich – zyklonische Zirkulation an der Westküste Nordamerikas und antizyklonische Zirkulation vor der Atlantikküste. Dies erhöht die Warmluftadvektion, was zu einer positiven Temperaturanomalie über den östlich-zentralen Teilen Nordamerikas führt (Abb. 3, PC2). In der negativen Phase impliziert der zonale SLP-Gradient eine zyklonische Zirkulationsanomalie im Atlantik und eine antizyklonische Zirkulationsanomalie über der Westküste Nordamerikas. Das Zirkulationsmuster verstärkt das Eindringen der Luft aus der Nordwestarktis in die östlich-zentralen Teile Nordamerikas, was zu sinkenden Temperaturen über den östlich-zentralen Teilen Nordamerikas führt (Abb. 2b und 3, PC2).

PC3 regionalisiert die westzentralen Teile Nordamerikas (Abb. 1). Während der positiven (negativen) Phase ist vor der Nordwestküste Nordamerikas eine zyklonische (antizyklonale) Zirkulationsanomalie zu beobachten, die zu einer verstärkten Advektion warmer Luft (kalter Luft) über den westzentralen Teilen Nordamerikas führt (Abb. 2, PC3); Daher ist unter PC3 eine positive (negative) Temperaturanomalie über den westzentralen Teilen Nordamerikas erkennbar (Abb. 3, PC3). Es ist jedoch wichtig zu beachten, dass Temperaturschwankungen im ariden und semiariden Westen und mittleren Nordamerika, insbesondere im Sommer, möglicherweise nicht ausschließlich auf diese großräumigen Luftadvektionsmuster zurückzuführen sind. In den westlichen und zentralen Teilen Nordamerikas herrschen aufgrund der erhöhten Sonneneinstrahlung, die bei langen Tageslichtstunden absorbiert wird, und der jährlichen Niederschlagsminimum häufig hohe Temperaturen. Darüber hinaus sollte auch die Rolle der regionalen atmosphärischen Dynamik berücksichtigt werden, beispielsweise die vergleichsweise milden Südwinde, die Feuchtigkeit in die Region transportieren. Diese Winde konvergieren häufig mit einer Front aus trockenen und warmen Luftmassen entlang der Trockengrenze, was zur Bildung von Gewittern führt. Somit tragen diese Faktoren zusammen mit den durch PC3 angezeigten Zirkulationsmustern zu der komplexen Temperaturvariabilität bei, die in West-Zentral-Nordamerika beobachtet wird.

PC4 regionalisiert die nördlich-zentralen Teile Nordamerikas (Abb. 1). Aus Abb. 2 ist während der positiven (negativen) Phase von PC4 eine antizyklonische (zyklonische) Zirkulationsanomalie im nördlichen zentralen Teil Nordamerikas sowie eine zyklonische (antizyklonische) Zirkulationsanomalie über Alaska und den angrenzenden Ozeanen zu erkennen. Die Zirkulation verstärkt die Warmluftadvektion (Kaltluftadvektion) durch Südwinde (Nordwinde) in die nordzentralen Teile Nordamerikas, was zu positiven (negativen) Temperaturanomalien führt (Abb. 3, PC4).

PC5 aus Abb. 1 regionalisiert die nordwestlichen Teile Nordamerikas (dh Alaska). Die positive Phase deutet auf eine dreipolige SLP-Anomalie hin – über dem nordwestlichen Land Nordamerikas dominiert die antizyklonische Zirkulation, während über den Ozeanen südlich und nördlich von Alaska die SLP schwächer als normal ist, was zu warmen Südwinden über den nordwestlichen Teilen von Alaska führt Nordamerika (Abb. 2a, PC5) und führt zu überdurchschnittlichen Temperaturen über den nordwestlichen Teilen Nordamerikas (Abb. 3, PC5). Während der negativen Phase von PC5 kann eine antizyklonale Zirkulationsanomalie über der Beaufortsee (nördlich von Alaska) und dem Golf von Alaska (südlich) beobachtet werden; Das resultierende Windmuster über den nordwestlichen Teilen Nordamerikas sind Nordwinde, die das Eindringen kalter arktischer Luft in die nordwestlichen Teile verstärken (Abb. 2b, PC5) und dadurch die Temperatur über den nordwestlichen Teilen Nordamerikas senken ( Abb. 3, PC5).

Abbildung 4 zeigt die Zeitreihe der Temperaturvariabilitätsmuster in Abb. 1. Um die Subjektivität der Trends bei der Datenauswahl auszuschließen, werden die Trends nur dann als statistisch signifikant angesehen, wenn der modifizierte Mann-Kendall-Test sowohl bei CPC als auch bei GHCN einen ap < 0,05 aufweist . Unter Verwendung dieses Kriteriums zeigt das Ergebnis aus Tabelle 2, dass PC1, PC3 und PC5 statistisch signifikante positive Trends in ihrer Amplitude aufweisen – was bedeutet, dass ihre Amplituden durchgängig auf das warme Regime hinweisen –, da die positiven Phasen so strukturiert sind, dass sie das warme Regime repräsentieren ( Abb. 2 und 3). Daher sind PC1, PC3 und PC5 die interessierenden Variabilitätsmuster, die weiter detaillierter analysiert werden. Wir erinnern uns aus Abb. 1, dass PC1 mit der Temperaturvariabilität über Grönland und Nordostkanada verbunden ist; PC3 ist mit Temperaturschwankungen in den westlichen und zentralen Teilen Nordamerikas verbunden; und PC5 ist mit Temperaturschwankungen in den nordwestlichen Teilen Nordamerikas verbunden. Tabelle 2 zeigt, dass die Amplitude der Zirkulationen, die mit dem warmen Regime dieser Variabilitätsmuster verbunden sind, langfristig zugenommen hat und PC1 den größten Trend aufweist.

Zeitreihe der JJA-Temperaturvariabilitätsmuster in Abb. 1 von 1979 bis 2022. Die Zeitreihe wird als Jahresmittel der PC-Werte berechnet. Ein Änderungspunkterkennungstest, der signifikante Verschiebungen im Mittelwert der Zeitreihe erkennt, wurde mit mehreren Methoden im Trendpaket (R Studio) durchgeführt [62]. Es werden nur statistisch signifikante Ergebnisse mit einem Konfidenzniveau von 95 % gemeldet (gestrichelte vertikale Linien).

Darüber hinaus ergab die zeitliche Zerlegung der PC-Werte der drei PCs unter Verwendung gleitender Durchschnitte die Trendkomponente und die Oszillations-/Trendbeseitigungskomponente von PC1, PC3 und PC5. Die Tabellen 3 und 4 enthalten die Korrelation zwischen den trendbereinigten Komponenten und den Trendkomponenten der drei PCs und Klimaindizes im Zusammenhang mit nordamerikanischen Wettermustern. Die ausgewählten Klimaindizes weisen bei einem Konfidenzniveau von 95 % signifikante Korrelationen mit den PCs auf. Aus Tabelle 3 geht hervor, dass die Trendkomponente der drei PCs stark mit dem Anstieg der globalen mittleren Land- und Meerestemperatur (GLMOT) korreliert, wobei Kendall Tau zwischen ~ 0,5 und 0,8 liegt. Für die drei PCs korrelieren die Trendkomponenten auch signifikant mit Klimaindizes, die den Anstieg der SST im Sommer im Boreal über dem tropischen Pazifik bezeichnen – d. WPI). Die Trendkomponente von PC1 korreliert auch mit den positiven Phasen des Warmpools der westlichen Hemisphäre (WHWP) und der Atlantischen Multidekadischen Oszillation (AMO). Die Trendkomponente von PC3 korreliert gleichermaßen weiter mit der positiven Phase des AMO, der negativen Phase des Nordpazifik-Musters und der negativen Phase des Ostatlantiks/Westrusslands. Eine weitere Untersuchung der PC-Werte mithilfe der Spektraldichtemethode ergab, dass die Zeitreihen der PCs 1, 3 und 5 sowohl interdekadische als auch zwischenjährliche Variabilität aufweisen. Die interdekadische Variabilität ist unter PC1 relativ am höchsten, was möglicherweise mit der Assoziation mit der AMO zusammenhängt (Tabelle 4).

Eine partielle Korrelationsanalyse zeigte, dass, wenn das Signal der mit der Erwärmung des tropischen Pazifiks verbundenen Indizes kontrolliert wird, die Korrelation zwischen PCs und GLMOT abnimmt (Tabelle A1), was darauf hindeutet, warum PC3 (das eher mit tropischen SST-Anomalien zusammenhängt) betroffen ist die höchste Korrelation mit GLMOT. Das heißt, die Kopplung zwischen der Temperaturvariabilität in den mit PCs 1, 2, 3 und GLMOT verbundenen Regionen wird durch den anomalen SST-Anstieg über dem tropischen Pazifik stark verstärkt. Darüber hinaus korreliert die trendbereinigte Komponente der PCs 1 und 3 mit der Arktischen Oszillation (AO) – Kendall Tau beträgt ~ − 0,4 bzw. − 0,3 (Tabelle 3). Dies deutet darauf hin, dass die Erwärmung Grönlands und der westzentralen Teile Nordamerikas auf der jährlichen Zeitskala mit der negativen Phase der AO zusammenhängt. Kurzfristig ist auch ein Temperaturanstieg in den Regionen unter PC3 mit der negativen Phase des WPI verbunden. Ein kurzfristiger Temperaturanstieg über der Region Alaska/Nordwesten (PC5) ist mit der negativen Phase des SOI verbunden (Tabelle 3). Wie anhand von PC1 mit dem größten Trend (Tabelle 2) veranschaulicht, zeigt Abb. 5 (oberes Feld), dass im Laufe der Zeit neben anderen Faktoren, die die Zirkulationen erzwingen, auch der langfristige Anstieg der Amplitude der Zirkulationen im Zusammenhang mit warmen Regimen damit verbunden ist mit Veränderungen der Klimaindizes, mit denen die Trendkomponenten signifikant korrelieren. Andererseits ist die zwischenjährliche Variabilität der Amplitude der Zirkulationsregime mit den Klimaindizes gekoppelt, mit denen die trendbereinigten Komponenten signifikant korrelieren (Abb. 5, unteres Feld). Die Korrelation zwischen der (unzerlegten) Zeitreihe der Temperaturvariabilitätsmuster in Abb. 1 und den Klimaindizes ist in Tabelle A3 enthalten. Außerdem zeigt Abb. A1, dass die mit PC1 in den Tabellen 3 und 4 verbundenen Indizes eine Vorhersagefähigkeit für dessen langfristige Veränderungen bieten können. Die Vorhersagen waren für die interjährliche Variabilität weniger genau, was darauf hindeutet, dass es neben den in dieser Studie dargestellten großräumigen Zirkulationen noch andere (interne oder regionale) Prozesse gibt, die die Temperaturvariabilitätsmuster modulieren.

Fünfjähriger gleitender Durchschnitt der PC1-Zeitreihen und Zeitreihen der mit PC1 korrelierten Klimaindizes, mit einem Kendall-Korrelationskoeffizienten von mindestens ~ 0,5 (oberes Feld); und die trendbereinigte Komponente des PC1- und AO-Index (unteres Feld). PC1 wurde mit minus 1 multipliziert, um es mit dem AO-Index in Phase zu halten.

Darüber hinaus sind PC1 und PC5 negativ mit der Meereisausdehnung verbunden (Tabelle A2), wobei die Pearson-Korrelation R = − 0,83 bzw. R = − 0,31 beträgt, was darauf hindeutet, dass das abnehmende Meereis über der Arktis mit verstärkten antizyklonalen Zirkulationen zusammenhängt die hohen Breitengrade der nördlichen Hemisphäre, wodurch die Temperaturen über den Ozeanen hoher Breitengrade steigen (vgl. Abb. 2 und 3, Positive Phasen von PC1 und PC5).

Aufgrund der im Vergleich zu anderen Regionen unverhältnismäßigen Erwärmung hat die arktische Verstärkung große Aufmerksamkeit im Hinblick auf Temperaturänderungen in der nördlichen Hemisphäre erhalten31,32,33,34,35. Im Einklang mit der vorhandenen Literatur haben wir herausgefunden, dass im Sommer in Nordamerika die Amplitude des Temperaturvariabilitätsmusters, das mit dem warmen Regime über Grönland und dem nordöstlichen Teil Kanadas (d. h. PC1) verbunden ist, den größten positiven Trend aufweist (Tabelle 2 und Abb . 5, oberes Panel). Es wurden mehrere Faktoren hervorgehoben, die zur beschleunigten Erwärmung über Grönland führten. Dazu gehören eine Verringerung der Albedo aufgrund des Schmelzens des Meereises36,37,38, die Freisetzung von Wärme aus dem Ozean39 und Veränderungen in den atmosphärischen Zirkulationsmustern, wie etwa Veränderungen im polwärts gerichteten Energietransport32. Wir fanden heraus, dass das warme Regime über Grönland mit einer antizyklonalen Zirkulationsanomalie über Grönland und einer zyklonalen Zirkulationsanomalie über dem Atlantischen Ozean südlich von Grönland verbunden ist (Abb. 2, PC1). Die antizyklonische Zirkulationsanomalie über Grönland erhöht die Warmluftadvektion über Grönland; und die Amplitude der antizyklonalen Zirkulation hat sich im Laufe der Zeit verstärkt, wobei der mittlere Zustand der Zirkulation irgendwann um das Jahr 2000 deutlich anstieg (Abb. 4). Unser Ergebnis stimmt mit40,41 überein: Die positiven Temperaturtrends über Grönland hängen mit antizyklonalen Zirkulationen über der Arktis und Grönland zusammen. Außerdem ist die Abnahme der Meereisausdehnung stark mit der positiven Phase von PC1 (R = \(\left|0,83\right|\)) gekoppelt – was zu 68 % der Varianz der Meereisausdehnung während unseres Analysezeitraums beiträgt. Daher ist die damit verbundene zunehmende antizyklonale Zirkulation in den hohen Breiten der nördlichen Hemisphäre (verbunden mit PC1 und PC5) mit der Abnahme der Meereisausdehnung über der Arktis verbunden. Wenn das Meereis schmilzt, wird außerdem mehr dunkle Oberfläche des Ozeans freigelegt, die mehr Sonneneinstrahlung absorbiert und sich erwärmt. Diese zusätzliche Wärme kann die Temperatur der unteren Atmosphäre erhöhen und möglicherweise die atmosphärischen Zirkulationsmuster durch die Eis-Albedo-Rückkopplungsschleife beeinflussen. Referenz42 verdeutlichte, dass eine verstärkte antizyklonische Zirkulation über Grönland und dem Arktischen Ozean in Verbindung mit einer barotropen Struktur in der Troposphäre das Potenzial hat, die absteigende langwellige Strahlung über dem Eis zu verstärken. Dies wird durch Erwärmung und Feuchtigkeitszufuhr in der unteren Troposphäre erreicht. Wir haben auch einen positiven Zusammenhang zwischen dem langfristigen Anstieg der antizyklonalen Zirkulation über Grönland und der positiven Phase der AMO festgestellt (Tabelle 4). Somit könnte die allgemeine Erwärmung des Nordatlantiks während positiver AMO zum langfristigen Anstieg der antizyklonalen Zirkulationen über Grönland beitragen.

In einer Studie von43 wurde festgestellt, dass die Berücksichtigung des komplexen Zusammenspiels zwischen atmosphärischen Zirkulationen, arktischen Meereis- und Landeisveränderungen sowie internen Klimaprozessen von entscheidender Bedeutung für die Verfeinerung von Klimamodellen, insbesondere im Zusammenhang mit der Arktisverstärkung, und letztendlich für die Verbesserung der Zuverlässigkeit zukünftiger Prognosen ist unter steigenden Treibhausgasemissionen. Daher kann die Identifizierung der wichtigsten Zirkulationsmuster, die mit der verstärkten Erwärmung der Arktisregion und dem Meereisverlust während des borealen Sommers in unserer Studie verbunden sind, dazu beitragen, die Klimamodellsimulationen der Zirkulationsmuster, die mit der Verstärkung der Arktis verbunden sind, zu verbessern und dadurch die Genauigkeit zu erhöhen von Klimamodellprojektionen unter zukünftigem Klimawandel.

Darüber hinaus33 wurde berichtet, dass die arktische Verstärkung möglicherweise mit dem Wetter in den mittleren Breiten zusammenhängt; und mehrere andere Studien haben den Zusammenhang zwischen der Erwärmung Grönlands und SST-Anomalien über den Tropen dokumentiert44,45,46,47,48,49,50,51. Referenz49 kam zu dem Schluss, dass die Verlangsamung der Erwärmung über Grönland (wie in Abb. 5 gegen Ende des Analysezeitraums zu sehen ist) mit dem häufigen Auftreten von El Niño-Ereignissen im zentralen Pazifik verbunden sein kann. Referenz50 stellte fest, dass sich Wellenzugmuster vom tropischen Pazifik in Richtung Grönland ausbreiten und die Temperatur beeinflussen. Referenz50 berichtete, dass die beschleunigte Meereisschmelze in der Arktis zwischen 2007 und 2012 mit Veränderungen der SST im tropischen Pazifik zusammenhing. Referenz50 detailliert auf die bedeutende Rolle der pazifisch-arktischen Fernverbindung, die durch SST-Änderungen im tropischen Pazifik vorangetrieben wird, bei der Beeinflussung der atmosphärischen Zirkulation und der Klimamuster in der Arktis. Von 1979 bis Anfang der 2000er Jahre wurden Erwärmungstrends im gesamten tropischen SST beobachtet, mit Ausnahme des tropischen Ost-Zentralpazifiks, was diese Fernverbindung zwischen Pazifik und Arktis verstärkte und zu einer verstärkten Erwärmung der Arktis und zum Schmelzen des Meereises führte. Diese Verbindung, die sich durch einen Rossby-Wellenzug ausbreitet, wird als prominenter interner Modus identifiziert, der die Arktis mit niedrigeren Breiten verbindet. Folglich wird es weitgehend mit Perioden beschleunigter Erwärmung der Arktis und Meereisverlust in Verbindung gebracht, wie z. B. von 2007 bis 2012. Dabei haben wir durch Zerlegen der Zeitreihen des mit Grönland verbundenen Temperaturvariabilitätsmusters herausgefunden, dass die langfristige Erwärmung über Grönland der Fall ist korrelierte signifikant mit der Erwärmung des tropischen Pazifiks (Abb. A2 und Tabelle 3), obwohl die Korrelation mit GLMOT höher ist, was darauf hindeuten könnte, dass der anthropogene Klimawandel der dominantere Treiber ist (Tabelle 3). Der kurzfristige Temperaturanstieg über Grönland während der JJA wird von der negativen Phase der AO dominiert. Aufgrund der verschiedenen Klimamodi, die mit der Temperaturvariabilität über Grönland verbunden sind und deutliche modulierende Auswirkungen haben können, zeigt Abb. 5, dass langfristige Änderungen der Zirkulationsamplitude über Grönland nichtlinear sind. Schließlich sind Alaska (PC5)51 und die westlich-zentralen Teile Nordamerikas (PC3) weitere Regionen mit einem bemerkenswerten Anstieg der Amplitude der mit warmen Regimen verbundenen Zirkulationen. In diesen Regionen ist neben der Erwärmung des (westlichen) tropischen Pazifiks der Anstieg der globalen Land- und Meerestemperaturen das dominierende Signal für den Erwärmungstrend (Abb. A2).

Wir haben Trends in den Temperaturvariabilitätsmustern der borealen Sommertemperaturen in Nordamerika von 1979 bis 2022 sowie die Klimaindizes untersucht, die zu diesen Trends beitragen. Unsere wichtigsten Erkenntnisse sind:

1. Warme Regime über sommertemperaturkohärenten Regionen sind im Allgemeinen mit warmer Advektion aus niedrigeren Breiten verbunden, während kalte Regime mit dem Transport kalter Luft aus höheren Breiten verbunden sind.

2. Die Amplitude der Zirkulationsmuster, die mit warmen Regimen verbunden sind, zeigt einen positiven Trend über Grönland und dem arktischen Kanada; der nordwestliche Teil Nordamerikas (Alaska); und die westlich-zentralen Teile Nordamerikas.

3. Antizyklonale Zirkulationen über Grönland und dem arktischen Kanada sowie dem nordwestlichen Teil Nordamerikas (Alaska) sind mit überdurchschnittlichen Temperaturen in diesen Regionen verbunden; während die Zyklonzirkulation über der Pazifikküste westlich von Nordamerika eine Rolle beim Temperaturanstieg über den westlich-zentralen Teilen Nordamerikas spielt.

4. Der Anstieg der globalen mittleren Land- und Meerestemperaturen und die SST-Erwärmung über den tropischen Pazifikmeeren sind die wichtigsten Klimasignale im Zusammenhang mit positiven Trends in der Amplitude der Zirkulationen, die mit warmen Regimen über Grönland und dem arktischen Kanada verbunden sind; der nordwestliche Teil Nordamerikas (Alaska); und die westlich-zentralen Teile Nordamerikas

5. Der Anstieg der Stärke und Häufigkeit antizyklonaler Zirkulationen über der Arktis trägt zu etwa 68 % der beobachteten Varianz bei der abnehmenden Ausdehnung des Meereises bei. Dies unterstreicht die bedeutende Rolle, die atmosphärische Muster bei der fortlaufenden Verringerung der arktischen Meereisbedeckung spielen, und erhöht das Potenzial, die Genauigkeit der Modellsimulation der mit der arktischen Verstärkung verbundenen Zirkulationsmuster zu verbessern

Es wird erwartet, dass in der zukünftigen Forschung Klimamodelle verwendet werden können, um eine detaillierte Untersuchung der Auswirkungen des anthropogenen Klimawandels auf Änderungen dieser Temperaturvariabilitätsmuster unter Berücksichtigung verschiedener Szenariofaktoren durchzuführen. Der Einsatz von Klimamodellen kann das Verständnis der wissenschaftlichen Gemeinschaft über die zugrunde liegenden Mechanismen, die diese Veränderungen vorantreiben, und ihre möglichen zukünftigen Entwicklungen verbessern.

Um gerasterte 2-m-Temperaturbeobachtungsdaten zu erhalten, verwendeten wir drei Datensätze: den Global Unified Temperature-Datensatz des Climate Prediction Center (CPC), verfügbar unter https://psl.noaa.gov/data/gridded/data.cpc.globaltemp .html, das Global Historical Climatological Network (GHCN)52 und die ERA5-Reanalyse53. Die Analyse anhand der drei jeweiligen Datensätze hilft dabei, die Sensitivität der Ergebnisse gegenüber der Auswahl der analysierten Daten zu charakterisieren. Diese Sensibilität entsteht durch die unterschiedlichen Methoden zur Datenerstellung. Die Beobachtungsdatensätze sind repräsentativer für das tatsächliche Klima, da sie auf Stationsdaten basieren54. Nach der Interpolation auf reguläre Gitter unter Verwendung statistischer Modelle liegen die beiden Beobachtungsdatensätze jedoch mit einer relativ geringeren horizontalen Auflösung von 0,5° Längen- und Breitengrad vor, verglichen mit der ERA5-Reanalyse, die eine horizontale Auflösung von 0,25° Längen- und Breitengrad aufweist. ERA5 ist ein Produkt der Datenassimilation und obwohl es möglicherweise nicht so direkt repräsentativ für bestimmte Wetterereignisse ist wie Beobachtungsdaten, bietet es eine konsistente Darstellung globaler Klimavariablen. Frühere Studien, die ERA5 anhand von Stationsdaten in Nordamerika bewerteten, berichteten, dass es sich mit anderen Reanalysedaten vergleichen lässt und bei der Erfassung der Statistiken von Stationsklimadaten gleichermaßen gut abschneidet54.

Um großräumige Zirkulationen im Zusammenhang mit Temperaturvariabilitätsmustern zu untersuchen, haben wir den Meeresspiegeldruck (SLP) und Windvektoren von 850 hPa erfasst. und 850 hPa- und 1000 hPa-Geopotential-Höhendatensätze aus der ERA5-Reanalyse. Für diese Analyse wurde SLP gewählt, da die Gradienten proportional zu Änderungen der horizontalen Advektion auf niedrigem Niveau sind. Um die Advektion warmer und kalter Luft zu charakterisieren, wurde die mit einer Temperatur von 2 m verbundene atmosphärische Schichtdicke als Differenz zwischen der Höhe von 1000 und 850 hPa berechnet. Alle Datensätze wurden von 1979 bis 2022 mit einer monatlichen zeitlichen Auflösung erfasst, mit Ausnahme des CPC-Datensatzes, der ursprünglich mit einer täglichen Auflösung erfasst wurde, bevor wir die monatlichen Durchschnittswerte berechneten. Der Analysezeitraum (also ab 1979) markiert das Post-Satelliten-Zeitalter mit zuverlässigeren Klimadatensätzen sowie den gemeinsamen Verfügbarkeitszeitraum der in dieser Studie verwendeten Datensätze. Wir haben Klimaindizes, die wir mit den Temperaturvariabilitätsmustern in Nordamerika in Beziehung setzten, von NOAA-PSL erhalten (https://psl.noaa.gov/data/climateindices/list/); Für die weitere Analyse wurden nur die Klimaindizes ausgewählt, die bei einem Konfidenzniveau von 95 % signifikant mit den PC-Ergebnissen korrelieren. Die in dieser Studie verwendeten Daten zur Meereisausdehnung stammen vom National Snow & Ice Data Center, einem Informations- und Referenzzentrum, das die Forschung in der Glaziologie und verwandten Bereichen unterstützt und wissenschaftliche Daten verwaltet und verbreitet. Der verwendete spezifische Datensatz ist der Meereisindex, Version 355.

Die Hauptkomponentenanalyse (PCA) ist ein in der Klimatologie weit verbreitetes multivariates Werkzeug zur Beseitigung von Rauschen in Klimadaten und zur Identifizierung (asymmetrischer) klimatischer Variabilitätsmodi56. Dies wird durch seine Varianzmaximierungseigenschaft und durch Nachbearbeitung der PCs mit einem geeigneten einfachen Strukturrotationsalgorithmus56 erreicht. In dieser Studie wenden wir den gedrehten S-Modus PCA57 an, um die Temperatur in Nordamerika während des borealen Sommers (JJA: Juli bis August) zu regionalisieren und deutliche Temperaturvariabilitätsmuster zu identifizieren. Wir konzentrieren uns auf JJA, da diese Jahreszeit in Bezug auf Ausmaß und Häufigkeit mit extremen (warmen) Temperaturregimen verbunden ist (Abb. 6). Abbildung 6 verdeutlicht auch die räumliche Variabilität der Temperatur in Nordamerika und unterstreicht die Notwendigkeit einer regionalen Bewertung der Temperaturvariabilität und -veränderung in der Region.

Saisonale Klimatologie der Temperatur basierend auf der Klimatologie 1992–2022.

Um die Konsistenz der Temperaturvariabilitätsmuster sicherzustellen, wurde die gedrehte S-Modus-PCA unabhängig auf die drei jeweiligen Temperaturdatensätze angewendet. In der Vorverarbeitungsphase wurde der Jahreszyklus aus den Temperaturdatensätzen entfernt, indem der langfristige Mittelwert jedes Monats von den entsprechenden Datenwerten für jeden Gitterpunkt in Abb. 6 subtrahiert wurde. Dieser Schritt wurde durchgeführt, um den Jahreszyklus zu berücksichtigen Temperaturschwankungen aufgrund saisonaler Veränderungen, was eine fundiertere Analyse der zwischenjährlichen Variabilität und der langfristigen Änderungen der klassifizierten Temperaturvariabilitätsmuster ermöglicht. Anschließend wurde eine rotierte PCA auf die Temperaturanomaliedaten angewendet, wobei die Trendkomponente und die zwischenjährliche Variabilität erhalten blieben.

Unter Verwendung der vorverarbeiteten Temperaturdaten über Land in Abb. 6 wird die Korrelationsmatrix verwendet, um die Beziehung zwischen dem Temperaturfeld an den Gitterpunkten im Untersuchungsgebiet zu ermitteln. Darüber hinaus haben wir die Singulärwertzerlegung angewendet, um die Korrelationsmatrix56 zu diagonalisieren, was zu den PC-Scores, Eigenvektoren und Eigenwerten führte. Die Eigenvektoren sind räumliche Variabilitätsmuster, während die PC-Scores (Zeitreihen) die Amplitude der räumlichen Variabilitätsmuster zu einem bestimmten Zeitpunkt darstellen. Die Eigenvektoren werden mit der Quadratwurzel der entsprechenden Eigenwerte multipliziert, um die PC-Ladungen zu erhalten, die besser auf einfache Strukturrotationen reagieren56,57. Um die physikalische Interpretierbarkeit der PCs zu verbessern, haben wir die PCs mithilfe einer Reihe von schrägen und orthogonalen Drehungen gedreht, um den robustesten Rotationsalgorithmus zu ermitteln, der die physikalische Interpretierbarkeit der PCs am besten maximiert. Wir haben die Rotationsalgorithmen Varimax und Promax angewendet. Ersteres ist eine orthogonale Rotationsmethode, die keine Korrelation zwischen den PC-Ergebnissen zulässt, während letzteres eine schräge Rotationsmethode ist, die eine Korrelation zwischen den PC-Ergebnissen ermöglicht. Wir haben uns für die optimale Anzahl an PCs entschieden, die wir behalten und rotieren möchten. Wie von56,57 angemerkt, liegt der entscheidende Faktor für den Erfolg bei der Rechtfertigung der physikalischen Interpretierbarkeit gedrehter PCs darin, dass sie der Korrelationsmatrix ähneln, aus der sie abgeleitet sind – unter der Annahme, dass Korrelationen in den Naturwissenschaften physikalisch interpretiert oder zur Aufdeckung physikalischer Erkenntnisse verwendet werden können sinnvolle Beziehungen. Daher haben wir 2 PCs und mehr beibehalten und iterativ rotiert; und unter Verwendung des Kongruenzkoeffizienten, der für den Abgleich von Eigenmustern robust ist57,58, werden die gedrehten PCs an den Korrelationsvektor (dh aus der Korrelationsmatrix) angepasst, der die höchste Belastungsgröße auf diesem PC indiziert. Die Lösung, die die physikalische Interpretierbarkeit der PCs maximiert, besteht darin, dass alle beibehaltenen und rotierten PCs mit den Korrelationsvektoren übereinstimmen, auf die sie indiziert sind, mit einem Kongruenzkoeffizienten von mindestens 0,92, dem Schwellenwert, der eine gute Kongruenzübereinstimmung kennzeichnet56,57 . In der S-Modus-Analyse bezeichnet der Korrelationsvektor mit der höchsten Belastungsgröße für einen bestimmten PC das Referenzvariabilitätsmuster in der Korrelationsmatrix, das wir mithilfe der gedrehten PCs reproduzieren möchten.

Die Entscheidung über die Anzahl der zu rotierenden PCs basiert auf den zuverlässigeren gerasterten Beobachtungsdatensätzen von CPC und GHCN. Die Anzahl der rotierten PCs entspricht der Anzahl (relativ) kohärenter JJA-Sommertemperaturregionen in Nordamerika, die auch als Temperaturvariabilitätsmuster bezeichnet werden. Da Klimaregionen keine klar definierten Grenzen haben und sich allmählich ändern können59, haben wir eine Fuzzy-Klassifizierung zugelassen, was bedeutet, dass ein Gitterpunkt zu mehr als einer Temperaturregion gehören kann, wenn die Daten dies zulassen. Bei einer Fuzzy-Klassifizierung zeigt die Isoplethe einen allmählichen Übergang von einer Region zur anderen an, und einige Gitter werden möglicherweise nicht klassifiziert, wenn dies physikalisch vertretbar ist. Es ist wichtig zu beachten, dass die PC-Werte die Amplitude der Temperaturvariabilitätsmuster darstellen. Wenn das zeitliche Muster, dargestellt durch die PC-Score-Größe, zu einem hohen positiven oder negativen Wert schwankt, sind im entsprechenden temperaturkohärenten Bereich bemerkenswerte Temperaturanomalien zu erwarten. Um zu bestimmen, welche Phase des PC-Scores mit warmen oder kalten Bedingungen im relativen temperaturkohärenten Bereich verbunden ist, berechnen wir Temperaturanomalien relativ zur JJA-Klimatologie 1992–2022. Wir verwenden iterativ unterschiedliche PC-Score-Schwellenwerte, um Daten (für die positive bzw. negative Phase eines PC) zu gruppieren, an denen das Temperaturregime am ausgeprägtesten ist. Der optimale PC-Score-Schwellenwert, der zum Clustern repräsentativer Daten verwendet wird, ist derjenige, bei dem das zusammengesetzte Anomaliemuster der Temperaturdaten (d. h. die Differenz zwischen der Durchschnittstemperatur der geclusterten Daten und der JJA-Temperaturklimatologie) mit der entsprechenden PC-Belastung kongruent übereinstimmt Übereinstimmung von mindestens 0,92. Wir untersuchten auch großräumige Zirkulationsanomaliefelder im Zusammenhang mit warmen und kalten Regimen für jedes Temperaturvariabilitätsmuster mithilfe zusammengesetzter Anomaliekarten von SLP, 850-hPa-Windvektoren und einer atmosphärischen Schichtdicke zwischen 1000 und 850 hPa. Um die statistische Signifikanz von Unterschieden zwischen dem untersuchten Klimafeld und einem langfristigen Durchschnitt zu beurteilen, verwenden wir den Blockpermutationstest. Diese Methode berücksichtigt räumliche und zeitliche Autokorrelation, die häufig in Klimadaten vorhanden ist und die Unabhängigkeitsannahme herkömmlicher statistischer Tests beeinträchtigen kann. Durch das Mischen von Datenblöcken bleiben bei diesem Ansatz inhärente Datenstrukturen erhalten. Dieser Test generiert eine Verteilung potenzieller Differenzwerte unter der Nullhypothese (keine Differenz), was eine vergleichende Analyse mit der beobachteten Differenz zur Berechnung des p-Werts ermöglicht. Die statistische Signifikanz wird dann durch einen p-Wert von weniger als 0,05 bestimmt.

Die statistische Signifikanz der Trends in den jährlichen mittleren PC-Werten aller klassifizierten Temperaturvariabilitätsmuster wurde mit einem Konfidenzniveau von 95 % unter Verwendung des modifizierten Mann-Kendall-Tests60 bewertet. Dieser Test ist nicht parametrisch und berücksichtigt die Autokorrelation in den Daten. Für die weitere Analyse wurden nur Temperaturvariabilitätsmuster mit statistisch signifikanten Trends berücksichtigt, die auf eine konsistente Signalisierung in Richtung des warmen oder kalten Regimes hinweisen. Um eine robuste Analyse des Klimasignals durchzuführen, das mit der lang- und kurzfristigen Variabilität der Amplitude der Zirkulationsmuster (dh der PC-Werte) verbunden ist, führten wir eine Zeitzerlegung der PC-Werte durch, um sowohl die Trendkomponente als auch die Schwankungen zu erhalten. Wir haben gleitende Durchschnitte verwendet, die nichtparametrisch sind. Die optimale Fenstergröße für den gleitenden Durchschnitt basiert auf der Minimierung des quadratischen Mittelfehlers zwischen den Originaldaten und den trendbereinigten Daten.

Wir haben die Kendall-Korrelation verwendet, eine nichtparametrische und robuste Methode, um die Beziehung zwischen der Trendkomponente und den Klimaindizes zu bewerten, die unter https://psl.noaa.gov/data/climateindices/list/ verfügbar sind. Ziel dieser Analyse war es, die Klimaindizes zu identifizieren, die mit langfristigen Änderungen der Temperaturvariabilitätsmuster verbunden sind. In ähnlicher Weise haben wir die gleiche Korrelation zwischen den Klimaindizes und der trendbereinigten Komponente der PC-Werte angewendet, um Klimaindizes zu untersuchen, die mit der zwischenjährlichen oder kurzfristigen Variabilität der PC-Werte verbunden sind. Die statistische Signifikanz der Korrelationen wurde mit einem Konfidenzniveau von 95 % bewertet. Um die Vorhersagefähigkeit der Indizes für die PC-Scores zu untersuchen, haben wir das Modell der neuronalen Netzwerke mit langem Kurzzeitgedächtnis angewendet. Wir haben den Analysezeitraum in zwei Teile geteilt, wobei wir eine Hälfte zum Trainieren des Modells und die andere zum Testen seiner Vorhersagen verwendet haben.

Die CPC- und GHCN-Datensätze sind unter https://psl.noaa.gov/data/gridded verfügbar. Der ERA5-Datensatz ist unter https://climate.copernicus.eu/climate-reanalysis verfügbar. Die Klimaindizes sind unter https://psl.noaa.gov/data/climateindices/list/ verfügbar. Die Datensätze können bei Dr. Ibebuchi ([email protected]) angefordert werden.

R Studio und Python wurden zum Codieren der Methoden verwendet, wie im Abschnitt zur Methodik beschrieben.

Alimonti, G., Mariani, L., Prodi, F. & Ricci, RA Eine kritische Bewertung der Trends extremer Ereignisse in Zeiten der globalen Erwärmung. EUR. Physik. J. Plus 137, 1–20 (1997).

Google Scholar

Barkhordarian, A., Bhend, J. & Storch, HV Konsistenz der beobachteten oberflächennahen Temperaturtrends mit den Klimawandelprognosen für den Mittelmeerraum. Aufstieg. Dyn. 38, 1695–1702 (2012).

Artikel Google Scholar

Overpeck, JT & Cole, JE Abrupte Veränderung im Klimasystem der Erde. Annu. Rev. Environ. Ressource. 31, 1–31 (2006).

Artikel Google Scholar

Alley, R., et al. Klimawandel – Die naturwissenschaftliche Grundlage. Beitrag der Arbeitsgruppe I zum Vierten Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen. Zusammenfassung für politische Entscheidungsträger. IPCC-Sekretariat, Genf, Schweiz. 21 S. (2007)

Dong, L. & McPhaden, MJ Die Rolle externer Antriebe und interner Variabilität bei der Regulierung globaler mittlerer Oberflächentemperaturen auf dekadischen Zeitskalen. Umgebung. Res. Lette. 12(3), 034011 (2017).

Artikel ADS Google Scholar

Stott, P. Wie sich der Klimawandel auf extreme Wetterereignisse auswirkt. Science 352(6293), 1517–1518 (2016).

Artikel ADS CAS PubMed Google Scholar

Lohmann, G. et al. Abrupte Klima- und Wetteränderungen über Zeitskalen hinweg. Paläozeangr. Paläoklimatol. 35, e2019PA003782 (2012).

Parmesan, C. & Yohe, G. Ein global kohärenter Fingerabdruck der Auswirkungen des Klimawandels auf natürliche Systeme. Nature 421(6918), 37–42 (2003).

Artikel ADS CAS PubMed Google Scholar

Ebi, KL et al. Heißes Wetter und Hitzeextreme: Gesundheitsrisiken. Lanzette 398, 698–708. https://doi.org/10.1016/S0140-6736(21)01208-3 (2021)

Sheridan, SC & Allen, MJ Veränderungen in der Häufigkeit und Intensität extremer Temperaturereignisse und Bedenken hinsichtlich der menschlichen Gesundheit. Curr. Aufstieg. Change Rep. 1, 155–162 (2015).

Artikel Google Scholar

Callahan, CW und Justin, SM Global ungleiche Auswirkungen extremer Hitze auf das Wirtschaftswachstum. Wissenschaft. Adv. 8, eadd3726 (2022).

Ummenhofer, CC & Meehl, GA Extreme Wetter- und Klimaereignisse mit ökologischer Relevanz: Ein Rückblick. Philos. Trans. R. Soc. B Biol. Wissenschaft. 372, 20160135 (2017).

Artikel Google Scholar

Gao, Y. et al. Anhaltende Kaltluftausbrüche über Nordamerika in einem sich erwärmenden Klima. Umgebung. Res. Lette. 10, 044001 (2015).

Artikel ADS Google Scholar

Marlon, JR et al. Klimageschichte des Nordostens der Vereinigten Staaten während der letzten 3000 Jahre. Aufstieg. Nach 13, 1355–1379 (2017).

Artikel Google Scholar

Lai, Y. & Dzombak, DA Verwendung historischer Daten zur Bewertung des regionalen Klimawandels. J. Clim. 32, 4299–4320 (2019).

Artikel ADS Google Scholar

Lee, CC et al. Untersuchung von Trends bei mehreren Parametern saisonal relativer extremer Temperatur- und Taupunktereignisse in ganz Nordamerika. Int. J. Climatol. 41, E2360–E2378 (2021).

Artikel Google Scholar

Shenoy, S. et al. Trends extremer US-Wetterereignisse im sich ändernden Klima. Proz. Natl. Acad. Wissenschaft. USA 119, e2207536119 (2022).

Artikel MathSciNet CAS PubMed PubMed Central Google Scholar

Guirguis, K. et al. Jüngste warme und kalte tägliche Wintertemperaturextreme auf der Nordhalbkugel. Geophys. Res. Lette. 38, 17 (2011).

Artikel Google Scholar

Grotjahn, R. et al. Nordamerikanische Extremtemperaturereignisse und damit verbundene großräumige meteorologische Muster: Ein Überblick über statistische Methoden, Dynamik, Modellierung und Trends. Aufstieg. Dyn. 46, 1151–1184 (2016).

Artikel Google Scholar

Yu, B., Lin, H. & Soulard, N. Ein Vergleich der nordamerikanischen Oberflächentemperatur und extremen Temperaturanomalien in Verbindung mit verschiedenen atmosphärischen Fernverbindungsmustern. Atmosphäre 10, 172 (2019).

Artikel ADS Google Scholar

Leathers, DJ, Yarnal, B. & Palecki, MA Das pazifische/nordamerikanische Fernverbindungsmuster und das Klima der Vereinigten Staaten: Teil I: Regionale Temperatur- und Niederschlagsassoziationen. J. Clim. 4, 517–528 (1991).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0442%281991%29004%3C0517%3ATPATPA%3E2.0.CO%3B2" aria-label="Article reference 21" data-doi="10.1175/1520-0442(1991)0042.0.CO;2">Artikel ADS Google Scholar

Meehl, GA & Teng, H. Multi-Modell-Änderungen in El Niño-Televerbindungen über Nordamerika in einem zukünftigen wärmeren Klima. Aufstieg. Dyn. 29, 779–790 (2007).

Artikel Google Scholar

Sheridan, SC Nordamerikanische wetterabhängige Frequenz- und Telekommunikationsindizes. Int. J. Climatol. 23, 27–45 (2003).

Artikel Google Scholar

Lee, CC Neuanalyse der Auswirkungen atmosphärischer Fernverbindungen auf das Wetter in der kalten Jahreszeit mithilfe multivariater Oberflächenwettertypen und selbstorganisierender Karten. Int. J. Climatol. 37, 3714–3730 (2017).

Artikel Google Scholar

Ropelewski, CF & Halpert, MS Globale und regionale Niederschlagsmuster im Zusammenhang mit der El Niño/Southern Oscillation. Mo. Wea. Rev. 115, 1606–1626 (1987).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0493%281987%29115%3C1606%3AGARSPP%3E2.0.CO%3B2" aria-label="Article reference 25" data-doi="10.1175/1520-0493(1987)1152.0.CO;2">Artikel ADS Google Scholar

Schonher, T. & Nicholson, SE Die Beziehung zwischen kalifornischen Niederschlägen und ENSO-Ereignissen. J. Clim. 2, 1258–1269 (1989).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0442%281989%29002%3C1258%3ATRBCRA%3E2.0.CO%3B2" aria-label="Article reference 26" data-doi="10.1175/1520-0442(1989)0022.0.CO;2">Artikel ADS Google Scholar

Eichler, T. & Higgins, W. Klimatologie und ENSO-bedingte Variabilität der außertropischen Zyklonaktivität in Nordamerika. J. Clim. 19, 2076–2093 (2006).

Chartrand, J. & Pausata, FSR Auswirkungen der Nordatlantischen Oszillation auf Winterniederschläge und Sturmbahnvariabilität im Südosten Kanadas und im Nordosten der Vereinigten Staaten. WCD 1(2), 731–744 (2020).

ADS Google Scholar

Ibebuchi, CC, & Abu, IO Charakterisierung der Temperaturregime in Westeuropa im Hinblick auf die westeuropäische Hitzewelle im Sommer 2022. Aufstieg. Dyn. 1–14 (2023).

Serreze, MC & Barry, RG Prozesse und Auswirkungen der arktischen Verstärkung: Eine Forschungssynthese. Globaler Planet. Änderung 77, 85–96 (2011).

Artikel ADS Google Scholar

Previdi, M., Smith, KL & Polvani, LM Arktische Verstärkung des Klimawandels: Ein Überblick über die zugrunde liegenden Mechanismen. Umgebung. Res. Lette. 16, 093003 (2021).

Artikel ADS CAS Google Scholar

Screen, JA & Simmonds, I. Erforschung der Zusammenhänge zwischen arktischer Verstärkung und Wetter in mittleren Breiten. Geophys. Res. Lette. 40, 959–964 (2013).

Artikel ADS Google Scholar

England, MR, Eisenman, I., Lutsko, NJ, & Wagner, TJ Das jüngste Aufkommen der arktischen Verstärkung. Geophys. Res. Lette. 48, e2021GL094086 (2021).

Barnes, EA Überprüfung der Beweise, die die Verstärkung der Arktis mit extremen Wetterbedingungen in mittleren Breiten in Verbindung bringen. Geophys. Res. Lette. 40, 4734–4739 (2013).

Artikel ADS Google Scholar

Nolin, AW & Stroeve, J. Die sich ändernde Albedo des grönländischen Eisschildes: Implikationen für die Klimamodellierung. Ann. Glaziol. 25, 51–57 (1997).

Artikel ADS Google Scholar

Mernild, SH et al. Albedorückgang auf Grönlands Mittivakkat-Gletscher in einem sich erwärmenden Klima. Int. J. Climatol. 35, 2294–2307 (2015).

Artikel Google Scholar

Keegan, KM, Albert, MR, McConnell, JR & Baker, I. Klimawandel und Waldbrände führen synergistisch zu weit verbreiteten Schmelzereignissen des grönländischen Eisschildes. Proz. Natl. Acad. Wissenschaft. 111, 7964–7967 (2014).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Li, C., Battisti, DS, Schrag, DP & Tziperman, E. Abrupte Klimaveränderungen in Grönland aufgrund von Verschiebungen der Meereiskante. Geophys. Res. Lette. 32, 1 (2005).

Artikel Google Scholar

Ogi, M., Rysgaard, S. & Barber, DG Der Einfluss der atmosphärischen Zirkulation im Winter und Sommer auf die Variabilität der Temperatur und des Meereises rund um Grönland. Tellus A 68, 31971 (2016).

Artikel ADS Google Scholar

Ding, Q. et al. Einfluss von atmosphärischen Zirkulationsänderungen in hohen Breitengraden auf das arktische Meereis im Sommer. Nat. Aufstieg. Änderung 7, 289–295 (2017).

Artikel ADS Google Scholar

Li, Z. et al. Die jüngste Erwärmung des oberen Arktischen Ozeans wird durch atmosphärische Prozesse im Sommer beschleunigt. Nat. Komm. 13, 362 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Topál, D. & Ding, Q. Die durch die atmosphärische Zirkulation eingeschränkte Modellempfindlichkeit rekalibriert arktische Klimaprojektionen. Nat. Aufstieg. Chang. 1, 1–9 (2023).

Google Scholar

Ding, Q. et al. Tropischer Antrieb der jüngsten raschen Erwärmung der Arktis im Nordosten Kanadas und Grönlands. J. Clim. 509, 209–212 (2014).

CAS Google Scholar

Clark, JP & Lee, S. Die Rolle des tropisch angeregten Mechanismus der arktischen Erwärmung auf das Trendmuster der Oberflächenlufttemperatur des warmen arktischen kalten Kontinents. J. Clim. 46, 8490–8499 (2019).

Google Scholar

Andrew, AM & Harrison, DE Auswirkungen von El Niño auf saisonale atmosphärische Zirkulations-, Temperatur- und Niederschlagsanomalien in den USA: Die OLR-Ereignisperspektive. J. Clim. 26, 822 (2013).

Artikel ADS Google Scholar

Yu, JY & Zou, Y. Der verstärkte Austrocknungseffekt von El Niño im Zentralpazifik auf den US-Winter. Umgebung. Res. Lette. 8, 014019 (2013).

Artikel ADS Google Scholar

L'Heureux, M., Michael, L., Tippett, K. & Barnston, AG Charakterisierung der ENSO-gekoppelten Variabilität und ihrer Auswirkungen auf den saisonalen Niederschlag und die Temperatur in Nordamerika. J. Clim. 28, 4231–4245 (2015).

Artikel ADS Google Scholar

Shinji, M., Koji, Y. & Suzuki, K. Verlangsamung der sommerlichen Erwärmung über Grönland im letzten Jahrzehnt im Zusammenhang mit El Niño im Zentralpazifik. Komm. Erdumgebung. 2, 257 (2021).

Artikel Google Scholar

Hu, C. et al. Der sich verschiebende El Niño hemmt die sommerliche Erwärmung der Arktis und das Schmelzen des arktischen Meereises über dem Kanadabecken. Nat. Komm. 7, 1–9 (2020).

CAS Google Scholar

Baxter, I. et al. Wie die Abkühlung der tropischen Pazifikoberfläche von 2007 bis 2012 zur beschleunigten Meereisschmelze beitrug, da das Eis durch anthropogene Einflüsse dünner wurde. J. Clim. 32, 8583–8602 (2019).

Artikel ADS Google Scholar

Overland, JE, Wang, M. & Ballinger, TJ Jüngste zunehmende Erwärmung der Meeresarktis in Alaska aufgrund von Verbindungen in den mittleren Breitengraden. Adv. Atmosphäre. Wissenschaft. 35, 75–84 (2018).

Artikel Google Scholar

Fan, Y. & Van den Dool, H. Eine globale monatliche Analyse der Landoberflächenlufttemperatur von 1948 bis heute. J. Geophys. Res. Atmosphäre. 113, D1 (2008).

Artikel Google Scholar

Hersbach, H. et al. Die globale ERA5-Reanalyse. QJR Meteorol. Soc. 146, 1999–2049 (2020).

Artikel ADS Google Scholar

Sheridan, SC, Lee, CC und Smith, ET Ein Vergleich zwischen Stationsbeobachtungen und Reanalysedaten bei der Identifizierung extremer Temperaturereignisse. Geophys. Res. Lette. 47, e2020GL088120 (2020).

Fetterer, F., Knowles, K., Meier, WN und Savoie, M. Sea Ice Index, Version 3. NSIDC: National Snow and Ice Data Center. [14. April 2022]. https://doi.org/10.7265/N5K072F8.

Ibebuchi, CC & Richman, MB Zirkulationstypisierung mit Fuzzy-rotierter T-Modus-Hauptkomponentenanalyse: Methodische Überlegungen. Theor. Appl. Klimatol. https://doi.org/10.1007/s00704-023-04474-5 (2023).

Artikel Google Scholar

Ibebuchi, CC, & Richman, MB Zur Verwendung der Procrustes-Zielanalyse zur Validierung modellierter Niederschlagsmodi. Aufstieg. Dyn. (2023).

Korth, B. & Tucker, LR Die Verteilung zufälliger Kongruenzkoeffizienten aus simulierten Daten. Psychometrika 40, 361–372 (1975).

Artikel MATH Google Scholar

Lorenz, E. Die Natur und Theorie der allgemeinen Zirkulation der Atmosphäre. Weltmeteorol. Organ. 161 (1967).

Yue, S., Sheng, Z. & Wang, CY Der Mann-Kendall-Test, modifiziert durch die effektive Stichprobengröße, um Trends in seriell korrelierten hydrologischen Reihen zu erkennen. Wasserressource. Geschäftsführer 18, 201–218 (2004).

Artikel Google Scholar

Referenzen herunterladen

Dr. Ibebuchi wird als Postdoktorand an der Kent State University durch die NOAA-Auszeichnungsnummer NA22OAR4310142 (PI: Dr. Cameron C. Lee) mit dem Titel „Excess Heat and Excess Cold Factors: Establishing a Unified Duration-Intensity Metric for Monitoring Hazard Temperature Conditions“ gefördert in Nordamerika". Diese Veröffentlichung wurde teilweise durch die Unterstützung des Kent State University Open Access Publishing Fund ermöglicht.

Institut für Geographie, Kent State University, Kent, OH, USA

Chibuike Chiedozie Ibebuchi und Cameron C. Lee

ClimRISE Lab, Kent State University, Kent, OH, USA

Chibuike Chiedozie Ibebuchi und Cameron C. Lee

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Alle Autoren haben gleichermaßen an allen Aspekten dieses Manuskripts gearbeitet.

Korrespondenz mit Chibuike Chiedozie Ibebuchi.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Ibebuchi, CC, Lee, CC Zirkulationsmuster im Zusammenhang mit Trends bei sommerlichen Temperaturvariabilitätsmustern in Nordamerika. Sci Rep 13, 12536 (2023). https://doi.org/10.1038/s41598-023-39497-5

Zitat herunterladen

Eingegangen: 15. Mai 2023

Angenommen: 26. Juli 2023

Veröffentlicht: 02. August 2023

DOI: https://doi.org/10.1038/s41598-023-39497-5

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.