Husk mig
▼ Indhold

Indian Ocean Dipol og Dipole Model Index


Indian Ocean Dipol og Dipole Model Index23-10-2014 19:01
kfl
★★★★★
(2167)
Indian Ocean Dipol og Dipole Model Index
Det Indiske Ocean Dipol fænomen er et koblet ocean og atmosfære fænomen i den ækvatoriale Indiske Ocean, der påvirker klimaet i Australien og andre lande, der omgiver Det Indiske Ocean. Navnet "Indiske Ocean Dipol" blev givet af Prof. Toshio Yamagata et al, Jamstec og navnet forkortes til IOD.

Resume
1. Det Indiske Dipol fænomen er et koblet atmosfære ocean fænomen i Det Indiske Ocean og kan udtrykkes ved DMI (Dipole Mode Index).

2. DMI er voksende i perioden 1870-2014 og kan beskrives ved en autoregressiv proces af orden 1.

3. DMI forbindes med variationerne vejret i og omkring Det Indiske Ocean, Australien og Japan.

4. Varigheden af en positive eller negative periode er i gennemsnit på 4 måneder og de største varighed er hidtil på 10 måneder.

5. Der er eksempler på, at middelvandstanden i Det Indisk Ocean kan svinge med +/- 10 cm pga. af variationen af DMI.

6. Med den global opvarmning vil man se en forøgelse af hyppigheden af positive IOD's.

7. Der er et kompliceret sammensplit mellem Det Indiske Ocean Dipol-fænomen og El Nino fænomenet i deres indflydelse på Den Indiske Monsoon, men dog således at man betragter de to fænomener som uafhængige af hinanden.

8. Det Indiske Dipol fænomen omtales stort set ikke i Europa eller USA, men det dyrkes i Japan, Indien og Australien, idet fænomenet har betydning for vejret disse steder.

Bemærkning
Udgangspunktet for dette skriv er at undersøge variationerne i vandstanden omkring Laccadive Ridge. Det har så ført mere med sig uden dog, at være kommet hele vejen rundt om IOD/DMI, Den Indiske Monsoon og nedbøren over Australien. Der er til mange års studier.

Det efterfølgende er blot tekniske nørderier, som man kan springer over med mindre man er en IOD-nørd.

Beskrivelse af Det Indiske Dipol fænomen
IOD måles almindeligt ved et indeks, som er forskellen mellem havets overfladetemperatur (SST) anomalier i den vestlige (50E til 70E og 10S til 10 N) og østlige (90E til 110E og 10S til 0S) del af det ækvatoriale Indiske Ocean. Indekset kaldes Dipole Mode Index (DMI). Når DMI er positiv taler man en positiv IOD og når DMI er negativ taler man om en negativ IOD.

Kortet nedenfor viser øst og vest polerne på IOD for november 1997; en positiv IOD år.


Figur 1: Kort viser afvigelser fra den gennemsnitlige havoverflade temperaturer i november 1997 på højden af 1997 positive IOD begivenhed. Øst og vest poler på IOD er markeret med sorte bokse.

Her er et kort med varmefordelingen ved en positive IOD. Den røde farve antyder en forøget temperatur, den blå en reduceret temperatur. De tågede områder er område med regn og tordenbyger:



En positiv IOD år er præget af køligere end normalt vand i det tropiske østlige Indiske Ocean, nær Indonesien, og varmere end normalt vand i tropiske vestlige Indiske Ocean nær Afrika. En positiv IOD vil ofte resulterer i et fald i nedbør over dele af Australien.

For mere information om det australske nedbørsmønstre i perioder med positive værdier af DMI kan læser her.

Her er et kort over varmefordelingen ved en negativ IOD. Den røde farve antyder en forøget temperatur, den blå en reduceret temperatur. De tågede områder er område med regn og tordenbyger:



En negativ IOD år er præget af varmere end normalt vand i det tropiske østlige Indiske Ocean, nær Indonesien, og køligere end normalt vand i tropiske vestlige Indiske Ocean nær Afrika. En negativ IOD vil ofte resultere i en stigning i nedbør over dele af Australien.

For mere information om australske nedbørsmønstre i løbet af en negative DMI periode klik her.

Det har været nogle barske år for Australien med både tørke og megen nedbør. Det er lige som ligget i luften, at det primært skyldes den globale opvarmning. Uden at jeg kender detaljerne, kan det ekstreme vejr helt eller delvist forklares med variationer i IOD på samme måde som El Nino/La Nina fænomenet i Stillehavet også spiller en rolle, men det kræver en nærmere studium.

Man har i mange år ment, at ENSO styrede Den Indiske Monsoon, men først efter 1999 hvor IOD blev identificeret, er man klar over, at også IOD har en betydning for Den Indisk Monsoon.

Der foregår en masse forskning vedr. samspillet mellem IOD og ENSO og lamg fra alt er afklaret.

Ifølge Wujen Cai:Increased frequency of extreme Indian Ocean Dipole events due to greenhouse warming forventes en forøget forekomst af ekstremt positive IOD fra en hvert 17 år til en hvert 6 år. Lad os sige dette er korrekt, ja så vil man opleve forøget nedbørsaktivitet over Sahara/Sahel ifølge kortet over varmefordelingen ved en positive IOD! Dette betyder at Sahara/Sahel vil blive grønnere netop som følge af den globale opvarmning og ikke på trods heraf.

Ud over at påvirke nedbøren over Australien er der også en påvirkning af vandstanden i det Indiske Ocean også omkring Laccadive Ridge, hvor øgrupperne Laccadive Island, Maldives Island og Chagos Islands befinder sig.

Det er primært Maldiverne, der har været inden i diskussionen om at blive ovesvømmet, som følge af den forventede stigning i den globale vandstand. Imidlertid er det også relevant at inddrage både Laccadive Islands og Chagos Islands. Debatten om Chagos Island burde være meget mere kontroversiel/hed også pga. politiske forhold, men som kun ganske få kender til.

Her kan du læse mere om Indian Ocean Dipole eller her JAMSTEC . Det fremgår heraf, at fænomenet Indian Ocean Dipol specielt har interesse for Australien.

Richard P Dune et al:Contemporary Sea Level in the Chagos Archipelago, Central Indian Ocean omtaler et skøn for, hvor stor påvirkning IOD har på vandstanden ved Chagos Island, nemlig +/- 10 cm. Jeg vil senere forsøge at verificere dette og også komme mede et skønefor Maldiverne.

Dette er bagrunden for min interesses for fænomenet Indian Ocean Dipole.

Beregning af DMI
DMI(Dipole Mode Index) beregnes som forskellen mellem i havetemperaturen i de to områder: (50E til 70E og 10S til 10 N) og (90E til 110E og 10S til 0S) data kan hentes DMI. Dette dataset er afledt af HadISST. I begyndesen af diskussionen, dvs. omkring år 2000, var der uenighed om IOD som et meteorologisk fænomen, idet nogle forskere mente, at det skyldes fejl i de statistiske analyser. Imidlertid er der siden hen blevet konsensus om den grundlæggende fysik og gyldighed af DMI.

I det følgende undersøges udviklingen i West SST, East SST og DMI med det endemål at undersøge middelvandstanden ved et par tidevandsstationer og DMI. Der er i alt 1735 observationer.

Autoregressive proces og quasi-periodiske udsving
Det har vist sig, at den autoregressive model er velegnet til at beskrive udviklingen i WEST SST, EAST SST og DMI, dvs. AR(1)-model. I sådan model er der indbygger en afhængighed mellem de enkelte observationer. Hvis AR(1) parameter er positive vil man se langsomme udsving og det kan se ud som om der er en periodisk bevægelse, men der er tale om tilfældige udsving. Ved en sådan proces bruger man nogle gange ordet quasi-periodisk. Man kan læse mere om denne proces Wikipedia, men i korthed kan en AR(1) process formuleres ved: y(n)=rho*y(n-1)+error(n), hvor y(n)= en måling af f.eks. temperaturen.

For at vise to eksempler på AR(1), har jeg tegnet to med rho=0.8 og rho=-0.8. Det to processer her et helt forskelligt forløb.



Grafen til venstre viser en AR(1)-proces med rho=0.8 og den viser store langsomme udsving. Dette kan udtrykkes ved, at der er få runs og en stor varighed. (I rækken "++++---++++++---+---" er der 6 runs af længderne 4,3,6, 3,1, og 3. Den gennemsnitlige varighed er på 3.33.)

Grafen til højre viser en AR(1)-proces med rho=-0.8 og der viser mange udsving. Dette kan udtrykkes ved at der er mange runs og en lille varighed.

Hvis man havde uafhængig mellem målinger, ville man forvente 250 runs og en varighed på 2.

Som et eksempel fra det danske klima: Hvis der er en meget kold vinter vil der være en tendens til at næste vinter også er kold.

Men hvorfor bruge så meget krudt på en AR(1)-process? Jo ganske enkelt fordi, der i klima/vejr er afhængigheder mellem to på hinanden følgende observationer.

Men hvorfor er der ikke nogen egentlige periodiske udsving, som man f.eks. ser i tidevandsbevægelser?

Dette er undersøgt ved at tegne spektrogrammer og det er meget vanskeligt at identificere egentlige periodiske udsving.

West SST
Følgende graf viser hvorledes SST udvikler sig i den vestlige dipol:



Grafen til venstre viser temperaturudviklingen, hvor der indtegnet resultat af en autoregressiv AR(1) plus en lineær trend på trend=0.0063+/- 0.00098 °Celcius. Modellen kan forklares 84% af den totale variation.

Varigheden er på 4.61 måneder. Dette betyder, at DMI vil i gennemsnit være positive/negativ i næsten 5 måneder og derefter være negativ/positiv.

Grafen til højre viser residualerne, dvs. hvad der er tilbage efter estimation af AR(1) modellen. Hvis modellen stemmer, skal der ligge ca. 2.5% over og under de to vandrette linjer.

Afvigelserne fra den rette linje kan for størstedelen forklares ved en afhængig mellem to på hinanden temperatur afvigelser. Hvis det er varmt i en måned er der en tendens til, at det også er det i den næste måned.

East SST
Følgende graf viser hvorledes SST udvikler sig i den østlige dipol:



Grafen til venstre viser temperaturudviklingen, hvor der indtegnet resultat af en autoregressiv AR(1) plus en lineær trend på trend=0.0036+/- 0.00089 °Celcius. Modellen kan forklare 69% af den total variation.

Varigheden er på 3.91 måneder. Dette betyder, at DMI vil i gennemsnit være positive/negativ i næsten 4 måneder og derefter være negativ/positiv.

Grafen til højre viser residualerne dvs. hvad der er tilbage efter estimation af AR(1) modellen. Hvis modellen stemmer, skal der ligge ca. 2.5% over og under de to vandrette linjer.

Afvigelserne fra den rette linje kan for størstedelen forklares ved en afhængig mellem to på hinanden temperaturafvigelser. Hvis det er varmt i en måned er der en tendens til, at det også er det i den næste måned.

DMI Dipole Moden Index
Følgende graf viser hvorledes DMI udvikler:



Grafen til venstre viser temperaturudviklingen, hvor der indtegnet resultat af en autoregressiv AR(1) plus en lineær trend på trend=0.0027+/- 0.00081 °Celcius. Modellen kan forklares 57% af den totale variation.

Varigheden er på 3.92 måneder. Dette betyder, at DMI vil i gennemsnit være positive/negativ i næsten 4 måneder og derefter være negativ/positiv.

Grafen til højre viser residualerne, dvs. hvad der er tilbage efter estimation af AR(1) modellen. Hvis modellen stemmer skal der ligge ca. 2.5% over og under de to vandrette linjer.

Afvigelserne fra den rette linje kan for størstedelen forklares ved en afhængig mellem to på hinanden temperatur afvigelser. Hvis det er varmt i en måned, er der en tendens til, at det også er det i den næste måned.

Antallet af runs over den estimerede linje er på 443 måneder mod forventet 868, hvis der var en uafhængighed mellem målingerne. Den gennemsnitlig varighed er på 3.92 måneder og den største længde af et run er på 10 måneder.

I perioden 1870 til 2014 er DMI vokset med (2014-1870+1)*0.002687 = 0.39 °Celcius. Dette kan tolkes som om vejret er blevet mere ekstremt i perioden. Det fremgår ikke tydligt, at den globale opvarmning har haft en betydning for temperaturstigningerne.

Korrelation mellem WEST SST og EAST SST
Der er en korrelationen mellem WEST SST og EAST SST helt som forventet. Dette fremgår af følgende graf:



Maksimum, Middel og Minimum DMI pr år
Som en konsekvens af AGW forventes en større variation af vejret på mange måder. Dette kunne f.eks. tænkes dette også berører DMI. Det vil ofte være således, at der er forskellig udvikling af den maksimale og den minimale temperatur og der kunne tænkes at noget tilsvarende gælder for DMI. Imidlertid forholder det sig således, at der ikke er nogen signifikant forskel mellem den årlige trend for minimum, middel og maksimum DMI. Dette kan se af følgende figur:



Store positive/negative værdier af DMI
Ifølge BOM er der konsensus om en årrække, der betegnes om positive IODs eller negativer IODs. Dette er vist på følgende figur, hvor jeg har beregnet DMI for månederne Juni-November svarende til det australske forår og vinter og i overensstemmelse med BOM's definitioner, samt vist de positive år med rødt og de negative år med blåt:



Der er ikke overensstemmelse mellem DMI og de udpegede positive og negative år. Derfor er der ikke kun DMI, der er lagt til grund for udpegelse af positive og negative IOD år eller også har jeg lavet en eller anden fejl, som jeg ikke har haft tid til at grave i.

Der er en svag negativ korrelation mellem DMI og Den Indiske Monsoon.

Diskussion
Der er nogle klimaindeks, hvor man har fjernet trenden og kun set på de standardiserede værdier, således at de kun er udsving omkring en trendlinje der har betydning. Jeg kunne have foretaget analysen på dette, men har valgt at beholde DMI, som den er defineret.

Rent sprogligt kan man godt komme til at fortale sig ved f.eks. sige at DMI styrere klimaet i Det Indiske Ocean selv om det rettelig er det modsatte, der er tilfældet.

Ved en IOD begivende dvs. meget positive eller meget negativer værdier af DMI, vil både ændre vindmønstret og nedbør samt flytte stor mængede af havvand til/fra den østlige/vestlige del af Det indiske Ocean. Der er formodentlig interaktioner med monsunregnet både i Indien og Indonesien.

Udgangspunktet var at forsøge at forstå IOD/DMI og verificere nogle af de resultater, der flyder run på nette mht. positivt og negative IOD år. Imidlertid er jeg kun delvist nået i mål med dette, idet jeg ikke umiddelbart kan genfinde de officielle positivt og negative IOD år.

Medens jeg på et overfladisk niveau forstår El Nino, kan jeg ikke rigtig se for mig, hvilke mekanismer der styrer IOD/DMI.

IOD/DMI/Monsoon er et kompliceret emne med de mulige koblinger mellem nedbør, havstrømme, årstidsvariationen etc som an være vanskelige at forstå, men jeg har gjort et forsøg.....


KFL
Vær skeptisk over for skeptikerne.... Det er der grund til.
Redigeret d. 23-10-2014 19:08
Deltag aktivt i debatten Indian Ocean Dipol og Dipole Model Index:

Husk mig

Lignende indhold
DebatterSvarSeneste indlæg
Jens Morten Hansen og Lunar Nodal Oscillation Index021-01-2020 17:38
Ny model siger: Meget kold 30årig periode allerede fra 2022?1203-12-2018 15:50
Southern Ocean: Udviklingen i Sea Surface Temperature og Sea Ice Cover. Analyse af data fra NOAA.4016-09-2015 14:50
Southern Ocean: Sea Surface Temperature and Sea Ice Area - links II201-12-2014 12:50
Southern Ocean: Udviklingen i saltkoncentrationen ?024-08-2014 16:45
NyhederDato
Kina vil have en forbruger-model på COP1504-09-2009 10:13
▲ Til toppen
Afstemning
Hvordan vil Coronakrisen påvirke klimadebatten?

Mindre opmærksomhed om klima

Ingen større påvirkning

Øget opmærksomhed om klima

Andet/Ved ikke


Tak for støtten til driften af Klimadebat.dk.
Copyright © 2007-2020 Klimadebat.dk | Kontakt | Privatlivspolitik