北极海冰何时消失？面积、范围、厚度和体积的投影

美国国家经济研究局工作论文系列 北极海冰消失? 面积、范围、厚度和体积的投影 弗朗西斯·迪博尔德格伦·鲁德布什马克西米利安·戈贝尔 菲利普。古利特CoulombeBoyuan张 工作文件30732http://www.nber.org/papers/w30732 国家经济研究局(NATIONALBUREAUOFECONOMICRESEARCH) 麻萨诸塞州大道1050号马萨诸塞州,剑桥021382022年12月 对于有用的评论，我们感谢编辑，联合编辑和两位匿名裁判，以及EricHillebrand，WaltMeier，AaronMora，FelixPretis，RichardStartz和ZackMiller，以及研讨会和会议的参与者。对于研究帮助，我们感谢JackMueller和GladysTeng。本文表达的观点是作者的观点，不一定反映国家经济研究局的观点。 分发NBER工作文件供讨论和评论之用。它们没有经过同行评审，也没有接受NBER官方出版物随附的 NBER董事会的审查。 ©2022年由弗朗西斯·迪博尔德、格伦·鲁德布施、马克西米利安·戈贝尔、菲利普·古莱特·库隆贝和张博元执导。保留所有权利。未经明确许可，可以引用不超过两段的短段文字，但须注明来源，包括©通知。 北极海冰什么时候会消失？面积、范围、厚度和体积的投影弗朗西斯·迪博尔德、格伦·鲁德布施 、马克西米利安·戈贝尔、菲利普·古莱特·库隆贝和张博元 2022年12月美国国家经济研究局工作论文30732号 冻胶。C51,Q54 摘要 北极夏季海冰迅速减少是全球气候变化步伐的强烈信号。我们为北极海冰的四种测量值提供点、间隔和密度预测：面积、范围、厚度和体积。重要的是，我们执行共同约束，即这些措施必须同时到达无冰的北极。我们将这种受约束的联合预报程序应用于将海冰与大气二氧化碳浓度相关的模型和将海冰直接与时间相关的模型。由此产生的“碳趋势”和“时间趋势”预测是相互一致的，并预测到2030年代中期 ，北冰洋夏季几乎无冰，概率为80%。此外，碳趋势预测表明，全球采用低碳路径可能会将季节性无冰北极的到来推迟几年。 FrancisX.DieboldUniversityofPennsylvania和NBERfdiebold@sas.upenn.edu 格伦·鲁德布施布鲁金斯学会 glenn.rudebusch@gmail.com 马克西米利安Gobel里斯本大学 PhilippeGouletCoulombeUniversityofQuebecatMontrealgouletc@sas.upenn.edu Boyuan张 宾夕法尼亚大学 boyuanz@sas.upenn.edu 1介绍 了解和预报气候观测记录（COR）对于一系列任务至关重要，特别是规划未来的减缓和适应基础设施和投资。COR具有许多不同的元素，例如温度（平均值，极端值，变异性等），极端事件（风暴，洪水，干旱，野火等）和其他物理属性（海平面，云量，冰川范围等）。这些因素在空间层面上有很大的不同，北极地区已成为调查当前气候变化的一个突出焦点。特别是，北极融化是气候变化的一个显着影响，气候变化使北极变暖的速度比全球平均水平快两到三倍。北极融化也促进了未来的气候变化，部分原因是“反照率”反馈放大循环，因为反射率更高的北极海冰被更暗的开放西部所取代。除了全球影响外，北极融化还会产生普遍的区域后果。例如，在北极地区，减少海冰将降低航运成本 ，促进自然资源的开采，扩大旅游业。在全球和区域层面，北极融化将共同产生广泛和变革性的影响、机遇和风险（Alvarez等人，2020年;林奇等人，2022年）。 大规模气候模型一直是许多前瞻性全球和北极气候分析的来源。这些模型试图通过大量的空间和时间细节来捕捉地球气候的基本物理驱动因素。这种结构模型对于理解气候变化非常宝贵;然而，从预测的角度来看，气候模型不太熟练，特别是在很大程度上低估了近几十年来海冰损失的数量（例如，Stroeve等人，2012年;罗森布鲁姆和艾森曼，2017）。作为一种实用的补充方法，统计来自简约动态时间序列表示的预测通常产生的预测至少与详细的结构模型一样准确（Diebold和Rudebusch，2022b）。COR预测可以通过使用简化形式的计量经济学/统计方法来促进，这些方法旨在总结相关的数据模式（相关性），而不管深层的因果气候机制如何。这种简化形式的不可知论对于COR预测很有价值，因为颗粒气候动力学尚未完全理解-见证五十个左右不同的CMIP6气候模型及其广泛不同的预测（例如，Notz和SIMIP，2020）。具体来说，对于北极海冰的预测，已经有一些证据表明小规模计量经济学/统计模型可以取得一些成功（Wang等人，2016年;迪博尔德和鲁德布施，2022b）。 因此，在本文中，我们试图推进计量经济学/统计分析 北极海冰的长期未来演化。特别令人感兴趣的是北极无冰时间的概率分析，这一结果具有重要的经济和气候后果（Jahnetal.，2016）。我们分析的一个关键贡献是，我们对北极海冰的各种测量采取了多变量方法。具体来说，我们考虑泛北极海冰的三个方面：表面覆盖（以两种方式测量-面积和范围，稍后将定义），厚度和体积。从理论上讲，这三个海冰测量值应该是完全相关的。体积等于表面覆盖率和厚度的乘积，因此对任何两个进行建模都意味着第三个的规格。然而，在实践中，每个海冰指标都是基于纯观测和模型解释和插值的混合。因此，测量差异和误差在各种指标之间引入了差异，并在它们之间驱动楔块，即使随着观测和建模方法的改进，测量误差量通常随着时间的推移而减少。因此，海冰的各种测量并不完全相关，考虑所有这些措施可能是有益的。 我们将9月北极海冰的各种测量描述为时间序列过程，并研究了随着全球变暖的持续，未来可能走向季节性无冰条件的路径。9月是季节性冰最少的月份，我们专注于预测第一个无冰9月的时间，探索真正的无冰北极（IFA）和有效或接近无冰的北极（NIFA）.1我们对海冰面积、范围、厚度和体积进行建模，并实施多变量模型来限制这些措施同时达到零。我们将分析锚定在面积上，依次考虑面积与其他每个指标的成对混合。面积-范围对基本上仅基于观测数据;面积-厚度对整合了表征海冰的两个关键指标;面积-体积对最接近包含面积、厚度和范围的全指标分析。 我们在“碳趋势”模型中实施约束联合预测程序，该模型将海冰与大气中的二氧化碳（CO2）浓度相关联（此时间序列表示为CO2C).这使我们能够根据各种碳情景进行预测。我们还根据类似约束的“时间趋势”模型检查我们的碳趋势结果，这些模型仅将海冰与时间联系起来。最后，我们验证了两种方法的一致性，并使用它们对NIFA和IFA的到达年份进行概率预测。 当然，有大量关于北极下降的测量和建模的文献 1我们遵循通常的惯例，将NIFA定义为海冰覆盖率小于106公里2如下所述。 海冰的范围和面积以及有见地的概述包括Stroeve等人（2012）、Shalina等人（2020a）和Fox-Kemper等人（2022）。有关厚度和体积下降的测量和建模的分析，请参阅例如Stroeve和Notz（2018）和Shalina等人（2020b）。我们将在整篇论文中更多地谈论北极海冰的文献以及我们的结果与北极海冰的关系。然而，就目前而言，我们再次强调，我们对面积、范围、厚度和体积的多元建模——特别是考虑到如果它们消失，它们必须同时消失的事实——使我们的分析与众不同。特别是，本文与我们早期的研究Diebold和Rudebusch（2022b）完全不同，该研究将结构气候模型与基于多项式趋势的简化形式统计模型进行了比较。本文避免了任何统计与结构预测模型的比较。相反，它更深入地研究统计分析和建模，结合更多信息来形成统计预测：（1）更多的海冰指标，（2）施加了相等IFA约束的双变量模型，以及（3 ）以关键的地球物理协变量（CO2浓度）为条件，而不仅仅是单个海冰指标的通用多项式趋势 。我们按以下方式进行。在第2节中，我们介绍了我们的四个海冰指标。在部分3，我们使用大气CO2浓度回归（“碳趋势”）对指标进行建模和预测，生成点和区间预测。在第4节中，我们通过使用直接时间趋势回归（“时间趋势”）进行建模和预测，评估碳趋势和时间趋势预测方法的一致性，提供了主要的稳健性检查。在第5节中，我们使用这两种方法来提供两个最终感兴趣的对象的完整概率预测：IFA和NIFA的到达年份。在第6节中，我们提供了第二个主要的稳健性检查，通过使用替代碳测量方法重做大部分碳趋势分析，累积人为二氧化碳排放量（当量二氧化碳），评估两个碳趋势版本的一致性。我们在第7节中得出结论。 2北极海冰的措施 我们考虑北极海冰的四个关键方面：表面覆盖（其中有两种测量，面积和范围），厚度和体积。我们的分析侧重于这些指标的季节性最小值，特别是泛北极尺度的9月平均值2。 2见附件为数据源和细节。 2.1表面覆盖(面积和范围) 自1978年底以来，利用基于卫星的无源微波传感对北极海冰表面覆盖进行了很好的测量。北极被划分为一个细胞网格，对于每个细胞，卫星传感器测量反射的太阳辐射量。这种反射能量因细胞而异，具体取决于海冰和开放水域的相对细胞覆盖范围，因为后者吸收更多的辐射 。所得测量的“亮度”转换为细胞海冰“浓度”的分数测量值我在时间t,表示c我,不。个人c我,不然后汇总成两个标准的、略有不同的总体海冰覆盖量。 第一种,“海冰区”(新航），如果每个像元中的测量浓度低于.15，则将测量浓度设置为零，否则保留卫星记录的值： ( c新航=0,如果c我,不≤.15(1) 我c我,否则. 我 所有网格单元区域然后乘以c新航，并表示它们在整个北极的加权总和新航t。作为一个结果, 新航是海冰浓度至少为15%的所有北极网格像元的测量覆盖范围。 第二个覆盖量，“海冰范围”（您），还将测量浓度设置为低于.15至零，但将其向上调整为完全覆盖，或1： ( 我 c您=0,如果c我,不≤.15(2) 1,否则. 我 在这种情况下，所有格网像元面积乘以c您总北极,和他们的加权和您t。因此,您是测量为至少具有15%海冰覆盖率的所有海洋格网像元的总面积。 up-rounding建设您用作偏置校正，以抵消卫星传感器将海冰表面融化的浅池误认为公海的倾向.3这种偏置校正既有成本也有好处，两者兼而有之新航和您广泛用于研究和预测。我们将使用9月的月平均值来检查两者新航和您1979年至2021年的数据来自国家冰雪数据中心（NSIDC） 。 up-rounding建设您也意味着定义您≥新航事实上,历史数据,您已经大大高于新航。为我们的 3有关详细信息，请参阅https://www.ncdc.noaa.gov/monitoring-references/dyk/arctic-ice。 分析，关键的定义约束是，在相同条件下，这两个海冰覆盖量只能等于零，即所有北极网格单元的覆盖率不超过15%（c我,不≤.15为所有我).在这种情况下，这两个度量值将是等效的 ，因此新航=您=0。两个指标必须同时达到零的约束将是关键的时间限制，使我们能够构建泛北极9月的联合预测。新航和您. 2.2厚度 我们的下一个海冰厚度指标,表示坐.海冰厚度-海底海洋与冰上任何积雪或空气之间的距离-很难测量，但可以更全面地了解海冰状况.4过去，海冰厚度的数据是通过各种方法获得的，包括潜艇记录，海底浮标，钻孔，直升机和雪橇调查，和卫星测量，但这些来源的准确性和可用性因时间和地点而异。这些不同厚度测量的流行替代方案是由华盛顿大学极地科学中心的泛北极冰洋建模和同化系统（PIOMAS）产生的（Zhang和Rothrock，2003）。PIOMAS厚度指示器包含（或吸收）数据，例如NSIDC海冰浓度测量以及大气信息，例如风速和风向，地表气温和云量。然而，PIOMAS数据在很大程度上是由海洋和海冰物理模型驱动的，该模型描述了海冰厚度如何随位置和时间演变，以响应动态和热力学强迫以及机械再分布（如起伏）。也