Syklinen ilmasto näkökulmia erilaisten aikasarjojen valossa Lustia-arkistodokumentti/Mauri Timonen 27.3.2013 (päiv. 3.5.2013)
1. Yleistä ilmaston syklisyydestä - Syklisyystarkastelut voisi aloittaa vaikkapa Wiki-linkistä Climate oscillation
2. Vuosilustoindeksit
Kuva 2-1a. Lapin metsänrajamännyn lustonleveyskronologia 5500 eaa 2000 jaa. Fourier-spektrianalyysin mukaan tilastollisesti merkittävimmät syklit asettuvat 30-95 vuoden välille (ylempi kuva). Noin 80 vuoden pituinen ns. Wolf-Gleissberg-sykli on niistä voimakkain. Wavelet-analyysi kertoo syklien vaihtelusta myös ajan suhteen. Tilastollisesti merkittävimmät syklit näkyvät punaisena vyömäisenä muodostelmana 32-256 vuoden haarukassa. Huomattakoon, että männyn lustoista ei voi suoraan lukea yli 150 vuoden jaksoja (paitsi vihnemännystä, kuva 2-3). Syklien vaihteluun eri ajanjaksoina on sekoittunut sekä avaruusperäistä että ilmastodynamiikkaan liittyvää syklisyyttä.
Kuva 2-1b. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: 1000-2004 (1000 >2004 jaa. 200 > 1200 jaa.) Kommentti: Viimeisen tuhatvuotiskauden aikana on 87 ±20 vuotinen Wolf- Gleissberg-sykli pysynyt melko vakaana. Kuvakavalkaadi Wolf- Gleissberg-sykleistä (googlaus-haku Wolf- Gleissberg )
Kuva 2-1c. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: 0-1000 Kommentti: Ensimmäisellä vuosituhannella syklit ovat vuorotelleet 30-80 vuoden haarukassa.
Kuva 2-1d. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: -1000 0
Kuva 2-1e. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: -2000-1000
Kuva 2-1f. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: -3000-2000
Kuva 2-1g. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: -4000-3000
Kuva 2-1h. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: -5000-4000
Kuva 2-1i. Lapin metsänrajamänty, vuosilustoindeksi. Syklisyysanalyysit tuhatvuotiskausittain: -5633-5000 Kommentti: Viimeisen
Kuva 2-2. Inarin Karhunpesävaaran vanhoista mäntyjen lustonleveyden vaihteluista tehty syklisyysanalyysi. Karhunpesävaaran vanhimmat elävät männyt ovat yli 600- vuotiaita.
Kuva 2-3. Kalifornian vihnemäntyaineisto (data ja taulukko). Vihnemäntyjen vuosilustoindeksiin perustuva Waveletanalyysi viittaa kiisteltyyn ns. 1500-vuotiseen Bond-sykliin. Vanhimmat elävät vihnemännyn ovat liki 5000-vuotiaita. Artikkeleita: A Memory Bank for the Planet Vihnemäntyjä jäljittämässä Kaliforniassa Rovaniemiläisopettaja etsi maailman vanhinta puuta Kaliforniassa
Kuva 2-4. Yamalin kohutusta vuosilustoaineistosta laskettu vuosilustoindeksi (data ja taulukko). Ks. juttu: Onko lustotutkimus luotettavaa? Sama englanninkielisenä versiona: The RCS-modelled Hockey stick chronology of Yamal. What went wrong? Wavelet-analysi kertoo syklisyyden vaihdellen viimeisten 2000 vuoden aikana. Viime vuosisadat ovat menneet laajan vaihtelun (60-500 v) puitteissa. Mielenkiintoinen kysymys on se, ovatko syklisyyden muutokset suurilmaston (siis aurinkoperäisen) ilmaston indikaattori. Asiasta saadaan selvyyttä katselemalla mahdollisimman monen datan syklejä, jolloin toivottavasti päästään ymmärrykseen syklisyysilmiön alkuperästä (mm. avaruusilmasto, maan ilmastodynamiikka ja datojen vajavaisuus ehdokkaina).
Kuva 2-5. Ruotsin Torniojärven 7400 vuoden pituisesta vuosilustoaineistosta tehty wavelet-analyysi.
3. Lämpötilatarkasteluita
Kuva 3a. Sodankylä T7
Kuva 3b. Karesuvanto T7
Kuva 3c. Karasjok T7
Kuva 3d. Karasjok T68
Kuva 3e. Karasjok TVuo
Kuva 3f. Uppsalan vuotuisesta keskilämpötilasta 1722-2010 tehty Wavelet-analyysi. Data, alkuperäinen data ja seloste Uppsalan pitkästä Lämpötilasarjasta. Syklisyyttä näyttää olleen 100 vuoden tietämissä (punainen, oranssi ja keltainen vyöhyke). Viimeisten 70 vuoden aikana syklit ovat esiintyneet 64 vuoden molemmin puolin (punainen alue). viimeisten 2000 vuoden aikana. Viime parikymmentä vuotta ovat olleet minimilämpötilojen osalta lämpimämpiä kuin aiemmin mittausjaksolla.
Kuva 3g. Uppsalan sydäntalven (DJFM) keskilämpötilasta 1722-2010 tehty Wavelet-analyysi.
Kuva 3h. Uppsalan kevään (T34) keskilämpötilasta 1722-2010 tehty Wavelet-analyysi.
Kuva 3i. Uppsalan heinäkuun (T7) keskilämpötilasta 1722-2010 tehty Wavelet-analyysi.
4. Järvisedimentit
Kuva 4a. Korttajärvi, järvisedimentit - Thickness. Data1 Data2
Kuva 4b. Korttajärvi, järvisedimentit - Lightsum.
Kuva 4c. Korttajärvi, järvisedimentit - Darksum.
Kuva 4d. Korttajärvi, järvisedimentit - XRD.
5. Jäät
Kuva 5a. Itämeren jäiden kokonaispinta-ala, km 2. Data.
Kuva 5b. Tornionjoen jäiden lähtö muuttujalla päiviä vuoden alusta. Data.
Kuva 5c. Tornionjoen jäiden lähtö: Wavelet-analyysi muuttujalla päiviä vuoden loppuun. Data.
6. Lustoista johdetut lämpötilat
Kuva 6a. Heinäkuun lämpötila metsänrajalla (metsänrajamännyn 7641-vuotinen lustonleveyskronologia).
Kuva 6b. Metsänrajamännystä (elävien puiden aineisto) laskettu heinäkuun keskilämpötila vuosina 1720-2004.
Kuva 6c. Inarin kyynelniemen 400-vuotias mänty on kasvanut jaksoittaisesti. Kyynelniemen 403-vuotiaan männyn vuosilustoindeksistä (edellinen kuva) johdettu heinäkuun keskilämpötila. Mallina käytetty Karasjoen ilmastomittausten heinäkuun keskilämpötilan (T7) ja Muotkanruoktun vuosilustoindeksin (muuttuja IndCRS) välistä riippuvuussuhdetta. Keskimääräinen virhe: 0.29 o C ja keskihajonta: 1.7 o C (Data) Sovellettu siirtofunktio kuvattu MIL-raportin sivulla 8.
Kuva 6d. Kyynelniemen männyn vuosilustoindeksistä johdetun heinäkuun keskilämpötilan perusteella tehty Waveletanalyysi. Keskeisenä näkyy 64-128 vuoden syklisyys (punainen alue).
Kuva 6e. Esimerkki ilmastomallituksesta vuosilustoilla: Karasjoen heinäkuun keskilämpötilan arviointi 30 km:n päässä sijaitsevien Muotkanruoktun mäntyjen vuosilustoindeksin perusteella.
Kuva 6f. Ruotsalainen 1000-v ilmastomallitus mäntylustoilla: Moberg-data. Moberg_Juttu (salasana=bye)
7. Lämpötilojen vertailua
Kuva 7a. Kyynelniemen männyn vuosilustoindeksistä laskettu heinäkuun lämpötila (vihreä viiva) perustuu Muotkanruoktun männyn vuosilustoindeksin ja Karesuvannon ilmastoaseman heinäkuun lämpötilamittausten (oranssi viiva) väliseen riippuvuuteen.
Kuva 7b. Lapin kolmen pitkän lämpötilasarjan keskinäinen vertailu. Ilmasto on hyvin samankaltainen koko Lapin alueella (ainakin alavilla seuduilla).
8. Spektrianalyysit
Metsänrajaseudun heinäkuun lämpötilan spektri Metsänrajaseudun heinäkuun lämpötilan spektri 7638 vuoden aikana Itämeren jäiden vaihteluiden spektri Kuva 8a. Heinäkuun lämpötila metsänrajalla (ylhäällä) ja Itämeren jääpinta-alan spektrit.
Kuva 8b. Tornionjoen jäiden lähtö: spektri muuttujalla päiviä vuoden loppuun. Data.
TVuo DJFM T34 T34 T67 T7 Kuva 8c. Uppsalan lämpötilasarjasta lasketut vuoden, sydäntalven kevään ja keskikesän spektrit (vuodet 1722-2010).
9. Auringon aktiivisuus
Kuva 9a. Auringonpilkkulukuun perustuva Wavelet-analyysi paljastaa noin 11-vuotisen (9-13 v) ja noin 85-vuotisen (60-100 v) syklin (ns. Gleissberg-sykli). Data Vuosilustoindekseistä johdetut lämpötilat kuvaavat pääsääntöisesti paikallista tai alueellista ilmastoa. Mutta jos sekä mitatuissa että prokseista johdetuissa lämpötilasarjoissa ilmenevä syklisyys tulkitaan globaaliksi signaaliksi, se yhdistetään usein avaruusilmastosta, erityisesti Auringon aktiivisuusvaihteluista aiheutuvaksi. Vertailukohdan edellä esitettyihin syklisyysanalyyseihin antaa oheinen Auringon aktiivisuusvaihteluita kuvaava wavelet-analyysi, jossa noin 11- vuotinen sykli näkyy itse oikeutetusti, mutta myös sen monikerrat, joista erityisesti mainiten Gleissberg-sykli, esiintyy vahvana.
10. Wavelet-analyysit R:llä
# mt/260412: # Miten Wavelet-analyysit tehtiin? # Original code from Tom Levanic, modified by Mauri Timonen ================================================= library(dplr) # lataa dplr-kirjasto rm(list=ls()) # alusta työtila # Lue data (muott7.cpt) rw-taulukkoon compact -formaatilla rw<-read.compact("muott7.cpt") # Määrittele muuttujat. Ensiksi vuosikenttä rw.years<-as.numeric(rownames(rw)) # Sitten tutkittava muuttuja rw:stä rw.std<-rw[,1] # Aja Wavelet-analyysi ja tallenna rw.wave-taulukkoon rw.wave <- morlet(y1=rw.std,x1=rw.years,dj=0.1,siglvl=0.99) #tulosta analyysi kuvana. Määrittele värit. wavelet.plot(rw.wave, key.cols = c("black","blue","deepskyblue4","royalblue","lightblue", "lightblue1","green","yellow","darkgoldenrod1","red")) #Tarvittiin siis vain 7 riviä. R on tehokas kieli! DplR-Wavelet-kuvien perusvärit yllä olevan koodauksen mukaisesti (malli mt_clour1 )
11. Syklistä luettavaa - Wiki-artikkeli: Climate oscillation - Syklisyystietoa puulustoista : Studies with the Finnish 7644-yr Scots pine chronology - Metlan MIL-ohjelman loppuraportin luku 2.1: Ilmastonmuutokset ja niiden syyt puulustojen ja muiden proksitietojen pohjalta - The world is on the threshold of ice age - Global Warming? No, Natural, Predictable Climate Change