Mikä lämmittää?

[Tapsa]

Tuo 50 W/m^2 on vielä aika vaatimaton luku. Jos 273 asteinen vesi vaihtuu 253 asteiseksi lumeksi ja olettaen lumen emissiokertoimeksi 0,8, niin saadaan säteilyintensiteettien suhteeksi lähes 1,7. Kun vesi säteilee n. 220 W/m^2, niin lumi vastaavasti n. 130 W/m^2. 20 asteen ero ei liene vielä kovin suuri meren ja lumipeitteen välillä.

Tähän ei voi todeta muuta kuin että säteilytasapaino on mukana malleissa. Siitä minun postaamastani varmaan näkyy kuinka vesikerrokset ja niiden lämpö on otettu huomioon.

Eli voimme ainakin todeta, että ilmastoaiheisiin kirjoitteluihin Naturea ja Scienceä myöten kannattaa suhtautua kriittisesti eli köyhän kansan kusetus jatkuu.
Tuossa postauksessasi näytetään enemmän keskittyvän jään paksuuden vaikutuksiin kuin jään olemattomuuden, vaikea siitä on kuitenkin täyttä tolkkua saada.

Se perusongelma eli hurjat positiiviset (epäfysikaaliset) takaisinkytkennät malleissa on ja pysyy. Sehän se on syy, miksi noita takaisinkytkentöjä olen pohtinut.
Metaani on sitten toinen juttu.

[anander]

Kuten sanottua, tästä CICE-mallista oli Fortran-koodit ja aika kattavasti dokumentteja; varsinaiset säteilylaskut eivät olleet tämän CICE-jäämallin osa-aluetta, vaan niitä laskeskellaan sitten näillä yleisemmillä kiertomalleilla, joihin tämä jäämalli voidaan laittaa osaksi:

Esim:

Sorsien mukana tulleessa dokumentissa mainitaan asiasta mm. näin:
"The ice fraction is used by the flux coupler to merge fluxes from the ice model with fluxes from the other components. For example, the penetrating shortwave radiation flux, weighted by ai, is combined with the net shortwave radiation flux through ice-free
leads, weighted by (1 ), to obtain the net shortwave flux into the ocean over the entire grid cell. The
flux coupler requires the fluxes to be divided by the total ice area so that the ice and land models are treated
identically (land also may occupy less than 100% of an atmospheric grid cell). These fluxes are “per unit
ice area” rather than “per unit grid cell area.”"

"In some coupled climate models (for example, recent versions of the U.K. Hadley Centre model) the
surface air temperature and fluxes are computed within the atmosphere model and are passed to CICE. In
this case the logical parameter calc Tsfc in ice therm vertical is set to false. The fields fsurfn (the
net surface heat flux from the atmosphere), flatn (the surface latent heat flux), and fcondtopn (the
conductive flux at the top surface) for each ice thickness category are copied or derived from the input
coupler fluxes and are passed to the thermodynamic driver subroutine, thermo vertical. At the end of the
time step, the surface temperature and effective conductivity (i.e., thermal conductivity divided by thickness)
of the top ice/snow layer in each category are returned to the atmosphere model via the coupler. Since the ice
surface temperature is treated explicitly, the effective conductivity may need to be limited to ensure stability.
As a result, accuracy may be significantly reduced, especially for thin ice or snow layers. A more stable and
accurate procedure would be to compute the temperature profiles for both the atmosphere and ice, together
with the surface fluxes, in a single implicit calculation. This was judged impractical, however, given that the
atmosphere and sea ice models generally exist on different grids and/or processor sets"

Eli kyllä tämä asia on mallipuolella nähdäkseni katettu, olkoonkin että tämä "Polar/Arctic Amplification"-feedbackin arvo ei voi olla globaalisti kovinkaan merkittävä. Oma näppituntumani on, että "yleisöllä" on siitä sellaisen tuomiopäivämäinen käsitys, vaikka asia on aika monisyinen; aika usein törmää mm. käsitykseen, että merijää jotenkin "sulaisi pysyvästi", vaikka esim. Arktiksen osalta on ollut pitkään tunnettu tosiasia, että se on vaihdellut aina laajalti, ja jäätä hajoittaa lähinnä tuulet. Arkituksen tuulia säätelevät mm. luontaiset oskillaatiot ja napapyörre, joiden (kaikken) syntymekanismeja ei vieläkään tunneta, osata mallintaa eikä varsinkaan attribuoida ilmakehän pintakerroksen lämpötilan asteen osien kasvuun. Ja koska kyseessä ei ole mikään askelmainen nousu, on merien lämpösisällön muutos, joka on joidenkin mielestä se indikaattori mitä meidän tulisi seurata toistaiseksi hyvin pieni.

[Lorentz3]

Se perusongelma eli hurjat positiiviset (epäfysikaaliset) takaisinkytkennät malleissa on ja pysyy. Sehän se on syy, miksi noita takaisinkytkentöjä olen pohtinut.

Tästä asiastahan mainittiin jo että malleihin ei ole kovakoodattu mitään takaisinkytkentöjä. Jos malliajon tuloksista nähdään että jään väheneminen lisää lämpenemistä, mikä taas sulattaa lisää jäätä, voidaan todeta että malli tuottaa positiivisen takaisinkytkennän.

[Hezaurus]

Jopa java on tänään riittävän nopea ollakseen ihan yhtä hyvä valinta matemaattiseen mallinnukseen kuin Fortran. Tärkeintähän noissa on nykyään massiivinen rinnakkaisuus ja siinä tärkeintä itse toteutustapa eikä toteutuskieli.

Onko tästä jossakin uudehdoja linkkejä? Olen ymmärtänyt että mm. kompleksilukujen natiivituen puuttuminen Javasta aiheuttaa jonkin verran harmia. Hyvin koodattu Java-koodi näyttää pärähtävän kätevästi moniydinprossujen kaikille ytimille eli siinä suhteessa rinnakkaisuus toimii.

Projekti:
GAIA DPAC http://en.wikipedia.org/wiki/DPAC

Very early on in the preparation of the Gaia data reduction the issue of the programming language to use to develop the system was raised. The decision process involved scientists and software engineers; it was focused on the needs of a long-term project, with stringent requirements regarding the software validation and quality and large CPU and data handling needs (1021flops, 1PB).

FORTRAN was somewhat favoured by the scientific community but was quickly discarded; the type of system to develop would have been unmaintainable, and even not feasible in some cases. For this purpose the choice of an object-oriented approach was deemed advisable. The choice was narrowed to C++ and Java.

The C++ versus Java debate lasted longer. “Orthodox”thinking stated that C++ should be used for High Performance Computing for performance reasons. “Heterodox”thinking suggested that the disadvantage of Java in performance was outweighted by faster development and higher code reliability.

However, when JIT Java VMs were released we did some benchmarks to compare C++ vs Java performances (linear algebra, FFTs, etc.) . The results showed that the Java performance had become quite reasonable, even comparable to C++ code (and likely to improve!). Additionally, Java offered 100% portability and I/O was likely to be the main limiting factor rather than raw computation performance.

Java was finally chosen as the development language for DPAC. Since then hundreds of thousands of code lines have been written for the reduction system We are happy with the decision made and haven’t (yet) faced any major drawback due to the choice of language.

A key piece of the Gaia astrometry is the calculation of the relativity effects on the apparent position of the objects in the sky: aberration, light bending, etc. This is a complex calculation taking into account the ephemeris of the major solar system bodies and requiring, for a μas accuracy, to reach the limit of the numerical precision of double variables.

An initial (legacy) implementation was available from S. Klionerin C. Used in the simulator code until 2008 through JNI calls. The same author recently developed for DPAC a new implementation using Java. Both implementations have been thoroughly compared and results agree at sub-μas level.

However, computation times differ substantially … In Mare Nostrum the Java version runs about four times faster than the C version (and it’s not due to the JNI overhead).
Obviously, an optimisation of the C code should make it much more efficient, to at least the level of the Java code. However, this shows how the same developer did a quicker and better job in Java (a language that, unlike C, he was unfamiliar with).

The Gaia Simulator code amounts today to more than 100.000 lines of code and has produced several terabytes of simulated data in the last years that have been used for mission design and development and testing of the initial versions of some reduction algorithms. First fully functional system of DPAC, in production since 2006.

The simulator is run at the Mare Nostrum supercomputer http://en.wikipedia.org/wiki/MareNostrum using the Grid Superscalar framework

(Latest run: 600,000 CPU hours 12TB of simulated data)

We routinely deploy it with very small overheads in several environments: e.g. developers desktop computers, small
department cluster for testing and validation and Mare Nostrum for production. Also in all OS flavours: Linux/Unix, Windows, Mac.

Some Caveats:
- We have no numerical libraries of the quality and sophistication of those available in C or Fortran (but this seems to be improving)
- Other types of libraries seem also more limited (e.g. MPI libraries)
- Support for Java development in HPC platforms is scarce. Experience and advice also. We are breaking the ice.
- Occasionally, we find some subtle but annoying differences between JVMs(but not often and never critical for the moment).
- We might not be able to take advantage of future advanced processors, like Cell.
- We do not have much control of garbage collection, and sometimes this may be a problem (but not having to worry about memory leaks is a bless).

http://www.spscicomp.org/ScicomP15/slides/astro/torra.pdf (2009)
http://jazoon.com/Portals/0/Content/slides/th_a5_0900-1000_o%27mullane_keynote.pdf (2010)

[anander]

Tästä asiastahan mainittiin jo että malleihin ei ole kovakoodattu mitään takaisinkytkentöjä. Jos malliajon tuloksista nähdään että jään väheneminen lisää lämpenemistä, mikä taas sulattaa lisää jäätä, voidaan todeta että malli tuottaa positiivisen takaisnkytkennän.

No näinhän se tavallaan on, mutta syynähän on oikeastaan se, että koko pakote-takaisinkytkentäjaottelu on näissä ilmakehälaskennoissa hieman keinotekoinen; se, että hieman lisääntyneen haihdunnan seurauksena ilmakehän vesihöyrypitoisuuden oletetaan kasvavan, joka vuorostaan lisää takaisinsäteilyä on tällainen takaisinkytkentä; sen suuruutta on arvioitu, ja toistaiseksi ilmeisen väärin (koska vesihöyrypitoisuus ei ole seurannut pienehköä muutosta pintalämpötiloissa). Mutta ei siellä tosiaan mitään vahvistinpiiriä sellaisenaan ole (yleiset kiertomallit, tilastolliset mallit asia erikseen), mutta lopputuloksista sellaisen voi kyllä löytyy.

Kovakoodaukset löytyy sitten parametroinneista.

[Tapsa]

Se perusongelma eli hurjat positiiviset (epäfysikaaliset) takaisinkytkennät malleissa on ja pysyy. Sehän se on syy, miksi noita takaisinkytkentöjä olen pohtinut.

Tästä asiastahan mainittiin jo että malleihin ei ole kovakoodattu mitään takaisinkytkentöjä. Jos malliajon tuloksista nähdään että jään väheneminen lisää lämpenemistä, mikä taas sulattaa lisää jäätä, voidaan todeta että malli tuottaa positiivisen takaisinkytkennän.

Niinkö se menee, että malleista käydään katsomassa lämpeneekö ja sitten uusilla lähtöarvoilla ajetaan uusestaan?

Kyllä malleihin pitää kaikki ohjelmoida yms. Esim. se pitää laittaa, että kuinka paljon kosteuden oletetaan muuttuvan lämpötilayksikköä kohden.

Johtopäätöksesi, että jään vähenemisen lämmitysvaikutus sulattaa lisää ja edelleen lämpiää, on pielessä, koska silloin on kysymys paikallisesta ilmiöstä, kun taas globaalisti homma menee toisin päin, koska avoimen meren säteilyhäviöt lisäävät virtausta ja tulevaa lämpömäärää. Vastaavasti etelään virtaa enemmän jäähtynyttä vettä.

Oikaisit siis mutkat.

[Lorentz3]

Se perusongelma eli hurjat positiiviset (epäfysikaaliset) takaisinkytkennät malleissa on ja pysyy. Sehän se on syy, miksi noita takaisinkytkentöjä olen pohtinut.

Tästä asiastahan mainittiin jo että malleihin ei ole kovakoodattu mitään takaisinkytkentöjä. Jos malliajon tuloksista nähdään että jään väheneminen lisää lämpenemistä, mikä taas sulattaa lisää jäätä, voidaan todeta että malli tuottaa positiivisen takaisinkytkennän.

Niinkö se menee, että malleista käydään katsomassa lämpeneekö ja sitten uusilla lähtöarvoilla ajetaan uusestaan?

Kyllä malleihin pitää kaikki ohjelmoida yms. Esim. se pitää laittaa, että kuinka paljon kosteuden oletetaan muuttuvan lämpötilayksikköä kohden.

Haihdunta merenpinnasta mallinnetaan tietysti.

Johtopäätöksesi, että jään vähenemisen lämmitysvaikutus sulattaa lisää ja edelleen lämpiää, on pielessä, koska silloin on kysymys paikallisesta ilmiöstä, kun taas globaalisti homma menee toisin päin, koska avoimen meren säteilyhäviöt lisäävät virtausta ja tulevaa lämpömäärää. Vastaavasti etelään virtaa enemmän jäähtynyttä vettä.

Mikäs malli noin sanoo? Mallissa pitää ottaa huomioon veden lämpökapasitteetti, ainakin pari kerrosta ja se, että avomeri lisää ilmankosteutta eli pilvisyyttä joka vaikuttaa säteilyhäviöihin.

Oikaisit siis mutkat.

Niin siis sinä heittelet lonkalta mutua samalla kun tutkijat simuloivat supertietokoneillaan.

[abc]

Arktisen alueen jäiden sulaminen ja hupeneminen 70-luvulta ja niiden vaikutus albedon kautta ilmastopalautteena - malliajoilla ja mittauksilla - on viimeksi käsitelty täällä Nature - Geoscience -lehden uusimmassa numerossa (Mar 2011):

Radiative forcing and albedo feedback from the Northern Hemisphere cryosphere between 1979 and 2008

M. G. Flanner, K. M. Shell, M. Barlage, D. K. Perovich and M. A. Tschudi

The extent of snow cover and sea ice in the Northern
Hemisphere has declined since 1979, coincident with hemispheric
warming and indicative of a positive feedback of
surface reflectivity on climate. This albedo feedback of snow
on land has been quantified from observations at seasonal
timescales, and century-scale feedback has been assessed
using climate models. However, the total impact of the
cryosphere on radiative forcing and albedo feedback has yet to
be determined from measurements. Here we assess the influence
of the Northern Hemisphere cryosphere on Earth’s radiation
budget at the top of the atmosphere—termed cryosphere
radiative forcing—by synthesizing a variety of remote sensing
and field measurements. We estimate mean Northern
Hemisphere forcing at -4:6 to -2:2Wm-2, with a peak in
May of -9.0±2.7Wm-2. We find that cyrospheric cooling
declined by 0:45Wm-2 from 1979 to 2008, with nearly equal
contributions from changes in land snow cover and sea ice.
On the basis of these observations, we conclude that the
albedo feedback from the Northern Hemisphere cryosphere
falls between 0.3 and 1:1Wm-2 K-1, substantially larger than
comparable estimates obtained from 18 climate models.

[Tapsa]

Niinkö se menee, että malleista käydään katsomassa lämpeneekö ja sitten uusilla lähtöarvoilla ajetaan uusestaan?

Kyllä malleihin pitää kaikki ohjelmoida yms. Esim. se pitää laittaa, että kuinka paljon kosteuden oletetaan muuttuvan lämpötilayksikköä kohden.

Haihdunta merenpinnasta mallinnetaan tietysti.

Johtopäätöksesi, että jään vähenemisen lämmitysvaikutus sulattaa lisää ja edelleen lämpiää, on pielessä, koska silloin on kysymys paikallisesta ilmiöstä, kun taas globaalisti homma menee toisin päin, koska avoimen meren säteilyhäviöt lisäävät virtausta ja tulevaa lämpömäärää. Vastaavasti etelään virtaa enemmän jäähtynyttä vettä.

Mikäs malli noin sanoo? Mallissa pitää ottaa huomioon veden lämpökapasitteetti, ainakin pari kerrosta ja se, että avomeri lisää ilmankosteutta eli pilvisyyttä joka vaikuttaa säteilyhäviöihin.

Eikös jäiden vähenemisen pitänyt pienentää albedoa? Miten pilvisyyden lisääntyminen natsaa sen kanssa? Vai onko keksitty pilvityyppi, joka vaimentaa vain pitkäaaltoista säteilyä?

Oikaisit siis mutkat.

Niin siis sinä heittelet lonkalta mutua samalla kun tutkijat simuloivat supertietokoneillaan.

On se hauskaa, kun et viitsi itse ajatella, tuntemattomiin malleihin on helppo luottaa sokkona. Tutkijat näköjään työntävät sitä mutua supertietokoneisiinsa ja saavat supermutua.

[Lorentz3]

Eikös jäiden vähenemisen pitänyt pienentää albedoa? Miten pilvisyyden lisääntyminen natsaa sen kanssa? Vai onko keksitty pilvityyppi, joka vaimentaa vain pitkäaaltoista säteilyä?

abc postasikin tuohon ylös loistavan viitteen asiasta. Taitaa olla samaa tutkimusta mistä postasin ne Nasa:n Earthobservatoryn kuvat.

Niin siis sinä heittelet lonkalta mutua samalla kun tutkijat simuloivat supertietokoneillaan.

On se hauskaa, kun et viitsi itse ajatella, tuntemattomiin malleihin on helppo luottaa sokkona. Tutkijat näköjään työntävät sitä mutua supertietokoneisiinsa ja saavat supermutua.

Mutuilu ilman laskuja ja mallinnusta ei ole ajattelua vaan "sekoilua". En nyt jaksa tähän kirjoittaa pitkää esseetä siitä miten tiede toimii ja miten tulokset ovat julkisen kritiikin alla, mistä syystä tieteeseen ei tarvitse luottaa "sokkona". Tässä nimenomaisessa tapauksessa sitäpaitsi ne mallien fakin sorsatkin ovat kaikkien ulottuvilla. Tuntuu ottavan koville että fysiikka ei vahvista intuitiotasi jääpeitteen poistumisen vaikutuksesta, malleissa on siis pakko olla vikaa???

[Tapsa]

Arktisen alueen jäiden sulaminen ja hupeneminen 70-luvulta ja niiden vaikutus albedon kautta ilmastopalautteena - malliajoilla ja mittauksilla - on viimeksi käsitelty täällä Nature - Geoscience -lehden uusimmassa numerossa (Mar 2011):

Radiative forcing and albedo feedback from the Northern Hemisphere cryosphere between 1979 and 2008

M. G. Flanner, K. M. Shell, M. Barlage, D. K. Perovich and M. A. Tschudi

The extent of snow cover and sea ice in the Northern
Hemisphere has declined since 1979, coincident with hemispheric
warming and indicative of a positive feedback of
surface reflectivity on climate. This albedo feedback of snow
on land has been quantified from observations at seasonal
timescales, and century-scale feedback has been assessed
using climate models. However, the total impact of the
cryosphere on radiative forcing and albedo feedback has yet to
be determined from measurements. Here we assess the influence
of the Northern Hemisphere cryosphere on Earth’s radiation
budget at the top of the atmosphere—termed cryosphere
radiative forcing—by synthesizing a variety of remote sensing
and field measurements. We estimate mean Northern
Hemisphere forcing at -4:6 to -2:2Wm-2, with a peak in
May of -9.0±2.7Wm-2. We find that cyrospheric cooling
declined by 0:45Wm-2 from 1979 to 2008, with nearly equal
contributions from changes in land snow cover and sea ice.
On the basis of these observations, we conclude that the
albedo feedback from the Northern Hemisphere cryosphere
falls between 0.3 and 1:1Wm-2 K-1, substantially larger than
comparable estimates obtained from 18 climate models.

Mitenkäs tässä erottuu se merijään sulamisen osuus, josta tässä pelkästään on ollut kyse? Mantereilla tapahtuneista muutoksista en ole kommentoinut mitään.

[juakola]

Minä uskon kyllä ilman malliajojakin, että albedon pienentyminen maa-alueilla aiheuttaa lämpenemistä. Mutta nyt viimeisin hullunmylly-tieteen-7päivää uutinen sanookin, että tämän talven lumisateet johtuvat ilmastonlämpenemisestä .
http://www.iltasanomat.fi/kotimaa/Suomen%20oudolle%20säälle%20uusi%20selitys/art-1288372968463.html
Eli onkohan kyseessä sittenkin negatiivinen feedback?

(noh, selitys lumisateille on ilmastonmuutosta paljon triviaalimpi, nimittäin sään kylmeneminen, talvi).

[Tapsa]

Minä uskon kyllä ilman malliajojakin, että albedon pienentyminen maa-alueilla aiheuttaa lämpenemistä. Mutta nyt viimeisin hullunmylly-tieteen-7päivää uutinen sanookin, että tämän talven lumisateet johtuvat ilmastonlämpenemisestä .
http://www.iltasanomat.fi/kotimaa/Suomen%20oudolle%20säälle%20uusi%20selitys/art-1288372968463.html
Eli onkohan kyseessä sittenkin negatiivinen feedback?

(noh, selitys lumisateille on ilmastonmuutosta paljon triviaalimpi, nimittäin sään kylmeneminen, talvi).

Meinaatko, että lumeton talvi Inarissa aiheuttaisi lämpenemistä? Millä mekanismilla?

[juakola]

Minä uskon kyllä ilman malliajojakin, että albedon pienentyminen maa-alueilla aiheuttaa lämpenemistä. Mutta nyt viimeisin hullunmylly-tieteen-7päivää uutinen sanookin, että tämän talven lumisateet johtuvat ilmastonlämpenemisestä .
http://www.iltasanomat.fi/kotimaa/Suomen%20oudolle%20säälle%20uusi%20selitys/art-1288372968463.html
Eli onkohan kyseessä sittenkin negatiivinen feedback?

(noh, selitys lumisateille on ilmastonmuutosta paljon triviaalimpi, nimittäin sään kylmeneminen, talvi).

Meinaatko, että lumeton talvi Inarissa aiheuttaisi lämpenemistä? Millä mekanismilla?

Absorbtiolla. Vaikutus on tosin kaamoksen takia luultavimmin pieni.

[anander]

Tässä nimenomaisessa tapauksessa sitäpaitsi ne mallien fakin sorsatkin ovat kaikkien ulottuvilla. Tuntuu ottavan koville että fysiikka ei vahvista intuitiotasi jääpeitteen poistumisen vaikutuksesta, malleissa on siis pakko olla vikaa???

No, tässä tapauksessa lähdekoodit löytyivät vain tuosta jäämallista, ei säteilylaskennasta. Suurimmasta osasta ilmastomalleja ei ole saatavilla lähdekoodeja ainakaan akatemiapiirien ulkopuolelta.

Nyt sitten vain odotellaan niitä kohdalleen osunneita mallinnuksia...