|
|
| ミランコヴィッチメニューへ戻る 大気中の褐色雲。南アジアの気候と水循環への影響 V. Ramanathan, C. Chung, D. Kim, T. Bettge, L. Buja, J. T. Kiehl, W. M. Washington, Q. Fu, D. R. Sikka, and M. Wild PNAS April 12, 2005 102 (15) 5326-5333; https://doi.org/10.1073/pnas.0500656102 抄録 南アジアの化石燃料SO2とブラックカーボンの排出量は1930年以来約6倍に増加し、その結果、ブラックカーボンと他のエアロゾルの大気中濃度が高くなりました。この期間はまた、表面日射、表面蒸発、および夏のモンスーン降雨の強い負の傾向を目撃しました。インドにおけるこれらの変化は、北インド洋における大気安定度の増加と海面水温勾配の減少を伴いました。観測された傾向における大気の茶色の雲の役割を理解するために、1930年から2000年にかけて海洋と大気の結合シミュレーションのアンサンブルを実施しました。シミュレーションは、インド洋の実験観測からのエアロゾル放射強制力を採用し、温室効果ガスと硫酸塩エアロゾルの世界的な増加も説明しています。シミュレートされた地表日射量の減少、陸と海の地表と大気の温度の変化、およびモンスーン降雨量の減少は、観測された傾向と同様です。また、温室効果ガスと硫酸塩は、それ自体では、観測された傾向の大きさや多くの場合の兆候さえも説明していないことも示しています。したがって、私たちのシミュレーションは、大気中の茶色の雲でエアロゾルを吸収することが、観測された地域の気候と水循環の変化に主要な役割を果たし、温室効果ガスの世界的な増加による表面温暖化の50％を覆い隠した可能性があることを示唆しています。シミュレーションはまた、排出量の現在の傾向が続く場合、亜大陸が今後数十年で干ばつの頻度の倍増を経験する可能性を高めます。 キーワード エアロゾルブラックカーボン地域の気候変動 大気中の茶色の雲（ABC）は基本的に、太陽放射を吸収および散乱するブラックカーボン（BC）、有機炭素、ほこりなどのエアロゾルからなる大気汚染の層です（1）。 ABCには、硫酸塩、硝酸塩、フライアッシュなど、主に太陽放射を散乱させる他の人為的エアロゾルも含まれています。 ABCによる太陽放射の吸収は、大気の太陽熱に寄与します。 吸収と散乱により、表面でのUVおよび可視波長の太陽放射が大幅に減少し（2）、調光（3）とも呼ばれます。さらに、エアロゾルはより多くの雲滴を核形成し、太陽放射の散乱を強化し、追加の調光に貢献します（4）。エアロゾルによる雲の核形成も雲の降水効率を低下させます（5）。 ABCの放射強制力は、以下に説明するいくつかのメカニズムを通じて降雨を減らすことができます。 ABCの放射強制力は、表面を冷却し（4–8）、大気を安定させ（9、10）、蒸発（6、7）と降雨量（6、7、11）を減らすことができます。エアロゾルの寿命は1〜2週間と短いため、エアロゾルは北半球の発生源の近くに集中し、南半球の海洋に比べて北半球の海洋を冷却します。 このエアロゾルによる北熱帯海洋の冷却は、夏季の子午線転倒循環（ハドレーセルまたは熱帯収束帯循環とも呼ばれる）を弱め、北アフリカの降雨量を減らすことが示されています（8）。最後に、エアロゾルを吸収すると、大気の太陽熱の空間勾配が変化します。東アジアと南アジアでは、この変化がモンスーン降雨の空間分布を乱し、一部の地域では雨が多く、他の地域では雨が少ないことが示されています（9、10）。 いくつかの研究は、降雨に対する人為的硫酸塩エアロゾルの影響を指摘しています（11–13）。つい最近、エアロゾル、特にBCの吸収が、地球規模の降雨量の減少に大きな役割を果たす可能性があることに気づきました（6、7）。 この研究で示されているように、エアロゾルの上記の影響はすべて、南アジアと北インド洋（NIO）で明らかになっています。 10月から5月にかけての長い乾季には、人為起源のBCやその他の人工エアロゾルが長距離輸送され、南アジアとNIOの大部分を厚さ3 kmの茶色がかった層で覆います（14）。この茶色のエアロゾルの雲は、表面での太陽放射を約10％削減し、大気中の太陽熱をほぼ2倍にします（6、14）。 この作業では、20世紀に観測された地域の気候傾向に対するABC放射強制力の影響を調査します。ここで説明する調査結果は、海洋と大気の結合気候モデルによってシミュレートされた20世紀の傾向と観測された傾向との比較に基づいています。温室効果ガス（GHG）または硫酸塩だけのシミュレートされた気候への影響は不十分であり、多くの場合、観察された傾向と一致していません。インドとNIOでシミュレートされた傾向が観察された変化と類似しているのは、現実的なABC強制を含めた場合のみです。 南アジアの茶色の雲の初期のモデリング研究（9、10）は、エアロゾルと降雨の関係について興味深い結果を提供しましたが、いくつかの限定的な仮定をしました。初期の研究は、規定の海面水温（SST）を使用して実施されたため、エアロゾル強制に対するSSTの応答は考慮されていませんでした。それらはまた、強制の季節変動を考慮しておらず、これらの両方がシミュレートされた気候変動の主要な要因でした。 さらに重要なことに、初期の研究は、ABC強制が現在の値に固定された平衡シミュレーションであり、したがって、20世紀の気候傾向に対するヘイズの影響を調べることができませんでした。 ABCの役割についての重要な新しい洞察を提供したのは、シミュレートされた傾向と観察された傾向の比較でした。したがって、本研究では、より包括的なアプローチで問題を再検討します。 方法 ここで報告されているシミュレーションは、米国大気研究センターで開発された、並列気候モデル（PCM）と呼ばれる海洋と大気の結合モデルを使用して実施されました（15、16）。 PCMは、大気GCMに結合された動的海洋大循環モデル（GCM）で構成されています。 1850年から2050年まで実行され、GHG（16）と硫酸塩エアロゾルの増加が1998年まで観察され、1998年以降は1998年のレベルに固定されています（GHG + SO4_1998と呼ばれます）。 2番目のケースであるGHGs + SO4_2050は、2050年までのGHGと硫酸塩の増加について通常のシナリオを採用しています（16）。 このモデルは、硫酸塩の直接的な影響のみを説明しています。 2つのケースのそれぞれについて、1回の実行につき200年の5つのアンサンブル実行が利用可能です。これら2つのケースの結果は、他の場所で公開されています（16）。 3つの異なるABCケースを実行しました。最初のABC_1998は、GHG + SO4_1998のケースに、1930年から1998年までのABC強制を追加し、その後、GHG、SO4、およびABCによる強制が実行されました。  図1。 排出量と強制条件の時系列。 SO2（18）とBC（19）の排出量の公表された推定値は、1950年の値で正規化されています。 ABCによる、表面（表面強制）、大気上部（大気上部強制）、および大気の正味太陽熱の正味（下から上）の太陽フラックスの変化は次のとおりです。 ABC_1998の場合の気候モデル（PCM）シミュレーションから取得。 強制は年平均条件に対するものであり、南アジアとNIOのすべての平均です（0°から30°Nおよび60°Eから100°E）。 強制力の経年変化は、曇りの変化によるものです。 観測から得られたエアロゾル強制を組み込むという私たちのアプローチの主な利点は、強制のより正確な表現を保証することです。その弱点は、エアロゾル濃度を変更する強制に起因する循環の変化など、強制と応答の間の潜在的なフィードバックを説明できないことです。 統計的に有意な結果を得るために、初期条件を変えて、それぞれ120年の5つの独立したシミュレーションを実行しました。 2番目のケースであるABC_2050は、GHGとSO4の増加を考慮し（参考文献16のように）、2050年までの通常のビジネスシナリオを想定して、ABC強制を外挿します。この外挿では、1990年から1998年の強制傾向（図1）は、2050年まで同じ傾向を想定し、2050年までモデルを実行しました。ABC効果を分離するために、ABC_2050_1のようにABC強制を2050年まで増加させる3番目のケースABC_2050_1を実行しました。しかし、GHGとSO4は1998年の値に固定されていました。 ABC_2050とABC_2050_1のそれぞれ1つのシミュレーションのみを実行しました。これら2つのケースの信号は十分に大きいため、5つのアンサンブルシミュレーションは必要ありませんでした。 結果 南アジア地域のABCは、次の8つの主要な地域の気候影響を及ぼします。 エアロゾル強制。 ABCは、表面の太陽放射フラックス（表面強制）を減少させ、対流圏の太陽加熱（大気強制）を強化し、大気の上部（大気の上部）での正味（入射マイナス反射）太陽フラックスを変更します。強制）。 3つの強制項のシミュレートされた時系列がSO2およびBC排出量の変化とともに図1に示されています。これらの結果はABC_1998シミュレーションから得られたものであり、したがって曇りの変化が含まれています。ただし、モデルの1930〜2000年の曇りの変化はごくわずかであり、NIOとインドで観測された曇りの傾向はごくわずかでした（20）。 大気の上部での正味の太陽強制力は、期間全体で±1W・m–2以内ですが、表面強制力（および大気強制力）は–10（+10）W・m–2から–のオーダーです。 1990年代には15（+15）W・m–2。強制の地域的、緯度的、および季節的変動は大きく、図1および2に示されています。 8–11は、PNASWebサイトでサポート情報として公開されています。地表強制は、10°Sの南のほぼ0 W・m–2からベンガル湾北部の約–25 W・m–2の範囲です（1995年から1999年の年平均値については図8を参照）。 –30から–20 W・m–2の範囲のピーク表面強制値は、1月から5月に発生します（図10）。 調光。シミュレーションの重要なテストは、計算された調光と観測値の比較です。図2は、インドの地球エネルギー収支アーカイブの表面日射データセット（21）とABC_1998のデータセットを比較したものです。インドの24のグローバルエネルギー予算アーカイブステーションのうち、1960年から2000年の期間にほぼ継続的に観測されたのは10ステーションのみでした。幸い、これらの10ステーションは、以下に示すように、インド北部、南部、東部、西部に次のように分布していました。 72.63°E、23.07°N）、バウナガル（72.18°E、21.75°N）、ゴア（73.82°E、15.48°N）、チェンナイ（80.18°E、13.00°N）、ナグプール（79.05°E、21.10° N）、ニューデリー（77.20°E、28.58°N）、プネ（73.85°E、18.53°N）、シロン（91.88°E、25.57°N）、トリバンドラム（76.95°E、8.48°N）、およびビシャカパトナム（83.23°E、17.72°N）。 これらの10局は、図2に示す結果に含まれています。観測された傾向とシミュレーションされた傾向はどちらも非常によく一致しており、1960〜2000年に観測された減光率は年間約–0.42 W・m–2であることがわかります。年間約–0.37（±0.12）W・m–2のシミュレーション値と比較してください。 1960年から1990年の期間（世界のエネルギー収支アーカイブの記録がより継続的だったとき）の対応する値は、それぞれ、年間–0.29および–0.25W・m–2でした。シミュレートされた傾向の不確実性の推定値と、ここおよび本文の他の場所で説明されている観察された傾向の信頼区間は、図の凡例に示されています。 シミュレーションの不確実性は、5メンバーのアンサンブルの各実行の傾向を推定し、5つの傾向の平均の2σを計算することによって得られました。 1930〜2000年の期間では、シミュレートされた調光は約8％（±2％）です。  図2。地表熱収支項の時系列。 （A）地表でのインドのシミュレーション（青）および観測（緑）の年間平均太陽フラックス。 フラックスは平均的な雲の状態に対するものです。 シミュレーションは、5°Nから25°Nおよび70°Eから90°Eで平均化されます。 観測値は、インド東部、西部、北部、南部に分布する10の地上観測点からのものです。 グローバルエネルギー収支アーカイブの傾向は、年間–0.42 W・m–2（±0.15; 95％信頼水準）であり、ABC_1998実行の傾向は、年間–0.37 W・m–2（±0.12）（2SD アンサンブルの5回の実行からの傾向の）。 （B）10°Sから30°Nおよび60°Eから100°Eまでのインド洋のシミュレートされた年間平均地表熱収支。 表面蒸発の減少。表面での放射加熱の約50〜85％が蒸発によってバランスが取られるため（22）、表面の太陽放射の減少は表面の蒸発の減少につながる可能性があります（6、7、13）。シミュレートされた蒸発は、陸地と隣接するNIOの両方から減少し（図2BおよびPNAS Webサイトでサポート情報として公開されている図12も参照）、NIO全体で最大の減少が発生しました（図12）。 NIO太陽放射の減少の約70％は、蒸発の減少と釣り合っています（図2B）。蒸発のピーク減少（–10％）は、地表日射の減少が最大であった1月から4月に発生しましたが、6月から7月初旬まで中程度の減少（–5％）が持続しました。蒸発量の減少を検証するための海洋上のデータ（長期的な傾向分析に信頼できる）はありませんが、陸面の観測（23）は、モンスーンを含むすべての季節での蒸発量の大幅な減少を裏付けています。 後で説明するように、モデルの蒸発量の減少は、表面と境界層の間の温度と湿度の勾配の減少によって引き起こされました。太陽放射の減少と蒸発の減少の間のシミュレートされたリンクは、他のモデル研究によって得られたものと同様です（7、24）。 表面冷却効果。 ABCは、10月から5月の乾季に最大の表面冷却効果を発揮したので、まずこの時期を検討します。乾季のシミュレーションされた気温の傾向は、観測された傾向と非常によく一致しています（図3A）。図3Aに示されているシミュレーションされた温度変化値は、5つの独立したシミュレーションのアンサンブル平均であり、したがって、シミュレーションの図に示されている経年変動は、観測された変動よりも小さく見えます。 GHG + SO4_1998の1930〜2000年の温暖化傾向は0.76（±0.1）Kですが、ABC_1998の場合はわずか0.37（±0.1）Kです。年平均では、GHGs_1998、GHGs + SO4_1998、およびABC_1998の1930〜2000年の表面温度の傾向は、それぞれ0.8（±0.1）、0.67（±0.1）、および0.45（±0.05）Kです。観測された傾向は0.44です。 K（±0.08Kは95％の信頼区間）はABC_1998シミュレーションと一致しています。したがって、ABCは、負の表面強制から予想されるように、表面に強い冷却効果をもたらします（図2）。 1998年以降のGHG + SO4だけでは、1930年から2050年の年間平均温暖化傾向は1.5 Kですが（図3A）、ABCの追加は、GHGの表面温暖化とほぼゼロの傾向とのバランスをほぼ取っています。  図3． シミュレーションおよび観測された表面温度変化（K）。 （A）乾季（10月から5月）の気温は、観測（緑）およびモデルシミュレーションのさまざまなケースから変化します。 （B）3月から6月のモンスーン前の季節の緯度の関数としての、インド洋（60°Eから100°Eの間の平均）の1930年から2000年の間のSST傾向。 5つの異なるアンサンブルメンバーの実行から推定されるモデルトレンドの不確実性は、10°Sと20°Nの間で<0.1 K、外側で<0.2 Kですが、95％信頼水準で観測されたトレンド範囲は±0.2Kです。 PCMについては、海面上2mの気温を使用した。 観測された温度傾向は、ジョーンズ気候研究ユニット（CRU）データセット（テネシー州オークリッジのオークリッジ国立研究所の二酸化炭素情報分析センターにアーカイブされている）から取得されました。 緯度SST勾配の弱体化。 SSTの緯度勾配は、モンスーンのダイナミクスと熱帯気候において重要な役割を果たします（8、25）。 ABCは、放射強制力に半球および緯度の非対称性を導入し、SIOと比較してNIOでの表面日射量がさらに減少し、赤道インド洋と比較してアラビア海とベンガル湾でより大きな減少が見られます（6、14）（6、14）（図8）。 この空間加熱パターンは、シミュレートされたSSTトレンドで同様のパターンを駆動します（図3B）。シミュレーションで弱化効果が最も強かった3月から6月のSSTに焦点を当てました。これらの月の通常の気候学的SSTは、赤道での約301 Kから約303Katで約20°N（アラビア海とベンガル湾の平均）に増加します。観測された傾向（図3B）は、1950年代以降、この勾配が約0.5 Kだけ弱くなっていることを示しています。これは、気候学的勾配の25％です。 ABC_1998のシミュレートされた傾向もそのような弱体化を明らかにしますが（図3B）、GHGs + SO4_1998はGHGがこの弱体化の原因ではないことを示しています（図2B）。 シミュレートされたSST傾向は、GHGによる強制のため、すべての緯度で正です。ただし、ABCによって引き起こされる表面冷却のため、NIOはSIOよりも暖かくなりません（図3BのABC_1998曲線を参照）。 ABCシミュレーションを観測された傾向と比較すると、赤道インド洋は、ABC_1998シミュレーションの20°Nよりも約0.4 K暖かくなり、観測の0.5 K赤道温暖化（20°Nに対して）に非常に近くなります。したがって、私たちのシミュレーションによれば、ABC強制によって引き起こされるSST変化パターンは、観察されたSST勾配の弱化と類似しています。 なお、6月から7月にかけては地表での負の力は非常に小さいものの、海洋の熱慣性が大きいため、6月から7月前半にかけてSST勾配の弱化効果が持続する。 NIOの温暖化が小さいことは、海洋の熱量データ（26）によっても裏付けられており、1950年代以降、世界の海洋とSIOの熱量が大幅に増加したのに対し、NIOの熱量の増加は比較的小さかった。 対流圏の安定化。熱帯地方では、地表から最初の5 km以内で、気温が高度とともに十分に急降下し、約–5〜–6 K / kmであるため、大気は不安定で湿った対流になります。この不安定性と低レベルの水分収束が相まって、深い対流と降雨を引き起こします。 ABC太陽熱は、表面に対する大気の温暖化の違いによって、この不安定性を抑制します（図4および12）。 ABCによる太陽熱は、主に最初の4 kmに限定されます（図11）。 この余分な加熱により、下部対流圏のGHG温暖化が増加しますが、地表では、ABC冷却がGHG温暖化と競合しています。 シミュレーションの重要なテストは、観測値がこのABCによって誘発される安定化効果をサポートするかどうかを調べることです。宇宙搭載マイクロ波サウンディングユニット（MSU）の観測が可能な1979年から2003年の期間（図4）に焦点を当てます（27）。 MSUデータは、温度の垂直プロファイルを生成しませんが、代わりに対流圏と下部成層圏内の温度の統合された測定値を提供します。この期間の対流圏の垂直平均温度は、MSUチャネル2と4の輝度温度（27）の線形結合によって導き出されます。これらは、成層圏からの寄与がほぼゼロの効果的な重み関数を持っています。図4は、インド地域全体で平均した1979〜2003年の年間平均気温の傾向を示しています。 MSUデータには2つのバージョンがあり、MSU RSSデータと呼ばれるバージョンを採用しました（27）。 MSUトレンドと比較するために、図4に示すシミュレートされた垂直トレンドプロファイルは、有効なMSU重み関数と統合されています。 1979年から2003年までのMSUから導出された対流圏温度の傾向（図4の青いバー）は約0.7 K（95％信頼区間は約0.2 K）ですが、ABC_1998の傾向（赤いバー）は0.46（±0.2）です。 K.平均対流圏安定性の傾向（大気温度傾向と地表気温傾向の差）は、観測では+0.27 K（95％信頼区間0.2 K）であり、観測では+0.3（±0.2）Kです。 ABC_1998。ただし、ABCがない場合、GHG + SO4の場合によって推定される安定性の変化はわずか0.09Kです。 乾季の観測値とABC_1998の傾向の差は、GHG +の場合、年平均値よりも約50％大きくなります。 SO4の場合、乾季の傾向はほぼゼロであり、これは、ABC強制が対流圏の安定性の観測された増加の主な理由であることを明確に示唆しています。対流の重要なパラメータは下部対流圏の不安定性であり、図4は、1979年から2003年にかけて、2kmの温度が表面に対して約0.55K上昇したことを示しています。これは、対流不安定性の減少に相当します（ veの条件  図4。1979年から2003年の期間のABC_1998（赤い曲線）によるシミュレートされた温度傾向の垂直プロファイル。 値はインド全土で平均化されています。 青い縦棒はMSUから観測された縦平均の傾向であり、赤い棒はABC_1998によってシミュレートされた縦平均の傾向です。 赤いバーは、シミュレートされた垂直プロファイル（赤い曲線）をMSU重み関数（27）と統合することによって得られました。 シミュレートされた傾向の不確実性は、高度に応じて0.15〜0.25Kの範囲で変化します。 垂直方向に平均化された傾向（赤いバー）の平均不確実性は約0.2 Kです。MSUで観測された傾向の95％信頼区間は約0.2Kです。 低レベルの安定性の増加は、境界層の湿度の増加と空中の減少を伴う、対流と水分の垂直輸送を阻害します（図13、PNAS Webサイトでサポート情報として公開されています）。安定性の増加は、境界層の湿度の増加とともに、蒸発の減少につながります（図2Bおよび12）。表面からの潜熱フラックスの対応する減少は、表面での調光の大部分のバランスを取ります（図2B）。したがって、大気太陽熱の対応する増加を伴う調光（図1、8、および9）は、蒸発の減少の最終的な原因です。 モンスーン降雨量の減少。 6月から9月の夏のモンスーンシーズン中の降雨は、インドおよび南アジアの他の地域の主要な降水源です。インドの平均降雨量は、1950年代以降、観測とABC_1998シミュレーションの両方で減少しました（図5A）。逆に、GHGs + SO4のケースは、2000年まで傾向を示さず、2000年以降は正の傾向を示しました。図5Aは、1930〜1960年の平均からのパーセント偏差として降雨異常を示しています。 1930年から2000年までの約5％（±3％）のシミュレートされた降雨量の減少（図5AのABC_1998曲線）は、インドの降雨量データの傾向と一致しています（28）。モデルと観測の両方で、約2〜3％の10年ごとの変動が明らかになります。たとえば、ABCとGHG + SO4が1998年の値に固定された場合の、ABC_1998曲線の2000〜2050年の変動を調べます。 GHGと硫酸塩のみを使用したモデル（GHS + SO4_1998の場合、データは表示されていません）では、平衡降水量が約3〜5％増加すると推定されています。 したがって、ABCの乾燥効果、つまりABC_1998とGHG + SO4_1998の場合の差は、約8〜10％です。 1950年代以降のモデルの降雨量の減少のすべてではないにしても、ほとんどはABCによるものであり、自然変動によるものではありません。実際、ABCの強制を無視したモデルのケースはいずれも、1950年代以降に見られた減少をシミュレートしていませんでした。たとえば、GHGとSO4だけの場合、2000年以降の降水量の異常は、一貫して1930〜1960年の平均を上回っています。  図5。降雨の傾向。 （A）観測とPCMシミュレーションからのインドの観測およびシミュレートされた夏（6月から9月）の降雨の時系列。 結果は、1930年から1960年の平均からの降雨量のパーセント偏差です。 観測された降雨データは参考文献から得られました。 28.データは、11年間の移動平均平均化手順によって平滑化されます。 （B）インドの月平均降雨量の1930年から2000年の傾向。 5つの実現から推定されるモデルの傾向の不確実性は、5月から7月までは約0.4 mm /日、その他の月は<0.2 mm /日です。 観察された傾向では、95％の信頼水準は±0.9mm /日（雨季）から±0.2mm /日（1月から3月）までです。 GHG + SO4シミュレーションとABCシミュレーションの違いは、2000年以降大幅に逸脱し始めます。1998年以降ABCがさらに増加することなく、降雨量の減少は、1930〜 1960年の平均の約–5％〜–8％に平衡化します。ただし、ABCが1998年を超えて増加することが許可され、GHGとSO4が1998年の値で一定に保たれている場合（ABC_2050_1の場合）、平均降水量は15〜20％も減少します。 ABCでGHGとSO4を増加させても（ABC_2050の場合）、ABC効果が支配的で、降雨量は大幅に減少しますが、10年ごとの変動も大きくなります。たとえば、2020年代の減少は約–18％ですが、2030年代の減少は約–4％に過ぎず、2040年代には再び大幅な減少に戻ります。このような大きな変動の原因は、一部にはGHGとABCの競合する影響によるものであり、一部にはこのケースの実行が1つだけであり、5つのアンサンブル実行の平均ではないという事実が原因である可能性があります。 観察された減少のもう1つの重要な特徴は、7月にピークに達することです（図5B）が、モデルでシミュレートされた減少の5メンバーのアンサンブル平均は6月でした。ただし、5つのABC実行の1つ（図5BのABC_1998_Run 1曲線）は、7月の降雨量の減少をより適切にシミュレートでき、減少の振幅も観測された変化に近かった。この実行では、蒸発とSST勾配の減少が7月まで続いたのに対し、他の4つのアンサンブル実行では、これらの減少が6月以降弱まったことは興味深いことです。 モンスーン降雨量の最大の減少は、観察された減少と幾分似ている中央インド半島で発生します（PNAS Webサイトでサポート情報として公開されている図14を参照）。 1930〜2000年のピーク減少は、1〜2 mm /日と高くなっています。観測とシミュレーションの間の空間パターンは多少異なります。これは、モデルの解像度が粗い（約300×300 km）ことと、シミュレートされた傾向が1つの実現と比較したアンサンブルの5つのシミュレーションの平均であるという事実のために予想されます。観察された傾向の。 夏のモンスーン中の通常の循環では、赤道の北のほとんどの地域で暖かく湿った空気が上昇し、赤道の南に代償性の沈下枝がある南アジアに降雨をもたらします（25）。このハドレー型循環は、ABC_1998シミュレーションでは強度が低下しましたが（図6）、GHG + SO4の場合にはそのような低下は見られませんでした。 1985年から2000年のABCによる6月と7月の循環の変化は、ABC_1998の場合とGHG + SO4の場合の循環を区別することによって得られました。 図6は、南アジアの大部分と隣接するNIOをカバーする、南緯約15度の南に上昇し、北緯5度の北に沈む逆循環を示しています。この逆転には、いくつかの観察的サポートがあります。国立環境予測センターの予測気象分野でも、インドとNIOの子午線循環における同様の45年間の下降傾向が明らかになっていますが、傾向分析のための国立環境予測センターの信頼性はほとんど不明です。赤道の南での上昇運動の増加は、NIOの対応する沈下を伴い、事実上、大西洋のRotstaynとLohmann（8）のモデル研究によって得られたものと同様に、モンスーン循環の南向きのシフトにつながります。 彼らのモデル研究では、子午面循環の弱体化と降雨の南向きのシフトは、大西洋上の硫酸塩エアロゾルの間接的な影響によって引き起こされました。彼らは、南向きのシフトの主な理由は、北の海での負のエアロゾル強制のより大きな摂動のために、南の海よりも北の大西洋でのより大きなSSTの減少であると推測した。この結果は、南アジアとNIOの表面でのABCのより大きな負の強制が、SIOよりもNIO（図3B）でSSTのGHG温暖化を抑制し、SSTを弱めたというこの研究の発見と類似しています。勾配。  図6。6月と7月の1985年から2000年までのABCによる子午面循環の変化。 フィールドは平均して60°Eから100°Eで、基本的にインド洋全体と南アジア地域をカバーしています。 変更は、1985〜2000年の平均流線を区別することによって得られました：ABC_1998_GHGs + SO4_1998。 赤い色合いは沈下運動が増加した領域を示し、青い色合いは上昇運動が増加した領域を示します。 結果として生じる夏のモンスーン循環の減速、蒸発の減少、および安定性の増加は、夏のモンスーン降雨量の減少の主要なメカニズムです。処方されたSSTバージョンのGCMを使用した一連の感度調査を通じて、この結論に到達しました。次の3つのシミュレーションを実行しました。（i）ABC強制なしでモデルを実行し、SSTが気候学的値（観測から）であると規定されたコントロールケース。 （ii）ABCを強制せずに、ABC_1998のケースから取得したSSTトレンドを課してモデルを実行しました。 （iii）SSTは対照の場合と同様に処方されましたが、ABC強制を導入しました。 2番目のケースは、ABC強制によるSST勾配の弱体化を模倣していますが、3番目のケースは、蒸発と大気安定度に対するABC強制の影響を説明しています。 2番目と3番目のケースは、シミュレートされた（ABC_1998による）モンスーン循環と降雨の弱体化の大部分（約75％）を説明でき、2つのケースは降雨量の減少にほぼ同じ影響を及ぼしました。 ABCが冬季の循環に逆の影響を及ぼしたことに注目するのは興味深いことです（PNAS Webサイトでサポート情報として公開されている図15を参照）。 ABCは、インドに対する上向きの動きの増加につながりました。上昇運動の増加は、下層大気の直接の煤の加熱によるものです。低緯度では、コリオリの力が弱いため、地域的に集中した大気放射加熱は、主に上昇運動による断熱冷却によってバランスが取られます（25）。逆に、6月と7月の間、煤の加熱は大幅に減少します。ただし、海洋の大きな熱慣性と、放射対流摂動に対する大気の30〜60日の応答時間（29）のため、SST勾配、大気安定度、および蒸発に対するABCの影響は長続きします。 7月に数ヶ月長くなります。 ABCによって引き起こされた干ばつ。夏の降水量が（気候学的平均から）10％を超えて減少すると、インドでは干ばつが宣言されます（30）。図7は、この干ばつ頻度を10年ごとの干ばつの年数として示しています。ここでは、1930〜1960年の平均降雨量を気候学的平均としています。周波数には10年ごとの大きな変動があります。 1930年から2000年まで、観測とモデルシミュレーションの両方の頻度は、主に10年あたり1年から3年の干ばつの範囲です。この期間に一度だけ頻度が4年に達します（1980年から1990年に観察されたものを参照）。ただし、ABCが1998年を超えて増加することが許可されている場合、頻度は一貫して4年を超え（10年を除く）、2040年の10年間、6年は干ばつに見舞われます。  図7。10年あたりの干ばつのシミュレーションおよび観測頻度。 干ばつは、夏の降雨量の減少が気候学的平均の10％を超えたときに発生すると定義され、ここでは1930〜1960年の平均夏季降雨量として定義されています。 モンスーンシステムは手ごわいモデリングの課題を提起し（30、31）、すべてではないにしてもほとんどの全球海洋大気モデルは南アジアのモンスーン降雨をシミュレートするのが困難です（9、25、31）。この研究で使用されたPCMおよびGCMの規定されたSSTバージョンによるモンスーンシミュレーションは、MeehlおよびArblasterによって詳細に説明されています（図2および5および参考文献32のテキスト）。 インド南部とインド東部、バングラデシュ、ベンガル湾の最大降雨量は、両方のバージョンのモデル（PCMと規定のSST GCM）によって十分にシミュレートされています。 PCMは、観測と比較した場合、インド西部半島の不十分な降雨とヒマラヤの過剰な降雨をシミュレートしました。 Meehl and Arblaster（32）が示すように、6月から7月から8月のモンスーン降雨量（北緯5度から北緯40度および東経60度から東経100度の平均）の地域平均季節モンスーン指数は5.3 mm /日です。観測値、PCMの場合は4.7 mm /日、GCMの規定のSSTバージョンの場合は6.9 mm /日。インド亜大陸だけの場合、モデルの2つのバージョンのモンスーン降雨量は、観測された降雨量よりもそれぞれ35％下と30％上です。 PCMの傾向に対する私たちの信頼は、インドとNIOの表面温度、NIO SSTの緯度勾配、インドの対流圏の安定性、モンスーンの降雨傾向の観測とシミュレーションの傾向が密接に一致していることに由来しています。 干ばつの頻度。さらに、PCMでシミュレートされた地域の平均モンスーン降雨量はGCMの規定されたSSTバージョンよりも約35％小さいですが（32）、ABCによって引き起こされた降雨量の予測される減少では、2つのバージョンのGCMが同様に応答しました。規定のSSTGCMでABC_1998によってシミュレートされたSSTの変更。この類似性は、現在の調査結果がGCMの平均気候に敏感ではないことを示しているため、安心です。 最後に、放射強制力に対するPCMモンスーン降雨の感度は、他のモデルの感度と同様です。たとえば、いくつかのモデル研究（参考文献32の参考文献を参照）は、モデル内のGHGを増やすと、シミュレートされたモンスーン降雨量が増えることを示しており、PCMシミュレーションでも同様の感度が明らかになっています（参考文献25および32。図5も参照）。 討論 インド洋実験フィールド観測を衛星データおよびエアロゾル同化モデルと組み合わせて使用して、1930年以降のABCの放射強制力をシミュレートしました。1960年から2000年までの年間–0.37 W・m–2のシミュレートされた調光傾向は、観測されたものとよく比較されます。 ABCによる年間–0.42W・m–2の傾向。 1930年から2000年までのABCによる減光の合計は–8％です（図2）。 GCMでは、調光により、インドとNIOからの蒸発が減少しました。これは、モンスーン降雨の重要な水蒸気源です。 GCMでの調光はまた、8か月の乾季のGHGによる温暖化の50％を相殺する大きな表面冷却をもたらし、インドとNIOで観察されたより小さな表面温暖化傾向を説明するのに役立ちます（図。 3A）。シミュレートされた年間平均表面温暖化傾向は1930年から2000年まで0.45Kであり、観測された0.44 Kの温暖化傾向とよく比較されます。 ABCは1930年代以降、大気太陽加熱率をほぼ2倍にし、結果として生じる大気温暖化が説明に役立つことを示しています。南アジアでの対流圏の安定性の増加、つまり、宇宙搭載のMSUで観測された、表面に対する対流圏の温暖化の違い（図4）。 1979年から2003年の期間では、シミュレートされた温暖化傾向と観測された温暖化傾向の差は、それぞれ0.30Kと0.27Kです。ABCは、観測された気候学的NIO SSTの弱体化の説明にも役立ちます（図3B）。上記の変化はすべて同じ方向に働き、モンスーンの循環を弱め、夏の降雨量を約5％減少させます（図5）。 また、南アジアでは、ABCとGHGが上記のすべての傾向に競合する影響を及ぼしており、GHGの増加だけでは、観察された傾向の大きさ、場合によっては兆候さえ説明できないことも示しています。南アジアのABCも世界的なシグナルを残しています。 ABCは、1950年から2000年の間に約–0.04 K（±0.02）のわずかな冷却と、世界の平均陸地平均降雨量の約1％（±0.5％）の減少に寄与します。 課せられた南アジアのエアロゾル放射強制力の不確実性は、1990年代には±15％のオーダーであり（14）、エアロゾル放出履歴の不確実性のために、おそらく初期の数十年間はより大きな不確実性があります。さらに、残りの熱帯地域におけるABCエアロゾル強制は観測から決定されておらず、現在および以前の研究（4、7、8）は主にモデル推定に依存しています。現在の調査結果の重要性を考えると、東アジア、アフリカ、南アメリカでの強制の野外観察を行うことは非常に重要です。 モンスーン降雨に関するいくつかの残りの問題は、ここで以下のように扱われます。 （i）エアロゾルの増加は、大量の小さな液滴を核形成する可能性があり、それがfoを阻害する可能性があります Footnotes ↵ † To whom correspondence should be addressed. E-mail: vram@fiji.ucsd.edu. Author contributions: V.R., J.T.K., and W.M.W. designed research; V.R., C.C., D.K., W.M.W., and Q.F. performed research; V.R., C.C., D.K., Q.F., D.R.S., and M.W. analyzed data; V.R. wrote the paper; T.B. and L.B. conducted model simulation; and L.B. made code changes. This contribution is part of the special series of Inaugural Articles by members of the National Academy of Sciences elected on April 30, 2002. Abbreviations: ABC, atmospheric brown cloud; BC, black carbon; GCM, general circulation model; GHG, greenhouse gas; MSU, microwave sounding unit; NIO, Northern Indian Ocean; PCM, parallel climate model. See accompanying Biography on page 5323. Freely available online through the PNAS open access option. Copyright © 2005, The National Academy of Sciences References ↵ Ramanathan, V. & Crutzen, P. J. (2003) Atmos. Environ. 37 , 4033–4035. CrossRefGoogle Scholar ↵ Meywerk, J. & Ramanathan, V. (1999) J. Geophys. Res. 104 , 24359–24370. CrossRefGoogle Scholar ↵ Stanhill, G. & Cohen, S. (2001) Agric. Forest Meteorol. 107 , 255–278. CrossRefGoogle Scholar ↵ Ramaswamy, V., Boucher, O., Haigh, J., Hauglustaine, D., Haywood, J., Myhre, G., Nakajima, T., Shi, G.Y., Solomon, S., Betts, R., et al. (2001) in Climate Change 2001: The Scientific Basis, Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change (Cambridge Univ. Press, Cambridge, U.K.), pp. 349–416. Google Scholar ↵ Rosenfeld, D. (2000) Science 287 , 1793–1796. pmid:10710302 Abstract/FREE Full TextGoogle Scholar ↵ Ramanathan, V., Crutzen, P. J., Kiehl, J. T. & Rosenfeld, D. (2001) Science 294 , 2119–2124. pmid:11739947 Abstract/FREE Full TextGoogle Scholar ↵ Liepert, B. G., Feichter, J., Lohmann, U. & Roeckner, E. (March 19, 2004) Geophys. Res. Lett., doi:10.1029/2003GL019060. Google Scholar ↵ Rotstayn, L. D. & Lohmann, U. (2002) J. Climate 15 , 2103–2116. CrossRefGoogle Scholar ↵ Menon, S., Hansen, J., Nazarenko, L. & Luo, Y. (2002) Science 297 , 2250–2253. pmid:12351786 Abstract/FREE Full TextGoogle Scholar ↵ Chung, C. E., Ramanathan, V. & Kiehl, J. T. (2002) J. Climate 15 , 2462–2476. CrossRefGoogle Scholar ↵ Hulme, M., Osborn, T. J. & Johns, T. C. (1998) Geophys. Res. Lett. 25 , 3379–3382. CrossRefGoogle Scholar Ramaswamy, V. & Chen, C. T. (1997) Geophys. Res. Lett. 24 , 567–570. CrossRefGoogle Scholar ↵ Roeckner, E., Bengtsson, L., Feichter, J., Lelieveld, J. & Rodhe, H. (1999) J. Climate 12 , 3004–3032. CrossRefGoogle Scholar ↵ Ramanathan, V., Crutzen, P. J., Lelieveld, J., Mitra, A. P., Althausen, D., Anderson, J., Andreae, M. O., Cantrell, W., Cass, G. R., Chung, C. E., et al. (2001) J. Geophys. Res. 106 , 28371–28398. CrossRefGoogle Scholar ↵ Washington, W. M., Weatherly, J. W., Meehl, G. A., Semtner, A. J., Jr., Bettge, T. W., Craig, A. P., Strand, W. G., Jr., Arblaster, J. M., Wayland, V. B., James, R., et al. (2000) Climate Dyn. 16 , 755–774. CrossRefGoogle Scholar ↵ Dai, A., Wigley, T. M. L., Boville, B. A., Kiehl, J. T. & Buja, L. E. (2001) J. Climate 14 , 485–519. CrossRefGoogle Scholar ↵ Chin, M., Ginoux, P., Kinne, S., Torres, O., Holben, B. N., Duncan, B. N., Martin, R. V., Logan, J. A., Higurashi, A. & Nakajima, T. (2002) J. Atmos. Sci. 59 , 461–483. CrossRefGoogle Scholar ↵ Smith, S. J., Pitcher, H. & Wigley, T. M. L. (2001) Global Planetary Change 29 , 99–119. CrossRefGoogle Scholar ↵ Novakov, T., Ramanathan, V., Hansen, J. E., Kirchstetter, T. W., Sato, M., Sinton, J. E. & Sathaye, J. A. (March 26, 2003) Geophys. Res. Lett., doi:10.1029/2002GL016345. Google Scholar ↵ Norris, J. R. (2001) Geophys. Res. Lett. 28 , 3271–3274. CrossRefGoogle Scholar ↵ Gilgen, H. & Ohmura, A. (1999) Bull. Am. Meteorol. Soc. 80 , 831–850. CrossRefGoogle Scholar ↵ Kiehl, J. T. & Trenberth, K. E. (1997) Bull. Am. Meteorol. Soc. 78 , 197–208. CrossRefGoogle Scholar ↵ Chattopadhyay, N. & Hulme, M. (1997) Agric. Forest Meteorol. 87 , 55–73. Google Scholar ↵ Lohmann, U. & Feichter, J. (2001) Geophys. Res. Lett. 28 , 159–162. CrossRefGoogle Scholar ↵ Meehl, G. A. & Arblaster, J. M. (2002) J. Climate 15 , 923–944. CrossRefGoogle Scholar ↵ Levittus, S., Antonov, J. I., Wang, J., Delworth, T. L., Dixon, K. W. & Broccoli, A. J. (2001) Science 292 , 267–270. pmid:11303098 Abstract/FREE Full TextGoogle Scholar ↵ Fu, Q., Johanson, C. M., Warren, S. G. & Seidel, D. J. (2004) Nature 429 , 55–58. pmid:15129277 CrossRefPubMedGoogle Scholar ↵ Parthasarathy, B. A., Munot, A. A. & Kothavale, D. R. (1995) Monthly and Seasonal Rainfall Series for All-India Homogeneous Regions and Meteorological Subdivisions: 1871–1994, Research Report No. RR-065 (Indian Institute of Tropical Meteorology, Pune, India). Google Scholar ↵ Manabe, S. & Wetherald, R. T., (1967) J. Atmos. Sci. 24 , 241–257. CrossRefGoogle Scholar ↵ Sikka, D. R. (2003) Proc. Indian Natl. Sci. Acad. 69 , 479–504. Google Scholar ↵ Krishnamurti, T. N. (1987) in Monsoons, eds. Fein, J. S. & Stephens, P. (Wiley, New York), pp. 467–522. Google Scholar ↵ Meehl, G. A. & J. M. Arblaster. (2003) Climate Dynamics 21 , 659–675. CrossRefGoogle Scholar ↵ Andreae, M. O., Rosenfeld, D., Artaxo, P., Costa, A. A., Frank, G. P., Longo, K. M. & Silva-Dias, M. A. F. (2004) Science 303 , 1337–1342. pmid:14988556 Abstract/FREE Full TextGoogle Scholar ↵ Shukla, J. D. (1987) in Monsoons, eds. Fein, J. S. & Stephens, P. (Wiley, New York), pp. 399–464. Google Scholar ↵ Webster, P. J., Magaña, V. O., Palmer, T. N., Shukla, J., Thomas, R. A., Yanai, M. & Yasunari, T. (1998) J. Geophys. Res. 103 , 14451–14510. CrossRefGoogle Scholar ↵ Swaminathan, M. S. (1987) in Monsoons, eds. Fein, J. S. & Stephens, P. (Wiley, New York), pp. 121–134. Google Scholar ↵ Smith, K. R. (2002) Science 298 , 1847. pmid:12471224 CrossRefPubMedGoogle Scholar |