AMOC و الأنهار الجوية: علاقة غير متوقعة تؤثر على المتغيرات المناخية

تبطيء أحد أكبر «السجاد المتحرك» البحريين على الأرض، نظام الدورة المدارية العكسية الأطلسي (AMOC)، لا يقتصر فقط على تغيير توزيع الحرارة في البحار. أظهرت دراسة جديدة، نشرت في Nature Climate، علاقة مباشرة وغريبة: إن هذه التبطيء تؤثر أيضًا على نشاط الأنهار الجوية، هذه السلاسل الطويلة من رذاذ الماء قادرة على إفراز كميات هائلة من الأمطار، في ظل تغير المناخ المستمر.

عندما ي重塑海洋巨兽重绘风暴

أظهر الباحثون أن تبطيء AMOC، نظام التدفق البحري الكبير الذي ينقل المياه الساخنة من الاستوائية إلى الشمال والمياه الباردة إلى الجنوب، له تأثير غير忽可忽略不计地影响大气河流的形成、移动和排水湿气的方式。这些“空中河流”，虽然对某些地区的水资源至关重要，但也因引发毁灭性的洪水和滑坡而臭名昭著。该研究建议，在全球气候变暖的背景下，AMOC 的变化可能会改变极端现象的可预测性和影响。

这种关系是复杂的：这不仅仅是大气河流活动的简单增加或减少。使用 Nature Climate 研究中使用的“调节”一词至关重要。它意味着在频率、强度以及地理轨迹方面出现细微的变化。这意味着习惯于某些类型降水的地区可能会面临前所未有的情景，而其他地区则会看到威胁减弱或转移。

复杂互动的齿轮

为了理解 AMOC 的减缓如何影响如大气河流等大气现象，必须深入了解海洋和大气动力学的基本机制。AMOC 是全球气候的一个关键引擎。通过将大量热量从赤道输送到北大西洋，它影响海洋表面温度、大气压力梯度以及扩展的大气环流模式。该水流减弱意味着在大西洋中的热量重新分配，从而产生连锁反应。

大气河流是狭窄而延伸的水汽带，在海洋上空形成并携带相当于甚至超过密西西比河流量的水量。它们的形成和轨迹受到海洋与大气之间温度差异、急流和低压系统的影响。如果 AMOC 减缓，北大西洋表面温度可能会下降，从而改变有利于这些河流形成的和移动的大气条件。研究人员使用的预测模型整合了这些复杂的相互作用，依靠高分辨率的大气和海洋数据来模拟未来场景。

该研究可能使用了先进的气候模拟，结合了神经网络以识别大量数据中的微妙模式。这些机器学习工具已成为解开如海洋和大气这样庞大且相互依赖的系统之间的联系的关键，特别是在交互是非线性的且难以通过传统方法捕捉的情况下。

这对气象和气候预测意味着什么

这一发现为已经艰巨的气象和气候预测任务增加了显著的复杂性。对于气象学家，特别是那些使用如 ECMWF（欧洲中期天气预报中心）或 Copernicus 服务的数值天气预报模型的气象学家来说，将 AMOC 对大气河流影响的新理解纳入其中至关重要。围绕极端事件的预测不确定性已经很高，如果这些海洋动力学在模型中得到更好的体现，这种不确定性可能会降低。

基于人工智能的模型，如 Google 的 GraphCast 或华为的 Pangu-Weather，这些模型擅长快速准确地预测许多大气参数，也将需要更精细地整合这些海洋-大气相互作用。它们处理和分析大量卫星数据和现场测量的能力对于捕捉这些微妙之处并提高中期和长期大气河流预测的可靠性至关重要。