ENSO i jego wpływ na zmiany rotacji Ziemi oraz topografii oceanu

ENSO i jego wpływ na zmiany
rotacji Ziemi oraz topografii
oceanu
Kosek Wiesław
Centrum Badań Kosmicznych, PAN
Środowiskowe Seminarium Fizyki Atmosfery, Wydział Fizyki UW
20 marzec 2009

Definicja:
El Niño (hiszp. –mały chłopiec lub
dzieciątko Jezus) jest zaburzeniem w
systemie atmosferyczno oceanicznym lub
czasową zmianą w klimacie
okołorównikowego Pacyfiku.

Zjawisku El Niño o zawsze
towarzyszą klęski
żywiołowe:
owe:
• Powodzie w Peru i Ekwadorze
spowodowane obfitymi opadami deszczu
we wschodnich rejonach Pacyfiku,
• Susze w Indonezji i Australii połączone z
rozległymi pożarami lasów.

Ekonomiczne straty spowodowane przez El Niño
El Niño
1997/98
20-25 mld $

Indices of El Niño o and Southern Oscillation
• Sea surface temperature difference (Nino1+2, Nino 3, Nino 4 and Nino 3.4).
• Southern Oscillation index has been calculated based on the differences in air
pressure between Tahiti and Darwin, Australia.
•Nino1+2: 0°-10°S, 80°W-90°W
•Nino3: 5°S-5°N, 90°W-150°W
•Nino3.4: 5°S-5°N, 120°W-170°W
•Nino4: 5°S-5°N, 160°E-150°W

Nino 3.4, SOI

1567-68
1578
1624
1652
1661
1687-88
1701
1720
1728
1791
1803-04
1828
1844-45
1871
1877-78
1884
1891
1925-26
3 month running mean of SST anomalies in the Niño 3.4
region (5N-5S, 120-170W)
Nino 1+2
1951-52
1953-54
1957-59
1963
1965-66
1969-70
1972-73
1976-77
1979
1982-83
1987-88
1991-92
1993
1994
1997-98
2002-03
2004-05
2006-07

Widma amplitudowe wyznaczone metodą FTBPF
o
C
0.5
Nino1+2 Nino3 Nino4 Nino3.4
0.4
0.3
0.2
0.1
0.0
hP
0.7
0.6
0.5
0.4
0.3
0.2
0.1
1 2 3 4 5 6 7 8 9 10 11 12
period (years)
SOI
1 2 3 4 5 6 7 8 9 10 11 12
period (years)

Czasowo-częstotliwościowe widma amplitudowe
wyznaczone metodą FTBPF
period (years)
6
5
4
3
2
1
6
Nino1+2
1960 1964 1968 1972 1976 1980 1984 1988 1992
SOI
o
C
0.6
0.5
0.4
0.3
0.2
0.1
hP
0.8
5
0.6
4
3
2
0.4
0.2
1
1960 1964 1968 1972 1976 1980 1984 1988 1992
years

Historia obserwacji El Niño
• pomiar temperatury powierzchniowej oceanu ze statków
pasażerskich i handlowych (ponad 100 lat),
• regularne pomiary temperatury powierzchniowej oceanu
u wybrzeży Peru,
• pomiary ciśnienia i opadów na stacjach
meteorologicznych Pacyfiku (stacja Darwin ponad 150
lat obserwacji),
• notatki osadników hiszpańskich sięgające XV wieku,
• dane dotyczące połowów od 1726 roku,
• badania raf koralowych,
• badania grubości słojów drzew.

High and low index
Prof. Gilbert Walker
• Wzrostowi ciśnienia zachodniego Pacyfiku towarzyszy spadek
ciśnienia u wybrzeży wschodnich.
• High index – ciśnienie wyższe na zachodnim wybrzeżu Pacyfiku,
• Low Index – wyrównanie ciśnień po obu stronach Pacyfiku.
(słabnięcie a nawet ustanie wiatrów wschodnich).

• Warunkom “low index” zawsze towarzyszyły obfite
opady deszczu na wyspach centralnej części Pacyfiku.

Prof. Jacob Bjerkne
nes
Ciepłe prądy oceaniczne
El Niño, a także huśtawka
ciśnień zwana Oscylacją
Południową są częścią
jednego zjawiska, które
nazwał ENSO (El Niño –
Southern Oscillation).

Siała Coriolisa
• Siła Coriolisa powoduje, że na północnej i południowej półkuli
przeważają wiatry zachodnie,
• Dla zachowania momentu pędu układu Ziemia+atmosfera Ziemia
zwalnia swoją prędkość obrotową co powoduje powstawanie
pozornego ruchu atmosfery w kierunku zachodnim w obszarach
okołorównikowych.

Warunki normalne
• Wiatry wschodnie spychają powierzchniowe wody do
zachodniej części Pacyfiku,
• We wschodniej części chłodniejsze wody z głębszych
warstw wypływają na powierzchnię próbując zastąpić
odpływającą wodę przesuwaną wiatrem na zachód.

Warunki normalne - upwelling
• Upwelling – podpływanie zimnych wód we wschodniej części
Pacyfiku co widoczne jest na zdjęciach satelitarnych wykonanych
w podczerwieni.

Warunki normalne - termoklina
• Wiatry wschodnie i upwelling zmieniają profil temperaturowy
wód Pacyfiku.
• Termoklina jest na mniejszej głębokości we wschodniej części
Pacyfiku (ok. 50 m) niż w części zachodniej (ok. 200 m).

Warunki normalne - fitoplankton
• Zimna woda jest bogata w substancje organiczne, ze względu na
większą zawartość tlenu. W obecności światła słonecznego
fitoplankton wykorzystuje substancje organiczne do produkcji
zielonkawej substancji zwanej chlorofilem.

La Niña 1998-99
• W czasie normalnych warunków atmosferycznych może wystąpić zjawisko
La Niña, które charakteryzuje się niższą niż zwykle temperaturą
powierzchniową okołorównikowego Pacyfiku.

Początek El Niño o (ustawanie wiatrów w wschodnich)
• W czasie warunków normalnych wschodnia i centralna część
Pacyfiku pozostaje bezdeszczowa.
• W momencie rozpoczynania się El Niño wschodnie wiatry ustają,
woda spychana wcześniej tymi wiatrami powraca na wschód, we
wschodniej części Pacyfiku mniejsze ilości chłodnej wody wypływają
na powierzchnię.

Warunki El Niño
• Powietrze nad oceanem ogrzewa się i tworzą się chmury przynoszące
opady deszczów, a strefa tych opadów i ciepła przemieszcza się z
zachodniej do wschodniej części Pacyfiku,
• Ogrzane powietrze ma mniejszą gęstość co powoduje spadek jego
ciśnienia, niższe ciśnienie na wschodzie Pacyfiku powoduje dalsze
osłabienie wiatrów wschodnich. To sprzężenie zwrotne sprawia, że El
Niño narasta.

Warunki El Niño - termoklina
• Napływ ciepłych wód powierzchniowych z zachodniej do
wschodniej części Pacyfiku powoduje wyrównanie głębokości
termokliny na całym Pacyfiku.

Warunki El Niño - upwelling
• Podniesienie temperatury powierzchniowej oceanu w
centralnej i wschodniej części Pacyfiku może być
obserwowane na zdjęciach satelitarnych wykonanych w
podczerwieni.

SST: maximum El Niño w latach 1982/83 i 1997/98

Globalne skutki El Nino

Tropical Atmosphere Ocean Project

Tropical Atmosphere Ocean Project – pomiary:
• prędkości wiatru,
• temperatury wody i powietrza,
• względnej wilgotności,
• opadów deszczu,
• promieniowania słonecznego (+ podczerwień),
• ciśnienia barometrycznego,
• zasolenia wody,
• prędkości prądów morskich.
• uśrednione co godzina i co dzień dane wysyłane są
do NOAA w czasie prawie rzeczywistym

Zmiany poziomu oceanu powodowane przez El Niño
• Wzrost temperatury powierzchniowej oceanu powoduje
spadek jego gęstości,
• Zmniejszenie gęstości oceanu powoduje zwiększenie jego
objętości dlatego wzrasta poziom oceanu,
• Wzrost poziomu oceanu może zostać zaobserwowane za
pomocą pomiarów mareograficznych lub altimetrii
satelitarnej.

GLOSS – GLOBAL SEA LEVEL OBSERVING SYSTEM
• Spośród ponad 1700 wszystkich stacji mareograficznych ok. 290 tych stacji tworzy
Global Core Network (GCN). Stacje rozmieszczone są prawie równomiernie w celu
mierzenia względnych zmian poziomu oceanu.
• Niektóre z tych stacji wyposażone są w odbiorniki GPS w celu monitorowania
pionowych ruchów skorupy ziemskiej.
• Dane GLOSS dostępne są 1) University of Hawaii Sea Level Center, 2) Permanent
Service for Mean Sea Level 3) British Oceanographic Data Centre

ALTIMETRIA SATELITARNA
Altimetria satelitarna jest technika radarową, w której krótkie impulsy fal radarowych
emitowanych wzdłuż linii pionu odbijają się od powierzchni oceanu i odbierane są
przez antenę odbiorczą znajdującą się na pokładzie satelity altimetrycznego.
Hdyn = Hcomp - (Haltim + corr) – (Hgeoid + err)
Analiza pomiarów w pozwala na
wyznaczenie odległości od satelity do
chwilowej powierzchni oceanu. Pomiar
wysokości
altimetrycznej wraz z
precyzyjnie wyznaczoną orbitą
dostarczają wysokości oceanu w
geocentrycznym układzie
współrz
rzędnych odniesienia co pozwala
na badanie globalnych i regionalnych
cyrkulacji oceanu, a także e wyznaczenie
geoidy na obszarach oceanu. Geoida nie
pokrywa się z chwilową powierzchnią
oceanu a różnica r
ta nazywana jest
dynamiczną wysokości
cią oceanu lub
topografią oceanu:

Zastosowania altimetrii satelitarnej:
• zmiany poziomu oceanów, mórz, rzek i jezior,
• El Niño, La Niña,
• prądy morskie i cyrkulacja oceanu,
• pływy,
• model geoidy,
• wiatry,
• modele meteorologiczne,
• topografia pokrywy lodowej oraz jej zmiany.

Altimetric Satellites
• Skylab (May 1973 – Feb 1974) h=435km i=50
• GEOS 3 (Apr 1975 – Dec 1978) h=845 km, i=115
• Seasat A (Jun 1978 – Oct 1978) h=800 km, i=108
• Geosat (Mar 1985 – Sep 1989) h=785km, i=108
• ERS-1 (Jul 1991- Mar 2008) h=785 km, i=98
• TOPEX/Poseidon (Aug 1992 – Jan 2006) h=1336 km, i=66
• ERS-2 (Apr 1995 - present) h=781 km, i=98
• GFO-1 (Sep 1996 – Sep 2006) h=800km, i=108
• Jason 1 (Dec 2001 - present) h=1337km, i=66
• Envisat (Mar 2002 - present) h=800km, i=98
• Cryosat 1 (destroyed on launch Oct 8 2005)
• Jason 2 (Jun 2008 – present)
• Cryosat 2 (Nov 2009 -
• ALTIKA (2010 –
• Sentimel 3 (after 2012 -

• Błąd wyznaczenia orbity w kierunku radialnym dla różnych satelitów
altimetrycznych od 1992.

TOPEX/Poseidon
Poseidon
(TOPografic EXperiment/Poseidon)
altimeters 5.3 & 13.6 GHz,
Launched – 10 August 1992,
h=1336 km, i=66 o , mas=2500kg, footprint=2.2km,
JGM3 – gravity field model,
CSR4.0 – ocean tide model.
Orbit determination:
SLR
DORIS
GPS
(TDRSS) - Tracking and Data
Relay Satellite System

Jason 1
• Start – 7 grudzień 2001 (Boeing Delta II 7920),
• H=1337km, na tej samej orbicie co Topex/Poseidon 370km
przed nim,
• Masa=500kg, footprint=2.2km

Siatka przelotów w T/P lub Jason-1
orbital period=112.47min., 1 cycle=9.9156 dni = 254 orbital periods

Poprawki do pomiaru altimetrycznego:
• ze względu na pływ oceaniczny,
• odwrotnego barometru,
• ze względu na pływ bieguna ziemskiego,
• ze względu na lokalne nachylenie geoidy,
• troposferyczna,
• jonosferyczna,
• ze względu na pływ skorupy ziemskiej.

Globalny wzrost poziomu oceanu

ERS-2

DANE: TOPEX/Poseidon
Poseidon i JASON 1
Sea Level Anomalies (SLA) 1 o × 1 o ϕ , λ
- T/P: (10.01.1993 - 01.08.2002)
- Jason 1: (04.02.2002 - 14.07.2003)

Fourier Transform Band Pass Filter (FTBPF)
u
ϕ
[ FT ( x ( t)
) ⋅ A(
P,
)]
−1
, λ
( t,
T ) = FT
ϕ , λ
T
A(
P,
T )
=
⎧
⎪
⎛
1−
⎜
⎪ ⎝
⎨
⎪
⎪
⎪⎩
∆t
/
P − ∆t
λ
0
/ T
2
⎞
⎟
⎠
dla
dla
|
|
∆t
∆t
/
/
P
P
− ∆t
− ∆t
/ T
/ T
⎫
| < λ⎪
⎪
⎬
| ≥ λ⎪
⎪
⎪⎭
S
FTBPF spectrum of a grid 1 o × 1 o
1
N − m
∑ φ , λ
( T ) = | uφ
, λ
N − 2m
k = m+
1
( t,
T )
φ, λ - latidute and longitude of a grid
2S ( T)
λ
φ,
- Amplitude spectrum
2
|

1
N
∑ 2Sφ
, λ
ocean
cm
1.4
1.2
1.0
0.8
0.6
0.4
Mean FTBPF amplitude spectrum for entire ocean,
( T )
northern and southern hemispheres.
30 60 90 120 150 180 210 240
period (days)
N
S

Widma amplitudowe FTBPF danych SLA (T= 365, 182, 120, 90, 62, 30 dni)
latitude
50
30
10
-10
-30
-50
50
30
10
-10
-30
-50
365 days
0 50 100 150 200 250 300 350
182 days
0 50 100 150 200 250 300 350
120 days
50
30
10
-10
-30
-50
0 50 100 150 200 250 300 350
longitude
cm
16
14
12
10
8
6
4
2
0
7
6
5
4
3
2
1
0
4
3
2
1
0
50
30
10
-10
-30
-50
90 days
0 50 100 150 200 250 300 350
62 days
50
30
10
-10
-30
-50
0 50 100 150 200 250 300 350
30 days
50
30
10
-10
-30
-50
0 50 100 150 200 250 300 350
latitude
cm
4
3
2
1
0
16
14
12
10
8
6
4
2
0
2
1
0

Widma amplitudowe FTBPF danych SLA (T= 182.6211 dni)

Widma amplitudowe FTBPF danych SLA (T= 30 dni)

)
2
2
)exp(
,
(
)
,
(
2
2
2
1
1
1
2
1
0
1
0
1
2
1
2
2
1
1 N
n
k
i
N
n
k
i
k
k
f
n
n
F
N
n
N
n
π
π
−
−
= ∑∑
− =
−
=
)
2
)exp(2
,
(
1
)
,
(
2
2
2
1
1
1
2
1
0
1
0
1
2
1
2
1
2
2
1
1 N
n
k
i
N
n
k
i
n
n
F
N
N
k
k
f
N
n
N
n
π
π +
= ∑∑
− =
−
=
)]
,
(
)
,
(
[
)
,
( 2
1
1
2
1
'
v
u
A
n
n
F
FFT
k
k
f
−
=
⎩
⎨
⎧
∆
≤
∆
≤
∆
−
∆
−
=
otherwise
v
v
u
u
for
v
v
u
u
v
u
A
0
|
,|
|
|
)
)(1
(1
)
,
(
2
2
2
2
1
0,1,...,
1,
0,1,...
),
,
(
Fourier Transform of
disctrete
2D 2
2
1
1
2
1 −
=
−
= N
k
N
k
k
k
f

0. 00 50. 00 100.00 150.00 200. 00 250.00 300. 00 350. 00
0.00 50.00 100.00 150.00 200.00 250.00 300.00 350.00
0 50 100 150 200 250 300 350
0.0 0 50.00 100.00 150 .0 0 20 0. 00 250. 00 3 00.0 0 350 .00
0.00 50.00 10 0.00 1 50.00 200.00 250 .0 0 30 0. 00 350. 00
0.00 50. 00 10 0.00 1 50. 00 200 .0 0 25 0. 00 300. 00 350.0 0
latitude
SLA (1996-Jul-2 and 1997-Nov-10) of TOPEX/Poseidon
and their 2D FT HPF results with cutoff wave numbers of 0.05, 0.1 and 0.2
50
0
-50
50
0
-50
50
0
-50
cm
30
20
10
0
-10
-20
30
20
10
0
-10
-20
30
20
10
0
-10
-20
0.05
0.1
latitude
50
0
-50
50
0
-50
50
0
-50
cm
40
20
0
-20
30
20
10
0.05
0
-10
-20
30
20
10
0 0.1
-10
-20
-30
50
0
-50
0 50 100 150 200 250 300 350
longitude
20
10
0
-10
-20
0.2
50
0
-50
0 50 100 150 200 250 300 350
longitude
20
10
0 0.2
-10
-20
-30

TOPEX/Poseidon SLA data filtered by the 2D FFT high pass filter
with the cutoff wave number of 0.1

SST prediction (Niedzielski and Kosek 2008)

Wpływ
El Niño na zmiany rotacji Ziemi
W okresie El Niño następuje zahamowanie prędkości wiatrów
wschodnich. W układzie zamkniętym jakim jest Ziemia z atmosfera
całkowity moment pędu jest stały. Ustawanie wiatrów wschodnich
powoduje spowolnienie prędkości obrotowej Ziemi gdyż Ziemia
kręci się w kierunku wschodnim. Spowolnienie prędkości obrotowej
Ziemi powoduje wzrost długości doby.
Stephanic (1982) zaobserwował po raz pierwszy korelację pomiędzy
SOI a wieloletnimi zmianami w rotacji Ziemi.

Gambis, 1992, Wavelet transform analysis of the length of day and the El Nino/Southern Oscillation
variations at intraseasonal and interannual time scales, Ann. Geophysicae 10, 429-437.

Dickey et al. 1994, Angular momentum exchange among the solid Earth, atmosphere, and oceans: A case
study of the 1982-1983 El Nino event, JGR Vol. 99, No B12, 23921-23937.

Dickey et al. 1994, cont.

Gross et al. 2001, Modulation of Seasonal Cycle in Length-of
of-Day and Atmospheric angular Momentum,
IAG Symposium 125

Gross et al. 2001, cont.

Czasowo częstotliwo
stotliwościowa koherencja:
period (days)
1000
800
600
400
200
Morlet coherence: LODR, AAM chi3
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
1966 1970 1974 1978 1982 1986 1990 1994 1998 2002
years

Czasowo częstotliwo
stotliwościowa koherencja:
period (days)
1000
800
600
400
200
Morlet coherence: AAM chi3, SOI
1955 1960 1965 1970 1975 1980 1985 1990 1995 2000
years
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1

Czasowo częstotliwo
stotliwościowa koherencja:
period (days)
1000
800
600
400
200
Morlet Wavelet coherence LODR, SOI
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
1965 1970 1975 1980 1985 1990 1995 2000 2005
years

Y
ˆ
t+ 1
= AY
1 t
+ ... + ApYt
− p+
1
⎧ε
( ∆ − ∆R)
t ⎫
Y t
= ⎨ ⎬ t = 1,2,..,
n
⎩ εAAMχ3t
⎭
Aˆ r
, r = 1,2,...,
p
p
Multidimensional prediction
- autoregressive order:
ˆ
- Estimates of Autoregression matrices,
log det[( n − 3p
−1)
Cˆ]
2 p + 1
SBC( p)
= − (1 − )log( n − p)
=
2
n − p
min
Ĉ
- Estimate of residual covariance matrix.

UT1R-TAI
UT1-TAI
UT1-UTC
∆-∆R
∆-∆R
LS
model
ε(∆-∆R)
residuals
&
εAAMχ3
residuals
AAMχ3
AAMχ3
LS model
LS
AR
MAR
AR
Prediction
of ∆-∆R
∆-∆R LS
extrapolation
Univariate prediction
of ε(∆-∆R) or εAAMχ3
residuals
OR
Multivariate prediction of
ε(∆-∆R) and εAAMχ3
residuals
Prediction of
UT1R-TAI
Prediction of
UT1-TAI
Prediction of
UT1-UTC

Comparison of LS, LS+AR and LS+MAR prediction errors of UT1-UTC UTC and ∆ data
(Niedzielski i Kosek 2008)
days in the future
300
200
100
300
200
100
300
200
100
LS
LS+AR
LS+MAR
UT1-UTC
ms
180
160
140
120
100
80
60
40
20
0
ms/day
0.30
0.20
0.10
1992 1994 1996 1998 2000 2002 2004 2006
YEARS
LS
LS+AR
LS+MAR
ms
UT1-UTC
60
40
20
LS
LS+AR
LS+MAR
0.00
0 50 100 150 200 250 300 350
days in the future
0
0 50 100 150 200 250 300 350
days in the future

SST: 24 Dec. 2008 – 11 Mar. 2009

ETA: 24 Dec. 2008 – 22 Feb. . 2009