Variabilidad Climática Atlántica

Machine Translated by Google
Journal of Glaciology (2019), 65(252) 580–594 © doi: 10.1017/jog.2019.35
The Author(s) 2019. Este es un artículo de acceso abierto, distribuido bajo los términos de la licencia Creative Commons Attribution (http: / /creativecommons.org/
licenses/by/4.0/ ), que permite la reutilización, distribución y reproducción sin restricciones en cualquier medio, siempre que se cite correctamente la obra original.
Influencia de la variabilidad climática del Atlántico Norte en el balance de masa de los glaciares en
Noruega, Suecia y Svalbard
DAVID BROOKING BONAN,1 JOHN ERICH CHRISTIAN,2 KNUT CHRISTIANSON2
1
Departamento de Ciencias Atmosféricas, Universidad de Washington, Seattle, WA, EE. UU.
2
Departamento de Ciencias de la Tierra y del Espacio, Universidad de Washington, Seattle, WA, EE. UU.
Correspondencia: David Bonan <dbonan@uw.edu>
ABSTRACTO. La variabilidad climática puede complicar los esfuerzos para interpretar cualquier tendencia de balance de
masa de los glaciares a largo plazo debido al calentamiento antropogénico. Aquí examinamos el impacto de la variabilidad
climática en los registros estacionales de balance de masa de 14 glaciares en Noruega, Suecia y Svalbard utilizando el
ajuste dinámico, un método estadístico que elimina los patrones ortogonales de variabilidad compartidos entre cada registro
de balance de masa y la presión a nivel del mar o Campos predictores de la temperatura de la superficie del mar. Para cada
glaciar, los dos patrones predictores principales explican entre el 27% y el 81% de la variabilidad del balance de masas en
invierno y entre el 24% y el 69% de la variabilidad del balance de masas en verano. La estructura espacial y temporal de
estos patrones indica que la variabilidad de la acumulación de todos los glaciares está fuertemente relacionada con la
Oscilación del Atlántico Norte (NAO), con la Oscilación Multidecadal del Atlántico (AMO) también modulando la variabilidad
de la acumulación de los glaciares más septentrionales. Dado este resultado, la predicción del cambio de los glaciares en la
región puede depender de la previsibilidad de NAO y AMO. En los registros brutos de balance de masa, los glaciares del sur
de Noruega tienen tendencias de verano significativamente negativas, mientras que los glaciares ubicados más cerca del
Ártico tienen tendencias de invierno negativas. Eliminar los efectos de la variabilidad climática sugiere que puede sesgar las
tendencias en los registros de balance de masa que abarcan algunas décadas, pero sus efectos en la mayoría de las
tendencias de balance de masa a más largo plazo son mínimos.
PALABRAS CLAVE: interacciones atmósfera/hielo/océano, cambio climático, fluctuaciones de glaciares, balance de
masa de glaciares, hielo y clima
1. INTRODUCCIÓN afectar las tendencias observadas en los registros de balance de masa
de los glaciares? Este conjunto de glaciares abarca una gran área
Los modos de variabilidad climática a gran escala pueden surgir de
geográfica, lo que nos permite investigar si la proximidad de un glaciar
diversas formas. Los procesos dinámicos no lineales intrínsecos a la
a patrones comunes de variabilidad atmosférica y oceánica afecta la
atmósfera pueden conducir a una variabilidad diaria o mensual que es
variabilidad en los registros, y si hay tendencias a largo plazo no
característica de un proceso estocástico aleatorio (Hasselmann, 1976).
asociadas con fluctuaciones en la variabilidad de SLP y SST. , como el
El acoplamiento termodinámico del sistema océanoatmósfera tiene la
calentamiento antropogénico, difieren geográficamente.
capacidad de producir modos de variabilidad climática más lentos
(interanuales y más largos) debido a la alta inercia térmica del océano
(Frankignoul y Hasselmann, 1977) . De manera similar, la respuesta de
1.1. Registros de balance de masa de glaciares
la circulación oceánica al forzamiento del viento puede conducir a
modos decenales de variabilidad climática (p. ej., Latif y Barnett, 1994). Se ha demostrado que la variabilidad que surge de las fluctuaciones
Independientemente de su origen, estos modos pueden ejercer una naturales en la atmósfera y el océano fuerza las variaciones de los
gran influencia en el clima regional y global al modificar el clima en glaciares en varias regiones. A pesar del retroceso casi global de los
escalas de tiempo interanuales o multidecádicas (p. ej., Wigley y Raper, glaciares a fines del siglo XX (Oerlemans, 2005), Pohjola y Rogers
1990). Dado que la acumulación y la ablación son procesos que se (1997) vincularon el avance de los glaciares escandinavos durante la
ven afectados por las variaciones regionales de precipitación y década de 1990 con vientos del oeste más fuertes de lo habitual en
temperatura (p. ej., Bitz y Battisti, 1999; Roe, 2011), el balance de masa invierno y un flujo frío en verano, lo que resultó en Acumulación
anual o estacional de cualquier glaciar en particular puede verse anómalamente alta y baja ablación. Huss y otros (2010a) concluyeron
fuertemente afectado por la variabilidad climática. que hasta la mitad de la pérdida de masa glaciar recientemente
observada en los Alpes europeos es el resultado de una fase positiva
Aquí examinamos la influencia de la variabilidad climática en los de la Oscilación Multidecadal Atlántica (AMO), un patrón de TSM
registros estacionales de balance de masa de diez glaciares en Noruega, superior a lo normal en el Atlántico Norte que creó veranos cálidos, lo
un glaciar en Suecia y tres glaciares en Svalbard utilizando el ajuste que aumentó la pérdida de masa de los glaciares.
dinámico, una técnica estadística basada en la regresión de mínimos Más recientemente, Mackintosh y otros (2017) atribuyeron el avance de
cuadrados parciales (regresión PLS; Wold y otros , 2001). El ajuste los glaciares en Nueva Zelanda desde la década de 1980 hasta
dinámico revela los patrones de variabilidad dentro de los registros de principios de la de 2000 a un patrón de variabilidad atmosférica en el
balance de masa que están asociados con las anomalías de la presión Pacífico Sur extratropical que resultó en vientos del sur anómalos y
a nivel del mar (SLP) y la temperatura de la superficie del mar (SST). TSM regional baja.
Una vez identificada, esta variabilidad se puede hacer retroceder de En la era del cambio climático posindustrial (es decir, desde ~1850;
los registros para probar una pregunta motivacional clave: ¿la variabilidad Stocker, 2014), los registros de balance de masa de los glaciares
climática reflejan variaciones tanto naturales como antropogénicas, y es vital
https://doi.org/10.1017/jog.2019.35 Publicado en línea por Cambridge University Press
Bonan y otros: Influencia de la variabilidad climática del Atlántico Norte en el balance de masa de los glaciares en Noruega, Suecia y Svalbard 581
distinguir entre los dos para extraer y comprender la respuesta de los El ajuste dinámico identifica la firma de la variabilidad climática en
glaciares a los cambios climáticos a largo plazo. Una tendencia los registros de balance de masa de los glaciares bajo el supuesto de
forzada externamente, como la debida al calentamiento antropogénico, que las anomalías de la circulación pueden identificarse en un campo
puede quedar enmascarada por la variabilidad natural del sistema 'predictor' variable en el tiempo. Los predictores, en este caso, los
climático (Medwedeff y Roe, 2017). Y aunque el agregado global del campos SLP y SST, se descomponen en patrones que explican mejor
cambio en la longitud de los glaciares (Oerlemans, 2005) y la pérdida la variación en el predictando, que son registros de balance de masa
de masa de los glaciares (Marzeion y otros, 2014) se ha citado como de glaciares estacionales individuales. Las variaciones en SLP o SST
evidencia del cambio climático global, la atribución con registros están asociadas con anomalías de circulación a gran escala que
individuales sigue siendo un desafío: registros de balance de masa de encaminan las trayectorias de precipitación y temperatura, que luego
glaciares individuales son variables climáticas intrínsecamente tienen un efecto directo en la magnitud de la acumulación y la ablación.
localizadas, y pocos registros superan varias décadas (p. ej., Es importante señalar que el método no predefine los patrones
Braithwaite, 2009; Zemp y otros, 2015). espaciales de variabilidad que impulsan las fluctuaciones del balance
Estas dos características los hacen especialmente susceptibles a los de masa de los glaciares. Los patrones espaciales son propiedades
efectos de la variabilidad natural relacionada con la circulación, que emergentes determinadas por la correlación entre los registros de
puede sesgar tendencias localizadas a corto plazo (p. ej., Deser y balance de masa del glaciar (es decir, el predictando) y los campos
otros, 2012; Wallace y otros, 2012 ) . SLP y SST (es decir, los predictores). Aunque estudios previos han
Para tener en cuenta la variabilidad climática en los registros de evaluado la variabilidad del balance de masa de los glaciares en
balance de masa de los glaciares y comprender mejor las tendencias términos de anomalías de circulación, estos estudios a menudo se
restantes, se necesitan más estudios enfocados regionalmente. La basan en índices climáticos (p. ej., Nesje y otros, 2000; Huss y otros,
región escandinava, el área de interés de este estudio, es muy 2010a) para expresar los modos dominantes de variabilidad de la
adecuada para examinar los efectos de la variabilidad climática en el presión y la temperatura ( ej., la NAO o la AMO).
balance de masa de los glaciares. La región está sujeta a un alto grado El método que aplicamos adopta un enfoque diferente: identificamos
de variabilidad climática debido al fuerte acoplamiento entre los la variabilidad climática única de cada glaciar, lo que nos permite
procesos atmosféricos y oceánicos (Marshall y otros, 2001), y alberga evaluar y comparar los patrones que generan anomalías en los
numerosos glaciares que tienen registros de balance de masa registros de balance de masa individuales. A continuación, primero
multidecenales (WGMS, 2017). Estudios anteriores evaluaron la describimos los conjuntos de datos utilizados en este estudio y el
influencia de esta variabilidad en los registros de balance de masa de algoritmo de regresión PLS. Luego analizamos las tendencias del
los glaciares en toda la región y vincularon la Oscilación del Atlántico balance de masa de los glaciares estacionales sin procesar y aplicamos
Norte (NAO) con la variabilidad del balance de masa (p. ej., Nesje y un ajuste dinámico para identificar la variabilidad climática que afecta
otros, 2000; Rasmussen y Conway, 2005 ; Rasmussen , 2007 ; Nesje los registros del balance de masa estacional. Por último, reevaluamos
y otros, 2008; Marzeion y Nesje, 2012; Mutz y otros, 2016). Las las tendencias en los registros de balance de masa ajustados y
fluctuaciones en otras variables climáticas de la región, como el hielo discutimos las implicaciones de este trabajo.
marino del Ártico, se han relacionado tanto con las fluctuaciones de la
SLP asociadas con la NAO (Deser y otros, 2000) como con las
variaciones de la SST asociadas con la AMO (Miles y otros, 2014; Li 2. ÁREA DE ESTUDIO Y CONJUNTOS DE DATOS
y otros, 2014; Li y otros, 2018). Asimismo, se ha demostrado que
ciertas fases de la NAO y la AMO modulan el derretimiento del hielo 2.1. Predictores: registros estacionales del balance de masa de
en Groenlandia (Bjørk y otros, 2018; Hahn y otros, 2018). El ajuste los glaciares
dinámico es especialmente adecuado para evaluar los impactos de la Nuestro estudio incluye 14 registros de balance de masa de glaciares
variabilidad climática en los registros del balance de masa de los convencionales de Noruega, Suecia y Svalbard (ver Fig. 1).
glaciares en esta región porque utiliza los campos SLP y SST Los cálculos de balance de masa convencionales utilizan el área
directamente, en lugar de suponer a priori que un modo particular de observada del glaciar, pero dado que el área de cada glaciar ha
variabilidad climática domina sobre los demás. evolucionado durante el período de observación, los registros de
balance de masa pueden reflejar tanto la dinámica del clima como la
del glaciar. Esto ha motivado el uso del balance de masa 'superficie de
referencia', que fija el área del glaciar y es un mejor reflejo del clima
1.2. Ajuste dinámico En los últimos (Elsberg y otros, 2001; Leclercq y otros, 2010 ) . Sin embargo, se ha
años, el ajuste dinámico se ha convertido en una herramienta eficaz demostrado que las dos metodologías concuerdan bastante bien
para separar los componentes forzados y naturales en una serie de (Elsberg y otros, 2001; Huss y otros, 2010b). Además, una aplicación
variables climáticas. Se ha utilizado para analizar la contribución de la anterior en la que se aplicó el ajuste dinámico a registros de balance
variabilidad inducida dinámicamente sobre las tendencias observadas de masa de superficie de referencia y convencionales produjo
en la capa de nieve (Smoliak y otros, 2010; Siler y otros, 2019), la resultados similares (Christian y otros, 2016). Dado que la diferencia
temperatura superficial (Wallace y otros, 2012; Smoliak y otros, 2015; entre los dos enfoques es menor que las incertidumbres en las
Guan y otros , 2015 ). , 2015) y el balance de masa de los glaciares en observaciones, nos limitamos a los registros convencionales de
el oeste de América del Norte (Christian y otros, 2016). Esta técnica balance de masa proporcionados por la agencia de medición
también se ha aplicado para evaluar la variabilidad generada consciente. Nos referimos a cada glaciar con índices organizados por
internamente dentro de grandes conjuntos de modelos climáticos latitud, siendo G1 el glaciar más al sur y G14 el glaciar más al norte
(Deser y otros, 2016; Lehner y otros, 2017). En este trabajo, usamos (ver Fig. 1).
el ajuste dinámico basado en PLS para detectar y eliminar la variabilidad
inducida dinámicamente en los registros de balance de masa de los La Dirección de Recursos Hídricos y Energía de Noruega (Kjøllmoen y
glaciares, extendiendo la implementación de Christian y otros (2016) a otros, 2017) mide el balance de masa de los glaciares G1–G9 y G11 y
un conjunto más grande de glaciares en una región geográfica diferente. aporta estos datos al Servicio Mundial de Monitoreo de Glaciares
(WGMS, 2017). Varios de estos registros (G1–G9 y G11) incluyen
actualizaciones basadas
582 Bonan y otros: Influencia de la variabilidad climática del Atlántico Norte en el balance de masa de los glaciares en Noruega, Suecia y Svalbard
b C
mi
F
gramo
Fig. 1. Ubicación, tamaño y período de los registros de balance de masa glaciar utilizados en este estudio. El mapa general muestra la ubicación de los glaciares utilizados en
este estudio. Los paneles (a–h) son primeros planos de glaciares individuales. El sombreado de color indica la longitud del registro (ver Tabla 1). Las extensiones de los
glaciares provienen del Inventario de glaciares Randolph (RGI Consortium, 2017). Las curvas de nivel son intervalos de elevación de 250 m.
sobre el reanálisis de Andreassen y otros (2016). El registro de (Andreassen y otros, 2012). Juntos, los glaciares que seleccionamos
balance de masa para Storgläcieren (G10) lo mantiene el Bolin de esta región representan uno de los registros regionales más
Center for Climate Research (Holmlund y Jansson, 1999). Los extensos de la respuesta de los glaciares al clima disponible en la
glaciares en Svalbard (G12–G14) son monitoreados por el Instituto base de datos mundial (WGMS, 2017).
Polar Noruego (NPI, 2017). Debido a que estamos interesados en la Además de tener registros tan extensos y continuos, este
variabilidad interanual y más larga, apuntamos a registros de balance conjunto de glaciares muestra condiciones climáticas tanto marítimas
de masa lo suficientemente largos como para capturar fluctuaciones como continentales (eg, Engelhardt y otros, 2015), lo que nos permite
decenales. La Tabla 1 muestra el período de tiempo de cada registro comprender las huellas de la variabilidad natural en diferentes
de balance de masa glaciar considerado en este estudio. regímenes glaciares. Los glaciares continentales suelen tener una
Los registros continuos más largos son Storbreen (G3) y Storgläcieren menor variabilidad de balance de masa, mientras que los glaciares
(G10), donde el balance de masa de verano (Bs), el balance de marítimos, que dependen más de las precipitaciones, suelen tener
masa de invierno (Bw) y el balance de masa anual (Ba) están una mayor variabilidad de balance de masa (Medwedeff y Roe,
disponibles sin interrupción durante casi 70 años. 2017 ). La Tabla 1 muestra las tasas medias de balance de masa
Aunque el registro de balance de masa de Storgläcieren comienza (Bs, Bw y Ba) para los 14 glaciares de este estudio. Los glaciares
en 1946, excluimos los primeros 3 años de la serie temporal ya que marítimos, más cercanos al océano, tienen una gran acumulación y
el conjunto de datos de reanálisis SLP comienza en 1948. El registro una gran ablación (p. ej., Ålfotbreen (G6), Bw ¼ 3:62 mw:e: a1, Bs
más corto es Langfjordjøkelen (G11), que tiene un registro de ¼ 3:67 mw:e: a1). Los glaciares continentales, o tierra adentro, a
balance de masa de 1989 a 2016 , pero faltan datos de 1994 y 1995 menudo reflejan un clima más seco y frío, menos dictado por las variaciones en
Tabla 1. Una lista de los registros de balance de masa de glaciares (G1–G14) utilizados en este estudio, su latitud (° N), elevación (msnm), tamaño (km2 ), período
de registro de balance de masa y balance de masa medio de verano (Bs), tasas de balance de masa invernal (Bw) y balance de masa anual (Ba) durante el
período de observación en metrosaguaequivalente por año (m we a−1 ). Para conocer la ubicación de cada glaciar, consulte la Fig. 1.
glaciar IDENTIFICACIÓN Latitud Elevación Tamaño Período B bw Licenciado en Letras
Rembesdalskåka G1 60.53 1066–1854 17.3 19632016 − 2,15 2.05 − 0,09

Hellstugubreen G2 61.57 14822229 2.9 19622016 − 1,50 1.10 − 0,39
Storbreen G3 61.57 14002102 5.1 19492016 − 1,77 1.42 − 0,35
Gråsubreen G4 61.65 18332283 2.1 19622016 − 1,14 0.75 − 0,39
Nigardsbreen G5 61.70 330–1952 46.6 19622016 − 2.12 2.23 0.10
Ålfotbreen G6 61.75 8901368 4.0 19632016 − 3,67 3.62 − 0,05
Hansebreen G7 61.75 9271310 2.8 19862016 − 4.01 3.42 − 0,59
austdalsbreen G8 61.75 12001747 10.6 19882016 − 2,63 2.17 − 0,46
Engabreen G9 66.67 1111544 36.2 19702016 − 2,65 2.64 − 0,01
Storgläcieren G10 67.88 11511742 3.1 19482016 − 1,66 1.44 − 0,23
Langfjordjøkelen G11 70.17 280–1050 3.7 19892016 − 3,03 2.05 − 0,97
Kongsvegen G12 78.82 102–617 105 1987–2016 − 0,77 0,69 − 0,07
Midtre Lovenbreen G13 78.88 50–650 5.4 19682016 − 1,09 0.70 − 0,40
Austre Broggerbreen G14 78.89 50–650 6.1 19672016 − 1,15 0,65 − 0,50
precipitación y temperatura, lo que resulta en valores de acumulación y 3. METODOLOGÍA
ablación de menor magnitud (p. ej., Hellstugubreen (G2), Bw = 1:10
3.1. Ajuste dinámico basado en PLS El ajuste
mw:e: a1, Bs = 1:50 mw:e: a1). Los glaciares árticos (G12–G14) tienen
tasas medias bajas de balance de masa invernal de 0,68 m we a−1 y dinámico se basa en la regresión PLS, un método matricial que combina
tasas medias de balance de masa estival de −1,00 m we a−1 , valores características del análisis de componentes principales y la regresión
típicos de los glaciares en ambientes polares secos. múltiple (Wold y otros, 2001).
El objetivo de la regresión PLS es identificar estructuras en el campo
Los glaciares de diferentes tamaños que están ubicados en una predictor, X, que mejor expliquen la varianza en el predictor, Y. Esto se
variedad de elevaciones (ver Tabla 1) responderán a la variabilidad hace iterativamente, donde cada paso identifica una serie de tiempo, t,
natural y al forzamiento externo de diferentes maneras. La diversidad que expresa la amplitud de un patrón espacial asociado, W. Estas
en el tamaño de los glaciares, los datos de balance de masa promedio estructuras son análogas a los componentes principales y funciones
y las ubicaciones geográficas resaltan aún más la ventaja de tener una ortogonales empíricas asociadas de un campo variable en el tiempo.
variedad de registros de balance de masa de los glaciares para Sin embargo, en la regresión PLS, W está determinado por la correlación
comprender mejor la relación entre la variabilidad atmosférica y oceánica en el tiempo entre el predictor y cada punto de cuadrícula del predictor.
y las fluctuaciones del balance de masa de los glaciares. De esta forma, los patrones explican la varianza máxima en el
predictando (aunque no necesariamente en el predictor). Para extraer
la variabilidad correlacionada, la serie temporal t se proyecta sobre X
e Y para determinar los coeficientes de regresión, P y β. Luego se hace
2.2. Predictores: campos SLP y SST una regresión del modo de variabilidad tanto del predictor como del
Utilizamos dos campos espaciotemporales como predictores de la predictando, dejando las variables ajustadas:
variabilidad del balance de masa de los glaciares: SLP y SST. En ambos
casos, usamos promedios de octubre a marzo y de abril a septiembre
que son similares a las temporadas de balance de masa de invierno y Xadj ¼ X tPT y Yadj ¼ Y βt (1)
verano de los registros de glaciares. El análisis no es particularmente
sensible a si dividimos los promedios de invierno y verano después de Luego, el proceso se repite con Xadj y Yadj para identificar y hacer
abril o mayo. Restringimos su dominio espacial de 20° N a 90° N y de una regresión de los patrones restantes de variabilidad del predictor que
65° W a 40° E. Probamos varios otros dominios espaciales, y nuestros explican la variación en el predictando. Después de múltiples iteraciones,
resultados no son particularmente sensibles al dominio específico el resultado es una descomposición tanto de X como de Y en modos
siempre que la mayor parte del océano Atlántico Norte se incluye la ortogonales que han sido optimizados para explicar la variación en el
cuenca para capturar la variabilidad de la circulación a gran escala. predictando. Cabe señalar que, si bien la regresión impone ortogonalidad
en la serie temporal, estos modos no son necesariamente físicamente
El predictor SLP es una cuadrícula de 2,5° × 2,5° de medias independientes, ya que puede requerir más de un patrón espacial fijo
mensuales del reanálisis NCEPNCAR (Kalnay y otros, 1996). para expresar variaciones coherentes en SLP o SST; alternativamente,
El predictor de TSM, una cuadrícula de 1,0° × 1,0° de medias mensuales, un solo modo PLS puede capturar variaciones debidas a múltiples
proviene del conjunto de datos de temperatura de la superficie del mar procesos físicos.
y hielo marino del Met Office Hadley Center (Rayner y otros, 2003). Estas iteraciones posteriores también tienden a explicar una menor
Para el predictor de SST, restamos la media global de cada mes para variación y, finalmente, no logran generar ningún significado físicamente
eliminar la señal de calentamiento a largo plazo asociada con el significativo. En este estudio, retrocedemos solo los dos patrones
calentamiento antropogénico (Flato y otros, 2014). Esto retiene cualquier principales de la serie de tiempo de balance de masa. Los modos más
tendencia exclusiva de la región del Atlántico Norte en escalas de allá de los dos primeros explican poca variación adicional (< 3%) y no
tiempo interanuales y multidecenales. Restringimos aún más el dominio alteran sustancialmente nuestras interpretaciones y conclusiones.
SST eliminando todos los puntos de la cuadrícula que experimentan Para algunos registros, el segundo modo SLP o SST explica del 1 al
una cubierta de hielo marino (como lo indican las rayas grises en las Figs. 3 y5%
5). de la varianza, lo que notamos que puede no tener físicamente
significado significativo. Por coherencia, elegimos incluir los dos primeros utilizados para determinar la significancia en este estudio corresponden
modos en todos los glaciares. A modo de comparación, los predictores al nivel de confianza del 95%.
SLP o SST explican entre el 7 y el 11 % de la varianza en las series
temporales aleatorias de ruido blanco (que oscila entre 30 y 70 años), lo
4. RESULTADOS
que proporciona un umbral aproximado para los patrones que sobresalen
del ruido. Presentamos el algoritmo de regresión PLS en su totalidad en 4.1. Tendencias de balance de masa sin procesar
el Apéndice, pero remitimos al lector a Smoliak y otros (2015) para
obtener una explicación completa del ajuste dinámico basado en PLS, Comenzamos evaluando las tendencias de balance de masa de invierno
incluida la discusión sobre la determinación de la cantidad de modos a y verano sin procesar (sin ajustar), usando la prueba t como se presentó
retener para un análisis particular. en la sección anterior (ver Tabla 2). El balance de masa de verano de
los glaciares G1–G7 y G9 muestra tendencias significativamente negativas
El ajuste dinámico basado en PLS proporciona dos productos útiles al nivel del 95 %. Austdalsbreen (G8) y Storgläcieren (G10) también
para la interpretación: primero, los patrones que explican la variabilidad tienen tendencias negativas de balance de masa en verano, pero ambas
tanto en el predictor (SLP o SST) como en el predictante (registros son estadísticamente insignificantes. Las tendencias invernales del
estacionales de balance de masa de glaciares) pueden interpretarse balance de masas de G1–G10 son todas estadísticamente insignificantes
como la firma de grandes cambios. la variabilidad de la circulación a y también de pequeña magnitud excepto para Austdalsbreen (G8; − 0,22
escala que está correlacionada con la variabilidad del balance de masa. mwe a−1 década−1 ), pero su breve registro requiere una relación señal
Como tales, sus componentes espaciales y temporales pueden a relación de ruido para la importancia de la tendencia. Los glaciares
compararse tanto con los modos establecidos de variabilidad climática situados más al norte (G11–G14) muestran tendencias más mixtas. Los
como con los patrones predictivos de otros glaciares (ver Sección 5). En balances de masa de invierno son todos negativos, aunque solo
segundo lugar, al comparar la serie temporal del balance de masa Langfjordjøkelen (G11) y Kongsvegen (G12) son estadísticamente
ajustada con la serie temporal del balance de masa sin procesar, significativos. Las tendencias de balance de masa de verano de G11–
podemos evaluar si estas características de la variabilidad climática han G14 son todas débilmente negativas y estadísticamente insignificantes.
contribuido a las tendencias observadas del balance de masa de los glaciares. Las series temporales de balance de masa sin procesar para G1–G14 se
presentan en el Material complementario (véanse las figuras S1 y S2).
En resumen, el conjunto de glaciares del sur (G1–G10) tiende a tener
3.2. Evaluación de las tendencias y la persistencia de los tendencias de balance de masa de verano significativamente negativas y
glaciares Para evaluar el papel de la variabilidad climática en las el conjunto de glaciares del norte (G11–G14) tiende a tener tendencias
tendencias del balance de masa de los glaciares, evaluamos la magnitud de balance de masa de invierno negativas, aunque estas solo son
y la importancia estadística de las tendencias estacionales del balance estadísticamente significativas. para Langfjordjøkelen (G11) y Kongsvegen
de masa de los glaciares antes y después del ajuste dinámico. Usamos (G12). A continuación, aplicamos el ajuste dinámico para aislar y eliminar
una prueba t de dos colas para evaluar la importancia de la tendencia la variabilidad inducida por la circulación atmosférica u oceánica a gran
(Lettenmaier, 1976). Siguiendo a Roe (2011), para un registro de balance escala, y luego reevaluamos las tendencias en los registros de balance
de masa glaciar dado, el valor t viene dado por: de masa ajustados.
ffiffiffiffiffiffiffiffiffiffiffiffi
ΔB nº 2
t ¼ (2)
σ 12r;
4.2. Variabilidad en los balances de masa de invierno
donde ΔB es la magnitud del cambio total en el balance de masa estimado Primero consideramos el SLP de invierno (octubremarzo) como
por un ajuste lineal de mínimos cuadrados durante el período de predictor. Encontramos que los dos primeros modos explican entre el 39
observación, σ es la desviación estándar del residuo sin tendencia y ν es y el 81% de la varianza en el balance de masa de invierno (Tabla 3).
el número de grados de libertad. La relación señalruido (ΔB/σ) revela la Los modos adicionales no explican la varianza apreciable (< 3%). En
relación de una tendencia con respecto a la variabilidad, haciendo que particular, la cantidad de variabilidad que SLP explica en el balance de
la importancia de una tendencia particular dependa de la señal que masa invernal es menor (en ~30%) en los glaciares más al norte (G11–
exhibe un glaciar. La significancia de la tendencia también depende G14) en comparación con los glaciares más al sur (G1–G10). La cantidad
estadísticamente del grado de persistencia en los registros de balance de de variabilidad explicada por SLP también es mayor (en ~20–30%) para
masa del glaciar sin procesar, lo que reduce los grados de libertad (ν) en la mayoría de los glaciares marítimos (G6–G8) en comparación con los
el registro. Sin embargo, la mayoría de los registros de balance de masa glaciares más interiores (G2 y G4).
de glaciares (G1–G12) que investigamos caen por debajo del umbral de
autocorrelación lag1 para el ruido blanco, definido por np Þ. Este Las Figuras 2 y 3 presentan el patrón espacial de variabilidad a partir
resultado es consistente con Bartlett (1946) como ð1:96Þ=ð la mayoría
ffiffiffi
de los balances de masa de invierno. Nos enfocamos aquí en el patrón
glaciares en todo el mundo, de los registros de balance de masa de de predicción principal para cada glaciar, pero discutimos el papel del
que generalmente carecen de una fuerte persistencia en escalas de segundo modo en la Sección 5 y proporcionamos los patrones del
tiempo interanuales (Burke y Roe, 2014; Medwedeff y Roe, 2017). segundo modo en el Material complementario (ver Figs. S3 y S4). Los
primeros modos de los patrones predictores SLP de invierno se muestran
De aquí en adelante, tratamos los registros de balance de masa del en la Fig. 2. El patrón predictor principal es casi idéntico para los glaciares
glaciar de G1–G12 como no correlacionados en el tiempo y asumimos G1–G8, que se agrupan dentro de los 300 km uno del otro (Fig. 1); por
que los grados de libertad en cada registro equivalen al número de años lo tanto, mostramos solo el patrón medio para G1–G8 en la figura 2a.
en el registro del balance de masa del glaciar. Para tener en cuenta la Para los glaciares G1–G8, G9 y G10, el patrón de predicción principal
persistencia débil en Midtre Lovénbreen (G13) y Austre Brøggerbreen tiene una estructura dipolar con una correlación negativa por encima de
(G14), estimamos ν siguiendo a Leith (1973), lo que resulta en ν = 28 60° N y una correlación positiva por debajo de 60° N. Esta estructura se
para Midtre Lovénbreen (G13) y ν = 26 para Austre Brøggerbreen (G14) asemeja a la firma espacial de la NAO (Figuras 2a–c; en comparación
– evaluamos la importancia de la tendencia en consecuencia. Todos los con la Fig. 9 de Hurrell y Deser, 2010). El primer modo del invierno.
valores críticos de t
Tabla 2. Tendencias estacionales del balance de masa de los glaciares (m we a−1 decenio−1 ) de las series de tiempo sin procesar y ajustadas. Los valores en negrita son tendencias
que son estadísticamente significativas al 95 % según una prueba t de Student de dos colas.
Crudo ajuste SLP ajuste SST
glaciar IDENTIFICACIÓN
B bw B bw B bw
Rembesdalskåka G1 − 0,18 − 0,06 − 0,16 − − 0,04 − − 0,16 − 0,01
Hellstugubreen G2 0,10 − − 0,003 0,05 − 0,03 − 0,12 − − 0,01

Storbreen G3 0,07 − 0,001 0,06 − 0,03 − 0,07 − 0,004
Gråsubreen G4 0,09 − 0,003 0,05 − 0,01 − 0,06 − − 0,005
Nigardsbreen G5 0,14 − 0,06 0,09 − 0,005 − 0,19 − 0,008

Ålfotbreen G6 0,24 − 0,05 0,23 − 0,07 0,07 − 0,02
Hansebreen G7 0,50 − − 0,05 − 0,55 − 0,05 0,02 0,08
austdalsbreen G8 0,26 − 0,22 − 0,35 − − 0,06 − 0,09 − 0,18
Engabreen G9 0,16 − 0,01 0,14 0,02 − − 0,11 0,04
Storgläcieren G10 0,02 − 0,04 0,00 0,01 − − 0,01 0,04
Langfjordjøkelen G11 0,19 − − 0,25 − − 0,33 − 0,11 − − 0,17 − − 0,09 −
Kongsvegen G12 0,03 − 0,09 − 0,06 − 0,07 − 0,07 − 0,10 −

Midtre Lovenbreen G13 0,02 − 0,02 − 0,04 − 0,02 − 0,03 − 0,02 −
Austre Broggerbreen G14 0,02 0,03 0,04 0,03 0,002 0,04
Tabla 3. Porcentaje (%) de la variabilidad del balance de masas de verano e invierno explicada en G1–G14 usando SST y SLP como predictores. La varianza explicada se muestra
para el primer modo (M1), el segundo modo (M2) y su suma.
SLP acero inoxidable
% Variación explicada % Variación explicada
glaciar IDENTIFICACIÓN
B bw B bw
M1 M2 Suma M1 M2 Suma 14 76 17 57 17 M1 M2 Suma 11 40 7 M1 M2 Suma
Rembesdalskåka G1 23 17 40 62 60 22 50 14 71 29 30 23 42 7 37 3 20 20 40
Hellstugubreen G2 33 14 47 40 16 75 17 80 14 23 24 23 57 15 58 25 12 37
Storbreen G3 21 22 43 43 81 15 46 19 69 19 24 69 1 51 17 43 26 15 41
Gråsubreen G4 42 47 28 33 50 1 52 19 44 30 20 49 15 47 29 22 14 36
Nigardsbreen G5 35 5 41 57 19 39 21 45 17 41 26 19 45
Ålfotbreen G6 28 6 41 59 34 27 18 45
Hansebreen G7 31 36 63 43 28 22 50
austdalsbreen G8 28 36 67 45 42 12 54
Engabreen G9 33 13 47 31 50 18 17 35
Storgläcieren G10 34 5 49 50 26 29 13 42
Langfjordjøkelen G11 17 8 32 17 29 40 12 52
Kongsvegen G12 20 14 45 51 32 24 31

Midtre Lovenbreen G13 21 15 31 25 16 28 7 43
Austre Broggerbreen G14 24 15 25 10 13 37 20 24 23 15 4 27
El patrón predictor SLP para Langfjordjøkelen (G11) es notablemente período de tiempo de cada registro de balance de masa; por lo tanto,
diferente al del conjunto de glaciares del sur (Fig. 2d), con un dipolo las escotillas difieren en cada figura. Al igual que SLP, los patrones
mucho menos llamativo. Los patrones predictores principales de predictores de SST muestran una fuerte distinción de sur a norte.
G12–G14 muestran más un patrón de correlación tripolar que Para los glaciares G1–G8, los predictores de TSM muestran un
recuerda al patrón SLP típicamente asociado con la AMO (Figura patrón espacial tripolar similar al típicamente asociado con la NAO
2e; en comparación con la Figura 3 de Knight y otros, 2006). Sin (Figura 3a; en comparación con la Figura 2 de Rodwell y otros, 1999).
embargo, esta correspondencia no es tan cercana como lo es para El patrón de TSM de Engabreen (G9) y Storgläcieren (G10) también
los glaciares del sur y la NAO, lo que sugiere que el patrón de comparten estas características generales de la NAO (Figuras 3b, c;
predicción no representa necesariamente la AMO exclusivamente; en comparación con la Figura 2 de Rodwell y otros, 1999). El
discutimos la relación entre los predictores y los modos climáticos principal patrón de predicción de TSM para Langfjordjøkelen (G11;
establecidos más adelante en la Sección 5. Fig. 3d) es nuevamente espacialmente diferente de los patrones de
TSM de G1–G10, ya que un gran patrón de correlación negativa se
En comparación con SLP, la TSM en invierno explica una menor encuentra frente a la costa de Europa occidental que no se ve en los
variabilidad del balance de masas, lo que representa entre el 27 y el patrones de predicción. de G1–G10 (Figs. 3a–c). Los principales
54 % (Tabla 3). El primer modo de los patrones predictores de TSM patrones de TSM para los glaciares ubicados en Svalbard (G12–
de invierno se presenta en la Fig. 3. Las líneas grises marcan las G14; Fig. 3e) representan una región de correlación positiva cerca
áreas eliminadas del análisis debido a la influencia del hielo marino de Svalbard, junto con un patrón de correlación negativa altamente
(consulte la Sección 2.2). Los puntos excluidos difieren según el localizado en la cuenca central del Océano Atlántico Norte. Esta estructura es simila
Fig. 2. Patrones predictores para el modo principal de SLP invernal y el balance de masa invernal de (a) G1–G8, (b) G9, (c) G10, (d) G11 y (e)
G12–G14. Los patrones que se muestran para G1–G8 y G12–G14 son ambos el promedio del patrón de predicción de cada glaciar individual.
Fig. 3. Patrones predictores para el modo líder de la TSM en invierno y el balance de masa invernal de (a) G1–G8, (b) G9, (c) G10, (d) G11 y (e)
G12–G14. Los patrones que se muestran para G1–G8 y G12–G14 son ambos el promedio del patrón de predicción de cada glaciar individual. Los sombreados marcan
áreas eliminadas del análisis debido a la influencia del hielo marino. Tenga en cuenta que la eclosión en (d) cubre un área más pequeña debido al registro más corto de
Langfjordjøkelen; solo se tuvieron que excluir las cajas de rejilla con hielo marino desde 1989.
idéntico al patrón de G11 (Fig. 3d) y que recuerda la firma espacial de Las tendencias de balance de masa de Hellstugubreen (G2) y
la SST asociada con la AMO (Knight y otros, 2006), que se manifiesta Gråsubreen (G4) siguen siendo negativas, pero disminuyen en magnitud
físicamente como anomalías de circulación justo al sur de Groenlandia, y se vuelven estadísticamente insignificantes. En particular, las
cerca del giro subpolar. tendencias de balance de masa de verano de Austdalsbreen (G8) y
Langfjordjøkelen (G11), que tienen registros cortos de balance de
masa ( 30 años), se vuelven significativamente negativas después
del ajuste SLP; sus tendencias negativas aumentan en magnitud en ~
4.3. Variabilidad en los balances de masa de verano Las dos 50%. Las tendencias de balance de masa de verano de G12–G14
principales modas del verano (abrilseptiembre) siguen siendo negativas e insignificantes, pero sus tendencias aumentan
Los predictores SLP y SST explican entre el 24 y el 69% de la varianza en magnitud. En la temporada de invierno, a pesar de representar del
del balance de masa de verano (Cuadro 3). La circulación en el verano 39 al 81 % de la variabilidad del balance de masas de invierno para
es menos vigorosa que en el invierno y, por lo tanto, además de la G1–G10, las anomalías de SLP tienen poco efecto en las tendencias
menor varianza explicada, se puede esperar que el balance de masa a largo plazo; las tendencias de balance de masas de invierno de G1–
del verano esté más influenciado por los efectos radiativos locales. De G10 siguen siendo insignificantes, aunque la mayoría de las tendencias
hecho, encontramos que los patrones predictores no se parecen mucho aumentan en magnitud. La tendencia negativa del balance de masa
a los modos canónicos de variabilidad climática a gran escala y invernal de Langfjordjøkelen (G11), que nuevamente tiene un registro
probablemente estén asociados con las condiciones radiativas corto de balance de masa, pierde significancia estadística después de
regionales. Los principales patrones predictores de SLP y SST para los que el ajuste SLP elimina ~50% de su tendencia negativa (ver Fig. 6b ) .
balances de masa de verano se muestran en las figuras 4 y 5, La tendencia del balance de masa invernal significativamente negativa
respectivamente. Los segundos modos se presentan nuevamente en el de Kongsvegen (G12) sigue siendo significativamente negativa
Material Suplementario (Figs. S5 y S6). Para G1–G10, los principales después del ajuste con la varianza SLP. La insignificante tendencia
patrones predictores de SLP muestran un centro de correlación negativa del balance de masa invernal de Austre Brøggerbreen (G14)
negativa sobre la región escandinava (Figs. 4a–c). Esto es consistente prácticamente no cambia, pero se vuelve estadísticamente significativa,
con el persistente sistema de presión anticiclónica que tiende a formarse con una varianza general más baja. Por último, la tendencia negativa
sobre Escandinavia en el verano (Luterbacher y otros, 2004). Tales insignificante de Midtre Lovénbreen (G13) sigue siendo insignificante y
sistemas de alta presión están asociados con cielos despejados, lo que cambia poco en magnitud después del ajuste de SLP.
da como resultado la disponibilidad de más radiación para el Cuando se utiliza la SST como predictor de la variabilidad del
derretimiento de los glaciares. De manera similar, los principales balance de masa de los glaciares, las tendencias ajustadas del balance
patrones predictores de TSM de verano (Fig. 5) muestran una de masa también siguen siendo muy similares a las tendencias del
correlación negativa local en la vecindad de los glaciares, pero son balance de masa sin procesar, con algunas excepciones. Las tendencias
débiles en otros lugares. Esto es consistente con una TSM regional por de balance de masa de verano de G1–G3, G5 y G9 siguen siendo
encima de lo normal que favorecería la pérdida de masa glaciar. significativamente negativas y cambian poco en magnitud (ver Fig. 6a).
Alternativamente, los dos patrones (Figs. 4a–c y 5a–c) podrían estar Por el contrario, las tendencias de balance de masa de verano de G4,
relacionados: el tiempo despejado asociado con un sistema persistente G6 y G7 se vuelven insignificantes y la magnitud de sus tendencias
de alta presión crearía una SST por encima de lo normal y aumentaría cambia sustancialmente después del ajuste de SST. La tendencia de
la radiación incidente de onda corta en los glaciares de la región. equilibrio de masas de verano tanto de Hansebreen (G7) como de
Austdalsbreen (G8) cambia de signo. Al igual que con SLP, las
tendencias de balance de masa de verano de G12–G14 siguen siendo
4.4. Tendencias ajustadas del balance de insignificantes y la magnitud de cada uno cambia poco con el ajuste de
masa Nuestros análisis muestran que entre el 24 y el 81 % de la SST. En la temporada de invierno, las tendencias de G1–G9 siguen
variabilidad estacional del balance de masa de los glaciares puede siendo insignificantes y la tendencia positiva del balance de masa
explicarse por la variabilidad en SLP y SST (Tabla 3). A continuación, invernal de Storgläcieren (G10) se vuelve significativamente positiva
evaluamos si estos patrones de circulación son responsables de algunas después del ajuste de la SST. La tendencia significativamente negativa
o todas las tendencias observadas en los registros de balance de masa. del balance de masa invernal de Kongsvegen (G12) permanece y la
Siguiendo a Smoliak y otros (2010), hacemos esto evaluando las tendencia negativa del balance de masa invernal de Austre Brøggerbreen (G14) se vue
tendencias en la serie temporal después de que se haya eliminado la Al igual que con el ajuste SLP, la tendencia del balance de masa
variabilidad asociada con la circulación (que se muestra en la Tabla 2). invernal de Langfjordjøkelen (G11) se reduce en > 50 % y pierde
Para ilustrar el procedimiento, la Fig. 6 muestra el efecto de eliminar, significación estadística (ver Fig. 6b). Por último, la tendencia del
por separado, la variabilidad de SLP y SST en el balance de masa de balance de masa invernal de Midtre Lovénbreen (G13) sigue siendo
verano de un registro a largo plazo, Storbreen (G3) y el balance de negativa e insignificante después del ajuste de SST.
masa de invierno de un registro a corto plazo, Langfjordøkelen (G11).
Para el registro a largo plazo, aunque 43% de la variabilidad del
balance de masa de verano puede explicarse por la variabilidad de SLP 5. DISCUSIÓN
o SST (Tabla 3), la tendencia significativamente negativa permanece Usando el ajuste dinámico, identificamos y eliminamos la variabilidad
prácticamente sin cambios (Fig. 6a). Por el contrario, con un registro a asociada con las anomalías de SLP y SST de los registros de balance
corto plazo, la varianza explicada por SLP o SST ( 50 %) altera de masa estacional de 14 glaciares en Noruega, Suecia y Svalbard.
sustancialmente la magnitud de la tendencia (Fig. 6b). Las series Nuestro estudio se suma a una literatura ya extensa (p. ej., McCabe y
temporales ajustadas de todos los glaciares también se presentan Fountain, 1995; Pohjola y Rogers, 1997; Bitz y Battisti, 1999; Nesje y
directamente en el Material Suplementario (véanse las Figs. S1 y S2). otros, 2000; Rasmussen y Conway, 2005; Rasmussen, 2007; Nesje y
En general, las tendencias de balance de masa de verano no otros, 2008 ) ; Huss y otros, 2010a; Marzeion y Nesje, 2012; Trachsel y
cambian sustancialmente después del ajuste SLP, aunque hay algunas Nesje, 2015; Mutz y otros, 2016; Christian y otros, 2016) sobre la
excepciones. Las tendencias de G1, G3, G5–7 y G9 siguen siendo relación entre la atmósfera y la
significativamente negativas al nivel del 95 %, aunque la mayoría de las
tendencias se vuelven un poco menos negativas. Sin embargo, el verano
Fig. 4. Patrones de predicción para el modo principal de SLP de verano y el balance de masa de verano de (a) G1–G8, (b) G9, (c) G10, (d) G11 y (e)
G12–G14. Los patrones que se muestran para G1–G8 y G12–G14 son ambos el promedio del patrón de predicción de cada glaciar individual.
Fig. 5. Patrones de predicción para el modo principal de TSM de verano y el balance de masa de verano de (a) G1–G8, (b) G9, (c) G10, (d) G11 y (e) G12–
G14. Los patrones que se muestran para G1–G8 y G12–G14 son ambos el promedio del patrón de predicción de cada glaciar individual. Las áreas de marcas
de sombreado se eliminan del análisis debido a la influencia del hielo marino.
impulsa las trayectorias de las tormentas más al norte, provocando
precipitaciones por encima de lo normal en el norte de Europa y
Escandinavia. Una fase negativa de la NAO invernal está asociada con
las anomalías de presión opuestas sobre estas regiones, enviando
trayectorias de tormentas más al sur y creando precipitaciones por
debajo de lo normal sobre el norte de Europa y Escandinavia (Hurrell y otros, 2003) .
Otro modo dominante de variabilidad en la región, el AMO, es un
patrón coherente de variabilidad de la TSM al que a menudo se le
atribuye una firma multidecenal de 60 a 80 años, aunque es importante
señalar que estas anomalías también tienen un poder sustancial en
escalas de tiempo interanuales ( véase Burke y Roe, 2014). Existe un
debate en curso sobre los orígenes de esta variabilidad y si surge
principalmente por la influencia de la variabilidad atmosférica interna o
por cambios en la circulación oceánica (p. ej., Clement y otros, 2015;
O'Reilly y otros, 2016 ) . Un trabajo reciente sugiere que el acoplamiento
dinámico entre las circulaciones atmosférica y oceánica es fundamental
para la AMO (Wills y otros, 2019).
Independientemente de los mecanismos subyacentes, la AMO se
define principalmente en términos de las anomalías de la TSM
promediadas espacialmente en la cuenca del Atlántico Norte (0–60° N,
0–80° O), con una fase AMO positiva (negativa) identificada por por
encima (por debajo) de la SST normal. La variabilidad de AMO contribuye
Fig. 6. La serie temporal de balance de masa de verano sin procesar (gris),
a veranos anómalamente más cálidos o fríos en América del Norte y
ajustada con la variabilidad de SLP (azul) y ajustada con la variabilidad de
SST (rojo) para (a) Storbreen (G3) y la serie temporal de balance de masa de Europa occidental (Sutton y Hodson, 2005), cambios en la temperatura
invierno para (b ) Langfjordjøkelen (G11). Las líneas representan un ajuste superficial media del hemisferio norte (Knight y otros, 2006) y variabilidad
lineal de mínimos cuadrados de cada serie temporal. La línea discontinua del hielo marino del Ártico (Miles y otros, 2014 ). ; Li y otros, 2018) a
denota una tendencia insignificante y la línea continua denota una tendencia través de la redistribución de calor y masa en toda la cuenca. En el
significativa según la prueba t presentada en la Sección 3. invierno, una fase AMO positiva y temperaturas superficiales por encima
de lo normal pueden elevar la línea lluvianieve, alterando así la cantidad
de acumulación de nieve en los glaciares.
la circulación oceánica y el balance de masa de los glaciares mediante
la identificación de patrones de variabilidad climática que mejor
expliquen la variabilidad del balance de masa de cada glaciar. Estos
análisis identifican la influencia de dos modos prominentes de variabilidad 5.2. Variabilidad del balance de masa
en la región del Atlántico Norte (es decir, NAO y AMO) en función de los Los principales patrones predictores de SLP y SST para el balance de
patrones espaciales en los modos principales de los campos predictores masa invernal de los glaciares del sur (G1–G10) se asemejan a la firma
en los ajustes de invierno. Sin embargo, las influencias de cada uno son espacial de la NAO (Figs. 2a–c y 3a–c). La relación entre la NAO y la
regionalmente distintas: los patrones de predicción que se asemejan a variabilidad de la acumulación ha sido bien documentada (p. ej., Pohjola
la NAO impulsan la variabilidad de la acumulación para los glaciares y Rogers, 1997; Nesje y otros, 2000; Rasmussen, 2007; Nesje y otros,
del sur (G1–G10), mientras que los patrones que se asemejan 2008; Mutz y otros, 2016) y puede interpretarse en la luz de las
espacialmente a la AMO parecen impulsar la variabilidad de la relaciones tormentapista y precipitación descritas anteriormente. Los
acumulación para los glaciares más al norte (G11–G14) . A continuación, principales patrones predictores de SLP y SST del balance de masa
primero resumimos las anomalías de circulación que están asociadas
invernal de los glaciares del norte (G11–G14) exhiben una estructura
con los patrones canónicos de NAO y AMO. Luego exploramos su espacial más parecida a AMO, con una polaridad que indica
expresión en los registros de balance de masa de invierno al comparar anticorrelación con el índice AMO (Figs. 2d, e y 3d, e). Sin embargo,
la serie temporal PLS con los índices NAO y AMO para evaluar este patrón no es idéntico al AMO y en realidad puede ser una
cuantitativamente los impulsores de la variabilidad de la acumulación. combinación de diferentes mecanismos físicos. Por ejemplo, también
Por último, ubicamos los resultados de nuestro estudio en un contexto hay correlaciones positivas localizadas de SST frente a la costa de
más amplio al considerar las implicaciones de los cambios de tendencia Svalbard, lo que sugiere que las variaciones locales de SST pueden
asociados con la variabilidad inducida dinámicamente. provocar cambios en las temperaturas superficiales cercanas sobre la
tierra. Durante la temporada de invierno, esto puede permitir sistemas
de tormentas más fuertes y, por lo tanto, una mayor acumulación. La
5.1. Modos de variabilidad climática La NAO influencia de la AMO en la variabilidad del balance de masa invernal de
es un modo de variabilidad que expresa variaciones en la fuerza y los glaciares de Svalbard (G12–G14) es coherente con la extensión
orientación de los vientos del oeste, que controlan las trayectorias de espacial de la AMO, que influye en la variabilidad del hielo marino cerca
transporte de humedad y calor en la región del Atlántico Norte (Hurrell, de Svalbard (p. ej., Day y otros, 2012; Miles y otros, 2014; Li y otros,
1995 ). Los mecanismos que crean estas variaciones siguen siendo 2018). Una comprensión mecánica de cómo la AMO impacta el balance
objeto de debate (p. ej., Visbeck y otros, 2001; Hurrell y Deser, 2010), de masa de los glaciares en el Ártico puede ser difícil de separar de la
pero una fase invernal positiva de la NAO se asocia con baja presión en variabilidad de la circulación asociada con la NAO. De hecho, Wills y
las latitudes altas del Atlántico norte, lo que fortalece la baja islandesa, otros (2019) proponen que la variabilidad interanual, como la NAO, es
y alta presión frente a la costa de Europa occidental, reforzando las altas un impulsor clave de la AMO, lo que sugiere que los dos
Azores. Este aumento del gradiente de presión de sur a norte,
Fig. 7. (a, b) Correlaciones entre los índices climáticos y las series de tiempo del predictor SLP identificadas por el ajuste dinámico de cada registro de
balance de masa invernal. Las correlaciones se muestran solo para las dos series de tiempo principales (t1 y t2) y sus combinaciones ponderadas (β1t1 y β2t2). (a)
Invierno (octubremarzo) Índice NAO y predictores SLP. ( b ) Índice AMO de invierno y predictores SLP. ( c – e ) Correlaciones entre glaciares de la serie de
tiempo principal de PLS ( c ), la segunda serie de tiempo ( d ) y la serie de tiempo combinada ( e ). En este caso, el segundo modo ayuda a diferenciar las
señales de variabilidad inducida dinámicamente entre los glaciares del sur y del norte.
Los modos están íntimamente relacionados. Sin embargo, vale la pena La correlación de la NAO con la precipitación invernal de los datos de la
señalar que las correlaciones sugieren que se produce una tendencia estación noruega es similar ( 0,70; Hurrell, 1995), lo que agrega confianza
negativa en el balance de masas de invierno cuando hay una fase AMO a la interpretación de que el modo PLS líder captura la señal de precipitación
positiva (SST por encima de lo normal). Sin embargo, un AMO positivo se asociada con la variabilidad atmosférica a gran escala. La variabilidad
asocia con un aumento tanto de la precipitación como de la temperatura restante puede deberse a procesos locales (avalanchas o redistribución
de la superficie, lo que sugiere que quedan dudas sobre la importancia del viento) o errores de medición. Debe tenerse en cuenta que las
relativa de la acumulación frente a los eventos de derretimiento invernal correlaciones son menos sólidas para los registros más cortos ( 30 años)
en los glaciares y capas de hielo de latitudes altas. de G7, G8, G11 y G12.
Dado que los patrones predictores no son idénticos a la NAO o AMO,
la variabilidad eliminada de los registros de balance de masa estacional La existencia de correlaciones de moderadas a fuertes entre latitudes
probablemente represente una combinación de diferentes modos de tanto para la NAO como para la AMO sugiere que la variabilidad en
variabilidad climática. La serie temporal de PLS asociada con estos cualquier registro de balance de masa no se describe completamente
patrones espaciales se puede comparar con los índices temporales de mediante un solo índice climático, sino que puede tener múltiples orígenes
AMO y NAO para evaluar más a fondo los principales impulsores de la en el sistema acoplado océanoatmósfera. del Atlántico Norte. Una
variabilidad del balance de masa de los glaciares. A continuación, usamos regresión combinada de múltiples modos independientes, como se hace
los promedios de octubre a marzo de los índices mensuales NAO y AMO con el ajuste dinámico, proporciona una forma de capturar esta variabilidad
del Centro de Predicción Climática de la NOAA (1950presente; Barnston combinada y también las diferentes firmas entre los glaciares. Las Figuras
y Livezey, 1987) y el Laboratorio de Investigación del Sistema Terrestre 7c–e muestran las correlaciones de la serie de tiempo SLP de invierno
(1948presente; Enfield y otros, 2001 ) , respectivamente. La Figura 7 entre pares de glaciares, mostrando nuevamente los dos modos principales
muestra las correlaciones temporales entre los predictores de SLP y el solos (Figs. 7c–d) y su combinación (Fig. 7e). Las correlaciones entre
índice NAO (Fig. 7a), y los predictores de SLP y el índice AMO (Fig. 7b). glaciares demuestran la importancia del segundo modo para estos
ajustes: en la Fig. 7c, las correlaciones son fuertes entre casi todos los
Las correlaciones se muestran solo para las dos principales series de glaciares, consistentes con cierta influencia de la NAO en toda la región
tiempo de PLS (t1 y t2) y sus combinaciones lineales (β1t1 + β2t2), la (p. ej., Fig. 7a); sin embargo, las correlaciones para la Fig. 7d tienen
última de las cuales son las señales finalmente regresivas fuera de los marcadas diferencias para los glaciares del sur y del norte.
registros de balance de masa. En general, las correlaciones entre las
principales series de tiempo de PLS y NAO son más fuertes que con Estos grupos de correlación y anticorrelación también se manifiestan en la
AMO; sin embargo, estas correlaciones también muestran una ligera serie temporal combinada, que se muestra en la Fig. 7e. Por lo tanto,
tendencia geográfica de mayor influencia de la NAO en el sur y una además de explicar un 1520 % adicional de varianza en cada registro
anticorrelación con la AMO en el norte, especialmente con los modos (Tabla 2), estos segundos modos aclaran la dependencia geográfica de la
combinados. Para comparacion, variabilidad del balance de masa.
Estas relaciones generalmente son menos claras cuando se usa SST enmascarando cualquier fuerte tendencia subyacente. La tendencia positiva
como predictor (consulte la Fig. S7 en el Material complementario). Debido del balance de masa invernal de Storgläcieren (G10), que es insignificante
a que SLP y SST generalmente tienen diferentes patrones espaciales de en el registro bruto, se vuelve significativamente positiva después del ajuste
variación, es poco probable que la variabilidad identificada por el ajuste con SST, aunque no con SLP (Tabla 2 ) .
dinámico se divida de manera idéntica entre los modos principales. Las Sin embargo, esta importancia surge principalmente a través de la
relaciones también pueden ser menos claras simplemente porque SST es reducción de la varianza; el cambio muy pequeño en la magnitud sugiere
un predictor menos robusto para la variabilidad del balance de masa: los que la variabilidad de la TSM no está sesgando sustancialmente la tendencia
ajustes dinámicos con SST explican menos varianza que con SLP en casi de Storgläcieren (G10). La tendencia geográfica de las tendencias negativas
todos los casos (Tabla 3 ) . La necesidad de eliminar la señal media global, del balance de masas invernales para los glaciares más septentrionales se
así como cualquier punto de cuadrícula con hielo marino, hace que la SST mantiene después del ajuste de SLP y SST. La tendencia negativa del
sea un indicador menos directo y menos expansivo de la variabilidad de la balance de masa invernal de Langfjordjøkelen (G11) se reduce en gran
circulación para esta aplicación. Además, eliminar de manera confiable la medida por el ajuste de SLP y SST y pierde significación estadística, lo que
señal antropogénica forzada externamente dentro de la SST es un desafío sugiere que la variabilidad climática está sesgando la tendencia en su corto
(por ejemplo, Wills y otros, 2018) : restar el valor medio global en cada paso registro de balance de masa invernal (ver Fig. 6b ) . Por último, la
de tiempo puede dejar tendencias residuales de calentamiento regional. Si insignificante tendencia invernal del balance de masas de Austre
bien puede proporcionar una verificación útil de la consistencia con los Brøggerbreen (G14) se vuelve significativamente negativa una vez que se
ajustes de SLP (p. ej., observar la influencia de los índices AMO/NAO en elimina la variabilidad de SLP o SST. Sin embargo, el pequeño cambio de
ambos), tenemos más confianza en nuestras interpretaciones de los magnitud sugiere que la variabilidad climática no está sesgando
patrones predictores de SLP y las series temporales identificadas por el sustancialmente la tendencia del balance de masa invernal de Austre
ajuste dinámico. Brøggerbreen.
6. RESUMEN Y CONCLUSIÓN
5.3. Tendencias ajustadas Un desafío clave en la ciencia climática es cuantificar los efectos de la
Después de que los patrones de variabilidad descritos anteriormente se variabilidad interna en los registros climáticos (p. ej., Hawkins y Sutton,
hayan extraído de los registros originales de balance de masa, los registros 2009; Deser y otros, 2012). El retroceso de los glaciares es una
ajustados pueden manifestar más directamente las tendencias a largo manifestación destacada y tangible de un mundo en calentamiento y la
plazo. En gran parte, las tendencias negativas del balance de masas de atribución regional es bastante sólida (p. ej., Roe y otros, 2017). Sin
verano de G1–G9 permanecen después de los ajustes de SST y SLP, lo embargo, el registro de balance de masa de cualquier glaciar puede reflejar
que sugiere que las tendencias no están asociadas con la variabilidad cambios antropogénicos, así como un alto grado de variabilidad inducido
inducida dinámicamente. Hay, sin embargo, algunas excepciones notables. por las fluctuaciones naturales del sistema climático. De hecho, esto
Por ejemplo, las tendencias de balance de masa de verano de Ålfotbreen significa que la variabilidad en cualquier registro puede ser el resultado de
(G6) y Hansebreen (G7), los dos glaciares más marítimos de este estudio, múltiples procesos que generan anomalías en la acumulación o la ablación.
siguen siendo negativas pero se vuelven insignificantes después del ajuste Esto conduce a un paso previo importante antes de que la pérdida de masa
con SST (Tabla 2 ) . De manera similar, las tendencias de balance de masa de cualquier glaciar individual pueda atribuirse al calentamiento
de verano de Hellustubreen (G2) y Gråsubreen (G4) siguen siendo negativas antropogénico: se deben identificar los patrones de circulación atmosférica
pero se vuelven insignificantes después del ajuste SLP (Tabla 2). Estos y oceánica a gran escala que impulsan la variabilidad del balance de masa
resultados sugieren que parte de la tendencia negativa del balance de del glaciar y su efecto en el balance de masa del glaciar. cuantificado. Este
masas de verano puede ser el resultado de anomalías de SST y SLP no trabajo identificó que los glaciares en Noruega, Suecia y Svalbard están
asociadas con el calentamiento antropogénico. Por supuesto, es ciertamente influenciados por la NAO, que está asociada con la ruta y la intensidad de
posible que estas anomalías sean en sí mismas la respuesta forzada, lo las tormentas de invierno, de acuerdo con varios estudios previos (p. ej.,
que sugeriría que la tendencia negativa continuará. Pohjola y Rogers, 1997; Nesje y otros , 2000 ; Rasmussen , 2007; Nesje y
otros, 2008; Marzeion y Nesje, 2012; Trachsel y Nesje, 2015). Sin embargo,
La eliminación de estas anomalías hace que nuestro análisis de cualquier el ajuste dinámico también reveló que los glaciares que residen más al
tendencia remanente sea una estimación conservadora de la señal norte muestran progresivamente más influencia de anomalías similares a
antropogénica. Además, dadas las advertencias de usar la TSM como AMO, lo que sugiere que, si bien la NAO es el principal impulsor de la
predictor, los cambios en la importancia de la tendencia debidos únicamente variabilidad del balance de masa de los glaciares en la región, ambos
al ajuste de la TSM deben interpretarse con cautela. Las tendencias modos de variabilidad climática actúan para impulsar anomalías en la
negativas del balance de masas de verano de Austdalsbreen (G8) y acumulación.
Langfjordjøkelen (G11), que tienen registros cortos de balance de masas,
aumentan en magnitud y adquieren significación estadística después del
ajuste SLP. Sin embargo, Austdalsbreen está pariendo en un lago regulado, Dado que una gran parte de la variabilidad del balance de masa invernal
por lo que se debe tener cuidado al interpretar estos resultados de (entre el 27 y el 81 %) en esta región está impulsada por patrones que
tendencia, ya que su ablación está influenciada en cierta medida por esta recuerdan a estos dos modos de variabilidad climática, las predicciones
regulación (Fleig y otros, 2013) . Aún así, esto destaca que los registros de del cambio de los glaciares pueden verse limitadas por la previsibilidad de
balance de masa a corto plazo pueden ser especialmente susceptibles a la NAO y la AMO.
los sesgos de la variabilidad en la circulación atmosférica. Otro resultado clave de este estudio es el análisis de las tendencias en
las series temporales de balance de masa sin procesar y ajustadas. Los
Para la temporada de invierno, las tendencias del balance de masa glaciares ubicados en el sur de Noruega tienden a tener tendencias de
siguen siendo insignificantes en el grupo del sur (G1–G9) después de los balance de masa de verano significativamente negativas, mientras que los
ajustes de SST y SLP, aunque la mayoría de las tendencias se vuelven un glaciares ubicados más al norte tienden a tener tendencias de balance de
poco más negativas. Este resultado indica que la variabilidad de la masa de invierno significativamente negativas. Después del ajuste dinámico,
circulación, aunque explica entre el 27 y el 81 % de la variabilidad del estas tendencias estacionales se mantienen en gran medida. Esto sugiere
balance de masa invernal (Tabla 3), no sesga o que las tendencias de balance de masa a largo plazo en la mayoría de los glaciares
en Noruega, Suecia y Svalbard tiene poco que ver con la variabilidad Bjørk AA y otros 13 (2018) Cambios en los glaciares periféricos de
de la circulación, lo que contrasta con algunos análisis de glaciares en Groenlandia vinculados a la Oscilación del Atlántico Norte. Nat. Clima
los Alpes, donde aproximadamente la mitad de la tendencia del Cambiar, 8(1), 48 (doi: 10.1038/s4155801700291)
balance de masa es atribuible a la AMO (Huss y otros, 2010a) . Las Braithwaite RJ (2009) Después de seis décadas de monitorear el balance de masa de
los glaciares, todavía necesitamos datos, pero deberían ser datos más completos. Ana.
excepciones, donde la variabilidad inducida dinámicamente afecta
Glac., 50(50), 191–197 (doi: 10.3189/172756409787769573)
más sustancialmente las tendencias del balance de masa, tienden a
Burke EE y Roe GH (2014) La ausencia de memoria en el forzamiento
ser aquellos glaciares con registros de balance de masa más cortos o
climático de los glaciares. Clima Dyn., 42(5–6), 1335–1346 (doi: 10.1007/
que residen en climas más marítimos. Esto demuestra los desafíos
s0038201317580)
asociados con la interpretación de tendencias en cualquier registro Christian JE, Siler N, Koutnik M y Roe G (2016) Identificación de la
único de balance de masa, especialmente en escalas de tiempo cortas. variabilidad inducida dinámicamente en registros de balance de masa de glaciares.
Sin embargo, el ajuste dinámico es una herramienta eficaz para J. Clim., 29(24), 8915–8929 (doi: 10.1175/JCLID160128.1)
cuantificar estos efectos, ya que identifica patrones de circulación a Clement A y otros 6 (2015) La Oscilación Multidecadal del Atlántico sin un
gran escala que se correlacionan con los balances de masa de los papel para la circulación oceánica. Ciencia, 350 (6258), 320–324 (doi:
10.1126/science.aab3980)
glaciares sin asumir una relación con un índice climático predefinido.
Day J, Hargreaves J, Annan J y AbeOuchi A (2012) Fuentes de variabilidad
Identificar la firma de la variabilidad natural siempre será un paso vital
multidecenal en la extensión del hielo marino del Ártico. Reinar. Res.
para interpretar las tendencias en los registros de balance de masa de
Lett., 7(3), 034011 (doi: 10.1088/17489326/7/3/034011)
los glaciares. Análisis similares en otras regiones con registros de
Deser C, Walsh JE y Timlin MS (2000) Variabilidad del hielo marino del Ártico
balance de masa de varias décadas, como los Alpes, pueden conducir en el contexto de las tendencias recientes de la circulación atmosférica.
a una comprensión más sólida de los roles de la variabilidad de la J. Clim., 13 (3), 617–633 (doi: 10.1175/15200442(2000)013<0617:
circulación y del forzamiento antropogénico en el balance de masa de ASIVIT>2.0.CO;2)
los glaciares. Incluso cuando no se dispone de registros de balance Deser C, Phillips A, Bourdette V y Teng H (2012) Incertidumbre en las
de masa de glaciares a largo plazo, sigue siendo importante dividir la proyecciones del cambio climático: el papel de la variabilidad interna.
variabilidad natural de la respuesta forzada, y las aplicaciones Clima Dyn., 38(3–4), 527–546 (doi: 10.1007/s003820100977x)
anteriores de ajuste dinámico a las mediciones de temperatura y Deser C, Terray L y Phillips AS (2016) Componentes forzados e internos de
precipitación sugieren que podría aplicarse para investigar los las tendencias de la temperatura del aire invernal en América del Norte
durante los últimos 50 años: mecanismos e implicaciones. J. Clim., 29(6),
impulsores subyacentes del cambio de los glaciares. en tales entornos también.
2237–2258 (doi: 10.1175/JCLID150304.1)
Elsberg D, Harrison W, Echelmeyer K y Krimmel R (2001)
Cuantificación de los efectos del cambio climático y superficial en el
MATERIAL SUPLEMENTARIO
balance de masa de los glaciares. J. Glac., 47(159), 649–658 (doi:
El material complementario de este artículo se puede encontrar en https://doi.org/ 10.3189/ 172756501781831783)
10.1017/jog.2019.35 Enfield DB, MestasNuñez AM y Trimble PJ (2001) La oscilación multidecadal
del Atlántico y su relación con las precipitaciones y los caudales fluviales
en los EE. UU. continentales. Geofísico. Res. Lett., 28(10), 2077– 2080
EXPRESIONES DE GRATITUD (doi: 10.1029/2000GL012745)
Engelhardt M, Schuler TV y Andreassen LM (2015) Sensibilidades del balance
Este trabajo se benefició de discusiones perspicaces con Kyle Armour, de masa de los glaciares y la escorrentía a las perturbaciones climáticas
Cecilia Bitz y Jack Kohler. Agradecemos a Gerard Roe por sus en Noruega. Ana. Glac., 56(70), 79–88 (doi: 10.3189/ 2015AoG70A004)
comentarios detallados sobre un borrador de este manuscrito y a
Nicholas Siler por ofrecer orientación sobre la técnica estadística. Flato G y otros (2014) Evaluación de modelos climáticos. 741–866.
También agradecemos a la Editora, Carleen TijmReijmer y a dos Fleig A y otros 7 (2013) Conjunto de datos de referencia hidrológica noruega
revisores anónimos por sus comentarios que mejoraron enormemente para estudios de cambio climático. Informe NVE, 2–2013.
el manuscrito. DBB recibió el apoyo de fondos iniciales de KC en la Frankignoul C y Hasselmann K (1977) Modelos climáticos estocásticos, Parte
II Aplicación a las anomalías de la temperatura de la superficie del mar y
Universidad de Washington. JEC fue apoyado por el Programa de
la variabilidad de la termoclina. Tellus, 29(4), 289–305 (doi: 10.3402/
Becas de Investigación para Graduados de la Fundación Nacional de
tellusa.v29i4.11362)
Ciencias (DGE1256082).
Guan X, Huang J, Guo R y Lin P (2015) El papel de la variabilidad inducida
dinámicamente en la reciente desaceleración de la tendencia al
calentamiento en el hemisferio norte. ciencia Rep., 5, 12669 (doi: 10.1038/
REFERENCIAS srep12669)
Andreassen LM, Nordli Ø, Rasmussen A y Melvold K (2012) Hahn L, Ummenhofer CC y Kwon YO (2018) La variabilidad natural del
Langfjordjøkelen, un glaciar que se encoge rápidamente en el norte de Atlántico norte modula la aparición del derretimiento generalizado de
Noruega. J. Glac., 58(209), 581–593 (doi: 10.3189/2012JoG1) Groenlandia en un clima más cálido. Geofísico. Res. Lett., 45 (17), 9171–
Andreassen LM, Elvehøy H, Kjøllmoen B y Engeset RV (2016) 9178 (doi: 10.1029/2018GL079682)
Nuevo análisis de series a largo plazo de balance de masa glaciológico y Hasselmann K (1976) Modelos climáticos estocásticos parte I. Teoría.
geodésico para 10 glaciares noruegos. La criosfera, 10(2), 535–552 (doi: Tellus, 28(6), 473–485 (doi: 10.3402/tellusa.v28i6.11316)
10.5194/tc105352016) Hawkins E y Sutton R (2009) El potencial para reducir la incertidumbre en las
Barnston AG y Livezey RE (1987) Clasificación, estacionalidad y persistencia predicciones climáticas regionales. Toro. Amer. Meteorito. Soc., 90(8),
de patrones de circulación atmosférica de baja frecuencia. 1095–1107 (doi: 10.1175/2009BAMS2607.1)
Lun. Weather Rev., 115(6), 1083–1126 (doi: Holmlund P y Jansson P (1999) El programa de balance de masas de tarfala.
10.1175/15200493(1987)115<1083:CSAPOL>2.0.CO;2) Geografiska Annaler: Serie A, Geografía física, 81 (4), 621–631.
Bartlett MS (1946) Sobre la especificación teórica y las propiedades de
muestreo de las series de tiempo autocorrelacionadas. J. Estado Real. Hurrell JW (1995) Tendencias decenales en la Oscilación del Atlántico Norte:
Soc., 8(1), 27–41 (doi: 10.2307/2983611) temperaturas y precipitaciones regionales. Ciencia, 269(5224), 676–679
Bitz C y Battisti D (1999) Variabilidad interanual a decenal en el clima y el (doi: 10.1126/ciencia.269.5224.676)
balance de masa de los glaciares en Washington, el oeste de Canadá y Hurrell JW y Deser C (2010) Variabilidad climática del Atlántico Norte: el
Alaska. J. Clim., 12(11), 3181–3196 (doi: papel de la Oscilación del Atlántico Norte. J. Mar. Syst., 79(3–4), 231–
10.1175/15200442(1999)012<3181:ITDVIC>2.0.CO;2) 244 (doi: 10.1016/j.jmarsys.2008.11.026)
Hurrell JW, Kushnir Y, Ottersen G y Visbeck M (2003) Una visión general de la modelo dinámicoestadístico. Clima Dyn., 46(5–6), 1581–1597 (doi: 10.1007/
oscilación del Atlántico Norte. Amer. Geofísico. Unión, 134, 1–35. s0038201526635)
Nesje A, Lie Ø y Dahl SO (2000) ¿Se refleja la Oscilación del Atlántico Norte en
Huss M, Hock R, Bauder A y Funk M (2010a) Cambios de masa de glaciares de los registros de balance de masa de los glaciares escandinavos?. J. Quat.
100 años en los Alpes Suizos vinculados a la Oscilación Multidecadal del Sci., 15(6), 587–601 (doi: 10.1002/10991417(200009)15: 6<587::AID
Atlántico. Geofísico. Res. Lett., 37(10), L10501 (doi: 10.1029/2010GL042616) JQS533>3.0.CO;22)
Nesje A, Bakke J, Dahl SO, Lie Ø y Matthews JA (2008) Glaciares de montaña
Huss M, Hock R, Bauder A y Funk M (2010b) Respuesta al comentario de Leclercq noruegos en el pasado, presente y futuro. globo Planeta.
et al. sobre “Cambios de masa de 100 años en los Alpes Suizos vinculados a Cambio, 60(1–2), 10–27 (doi: 10.1016/j.gloplacha.2006.08.004)
la Oscilación Multidecadal Atlántica”. NPI (2017) Serie temporal de balance de masa de Austre Brøggerbreen, Midtre
Cryosphere Dis., 4, 2587–2592 (doi: 10.5194/tcd425872010) Lovénbreen y Kongsvegen. MOSJ, URL: http://www. mosj.no/en/climate/land/
Kalnay E y otros 21 (1996) El proyecto de reanálisis de 40 años de NCEP/NCAR. massbalanceglaciers.html Oerlemans J (2005) Extrayendo
Toro. Amer. Meteorito. Soc., 77(3), 437–471 (doi: una señal climática de 169 registros de glaciares. Ciencia, 308(5722), 675–677
10.1175/15200477(1996)077<0437:TNYRP>2.0.CO;2) (doi: 10.1126/ ciencia.1107046)
Kjøllmoen B, Andreassen LM, Elvehøy H, Jackson M y Melvold K (2017)
Investigaciones glaciológicas en Noruega 2016. NVE Report, 76, 95. O'Reilly CH, Huber M, Woollings T y Zanna L (2016) The signa ture of low
frequency oceanic forcing in the Atlantic Multidecadal Oscillation. Geofísico.
Knight JR, Folland CK y Scaife AA (2006) Impactos climáticos de la oscilación Res. Lett., 43(6), 2810– 2818 (doi: 10.1002/2016GL067925)
multidecadal del Atlántico, Geophys. Res. Lett., 33(17), L17706 (doi:
10.1029/2006GL026242) Pohjola VA y Rogers JC (1997) Circulación atmosférica y variaciones en el
Latif M y Barnett TP (1994) Causas de la variabilidad climática decadal en el balance de masa de los glaciares escandinavos. Cuat. Res., 47 (1), 29–36
Pacífico Norte y América del Norte. Ciencia, 266(5185), 634–637 (doi: 10.1126/ (doi: 10.1006/qres.1996.1859)
ciencia.266.5185.634) Rasmussen LA (2007) Extensión espacial de la influencia en el balance de masa
Leclercq P, Van de Wal R y Oerlemans J (2010) comentan sobre "Cambios de de los glaciares de los índices de circulación del atlántico norte. Terra Glacialis,
masa de 100 años en los Alpes suizos vinculados a la Oscilación multidecenal 10, 43–758.
del Atlántico" por Matthias Huss et al. (2010). Rasmussen L y Conway H (2005) Influencia de las condiciones del aire superior
Cryosphere Dis., 4(4), 2475–2481 (doi: 10.5194/tcd424752010) en los glaciares en Escandinavia. Ana. Glac., 42, 402–408 (doi:
Lehner F, Deser C y Terray L (2017) Hacia una nueva estimación del "tiempo de 10.3189/172756405781812727)
aparición" del calentamiento antropogénico: conocimientos del ajuste dinámico Rayner NA y otros 7 (2003) Análisis globales de la temperatura de la superficie
y un gran conjunto de modelos de condiciones iniciales. J. Clim., 30(19), 7739– del mar, el hielo marino y la temperatura del aire marino nocturno desde
7756 (doi: 10.1175/JCLID 160792.1) finales del siglo XIX. J. Geophys. Res., 108(D14) (doi: 10.1029/ 2002JD002670)
Leith C (1973) El error estándar de las estimaciones promedio de tiempo de las Consorcio RGI (2017) Inventario de glaciares Randolph: un conjunto de datos de
medias climáticas. Aplicación J. Meteorol. Climatol., 12(6), 1066–1069 (doi: contornos de glaciares globales: versión 6.0: informe técnico, mediciones de
10.1175/15200450(1973)012<1066:TSEOTA>2.0.CO;2) hielo terrestre global desde el espacio, Colorado, EE. UU. Medios digitales,
Lettenmaier DP (1976) Detección de tendencias en datos de calidad del agua a doi: 10.7265/N5RGI60
partir de registros con observaciones dependientes. Recurso de agua. Rodwell MJ, Rowell DP y Folland CK (1999) Forzamiento oceánico de la oscilación
Resolución, 12(5), 1037–1046 (doi: 10.1029/WR012i005p01037) invernal del Atlántico Norte y el clima europeo. Naturaleza, 398(6725), 320
Li F, Orsolini YJ, Wang H, Gao Y y He S (2018) Atlantic Multidecadal Oscillation (doi: 10.1038/18648)
modula los impactos de la disminución del hielo marino en el Ártico. Geofísico. Roe GH (2011) ¿Qué nos dicen los glaciares sobre la variabilidad climática y el
Res. Lett., 45(5), 2497–2506 (doi: 10.1002/2017GL076210) cambio climático?. J. Glac., 57(203), 567–578 (doi: 10.3189/
002214311796905640)
Luterbacher J, Dietrich D, Xoplaki E, Grosjean M y Wanner H (2004) Variabilidad, Roe GH, Baker MB y Herla F (2017) El retroceso de los glaciares del Centenario
tendencias y extremos de la temperatura estacional y anual en Europa desde como evidencia categórica del cambio climático regional. Nat. Geosci., 10(2),
1500. Science, 303(5663), 1499– 1503 (doi: 10.1126/science.1093877) 95 (doi: 10.1038/ngeo2863)
Siler N, Proistosescu C y PoChedley S (2019) NaturalVariability ha frenado la
Mackintosh AN y otros 5 (2017) El enfriamiento regional provocó avances recientes disminución de la capa de nieve en el oeste de EE. UU. desde la década de 1980.
en los glaciares de Nueva Zelanda en un período de calentamiento global. Geofísico. Res. Lett., 46(1), 346–355 (doi: 10.1029/2018GL081080)
Nat. Comun., 8, 14202 (doi: 10.1038/ncomms14202) Smoliak BV, Wallace JM, Stoelinga MT y Mitchell TP (2010)
Marshall J y otros 9 (2001) Variabilidad climática del Atlántico norte: fenómenos, Aplicación de la regresión de mínimos cuadrados parciales al diagnóstico de
impactos y mecanismos. En t. J. Climatol., 21(15), 1863–1898 (doi: 10.1002/ las variaciones de un año a otro en la capa de nieve del noroeste del Pacífico
joc.693) y los huracanes del Atlántico. Geofísico. Res. Let., 37(3), L03801 (doi:
Marzeion B y Nesje A (2012) Patrones espaciales de la influencia de la Oscilación 10.1029/2009GL041478)
del Atlántico Norte en la variabilidad del balance de masa de los glaciares Smoliak BV, Wallace JM, Lin P y Fu Q (2015) Ajuste dinámico del campo de
europeos. Criosfera, 6(3), 661–673 (doi: 10.5194/tc66612012) temperatura del aire en la superficie del hemisferio norte: metodología y
Marzeion B, Cogley JG, Richter K y Parkes D (2014) Atribución de la pérdida de aplicación a las observaciones. J. Clim., 28(4), 1613–1629 (doi: 10.1175/JCLI
masa de los glaciares globales a causas antropogénicas y naturales. D1400111.1)
Ciencia, 345(6199), 919–921 (doi: 10.1126/ciencia.1254702) Stocker T (2014) Cambio climático 2013: la base de la ciencia física: contribución
McCabe Jr GJ y Fountain AG (1995) Relaciones entre la circulación atmosférica del Grupo de Trabajo I al Quinto informe de evaluación del Panel
y el balance de masa del glaciar South Cascade, Washington, EE. UU. Arco. Intergubernamental sobre Cambio Climático.
Antártida. Montaña. Res., 27(3), 226–233 (doi: 10.2307/1551953) Sutton RT y Hodson DL (2005) Forzamiento del océano Atlántico en el clima de
verano de América del Norte y Europa. Ciencia, 309(5731), 115–118 (doi:
Medwedeff WG y Roe GH (2017) Tendencias y variabilidad en el conjunto de 10.1126/ciencia.1109496)
datos global del balance de masa de los glaciares. Clima Dyn., 48(9–10), Trachsel M y Nesje A (2015) Modelado de balances de masa anuales de ocho
3085–3097 (doi: 10.1007/s003820163253x) glaciares escandinavos utilizando modelos estadísticos. Criosfera, 9, 1401–
Miles MW y otros 5 (2014) Una señal de variabilidad persistente de varias 1414 (doi: 10.5194/tc914012015)
décadas en el Atlántico en el hielo marino del Ártico. Geofísico. Res. Lett., Visbeck MH, Hurrell JW, Polvani L y Cullen HM (2001) La Oscilación del Atlántico
41(2), 463–469 (doi: 10.1002/2013GL058084) Norte: pasado, presente y futuro. proc. nacional
Mutz S, Paeth H y Winkler S (2016) Modelado de futuros cambios en el balance Academia Sci., 98(23), 12876–12877 (doi: 10.1073/ pnas.231391598)
de masa de los glaciares noruegos mediante la aplicación de un
Wallace JM, Fu Q, Smoliak BV, Lin P y Johanson CM (2012) por X′ e Y′):
Patrones de calentamiento simulados versus observados en los
continentes extratropicales del hemisferio norte durante la estación 1
W ¼ X0TY0 : (A1)
fría. proc. nacional Academia Sci., 109(36), 14337–14342 (doi: norte 1
10.1073/pnas.1204875109)
WGMS (2017) Fluctuaciones de la base de datos de los glaciares.
Servicio Mundial de Vigilancia de Glaciares, Zúrich, Suiza (doi: Si se reforma W en dimensiones de cuadrícula (lat × lon), se obtienen los
10.5904/ mapas de correlación que se muestran en las figuras 2 a 5. A continuación, X
wgms–fog–2017–10 Wigley T y Raper S (1990) Variabilidad natural del
se proyecta sobre Wc , donde los corchetes denotan normalización y Wc es
sistema climático y detección del efecto invernadero. Nature, 344
W ponderado por área por el coseno de la latitud:
(6264), 324 ( doi: 10.1038/344324a0)
Wills RC, Schneider T, Wallace JM, Battisti DS y Hartmann DL (2018)
t ¼ X Wc ; (A2)
Desenredando el calentamiento global, la variabilidad multidecadal
y El Niño en las temperaturas del Pacífico. Geofísico. Res. Lett.,
45(5), 2487–2496 (doi: 10.1002/2017GL076327) donde t es un índice temporal (con dimensiones n × 1) que expresa las
Wills RC, Armor KC, Battisti DS y Hartmann DL (2019) Acoplamiento variaciones del campo predictor limitadas por su correlación con la variabilidad
dinámico de la atmósfera oceánica fundamental para la Oscilación del balance de masa. Los coeficientes de regresión son, para X, el vector:
Multidecadal del Atlántico. J. Clim., 32, 251–272 (doi: 10.1175/ JCLI
D180269.1)
Wold S, Sjöström M y Eriksson L (2001) PLSregresión: una herramienta P ¼ XT t ; (A3)
básica de quimiometría. quimiometro Intel. Laboratorio. Sistema,
58(2), 109–130 (doi: 10.1016/S01697439(01)001551) y para Y, el escalar:
Zemp M y otros (2015) Disminución global de los glaciares históricamente
sin precedentes a principios del siglo XXI. J. Glac., 61(228), 745– (A4)
β ¼ t TY:
762 (doi: 10.3189/2015JoG15J017)
Usando P y β, t luego se retrocede de X e Y, lo que produce las variables
APÉNDICE A ajustadas dinámicamente:
Aquí proporcionamos detalles adicionales sobre el ajuste dinámico basado en
Xadj = X tPT y Yadj = Y βt: (A5)
PLS. Como se describe en el texto principal, la regresión PLS es un método de
análisis matricial que identifica patrones en un predictor, X, optimizado para
explicar la varianza en una variable de interés, Y, denominada predictando. Para
Como se señaló en la Sección 3, la regresión luego se repite usando ti
cada ajuste en este estudio, X es un campo SLP o SST espaciotemporal e Y es
Xadj y Yadj como entradas, produciendo una serie de índices t1, ,
una serie de tiempo de balance de masa estacional individual. Si n es el número
t2, ..., hasta que iteraciones posteriores no logran explicar cantidades
de años en el registro del balance de masa del glaciar y m es el número de
apreciables de varianza. Para cada iteración, la varianza explicada por
puntos de la cuadrícula predictiva, entonces X es una matriz × m e Y es un vector
ti viene dada por:
× 1. Tanto X como Y están estandarizados a media cero y varianza unitaria. El
patrón espacial W es un mapa de correlación que utiliza las variables sin
PT
i Pi β2
i
tendencia temporal (denotadas para X y para y: (A6)
2 2
PAGmetro PAG norte jxmnj PAG norte jYnj
MS recibido el 21 de octubre de 2018 y aceptado en forma revisada el 1 de mayo de 2019; publicado por primera vez en línea el 27 de mayo de 2019

Variabilidad Climática Atlántica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variabilidad Climática Atlántica

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

glaciar IDENTIFICACIÓN Latitud Elevación Tamaño Período B bw Licenciado en Letras

Rembesdalskåka G1 60.53 1066–1854 17.3 19632016 − 2,15 2.05 − 0,09

Crudo ajuste SLP ajuste SST

Rembesdalskåka G1 − 0,18 − 0,06 − 0,16 − − 0,04 − − 0,16 − 0,01

Hellstugubreen G2 0,10 − − 0,003 0,05 − 0,03 − 0,12 − − 0,01

Nigardsbreen G5 0,14 − 0,06 0,09 − 0,005 − 0,19 − 0,008

Engabreen G9 0,16 − 0,01 0,14 0,02 − − 0,11 0,04

Storgläcieren G10 0,02 − 0,04 0,00 0,01 − − 0,01 0,04

Langfjordjøkelen G11 0,19 − − 0,25 − − 0,33 − 0,11 − − 0,17 − − 0,09 −

Kongsvegen G12 0,03 − 0,09 − 0,06 − 0,07 − 0,07 − 0,10 −

Austre Broggerbreen G14 0,02 0,03 0,04 0,03 0,002 0,04

Engabreen G9 33 13 47 31 50 18 17 35

Kongsvegen G12 20 14 45 51 32 24 31

Austre Broggerbreen G14 24 15 25 10 13 37 20 24 23 15 4 27

También podría gustarte

Variabilidad Climática Atlántica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variabilidad Climática Atlántica

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

glaciar IDENTIFICACIÓN Latitud Elevación Tamaño Período B bw Licenciado en Letras

Rembesdalskåka G1 60.53 1066–1854 17.3 1963­2016 − 2,15 2.05 − 0,09

Crudo ajuste SLP ajuste SST

Rembesdalskåka G1 − 0,18 − 0,06 − 0,16 − − 0,04 − − 0,16 − 0,01

Hellstugubreen G2 0,10 − − 0,003 0,05 − 0,03 − 0,12 − − 0,01

Nigardsbreen G5 0,14 − 0,06 0,09 − 0,005 − 0,19 − 0,008

Engabreen G9 0,16 − 0,01 0,14 0,02 − − 0,11 0,04

Storgläcieren G10 0,02 − 0,04 0,00 0,01 − − 0,01 0,04

Langfjordjøkelen G11 0,19 − − 0,25 − − 0,33 − 0,11 − − 0,17 − − 0,09 −

Kongsvegen G12 0,03 − 0,09 − 0,06 − 0,07 − 0,07 − 0,10 −

Austre Broggerbreen G14 0,02 0,03 0,04 0,03 0,002 0,04

Engabreen G9 33 13 47 31 50 18 17 35

Kongsvegen G12 20 14 45 51 32 24 31

Austre Broggerbreen G14 24 15 25 10 13 37 20 24 23 15 4 27

También podría gustarte

Rembesdalskåka G1 60.53 1066–1854 17.3 19632016 − 2,15 2.05 − 0,09