Decadal oscillations of the Northern Hemisphere average temperature within current global warming

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The average temperatures of the Northern Hemisphere for surface air, the lower troposphere and the upper layer of the ocean from 0 to 100 meters are considered. It turned out that all these time-series are similar to each other in that they consist of two components: a warming trend and fluctuations on an approximately ten-year scale superimposed on this trend. It is hypothesized that this quasi-decadal temperature variability is associated with the El Niño–Southern Oscillation. After removing trends from the series under study, their autocorrelation functions demonstrate an exponential decrease and subsequent fluctuations near zero with shifts of approximately 5 years or more, which theoretically makes it possible to predict their changes with a lead-time of 1–4 years. An analysis of the results of the “Historical” experiment of 58 CMIP6 models confirmed the conclusions drawn and showed that the quasi-decadal variability of the average surface air temperature of the Northern Hemisphere is significantly influenced by large volcanic eruptions. Results from the “piControl” experiment of 50 CMIP6 models demonstrated the ability to predict changes in average Northern Hemisphere temperatures several years into the future based on natural interannual climate variability, the main component of which is the El Niño–Southern Oscillation.

About the authors

N. V. Vakulenko

Shirshov Institute of Oceanology, Russian Academy of Sciences

Email: iserykh@ocean.ru
Russian Federation, Moscow

I. V. Serykh

Shirshov Institute of Oceanology, Russian Academy of Sciences

Author for correspondence.
Email: iserykh@ocean.ru
Russian Federation, Moscow

D. M. Sonechkin

Shirshov Institute of Oceanology, Russian Academy of Sciences

Email: iserykh@ocean.ru
Russian Federation, Moscow

References

  1. Арушанов М.Л. Причины изменения климата Земли как результат космического воздействия, развеивающее миф об антропогенном глобальном потеплении // German International J. Modern Sci. 2023. № 53. С. 4–14. https://doi.org/ 10.5281/zenodo.7795979
  2. Бышев В.И., Нейман В.Г., Романов Ю.А. и др. О статистической значимости и климатической роли Глобальной атмосферной осцилляции // Океанология. 2016. Т. 56. № 2. С. 179–185. https://doi.org/10.7868/S0030157416020039
  3. Вакуленко Н.В., Котляков В.М., Монин А.С., Сонечкин Д.М. Особенности календаря ледниковых циклов позднего плейстоцена // Изв. РАН. Физика атмосферы и океана. 2007. Т. 43. № 6. С. 773–782.
  4. Вакуленко Н.В., Нигматулин Р.И., Сонечкин Д.М. К вопросу о глобальном изменении климата // Метеорология и гидрология. 2015. № 9. С. 89–97.
  5. Вакуленко Н.В., Сонечкин Д.М. Свидетельство скорого окончания современного межледниковья // Докл. АН. 2013. Т. 452. № 1. С. 92–95. https://doi.org/10.7868/S0869565213260198
  6. Володин Е.М. О механизме колебания климата в Арктике с периодом около 15 лет по данным модели климата ИВМ РАН // Изв. РАН. Физика атмосферы и океана. 2020. Т. 56. № 2. С. 139–149. https://doi.org/10.31857/S0002351520020145
  7. Логинов В.Ф. Космические факторы климатических изменений // ГНУ “Институт природопользования НАН Беларуси”. Минск: 2020. 168 с.
  8. Нигматулин Р.И., Вакуленко Н.В., Сонечкин Д.М. Глобальное потепление в реальности и в климатических моделях // Турбулентность, динамика атмосферы и климата. Труды междунар. конф. памяти А.М. Обухова. 13–16 мая 2013 / Ред. Голицын Г.С. и др., М.: ГЕОС, 2014. С. 255–263.
  9. Полонский А.Б. Изменения климата: мифы и реальность // Министерство науки и высшего образования РФ РАН. Севастополь: Институт природно-технических систем, 2020. 229 c. https://doi.org/10.33075/978-5-6044196-5-6
  10. Семенов В.А. Колебания современного климата, вызванные обратными связями в системе атмосфера – арктические льды – океан // Фундаментальная и прикладная климатология. 2015. Т. 1. С. 232–248.
  11. Семенов В.А. Современные исследования климата Арктики: прогресс, смена концепций, актуальные задачи // Изв. РАН. Физика атмосферы и океана. 2021. Т. 57. № 1. С. 21–33. https://doi.org/10.31857/S0002351521010119
  12. Сонечкин Д.М., Даценко Н.М., Иващенко Н.Н. Оценка тренда глобального потепления с помощью вейвлетного анализа // Изв. РАН. Физика атмосферы и океана. 1997. Т. 33. № 2. С. 184–194.
  13. Шерстюков Б.Г. Асинхронные связи колебаний климата атмосферы и океана с солнечной активностью // Геомагнетизм и аэрономия. 2022. Т. 62. № 5. С. 671–680. https://doi.org/10.31857/S0016794022050121
  14. Шерстюков Б.Г. Глобальное потепление и его возможные причины // Гидрометеорология и экология. 2023. № 70. С. 7–37. https://doi.org/10.33933/2713-3001-2023-70-7-37
  15. Bast J.L. Seven Theories of Climate Change // SPPI Reprint Series. Chicago: The Heartland Institute, 2010. 29 p.
  16. Enfield D.B., Mestas-Nuñez A.M. Multiscale variabilities in global sea surface temperatures and their relationships with tropospheric // J. Climate. 1999. V. 12. P. 2719–2733. https://doi.org/10.1175/1520-0442(1999)012<2719: MVIGSS>2.0.CO;2
  17. Eyring V., Bony S., Meehl G.A. et al. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization // Geosci. Model Dev. 2016. V. 9. P. 1937–1958. https://doi.org/10.5194/gmd-9-1937-2016
  18. Gregory J.M., Andrews T., Ceppi P. et al. How accurately can the climate sensitivity to CO2 be estimated from historical climate change? // Clim. Dyn. 2020. V. 54. P. 129–157. https://doi.org/10.1007/s00382-019-04991-y
  19. Gregory J.M., Andrews T., Good P. et al. Small global-mean cooling due to volcanic radiative forcing // Clim. Dyn. 2016. V. 47. P. 3979–3991. https://doi.org/10.1007/s00382-016-3055-1
  20. Intergovernmental Panel on Climate Change (IPCC). Climate change 2013: The Physical Science Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change / T.F. Stocker, et al. (eds.). Cambridge Univ. Press. 2013. 1535 p.
  21. Intergovernmental Panel on Climate Change (IPCC). Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change / Masson-Delmotte et al. (eds.) Cambridge Univ. Press. 2021. In press. https://doi.org/10.1017/9781009157896
  22. Kalicinsky C., Koppmann R. Multi-decadal oscillations of surface temperatures and the impact on temperature increases. // Sci. Rep. 2022. V. 12. 19895. https://doi.org/10.1038/s41598-022-24448-3
  23. Latif M. Chapter 25 – The Ocean's role in modeling and predicting decadal climate variations // International Geophysics. 2013. V. 103. P. 645–665. https://doi.org/10.1016/B978-0-12-391851-2.00025-8
  24. Locarnini R.A., Mishonov A.V, Baranova O.K. et al. World Ocean Atlas 2018, V. 1: Temperature // A. Mishonov Technical Ed.; NOAA Atlas NESDIS81. 2018. 52 p.
  25. Mazza D., Canuto E. Evidence of solar 11-year cycle from Sea Surface Temperature (SST) // Academia Letters. 2021. 3023. https://doi.org/10.20935/AL3023.
  26. Mears C.A., Wentz F.J. A satellite-derived lower tropospheric atmospheric temperature dataset using an optimized adjustment for diurnal effects // J. Clim. 2017. V. 30. № 19. P. 7695–7718. https://doi.org/10.1175/jcli-d-16–0768.1
  27. Meehl G.A., Goddard L., Murphy J. Decadal prediction: Can it be skillful? // Bull. Am. Meteorol. Soc. 2009. V. 90. № 10. Р. 1467–1485. https://doi.org/10.1175/2009BAMS2778.1
  28. Morice C.P., Kennedy J.J., Rayner N.A. et al. An updated assessment of near-surface temperature change from 1850: the HadCRUT5 dataset // J. Geophys. Res.: Atmospheres. 2020. https://doi.org/10.1029/2019JD032361
  29. Nnamchi H.C., Farneti R., Keenlyside N.S. et al. Pan-Atlantic decadal climate oscillation linked to ocean circulation // Commun. Earth Environ. 2023. V. 4(121). https://doi.org/10.1038/s43247-023-00781-x
  30. Ogurtsov M. Decadal and bi-decadal periodicities in temperature of Southern Scandinavia: Manifestations of natural variability or climatic response to solar cycles? // Atmosphere. 2021. V. 12. P. 676. https://doi.org/10.3390/atmos12060676
  31. Scafetta N. Empirical analysis of the solar contribution to global mean air surface temperature change // J. Atmos. Sol. Terr. Phys. 2009. V. 71. P. 1916–1923. https://doi.org/10.1016/j.jastp.2009.07.007
  32. Scafetta. N. Climate change and its causes: A discussion about some key issues // La Chimica e l’Industria 1. 2010. P. 70–75.
  33. Serykh I.V., Sonechkin D.M. Nonchaotic and globally synchronized short-term climatic variations and their origin // Theoretical and Applied Climatology. 2019. V. 137. № 3–4. P. 2639–2656. https://doi.org/10.1007/s00704-018-02761-0
  34. Serykh I.V., Sonechkin D.M. El Niño forecasting based on the global atmospheric oscillation // Int. J. Climatol. 2021. V. 41. P. 3781–3792. https://doi.org/10.1002/joc.6488
  35. Serykh I.V., Sonechkin D.M. Global El Niño–Southern Oscillation Teleconnections in CMIP6 Models // Atmosphere. 2024. V. 15 № 4 (500). Р. 500. https://doi.org/10.3390/atmos15040500
  36. Tyrrell N.L., Dommenget D., Frauen C. et al. The influence of global sea surface temperature variability on the large-scale land surface temperature // Clim. Dyn. 2015. V. 44. P. 2159–2176. https://doi.org/10.1007/s00382-014-2332-0
  37. Welch P.D. The use of Fast Fourier Transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms // IEEE Transactions on Audio and Electroacoustics. 1967. AU-15 (2). P. 70–73.
  38. Zhoua W., Li J., Yan Z. Progress and future prospects of decadal prediction and data assimilation: A review // Atmospheric and Oceanic Sci. Lett. 2024. V. 17 (100441). https://doi.org/10.1016/j.aosl.2023.100441

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».