Een verklaring voor de vorm van de ijstijd-cycli?

Gastblog van Els Weinans

De ijstijden van de afgelopen 800.000 jaar hebben een zaagtandvorm: het koelt langzaam af om vervolgens zeer snel weer op te warmen, waar een opwarming van een graad of vijf over 10.000 jaar “zeer snel” wordt genoemd vanuit geologisch perspectief (zie fig). Deze vorm wekt de indruk dat er niet-lineaire processen een rol spelen. Niet-lineaire processen zijn de afgelopen 50 jaar uitvoerig beschreven door ‘dynamisch systeem denkers’, maar de toepassing hiervan op systemen uit de echte wereld blijkt niet zo makkelijk. In ons artikel ‘A potential feedback loop underlying glacial interglacial cycles’ hebben wij toch een poging gewaagd. Wij vonden d.m.v. het toepassen van een relatief nieuwe statistische methode een belangrijk verband tussen temperatuur, biologische productiviteit in de oceaan, en oceaancirculatie, waarmee we deze zaagtandvorm goed zouden kunnen verklaren. Ik zal in deze blogpost toelichten hoe dit onderzoek tot stand is gekomen, wat we precies hebben gevonden en hoe dit werk geïnterpreteerd kan worden.

In 2013 schreven Anne-Willem Omta en collega’s een artikel voor het tijdschrift ‘Global Biogeochemical Cycles’, waarin ze een hypothese formuleerden. Deze hypothese stelde dat ecologische processen de sinus-vormige Milankovitch-cycli (de intensiteit en de verdeling van het zonlicht op aarde) konden omvormen tot de zaagtandvormige ijstijd-cycli die de afgelopen 800.000 jaar hebben plaatsgevonden.

In 2015 schreven Egbert van Nes en collega’s een artikel voor ‘Nature Climate Change’ waarin een relatief nieuwe methode om causale verbanden te bepalen (Convergent Cross Mapping of ‘CCM’) werd toegepast op paleoklimaat data van temperatuur, koolstofdioxide (CO2), methaan (CH4), en de Milankovitch cycli. Dit artikel was spannend, omdat er puur vanuit de data kon worden beredeneerd dat interne feedbacks een dominante rol leken te spelen in de glaciaal-interglaciaal cycli. Ook liet dit artikel zien dat de op dit moment beschikbare klimaatdata kwalitatief goed genoeg is voor de CCM-methode. Het artikel is op dit blog al eens besproken.

Samen met Anne-Willem, Egbert, en George van Voorn (co-auteur op het eerste paper en initiatiefnemer van deze samenwerking), heb ik gekeken of de CCM-methode wellicht ook nieuw licht kon laten schijnen op de hypothese dat ecologische processen de vorm van de ijstijd cycli beïnvloeden. Hiervoor hebben we gekeken naar tijdreeksen van biologische productiviteit (hoeveelheid beestjes aan het oceaanoppervlak, benaderd met Ba/Fe, oftewel de verhouding tussen de elementen barium en ijzer in sedimenten), temperatuur (benaderd met de ratio van zuurstofisotopen aangegeven als δ18O), oceaancirculatie (benaderd met de ratio van koolstofisotopen δ13C, in 3 regio’s van de oceaan) en fijnstofdeeltjes (ook wel ‘dust’ genoemd) uit ijskernen op Antarctica (zie fig).

We vonden een opmerkelijke causale loop van oceaancirculatie naar biologische productiviteit (1), van biologische productiviteit naar temperatuur (2) en van temperatuur terug naar oceaancirculatie (3), die zowel in de Stille Oceaan als in de Oost-Atlantische oceaan duidelijk zichtbaar was. Een mogelijk mechanisme is dat (1) een sterkere oceaancirculatie zorgt voor meer nutriënten aan het oceaanoppervlak, wat een positief effect heeft op de biologische productiviteit en (2) de toename aan productiviteit en bijbehorende toename in neergeslagen organisch materiaal zorgt voor een toename in alkaliniteit (buffercapaciteit tegen verzuring) wat leidt tot zogenaamde ‘outgassing’ van CO2 (zoals beschreven in het eerstgenoemde artikel van Omta et al.). Voor punt (3) zijn diverse mogelijke mechanismen voorgesteld waarvan het moeilijk te bepalen is welke de grootste rol heeft. Hoe dan ook zien we significante verschillen in oceaancirculatie tijdens ijstijden en oceaancirculatie tijdens interglaciale perioden, waardoor dit verband geen verrassing is. Al deze verbanden waren al eerder beschreven in de literatuur, maar dat ze samen een feedbacksysteem vormen die de vorm van de ijstijd-cycli zou kunnen verklaren is nieuw.

Om deze resultaten te begrijpen moet ik een korte, hopelijk intuïtieve, uitleg geven over de CCM methode. CCM kijkt naar informatieoverdracht tussen variabelen (zoals eerder uitgelegd op dit blog of te lezen in het originele werk van George Sugihara over causaliteit). Er wordt aangenomen dat als er informatie van variabele X te zien is in variabele Y, dat dat komt door een causaal verband van X naar Y (X veroorzaakt Y). Dit wordt gekwantificeerd door te kijken hoe goed Y gebruikt kan worden om historische waarden van de variabele X te voorspellen. Immers: alle informatie uit X zit in Y en kan dus ook via Y worden teruggehaald. Omdat Y zowel wordt veroorzaakt door X, maar mogelijk ook door andere processen, is niet alle informatie van Y terug te zien in X. Daardoor kan X niet goed worden gebruikt om historische data van Y te voorspellen.

Zoals bij alle statistische methoden zitten er wat haken en en ogen aan de interpretatie van de analyses. Er kunnen bijvoorbeeld ingewikkelde dingen gebeuren als 2 variabelen ontzettend op elkaar lijken, bijvoorbeeld omdat Y volledig wordt bepaald door de huidige waarde van X. In dat geval zijn de twee tijdreeksen precies hetzelfde en kan er dus geen onderscheid worden gemaakt in de richting van de interactie (wat is de oorzaak en wat is het gevolg).

Een ander ingewikkelde situatie trad op in onze analyse tussen stofdeeltjes en productiviteit. Er wordt aangenomen dat stofdeeltjes ontstaan op Patagonië en vervolgens via de zuidelijke oceaan op Antarctica terecht komen. Echter, niet alle stofdeeltjes komen daadwerkelijk op Antarctica terecht, een deel circuleert naar andere gebieden of daalt neer in de oceaan. De stofdeeltjes, die in de oceaan terechtkomen, zorgen voor een verhoogde biologische productiviteit in het oceaanoppervlak, wat wij meten met onze ‘productiviteit’ variabele. Voor onze ‘dust’ (stofdeeltjes) variabele gebruiken we een ijskern uit Antarctica. De dust in de ijskern wordt uiteraard beïnvloed door de hoeveelheid stofdeeltjes die er over de oceanen waaiden, welke weer sterk gecorreleerd is met de biologische productiviteit. Daarom zit veel informatie van biologische productiviteit in de ‘dust’ variabele wat een schijnbaar causaal verband van productiviteit naar dust laat zien. We verwachten echter dat dit verband geen causaal verband is, maar dat de CCM methode slechts de transportroute oppikt.

Ten slotte hebben we in ons werk veel keuzes moeten maken. Er zijn verschillende proxy’s beschikbaar, je kunt de data op verschillende manieren pre-processen, en de CCM methode heeft wat ‘vrije parameters’ die je zelf mag kiezen maar die mogelijk je resultaten beïnvloeden. Het is in zo’n geval verleidelijk om ze zo te kiezen dat je een mooi verhaal op kan schrijven, maar dat is natuurlijk wetenschappelijk niet correct. Ook kun je verschillende methoden gebruiken om deze parameters te kiezen, maar er is discussie over wat de beste methode is. Daarom hebben wij gekozen om een aantal verschillende dingen te proberen en te bestuderen of de resultaten robuust blijven voor de verschillende analyses. We hebben bijvoorbeeld onze analyse herhaald met CO2 in plaats van δ18O als ‘klimaat’ proxy. Daarnaast hebben we op 2 verschillende manieren ons significantieniveau bepaald (de waarde vanaf waar we zeggen dat iets een causaal verband is). Ten slotte hebben we verschillende parameterwaardes geprobeerd om te kijken hoe afhankelijk onze resultaten zijn van deze keuzes. Dit bleek reuze mee te vallen, wat ons sterkt in het idee dat de resultaten robuust zijn en de causale verbanden duidelijk in de data zitten.

Onze analyse draagt bij aan het beter begrijpen van causale verbanden in ons klimaatsysteem, wat van cruciaal belang is in deze tijden van klimaatverandering. Het bevestigt en versterkt de hypothese die in 2013 door Anne-Willem en collega’s is beschreven en breidt deze uit met een ‘feedbackloop’ die verder onderzocht zou kunnen worden. We hopen dat onze analyse, naast dat het een nieuwe zienswijze geeft op de zaagtand-vorm van de ijstijden, tevens de weg vrij maakt om ‘dynamisch-systeem-denken’ (waar de CCM methode onder valt) toe te passen op het klimaat. Dit soort methodes kunnen een aanvulling zijn op experimenten en mechanistische modellen en op die manier een nieuwe invalshoek bieden waarmee het gedrag van complexe systemen beter in kaart te brengen is.

Els Weinans werkt aan de WUR bij de leerstoelgroep Aquatische Ecologie en Waterkwaliteitsbeheer.

8 Reacties op “Een verklaring voor de vorm van de ijstijd-cycli?

  1. Henk Schuring

    Ik raak een beetje in de war door de tweede grafiek (delta O-18) die als proxy voor de temperatuur wordt gebruikt. De vorm van de grafiek lijkt in combinatie met de orientatie van de tijdas (met “nu” aan de rechterkant) te suggereren dat de temperatuur juist snel daalt en langzaam stijgt, i.t.t. wat in de inleiding wordt gesteld (en ik ook gewend was).

  2. Henk,

    Tijdens koude perioden bevat het zeewater meer water met zuurstof-18 dan tijdens warme perioden, zie voor de uitleg bijv: https://nl.wikipedia.org/wiki/Zuurstofisotopenanalyse
    Vaak draait men dan in grafieken de as van δ18O (‰) om met negatieve waarden bovenaan, zodat het beeld overeenkomt met het temperatuurverloop. In het artikel van Els Weinans zijn de δ18O-data van Lisiekci & Raymo 2005 gebruikt: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2004PA001071
    Hun figuur 10 (zie hieronder) bevat de gegevens van de laatste ca. 750,000 jaar en hier staan de lagere waarden van δ18O juist bovenaan. Maar hierin is, voor de (on)duidelijkheid 😊, ook de tijd-as omgekeerd. Het huidige interglaciaal ligt aan de linkerzijde.

  3. Er is een aanvullende verklaring mogelijk voor het bestaan van de zaagstand. Er zijn drie Milancovic cycli. Als je deze rangschikt naar de glaciale fase laten ze een afzwakking zien van de zomer op de hoge breedtegraad van het noordelijk halfrond. Wat ze dan echter ook laten zien is dat alleen de cyclus van de obliquiteit gelijktijdig voor het noordelijk en het zuidelijk halfrond werkt. Voor beide halfronden is er dan een verzwakking van de zomers. Voor de beide andere cycli is dit niet zo. Als de zomer op het noordelijk halfrond afzwakt wordt de zomer op het zuidelijk halfrond juist versterkt. De cycli grijpen in elkaar en kunnen elkaar versterken of juist verzwakken. Het gezamenlijk effect is niet gelijk voor beide halfronden. Ons beeld van de zaagtand is voor een groot deel bepaald door ijskernen uit het ijskap van Antarctica. Wat je daar klaarblijkelijk ziet is een obliquitiet die eerst verzwakt wordt door de excentriciteit gevolgd door een obliquiteit die juist versterkt wordt hierdoor, tenminste dit is een mogelijke verklaring die men zeker dient te onderzoeken. Niet zozeer als alternatief voor het samenspel van terugkoppelingen want de Milancovic cycli lijken zonder terugkoppelingen niet sterk genoeg te zijn. Maar als aanvulling en voor het verklaren voor het feit dat de opeenvolging van glacialen en interglacialen niet verklaard kan worden zonder de Milancovic cycli.

  4. Lennart van der Linde

    Beste Els,
    Dank voor deze interessante bijdrage aan het oplossen van een fascinerende puzzel, met mogelijk belangrijke implicaties voor het toekomstig klimaat. Als leek kan ik niet alle analyse-stappen volgen en doorgronden, maar vraag ik me wel af hoe jullie onderzoek zich verhoudt tot m.n. Hansen et al 2007 en Ganopolski et al 2016.

    Hansen et al 2007 zeggen over de trigger voor het einde van glacialen onder meer: https://pubs.giss.nasa.gov/docs/2007/2007_Hansen_ha02210k.pdf

    “Rapid warming at terminations, we assert, must be due to the fact that ice sheet disintegration is a wet process that, spurred by multiple thermodynamical and dynamical feedback processes (Hansen 2005), can proceed rapidly. Chief among these feedbacks is the large change in absorbed solar energy that occurs with the ‘albedo flip’ when snow and ice become wet. This process determines the season at which insolation anomalies are most important.

    The Milankovitch (1941) theory of the ice ages assumes that summer insolation anomalies at high latitudes in the Northern Hemisphere (NH) drive the ice ages: minimum summer insolation allows snow and ice accumulated in the cold season to survive, while maximum summer insolation tends to melt the ice sheets.

    We suggest, however, that spring is the critical season for terminations, because the albedo feedback works via the large change in absorbed sunlight that begins once the ice/snow surface becomes wet, after which the surface albedo remains low until thick fresh snow accumulates. A spring maximum of insolation anomaly pushes the first melt earlier in the year, without comparable shortening of autumn melt, thus abetting ice sheet disintegration. And an increase of GHGs stretches the melt season both earlier and later, while also increasing midsummer melt. Thus, it is not surprising that Terminations I, II, III and IV all had strong maxima in GHG forcing, as well as, we presume, favourable insolation.”

    In hoeverre en hoe zijn jullie bevindingen een aanvulling of een correctie op deze redenering?

    Ganopolski et al 2016 zeggen over de trigger voor het einde van interglacialen onder meer: https://www.nature.com/articles/nature16494

    “A key question we address here is whether subtle differences in orbital configurations and CO2 concentration between MIS11 and MIS19 and the Holocene are sufficient to explain the fundamentally different evolution of the climate system in the vicinity of its present state. This could have important implications for the future evolution of the Earth system…

    [W]e propose a critical functional relationship between boreal summer insolation and global carbon dioxide (CO2) concentration, which explains the beginning of the past eight glacial cycles and might anticipate future periods of glacial inception. Using an ensemble of simulations generated by an Earth system model of intermediate complexity constrained by palaeoclimatic data, we suggest that glacial inception was narrowly missed before the beginning of the Industrial Revolution. The missed inception can be accounted for by the combined effect of relatively high late-Holocene CO2 concentrations and the low orbital eccentricity of the Earth.”

    In hoeverre en hoe zijn jullie bevindingen een aanvulling of een correctie op deze redenering?

  5. G.J. Smeets

    Een paar epistemologische opmerkingen n.a.v. het blogstuk van Els Weinans.

    Strikt genomen is de term ‘causale verbanden’ (en de term ‘causal loops’, elders in het blogstuk) in de klimatologie een anachronisme. Het is na meer dan een eeuw onderzoek wel duidelijk dat het klimaat (hoe dan ook gedefinieerd) alleen te begrijpen is als een complex van wederzijds afhankelijke factoren. In een dergelijk entangled system zijn de concepten ‘oorzaak’ en ‘causal loops’ ronduit mystificerend.

    In dat verband heb ik vraagtekens bij de statistische CCM methodiek. Met deze methode wordt vastgesteld hoe goed het gedrag van twee variabelen samen (bijvoorbeeld CO2 en temperatuur) past bij het gedrag van het dynamisch klimaatsysteem. Die methode is gebaseerd op het wiskundige concept van de attractor. Op mijn klompen voel ik dat dat een teleologisch concept is, vermomd als theorema (van o.a. de wiskundige Takens). Het lijkt me de wiskundige tegenhanger van ‘oorzaak’. Als ik het mis heb hoor ik het graag. Leest wiskundige Jan van Rongen nog mee? in zijn blogstuk https://klimaatveranda.nl/2015/04/25/kip-en-ei-bij-co2-en-de-temperatuur/ waar Els Weinans hierboven naar verwijst heeft hij het er niet over.

  6. Bob Brand

    Goff,

    Ook bij een ‘entangled system’ kunnen er oorzaken bestaan. Een dergelijke (primaire) oorzaak wordt in het klimaatonderzoek een ‘externe forcering’ genoemd en de tegenpool daarvan is ‘interne variabiliteit’.

    Zo is bijvoorbeeld de menselijke uitstoot van broeikasgassen nu de overheersende oorzaak, “the dominant cause“, volgens het IPCC in AR5 WG1:

    It is extremely likely that human influence has been the dominant cause of the observed warming since the mid-20th century. {10.3–10.6, 10.9}

    Indien er geen oorzaken zouden bestaan, maar het klimaatsysteem in plaats daarvan op eigen houtje van ‘state’ zou veranderen dan heet dit interne variabiliteit (zoals bij El Nino/La Nina). Er kunnen dus wel degelijk oorzaken bestaan, ook bij een ‘entangled system’.

    In het geval van de afwisseling van glacialen en interglacialen is de Milankovic-forcering de primaire oorzaak, zoals hier al vaak is besproken. De respons van het klimaatsysteem op deze forcering is echter complex door verschillende, elkaar beïnvloedende terugkoppelingen (feedbacks).

    –> CO2-concentratie en T zijn ‘entangled’ en evolueren dan samen in respons op de ‘oorzaak’: Milankovic-forcering.

  7. Bob Brand

    Een kleine aanvulling: in de quantummechanica komt het ook voor dat deeltjes (of variabelen) met elkaar ‘entangled’ zijn. Als er één deeltje van toestand verandert, dan verandert ook de rest van het systeem. Alleen, dit gebeurt niet noodzakelijkerwijs spontaan maar dikwijls in respons op een ‘perturbation’. Hier staat een aardige beschrijving:

    https://www.quantamagazine.org/entanglement-made-simple-20160428/

    On the other hand, we say our two c-ons are entangled when information about one improves our knowledge of the other.

    Het wil niet noodzakelijkerwijs zeggen dat er geen ‘oorzaak’ zou zijn, waardoor twee ‘entangled’ variabelen dan (samen) veranderd zijn.

  8. Hans Custers

    Goff,

    Ik ga nog een stapje verder dan Bob. Volgens natuurwetenschappelijke basislogica is er altijd een oorzaak voor een verandering. Ook in een complex, chaotisch systeem met allerlei terugkoppelingen en wisselwerkingen. Want zo’n systeem kan niet zomaar uit zichzelf kouder of warmer worden. Dat kan – volgens basale natuurwetten als die van energiebehoud en Stefan-Boltzmann – alleen als er iets in de energiehuishouding gebeurt. Er moet dus, ergens, wel degelijk zoiets als een initiële oorzaak zijn.

    Voor zover ik het begrijp is dat besef nu net het uitgangspunt van dit onderzoek: er moeten ergens oorzaken van een verandering zijn, maar die zijn niet zo makkelijk te vinden. De statistische analyse is in staat om dergelijke oorzaak-gevolg relaties op te sporen. Dat er sprake is van oorzaak en gevolg wordt dan niet bij voorbaat aangenomen, maar het is juist het resultaat van de analyse.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s