Légköri CO2 források és elnyelők nettó izotópos szignatúrája: nincs változás a kis jégkorszak óta

Forrás: https://www.mdpi.com/2413-4155/6/1/17

Absztrakt

A legújabb tanulmányok az elmúlt hét évtized műszeres méréseinek elemzése alapján bizonyítékot szolgáltattak arra, hogy a hőmérséklet mint kiváltó ok és a szén-dioxid-koncentráció ([CO2]) mint hatás között egyirányú, potenciális okozati kapcsolat, kauzalitás áll fenn. A legutóbbi tanulmányban ezt a megállapítást a szénciklus elemzésével támasztották alá, és kimutatták, hogy a hőmérséklet emelkedése miatti természetes [CO2] változások jóval (több mint 3-szor) nagyobbak , mint az emberi kibocsátás, míg ez utóbbi nem haladja meg az összes kibocsátás 4 %-át. Jelen tanulmányunkban további bizonyítékokat szolgáltatunk ezekhez a megállapításokhoz, avval, hogy megvizsgáljuk a stabil C12 és C13 izotópok szignatúráit. Négy fontos megfigyelési hely izotópos adatait vizsgálva megmutatjuk, hogy a δC13 [delta] standard mérőszám egy olyan bemeneti izotópos szignatúrával áll összhangban, amely a megfigyelések teljes időszakában (>40 év) stabil, azaz nem befolyásolja az emberi CO2-kibocsátás növekedése. Emellett a Kr. u. 1500 utáni időszakra vonatkozó proxy adatok is stabil viselkedésre utalnak. Ezek az eredmények megerősítik a bioszféra jelentős szerepét a karbonciklusban, illetve azt, hogy az ember tevékenység nem hagy észlelhető nyomot.
Kulcsszavak: éghajlat; karbonmérleg; szénizotópok; üvegházhatás

„A tudományt mi birtokoljuk, és úgy gondoljuk, hogy a világnak evvel tisztában kell lennie.” Melissa Fleming, az ENSZ globális kommunikációért felelős főtitkárhelyettese a Világgazdasági Fórum 2022-es, a fenntartható fejlődésre gyakorolt hatásáról szóló találkozóján. [1]

 

 

 

 

1. Bevezetés
Koutsoyiannis és Kundzewicz [2] nemrégiben megjelent tanulmányaikban megkérdőjelezték azt a hagyományos nézetet, hogy a légköri széndioxid-koncentráció ([CO2]) növekedése okozza a hőmérséklet (T) emelkedését, Koutsoyiannis és társai [3], [4], [5] pedig az elmúlt hét évtized műszeres méréseinek elemzése alapján bizonyítékot szolgáltattak a T mint ok és a [CO2] mint hatás közötti egyirányú, ok-okozati összefüggésre. E tanulmányok közül a legutóbbi [5] a szénciklus elemzésével támasztotta alá ezt a megállapítást, és kimutatta, hogy az elmúlt 65 évben a hőmérséklet emelkedése miatt bekövetkezett természetes [CO2] változások jóval (több mint 3-szor) nagyobbak , mint az emberi kibocsátás, míg az utóbbi nem haladja meg az összérték 4%-át.
Ez utóbbi tanulmány széles körű érdeklődést keltett, és ezt követően több fórumon is megvitatták, amelyek közül a legreprezentatívabb Judith Curry blogja [6]. A mintegy 1000 hozzászólással, amelyek 18%-a a fő szerző válaszai voltak, ez a 370 oldalas könyvnek [7] megfelelő, kiterjedt megvitatása a publikáció utáni tömeges kritika (post-publication crowd reviewing) érdekes esetének tekinthető, amelyet a tanulmány kiállt. A hozzászólások egy része a tanulmány megállapításait próbálta megcáfolni a légköri CO2 izotópos összetételének változásaival kapcsolatos érvekre hivatkozva, különösen a stabil szénizotópok, a C12 és C13 izotópok szignatúrájával kapcsolatban, amelyeket a CO2-ben a δC13 standard mérőszámmal fejeznek ki, amelyet az alábbiakban meghatározunk. Ezekre nem lehetett e dokumentumban szereplő érvekkel válaszolni, mivel ezek a kérdések nem tartoznak a dokumentum tárgykörébe. Ugyanakkor az észrevételek a jelen tanulmányt a kérdés vizsgálatára indították. A δC13 és a [CO2] modern műszeres adatainak, valamint a régebbi időszakok proxy adatainak vizsgálatával, kezdve a kis jégkorszaktól (a 16. század elejétől a 19. század közepéig) a következő kutatási kérdésekre próbálunk választ adni:

• A több mint 40 éves megfigyelési időszakról rendelkezésre álló modern műszeres szénizotópos adatok tükrözik-e az emberi (fosszilis tüzelőanyag) CO2-kibocsátás okozta változásokat?
• Különbözik-e a modern időszak a kis jégkorszak óta eltelt korábbi időszakoktól a légköri CO2-források és -elnyelők nettó izotópos szignatúráját tekintve?

A C12 és C13 stabil szénizotópok 99%-os, illetve 1%-os arányban vannak jelen a légkörben, az óceánokban és a szárazföldi bioszférában [8]. E százalékos arányok enyhe eltérései a biokémiai folyamatoktól, a vulkáni tevékenységtől, valamint a légköri és óceáni folyamatoktól függenek, míg az utóbbi időben az emberi tevékenységet is az ilyen eltérések okozójának tekintik. A szén az instabil C14 izotópos formában is előfordul, de nyomokban (1 × 10^-12 nagyságrendben). Az 1950-es és 1960-as években a C14 jelenlétét drámaian megnövelték a nukleáris fegyverek tesztelései, amelyek során C14 keletkezett a légkörben. Ezt követően a légkörben lévő koncentrációja csökkent. Bonyolult dinamikája miatt, amelyet főként nukleáris reakciók és bomlások irányítanak, a C14-t nem vesszük figyelembe ebben a tanulmányban, amelynek tárgya a C12 és C13 stabil izotópok változása.
E két izotóp alapján a következőképp határozzuk meg az ebben a tanulmányban használt alapmennyiséget:
1, definíció: A C12 és C13 stabil szénizotópokhoz kapcsolódó izotópos szignatúra a következő: ahol az „s” alsó index egy megállapított szabványos referenciaanyagot jelöl.
Ezt redukált izotóparánynak is nevezik, és jellemzően ezrelékben (per mille, ‰) adják meg. A standard referenciaanyag a bécsi Pee Dee Belemnit (PDB) mészkő [9], [10]. Az (1) egyenlet transzformációja a [C13]/[C12] ismert értékekkel együtt jelenik meg, amint az az 1. ábrán látható, amely azt mutatja, hogy az éghajlati rendszer és a Föld különböző rekeszei eltérő izotópos szignatúrával rendelkeznek. Az ábra azt is mutatja, hogy egyes folyamatok a frakcionálásnak, azaz az izotópok megkülönböztetésének (isotope discrimination; elválasztásának) funkcióját töltik be. Különösen a fotoszintézis különbözteti meg az O2 és a CO2 cseréje során  a nehezebb C13 izotópot, és ennek következtében ez az izotóp általában fogyatkozik a növényekben.

Az utóbbi években megfigyelték a légköri δC13 csökkenését, amelyet gyakran Suess-effektusnak neveznek, Suess (1955) [11] után, aki az első, bár C14-adatokat használó megfigyeléseket tette közzé erről a jelenségről fákon. A csökkenést az emberi tevékenységnek tulajdonította, és kijelentette:

„A csökkenés [a fa fajlagos 14C-aktivitásában a növekedés idején az elmúlt 50 évben] a mesterséges szén- és olajtüzelés által a légkörbe juttatott bizonyos mennyiségű C14-mentes CO2-nek, valamint a légköri CO2 és az óceánokban oldott bikarbonát [HCO3^–] közötti izotópcsere sebességének tulajdonítható.”

Kétségtelen, hogy a δC13 csökkennek, és az emberi kibocsátás az ipari forradalom óta növekedett (2. ábra). Amint az 1. ábrán látható, a fosszilis tüzelőanyagok elégetése is hatással lehet a δC13 csökkenésére, mivel ezek viszonylag szegényített C13-t tartalmaznak. Ez volt Suess [11] gondolatmenete (bár a fenti idézet 14C-re vonatkozik), és azóta ez vált általános vélekedéssé.

 

Andres et al. [15], [16] például megállapította:

„A fosszilis tüzelőanyagok kibocsátásának szénizotópos (δC13, PDB) szignatúrája csökkent az elmúlt évszázad során, ami a termelt fosszilis tüzelőanyagok változó összetételét tükrözi.”

Szintén a közelmúltban megjelent áttekintő tanulmányukban Graven és munkatársai [8] megjegyezték:

„A légköri CO2 14C és C13 szénizotópjai a fosszilis tüzelőanyagok kibocsátásának és más emberi tevékenységeknek a hatására változnak.
[…]
A fosszilis tüzelőanyagok elégetéséből és a földhasználat változásából származó CO2-kibocsátás csökkenti a légköri CO2 C13/C12 arányát (δ13CO2). Ennek oka, hogy a C12-t a fotoszintézis során előnyben részesítik, így a szárazföldi ökoszisztémákban és a fosszilis tüzelőanyagokban a növényekből származó szénben lévő δC13 alacsonyabb, mint a légköri δ13CO2.
[…]
A cementgyártás szintén „fosszilis” szénnel jár, mivel a kiindulási anyag geológiai eredetű, és ezért nem tartalmaz 14C-t.
[…]
Az ipari forradalom óta a légköri CO2 szénizotópos összetétele drámai változásokon ment keresztül az emberi tevékenységek és a természetes szénciklus erre adott reakciója következtében. A légköri 14C és C13 relatív mennyisége a CO2-ben csökkent a 14C-ben és C13-ben szegény fosszilis szén hozzáadása miatt.”

Ezek az általánosan elfogadott hipotézisek azonban dogmatikus megközelítést vagy posztmodern ideológiai hatást tükrözhetnek, vagyis azt, hogy mindent az emberi tevékenységgel magyarázunk. Ezért nem vizsgálták komolyan azt a nullhipotézist, hogy a megfigyelt változások (többnyire) természetesek. Ennek a vizsgálatnak azonban jó okai vannak. Tény, hogy a bioszféra termelékenyebbé vált és kiterjedt [5],[17],[18], [19] ami a szénciklus természetes felerősödését eredményezte a hőmérséklet emelkedése miatt. Ez a tény lehetett az elsődleges tényező a légköri CO2 δC13 izotópos szignatúrájának csökkenésében. Megjegyzendő, hogy a bioszféra kibocsátása sokkal nagyobb, mint a fosszilis tüzelőanyagok kibocsátása (ahol az utóbbiak csak 4%-át teszik ki) [5], és ahogy az 1. ábrán látható, a bioszféra δC13 izotópos szignatúrája sokkal alacsonyabb, mint a légkörié (lásd még a 6. szakaszt).
A bioszféra hatásán kívül más természeti tényezők is befolyásolják a légköri CO2 beviteli izotópos szignatúráját. Ezek közé tartoznak a vulkánkitörések, amelyek közül a közelmúltban az 1991-es Pinatubo kitörés tekinthető a legfontosabbnak, valamint az El Niño-Déli Oszcillációhoz (ENSO) kapcsolódó évközi változékonyság [8].

A nullhipotézis vizsgálatához és a fenti két kutatási kérdés megválaszolásához a 2. szakaszban ismertetett modern instrumentális és proxy adatokat használunk. A 3. szakaszban elméleti keretet dolgozunk ki, amelyet a 4. szakaszban diagnosztikai, az 5. szakaszban pedig modellezési módban alkalmazunk az adatokra. A 6. szakaszban tovább tárgyaljuk az alkalmazások eredményeit, a 7. szakaszban pedig levonjuk a következtetéseket.

2. Adatok

Az atmoszférikus CO2 δ13C izotópos szignatúrájának szisztematikus mérései 1978 óta folynak [20] a Kaliforniai Egyetem Oceanográfiai Intézetének Scripps CO2 Programja keretén belül, és ezek online is elérhetőek [21], [22], [23]. Az adatok tartalmazzák a CO2-koncentrációt (mikro-mol CO2 per mol, vagy parts per million-ppm-ben), valamint a δ13C megfigyeléseket (‰-ben). Ez utóbbiakat rendszertelen gyakorisággal végzik, ami az időszaktól és a helyszíntől függően 4-5 naponkénti és 15-30 naponkénti gyakoriság között változik (ahol a gyakoriság 95%-ára vonatkozó tartományok vannak megadva). Ezeket a nyers adatokat ezután feldolgozzák a havi értékek kinyerése érdekében, és a hiányzó adatok esetén kitöltik azokat. A tényleges havi értékek mellett a Scripps CO2 Program szezonálisan kiigazított értékeket is szolgáltat, amelyekben állítólag eltávolították a szezonális ingadozást. Az összes rendelkezésre álló idősor – napi, havi és szezonálisan kiigazított havi – itt került lekérdezésre és feldolgozásra. A rendelkezésre álló megfigyelési helyek közül a négy legfontosabbat választottuk ki, amelyek jellemzőikkel együtt az 1. táblázatban szerepelnek.

Station Name	Station Code	Latitude	Longitude	Elevation (m)	Dates
Barrow, Alaska	PTB	71.3° N	156.6° W	11	1982–present
La Jolla Pier, California	LJO	32.9° N	117.3° W	10	1978–present
Mauna Loa Observatory, Hawaii	MLO	19.5° N	155.6° W	3397	1978–present
South Pole	SPO	90.0° S		2810	1977–present

1. táblázat. A légköri CO2 izotópos adatait tartalmazó megfigyelési helyek és jellemzőik.

Ebben a tanulmányban a műszeres adatokon kívül az elmúlt öt évszázad proxy adatait is elemezték. Ezeket a Böhm et al. [24] tanulmány 4. ábrájának digitalizálásával nyertük, amely tanulmány négy karibi korallszivacs szénizotópos adataiból származtatott δ13C rekordokat, és ezt egy jégmag adathalmazzal vetették össze. Mi az idézett [24] tanulmány [CO2] és a δ13C légköri adatait adatokat használjuk. Ezeket antarktiszi jégmagból, firn légzárványokból és levegőben végzett mérésekből származtatták, míg a légköri δ13C rekordot az iparosodás előtti átlag- és minimumértékeihez méreteztük, hogy illeszkedjen a sekélyvízi szivacs adatcsoporthoz. A két digitalizált sorozatot a 3. ábra bal oldali panelje mutatja. A jobb oldali panel – amely ezt a δ13C adatsort a Graven et al. [8] (szintén a 2. ábrán látható) adatsorával hasonlítja össze – a proxy információk bizonytalanságát mutatja.

3. Elméleti keret

Feltételezzük, hogy egy m össztömegű gázkeverék tartályában egy adott „A” gáz jelenik meg C koncentrációban. A tartályba egy dm elemi (differenciális) tömeget fecskendezünk, amelyben „A” C_I bemeneti koncentrációban jelenik meg.
. A tömegmegmaradás az alábbiakat eredményezi:

d(mC)=C_Idm                                                               (2)

Ez egy közönséges elsőrendű lineáris differenciálegyenletet eredményez:

ahol az általánosság kedvéért feltételezzük, hogy mind C és  C_I m függvényében változik.
Hangsúlyozzuk, hogy a bemeneti C_Idm a (2) egyenletben nem feltétlenül egyetlen forrásból származik. Lehet n forrás és nyelő eredménye is:

C_Idm=C_I1a₁dm+⋯+C_Ina_ndm.                                                             (4)

ahol az i forrás (vagy nyelő) i tömegbevitelben kifejezett aránya az összeshez képest, megfelelve:

a₁+⋯+a_n=1                                                          (5)

és C_Ii az A gáz koncentrációja az i forrásban. Ekkor a bemeneti koncentráció a következőképpen van meghatározva:

C_I:=C_I1a₁+⋯+C_Ina_n.                                                       (6)

Ezenkívül a különböző értékeknek nem feltétlenül kell pozitívnak lenniük. Néhányuk lehet negatív is, ami tömegelvonást jelent (forrás helyett nyelő, amelyre a_i<0).
A (3) egyenlet általános megoldása, kezdeti állapotként feltételezve, hogy (Cm₀)=C₀ és m≠m_0:

ahol    az átlagos input koncentráció; tehát

 

Abban a speciális esetben, amikor _I bemeneti koncentráció állandó, a (7) egyenlet a következőképpen írható fel:

C(m)=C_I+(C₀-C_I)×(m₀÷m)                                                                   (9)

A C és és 1/m között lineáris kapcsolat áll fenn, amely felhasználható C_I kiszámításához az m és adataiból. C_I-t változtatva megkapjuk az átlagos

értéket egy olyan periódusra, amelyben a tömeg a kezdeti m₀ értéktől az alábbiak szerint változik a végső m≠m₀ értékig:

Ahhoz, hogy ezeket az összefüggéseket a légköri CO2 izotópos jellemzésére alkalmazzuk, feltételezzük, hogy a tartály a teljes légkör. Megfigyeljük, hogy a légkörben lévő CO2 tömege arányos a [CO2] koncentrációval, amelyet általában térfogati milliomodrészben (ppm) fejeznek ki, és a CO2-ben lévő 13C izotóp frakciójának koncentrációja arányos az 1+δ13C-vel, ahol δ13C az (1) egyenletben definiált izotóp szignatúra. Ilyen feltételek mellett a (7) egyenlet algebrai manipulációk után a következő lesz:

ahol az „I” jelöli a bemenetet (forrás vagy nyelő), a „0” jelöli a kezdeti állapotot, a felső vonal pedig az átlagot. Hasonlóképpen, δ13C_I konstans bemeneti izotópos szignatúrával a (9) így írhatjuk föl: 

A δ13C_I állandó bemeneti izotópos szignatúra esetén a (12) egyenletet felhasználhatjuk a δ13C_I meghatározására a a δ13C és 1/[CO2] adatai lineáris regressziójának tengelyszakaszaként. Ennél a következőkben járhatunk el:

2. definíció: A Keeling-diagram a δ13C és az 1/[CO2] diagramja, ahol a δ13C és 1/[CO2] értékei azonos idejűek.

Látszólag ez a definíció nem közvetít semmilyen új gondolatot, hanem maga a cselekmény neve emlékeztet arra, hogy Charles D. Keeling több mint 60 évvel ezelőtt használta először [25], [26]. A diagramot Keeling empirikusan, adatok megállapítása után vezette be lineáris grafikonként, míg később Miller és Tans [27], valamint Köhler et al. [28] levezette a diagram linearitásának elméleti igazolását a (12) egyenlethez hasonlóan, a tömegmérleg alapján.
Itt tisztázzuk, hogy a 2. definícióban foglaltaknak megfelelően a fogalmat itt a grafikon linearitásától vagy nemlinearitásától függetlenül használjuk. A definíció csak a grafikon tengelyeit írja le, míg a linearitás, bármikor is jelenik meg, egy időben változatlan bemeneti izotópos szignatúrára utal.

A Keeling-diagram különbözik a 3. ábrához hasonló, szokásos idősor-diagramoktól. Míg az előbbi könnyen jelzi a bemeneti izotópos szignatúra állandóságát, az utóbbi nem. Ezt szemlélteti a 4. ábra, amely egy Keeling-diagramot és egy idősor-diagramot is mutat. Az ábrák elkészítéséhez olyan kezdeti feltételeket feltételeztünk, amelyek hasonlítanak a Földön Kr.u. 1500-ban uralkodó körülményekhez, továbbá olyan alternatív δ13C_I input izotópos szignatúrákat, amelyek minden esetben változatlanok időben, így a (12) egyenlet érvényes. (A 4. ábra felépítésével kapcsolatos további információk a képfeliratban, valamint a 4. és az 5. fejezetben találhatók). Figyelemre méltó, hogy az idősorozatos diagramon (4. ábra, jobb oldali panel) a bemeneti izotópos szignatúra alacsony értékei esetén olyan görbék jelennek meg, amelyek hasonlítanak a 3. ábrán látható proxy adatokhoz. Görbületük nem utal arra, hogy a bemeneti izotópos szignatúra valójában állandó, de a Keeling-diagram (4. ábra, bal oldali panel) a grafikonok linearitása alapján könnyen feltárja ezt az állandóságot.

Abban az esetben, ha a δ13C_I bemeneti izotópos szignatúra nem állandó, a Keeling-diagram nem lesz lineáris, mint a (12) egyenletben. Ebben az esetben δ13C_I átlagos izotópos szignatúrák megtalálására akár globálisan (a megfigyelések teljes időszakára vonatkozóan), akár lokálisan, bizonyos részidőszakokra vonatkozóan átlagként, előnyösebb a következő egyenletet használni, amely a (10) egyenlet következménye:

Megjegyzendő, hogy az egyenlet formája alapján csak a vizsgált időszak kezdeti és végső feltételei számítanak a

kiszámításánál.

A numerikus stabilitás érdekében a részperiódusok hossza nem lehet túl rövid, hogy a [CO2]-[CO2]₀ különbség a nevezőben viszonylag nagy legyen. Ehhez a 4. szakaszban található egy illusztráció , ahol ezt a különbséget egyenlőnek tekintjük a [CO2] megfigyelt standard szórásának értékével.

Köhler és munkatársai [28] azt állították, hogy a Keeling-diagram-módszer mögött két alapfeltevés áll:

(1) A rendszer (csak) két összekapcsolt tározóból áll; és
(2) a hozzáadott tározóban lévő szén izotóparánya nem változik a megfigyelés ideje alatt.

Itt eltekintettünk mindkét feltételezéstől, amelyek általános megfogalmazásunkban szükségtelenek. Először is, nem két tározót veszünk figyelembe, hanem egy tározót (pl. a teljes légkört) plusz egy bemenetet, amely számos összetevőt tartalmazhat, lásd a (4) egyenletet. Ennek a feltételezésnek a megszüntetése feltétlenül szükséges volt, mivel a légköri CO2 végső izotópos szignatúrája a különböző forrásokból származó folyamatok keveredéséből származik. Másodszor, a differenciálegyenlet általános megoldása ((11) és (13) egyenletek) még a szén változó izotóparányára is érvényes.
Megjegyezzük, hogy nettó forrás helyett nettó nyelő esetén (tömegeltávolítás, bevitel helyett) a megoldás ugyanaz marad. Ha a nettó forrás vagy nyelő állandó δ13C_I koncentrációval rendelkezik, akkor a (13) egyenlet alapján kiszámított átlagos koncentráció is állandó lesz,

= δ13C_I.
Ha azonban a [CO2]-nak szezonálisan növekvő és csökkenő szakaszai vannak, amelyekben a két fázisban eltérő az izotópos jellemző, azaz
δ13C_D≠δ13C_U
azokban a fázisokban, amelyekben a [CO2] növekszik, illetve csökken, akkor az átlagos

, amely az évközi változásokat jellemzi, különbözik úgy a δ13C_U-tól, mint a δ13C_D-től. A két fázis ilyen eltérése a bioszférában, különösen a fotoszintézis során bekövetkező frakcionálás miatt várható (lásd az 1. ábrát).

Hogy a hosszú távú átlagos

értékét kiszámíthassuk, olyan ([CO2]0,δ13C0) rendszert feltételezünk, amelynek egy időszakán belül (jelen esetben egy éven belül) a [CO2] csökken és növekszik, az időszak pedig  Δ[CO2]=Δ[CO2]_U+Δ[CO2]_D-vel jellemezhető. Így az állapot az időszak végén  ([CO₂]₀+Δ[CO₂],δ13C-vel jellemezhető.
Amint az A. függelékben látható, az átlagos δ13C_I kiszámítható a következő módon ahol

A δ13C_U és δ13C_D kis szezonális különbségei is nagymértékű éves átlagos eltérést eredményezhetnek a differencia és az R[CO2] arány függvényében. Ezt szemlélteti az 5. ábra, ahol látható, hogy a δ13C_U és a δ13C_D közötti ±5‰ különbség könnyen eredményezhet ±25‰-es eltérést közöttük és a  δ13C_I éves átlaga között.
.

A 6. ábra (felső panel) a CO2 δ13C négy műszeres idősorát mutatja a légköri havi skálán, és lehetővé teszi számunkra a következő megfigyeléseket:

1. Mind a négy sorozat hosszú távú csökkenő tendenciát mutat az évek során;
2. A legészakibb helyszín, Barrow idősorai jelentős szezonális ingadozást mutatnak, az éves ingadozási tartományuk közel 1‰, ami majdnem megegyezik az évek közti központi változással a megfigyelések teljes időszakában;
3. Északról dél felé haladva az évszakos eltérés csökken, a Déli-sarkon pedig minimális;
4. Az évszakos ingadozástól eltekintve az összes sorozat viselkedése hasonló, amint azt az ábrán látható hosszú távú meredekségek is jelzik.

A jól látható szezonalitás, amelyet a 6. ábra alsó paneljében az éves tartomány (maximum mínusz minimum érték évente mind a négy műszeres idősor esetében) is mutat, egyértelmű jele annak, hogy a bioszférában zajló folyamatok, azaz a légzés és a fotoszintézis dominálnak a δ13C izotópos szignatúra kialakulásában.
Különösen a fotoszintézis távolítja el a CO2-t a légkörből, és az ezt jellemző frakcionálás okozza a δ13C érték megnövekedését a légkörben, azokban a hónapokban, amikor a fotoszintézis végbemegy. Továbbá a szezonalitás csökkenő intenzitása északról dél felé haladva összefügghet azzal a ténnyel, hogy a szárazföldek többsége az északi féltekén található, ami arra utal, hogy a szárazföldi bioszféra jelentős szerepet játszik a δ13C izotópos szignatúra ciklusának irányításában (lásd még a 6. szakaszt). Figyelemre méltó az is, hogy az évszakos viselkedésben (a 6. ábra alsó panelje) nem ismerhető fel trend. Figyelembe véve azt a tényt, hogy – amint az a 2. ábrán (jobbra) látható – az emberi szén-dioxid-kibocsátás évente megduplázódott a 6. ábra által lefedett időszakban, ha ez kulcsfontosságú tényező lenne, akkor ez valahogyan tükröződne a szezonalitás trendjében. így nem észlelhető olyan jel, amely hozzárendelhető volna a fosszilis tüzelőanyag-kibocsátáshoz. Ezzel szemben a 6. ábra azt sugallja, hogy a CO2-kibocsátás kulcsfolyamatai a bioszféra folyamataihoz, például a légzéshez és a fotoszintézishez kapcsolódnak.
A szezonalitás hatása, amely az alaszkai Barrowban maximális, az északi félteke trópusi területein is jelen van. A Mauna Loa helyszín ábrázolása a 7. ábrán látható, amely a jobb olvashatóság érdekében egy évtizedre összpontosít. Ezen a szén-dioxid-koncentráció inverze, 1/[CO2] is ábrázolva van. A δ13C és az 1/[CO2] változások teljes szinkronban vannak, ami a 3. fejezet elméleti megfontolásai alapján igazolható. Ez felveti a kérdést, hogy a δ13C hozzáad-e valamilyen információt a [CO2] -ban már jelenlévő információhoz. Ezt az alábbiakban tovább vizsgáljuk.

4.2. A viselkedés összehasonlítása különböző időskálákonA (12) egyenleten alapuló és a 3. szakaszban ismertetett Keeling-diagram a δ13C izotópos szignatúra viselkedésének hatékony diagnosztikai eszköze.
A 8. ábra a Mauna Loa Keeling-diagramját mutatja a három rendelkezésre álló idősorra, napi, havi és szezonálisan kiigazított értékekre.A szezonálisan kiigazított idősor szinte tökéletes lineáris ábrát ad, nagyon magas determinációs együtthatóval, R2 = 0,99 és -13,3‰-es metszésponttal, ami egy δ13C_I=-13,3‰-es bemeneti izotópos szignatúrát jelent, amely a megfigyelések teljes időszakában állandó. A napi és havi idősorok azonban egyértelműen azt mutatják, hogy a bemeneti szignatúra nem állandó, hanem szezonálisan változik, nagyobb meredekséggel, ami helyenként körülbelül -25‰-es metszéspontnak felel meg. A szezonalitás miatti szórástól eltekintve azonban a grafikonon is látható lineáris trendvonalakkal, amelyek metszéspontja nagyon közel van a -13,3‰ értékhez, lineáris elrendezést alkotnak.
A 9. ábra hasonló görbéket mutat Barrow és a Déli-sark esetében. Az előbbinél a szezonalitás szembetűnő, az utóbbinál pedig szinte teljesen hiányzik. Az általános elrendeződések mégis lineárisak, a metszéspontok -13‰ és -14‰ között vannak, amelyek nem nagyon különböznek a 8. ábrán láthatóktól.

A 10. ábra összehasonlítja mind a négy helyszín Keeling-diagramját a szezonálisan kiigazított idősorok esetében. A hasonlóság szembetűnő, és a metszéspontok nagyon közel vannak egymáshoz, a -12,9‰  és -13,3‰ közötti szűk tartományban váltakoznak.

Röviden, az évenkénti bemeneti izotópos szignatúra szinte azonos az egész földgömbön.

4.3. Az évközi változások vizsgálata

A 4.2. szakasz grafikus ábrázolásai nem utalnak  a δ13C_I bemeneti izotópos szignatúra hosszútávú változására. Másrészt, amint azt már említettük, és a 2. ábrán (jobbra) látható, a megfigyelési időszakban az éves emberi CO2-kibocsátás megduplázódott (az 1978-as 5,2 Gt C/évről a

2022-es 10,1 Gt C/évre), a kumulált mennyiségek tekintetében pedig több mint megháromszorozódott (az 1978-as 152,1 Gt C-ről a 2022-es 481,8 Gt C-re). Ha tehát a fosszilis tüzelőanyagok elégetése okozta a [CO2] növekedését és a δ13C csökkenését, akkor a δ13C_I bemeneti izotópos szignatúra csökkenése is várható volna. Ezért ebben az alfejezetben egy másik megközelítéssel részletesebben megvizsgáljuk, hogy a δ13C_I bemeneti izotópos szignatúra csökken-e vagy sem, és amely nem jelenik meg a Keeling-diagramban.
Konkrétan a (13) egyenletet alkalmazzuk az időben átlagolt

izotópos jelek megtalálására bizonyos részidőszakokban, és megvizsgáljuk, hogy

csökken-e az idő előrehaladtával. A 11. ábra ennek az elképzelésnek a Mauna Loa-ra történő alkalmazását mutatja be, a k hosszúságú, 10, 20 vagy 30 évre rögzített alperiódusokat (vagy ablakokat) figyelembe véve, a korábbi időpontoktól a későbbi időpontok felé haladva. Ezt a technikát a továbbiakban rögzített ablakhosszúságú technikának nevezzük. Nem mutatkozik csökkenő tendencia, míg a hosszabb, 20 és 30 éves részidőszakok esetében a tendenciák egyértelműen növekvőek, ami ellentétes azzal a feltételezéssel, hogy a fosszilis tüzelőanyagok kibocsátása okozza őket.

Egy alternatív technikával, amelyet változó ablakhossz technikának nevezünk, és amelyet szintén a 11. ábra mutat be, változó hosszúságú ablakot veszünk figyelembe, amelynek kezdete a megfigyelések kezdetéhez van rögzítve, a végpont pedig a megfigyelések kezdetétől a megfigyelések végéig 10 évvel eltolva mozog előre, hogy a teljes megfigyelési időszakot (44 év) lefedje. Nos, az így kapott görbe tartósan növekszik, ami szintén ellentmond a fosszilis tüzelőanyag-hipotézisnek.

A 12. ábra egy harmadik technikát, az úgynevezett fixált [CO2] differencia technikát mutat be, amelyben az ablak nem állandó hosszúságú, hanem minden egyes végpontra úgy határozzák meg a hosszát, hogy a [CO2]−[CO2]0 különbség a (13) egyenlet nevezőjében megegyezik a [CO2]
megfigyelésekkel standard eltérésével. Megjegyzendő, hogy a legkorábbi megfigyelések esetében ez nem lehetséges, ezért a vízszintes (idő)tengely egy későbbi időpontban (1985) kezdődik. Mindhárom idősort, a napi, a havi és a kiigazított szezonális idősort használjuk. A meghatározott értékek sorozatára lineáris regresszióval egy trendvonalat illesztünk, amelyet az ábrán ábrázolunk. A trendek minden esetben kicsik (0,38‰/dekádtól 1,14‰/dekádig) és mindig pozitívak, ami ismét ellentmond a jelenség fosszilis eredetének.

A 13. ábra a rögzített [CO2] különbség technikájának eredményeit mutatja mind a négy vizsgált helyszínre vonatkozóan. A tendenciák a Déli-sarkon mért 0,27‰/dekád és Mauna Loán mért +0,38‰/dekád értékek között változnak. Ezek az értékek kicsik, és még 5%-os szinten sem szignifikánsak statisztikailag, amint azt a Monte Carlo szimulációs technika alkalmazásával megmutatjuk. A szimulációhoz Hurst-Kolmogorov modellt alkalmaztuk (lásd [29] és az ottani hivatkozások), a Hurst-együtthatót a helyi átlagok sorozatából határoztuk meg. Ezért az 5. szakasz modellezési fázisában egy állandó, egész évben állandó δ13C_I bemeneti izotópos szignatúrát feltételezünk, amely azonban szezonálisan változik.4.4. Proxy adatokA proxy adatok Keeling-diagramja, Kr. u.1520-tól az 1997-ig terjedő időszakra a 14. ábrán látható. A pontok elrendezése közel lineáris, ami δ13C_I=-13,3‰ metszéspontot eredményez, ami érdekes módon megegyezik a modern adatokban megfigyelt értékekkel. Annak vizsgálatára, hogy van-e időbeli változás a δ13C_I -ben, a mintát három szubperiódusra osztottuk az emberi CO2-kibocsátás mennyisége alapján, amint az a 2. táblázatban látható. A szubperiódusok metszéspontjai a 14. ábrán láthatók. A legkorábbi, A periódustól a következő B periódusig a δ13C_I csökkenést mutat, ami aligha tulajdonítható az emberi kibocsátásoknak, mivel azok nem voltak olyan nagyok. A B periódustól a C periódusig a δ13C_I növekedése figyelhető meg, ami ellentmond a fosszilis tüzelőanyagokhoz történő hozzárendelésnek.
Sci 06 00017 g014Figura
2. táblázat. A Böhm et al. [24] proxy adatokban szereplő alidőszakok megnevezése.

Subperiod	Years	Human CO2 Emissions, Gt C/Year	[CO2], ppm	# Data Points of
A	1520–1898	0–0.5	283–295	16
B	1899–1976	0.5–5	296–330	27
C	1977–1997	>5	>331	10

A rögzített [CO2] különbség technikát a proxy adatokra is alkalmaztuk, és az eredményeket a 15. ábra mutatja. Itt egy váltakozást figyelhetünk meg az emelkedő tendenciájú időszakok (1850 előtti korai időszak és az 1975 utáni legkésőbbi időszak), a stabil időszakok (1850-1950) és a csökkenő tendenciájú időszakok 1950-1975) között. Az általános tendencia csökkenő, de a legutóbbi, 1975-1997 közötti időszakot, amelyben az emberi kibocsátás a legnagyobb volt, növekvő tendencia jellemzi. Figyelemre méltó, hogy az adatok értékei és a legutóbbi időszak trendje megegyezik a Mauna Loa műszeres adatainak értékeivel, amelyeket szintén a 15. ábrán ábrázoltunk. Ezért a megfigyelt viselkedés emberi kibocsátásnak való tulajdonítása ismét nem lehetséges.

5. Modellezési eredmények5.1. A modell előfeltevései és szerkezeteAz 5. szakasz diagnosztikai eredményei után azt a hipotézist állítjuk fel, hogy a légköri CO2 izotópösszetételében megfigyelhető változásokban
a bioszférában zajló folyamatok dominálnak, az emberi kibocsátások hatása pedig elhanyagolható. Továbbá úgy véljük, hogy a Pinatubo kitörés hatással lehetett az izotópos összetételre. Ami az ENSO-t illeti, bár elismerjük, hogy hatással van az izotópos összetételre, úgy véljük, hogy ezt a hatást nem szükséges kifejezetten modellezni, mivel az ujjlenyomata már jelen lehetett a [CO2]-ban, amelyről feltételezzük, hogy ismert bemeneti adat a modellünkben. E modellezési feladat célja annak tesztelése, hogy ezek a hipotézisek összhangban vannak-e a műszeres és proxy adatokkal.Az általunk használt modell nem más, mint az egyszerű (12) egyenlet, amelyet egymás után alkalmazunk, minden alkalommal a múltbeli és jelenlegi [CO2] adatok felhasználásával, kiszámítva a δ13C jelen értékét a (12) egyenletből. A modellt a műszeres adatokkal rendelkező helyszínek esetében havi időléptékben futtatjuk (szezonális kiigazítás nélkül), és a 3. és 4. szakaszban leírtaknak megfelelően feltételezzük, hogy a modellnek két paramétere van, δ13C_U és δ13C_D, azaz a [CO2] szezonálisan növekvő és csökkenő fázisainak bemeneti izotópos szignatúrái.
A 3. szakaszban leírtak alapján (vö. 5. ábra) azt várjuk, hogy δ13C_D
alacsonyabb lesz, mint δ13C_U, az egész éves átlaggal való összhang érdekében. A 4. szakasz eredményei alapján ez utóbbit -13,2‰ közelébe várjuk, bár ezt az értéket nem használjuk a modellezésben, hanem modelleredményként számoljuk ki. A két paraméteren kívül két kezdeti feltételt használunk, az első a δ13C_B a szimuláció kezdetén. Mivel felismerjük a Pinatubo kitörés szerepét, feltételezzük, hogy a folyamat szabályos lefolyása a kitörés után megszakadt, és a modellt egy évvel utána újra indítjuk egy második δ13C_P értékkel. Meghatározzuk a δ13C_U és δ13C_D paramétereket, valamint a δ13C_B és δ13C_P kezdeti feltételeket,
a modell adatokra való illesztés átlagos négyzetes hibájának minimalizálásával.
A kezdeti modellfuttatásokban több esetet teszteltünk, és minden egyes helyszínen egymástól függetlenül optimalizáltuk a hibát, kipróbálva a δ13C_U és δ13C_D hozzárendelésének különböző lehetőségeit az egyes hónapokhoz. Megállapítottuk, hogy a δ13C_D viszonylag állandó minden helyszínen, míg a δ13C_U értéke északról dél felé haladva növekszik. Azt is megállapítottuk, hogy a hiba minimálisra csökken, ha a δ13C_D értékét
a [CO2] legnagyobb csökkenését mutató két hónaphoz rendeljük.
Ezek az északi félteke esetében július és augusztus, a déli félteke esetében pedig november és december ([2], 7. ábra, jobbra).
E kezdeti megfigyelések alapján feltételeztük, hogy a δ13C_D értéke világszerte azonos, míg a δ13C_U értéke helyspecifikus. Így találtuk meg az általános δ13C_D és a helyspecifikus δ13C_U, δ13C_B és δ13C_P értékeket az összes helyszínen az illesztési hibák összegének egyidejű minimalizálásával.
Az alap modellfuttatáson kívül, amelyben a δ13C0 értékét az előző lépés szimulált értékének vesszük, egy másik futtatást is végzünk, amelyben ezt az értéket minden egyes lépésnél az előző időlépés megfigyelése alapján frissítjük. A δ13C_U és a δ13C_D modellparaméterek ugyanazok maradnak, mint az eredeti modellben használtak (frissítés nélkül).5.2. A modell alkalmazása a műszeres adatokraA modell alkalmazása a modell egyszerűsége miatt nagyon egyszerű, és a hibaminimalizálás elvégzéséhez elegendő egy tipikus táblázatkezelő szoftver egy solverrel. A hibaminimalizálás eredményeként kapott értékeket a 3. táblázat mutatja be, az illeszkedési metrikákkal együtt, nevezetesen a torzítással, amely minden esetben nulla, és a magyarázott varianciával, amely 98-99%-os. (Megjegyzendő, hogy a definiált variancia a modellhiba varianciájának és a modellezett változó varianciájának hányadosának -ből képezett maradéka, más néven a Nash-Sutcliffe-hatékonyság.) Egyszerű szavakkal, mindent nagyon jól reprodukál a modell. Az így kapott illeszkedési metrikák a frissített δ13C0 szintén a 3. táblázatban láthatóak, és valamivel jobbak, mint az eredeti modellfuttatásban tapasztaltak.
3. táblázat. Modellparaméterek és teljesítménymutatók δ13C-re (‰).

Time Series	‰	, ‰ (Months of Application)	Initial Conditions ￰,‰ (,‰)	‰ w/o Update (w/Update)	Bias (%) w/o Update (w/Update)	Explained Variance (%) w/o Update (w/Update)
Barrow	−25.4	−27.6 (6,7)	−7.9 (−8.4)	−13.3 (−13.3)	0.0 (0.0)	98.7 (98.2)
La Jolla	−24.6	−27.6 (6,7)	−7.8 (−8.2)	−13.5 (−13.5)	0.0 (0.0)	97.8 (98.2)
Mauna Loa	−21.2	−27.6 (6,7)	−7.6 (−8.0)	−13.3 (−13.3)	0.0 (0.0)	98.1 (98.9)
South Pole	−13.2	−27.6 (11,12)	−7.5 (−7.8)	−12.6 (−12.6)	0.0 (0.0)	98.6 (99.5)
Proxy, Böhm et al. [24]	−13.2	−13.2 (n/a)	−6.3 (n/a)	−13.2 (−13.2)	0.0 (0.0)	95.9 (98.4)

A modell jó viselkedése mindkét üzemmódban (frissítés nélkül és frissítéssel) grafikusan is látható két esetben, a legészakibb Barrow és a legdélebbi Déli-sark esetében a 16. ábrán, illetve a 17. ábrán.

 

A modell jó teljesítményét a 18. ábra mutatja be Keeling-diagramok formájában ugyanezen helyszínekre, Barrow-ra és a Déli-sarkra, valamint a 19. ábra a modellezett és a megfigyelt értékek összehasonlításában mind a négy helyszínre vonatkozóan.

 

5.3. A modell alkalmazása a proxy adatokra

A modell alkalmazása a proxy adatokra sokkal egyszerűbb, mivel az időskála több mint egyéves, szezonalitás nélküli. Így a δ13C_I egyetlen értéke elegendő. Ezt az értéket nem optimalizáljuk, hanem a δ13C_I
értékek átlaga a műszeres adatokkal rendelkező négy helyszínre vonatkozóan. Ezzel a választással azt vizsgáljuk, hogy a modern értékek reprezentatívak-e a távoli múltra, Kr. u. 1500-ig visszamenőleg is. A modell teljesítményének mérőszámai szintén a 3. táblázatban láthatók, és jók, bár nem olyan jók, mint a műszeres adatokban látott mérőszámok, ami indokolt egy ilyen hosszú időszak és a 2. szakaszban tárgyalt nagy bizonytalanság miatt.
A modell jó teljesítményét mindkét üzemmódban (frissítés nélkül és frissítéssel) grafikusan a 20. ábra mutatja be az idősor- és Keeling-diagramok, valamint a 21. ábra a modellezett és a megfigyelt értékek viszonylatában.

 6. MegbeszélésMindössze két paraméterrel, δ13C_U és δ13C_U, amelyek a [CO2]  szezonálisan növekvő és csökkenő fázisainak bemeneti izotópos szignatúráját reprezentálják, hatékonyan tudjuk modellezni a δ13C izotópos szignatúrát a teljes megfigyelési időszakra vonatkozóan. E paraméterek közül a δ13C_D, amely a fotoszintézis általi frakcionálódást tükrözi, az egész Földön azonosnak tekinthető, míg δ13C_U változó, észak felé haladva kisebb (negatívabb) értékekkel, dél felé haladva pedig nagyobb (kevésbé negatív) értékekkel. A δ13C_U e térbeli változása a szezonalitás erősségének különbségeit tükrözi a [CO2] és δ13C, amely az Északi-sark felé haladva maximális, a Déli-sarkon pedig minimális. Az erős szezonalitás az északi szélességeken valószínűleg a boreális növényzetben zajló folyamatokkal, a téli hó és jég dominanciájával, valamint a fotoszintézis hiányával függ össze a 6 hónapos éjszaka alatt (megjegyzendő, hogy Barrow az ÉSZ 71,3°-os szélességgel északabbra van, mint az ÉSZ 66,6°-os szélességű Artic Circle). Dél felé haladva e jellemzők némelyike megszűnik, és a szezonalitás kevésbé válik hangsúlyossá, mivel a fotoszintézis egész évben zajlik, bár változó intenzitással. A Déli-sark minimális szezonalitása valószínűleg a vegetáció hiányával függ össze, ami a déli szélesség 43°-án túl a szárazföld minimális megjelenésének köszönhető (kivéve az Antarktisz fagyott kontinensét és egy viszonylag kis földdarabot Dél-Amerikában). Mindezek arra utalnak, hogy a szárazföldi bioszféra folyamatai dominálnak a [CO2] és δ13CA szezonalitásban mutatkozó különbségek ellenére a δ13C_I az összes elemzés, diagnosztika és modellezés eredményeit összefoglaló 4. táblázatban látható, amely az alkalmazott módszertől függetlenül hasonló értékekre utal. Ezt nem nehéz megmagyarázni, mivel hosszú távon a CO2
jól keveredik a légkörben; így a szezonális δ13C_I eltérések általában eltűnnek.
4. táblázat. A δ13C_I (‰) izotópos szignatúrák egész éves input eredményeinek összefoglalása

Time Series	Keeling Plot Intercept	Mean (and Linear Trend) of Local Averages of ??￰ﾝﾟﾑ??	Long-Term Average  from Model
Barrow	−13.2	−13.3 (+0.07)	−13.3
La Jolla	−13.3	−13.5 (−0.08)	−13.5
Mauna Loa	−13.3	−13.5 (+0.38)	−13.3
South Pole	−12.9	−12.7 (−0.27)	−12.6
Proxy, Böhm et al. [24]	−13.3	−12.9 (−0.13)	−13.2
Average	−13.2	−13.2 (+0.01)	−13.2

Úgy a diagnosztikai, mint a modellezési fázisban szükségtelennek bizonyult az emberi kibocsátások figyelembevétele. Ez ellentétben állhat a közvélekedéssel, amely minden változást az emberre hárít, de ez teljesen ésszerű, mivel az ember a szén-dioxid-kibocsátás mindössze 4%-áért felelős. Ráadásul a légkörben 1750 óta bekövetkezett változások túlnyomó többsége a természetes folyamatoknak, a légzésnek és a fotoszintézisnek köszönhető, ahogyan azt Koutsoyiannis és társai [5] közelmúltbeli tanulmánya is kifejti, és ahogyan azt a tanulmányból vett 22. ábra sematikusan ábrázolja.

A 22. ábrán a következő megfigyelések figyelhetők meg:
(a) a szárazföldi bioszféra folyamatai sokkal erősebbek a tengeri folyamatoknál úgy a CO2 termelés, mint a CO2 elnyelés tekintetében;
(b) még az óceáni bioszféra CO2 kibocsátása is sokkal nagyobb, mint az emberi kibocsátás; és
(c) a modern (1750 utáni) CO2 hozzáadás az iparosodás előtti mennyiségekhez (piros sávok az ábra jobb oldali részén, a pozitív értékeknek megfelelően) ~4,5-szeresen meghaladja az emberi kibocsátást. Ezek a megfigyelések magyarázatot adnak a tanulmány megállapításaira.
Továbbá fontos megjegyezni, hogy a CO2 kisebb szerepet játszik az üvegházhatásban. Amint azt Koutsoyiannis és Vournas [31] nemrégiben megjelent tanulmánya kimutatta, a [CO2] több mint 30%-os növekedése ellenére egy évszázados időszak alatt az üvegházhatás erőssége nem változott a sugárzási adatokban érzékelhető módon. Az üvegházhatást nem a CO2, hanem a légkörben lévő vízgőz jelenléte uralja.7. KövetkeztetésekA jelen tanulmányban szereplő elemzések eredményei negatív választ adnak a bevezetőben feltett kutatási kérdésekre. Konkrétan:
Az elmúlt 40 év modern műszeres szénizotópos adataiból nem mutatható ki az emberi (fosszilis tüzelőanyagokból származó) CO2-kibocsátásra utaló jel;
A kis jégkorszak óta a proxy adatok azt sugallják, hogy a modern időszak műszeres adatai nem különböznek a légköri CO2-források és -elnyelők nettó izotópos jellegét tekintve a korábbi évszázadoktól.
A korábbi tanulmányokkal, nevezetesen a [2,3,4,5,31]-vel kombinálva ezek az eredmények lehetővé teszik a következő gondolatmenet megfogalmazását, amely ellentétben áll az uralkodó éghajlati narratívával, azon az alapon, hogy a különböző gondolatmenetek hasznosak a tudomány fejlődése szempontjából, még akkor is, ha a narratívákat népszerűsítő politikai szándékkal rendelkezők (akiknek képviselői azt hirdetik, hogy „övék a tudomány”, amint az a cikk elején található mottóban is látható) nem üdvözlik őket.

1. A 16. században a Föld egy hűvös éghajlati időszakba lépett, amelyet kis jégkorszaknak nevezünk, és amely a 19. század elején ért véget;
2. Közvetlenül ezután kezdődött egy felmelegedési időszak, amely a mai napig tart. A felmelegedés okai analógok lehetnek azokkal, amelyek a Kr. u. 1000 körüli középkori meleg időszakot, a Kr. e. és Kr. u. első évszázadok körüli római éghajlati optimumot, a Kr. e. 1500 körüli minószi klímaoptimumot és a holocén során végbement más melegedési időszakokat eredményezték;
3. A közelmúltbeli felmelegedés eredményeként, és ahogyan azt a [5]-ben kifejtettük, a bioszféra kiterjedt és termelékenyebbé vált, ami a légkör CO2-koncentrációjának növekedéséhez és a Föld kizöldüléséhez vezetett [17], [18], [19], [32];
4. A megnövekedett CO2-koncentráció következtében a légkörben a δ13C izotópos szignatúra csökkent;
5. A Föld üvegházhatása az elmúlt évszázadban stabil maradt, mivel a légkörben lévő vízgőz dominál [31];
6. Az emberi CO2-kibocsátás kisebb szerepet játszott az éghajlat közelmúltbeli alakulásában, ami a megfigyelési adatokban alig érzékelhető, és a megfigyelt viselkedés modellezésében felesleges hivatkozni rá, beleértve a légkör δ13C izotópos szignatúrájának változását is.

Összességében a tanulmány eredményei megerősítik egyrészt a bioszféra jelentős szerepét a karbonciklusban (és ezen keresztül az éghajlatban), másrészt, hogy az emberi tényező nem érzékelhető. A tanulmány megállapításait számos nemzetközi politikával kapcsolatos kérdéssel lehet összefüggésbe hozni. Cáfolják-e ezek az eredmények azt a hipotézist, hogy a CO2-kibocsátás az üvegházhatáson keresztül hozzájárul a globális felmelegedéshez? Ezek az eredmények, amelyek arra utalnak, hogy az ember minimális hatással van a légköri szén izotópos összetételére, ellentmondanak-e a CO2-kibocsátás csökkentésének szükségességének? Független-e az emberi szén-dioxid-kibocsátás a szennyezés más formáitól, például a finom részecskék és a nitrogén-oxidok kibocsátásától, amelyek káros hatással lehetnek az emberi egészségre és a környezetre? Ezeket a kérdéseket a dokumentum egyáltalán nem teszi fel, és természetesen nem is vizsgálja. Ezért tudományos alapon nem lehet rájuk válaszolni a dokumentum szűk keretein belül, hanem további kutatásokat igényelnek. Az olvasó nyugodtan tanulmányozhatja ezeket a kérdéseket és adhat ésszerű válaszokat. Lényeges megjegyezni, hogy egy bíráló utalt ezekre a kérdésekre, és mindegyikre negatív válaszokat javasolt.

 

A. függelék

A CO2-szezonális változás kétlépcsős ciklusának számításai

A 3. szakaszban egy olyan rendszert feltételeztünk, amelyben a [CO2]
egy éven belül periodikusan növekszik és csökken. A 3. szakaszban tárgyaltak szerint csak a vizsgált időszak kezdeti és végső feltételei számítanak, a köztük lévő útvonal nem. Ezért az egyszerűség kedvéért feltételezzük, hogy az időszak kezdete egybeesik az emelkedő [CO2]-val.

Kezdeti feltételekként ([CO2]₀, és δ13C₀-t fogadunk el. Feltételezzük továbbá, hogy az első lépésben a rendszer állandó δ13C_U izotóparányú bemenetet kap. Koncentrációja [CO2]₁>[CO2]₀ között növekszik.
A második lépésben pedig a koncentráció [CO2]₂<[CO2]₁-re csökken
egy frakcionálással járó nettó nyelő általi abszorpció révén, így az izotóparány δ13C_D≠δ13C_U (az U és D indexek a felfelé és lefelé mutató időszakokat jelölik). Az első lépést a következőkkel írjuk le:

a második lépést pedig az írja le

[CO2]₁-gyel egyszerűsítve ezt kapjuk:

ami a következőket eredményezi:

Másrészt ha [CO2]2≠[CO2]0  és ha a δ13C2-t kifejezzük az átlagos δ13C_I-t a teljes ciklus (mindkét lépcső) értékeként, akkor a következőket kapjuk:

Az A5 és A6 egyenletek jobb oldalaiból tovább számolva

majd a jobb oldalak egyenlőségével tovább számolva

kapjuk.

Amit

-re megoldva

megoldására kapunk:

végül δ13C-vel elosztva, és a (15) definícióit használva a (14)  egyenlethez jutunk.

Hivatkozások

[1] Bernstein, BMUN Communications hivatalos bemutatja a Google keresési partnerségét: „We Own the Science”, National Review, 2022. október 4. Elérhető online: https://www.nationalreview.com/news/un-communications-official-touts-google-search -partnership-we-own-the-science/ (Hozzáférés: 2023. december 15.).

[2] Koutsoyiannis, D.; Kundzewicz, ZW Légköri hőmérséklet és CO ₂ : Tyúk-tojás okozati összefüggés? Sci 2020 , 2 , 83. [ Google Scholar ] [ CrossRef ]

[3] Koutsoyiannis, D.; Onof, C.; Christofides, A.; Kundzewicz, ZW A kauzalitás újragondolása sztochasztikával: 1. Elmélet. Proc. R. Soc. A 2022 , 478 , 20210836. [ Google Scholar ] [ CrossRef ]

[4] Koutsoyiannis, D.; Onof, C.; Christofides, A.; Kundzewicz, ZW A kauzalitás újragondolása sztochasztikával: 2. Alkalmazások. Proc. R. Soc. A 2022 , 478 , 20210835. [ Google Scholar ] [ CrossRef ]

[5] Koutsoyiannis, D.; Onof, C.; Kundzewicz, ZW; Christofides, A. Tyúkokról, tojásokról, hőmérsékletekről és CO _{2 -ről} : Ok-okozati összefüggések a Föld légkörében. Sci 2023 , 5 , 35. [ Google Scholar ] [ CrossRef ]

[6] Klíma stb. (Judith Curry blogja), Ok-okozati összefüggés és klíma. 2023. Elérhető online: https://judithcurry.com/2023/09/26/causality-and-climate/ (Hozzáférés: 2023. november 15.).

[7]Christofides, A.; Koutsoyiannis, D.; Onof, C.; Kundzewicz, ZW Causality, Climate, stb. ResearchGate 2023 . [ Google Scholar ] [ CrossRef ]

[8] Graven, H.; Keeling, RF; Rogelj, J. A szén-izotópok változásai a légköri CO _2- ben az ipari korszak során és a jövőben. Glob. Biogeochem. Ciklusok 2020 , 34 , e2019GB006170. [ Google Scholar ] [ CrossRef ] [ PubMed ]

[9] Craig, H. Izotóp szabványok szénre és oxigénre és korrekciós tényezők a szén-dioxid tömegspektrometriás analíziséhez, Geochim . Cosmochim. Acta 1957 , 12 , 133–149. [ Google Scholar ] [ CrossRef ]

[10] Lueker, T.; Keeling, R.; Bollenbacher, A.; Walker, S.; Morgan, E.; Brooks, M. Kalibrációs módszertan a Scripps 13C/12C és 18O/16O stabil izotóp programhoz. 2020. Elérhető online: https://escholarship.org/uc/item/4n93p288 (Hozzáférés: 2023. november 15.) 

[11]Suess, HE Radiokarbon koncentráció modern fában. Science 1955 , 122 , 415–417. [ Google Scholar ] [ CrossRef ]  

[12] Graven, H.; Allison, CE; Etheridge, DM; Hammer, S.; Keeling, RF; Levin, I.; Meijer, HA; Rubino, M.; Tans, PP; Trudinger, CM; et al. Összeállította a légköri CO ₂ szén-izotópjainak rekordjait a CMIP6 történeti szimulációihoz. Geosci. Modell Dev. 2017 , 10 , 4405–4417. [ Google Scholar ] [ CrossRef ]

[13] Ritchie, H.; Roser, M. CO ₂ -kibocsátások. OurWorldInData.org. 2020. Elérhető online: https://ourworldindata.org/co2-emissions (Hozzáférés: 2023. december 15.).

[14]Globális szén-dioxid-költségvetés (2023) – Világunk jelentős adatfeldolgozással. „Éves CO ₂ -kibocsátás – GCB” [Adatkészlet]. Global Carbon Project, „Global Carbon Budget” [eredeti adatok]. Elérhető online: https://ourworldindata.org/co2-and-greenhouse-gas-emissions (Hozzáférés dátuma: 2023. december 15.).

[15] Andres, RJ; Marland, G.; Boden, T.; Bischof, S. A fosszilis üzemanyag-fogyasztásból és a cementgyártásból származó szén-dioxid-kibocsátás, 1751-1991; És az izotóp-összetételük és szélességi eloszlásuk becslése (CONF-9307181-4) ; Oak Ridge Nemzeti Laboratórium: Oak Ridge, TN, USA; Oak Ridge Institute for Science and Education: Oak Ridge, TN, USA, 1994. Elérhető online:  https://www.osti.gov/servlets/purl/10185357 (Hozzáférés: 2023. december 15.).

[16] Andres, RJ; Marland, G.; Boden, T.; Bischof, S. A fosszilis tüzelőanyag-fogyasztásból és a cementgyártásból származó szén-dioxid-kibocsátás, 1751–1991, valamint izotóp-összetételük és szélességi eloszlásuk becslése. In The Carbon Cycle ; Wigley, TM, Schimel, DS, szerk.; Cambridge University Press: Cambridge, Egyesült Királyság, 2000; 53–62. [ Google Scholar ]

[17] Zhu, Z.; Piao, S.; Myneni, RB; Huang, M.; Zeng, Z.; Canadell, JG; Ciais, P.; Sitch, S.; Friedlingstein, P.; Arneth, A.; et al. A Föld zöldítése és mozgatórugói. Nat. Clim. Változás 2016 , 6 , 791–795. [ Google Scholar ] [ CrossRef ]

[18] Chen, C.; Park, T.; Wang, X.; Piao, S.; Xu, B.; Chaturvedi, RK; Fuchs, R.; Brovkin, V.; Ciais, P.; Fensholt, R.; et al. Kína és India vezet a világ zöldebbé tételében a földhasználat-gazdálkodás révén. Nat. Fenntartani. 2019 , 2 , 122–129. [ Google Scholar ] [ CrossRef ] [ PubMed ]

[19] Li, Y.; Li, ZL; Wu, H.; Zhou, C.; Liu, X.; Leng, P.; Yang, P.; Wu, W.; Tang, R.; Shang, GF; et al. A föld zöldítésének biofizikai hatásai jelentősen mérsékelhetik a regionális földfelszíni hőmérséklet felmelegedését. Nat. Commun. 2023 , 14 , 121. [ Google Scholar ] [ CrossRef ] [ PubMed ]

[20] Keeling, CD; Piper, SC; Whorf, TP; Keeling, RF A légköri CO ₂ természetes és antropogén fluxusainak alakulása 1957 és 2003 között . Tellus B Chem. Phys. Meteorol. 2011 , 63 , 1–22. [ Google Scholar ] [ CrossRef ]

[21] Scripps CO ₂ Program, Mintavételi Állomás Records. Elérhető online: https://scrippsco2.ucsd.edu/data/atmospheric_co2/sampling_stations.html (Hozzáférés: 2023. november 15.).

[22]Keeling, CD; Piper, SC; Bacastow, RB; Wahlen, M.; Whorf, TP; Heimann, M.; Meijer, HA A légköri CO ₂ és 13CO ₂ cseréje a szárazföldi bioszférával és az óceánokkal 1978 és 2000 között. I. Globális szempontok ; SIO referenciasorozat 01-06; Scripps Institution of Oceanography: San Diego, CA, USA, 2001; 28p. [ Google Scholar ]

[23] Keeling, CD; Piper, SC; Bacastow, RB; Wahlen, M.; Whorf, TP; Heimann, M.; Meijer, HA A légköri CO ₂ és 13CO ₂ csere a szárazföldi bioszférával és az óceánokkal 1978 és 2000 között: Megfigyelések és a szénciklus következményei. In A History of Atmospheric CO2 and its Effects on Plants ; Ehleringer, JR, Cerling, TE, Dearing, MD, szerk.; Springer: New York, NY, USA, 2005; 83–113. [ Google Scholar]

[24] Böhm, F.; Haase-Schramm, A.; Eisenhauer, A.; Dullo, WC; Joachimski, MM; Lehnert, H.; Reitner, J. Bizonyítékok korallszivacsokból származó tengeri felszíni vizek karbonátrendszerének iparosodás előtti eltéréseire. Geochem. Geophys. Geosyst. 2002 , 3 , 1–13. [ Google Scholar ] [ CrossRef ]

[25] Keeling, CD A szén-dioxid koncentrációja és izotópbősége vidéki területeken. Geochim. Cosmochim. Acta 1958 , 13 , 322–334. [ Google Scholar ] [ CrossRef ]

[26] Keeling, CD A szén-dioxid koncentrációja és izotópbősége a vidéki és tengeri levegőben. Geochim. Cosmochim. Acta 1961 , 24 , 277–298. [ Google Scholar ] [ CrossRef ]

[27] Miller, JB; Tans, PP Izotópfrakcionáltság számítása légköri mérésekből különböző léptékű. Tellus B Chem. Phys. Meteorol. 2003 , 55 , 207–214. [ Google Scholar ] [ CrossRef ]

[28] Köhler, P.; Fischer, H.; Schmitt, J.; Munhoven, G. On the application and interpretation of Keeling plots in paleo klímakutatás – jégmagokban mért atmoszférikus CO _{2 δ13C megfejtése.} Biogeosciences 2006 , 3 , 539–556. [ Google Scholar ] [ CrossRef ]

[29] Koutsoyiannis, D. Stochastics of Hydroclimatic Extremes – A Cool Look at Risk , 3. kiadás; Kallipos Open Academic Editions: Athén, Görögország, 2023; 391p, ISBN 978-618-85370-0-2. [ Google Scholar ] [ CrossRef ]

[30] IPCC. Klímaváltozás 2021: A fizikai tudományos alapok. Az I. munkacsoport hozzájárulásában az éghajlatváltozással foglalkozó kormányközi testület hatodik értékelő jelentéséhez ; Masson-Delmotte, VP, Zhai, A., Pirani, SL, Connors, C., Péan, S., Berger, N., Caud, Y., Chen, L., Goldfarb, MI, Gomis, M., et al., szerk.; Cambridge University Press: Cambridge, Egyesült Királyság; New York, NY, USA, 2021; 2391p. [ Google Scholar ] [ CrossRef ]

[31] Koutsoyiannis, D.; Vournas, C. Az üvegházhatás újralátogatása – Hidrológiai perspektíva. Hydrol. Sci. J. 2024 , 69 , 151–164. [ Google Scholar ] [ CrossRef ]

[32] Chen, X.; Chen, T.; Ő, B.; Liu, S.; Zhou, S.; Shi, T. A globális zöldítés a 2000 óta megnövekedett aszályos stressz ellenére is folytatódik . Glob. Ecol. Conserv. 2024 , 49 , e02791. [ Google Scholar ] [ CrossRef ]

2024. március

Közzéteszi:
Király József
okl. vegyészmérnök

Tetszett a cikk? Amennyiben igen, fejezze ki tetszését a részünkre nyújtott támogatással 300 Ft értékben. Bankszámlaszámom: – Király József – 10205000-12199224-00000000 (K&H) A közleményben kérjük megadni: klímarealista.