Implications of Iron Model Complexity for the Projection of Global Biogeochemical Cycles : from the preindustrial era and into the future

The trace metal iron is considered to be the nutrient that limits marine primary production in one third of the global surface ocean (Martin, 1990; Boyd et al., 2007; Moore et al., 2013). It is also the nutrient that maintains future ocean fertility due to its irreplaceable role in the process of nitrogen fixation, which adds “new” nitrogen (another nutrient for phytoplankton) to the surface ocean (Raven, 1988; Kustka et al., 2003b; Zehr and Capone, 2020). Due to iron’s importance, it is not surprising that the demand for incorporating iron into global biogeochemical models is high. However, including iron in an earth system model has been shown to have no clear benefits with respect to model misfit against observational data (Nickelsen et al., 2015) . How smart is it then to introduce iron models into global biogeochemical models, when the benefits are not clearly identifiable? Especially, when the iron models perform poorly at reproducing observed iron patterns in the ocean (Tagliabue et al., 2016). The poor performance of iron models, coupled with their failure to improve biogeochemical tracer representation of the ocean, inspired this additional effort to identify the advantages of including iron in a global biogeochemical model, both for the preindustrial state and under conditions of a changing climate. The working hypothesis was that the relatively poor performance of iron models might come from inadequate model calibration. A first sensitivity study on biogeochemical model parameter values was conducted in order to identify key parameters for model calibration. It was found that while some of the parameters influence simulated nitrogen, phosphorus, and oxygen concentrations, few parameters influence simulated iron concentrations. This suggests that our modelling skill of the iron cycle is still limited and/or that the observational data base is insufficient for comprehensive model calibration so far. Thus it was decided not to include iron data in further model calibration. A model calibration framework (Kriest et al., 2017) was next applied to a hierarchy of global models with different implementations of iron; one without iron, one with prescribed iron concentrations, and another one with a dynamic iron cycle. Using calibration against global data sets of nitrogen, phosphorus, and oxygen, the misfit of each model was pushed to its minimum. It was found that under an assumed preindustrial steady state, the calibrated model with a full dynamic iron cycle has the lowest model misfit against observations (thus confirming the working hypothesis). It was also found that the calibrated model with a fully dynamic iron cycle has 50% less net primary production (which is closer to empirical estimations) compared to the calibrated model without iron. Finally, transient simulations for all calibrated models were integrated from their pre- industrial state until the end of the 21st century using an atmospheric CO2 concentration pathway consistent with a ’business-as-usual’ CO2 emission scenario. It was found that nitrogen fixation trends diverge among models. This divergence is caused by whether iron limits the productivity of the upwelling regions, e.g. in the eastern tropical Pacific. The export production in the eastern tropical Pacific (and other tropical upwelling regions) reacts differently to warming, depending on whether iron is a limiting nutrient. These different responses trigger a divergent chain of downstream responses that affect nitrogen fixation across the tropical oligotrophic regions in the model. Through the comparison between calibrated models, this thesis quantifies the advantages of including iron in a global biogeochemistry model and reveals how important iron is for future nitrogen fixation trends. It furthermore illustrates the interconnection between tropical upwelling and oligotrophic regions.

Das Spurenmetall Eisen gilt als der Nährstoff, der die Primärproduktion in etwa einem Drittel der globalen Ozeanoberfläche begrenzt (Martin, 1990; Boyd et al., 2007; Moore et al., 2013). Da Eisen bei der Stickstofffixierung nicht ersetzt werden kann, durch die dem Oberflächenozean neuerSStickstoff (ein weiterer Nährstoff für Phytoplankton) zugeführt wird, hält Eisen die Ozean-Fertilität aufrecht (Raven, 1988; Kustka et al., 2003b; Zehr and Capone, 2020). Angesichts der Bedeutung von Eisen ist es nicht überraschend, dass der Bedarf einer Implementierung des ozeanischen Eisenkreislaufs in globale biogeochemische Modelle hoch ist. Die Einbeziehung von Eisen in Erdsystemmodellen hat jedoch bislang keine eindeutigen Vorteile hinsichtlich des Modell-Misfits gegenüber Beobachtungsdaten gezeitigt (Nickelsen et al., 2015). Wie sinnvoll ist es dann, Eisenmodelle in globale biogeochemische Modelle zu implementieren, wenn der Nutzen nicht klar erkennbar ist? Vor allem, wenn die Eisenmodelle die beobachteten Muster im Ozean nur unzureichend reproduzieren (Tagliabue et al., 2016). Die schwache Leistung bisheriger Eisenmodelle, einhergehend mit deren Unfähigkeit, die simulierte Verteilung biogeochemischer Tracer im Ozean zu verbessern, inspirierte diese zusätzliche Forschung, um zu eruieren, welche Vorteile die Einbeziehung von Eisen in ein globales biogeochemisches Modell haben könnte, sowohl für den vorindustriellen Zustand als auch unter den Bedingungen eines sich ändernden Klimas. Die Arbeitshypothese war, dass die relativ schwache Leistung der Eisenmodelle auf eine unzureichende Modellkalibrierung zurückzuführen sein könnte. Um die Schlüsselparameter für die Kalibrierung zu identifizieren, wurde eine erste Sensitivitätsanalyse der biogeochemischen Parameter durchgeführt. Die Ergebnisse der Studie zeigen, dass einige Parameter zwar die simulierten Stickstoff-, Phosphor-, und Sauer- stoffkonzentrationen beeinflussen, aber nur wenige Parameter die Eisenkonzent-rationen. Dies weist darauf hin, dass unsere Fähigkeit, den Eisenkreislaufs zu simulieren, noch begrenzt ist, bzw. dass die Datenbasis für eine umfassende Modellkalibrierung bisher unzureichend ist. Daher wurden die Eisendaten nicht in die weitere Modellkalibrierung einbezogen. Im nächsten Schritt wurde eine Hierarchie globaler Modelle mit unterschiedlichen Implementierungen von Eisen in einem Modell-Kalibrierungs-Framework (Kriest et al., 2017) analysiert. Eines der Modelle ist ohne Eisen, eines hat vorgeschriebene Eisenkonzen- trationen und ein weiteres einen dynamischen Eisenkreislauf. Die Kalibrierung hat den Misfit der Modelle gegen globale Datensätze von Stickstoff, Phosphor und Sauerstoff minimiert. Unter der Annahme eines vorindustriellen Steady States hatte das kalibrierte Modell mit einem dynamischen Eisenzyklus den geringsten Modell-Missfit gegenüber den Beobachtungen, wodurch die Arbeitshypothese bestätigt wurde. Außerdem weist das kalibrierte Modell mit dynamischem Eisenzyklus 50 % weniger Netto-Primärproduktion auf (was näher an empirischen Schätzungen liegt) als das ohne Eisen. Abschließend wurden transiente Simulationen für alle kalibrierten Modelle vom vorindustriellen Zustand bis zum Ende des 21. Jahrhunderts integriert, mittels eines atmosphärischen CO2-Konzentrationspfades, der mit einem „Business-as-usual”-CO2-Emissionsszenario konsistent ist. Die Trends der Stickstofffixierung divergieren zwischen den Modellen. Die Divergenz wird dadurch verursacht, ob Eisen die Produktivität der Auftriebsgebiete, z.B. im östlichen tropischen Pazifik, begrenzt. Die Exportproduktion im östlichen tropischen Pazifik (und anderen tropischen Auftriebsgebieten) reagiert unterschiedlich auf die Erwärmung, je nachdem, ob Eisen ein limitierender Nährstoff ist. Diese unterschiedlichen Reaktionen lösen eine divergente Kette von nachgelagerten Reaktionen aus, die die Stick- stofffixierung in den tropischen oligotrophen Regionen der Modelle beeinflussen. Durch den Vergleich zwischen kalibrierten Modellen quantifiziert diese Dissertation die Vorteile der Einbeziehung von Eisen in ein globales biogeochemisches Modell und zeigt, wie wichtig Eisen für zukünftige Trends der Stickstofffixierung ist. Zudem veranschaulicht diese Dissertation die Verbindung zwischen tropischen Auftriebsgebieten und oligotrophen Regionen.

Rights

Use and reproduction:


CC BY 4.0

Please note that individual components of the publication may be subject to other licensing or copyright conditions.

Cite

Citation style:
Could not load citation form.