Климатические модели

CMIP6

ISIMIP3b

Для веб-портала «Climate Impacts Online» использовались климатические исходные данные ISIMIP3b с поправкой на систематическую ошибку, полученные в рамках Межсекторального проекта по сравнительному анализу моделей воздействия (ISIMIP). Данный набор данных основан на исходных результатах глобальных климатических моделей (GCM) из архива CMIP6. Более подробную информацию об этом наборе данных можно найти на сайтеВеб-сайт ISIMIP
Для корректировки смещения и статистического даунскейлинга были применены метод ISIMIP3BASD и набор наблюдательных данных W5E5 v2.0 (Lange, 2019a; Lange, 2020).

Данные охватывают три временных периода:

• - Доиндустриальный период (1601–1849)
• - Исторический период (1850–2014 гг.)
• - Будущее (2015–2100)

• - piControl (Эксперимент по допромышленному управлению)
• - исторический
• - ssp126 (SSP1–RCP2.6)
• - ssp370 (SSP3–RCP7.0)
• - ssp585 (SSP5–RCP8.5)

Модели в деталях

Климатическая модель GDFL-ESM4, являющаяся частью проекта CMIP6, была выпущена в 2018 году. Она включает в себя:
"аэрозоль: интерактивный (включая косвенное воздействие аэрозоля), атмосферный: GFDL-AM4.1 (кубическая сфера (c96) - номинальное горизонтальное разрешение 1 градус; 360 x 180 долгота/широта; 49 уровней; верхний уровень 1 Па), атмосферная химия: GFDL-ATMCHEM4.1 (полная атмосферная химия), суша: GFDL-LM4.1 (модель суши с новой моделью динамики растительности с явным учетом возраста и высоты растений, а также почвенных микроорганизмов, с ежедневными данными о пожарах, культурах, пастбищах и выпасе скота), лед на суше: GFDL-LM4.1, океан: GFDL-OM4p5 (GFDL-MOM6, трехполярный - номинальное разрешение 0,5 градуса; 720 x 576 долгота/широта; 75 уровней; верхняя ячейка сетки 0-2 м), океаническая химия: GFDL-COBALTv2, морской лед: GFDL-SIM4p5 (GFDL-SIS2.0, трехполюсная модель - номинальное разрешение 0,5°; 720 x 576 долгота/широта; 5 слоев; 5 категорий толщины), с учетом переноса излучения и динамики C-сетки для совместимости с MOM6. Модель была запущена Национальным управлением океанических и атмосферных исследований, Лабораторией геофизической гидродинамики, Принстон, Нью-Джерси 08540, США (NOAA-GFDL) с номинальным разрешением: аэрозоль: 100 км, атмосфера: 100 км, атмосферная химия: 100 км, суша: 100 км, лед на суше: 100 км, океан: 50 км, атмосферная химия: 50 км, морской лед: 50 км.
Источник:Климат округа Колумбия - GDFL-ESM4

Климатическая модель IPSL-CM6A-LR была выпущена в 2017 году и также является частью проекта CMIP. Модель включает в себя следующие компоненты: «атмос: LMDZ (NPv6, N96; 144 x 143 долгота/широта; 79 уровней; верхний уровень 80000 м), суша: ORCHIDEE (v2.0, режим «Вода/Углерод/Энергия»), океан: NEMO-OPA (eORCA1.3, триполярный, преимущественно 1 градус; 362 x 332 долгота/широта; 75 уровней; верхняя ячейка сетки 0-2 м), ocnBgchem: NEMO-PISCES, морской лед: NEMO-LIM3. Модель была запущена Институтом Пьера Симона Лапласа, Париж 75252, Франция (IPSL) с номинальным разрешением: атмосферное: 250 км, суша: 250 км, океан: 100 км, ocnBgchem: 100 км, морской лед: 100 км».
Источник:Климат округа Колумбия - GDFL-ESM4

Модель MPI-ESM состоит из сопряженных моделей общей циркуляции атмосферы и океана: ECHAM6 (спектральная T127; 384 x 192 долготы/широты; 95 уровней; верхний уровень 0,01 гПа) и MPIOM (триполярная TP04, приблизительно 0,4°; 802 x 404 долготы/широты; 40 уровней; верхняя ячейка сетки 0-12 м), а также подсистем моделей для суши и растительности JSBACH3.20 и для морской биогеохимии HAMOCC6. Она управляется Институтом метеорологии им. Макса Планка, Гамбург 20146, Германия (MPI-M) с номинальным разрешением: «аэрозоль: 100 км, атмосфера: 100 км, суша: 100 км, лед на суше: отсутствует, океан: 50 км, биохимия океана: 50 км, морской лед: 50 км».
Источник:Климат округа Колумбия - GDFL-ESM4

Модель MRI-ESM2.0 была выпущена в 2017 году и используется Метеорологическим научно-исследовательским институтом Цукуба, Ибараки 305-0052, Япония (MRI). Он включает следующие компоненты: "аэрозоль: MASINGAR mk2r4 (TL95; 192 x 96 долгота/широта; 80 уровней; верхний уровень 0,01 гПа), атмосфера: MRI-AGCM3.5 (TL159; 320 x 160 долгота/широта; 80 уровней; верхний уровень 0,01 гПа), атмосферная химия: MRI-CCM2.1 (T42; 128 x 64 долгота/широта; 80 уровней; верхний уровень 0,01 гПа), суша: HAL 1.0, океан: MRI.COM4.4 (триполярный, преимущественно 0,5 градуса широты/1 градус долготы с меридиональным уточнением до 0,3 градуса в пределах 10 градусов к северу и югу от экватора; 360 x 364 долгота/широта; 61 уровень; верхняя ячейка сетки 0-2 м), ocnBgchem: MRI.COM4.4, seaIce: MRI.COM4.4. Модель запускалась с исходным номинальным разрешением: аэрозоль: 250 км, атмосфера: 100 км, атмосферная химия: 250 км, суша: 100 км, океан: 100 км, ocnBgchem: 100 км, seaIce: 100 км.
Источник:Климат округа Колумбия - GDFL-ESM4

Модель UKESM1 включает в себя океаническую модель NEMO и модель морского льда CICE, а также модель поверхности суши JULES с динамической растительностью TRIFFID. Кроме того, модель моделирует химию атмосферы и аэрозоли с помощью UKCA, морскую биогеохимию с помощью MEDUSA и динамические ледяные щиты с помощью модели BISICLES. Источник:UKESM - UKESM1

Источники:

Модели лесов и биоразнообразия

Моделирование для сектора «Лес и биоразнообразие» проводилось с использованием динамической глобальной модели растительности (DGVM).LPJmL4.0-VR(Сакшевски и др., 2021). Модели DGVM, такие как LPJmL, являются важным инструментом для изучения реакции естественных лесных экосистем, таких как тропические леса Амазонки, на изменение климата и антропогенное воздействие, такое как пожары и вырубка лесов.

Модель LPJmL (Lund-Potdam-Jena managed Land) — это процессная цифровая модель растительности, моделирующая энергетический, водный и углеродный циклы в земной системе и имитирующая рост и продуктивность естественной и сельскохозяйственной растительности (Schaphoff et al., 2018). Естественная растительность характеризуется различными функциональными типами растений (ФТ), например, «умеренное широколиственное дерево» или «бореальное хвойное дерево». ФТ конкурируют за свет и воду в ячейках сетки размером 0,5° (примерно 50 км x 50 км). В результате формируются лесные сообщества, адаптированные к местным климатическим условиям. В тропиках широколиственные вечнозеленые и дождевые деревья сосуществуют в зависимости от доступности воды и продолжительности сухого сезона. Недавнее расширение LPJmL4.0, которое теперь учитывает динамический рост корней, различную глубину укоренения и распределение корней в почве,LPJmL4.0-VR(ВпеременнаяР(oots) стало важным шагом на пути к более реалистичному представлению внутригодовых циклов продуктивности и эвапотранспирации, лесного покрова и пространственного распределения биомассы в тропических и субтропических лесах (Sakschewski et al., 2021).

Ссылки:

Климатические сценарии

Так называемые репрезентативные траектории концентрации (RCP) были разработаны для пятого оценочного доклада Межправительственной панели по изменению климата (IPCC). Они описывают различные уровни радиационного воздействия парниковых газов, которые могут наблюдаться в период с 2011 по 2100 год. Однако они не включали никаких социально-экономических «нарративов», которые могли бы их дополнить. В течение последних нескольких лет международная группа ученых-климатологов, экономистов и специалистов по моделированию энергетических систем разработала ряд новых «траекторий», которые исследуют, как глобальное общество, демография и экономика могут измениться в течение следующего столетия. Они известны как «общие социально-экономические траектории» (SSP). SSP были опубликованы в 2017 году (Riahi et al., 2017) и будут играть важную роль в шестом оценочном докладе IPCC в 2021/2022 годах.

Сценарии устойчивого развития (SSP) — это базовые сценарии, описывающие будущее развитие событий в отсутствие новых климатических мер, выходящих за рамки уже действующих сегодня. Они предлагают пять возможных путей развития мира. Пять сценариев SSP различаются главным образом по таким параметрам, как рост населения, урбанизация, экономический рост, инвестиции в образование и здравоохранение, энергетическая система и землепользование, темпы технологического развития, а также факторы спроса, такие как изменение образа жизни (Riahi et al., 2017).

Подобно сценариям RCP, сценарии SSP также не являются полными по своей структуре, поскольку они представляют собой лишь социальные сценарии будущего и не учитывают последствия изменения климата. Более того, в них не предусмотрены меры по смягчению последствий или адаптации (O'Neill et al., 2020). Поэтому ClimateImpactsOnline использует три комбинации SSP–RCP для визуализации климатических данных, соответствующих различным социально-экономическим сценариям и сценариям радиационного воздействия.

«Устойчивое развитие» SSP1 - 2.6

«Региональное соперничество» SSP3 - 7.0

«Развитие за счет ископаемого топлива» SSP5 - 8.5

База данных SSP

Общие социально-экономические пути (ОСП): Обзор (Постер)
Источники:

О'Нил, Б.К., Картер, Т.Р., Эби, К. и др. Достижения и потребности в рамках сценария изменения климата. Nat. Clim. Chang. 10, 1074–1084 (2020). https://doi.org/10.1038/s41558-020-00952-0

Риахи, К. и др., Общие социально-экономические пути и их последствия в отношении энергетики, землепользования и выбросов парниковых газов: обзор, Глобальные изменения окружающей среды, том 42, 153-168 (2017). https://doi.org/10.1016/j.gloenvcha.2016.05.009.

Данные наблюдений

Набор данных W5E5 состоит из наблюдаемых данных и данных реанализа и используется для представления наблюдаемых данных. Он является частью проекта сравнения моделей воздействия (ISIMIP3b), где набор данных используется для корректировки смещения оценок воздействия. Набор данных состоит из наземных данных WFDE5 и океанических данных ERA5 (данные и данные реанализа) (Cucchi et al., 2020, Hersbach et al., 2020). Дополнительным источником данных являются данные об осадках из версии 2.3 проекта глобальной климатологии осадков (Adler et al., 2003).

Версия 1.0 набора данных W5E5 включает данные за период с 1979 по 2017 год. Это означает, что за десятилетие 2011-2020 годов доступны данные только за 6 лет, и, соответственно, карты разностей относятся только к периоду 1991-2014 годов. Мы будем постоянно обновлять и публиковать новые данные W5E5 в течение этого десятилетия. Набор данных обеспечивает горизонтальное пространственное разрешение 0,5° и ежедневное временное разрешение.
В набор данных включены следующие переменные: относительная влажность у поверхности (сокращение: hurs, единица измерения: %), удельная влажность у поверхности (huss, кг кг-1), осадки (pr, кг м-2 с-1), поток снегопада (prsn, кг м-2 с-1), атмосферное давление на поверхности (ps, Па), атмосферное давление на уровне моря (psl, Па), нисходящее длинноволновое излучение поверхности (rlds, Вт м-2), нисходящее коротковолновое излучение поверхности (rsds, Вт м-2), скорость ветра у поверхности (sfcWind, м с-1), температура воздуха у поверхности (tas, К), суточная максимальная температура воздуха у поверхности (tasmax, К), суточная минимальная температура воздуха у поверхности (tasmin, К), высота над уровнем моря (orog, м) и маска WFDE5-ERA5 (mask, 1) (Lange, 2019). Данные W5E5 по переменным представляют собой среднесуточные значения почасовых данных WFDE5 для суши и океана. Наземные переменные hurs, pr, psl, tasmax и tasmin, а также океанические переменные tasmax и tasmin получены другим способом. Это описано на следующем веб-сайте:WFDE5 над сушей объединился с ERA5 над океаном (W5E5)

Выбрав пункт «Наблюдения» в разделе «Исторические данные» на вкладке «Настройки», вы можете визуализировать наблюдаемые данные набора данных W5E5.

Источники:

Adler, R. F., Huffman, G. J., Chang, A., Ferraro, R., Xie, P.-P., Janowiak, J., Nelkin, E. (2003). The Version-2 Global Precipitation Climatology Project (GPCP) Monthly Precipitation Analysis (1979–Present). Journal of Hydrometeorology, 4(6), 1147–1167. doi:10.1175/1525-7541(2003)004<1147:tvgpcp>2.0.co;2
Cucchi, M., Weedon, G. P., Amici, A., Bellouin, N., Lange, S., Müller Schmied, H., Hersbach, H., & Buontempo, C. (2020). WFDE5: bias-adjusted ERA5 reanalysis data for impact studies. Earth System Science Data, 12(3), 2097–2120. https://doi.org/10.5194/essd-12-2097-2020
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz‐Sabater, J., Nicolas, J., Peubey, C., Radu, R., Schepers, D., Simmons, A., Soci, C., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P., Biavati, G., Bidlot, J., Bonavita, M., … Thépaut, J. N. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/QJ.3803
Lange, Stefan (2019): WFDE5 over land merged with ERA5 over the ocean (W5E5). V. 1.0. GFZ Data Services. https://doi.org/10.5880/pik.2019.023
Lange, S.: ISIMIP3BASD v2.4.1, https://doi.org/10.5281/zenodo.3898426, 2020.

Исторические данные моделирования

Для проверки климатических моделей моделируются прошлые климатические условия и сравниваются с наблюдаемыми данными. Важным показателем для подтверждения надежности прогнозов будущего климата, полученных с помощью моделей, является моделируемое временное и пространственное изменение средней глобальной температуры поверхности от доиндустриальной эпохи до настоящего времени.

Частью условий участия в проекте сравнения связанных моделей (фаза 6) является историческое моделирование. Оно было добавлено в модуль диагностики, оценки и характеристики климата (DECK) для лучшего разграничения между CMIP и конкретной фазой, в данном случае CMIP6. Эти модели также служат эталоном для одобренных CMIP6 проектов сравнения моделей (MIP).

Моделирование начинается с произвольных условий равновесия, взятых из доиндустриального контрольного эксперимента (piControl). Затем в модели вводятся различные зависящие от времени факторы воздействия, соответствующие CMIP6, такие как выбросы парниковых газов, факторы землепользования, аэрозоли, солнечное излучение и другие. На основе этих данных генерируется ретроспективный прогноз исторических условий. Историческое моделирование CMIP6 охватывает период с 1850 по 2014 год.

Источники: