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:

Гидрологические модели

Для переменных водного сектора использовались отдельные гидрологические модели. Ниже приведены две используемые гидрологические модели:

ISIMIP - CWatM

CWatM — это пространственно распределенная модель водных ресурсов с дождевым стоком и маршрутизацией каналов (Burek et al., 2020). Он основан на процессах и используется для количественной оценки наличия воды, водозабора человеком в различных секторах (промышленность, бытовое хозяйство, сельское хозяйство) и воздействия водной инфраструктуры, включая водохранилища, откачку грунтовых вод и оросительные каналы. CWatM разработан на уровне сетки с двумя исходными версиями для разрешения 0,5° и 0,0833° в глобальном масштабе (с разрешением подсетки с учетом топографии и земного покрова). Он работает с ежедневными временными шагами (с субдневными временными шагами для грунтовых и речных маршрутов).

ISIMIP - H08

H08 — это глобальная гидрологическая модель, основанная на ячейках сетки. Он состоит из шести подмоделей, а именно: гидрология поверхности земли, маршрут рек, эксплуатация водохранилища, рост сельскохозяйственных культур, экологический сток и водозабор. Формулировки подмоделей подробно описаны в Hanasaki et al. (2008а, б, 2010). В стандартных настройках моделирования H08 пространственно покрывает весь земной шар с разрешением 0,5°×0,5°, чтобы оценить географическую неоднородность гидрологии и водопользования. Период моделирования обычно составляет несколько декад, а интервал расчета – сутки. Шесть подмоделей обмениваются потоками воды и обновляют запасы воды на каждом расчетном интервале при полном закрытии водного баланса (погрешность менее 0,01% от суммы поступающих осадков). Эти характеристики позволяют нам явно смоделировать основное взаимодействие между естественным круговоротом воды и основной деятельностью человека на земном шаре. Исходный код и руководства по H08 общедоступны и доступны по адресу http://h08.nies.go.jp. В 2016 году схемы водозабора H08 были существенно усовершенствованы. Кроме того, к подмодели гидрологии поверхности земли была добавлена простая схема подземных вод. Это позволило нам оценить водозабор из шести основных источников воды, а именно речного стока, регулируемого глобальными водохранилищами (т. невозобновляемые подземные воды. Документ с описанием модели доступен по адресу https://www.hydrol-earth-syst-sci. нетто/22/789/2018/. H08 — одна из 13 глобальных гидрологических моделей, следующих протоколу ISIMIP2a, которые составляют основу моделирования для выходных данных глобального водного сектора ISIMIP2a; полное техническое описание данных моделирования ISIMIP2a из водного (глобального) сектора см. по этой ссылке DOI: http://doi.org/ 10.5880/PIK.2017.010 Для ISIMIP2b использовался новый H08 (Hanasaki et al., 2018). Модель существенно отличается от «классической H08» (Ханасаки и др., 2008a, 2008b, 2010) в основном на шесть пунктов. - Добавлена схема подземных вод. - Добавлена схема забора подземных вод. - Добавлена схема перекачки воды акведука - Добавлена схема обратного потока и потери подачи - Обновлена схема водохранилища - Добавлена схема опреснения морской воды Для ISIMIP3a/3b гидрологические параметры H08 были настроены на основе исследования Yoshida et al. (2022; https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2021WR030660 ).Мы считаем, что теперь общий водный баланс оценивается лучше, чем в предыдущих версиях. По некоторым техническим причинам параметры для субарктического климата (Dc) различаются по продольным разрезам. Это может вызвать внезапные скачки гидрологических переменных (например, влажности почвы) на границах участков. См. Yoshida et al. (2022) для получения дополнительной информации.

Спецификации эксперимента по принуждению человека (soc-сценарии)

Источники:

Сельскохозяйственные модели

Сельскохозяйственные данные для переменных урожайности были взяты из данных по сельскохозяйственному производству ISIMIP3b. Представленные данные представляют собой ансамбль из 11 различных сельскохозяйственных моделей. Представленные данные получены из глобальных моделей сельскохозяйственных культур, которые моделируют рост сельскохозяйственных культур во всем мире с использованием обобщенных предположений о климате, почве и условиях управления. Поскольку региональные условия различаются, такие модели обычно калибруются с использованием локальных данных для повышения точности. Представленные здесь результаты не были регионально калиброваны и, следовательно, могут не отражать точные уровни урожайности для данного региона. Их следует интерпретировать как иллюстрацию глобальных или крупномасштабных тенденций, а не точных локальных значений.
Подробная информация о каждой из сельскохозяйственных моделей, использованных в качестве входных данных, приведена ниже.

Модель удара - CYGMA1p74

CYGMA – это глобальная сеточная модель сельскохозяйственных культур. Модель работает с разрешением 0,5° по долготе и широте и имеет суточный временной шаг. В модели развитие сельскохозяйственных культур моделируется как доля накопленных градусо-дней роста относительно тепловых потребностей культуры. Для пшеницы рассматривается только яровая пшеница, поскольку процесс яровизации в настоящее время не включен в модель. Рост и старение листьев рассчитываются в соответствии с долей вегетационного периода с использованием заданной формы кривой индекса листовой поверхности. Урожайность рассчитывается на основе фотосинтетически активной радиации, улавливаемой растительным пологом, эффективности использования излучения (ЭИ), влияния удобрения CO2 на ЭИ и доли общего прироста биомассы, приходящейся на убираемый компонент. Подмодель водного баланса почвы, связанная с подмоделью снежного покрова, используется для расчета фактической эвапотранспирации. В модели развитие сельскохозяйственных культур моделируется как доля накопленных градусо-дней роста относительно тепловых потребностей культуры. Для пшеницы рассматривается только яровая пшеница, поскольку процесс яровизации в настоящее время не включен в модель. Рост и старение листьев рассчитываются в соответствии с долей вегетационного периода с использованием заданной формы кривой индекса листовой поверхности. Урожайность рассчитывается на основе фотосинтетически активной радиации, перехваченной пологом культуры, эффективности использования излучения (ЭИ), влияния удобрения CO2 на ЭИ и доли общего прироста биомассы, приходящейся на убираемый компонент. Подмодель водного баланса почвы, которая связана с подмоделью снежного покрова, используется для расчета фактической эвапотранспирации. Рассматриваются пять различных типов стресса: дефицит азота (N), жара, холод, дефицит воды и избыток воды, и наиболее доминирующий тип стресса в течение дня снижает суточный потенциальный прирост листовой поверхности в период вегетации и урожайности в период репродуктивного роста. Рост и урожайность сои в модели менее чувствительны к стрессу, вызванному дефицитом азота, чем другие рассматриваемые здесь культуры, поскольку соя относится к бобовым, фиксирующим азот. Все виды стресса, за исключением дефицита азота, зависят от суточной погоды, и устойчивость каждой культуры к этим стрессам увеличивается по мере увеличения запаса знаний. Запас знаний – это экономический показатель, который рассчитывается как сумма годовых государственных расходов на сельскохозяйственные исследования и разработки (НИОКР) в каждой стране с 1961 года с определённым коэффициентом устаревания и отражает средний уровень агрономических технологий и управления среди фермеров страны. Более подробная информация о моделировании доступна в работе Иидзуми и др. (2017).

Модель воздействия - CROVER

CROVER — одна из 15 моделей, основанных на протоколе ISIMIP3a/b, которые формируют основу для моделирования результатов сельскохозяйственного сектора ISIMIP3a/b. Полное техническое описание данных моделирования сельскохозяйственного сектора ISIMIP3a см. по этой ссылке DOI: https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Модель воздействия - EPIC-IIASA

Глобальная система моделирования сельскохозяйственных культур «EPIC-IIASA», основанная на EPIC, используется для оценки основных мировых сельскохозяйственных систем в ответ на такие управленческие вмешательства, как методы возделывания сельскохозяйственных культур, удобрения и орошения, а также методы сохранения и органического земледелия, и на изменения окружающей среды, включая изменение климата и деградацию почв. Кроме того, EPIC-IIASA используется для сравнения систем управления сельскохозяйственными угодьями и их влияния на такие экологические показатели, как доступность воды, уровень азота и фосфора в почве и выбросы парниковых газов.
Опираясь на комплексную климатическую модель экологической политики и глобальные или региональные наборы данных о климате, почвах, растительном покрове и землепользовании, EPIC-IIASA позволяет анализировать различные виды сельскохозяйственных культур и методы их возделывания в различных погодных, топографических и почвенных условиях. Программа исследует компромиссы между ростом растений и урожайностью, с одной стороны, и воздействием на окружающую среду и устойчивостью, с другой.
Например, EPIC-IIASA позволяет оценить — на основе типа почвы и преобладающих климатических условий — степень вымывания питательных веществ из удобрений, таких как азот (N), в близлежащие реки и ручьи. Эта проблема вызывает всё большую обеспокоенность, поскольку во всём мире две пятых азота, используемого в сельском хозяйстве, теряется в экосистемах, что оказывает негативное воздействие на окружающую среду.
EPIC-IIASA позволяет анализировать варианты устойчивого сельского хозяйства, включая борьбу с эрозией почвы, управление пожнивными остатками, улучшение запасов органического углерода в почве и сокращение выбросов парниковых газов. Глобальные и региональные приложения EPIC-IIASA помогают получить информацию о потенциале сельскохозяйственных систем для достижения глобальных целей в области климата и продовольственной безопасности.

Модель воздействия - ISAM

Интегрированная модель научной оценки (ISAM) представляет собой сопряжённую биогеохимическую и биогеофизическую модель с пространственным разрешением 0,5° × 0,5° и временным разрешением от получаса до года. Она моделирует баланс углерода, азота, энергии и воды в различных наземных экосистемах, моделируя фотосинтез, поверхностную гидрологию, перенос излучения, распределение углерода и дыхание экосистем (Barman et al., 2014a, 2014b; Yang et al., 2009). Более того, ISAM включает в себя процессы роста сельскохозяйственных культур для продовольственных культур C3 и C4 (кукуруза, соя, пшеница и рис) и биоэнергетических трав (мискантус, кавернозный сорго и аламо), которые оцениваются на уровне участка, в региональном и глобальном масштабах (Gahlot et al., 2020; Lin et al., 2017; Niyogi et al., 2015; Song et al., 2013, 2015, 2016). Некоторые из важных особенностей, уникальных для ISAM и имеющих решающее значение для расчетов урожайности сельскохозяйственных культур, включают в себя (i) динамическую фенологию, специфичную для сельскохозяйственных культур, и схемы распределения углерода (Song et al., 2013, 2015), учитывающие чувствительность различных сельскохозяйственных культур к экстремальным условиям окружающей среды; (ii) динамические структуры растительности, которые лучше отражают сезонную изменчивость индекса листовой поверхности (LAI), высоты полога и глубины корней; (iii) динамические процессы распределения корней на глубине, которые улучшают моделируемое поглощение воды и транспирацию через корни.

Модель воздействия — LDNDC

LandscapeDNDC — одна из 15 моделей, использующих протокол ISIMIP3a/b, которые формируют основу для моделирования результатов сельскохозяйственного сектора ISIMIP3a/b. Полное техническое описание данных моделирования сельскохозяйственного сектора ISIMIP3a см. по этой ссылке DOI: https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Модель воздействия - LPJ-GUESS

Эта модель представляет собой версию LPJ-GUESS, разработанную для сельскохозяйственных культур, описанную в работе Lindeskog et al. (2013). Она основана на модели LPJmL, описанной в работе Bondeau et al. (2007), но отличается несколькими важными аспектами, включая отсутствие калибровки по наблюдаемым показателям урожайности в стране, новую схему фенологии и динамический расчет потенциальных тепловых единиц (PHU), необходимых для достижения сельскохозяйственной культурой зрелости. Даты посева рассчитываются динамически, согласно работе Waha et al. (2012). Сумма PHU, необходимая для полного развития сельскохозяйственной культуры в конкретной ячейке сетки, рассчитывается с использованием 10-летнего скользящего среднего значения сумм тепловых единиц, накопленных с даты посева до конца периода выборки (от 190 до 245 дней), полученного на основе установленных по умолчанию дат посева и предельной даты уборки (Lindeskog et al., 2013). Урожай собирают по достижении полного развития. Такое динамическое изменение PHU в зависимости от климата фактически предполагает идеальную адаптацию сорта сельскохозяйственной культуры к преобладающему климату. Ограничение по азоту в данной версии модели явно не учитывается.

Модель воздействия - LPJmL

LPJmL — это динамическая глобальная модель растительности, расширенная для охвата сельскохозяйственных систем и наземного гидрологического цикла. Она позволяет моделировать переходные процессы различных сельскохозяйственных культур, пастбищных систем и естественной динамики растительности, а также учитывать различные аспекты управления при моделировании сельскохозяйственных культур.

Модель воздействия - pDSSAT

pDSSAT — одна из 15 моделей, основанных на протоколе ISIMIP3a/b, которые составляют основу моделирования сельскохозяйственных показателей ISIMIP3a/b. Полное техническое описание данных моделирования сельскохозяйственного сектора ISIMIP3 см. по этой ссылке DOI: https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/
pDSSAT использует среду pSIMS для запуска модели посевов DSSAT в глобальном параллельном режиме. В GGCMI/ISIMIP фазы 3a/3b (группы 1 и 2) мы используем DSSAT версии 4.6, которая теперь обновлена до версии 4.8 для моделирования фазы 3a ATTRICI и фазы 3b группы 3.

Модель воздействия - PEPIC

PEPIC — это комплексная климатическая модель экологической политики (EPIC), написанная на языке Python.

Модель воздействия - ПРОМЕТ

PROMET – это гидрологическая модель процессов на поверхности земли, расширенная биофизическим динамическим компонентом растительности для моделирования роста сельскохозяйственных культур и формирования урожайности. Она использует физические и физиологические принципы первого порядка для определения чистой первичной продукции и дыхания на основе подходов Фаркухара и др. (1980) и Болла и др. (1987), в сочетании с компонентом фенологии и двухслойной архитектуры полога Иня и др. (2005). PROMET учитывает зависимость чистой первичной продукции и фенологии от условий окружающей среды, включая метеорологические условия, концентрацию CO2 для путей C3 и C4, а также водный и температурный стресс. Баланс массы и энергии полога и подстилающей поверхности почвы итеративно замыкается для каждого временного шага моделирования. Компонент полога и фенологии распределяет ассимиляты по различным органам растения в зависимости от фенологической стадии развития. Ассимиляты, накопленные во фракции плодов в течение вегетационного периода, определяют сухую биомассу, доступную для формирования урожая. Моделирование выполняется с часовым шагом для учета нелинейной реакции роста сельскохозяйственных культур на условия окружающей среды (в основном, свет, влажность, температуру и ветер). Преобразование суточных данных климатической модели в часовые значения выполняется с помощью TeddyTool v1.1 (Zabel and Poschlod, 2023). В зависимости от реакции рассматриваемой сельскохозяйственной культуры на метеорологические и почвенные условия, она может либо погибнуть из-за водного, теплового или холодового стресса до уборки, либо не достичь зрелости. В обоих случаях это приводит к полной потере урожая.

Модель воздействия — SIMPLACE-LINTUL5

SIMPLACE — универсальная платформа моделирования и имитации для устойчивых сельскохозяйственных культур и агроэкосистем https://doi.org/10.1093/insilicoplants/diad006

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: