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 использованные гидрологические модели:

ISIMIP — CWatM

CWatM — это пространственно-распределенная модель водных ресурсов, опирающаяся на механизм «осадки-стока» и расчет стока по руслам (Burek et al., 2020). Она основана на процессах и используется для количественной оценки доступности водных ресурсов, объемов водозабора различными секторами (промышленность, бытовое потребление, сельское хозяйство), а также влияния водной инфраструктуры, включая водохранилища, откачку подземных вод и ирригационные каналы. CWatM разработана на уровне сетки и имеет две исходные версии с разрешением 0,5◦ и 0,0833° в глобальном масштабе (с разрешением внутри сетки, учитывающим рельеф и растительный покров). Модель работает с суточными временными шагами (с субсуточными временными шагами для моделирования почвы и речного стока).

ISIMIP — H08

H08 — это глобальная гидрологическая модель, основанная на сетке ячеек. Она состоит из шести подмоделей: гидрологии земной поверхности, расчета стока по рекам, эксплуатации водохранилищ, роста сельскохозяйственных культур, экологического стока и водозабора. Формулировки подмоделей подробно описаны в работе Ханасаки и др. (2008a, b, 2010). В стандартных настройках моделирования H08 охватывает пространственно весь земной шар с разрешением 0,5°×0,5° для оценки географической неоднородности гидрологии и водопользования. Период моделирования обычно составляет несколько десятилетий, а интервал расчёта — один день. Шесть подмоделей обмениваются водными потоками и обновляют запасы воды при каждом расчетном интервале с полным замкнутым водным балансом (погрешность составляет менее 0,01 % от общего объема входящих осадков). Эти характеристики позволяют нам явно моделировать основное взаимодействие между естественным водным циклом и основными видами человеческой деятельности на Земле. Исходный код и руководства по H08 находятся в открытом доступе по адресуhttp://h08.nies.go.jp.В 2016 году схемы забора воды в модели H08 были существенно усовершенствованы. Кроме того, в подмодель гидрологии земной поверхности была добавлена упрощённая схема подземных вод. Это позволило нам оценить водозабор из шести основных источников: сток рек, регулируемый глобальными водохранилищами (т. е. водохранилищами, регулирующими сток основного русла крупнейших рек мира); перекачка воды по акведукам; местные водохранилища; опреснение морской воды; возобновляемые запасы подземных вод; и невозобновляемые запасы подземных вод. Статья с описанием модели доступна по адресуhttps://www.hydrol-earth-syst-sci.net/22/789/2018/.H08 — одна из 13 глобальных гидрологических моделей, разработанных в соответствии с протоколом ISIMIP2a, которые составляют основу моделирования результатов по глобальному водному сектору в рамках ISIMIP2a; полное техническое описание данных моделирования ISIMIP2a по водному (глобальному) сектору см. по этой ссылке DOI:http://doi.org/10.5880/PIK.2017.010В рамках проекта ISIMIP2b использовалась новая модель H08 (Hanasaki et al., 2018). Данная модель существенно отличается от «классической H08» (Hanasaki et al. 2008a, 2008b, 2010) в основном по шести пунктам. - Добавлена схема подземных вод. - Добавлена схема забора подземных вод. - Добавлена схема перекачки воды по акведуку. - Добавлена схема обратного стока и потерь при подаче. - Обновлена схема водохранилища. - Добавлена схема опреснения морской воды. Для ISIMIP3a/3b гидрологические параметры модели H08 были настроены на основе исследования Yoshida et al. (2022;https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2021WR030660). Мы полагаем, что в настоящее время общий водный баланс оценивается более точно по сравнению с предыдущими версиями. По ряду технических причин параметры для субарктического климата (Dc) варьируются в зависимости от продольных участков. Это может приводить к резким скачкам гидрологических показателей (например, влажности почвы) на границах участков. Более подробную информацию см. в работе Yoshida et al. (2022).

Параметры эксперимента по антропогенным воздействиям (soc-scenarios)

Источники:

Сельскохозяйственные модели

Данные по урожайности сельскохозяйственных культур были взяты из набора данных ISIMIP3b о сельскохозяйственной продукции. Представленные данные состоят из ансамбля 11 различных сельскохозяйственных моделей. Приведенные данные получены на основе глобальных моделей урожайности, которые моделируют рост сельскохозяйственных культур по всему миру с использованием обобщенных допущений относительно климатических условий, почв и условий ведения сельского хозяйства. Поскольку региональные условия различаются, такие модели, как правило, калибруются с использованием местных данных для повышения точности. Приведённые здесь результаты не подвергались региональной калибровке и, следовательно, могут не отражать точные уровни урожайности для данного региона. Их следует рассматривать как иллюстрацию глобальных или крупномасштабных тенденций, а не как точные местные значения.
Ниже приведены подробные сведения о каждой из сельскохозяйственных моделей, использованных в качестве исходных данных

Модель удара — CYGMA1p74

CYGMA — это глобальная сетчатая модель выращивания 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 по отношению к тепловым потребностям культуры. В отношении пшеницы учитывается только яровая пшеница, поскольку процесс яровизации в настоящее время не включен в модель. Рост и старение листьев рассчитываются в зависимости от доли вегетационного периода с использованием заданной формы кривой индекса листовой поверхности. Урожайность рассчитывается на основе фотосинтетически активного излучения, поглощаемого пологом сельскохозяйственных культур, эффективности использования излучения (RUE), влияния углекислотного удобрения на RUE и доли общего прироста биомассы, приходящейся на уборочную часть. Для расчета фактической эвапотранспирации используется подмодель водного баланса почвы, связанная с подмоделью снежного покрова. В модели развитие сельскохозяйственных культур моделируется как доля накопленных градусо-дней роста относительно тепловых потребностей культуры. В отношении пшеницы учитывается 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 пологом сельскохозяйственных культур, эффективности использования радиации (RUE), влияния углекислотного удобрения на RUE и доли общего прироста биомассы, приходящейся на уборочную часть. Подмодель водного баланса почвы, связанная с подмоделью снежного покрова, используется для расчета фактической эвапотранспирации. Рассматриваются пять различных типов стресса: дефицит азота (N), жара, холод, дефицит воды и избыток воды; при этом наиболее доминирующий тип стресса в течение суток снижает суточный потенциальный прирост площади листьев в период вегетативного роста и урожайности в период репродуктивного роста. Рост и урожайность сои в модели менее чувствительны к стрессу, вызванному дефицитом азота, чем у других рассматриваемых здесь культур, поскольку соя является бобовым растением, фиксирующим азот. Все типы стресса, за исключением дефицита азота, зависят от ежедневных погодных условий, а толерантность каждой культуры к этим стрессам повышается по мере увеличения запаса знаний. Объём знаний — это экономический показатель, который рассчитывается как сумма ежегодных государственных расходов на научные исследования и разработки (НИОКР) в области сельского хозяйства для каждой страны, начиная с 1961 года, с учётом определённого коэффициента устаревания, и отражает средний уровень агрономических технологий и управления среди фермеров в стране. Более подробная информация о моделировании приведена в работе Iizumi et al. (2017).

Модель удара — CROVER

CROVER — одна из 15 моделей, следующих протоколу ISIMIP3a/b, которые составляют основу моделирования для результатов ISIMIP3a/b в сельскохозяйственном секторе; полное техническое описание данных моделирования ISIMIP3a для сельскохозяйственного сектора см. по этой ссылке DOI:https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Модель оценки воздействия - EPIC-IIASA

Глобальная сеточная система моделирования сельскохозяйственных культур «EPIC-IIASA», основанная на данных EPIC, используется для оценки основных мировых сельскохозяйственных систем в ответ на управленческие вмешательства, такие как методы выращивания культур, внесения удобрений и орошения, а также варианты сохранения почв и органического земледелия, и изменения окружающей среды, включая изменение климата и деградацию почв. Кроме того, EPIC-IIASA используется для сравнения систем управления сельскохозяйственными угодьями и их влияния на экологические показатели, такие как доступность воды, уровни азота и фосфора в почве и выбросы парниковых газов.
Основываясь на интегрированной климатической модели экологической политики и глобальных или региональных наборах данных о климате, почвах, растительном покрове и землепользовании, EPIC-IIASA может анализировать многочисленные виды сельскохозяйственных культур и методы их выращивания в различных погодных, топографических и почвенных условиях. Он исследует компромиссы между ростом и урожайностью растений, с одной стороны, и воздействием на окружающую среду и устойчивостью, с другой.
Например, система EPIC-IIASA может оценить — на основе типа почвы и преобладающих климатических условий — степень вымывания питательных веществ из удобрений, таких как азот (N), в близлежащие речные и ручейные сети. Эта проблема вызывает все большую озабоченность, поскольку во всем мире две пятых азота, используемого в сельском хозяйстве, теряется в экосистемах, оказывая вредное воздействие на окружающую среду.
EPIC-IIASA позволяет анализировать варианты устойчивого сельского хозяйства, включая борьбу с эрозией почвы, управление растительными остатками, повышение запасов органического углерода в почве и сокращение выбросов парниковых газов. Глобальное и региональное применение EPIC-IIASA помогает оценить потенциал сельскохозяйственных систем в достижении глобальных целей в области климата и продовольственной безопасности.

Модель воздействия - ISAM

Интегрированная модель оценки научных данных (ISAM) — это сопряженная биогеохимическая и биогеофизическая модель с пространственным разрешением 0,5° × 0,5° и несколькими временными разрешениями, варьирующимися от получаса до годового шага. Она моделирует баланс углерода, азота, энергии и воды для различных наземных экосистем посредством фотосинтеза, поверхностной гидрологии, переноса излучения, распределения углерода и дыхания экосистемы (Barman et al., 2014a, 2014b; Yang et al., 2009). Кроме того, ISAM включает в себя процессы роста сельскохозяйственных культур C3 и C4 (кукуруза, соя, пшеница и рис) и биоэнергетических злаков (мискантус, каллистемон и аламо), которые оцениваются на уровне отдельных участков, регионов и в глобальном масштабе (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 и схемы распределения углерода для каждой культуры (Song et al., 2013, 2015), учитывающие чувствительность различных культур к экстремальным условиям окружающей среды; (ii) динамические структуры растительности, которые лучше отражают сезонную изменчивость индекса листовой поверхности (LAI), высоты полога и глубины корневой системы; (iii) динамические процессы распределения корней на глубине, которые улучшают моделирование поглощения почвенной влаги корнями и транспирации.

Модель воздействия - LDNDC

LandscapeDNDC — одна из 15 моделей, следующих протоколу ISIMIP3a/b, которые составляют основу моделирования для результатов ISIMIP3a/b в сельскохозяйственном секторе; полное техническое описание данных моделирования ISIMIP3a для сельскохозяйственного сектора см. по этой ссылке DOI:https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Модель воздействия - LPJ-GUESS

Данная модель представляет собой версию LPJ-GUESS, учитывающую особенности выращиваемых 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 на уровне страны, новую схему фенологии и динамический расчет потенциальных тепловых единиц (PHU), необходимых для достижения культурой зрелости. Даты посева рассчитываются динамически в соответствии с методикой Waha et al. (2012). Сумма PHU, необходимая для полного развития культуры в конкретной ячейке сетки, рассчитывается с использованием 10-летнего скользящего среднего значений сумм тепловых единиц, накопленных с даты посева до конца периода выборки (от 190 до 245 дней), полученного из стандартных дат посева и сбора урожая (Lindeskog et al., 2013). Урожай собирают после полного развития культуры. Такое динамическое изменение содержания ПГУ в зависимости от климата фактически предполагает идеальную адаптацию сорта сельскохозяйственной культуры к преобладающему климату. В данной версии модели явно не учитывается дефицит азота.

Модель воздействия - LPJmL

LPJmL — это динамическая глобальная модель растительности, расширенная для охвата сельскохозяйственных систем и наземного гидрологического цикла. Она способна к нестационарному моделированию различных культур, пастбищных систем и естественной динамики растительности, а также может учитывать различные аспекты управления в моделировании сельскохозяйственных культур.

Модель воздействия - pDSSAT

pDSSAT — одна из 15 моделей, следующих протоколу ISIMIP3a/b, которые составляют основу моделирования для результатов ISIMIP3a/b в сельскохозяйственном секторе; полное техническое описание данных моделирования ISIMIP3 из сельскохозяйственного сектора см. по этой ссылке DOI: https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/
pDSSAT использует среду pSIMS для параллельного глобального запуска модели урожая DSSAT. В GGCMI/ISIMIP Phase 3a/3b (группы 1 и 2) мы используем DSSAT версии 4.6, которая теперь обновлена до версии 4.8 для моделирования ATTRICI в Phase 3a и моделирования группы 3 в Phase 3b.

Модель воздействия - PEPIC

PEPIC — это модель EPIC (Environmental Policy Integrated Climate), основанная на языке Python.

Модель воздействия - ПРОМЕТ

PROMET — это гидрологическая модель процессов на поверхности земли, расширенная компонентом динамической биофизической растительности для моделирования роста сельскохозяйственных культур и формирования урожая. Она использует физические и физиологические принципы первого порядка для определения чистой первичной продукции и дыхания на основе подходов Фаркуара и др. (1980) и Балла и др. (1987), в сочетании с компонентом фенологии и двухслойной архитектуры растительного покрова Инь и др. (2005). PROMET учитывает зависимость чистой первичной продукции и фенологии от условий окружающей среды, включая метеорологию, концентрацию CO2 для путей C3 и C4, а также водный и температурный стресс. Баланс массы и энергии растительного покрова и нижележащей поверхности почвы итеративно замыкается для каждого шага моделирования. Компонент растительного покрова и фенологии распределяет ассимиляты по различным органам растения в зависимости от фенологической стадии развития. Ассимиляты, накапливающиеся в плодовой фракции в течение периода роста, определяют сухую биомассу, доступную для формирования урожая. Моделирование выполняется с почасовым шагом, чтобы учесть нелинейные реакции роста культуры на условия окружающей среды (в основном, свет, вода, температура и ветер). Преобразование ежедневных данных климатической модели в почасовые значения осуществляется с помощью TeddyTool v1.1 (Zabel and Poschlod 2023). В зависимости от реакции рассматриваемой культуры на метеорологические и почвенные условия, культура может либо погибнуть из-за водного, теплового или холодового стресса до сбора урожая, либо не достичь зрелости. В обоих случаях это приводит к полной потере урожая.

Модель воздействия — SIMPLACE-LINTUL5

SIMPLACE — универсальная платформа для моделирования и имитации устойчивого развития растениеводства 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: