2017. december 15. péntek
Bizonytalanságok és számszerűsítésük

Az éghajlat jövőbeli viselkedésének modellezése bizonytalanságokkal terhelt, melyek az alábbi forrásokból származnak:

1. Az éghajlati rendszer belső tulajdonsága a természetes változékonyság, melynek köszönhetően a rendszer külső kényszer nélkül is folyamatosan változik. Rövidebb időskálán ezzel magyarázható pl. az átlagosnál melegebb és hidegebb évek egymást követő váltakozása.
2. Az egyes modellek nem azonos közelítő módszerekkel írják le a fizikai folyamatokat, ezáltal a különböző modellek alkalmazása eltérő eredményekhez vezethet. A legnagyobb bizonytalanság a felhő- és csapadékképződéssel kapcsolatos folyamatok leírásában van.
3. Az éghajlat alakulását jelentős mértékben meghatározza az emberi tevékenység jövőbeli alakulása, ami csak nagy bizonytalansággal ismert. Leírására különböző (pl. optimista, pesszimista) forgatókönyvek állnak rendelkezésre, melyeket a modellekben az üvegházhatású gázok koncentrációjának eltérő jövőbeli pályájával veszünk figyelembe.

Ezekből fakadóan az éghajlatváltozásról egyetlen modell eredménye alapján tett következtetések félrevezetők és hibásak lehetnek, így objektív és megalapozott kijelentéseket csakis a modelleredmények bizonytalanságainak feltérképezésével és számszerűsítésével tehetünk. Ez az ensemble technika alkalmazásával lehetséges, amikor több modell eltérő forgatókönyvekkel készült szimulációs eredményeit együttesen vizsgáljuk, és így a jövőbeli változások irányáról és mértékéről valószínűségi információk nyerhetők.
Az Országos Meteorológiai Szolgálatnál részletesen vizsgáljuk az egyes bizonytalansági tényezők szerepét a hőmérsékleti és csapadékprojekciókban (Szabó és Szépszó, 2016) Hawkins és Sutton (2009, 2011) kissé átdolgozott módszertana alapján. Kutatásainkban olyan kérdésekre keressük a választ, hogy a teljes bizonytalanság milyen mértékben csökkenthető a modellek fejlesztésével vagy a forgatókönyvek szűkítésével. A bizonytalanságok feltérképezése egy olyan ensemble rendszer összeállításában segíthet, mellyel a változások bizonytalansága reprezentatívan lefedhető a létező modelleredmények alapján, növelve ezzel az éghajlatváltozási információk megbízhatóságát.
Először a globális modelleket elemeztük:

  • Az IPCC [1] 4. helyzetértékelő jelentéséhez (IPCC AR4 WG1, 2007) alapot szolgáltató, a SRES [2] forgatókönyvekkel (Nakicenovic et al., 2000) készült globális szimulációkat, melyeket a CMIP3 [3] adatbázis (Meehl et al., 2007) tartalmaz;
  • Majd a CMIP5 [4] adatbázisban (Taylor et al., 2012) elérhető, a legújabb modellekkel és az RCP [5] forgatókönyvekkel (Moss et al., 2010) végrehajtott modellkísérleteket, melyeket az IPCC 5. helyzetértékelő (IPCC AR5 WG1, 2013) jelentésében használtak.

Vizsgálatainkat regionális modellekkel folytattuk. A EURO-CORDEX nemzetközi együttműködés (Jacob et al., 2014) keretében a CMIP5 modellek eredményeit regionális klímamodellekkel skálázták le Európára 50 és 12 km-es felbontáson. A EURO-CORDEX adatok felhasználásával képet kapunk arról, hogy a regionális modellek alkalmazása mennyiben növeli a modellbizonytalanságot, továbbá kiegészítik a hazai modellkísérletek eredményeit. Hogy a CMIP5 és EURO-CORDEX adatbázisban elérhető szimulációk mennyire reprezentatívan jelenítik meg a klímaprojekciók bizonytalanságát, arra vonatkozóan a DECM projektben végeztünk vizsgálatokat.
A EURO-CORDEX regionális klímamodell-eredményei alapján a Kárpát-medencében a jövőbeli hőmérsékletváltozás alakulására a különböző forgatókönyvek csak a XXI. század utolsó 30-40 évében fejtik ki hatásukat. Az évszázad végére ez a hatás a téli átlaghőmérséklet változásában 2-3 °C eltérést is eredményez (1. ábra). Ellenben a csapadék alakulását a forgatókönyvek megválasztása jóval csekélyebb mértékben vagy egyáltalán nem befolyásolja: a különböző forgatókönyvekkel készült modellszimulációk a nyári csapadékváltozás mértékét nagyon hasonlóan írják le (2. ábra). Ebben az esetben a bizonytalanság a modellekben alkalmazott fizikai folyamatok eltérő leírásmódjából adódik. Ugyanakkor ahogyan a Kárpát-medencére vonatkozó megfigyelésekben, úgy a projekciós eredményekben is jelentős bizonytalansági forrás a természetes változékonyság (különösen a csapadék esetében), mely az évszázad végére sem csökken. Ez jelentős „zajként” rakódik rá a változás trendjére, ezáltal hazánk térségében a modellek ritkábban jeleznek szignifikáns változásokat [6].

5.1 ábra 

1. ábra
a) A Kárpát-medencében várható téli hőmérsékletváltozás 1971–2000-hez viszonyítva eltérő
kibocsátási forgatókönyveket (zöld: RCP4.5, piros: RCP8.5) alkalmazó regionális modellszimulációk alapján
(az azonos kibocsátási forgatókönyvvel készült szimulációk átlagát vastag vonal jelzi) 
b) A vizsgált modellszimulációk alapján számított bizonytalansági források relatív hozzájárulása
a teljes bizonytalansághoz a XXI. század folyamán


 5.2 ábra

2. ábra
a) A Kárpát-medencében várható nyári csapadékváltozás 1971–2000-hez viszonyítva eltérő
kibocsátási forgatókönyveket (zöld: RCP4.5, piros: RCP8.5) alkalmazó regionális modellszimulációk alapján
(az azonos forgatókönyvvel készült szimulációk átlagát vastag vonal jelzi)
b) A vizsgált modellszimulációk alapján számított bizonytalansági források relatív hozzájárulása
a teljes bizonytalansághoz a XXI. század folyamán


Hivatkozások:

Hawkins, E., Sutton, R., 2009: The potential to narrow uncertainty in regional climate predictions. Bull. Amer. Meteor. Soc. 90, 1095–1107, doi: 10.1175/2009BAMS2607.1.

Hawkins, E., Sutton, R., 2011: The potential to narrow uncertainty in projections of regional precipitation change. Clim. Dyn. 37, 407–418, doi: 10.1007/s00382-010-0810-6.

IPCC AR4 WG1, 2007: Climate Change 2007: The Physical Science Basis, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change (eds.: Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K.B., Tignor, M., Miller, H.L.). Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 996 p. [PDF – 112 MB]

IPCC AR5 WG1, 2013: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (eds.: Stocker, T.F., Qin, D., Plattner, G.-K., Tignor, M., Allen, S.K., Boschung, J., Nauels, A., Xia, Y., Bex, V., Midgley, P.M.). Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 p. [PDF – 375 MB]

Jacob, D., Petersen, J., Eggert, B., Alias, A., Christensen, O.B., Bouwer, L.M., Braun, A., Colette, A., Déqué, M., Georgievski, G., Georgopoulou, E., Gobiet, A., Menut, L., Nikulin, G., Haensler, A., Hempelmann, N., Jones, C., Keuler, K., Kovats, S., Kröner, N., Kotlarski, S., Kriegsmann, A., Martin, E., van Meijgaard, E., Moseley, C., Pfeifer, S., Preuschmann, S., Radermacher, C., Radtke, K., Rechid, D., Rounsevell, M., Samuelsson, P., Somot, S., Soussana, J.-F., Teichmann, C., Valentini, R., Vautard, R., Weber, B., Yiou, P., 2014: EURO-CORDEX: new high-resolution climate change projections for European impact research. Regional Environmental Change 14, 563–578, doi: 10.1007/s10113-013-0499-2,

Meehl, G.A., Covey, C., Delworth, T., Latif, M., McAvaney, B., Mitchell, J.F.B., Stouffer, R.J., Taylor, K.E., 2007: The WCRP CMIP3 multi-model dataset: A new era in climate change research. Bull. Amer. Meteor. Soc. 88, 1383–1394, doi: 10.1175/BAMS-88-9-1383.

Moss, R.H., Edmonds, J.A., Hibbard, K.A., Manning, M.R., Rose, S.K., van Vuuren D.P., Carter T.R., Emori, S., Kainuma, M., Kram, T., Meehl, G.A., Mitchell, J.F.B., Nakicenovic, N., Riahi, K., Smith, S.J., Stouffer, R.J., Thomson, A.M., Weyant, J.P., Wilbanks, T.J., 2010: The next generation of scenarios for climate change research and assessment. Nature 463, 747–756, doi: 10.1038/nature08823.

Nakicenovic, N., Alcamo, J., Davis, G., de Vries, B., Fenhann, J., Gaffin, S., Gregory, K., Grübler, A., Jung, T.Y., Kram, T., La Rovere, E.L., Michaelis, L., Mori, S., Morita, T., Pepper, W., Pitcher, H., Price, L., Raihi, K., Roehrl, A., Rogner, H.H., Sankovski, A., Schlesinger, M., Shukla, P., Smith, S., Swart, R., van Rooijen, S., Victor, N., Dadi, Z., 2000: IPCC special report on emissions scenarios. Cambridge University Press, Cambridge, United Kingdom, 570 p. [PDF]

Szabó, P., Szépszó, G., 2016: Quantifying Sources of Uncertainty in Temperature and Precipitation Projections over Different Parts of Europe. In: Mathematical Problems in Meteorological Modelling. Mathematics in Industry (eds.: Bátkai, A., Csomós, P., Faragó, I., Horányi, A., Szépszó, G.), Springer International Publishing, 207–237, doi: 10.1007/978-3-319-40157-7_12.

Taylor, K.E., Stouffer, R.J., Meehl, G.A., 2012: An Overview of CMIP5 and the experiment design. Bull. Amer. Meteor. Soc. 93, 485–498, doi: 10.1175/BAMS-D-11-00094.1.



[1] Éghajlatváltozási Kormányközi Testület (angolul: Intergovernmental Panel on Climate Change)

[2] Special Report on Emission Scenarios

[3] Coupled Model Intercomparison Project Phase 3

[4] Coupled Model Intercomparison Project Phase 5

[5] Representative Concentration Pathways

[6] A szignifikancia – amikor a változás mértéke meghaladja a változékonyságot – statisztikai módszerekkel vizsgálható.

Bizonytalanságok