Klimatforskare vid Columbia University har utvecklat en ny, global orkanmodell för att uppskatta den långsiktiga risken för sällsynta, kraftiga stormar under olika klimatscenarier. Modellen använder en ny metod för att effektivt simulera ett stort antal stormar runt om i världen, särskilt de som snabbt intensifieras, som orkanerna Maria, Irma och Harvey. Forskarna hoppas att det nya systemet kommer att leda till stormrisk- och farobedömningar för större städer.

Projektgruppen, leds av Chia-Ying Lee från International Research Institute for Climate and Society, kommer att göra modellen öppen källkod när arbetet är klart. Forskarna beskriver sin metod i ett nytt papper i Journal of Advances in Modeling Earth Systems .

Den atlantiska orkansäsongen 2017 var en av de mest destruktiva i USA:s historia, orsakade mer än 200 miljarder dollar i skador innan det officiellt slutade den 30 november. Orkaner och tropiska stormar slet också genom Karibien och Gulf Coast, förödande ett antal önationer och territorier.

"Händelser som dessa orsakar enorm skada, " säger Lee. "Det är viktigt att vi har en korrekt förståelse för hur faran som dessa händelser utgör förändras när klimatet förändras."

Precis som andra orkanmodeller, den här nya använder historiska förhållanden för att simulera ett stort antal realistiska men syntetiska stormar – många fler stormar, faktiskt, än vad som faktiskt har skett under de senaste 30 åren.

"Väsentligen, vi kan generera en mycket längre historia för att visualisera saker som inte har hänt sedan starten av moderna observationer, men det kan hända, säger medförfattaren Adam Sobel, från Columbias Lamont-Doherty Earth Observatory. "Detta tillåter oss att bedöma sannolikheterna för sällsynta händelser som inte finns i det historiska dokumentet."

De flesta modeller som den privata sektorn använder gör detta genom rent statistiska medel, genererar nya stormar baserade endast på spår av historiska. Sådana modeller kan inte redogöra för den storskaliga miljön där varje storm utvecklades och utvecklades. Så Columbia-teamet hämtade inspiration från en riskmodell som utvecklades för ett decennium sedan av Kerry Emanuel, vid Massachusetts Institute of Technology. Hans är en statistiskt-dynamisk modell, vilket innebär att den använder en kombination av fysik och statistik för att simulera varje syntetisk storm. Dynamiska modeller kan innehålla storskaliga klimatdata och kan därför svara på förändrade miljöförhållanden som klimatförändringar. Dock, att köra dessa simuleringar är mycket dyrt och tidskrävande.

Modellen som Lee och hennes kollegor har skapat bygger på detta hybrida statistiskt-dynamiska tillvägagångssätt, men förutspår stormintensitet på ett nytt sätt, med en metod som teamet utvecklade 2016 som fångar frekvensen av stora stormar som orkanen Maria och hur de snabbt intensifieras. Deras modelleringsmetod är också mycket effektiv för att simulera ett stort antal stormar runt om i världen, vilket möjliggör omfattande riskbedömningar.

"Nu kan vi studera orkanrisk, globalt och på ett sätt som är direkt relevant för effekter, " säger Sobel. "Hittills har bara mycket dyra dynamiska modeller kunde göra detta, så vi öppnar många nya möjligheter, för oss och andra."

regeringar, finansiella institut, icke -statliga organisationer och till och med enskilda hushåll kan dra nytta av förbättrad riskbedömning. Till exempel, institutioner kan generera sannolikhetskartor som visar oddsen för att olika platser kommer att uppleva en stor orkan under nästa år, säger Chia-Ying Lee. "Vi kommer också att kunna generera lokala farobedömningar centrerade på enskilda städer, och dessa kan potentiellt placeras på interaktiva webbplatser med allmän tillgång.

När projektet avslutas 2020, vem som helst kommer att kunna ladda ner och köra modellen. Sobel hoppas att detta kommer att stimulera andra att hjälpa till att förbättra sitt arbete.

"Som forskare som strävar efter att göra vår forskning användbar och värdefull i den stora världen, vi ville utveckla en modell som inte bara skulle tillåta oss att studera orkanrisk, men skulle också ge andra möjlighet att göra det, oavsett om det gäller akademisk forskning, katastrofriskminskning, klimatanpassning eller något annat syfte."

Gruppen pluggar för närvarande in historiska data som genererats från en rad globala klimatmodeller för att se hur väl de kan reproducera tidigare orkansäsonger. Denna förståelse gör att de kan anpassa modellen för att simulera framtida orkansäsonger. De planerar att rapportera dessa resultat i en kommande tidning.