• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Naturen
    Extrema nederbörd:Mer exakta förutsägelser i ett föränderligt klimat

    Kredit:Pixabay/CC0 Public Domain

    För att begränsa effekterna av klimatförändringarna är det viktigt att förutsäga dem så exakt som möjligt. Regionala klimatmodeller är högupplösta modeller av jordens klimat som kan förbättra simuleringar av extrema väderhändelser som kan påverkas av klimatförändringar och därmed bidra till att begränsa påverkan genom snabba åtgärder.

    Med sina högsta upplösningar, Regionala klimatmodeller kan simulera atmosfärisk konvektion, en nyckelprocess i många extrema väderhändelser som ofta är orsaken till mycket intensiva och lokaliserade nederbörd. Även om modeller som tillåter "konvektion" används i stor utsträckning i väderprognoser, de kräver stora superdatorresurser vilket begränsar deras användning i långsiktig klimatmodellering. Dock, förbättrad datorkraft har nu gjort användningen av dem i klimatförutsägelser mer lönsamma.

    En studie som involverar forskarlag från hela Europa som samarbetar i CORDEX-FPS Flagship Pilot Study om konvektiva fenomen – inklusive forskare från CMCC Foundation – Euro-Mediterranean Center on Climate Change – presenterar den första multimodellensemblen av decennielånga regionala klimatmodeller springa i kilometerskala. CORDEX-FPS-projektet om Europa och Medelhavsområdet, som fokuserar på konvektiva nederbördshändelser och deras utveckling under mänskligt inducerade klimatförändringar, valde det alpina utrymmet som ett gemensamt målområde att experimentera på.

    Konvektionstillåtande modeller användes för att producera högupplösta simuleringar som förutspådde nederbördsdynamik från 2000-2009. Den simulerade nederbörden under denna period jämfördes med observerade nederbördsdatauppsättningar, bedöma hur väl modellerna hade simulerat verkliga händelser. Konfigurationen som utvecklats av CMCC gav särskilt goda resultat. Dessutom, resultaten jämfördes med modeller med lägre upplösning, avslöjar att högupplösta modeller ger en betydande förbättring av modellens prestanda.

    Paola Mercogliano, Direktör för CMCC-avdelningen Regionala modeller och geo-hydrologiska effekter, och medförfattare till studien tillsammans med CMCC-forskarna Marianna Adinolfi och Mario Raffa, förklarar att:"Även om det fortfarande finns skillnader mellan ultrahögupplösta simuleringar och observationer, det är tydligt att dessa simuleringar presterar bättre än simuleringar med lägre upplösning när det gäller att representera nederbörd i det nuvarande klimatet, och därmed erbjuda ett lovande perspektiv för studier om klimat och klimatförändringar på lokal och regional skala. De mest betydande förbättringarna av de högupplösta simuleringarna jämfört med de lägre upplösningarna finns speciellt på sommaren, när lågupplösningsmodellen överskattade frekvensen och underskattade intensiteten av nederbörd dagligen och varje timme."

    Fördelen med en högre upplösning var mest uttalad för kraftiga nederbördshändelser.

    I genomsnitt, de lågupplösta modellerna underskattade sommarens kraftiga regn per timme med ~40 %. De högupplösta modellerna underskattade bara denna nederbörd med ~3%. Dessutom, osäkerhetsintervallen i simuleringarna – nämligen variabiliteten mellan modellerna – halverades också nästan vid en hög upplösning för våtimmarsfrekvens.

    Politiker förlitar sig på korrekt klimatinformation för att formulera effektiva åtgärder för att anpassa sig till och mildra effekterna av klimatförändringar, och denna studie presenterar en användbar metod för att förbättra förutsägelser om extrema regn. Att förbättra dessa förutsägelser hjälper människor och beslutsfattare att formulera klimatanpassning och begränsningsåtgärder med bästa tillgängliga information.

    Ytterligare studier utvecklas för närvarande inom CORDEX-FPS flaggskeppspilotstudie om konvektiva fenomen för att visa mervärdet av konfigurationer med ultrahög upplösning.


    © Vetenskap https://sv.scienceaq.com