När den globala temperaturen fortsätter att stiga, ställs kustsamhällen inför den akuta utmaningen med stigande havsnivåer. Brådskan att förse beslutsfattare med tillförlitliga prognoser för framtida havsnivåer blir allt mer kritisk. I spetsen för detta förutsägande arbete ligger Dynamic Sea Level (DSL), en nyanserad variabel som är intrikat kopplad till havsvattendensitet och havscirkulation, som för närvarande granskas intensivt i klimatmodeller.
Ocean Modeling Team vid Institute of Atmospheric Physics, Chinese Academy of Sciences, genomförde nyligen en omfattande studie som avslöjade osäkerheterna kring DSL-projektioner med hjälp av den banbrytande Coupled Model Intercomparison Project Phase 6 (CMIP6)-ensemblen och den expansiva FGOALS-g3 super -stor ensemble.
Deras studie visar att när det gäller dynamik i bassängskala spelar osäkerhet mellan modeller en ledande roll, och bidrar med över 55 %, 80 % och 70 % till den totala osäkerheten i DSL-prognoser på kort sikt (2021-2040), medellång sikt (2041-2060) ), respektive lång sikt (2081-2100). På nära håll följer den interna variabiliteten, som står för 10-42 % på kort sikt och mindre än 20 % på medellång sikt. Även om inverkan av scenarioosäkerhet initialt är minimal, ökar den gradvis och överträffar bidragen från intern variabilitet på lång sikt.
Professor Hailong Liu, motsvarande författare till serien av nyligen publicerade studier, betonade:"Det finns också regionala nyanser. På regional skala dominerar intern variabilitet på kort sikt för Stilla havet, Indiska oceanen och den västra gränsen av Omvänt tar osäkerhet mellan modeller rampljuset i andra regioner. Bidragen utvecklas över tiden, och scenarioosäkerheten blir betydande i södra, Stilla havet och Atlanten på lång sikt.
Forskargruppen observerade också att antropogena DSL-signaler förväntas komma från specifika regioner i slutet av detta århundrade. Förfiningen av CMIP6-ensemblen, som uppnås genom att eliminera modellskillnader, förbättrar vår förmåga att upptäcka dessa signaler i förväg.
"Föreställ dig att försöka förstå jordens klimat med hjälp av en datormodell. Istället för att köra modellen bara en gång kör vi den många gånger med små variationer i startförhållandena. Detta hjälper oss att se hur modellen reagerar på olika situationer", förklarade Prof. Liu .
"Genom att göra detta kan vi bättre mäta hur jordens klimat reagerar på yttre faktorer, som förändringar i växthusgaser, och även förstå de naturliga upp- och nedgångar som sker på egen hand. På så sätt får vi en tydligare och mer tillförlitlig bild av hur vårt klimat fungerar."
Teamet får därför insikter från FGOALS-g3 Super-Large Ensemble, med 110 modellmedlemmar, som sömlöst anpassar sig till CMIP6-medlemmar i bassängmedelvärda DSL-projektioner. En jämförande analys med CMIP6-ensemblen avslöjar större uppskattningar av intern variabilitet i FGOALS-g3 super-large ensemble.
Så, vad är konsekvenserna för morgondagen? Teamets forskning fördjupar inte bara vår förståelse av stigande havsnivåer utan lägger också grunden för mer exakta och informerade klimatmodeller. Insikterna är avgörande för att säkra framtiden för våra kustsamhällen.
Dessa fynd har nyligen publicerats i Journal of Climate , Framsteg inom atmosfärsvetenskap , och Geoscience Letters .
Mer information: Chenyang Jin et al, Uncertainties in the Projection of Dynamic Sea Level in CMIP6 och FGOALS-g3 Large Ensemble, Journal of Climate (2024). DOI:10.1175/JCLI-D-23-0272.1
Chenyang Jin et al, Utvärdering av säsongsbetonad till decadal variation i dynamiska havsnivåsimuleringar från CMIP5 till CMIP6, Geoscience Letters (2023). DOI:10.1186/s40562-023-00291-w
Tillhandahålls av Chinese Academy of Sciences
