Климатообразующие факторы россии 8 класс презентация: Презентация по географии на тему «Климатообразующие факторы» (8 класс)

При советской власти некоторые политики русификации расширились. В мусульманских районах Средней Азии и Кавказа было отменено использование арабского алфавита, языка Корана. Правительство также отправило многих россиян в районы, в большинстве своем не относящиеся к России, для дальнейшего объединения страны. Другие этнические группы, особенно те, которые правительство считает нарушителями спокойствия, были депортированы со своих исконных земель и переселены в другие места.Сегодняшняя этническая карта бывшего Советского Союза частично отражает эту многокультурную историю и наследие политики переселения (см. Рисунок 3.9 ). В период с 1941 по 1949 год в Сибирь было депортировано более 3 миллионов человек, большая часть из которых умерла от болезней или недоедания. Остальные были депортированы из Прибалтики или из района Черного моря. В целом около 6 миллионов человек стали внутренне перемещенными лицами в результате политики переселения Советского Союза и от 1 до 1.5 миллионов из них погибли.

Хотя сегодня Россия состоит в основном из людей, говорящих по-русски и идентифицирующих себя с русской этнической принадлежностью, она включает 185 различных этнических групп, говорящих более чем на 100 разные языки. Самыми крупными группами меньшинств в России являются татары, составляющие около 4 процентов населения с более чем 5 миллионами человек, и украинцы — около 1.4 процента или почти 2 миллиона человек. У других этнических групп, таких как Голоса под Санкт-Петербургом, осталось всего несколько десятков членов. Из-за советской политики переселения в бывших советских республиках проживает значительное количество русских меньшинств. Казахстан и Латвия, например, почти на четверть являются русскими. Это часто приводило к напряженности внутри России, когда группы меньшинств стремились к независимости, и за пределами России, когда этнические группы конфликтовали из-за лидерства.

В частности, в Украине напряженность между украинским населением и русским меньшинством остается высокой и представляет собой более широкую напряженность между восточноевропейскими регионами, которые более тесно связаны с Россией, и теми, которые стремятся к большей взаимосвязанности и торговле с Западной Европой.Восточная Украина в основном состоит из русскоязычных, в то время как Западная Украина преимущественно говорит на государственном украинском языке (см. Рисунок 3.10 ). В целом, около трех четвертей людей в Украине идентифицируют себя с украинской этнической принадлежностью.

В 2014 г. напряженность между двумя группами обострилась, когда тогдашний президент Виктор Янукович отступил от сделка об увеличении связей с Европейским Союзом и вместо этого стремилась к более тесным связям с Россией.В Западной Украине люди участвовали в массовых протестах, побуждающих правительство подписать пакет антипротестных законов, в то время как в Восточной Украине большинство поддерживало правительство. В конечном итоге Янукович был отстранен от должности, что вызвало военное вмешательство России.

В частности, Россия добивалась контроля над Крымом, территорией, которая была аннексирована Российской империей и была Автономной Советской Социалистической Республикой до 1950-х годов, когда она была передана Украине. После протестов 2014 года большинство жителей Крыма поддержали присоединение к России, и он был официально аннексирован российскими войсками.В настоящее время регион контролируется Россией (см. Рисунок 3.11 ). Однако международное сообщество в основном не признало суверенитет Крыма или аннексию России.

Несколько других этнических групп, которые остаются в России, желают независимости, особенно на окраинах страны в Кавказском регионе вдоль границы России с Грузией и Арменией (см. Рисунок 3.12 ). Чечня в основном состоит из чеченцев, особой мусульманской нации суннитского толка. Территория выступала против российского завоевания региона в 19 веке, но была насильно присоединена к Советскому Союзу в начале 20 века. 400 000 чеченцев были депортированы Сталиным в 1940-х годах, и более 100 000 умерли. Хотя Чечня стремилась получить независимость от России, иногда через ожесточенное противодействие, она оставалась под контролем России после распада Советского Союза. Дагестан был ареной нескольких исламских повстанцев, стремящихся отделиться от России.Осетия остается разделенной на северную часть, контролируемую Россией, и южную часть, контролируемую Грузией.

На такой большой и этнически разнообразной территории, как Россия, контролировать территорию таким образом, чтобы это было приемлемо для всех ее жителей, оказалось трудным. Во многих крупных странах чем дальше вы удаляетесь от столицы и крупных городов, тем больше культурных различий вы обнаруживаете.Некоторые правительства восприняли это культурное различие, создав автономные регионы, которые функционируют в значительной степени независимо, хотя и остаются частью более крупного государства. Сталин и российские цари до него пытались объединить страну путем подавления этнических различий, но этническую и языковую идентичность трудно стереть.

Советское правительство, возглавляемое Лениным, а затем Сталиным, выступало за коммунистическую систему. В капиталистической системе рыночные силы диктуют цены в соответствии со спросом и предложением.Те, кто контролирует средства производства, известные в марксистской философии как буржуазия, намного богаче рабочих, известных как пролетариат. Однако в коммунистической системе средства производства находятся в коллективной собственности, и предполагаемый результат состоит в том, что не существует классов богатых и бедных, а также групп землевладельцев и безземельных рабочих.

На самом деле, ни одно правительство не практикует чистый капитализм или чистый коммунизм, скорее правительства расположены вдоль континуума (см. Рисунок 3.13 ). Анархия, отсутствие государственного контроля, существует только во временных ситуациях, например, когда предыдущее правительство свергается, а политические группы борются за власть. В большинстве западных стран в разной степени практикуется сочетание капитализма и социализма, где экономические и социальные системы находятся в коллективной собственности. Например, Дания, которая неизменно считается одной из самых счастливых стран в мире, имеет рыночную экономику с небольшим количеством правил ведения бизнеса, но государство финансирует всеобщее здравоохранение, пособие по безработице и отпуск по беременности и родам, а высшее образование в большинстве случаев является бесплатным.Соединенные Штаты в значительной степени капиталистические, но правительство предоставляет пенсионные пособия через систему социального обеспечения, финансирует вооруженные силы и поддерживает строительство и обслуживание системы автомагистралей между штатами. Хотя правительство Китая является коммунистическим, оно также приняло элементы рыночной экономики и допускает некоторые частные предприятия, а также внешнюю торговлю и инвестиции. Все правительства должны решить три основных экономических вопроса: что производить, как производить и для кого производить.Ответы на эти вопросы различаются в зависимости от штата и ситуации.

В советской системе правительство диктовало экономическую политику, а не полагалось на механизмы свободного рынка и закон спроса и предложения. Это потребовало вмешательства правительства на всех уровнях экономики. Цены на товары должны были устанавливаться центральным правительством, уровни производства товаров должны были быть определены, требовалась координация производителей и дистрибьюторов — все, что традиционно достигается через частных лиц и компании в капиталистической модели, было ответственностью Советское правительство.

Чтобы координировать такой широкий спектр товаров и услуг, требовалось долгосрочное планирование. Советское правительство установило серию пятилетних планов, в которых устанавливались долгосрочные цели и подчеркивались квоты на производство товаров. Однако этой системе не хватало гибкости, и зачастую она была неэффективной при производстве и распределении товаров.

Советское правительство преследовало две основные цели: во-первых, ускорить индустриализацию, а во-вторых, коллективизировать сельское хозяйство.Коллективизация сельского хозяйства, хотя и была направлена ​​на повышение урожайности и повышение эффективности распределения продовольствия, в конечном итоге потерпела неудачу. К началу 1930-х годов 90 процентов сельскохозяйственных земель в Советском Союзе были коллективизированы, то есть принадлежали группе людей, а не отдельным лицам. Каждый элемент сельскохозяйственного производства, от тракторов до животноводства, находился в коллективном владении, а не в индивидуальной собственности. У семьи не могло быть даже собственного огорода.В идеале при такой системе все фермеры работали бы одинаково и получали бы равные выгоды.

К сожалению, заработки колхозников, как правило, были меньше, чем у фермеров. Это привело к сокращению производства сельскохозяйственной продукции, а также к сокращению поголовья скота. Наряду с неурожаем в начале 1930-х годов страна пережила повсеместный голод и отсутствие продовольственной безопасности. По оценкам, в результате коллективизации сельского хозяйства погибло 12 миллионов человек.

Советское промышленное развитие тоже было неэффективным. В типичной рыночной экономике определенные места специализируются на производстве определенных товаров, и система разрабатывает наиболее эффективные методы производства и распределения. Производитель мебели может расположиться рядом с парком твердой древесины, например, чтобы минимизировать транспортные расходы. Большой завод может быть расположен рядом с гидроэлектростанцией, чтобы обеспечить недорогой источник энергии. В одних местах из-за удачи или географического положения больше ресурсов, чем в других, и это может привести к региональному дисбалансу.Советское же правительство хотело, чтобы все были равны. Если бы в одном регионе было полностью промышленное развитие, то люди в этом регионе были бы непропорционально богатыми, и регион был бы более уязвим для нападений со стороны внешней силы. Правительство также надеялось, что рассредоточение промышленности заставит страну объединиться. Если бы в одном районе был сталелитейный завод, а в другом — завод, использующий сталь для производства машин, им пришлось бы полагаться друг на друга, и ни один из них не имел бы преимущества.Таким образом, они стремились рассредоточить промышленное развитие по стране.

Если бы вы были географом, которому было поручено найти лучшее место для новой отрасли, вы, вероятно, приняли бы во внимание основные ресурсы, такие как сырье, необходимое для производства, и энергию, необходимую для питания завода. Вы можете подумать о трудовых ресурсах и попытаться разместить отрасль рядом с большим трудовым коллективом. Вы также можете подумать о том, как эффективно доставить товар потребителям, и расположить его рядом с морским портом или железнодорожной линией.Однако вместо того, чтобы принимать во внимание эти географические факторы, советское правительство стремилось максимально разогнать промышленность. Промышленность располагалась без особого внимания к размещению рабочей силы или сырья. Это означало, что в систему были встроены неэффективности, и увеличились ненужные транспортные расходы
.

Существенные затраты на поддержку неэффективной системы промышленного развития были увеличены затратами, необходимыми для финансирования холодной войны .Холодная война произошла после Второй мировой войны и была временем политической и военной напряженности, прежде всего между Соединенными Штатами и Советским Союзом. Западная Европа, которая была в значительной степени капиталистической, была отделена от коммунистического Советского Союза так называемым железным занавесом , разделительной линией между Советским Союзом и его государствами-сателлитами, которые присоединились к Варшавскому договору, договору о коллективной обороне, и западным странам. Европейские страны, являющиеся союзниками Организации Североатлантического договора (НАТО) (см. Рисунок 3.14 ). Холодная война была названа так потому, что отличалась от традиционной «горячей» войны тем, что не включала прямого военного конфликта между Соединенными Штатами и Советским Союзом. Однако это привело к вооруженным конфликтам в других частях мира, а также к огромным запасам военного оружия.

В 1980-х годах советский лидер Михаил Горбачев поддерживал реструктуризацию советской экономики с помощью серии некоторых рыночных реформ, известных как перестройка.Он также поддерживал гласность, повышение прозрачности и открытости правительства. К сожалению, эти реформы не смогли изменить систему достаточно быстро, а ослабление государственного контроля только ухудшило состояние и неэффективность советской экономики.

Советское правительство, и без того истощенное в финансовом отношении системой развития, в значительной степени игнорировавшей географию, не могло поддерживать убыточные государственные предприятия и растущие военные расходы. В конечном итоге страна обанкротилась.В системе, где все аспекты экономики взаимосвязаны, достаточно одного звена, чтобы разорвать цепь, и вдали от политики Горбачева, укрепляющей эту цепочку, Перестройка только еще больше ее ослабила. Советский Союз формально распался в 1991 году. Некоторые утверждали, что Советский Союз развалился экономически. Другие утверждают, что это был прежде всего политический коллапс, вызванный неэффективным правительством и растущим территориальным сопротивлением. География также сыграла свою роль, поскольку правительство игнорировало фундаментальные принципы пространственного расположения и взаимодействия.

Распад Советского Союза имел далеко идущие последствия для российского ландшафта, и даже сегодня Россия страдает от наследия Советского Союза. К примеру, остатки советской бюрократии влияют на все, от стоимости строительства дороги до форм, необходимых для химчистки одежды. После немедленного распада Советского Союза правительство перешло к рыночной экономике. Во многих случаях те, кто занимал руководящие должности в советском правительстве, получали контроль над отраслями, ранее принадлежавшими государству, создавая класс богатых, часто называемый российской олигархией.Несмотря на некоторые неудачи и глобальные экономические спады, экономика России значительно улучшилась после распада Советского Союза, и в настоящее время Россия занимает шестое место в мире по величине экономики. Уровень бедности и безработицы также резко снизился за последние десятилетия. Хотя население России резко сократилось после распада Советского Союза, в последние годы оно несколько восстановилось.

Заброшенные промышленные города и рабочие поселки, построенные Советским Союзом, усеивают ландшафт, что свидетельствует о злополучной попытке Советского правительства децентрализовать свое население и развитие (см. Рисунок 3.15 ). Транссибирская магистраль , построенная в 1916 году для соединения Москвы с восточными районами России во Владивостоке, продолжает оставаться наиболее важным транспортным узлом в России, но система автомобильных дорог России остается в основном централизованной на западе. На востоке из-за децентрализации населенных пунктов и тяжелых физических условий строительство и обслуживание дорожных сетей затруднено. Ленское шоссе, например, прозванное «Шоссе из ада», — это федеральная трасса протяженностью 1235 км с севера на юг в Восточной Сибири.До 2014 года это была просто грунтовая дорога, летом часто переходившая в непроходимое, илистое болото.

При Владимире Путине, 2-м и 4-м президентах России, экономика России стабильно росла, чему способствовали высокие цены на нефть и мировой спрос на нефть . Путин также провел реформу полиции и вооруженных сил и преследовал некоторых богатых олигархов, взявших под контроль частные предприятия.Критики также отмечают, что Путин принял ряд законов, направленных на подавление политического инакомыслия и личные свободы. Было зафиксировано множество задокументированных случаев пыток заключенных и военнослужащих, а также ряд подозрительных убийств журналистов и депутатов.

Хотя официально холодная война закончилась распадом Советского Союза, напряженность между Россией и Западом остается высокой. Военный конфликт в бывших советских республиках, таких как Украина, часто приводил к возобновлению закипающих боевых действий.Тем не менее, есть некоторые свидетельства сотрудничества. В 2015 году Путин сказал другим мировым лидерам, что изменение климата — «одна из самых серьезных проблем, с которыми сталкивается человечество», и поддержал соглашение Организации Объединенных Наций об изменении климата. Ранее Путин заявлял, что для такой холодной страны, как Россия, глобальное потепление будет просто означать, что россиянам придется покупать меньше шуб. Космические агентства США и России также продолжают работать вместе, объявляя о планах совместного строительства новой космической станции.

Q&A: Как работают климатические модели?

В первой статье из недельной серии статей, посвященной моделированию климата, Carbon Brief подробно объясняет, как ученые используют компьютеры для понимания нашего меняющегося климата…

Carbon Brief по моделированию климата

Использование компьютерных моделей пронизывает самую суть науки о климате.

От помощи ученым в разгадывании циклов ледниковых периодов сотни тысяч лет назад до составления прогнозов на этот век или следующий — модели являются важным инструментом для понимания климата Земли.

Но что такое климатическая модель? На что это похоже? Что он на самом деле делает? Это все вопросы, которые может задать любой человек, не занимающийся климатологией.

Carbon Brief обратилась к ряду ученых-климатологов, чтобы ответить на эти и другие вопросы.Далее следует подробные вопросы и ответы о климатических моделях и о том, как ученые их используют. Вы можете использовать ссылки ниже, чтобы перейти к конкретному вопросу.

Что такое климатическая модель?

Модель глобального климата обычно содержит достаточно компьютерного кода, чтобы заполнить 18 000 страниц печатного текста; сотням ученых потребуется много лет, чтобы построить и улучшить; и для работы может потребоваться суперкомпьютер размером с теннисный корт.

Сами модели бывают разных форм — от тех, которые охватывают только один конкретный регион мира или часть климатической системы, до моделей, имитирующих атмосферу, океаны, лед и сушу для всей планеты.

Результаты этих моделей продвигают науку о климате, помогая ученым понять, как деятельность человека влияет на климат Земли. Эти достижения лежали в основе решений по климатической политике в национальном и международном масштабах на протяжении последних пяти десятилетий.

Во многих смыслах моделирование климата — это просто расширение прогнозов погоды, но с упором на изменения за десятилетия, а не за часы. Фактически, Центр Хэдли Метеорологического бюро Великобритании использует одну и ту же «Унифицированную модель» в качестве основы для обеих задач.

Огромная вычислительная мощность, необходимая для моделирования погоды и климата, означает, что современные модели запускаются с использованием огромных суперкомпьютеров.

Например, три новых суперкомпьютера Cray XC40 в метеорологическом бюро Hadley Centre вместе способны выполнять 14 000 триллионов вычислений в секунду. На замедленном видео ниже показан третий из этих суперкомпьютеров, установленный в 2017 году.

Основные физические принципы

Итак, что именно входит в климатическую модель? На самом базовом уровне климатические модели используют уравнения для представления процессов и взаимодействий, определяющих климат Земли.Они покрывают атмосферу, океаны, сушу и покрытые льдом регионы планеты.

Модели основаны на тех же законах и уравнениях, которые лежат в основе понимания ученых физических, химических и биологических механизмов, происходящих в системе Земля.

Например, ученые хотят, чтобы модели климата подчинялись фундаментальным физическим принципам, таким как первый закон термодинамики (также известный как закон сохранения энергии), который гласит, что в закрытой системе энергия не может быть потеряна или создана, только переходил из одной формы в другую.

Другой — закон Стефана-Больцмана, на основании которого ученые показали, что естественный парниковый эффект сохраняет поверхность Земли примерно на 33 ° C теплее, чем она была бы без него.

Кроме того, существуют уравнения, описывающие динамику того, что происходит в климатической системе, например, уравнение Клаузиуса-Клапейрона, которое характеризует взаимосвязь между температурой воздуха и максимальным давлением водяного пара в нем.

Наиболее важными из них являются уравнения движения жидкости Навье-Стокса, которые фиксируют скорость, давление, температуру и плотность газов в атмосфере и воды в океане.

Уравнения Навье-Стокса для «несжимаемого» потока в трех измерениях (x, y и z). (Хотя воздух в нашей атмосфере технически сжимаем, он относительно медленно движется и поэтому считается несжимаемым для упрощения уравнений.) Примечание: этот набор уравнений проще, чем те, которые будут использоваться в климатической модели, потому что они должны рассчитывать потоки через вращающуюся сферу.

Однако эта система дифференциальных уравнений в частных производных настолько сложна, что для них нет известного точного решения (за исключением нескольких простых случаев).Это остается одной из величайших математических задач (и тот, кому удастся доказать, что решение всегда существует, ждет приз в миллион долларов). Вместо этого эти уравнения решаются в модели «численно», что означает, что они являются приближенными.

Ученые переводят каждый из этих физических принципов в уравнения, которые составляют строку за строкой компьютерного кода — часто более миллиона строк для глобальной модели климата.

Код в глобальных климатических моделях обычно пишется на языке программирования Fortran.Разработанный IBM в 1950-х годах, Fortran был первым языком программирования «высокого уровня». Это означает, что вместо того, чтобы быть написанным на машинном языке — обычно это поток чисел — код написан во многом как человеческий язык.

Вы можете увидеть это в приведенном ниже примере, где показан небольшой фрагмент кода одной из моделей Метеорологического офиса Hadley Center. Код содержит такие команды, как «IF», ​​«THEN» и «DO». Когда модель запускается, она сначала переводится (автоматически) в машинный код, который понимает компьютер.

Часть кода из HadGEM2-ES (используемого для CMIP5) на языке программирования Fortran. Код взят из раздела физиологии растений, который начинает изучать, как различные типы растительности поглощают свет и влагу. Предоставлено: д-р Крис Джонс, Метеорологическое бюро Hadley Center

В настоящее время климатологам доступны многие другие языки программирования, такие как C, Python, R, Matlab и IDL. Однако последние четыре из них — это приложения, которые сами написаны на более фундаментальном языке (таком как Фортран) и, следовательно, относительно медленно работают.Сегодня Fortran и C обычно используются для быстрого запуска глобальной модели на суперкомпьютере.

Пространственное разрешение

По всему коду в климатической модели есть уравнения, которые управляют физикой, лежащей в основе климатической системы, от того, как морской лед образуется и тает в арктических водах, до обмена газов и влаги между поверхностью суши и воздухом над ней.

На приведенном ниже рисунке показано, как все больше и больше климатических процессов включается в глобальные модели на протяжении десятилетий, с середины 1970-х годов до четвертого оценочного доклада («AR4») Межправительственной группы экспертов по изменению климата (МГЭИК), опубликованного в 2007 г.

Иллюстрация процессов, добавленных к глобальным климатическим моделям за десятилетия, с середины 1970-х годов, через первые четыре оценочных отчета МГЭИК: первый («FAR») опубликован в 1990 году, второй («SAR») в 1995 году, третий (« ТДО ») в 2001 году и четвертый (« ДО4 ») в 2007 году. (Обратите внимание, есть также пятый отчет, который был завершен в 2014 году). Источник: ДО4 МГЭИК, рис. 1.2

Итак, как модель вычисляет все эти уравнения?

Из-за сложности климатической системы и ограничений вычислительной мощности модель не может рассчитать все эти процессы для каждого кубического метра климатической системы.Вместо этого климатическая модель делит Землю на ряд ячеек или «ячеек сетки». Глобальная модель может иметь десятки слоев по высоте и глубине атмосферы и океанов.

На изображении ниже показано, как это выглядит в трехмерном виде. Затем модель рассчитывает состояние климатической системы в каждой ячейке с учетом температуры, атмосферного давления, влажности и скорости ветра.

Иллюстрация ячеек сетки, используемых в моделях климата, и климатических процессов, которые модель будет рассчитывать для каждой ячейки (нижний угол).Источник: NOAA GFDL

Для процессов, которые происходят в масштабах, меньших, чем ячейка сетки, таких как конвекция, модель использует «параметризации», чтобы заполнить эти пробелы. По сути, это приближения, упрощающие каждый процесс и позволяющие включить их в модель. (Параметризация рассматривается в вопросе о настройке модели ниже.)

Размер ячеек сетки в модели известен как «пространственное разрешение». Относительно грубая модель глобального климата обычно имеет ячейки сетки, которые составляют около 100 км по долготе и широте в средних широтах.Поскольку Земля является сферой, ячейки для сетки, основанной на долготе и широте, больше на экваторе и меньше на полюсах. Однако ученые все чаще используют альтернативные методы построения координатной сетки, такие как кубическая сфера и икосаэдр, которые не имеют этой проблемы.

Модель с высоким разрешением будет иметь больше коробок меньшего размера. Чем выше разрешение, тем более конкретную климатическую информацию модель может предоставить для конкретного региона, но это требует больше времени для выполнения, поскольку модель требует больше вычислений.

На рисунке ниже показано, как улучшилось пространственное разрешение моделей между первым и четвертым оценочными отчетами МГЭИК. Вы можете увидеть, как детали в топографии поверхности суши проявляются при улучшении разрешения.

Повышение пространственного разрешения климатических моделей, используемых в первых четырех оценочных отчетах МГЭИК: первый («FAR») опубликован в 1990 г., второй («SAR») в 1995 г., третий («TAR») в 2001 г. и четвертый («AR4») в 2007 году. (Обратите внимание, есть также пятый отчет, который был завершен в 2014 году).Источник: ДО4 МГЭИК, рис. 1.2

В общем, увеличение пространственного разрешения модели в два раза потребует примерно в 10 раз большей вычислительной мощности для работы за то же время.

Шаг по времени

Аналогичный компромисс должен быть сделан в отношении «временного шага», заключающегося в том, как часто модель рассчитывает состояние климатической системы. В реальном мире время непрерывно, но модель должна разбивать время на небольшие куски, чтобы сделать вычисления управляемыми.

Каждая модель климата делает это тем или иным образом, но наиболее распространенным подходом является «метод скачка», — объясняет профессор Пол Уильямс, профессор атмосферных наук в Университете Рединга, в главе книги, посвященной именно этой теме:

«Роль чехарда в моделях состоит в том, чтобы продвигать погоду вперед во времени, позволяя делать прогнозы о будущем. Точно так же, как ребенок на игровой площадке перепрыгивает через другого ребенка, чтобы попасть сзади вперед, модель перепрыгивает через настоящее, чтобы перейти из прошлого в будущее.”

Другими словами, модель берет климатическую информацию, полученную от предыдущего и настоящего временных шагов, для экстраполяции вперед к следующему, и так далее во времени.

Как и в случае с размером ячеек сетки, меньший временной шаг означает, что модель может производить более подробную климатическую информацию. Но это также означает, что модели нужно делать больше вычислений при каждом запуске.

Например, для расчета состояния климатической системы для каждой минуты целого столетия потребуется более 50 м вычислений для каждой ячейки сетки, тогда как только расчет для каждого дня потребует 36 500.Это довольно большой диапазон — так как же ученые решают, какой временной шаг использовать?

Ответ сводится к поиску баланса, говорит Уильямс Carbon Brief:

«С математической точки зрения, правильным подходом было бы продолжать уменьшать временной шаг до тех пор, пока симуляции не сойдутся и результаты не перестанут меняться. Однако обычно нам не хватает вычислительных ресурсов для запуска моделей с таким маленьким временным шагом. Поэтому мы вынуждены допускать больший временной шаг, чем нам хотелось бы в идеале.”

Для атмосферного компонента климатических моделей временной шаг около 30 минут «кажется разумным компромиссом» между точностью и временем компьютерной обработки, говорит Уильямс:

«Меньшего размера и повышенной точности будет недостаточно, чтобы оправдать дополнительную вычислительную нагрузку. Если увеличить размер, модель будет работать очень быстро, но качество моделирования будет низким ».

Объединив все эти части вместе, климатическая модель может дать представление всей климатической системы с 30-минутными интервалами на протяжении многих десятилетий или даже столетий.

Как описывает доктор Гэвин Шмидт, директор Института космических исследований имени Годдарда НАСА в своем выступлении на конференции TED в 2014 году, взаимодействие мелкомасштабных процессов в модели означает, что она создает имитацию нашего климата — все, начиная от испарения влаги из поверхность Земли и образование облаков, куда их уносит ветер и где в конце концов выпадает дождь.

Шмидт в своем выступлении называет эти «эмерджентные свойства» — особенности климата, которые специально не кодируются в модели, но моделируются моделью в результате всех отдельных встроенных процессов.

Сродни тренеру футбольной команды. Он или она выбирает команду, выбирает расстановку и определяет тактику, но как только команда выходит на поле, менеджер не может диктовать, когда и когда команда забьет или пропустит гол. В модели климата ученые устанавливают основные правила, основанные на физике земной системы, но именно сама модель создает штормы, засухи и морской лед.

Итак, подведем итоги: ученые поместили фундаментальные физические уравнения климата Земли в компьютерную модель, которая затем может воспроизвести — среди прочего — циркуляцию океанов, годовой цикл времен года и потоки углерода. между земной поверхностью и атмосферой.

Вы можете полностью просмотреть выступление Шмидта ниже.

Хотя вышесказанное в общих чертах объясняет, что такое климатическая модель, существует много разных типов. Прочтите вопрос ниже, чтобы изучить их более подробно.

^{К началу}

Какие бывают типы климатических моделей?

Самыми ранними и наиболее простыми численными моделями климата являются модели энергетического баланса (EBM). EBM не моделируют климат, а вместо этого рассматривают баланс между энергией, поступающей в атмосферу Земли от солнца, и теплом, возвращаемым в космос.Единственная климатическая переменная, которую они вычисляют, — это температура поверхности. Для простейших EBM требуется всего несколько строк кода, и их можно запускать в электронной таблице.

Многие из этих моделей являются «нульмерными», что означает, что они рассматривают Землю как единое целое; по сути, как единая точка. Другие являются одномерными, например, те, которые также учитывают перенос энергии через разные широты поверхности Земли (преимущественно от экватора к полюсам).

Следующим шагом от EBM являются радиационно-конвективные модели, которые имитируют передачу энергии через высоту атмосферы — например, за счет конвекции при подъеме теплого воздуха.Радиационно-конвективные модели могут рассчитывать температуру и влажность различных слоев атмосферы. Эти модели, как правило, одномерные (учитывают только перенос энергии через атмосферу), но они также могут быть двухмерными.

Следующий уровень — это модели общей циркуляции (GCM), также называемые глобальными климатическими моделями, которые имитируют физику самого климата. Это означает, что они улавливают потоки воздуха и воды в атмосфере и / или океанах, а также передачу тепла.

Ранние GCM моделировали только один аспект земной системы — например, в моделях «только для атмосферы» или «только для океана» — но они делали это в трех измерениях, включая многие километры высоты в атмосфере или глубины океанов в десятки слоев модели.

Более сложные «связанные» модели объединили эти различные аспекты, связав вместе несколько моделей, чтобы обеспечить исчерпывающее представление о климатической системе. Совместные модели общей циркуляции атмосферы и океана (или «МОЦАО») могут моделировать, например, обмен теплом и пресной водой между сушей и поверхностью океана и воздухом над ними.

Инфографика ниже показывает, как разработчики моделей постепенно включали отдельные компоненты модели в глобальные связанные модели в течение последних десятилетий.

Графика Розамунд Пирс; основан на работе доктора Гэвина Шмидта.

Со временем ученые постепенно добавляли к GCM и другие аспекты земной системы. Когда-то они были бы смоделированы в отдельных моделях, таких как гидрология суши, морской лед и наземный лед.

Самая последняя подгруппа GCM теперь включает биогеохимические циклы — перенос химических веществ между живыми существами и окружающей их средой — и то, как они взаимодействуют с климатической системой.Эти «модели системы Земли» (ESM) могут моделировать углеродный цикл, азотный цикл, химию атмосферы, экологию океана и изменения в растительности и землепользовании, которые все влияют на то, как климат реагирует на антропогенные выбросы парниковых газов. У них есть растительность, которая реагирует на температуру и осадки и, в свою очередь, изменяет поглощение и выброс углерода и других парниковых газов в атмосферу.

Профессор Пит Смит, профессор почв и глобальных изменений в Университете Абердина, описывает ESM как «сутенерские» версии GCM:

«GCM были моделями, которые использовались, возможно, в 1980-х годах.Итак, они были в значительной степени собраны физиками атмосферы, так что все связано с энергией, массой и сохранением воды, и это вся физика их перемещения. Но у них было относительно ограниченное представление о том, как атмосфера затем взаимодействует с океаном и поверхностью суши. В то время как ESM пытается учесть эти взаимодействия с сушей и с океаном, поэтому вы можете рассматривать ESM как «надутую» версию GCM ».

Существуют также региональные климатические модели («РКМ»), которые выполняют ту же работу, что и МОК, но для ограниченного участка Земли.Поскольку они покрывают меньшую площадь, RCM обычно можно запускать быстрее и с более высоким разрешением, чем GCM. Модель с высоким разрешением имеет меньшие ячейки сетки и, следовательно, может давать более подробную информацию о климате для конкретной области.

— это один из способов «уменьшить масштаб» глобальной климатической информации до местного масштаба. Это означает использование информации, полученной с помощью GCM или крупномасштабных наблюдений, и ее применение к определенной области или региону. Более подробно уменьшение масштаба рассматривается в следующем вопросе.

Глоссарий

Интегрированные модели оценки: IAM — это компьютерные модели, которые анализируют широкий спектр данных, например физический, экономический и социальный — для получения информации, которую можно использовать для принятия решений. В частности, в исследованиях климата IAM обычно используются для прогнозирования будущих выбросов парниковых газов и воздействия на климат, а также выгод и затрат на варианты политики, которые могут быть реализованы для их решения.

Наконец, подмножество моделирования климата включает модели комплексной оценки (IAM). Они добавляют аспекты общества к простой модели климата, моделируя, как население, экономический рост и использование энергии влияют на физический климат и взаимодействуют с ним.

создают сценарии того, как выбросы парниковых газов могут измениться в будущем. Затем ученые могут запускать эти сценарии с помощью ESM для составления прогнозов изменения климата, предоставляя информацию, которая может быть использована для информирования о климатической и энергетической политике во всем мире.

В исследованиях климата IAM обычно используются для прогнозирования будущих выбросов парниковых газов, а также выгод и затрат на варианты политики, которые могут быть реализованы для их решения. Например, они используются для оценки социальной стоимости углерода — денежной оценки воздействия, как положительного, так и отрицательного, каждой дополнительной тонны выбрасываемого СО2.

Какие входы и выходы для климатической модели?

Если в предыдущем разделе рассматривалось то, что находится внутри климатической модели, то в этом основное внимание уделяется тому, что ученые вкладывают в модель и получают другую сторону.

Климатические модели запускаются с использованием данных о факторах, влияющих на климат, и прогнозов о том, как они могут измениться в будущем. Результаты климатической модели могут достигать петабайт данных, включая показания каждые несколько часов для тысяч переменных в пространстве и времени, от температуры до облаков и солености океана.

Входы

Основными входными данными в модели являются внешние факторы, которые изменяют количество солнечной энергии, поглощаемой Землей, или количество поглощаемой атмосферой.

Извержение холмов Суфриер, остров Монтсеррат, Карибские острова, 1/2/2010. Предоставлено: Stocktrek Images, Inc./Alamy Stock Photo.

Эти внешние факторы называются «принуждениями». К ним относятся изменения в солнечной энергии, долгоживущие парниковые газы, такие как CO2, метан (Ch5), оксиды азота (N2O) и галоидоуглероды, а также крошечные частицы, называемые аэрозолями, которые выделяются при сжигании ископаемого топлива и от лесных пожаров. и извержения вулканов. Аэрозоли отражают падающий солнечный свет и влияют на формирование облаков.

Как правило, все эти индивидуальные воздействия проходят через модель либо как наилучшую оценку прошлых условий, либо как часть будущих «сценариев выбросов». Это потенциальные пути концентрации парниковых газов в атмосфере, основанные на том, как технологии, энергия и землепользование изменятся на протяжении столетий.

Сегодня в большинстве модельных прогнозов используется один или несколько «Репрезентативных путей концентрации» (RCP), которые обеспечивают правдоподобное описание будущего на основе социально-экономических сценариев роста и развития глобального общества.Вы можете узнать больше о различных путях в этой более ранней статье Carbon Brief.

также используют оценки прошлых воздействий, чтобы изучить, как изменился климат за последние 200, 1000 или даже 20 000 лет. Прошлые воздействия оцениваются с использованием данных об изменениях орбиты Земли, исторических концентрациях парниковых газов, прошлых извержениях вулканов, изменениях в количестве солнечных пятен и других записях далекого прошлого.

Кроме того, существуют «контрольные прогоны» климатической модели, в которых радиационное воздействие остается постоянным в течение сотен или тысяч лет.Это позволяет ученым сравнивать смоделированный климат с изменениями в антропогенных или естественных воздействиях и без них, а также оценивать, насколько велико «невынужденное» естественное изменение.

Выходы

Климатические модели создают почти полную картину климата Земли, включая тысячи различных переменных в часовых, дневных и ежемесячных временных рамках.

Эти выходные данные включают температуру и влажность различных слоев атмосферы от поверхности до верхних слоев стратосферы, а также температуры, соленость и кислотность (pH) океанов от поверхности до морского дна.

также производят оценки снегопадов, осадков, снежного покрова и протяженности ледников, ледяных щитов и морского льда. Они генерируют скорость, силу и направление ветра, а также климатические особенности, такие как струйное течение и океанские течения.

Более необычные результаты модели включают облачный покров и высоту, а также другие технические переменные, такие как длинноволновое излучение приповерхностного апвеллинга — сколько энергии излучается поверхностью обратно в атмосферу — или сколько морской соли уходит из океана во время испарения и накапливается на суше.

Климатические модели также дают оценку «чувствительности климата». То есть они рассчитывают, насколько чувствительна Земля к увеличению концентрации парниковых газов, принимая во внимание различные обратные связи климата, такие как водяной пар и изменения отражательной способности или «альбедо» поверхности Земли, связанные с потерей льда.

Полный список общих результатов климатических моделей, запускаемых для следующего отчета МГЭИК, доступен в проекте CMIP6 (Проект взаимного сравнения связанных моделей 6 или CMIP6; CMIP более подробно объясняется ниже).

хранят петабайты климатических данных в таких местах, как Национальный центр атмосферных исследований (NCAR), и часто предоставляют данные в виде файлов netCDF, которые легко анализировать исследователям.

^{К началу}

Какие типы экспериментов проводят ученые над климатическими моделями?

Климатические модели используются учеными для ответа на множество различных вопросов, в том числе почему климат Земли меняется и как он может измениться в будущем, если выбросы парниковых газов продолжатся.

могут помочь выяснить, что вызывало наблюдаемое потепление в прошлом, а также насколько большую роль играют природные факторы по сравнению с человеческими факторами.

Ученые проводят множество различных экспериментов для моделирования климата прошлого, настоящего и будущего. Они также разрабатывают тесты, чтобы проверить работу определенных частей различных климатических моделей. Разработчики моделей проводят эксперименты, выясняя, что произойдет, если, скажем, мы внезапно увеличим выбросы CO2 в четыре раза или если для охлаждения климата будут использованы подходы геоинженерии.

Многие разные группы проводят одни и те же эксперименты над своими моделями климата, создавая так называемый модельный ансамбль. Эти модельные ансамбли позволяют исследователям изучать различия между климатическими моделями, а также лучше отражать неопределенность в будущих прогнозах. Эксперименты, которые моделисты проводят в рамках проектов взаимного сравнения связанных моделей (CMIP), включают:

Исторические трассы

Климатические модели созданы за исторический период, примерно с 1850 года до настоящего времени.Они используют наилучшую оценку факторов, влияющих на климат, включая концентрации CO2, Ch5 и N2O, изменения в солнечной энергии, аэрозоли от извержений вулканов, аэрозоли от деятельности человека и изменения в землепользовании.

Эти исторические расчеты не «соответствуют» фактическим наблюдаемым температурам или осадкам, а скорее вытекают из физических свойств модели. Это означает, что они позволяют ученым сравнивать модельные прогнозы («ретроспективные прогнозы») прошлого климата с зарегистрированными климатическими наблюдениями. Если климатические модели смогут успешно ретроспективно прогнозировать прошлые климатические переменные, такие как температура поверхности, это дает ученым больше уверенности в модельных прогнозах будущего.

Исторические прогоны также полезны для определения того, насколько большую роль играет человеческая деятельность в изменении климата (так называемая «атрибуция»).Например, на приведенной ниже диаграмме сравниваются два варианта модели с наблюдаемым климатом — только с естественными воздействиями (синяя заливка) и с прогонами моделей как с человеческими, так и с естественными воздействиями (розовая заливка).

Рисунок из Четвертого оценочного доклада IPCC (Hegerl et al 2007).

«Только природные» пробеги включают только естественные факторы, такие как изменения солнечной энергии и извержения вулканов, но они предполагают, что парниковые газы и другие человеческие факторы остаются неизменными на доиндустриальных уровнях. Прогоны, предназначенные только для людей, сохраняют естественные факторы неизменными и учитывают только последствия человеческой деятельности, такие как повышение концентрации парниковых газов в атмосфере.

Сравнивая эти два сценария (и комбинированный прогон «всех факторов»), ученые могут оценить относительный вклад в наблюдаемые изменения климата антропогенных и природных факторов. Это помогает им выяснить, какая доля современных климатических изменений связана с деятельностью человека.

Сценарии будущего потепления

Пятый оценочный отчет МГЭИК сосредоточен на четырех сценариях будущего потепления, известных как сценарии репрезентативной траектории концентрации (RCP). Они смотрят на то, как климат может измениться с настоящего времени до 2100 года и далее.

Многие факторы, влияющие на выбросы в будущем, такие как население и экономический рост, трудно предсказать. Таким образом, эти сценарии охватывают широкий спектр вариантов будущего: от обычного мира, в котором мало или вообще не предпринимаются меры по смягчению последствий (RCP6.0 и RCP8.5), до мира, в котором агрессивные меры по смягчению воздействий обычно ограничивают потепление не более чем 2C (RCP2.6). Вы можете узнать больше о различных RCP здесь.

Эти сценарии RCP определяют различные величины радиационных воздействий.Модели используют эти силы, чтобы исследовать, как система Земли будет меняться в зависимости от каждого из путей. Предстоящие учения CMIP6, связанные с шестым оценочным отчетом МГЭИК, добавят четыре новых сценария RCP, чтобы заполнить пробелы вокруг четырех уже используемых, включая сценарий, который соответствует температурному пределу 1,5 ° C.

Контрольные прогоны

Контрольные прогоны полезны для изучения того, как естественная изменчивость выражается в моделях при отсутствии других изменений.Они также используются для диагностики «дрейфа модели», когда в модели происходят ложные долгосрочные изменения, не связанные ни с естественной изменчивостью, ни с изменениями внешнего воздействия.

Если модель «дрейфует», в ней будут происходить изменения, выходящие за рамки обычной естественной изменчивости от года к году и от десятилетия к десятилетию, даже если факторы, влияющие на климат, такие как концентрации парниковых газов, остаются неизменными.

Управляющие прогоны модели запускают модель в период до того, как современная промышленная деятельность резко увеличила выбросы парниковых газов.Затем они позволяют модели работать в течение сотен или тысяч лет без изменения парниковых газов, солнечной активности или любых других внешних факторов, влияющих на климат. Это отличается от естественного пробега, поскольку человеческие и природные факторы не меняются.

Выполнение проекта взаимного сравнения моделей атмосферы (AMIP)

Климатические модели включают атмосферу, сушу и океан. AMIP эффективно «выключает» все, кроме атмосферы, используя фиксированные значения для суши и океана на основе наблюдений.Например, прогоны AMIP используют наблюдаемые температуры поверхности моря в качестве входных данных для модели, позволяя реагировать на температуру поверхности суши и температуру различных слоев атмосферы.

Обычно климатические модели имеют собственную внутреннюю изменчивость — краткосрочные климатические циклы в океанах, такие как явления Эль-Ниньо и Ла-Нинья, которые происходят в разное время, чем то, что происходит в реальном мире. Прогоны AMIP позволяют разработчикам моделей сопоставлять температуру океана с наблюдениями, так что внутренняя изменчивость в моделях происходит одновременно с наблюдениями, а изменения во времени в обоих случаях легче сравнивать.

Резкие 4-кратные выбросы CO2

Проекты сравнения климатических моделей, такие как CMIP5, обычно требуют, чтобы все модели выполняли набор «диагностических» сценариев для проверки производительности по различным критериям.

Один из этих тестов — «резкое» увеличение выбросов CO2 от доиндустриальных уровней до четырехкратного увеличения — с 280 частей на миллион (ppm) до 1120ppm — при сохранении всех других факторов, влияющих на климатическую константу. (Для контекста, текущая концентрация CO2 составляет около 400 частей на миллион.) Это позволяет ученым увидеть, насколько быстро температура Земли реагирует на изменения содержания CO2 в их модели по сравнению с другими.

• Одна из 42 панелей, представленных на всей станции метро Gare du Nord в Париже, в честь Сюкуро Манабе и его вклада в науку о климате в ознаменование конференции ООН по изменению климата COP21 в 2015 году. Уравнения были использованы Манабе в его основополагающей климатической модели в конец 1960-х гг. Предоставлено: NOAA / Рори О’Коннор.

• Одна из 42 панелей, выставленных на всей станции метро Gare du Nord в Париже, в честь Сюкуро Манабе и его вклада в науку о климате в ознаменование конференции ООН по изменению климата COP21 в 2015 году.Уравнения были использованы Манабе в его основополагающей климатической модели в конце 1960-х годов. Предоставлено: Розамунд Пирс / Carbon Brief.

• Одна из 42 панелей, представленных на всей станции метро Gare du Nord в Париже, в честь Сюкуро Манабе и его вклада в науку о климате в ознаменование конференции ООН по изменению климата COP21 в 2015 году. Уравнения были использованы Манабе в его основополагающей климатической модели в конец 1960-х гг. Предоставлено: NOAA / Рори О’Коннор.

1% CO2 работает

Другой диагностический тест увеличивает выбросы CO2 по сравнению с доиндустриальными уровнями на 1% в год, пока CO2 в конечном итоге не увеличится в четыре раза и не достигнет 1120 ppm.В этих сценариях также остаются неизменными все другие факторы, влияющие на климат.

Это позволяет разработчикам моделей изолировать эффекты постепенного увеличения CO2 от всего остального, что происходит в более сложных сценариях, таких как изменения в аэрозолях и других парниковых газах, таких как метан.

Палеоклиматические трассы

Здесь модели запускаются для климата прошлого (палеоклимат). Модели были запущены для нескольких различных периодов: последние 1000 лет; голоцен, охватывающий последние 12 000 лет; последний ледниковый максимум 21 000 лет назад, во время последнего ледникового периода; последнее межледниковье около 127 000 лет назад; теплый период среднего плиоцена 3.2 млн лет назад; и необычный период быстрого потепления, названный палеоцен-эоценовым термальным максимумом около 55 миллионов лет назад.

В этих моделях используются наилучшие имеющиеся оценки факторов, влияющих на прошлый климат Земли, включая солнечную энергию и вулканическую активность, а также долгосрочные изменения орбиты Земли и расположения континентов.

Эти прогоны палеоклиматических моделей могут помочь исследователям понять, насколько большие прошлые колебания климата Земли происходили, например, во время ледниковых периодов, и как уровень моря и другие факторы менялись в периоды потепления и похолодания.Эти прошлые изменения указывают на будущее, если потепление продолжится.

Специализированные модельные испытания

В рамках CMIP6 исследовательские группы по всему миру проводят множество различных экспериментов. К ним относятся изучение поведения аэрозолей в моделях, формирование облаков и обратные связи, реакция ледяного покрова на потепление, сезонные изменения, повышение уровня моря, изменения в землепользовании, океаны и воздействие вулканов.

Ученые также планируют проект по взаимному сравнению геоинженерных моделей.Здесь будет рассмотрено, как модели реагируют на закачку сульфидных газов в стратосферу для охлаждения климата, среди других возможных вмешательств.

^{К началу}

Кто занимается моделированием климата во всем мире?

В мире существует более двух десятков научных институтов, разрабатывающих модели климата, причем каждый центр часто строит и уточняет несколько различных моделей одновременно.

Модели, которые они производят, как правило, хотя и довольно банально, носят имена самих центров.Поэтому, например, Центр Хэдли метеорологического бюро разработал семейство моделей «HadGEM3». Тем временем лаборатория геофизической гидродинамики NOAA разработала модель системы Земли GFDL ESM2M.

Тем не менее, модели становятся все более совместными усилиями, что часто отражается в их названиях. Например, Центр Хэдли и более широкое сообщество Совета по исследованиям окружающей среды (NERC) в Великобритании совместно разработали модель системы Земли UKESM1. В ее основе лежит модель HadGEM3 метеорологического бюро Hadley Centre.

Другой пример — Модель системы Земли сообщества (CESM), созданная Национальным центром атмосферных исследований (NCAR) в США в начале 1980-х годов. Как следует из названия, модель является продуктом сотрудничества тысяч ученых (и ее можно бесплатно загрузить и запустить).

Тот факт, что существует множество центров моделирования по всему миру, в которых проходят аналогичные процессы, является «действительно важным направлением исследований климата», — говорит д-р Крис Джонс, который возглавляет исследования Центра Хэдли Метеорологического бюро по моделированию растительности и углеродного цикла и их взаимодействию с климат.Он сообщает Carbon Brief:

«Существует порядка 10 или 15 крупных центров глобального моделирования климата, которые производят моделирование и результаты. И, сравнивая то, что говорят разные модели и разные наборы исследований, вы можете судить, в каких вещах можно доверять, где они согласны, а где у нас меньше уверенности, где есть разногласия. Это направляет процесс разработки модели ».

«Если бы была только одна модель или один центр моделирования, было бы гораздо меньше представления о ее сильных и слабых сторонах», — говорит Джонс.И хотя разные модели связаны между собой — между группами ведется много совместных исследований и дискуссий — они обычно не доходят до использования одних и тех же строк кода. Он объясняет:

«Когда мы разрабатываем новую схему [моделирования], мы публикуем уравнения этой схемы в научной литературе, чтобы она прошла рецензирование. Это общедоступно, и другие центры могут сравнить это с тем, что они используют ».

Ниже Carbon Brief нанесла на карту центры моделирования климата, которые внесли свой вклад в пятый проект по взаимному сравнению связанных моделей (CMIP5), который вошел в пятый оценочный отчет МГЭИК.Наведите указатель мыши на отдельные центры на карте, чтобы узнать о них больше.

Большинство модельных центров находятся в Северной Америке и Европе. Однако стоит отметить, что список CMIP5 не является исчерпывающим перечнем центров моделирования, особенно потому, что он ориентирован на учреждения с глобальными климатическими моделями. Это означает, что в список не входят центры, занимающиеся региональным моделированием климата или прогнозированием погоды, — говорит Джонс:

«Например, мы ведем большую совместную работу с Бразилией, которая концентрирует свои GCM на погодных и сезонных прогнозах.В прошлом они даже использовали версию HadGEM2 для отправки данных в CMIP5. Для CMIP6 они надеются использовать модель системы Земли Бразилии («BESM») ».

Степень общедоступности компьютерного кода каждого центра моделирования различается в зависимости от учреждения. Многие модели доступны по лицензии научному сообществу бесплатно. Обычно для этого требуется подписание лицензии, определяющей условия использования и распространения кода.

Например, ECHAM6 GCM, разработанный Институтом метеорологии Макса Планка в Германии, доступен в соответствии с лицензионным соглашением (pdf), в котором оговаривается, что использование его программного обеспечения «разрешено только для законных научных целей в исследованиях и образовании», а «не в коммерческих целях ».

Институт указывает, что основная цель лицензионного соглашения состоит в том, чтобы сообщить ему, кто использует модели, и установить способ связи с пользователями. Там написано:

«[Т] ​​разработанное программное обеспечение MPI-M должно оставаться управляемым и документированным. Это дух следующего лицензионного соглашения … Также важно предоставлять обратную связь разработчикам моделей, сообщать об ошибках и предлагать улучшения кода ».

Другие примеры моделей, доступных по лицензии, включают: модели NCAR CESM (как упоминалось ранее), GCM ModelE Института космических исследований NASA Годдарда и различные модели Центра моделирования климата Института Пьера Симона Лапласа (IPSL) во Франции.

^{К началу}

Что такое CMIP?

При таком количестве учреждений, разрабатывающих и использующих климатические модели, существует риск того, что каждая группа будет подходить к моделированию по-своему, что снижает сопоставимость их результатов.

Именно здесь на помощь приходит Проект взаимного сравнения связанных моделей («CMIP»). CMIP — это основа для экспериментов с климатическими моделями, позволяющая ученым систематически анализировать, проверять и улучшать GCM.

«Связанный» в названии означает, что все климатические модели в проекте являются связанными ГКМ атмосферы и океана. Доктор Крис Джонс из Метеорологического бюро объясняет значение «взаимного сравнения» в названии:

«Идея взаимного сравнения возникла из того факта, что много лет назад разные группы моделирования имели разные модели, но они также настраивали их немного по-другому и проводили с ними разные численные эксперименты.Когда вы приходите сравнивать результаты, вы никогда не совсем уверены, вызваны ли различия тем, что модели разные, или потому, что они были настроены по-другому ».

Итак, CMIP был разработан, чтобы привести в соответствие все эксперименты с климатическими моделями, которые проводились различными центрами моделирования.

С момента своего создания в 1995 году CMIP пережила несколько поколений, и каждая итерация становится все более сложной в разрабатываемых экспериментах. Новое поколение приходит каждые 5-6 лет.

В первые годы своего существования эксперименты CMIP включали, например, моделирование воздействия ежегодного увеличения концентрации CO2 в атмосфере на 1% (как упоминалось выше). В более поздних итерациях эксперименты включали более подробные сценарии выбросов, такие как Репрезентативные траектории концентрации («RCP»).

Установка моделей одинаковым образом и с использованием одних и тех же входных данных означает, что ученые знают, что различия в прогнозах изменения климата, исходящих из моделей, обусловлены различиями в самих моделях.Это первый шаг в попытке понять, что вызывает эти различия.

Выходные данные, создаваемые каждым центром моделирования, затем загружаются на центральный веб-портал, управляемый Программой диагностики и взаимного сравнения климатических моделей (PCMDI), к которому ученые из многих дисциплин и со всего мира могут получить свободный и открытый доступ.

CMIP находится в ведении Комитета Рабочей группы по совместному моделированию, который является частью Всемирной программы исследования климата (ВПИК), базирующейся во Всемирной метеорологической организации в Женеве.Кроме того, группа CMIP наблюдает за разработкой экспериментов и наборов данных, а также решает любые проблемы.

Число исследователей, публикующих статьи, основанные на данных CMIP, «выросло с нескольких десятков до более тысячи», — сказала профессор Вероника Айринг, председатель комиссии CMIP, в недавнем интервью журналу Nature Climate Change.

По словам Айринга, когда моделирование CMIP5 завершено, сейчас ведется работа над CMIP6, в которой будет задействовано более 30 центров моделирования по всему миру.

Помимо основного набора экспериментов по моделированию «DECK» (Диагностика, Оценка и Характеристика Климы), CMIP6 также будет иметь набор дополнительных экспериментов для ответа на конкретные научные вопросы. Они делятся на отдельные проекты взаимного сравнения моделей, или «MIP». По словам Айринга, на данный момент одобрен 21 MIP:

«Предложения были представлены в комиссию CMIP и получили одобрение, если они соответствовали 10 критериям, установленным сообществом, в целом: продвижение прогресса в устранении пробелов, выявленных на предыдущих этапах CMIP, участие в основных задачах ВПИК и наличие как минимум восьми модельных групп, желающих принять участие. .”

Вы можете увидеть 21 MIP и общий план эксперимента CMIP6 на схеме ниже.

Схема экспериментального проекта CMIP / CMIP6 и 21 MIP, одобренного CMIP6. Воспроизведено с разрешения Simpkins (2017).

Существует специальный выпуск журнала «Разработка геонаучных моделей по CMIP6», в котором опубликовано 28 статей, охватывающих весь проект и конкретные MIP.

Результаты прогонов модели CMIP6 лягут в основу большей части исследований, которые будут включены в шестой оценочный отчет МГЭИК.Однако стоит отметить, что CMIP полностью независим от IPCC.

^{К началу}

Как ученые проверяют климатические модели? Как они их проверяют?

Ученые тестируют или «подтверждают» свои модели, сравнивая их с реальными наблюдениями. Это может включать, например, сравнение прогнозов модели с фактическими глобальными температурами поверхности за последнее столетие.

Климатические модели могут быть проверены на соответствие прошлым изменениям климата Земли.Эти сравнения с прошлым, как упоминалось выше, называются «ретроспективными прогнозами».

Ученые не «рассказывают» своим моделям, как климат менялся в прошлом — например, они не используют исторические показания температуры. Вместо этого они вводят информацию о прошлых климатических воздействиях, а модели создают «ретроспективный прогноз» исторических условий. Это может быть полезным способом проверки моделей.

Климатическая модель ретроспективных прогнозов различных климатических факторов, включая температуру (на поверхности, в океанах и атмосфере), дождь и снег, образование ураганов, протяженность морского льда и многие другие климатические переменные, были использованы, чтобы показать, что модели могут точно моделировать климат Земли. .

Имеются ретроспективные прогнозы исторического рекорда температуры (с 1850 г. по настоящее время) за последние 2000 лет с использованием различных климатических заместителей и даже за последние 20 000 лет.

Конкретные события, которые имеют большое влияние на климат, такие как извержения вулканов, также могут использоваться для проверки работоспособности модели. Климат относительно быстро реагирует на извержения вулканов, поэтому разработчики моделей могут увидеть, точно ли модели отражают то, что происходит после сильных извержений, после ожидания всего несколько лет.Исследования показывают, что модели точно прогнозируют изменения температуры и водяного пара в атмосфере после крупных извержений вулканов.

Климатические модели также сравниваются со средним состоянием климата, известным как «климатология». Например, исследователи проверяют, схожа ли средняя температура Земли зимой и летом в моделях и реальности. Они также сравнивают протяженность морского льда между моделями и наблюдениями и могут использовать модели, которые лучше представляют текущее количество морского льда, пытаясь спрогнозировать будущие изменения.

Эксперименты, в которых запускается множество различных моделей с одинаковыми концентрациями парниковых газов и другими «факторами воздействия», как в проектах взаимного сравнения моделей, позволяют выявить сходства и различия между моделями.

Для многих частей климатической системы среднее значение для всех моделей может быть более точным, чем для большинства отдельных моделей. Исследователи обнаружили, что прогнозы могут демонстрировать более высокую квалификацию, более высокую надежность и согласованность при объединении нескольких независимых моделей.

Один из способов проверить надежность моделей — сравнить прогнозируемые будущие изменения с тем, как обстоят дела в реальном мире. Однако это может быть сложно сделать с помощью долгосрочных прогнозов, потому что потребуется много времени, чтобы оценить, насколько хорошо работают текущие модели.

Недавно Carbon Brief обнаружила, что модели, созданные учеными с 1970-х годов, в целом хорошо справляются с прогнозированием будущего потепления. На видео ниже показан пример модельных ретроспективных прогнозов и прогнозов в сравнении с фактическими температурами поверхности.

^{К началу}

Каким образом модели климата «параметризуются» и настраиваются?

Как упоминалось выше, ученые не имеют в своем распоряжении безграничных вычислительных мощностей, и поэтому в моделях необходимо разделить Землю на ячейки сетки, чтобы сделать вычисления более управляемыми.

Это означает, что на каждом этапе модели во времени вычисляется средний климат каждой ячейки сетки. Однако существует множество процессов в климатической системе и на поверхности Земли, которые происходят в масштабах в пределах одной ячейки.

Например, высота поверхности земли будет усреднена по всей ячейке сетки модели, что означает, что она потенциально не учитывает детали любых физических объектов, таких как горы и долины. Точно так же облака могут образовываться и рассеиваться в масштабах, намного меньших, чем ячейка сетки.

Для решения этой проблемы эти переменные «параметризованы», то есть их значения определяются в компьютерном коде, а не рассчитываются самой моделью.

На приведенном ниже рисунке показаны некоторые процессы, которые обычно параметризуются в моделях.

Параметризация также может использоваться в качестве упрощения, когда климатический процесс не совсем понятен. Параметризация — один из основных источников неопределенности в климатических моделях.

Список из 20 климатических процессов и свойств, которые обычно необходимо параметризовать в глобальных климатических моделях. Изображение любезно предоставлено MetEd, программой COMET, UCAR.

Во многих случаях невозможно сузить параметризованные переменные до одного значения, поэтому модель должна включать оценку.Ученые проводят тесты с моделью, чтобы найти значение или диапазон значений, которые позволяют модели наилучшим образом представить климат.

Этот сложный процесс известен как «настройка» или «калибровка» модели. Хотя это необходимая часть моделирования климата, это не специфический для него процесс. В 1922 году, например, в документе Королевского общества по теоретической статистике «оценка параметров» была определена как один из трех этапов моделирования.

Доктор Джеймс Скрин, доцент кафедры климатологии Университета Эксетера, описывает, как ученые могут настроить свою модель на альбедо (отражательную способность) морского льда.Он сообщает Carbon Brief:

«Во многих моделях морского льда альбедо морского льда является параметром, которому присвоено определенное значение. Мы не знаем «правильного» значения альбедо льда. Существует некоторый диапазон неопределенности, связанный с наблюдениями за альбедо. Таким образом, при разработке своих моделей центры моделирования могут экспериментировать с немного разными, но правдоподобными значениями параметров, пытаясь смоделировать некоторые основные характеристики морского льда как можно ближе к нашим лучшим оценкам по наблюдениям.Например, они могут захотеть убедиться, что сезонный цикл выглядит правильным или имеется примерно необходимое количество льда в среднем. Это тюнинг ».

Если бы все параметры были определены на 100%, то в калибровке не было бы необходимости, отмечает экран. Но знания ученых о климате несовершенны, потому что доказательства, которые они получают в результате наблюдений, неполны. Следовательно, им необходимо протестировать значения своих параметров, чтобы получить разумные выходные данные модели для ключевых переменных.

Глоссарий

Альбедо: Альбедо — это показатель того, какая часть солнечной энергии отражается от поверхности.Оно образовано от латинского слова albus, что означает белый. Альбедо измеряется в процентах или долях солнечной энергии, которая отражается. Снег и лед, как правило, имеют более высокое альбедо, чем, например, почва, леса и открытая вода.

Поскольку большинство глобальных моделей будут содержать схемы параметризации, практически все центры моделирования проводят ту или иную настройку модели.Исследование, проведенное в 2014 году (pdf), показало, что в большинстве случаев разработчики моделей настраивают свои модели, чтобы обеспечить точность долгосрочного среднего состояния климата, включая такие факторы, как абсолютные температуры, концентрация морского льда, альбедо поверхности и протяженность морского льда. .

Фактор, на который чаще всего настраиваются — в 70% случаев — это радиационный баланс в верхних слоях атмосферы. Этот процесс включал настройку параметризации, в частности облаков — микрофизики, конвекции и облачности, — а также снега, альбедо морского льда и растительности.

Эта настройка не предполагает простой «подгонки» исторических наблюдений. Скорее, если разумный выбор параметров приводит к результатам модели, которые резко отличаются от наблюдаемой климатологии, разработчики моделей могут решить использовать другой. Точно так же, если обновления модели приводят к большому расхождению с наблюдениями, разработчики моделей могут искать ошибки или другие факторы, объясняющие разницу.

Как сообщил директор Института космических исследований имени Годдарда НАСА доктор Гэвин Шмидт Carbon Brief:

«Глобальные средние тенденции отслеживаются на предмет здравомыслия, но (как правило) не учитываются точно.В сообществе по этому поводу ведется много дискуссий, но все понимают, что это нужно сделать более прозрачным ».

Что такое коррекция смещения?

Хотя климатические модели хорошо моделируют климат Земли в целом, включая знакомые климатические особенности, такие как штормы, муссонные дожди, реактивные течения, пассаты и циклы Эль-Ниньо, они не идеальны. Это особенно верно в региональном и местном масштабах, где моделирование может иметь существенные отклонения от наблюдаемого климата, известные как «систематические ошибки».

Эти смещения возникают из-за того, что модели представляют собой упрощение климатической системы, а крупномасштабные ячейки сетки, которые используют глобальные модели, могут упускать детали местного климата.

В этих случаях ученые применяют методы «коррекции смещения» к модельным данным, объясняет д-р Дуглас Мараун, руководитель исследовательской группы по моделированию и анализу регионального климата в Университете Граца и соавтор книги «Статистическое масштабирование и смещение. Поправка на исследования климата ». Он сообщает Carbon Brief:

«Представьте, что вы инженер-гидротехник и должны защищать долину от внезапных наводнений из близлежащего горного ручья.Предполагается, что защита продлится в течение следующих десятилетий, поэтому вы должны учитывать будущие изменения количества осадков в вашем бассейне реки. Климатические модели, даже если они определяют соответствующие погодные системы, могут быть искажены по сравнению с реальным миром ».

По словам Марауна, для инженера-водника, который использует выходные данные климатической модели в качестве входных данных для модели риска наводнений в долине, такие смещения могут иметь решающее значение:

«Предположим, что в действительности у вас отрицательная температура, идет снег и поверхностный сток в результате сильных дождей очень низкий.Но модель имитирует положительные температуры, осадки и ливневые паводки ».

Другими словами, если взять результаты крупномасштабной климатической модели как есть и пропустить их через модель наводнения, это может создать неверное представление о риске наводнения в этой конкретной долине.

Для решения этой проблемы — и создания климатических прогнозов, которые инженер-гидротехник может использовать при проектировании защиты от наводнений, — ученый применяет «коррекцию смещения» к выходным данным климатической модели.

Профессор Эд Хокинс, профессор климатологии в Университете Рединга, объясняет Carbon Brief:

«Коррекция смещения — иногда называемая« калибровкой »- это процесс учета смещений в имитационных моделях климата для получения прогнозов, которые более согласуются с имеющимися наблюдениями.”

По сути, ученые сравнивают долгосрочную статистику в выходных данных модели с наблюдаемыми климатическими данными. Затем, используя статистические методы, они исправляют любые ошибки в выходных данных модели, чтобы убедиться, что они соответствуют текущим знаниям о климатической системе.

Коррекция смещения часто основана на усредненной климатической информации, отмечает Мараун, хотя более сложные подходы также корректируют крайние значения.

По словам Хокинса, этап коррекции смещения в процессе моделирования особенно полезен, когда ученые рассматривают аспекты климата, для которых важны пороговые значения.

Пример взят из исследования 2016 года, проведенного в соавторстве с Хокинсом, о том, как морские пути могут открываться через арктический морской лед из-за изменения климата. Он объясняет:

«Жизнеспособность арктического судоходства в будущем зависит от прогнозируемой толщины морского льда, поскольку различные типы судов не могут путешествовать, если лед достигает критической толщины в любой точке маршрута. Если климатическая модель имитирует слишком много или слишком мало льда для сегодняшнего дня в конкретном месте, тогда прогнозы жизнеспособности маршрута судна также будут неверными.

«Тем не менее, мы можем использовать наблюдения за толщиной льда, чтобы исправить пространственные отклонения в смоделированной толщине морского льда в Арктике и создать прогнозы, которые более согласованы, чем без коррекции смещения».

Другими словами, используя коррекцию смещения для получения правильного изображения смоделированного морского льда в модели на сегодняшний день, Хокинс и его коллеги могут иметь больше уверенности в своих прогнозах на будущее.

Российский ледокол на Северном полюсе.Предоставлено: Кристофер Мишель через Flickr.

Как правило, коррекция смещения применяется только к выходным данным модели, но в прошлом она также использовалась в прогонах моделей, объясняет Мараун:

«Примерно десять лет назад было довольно обычным делом регулировать потоки между различными компонентами модели — например, океаном и атмосферой — на каждом этапе модели в сторону наблюдаемых полей с помощью так называемых« поправок на поток »».

В последних достижениях в моделировании поправок к среднему потоку больше нет необходимости.Тем не менее, некоторые исследователи выдвинули предположение, что поправки на поток все еще могут использоваться для устранения оставшихся смещений в моделях, говорит Мараун:

«Например, большинство ГКМ моделируют слишком холодную Северную Атлантику, проблему, которая имеет косвенное влияние, например, на атмосферную циркуляцию и характер осадков в Европе».

Итак, подталкивая модель к тому, чтобы моделирование северной части Атлантического океана продолжалось (на основе данных наблюдений), идея состоит в том, что это может дать, например, более точное моделирование осадков для Европы.

Однако он добавляет, что при использовании поправок на поток есть потенциальные подводные камни:

«Обратной стороной таких подходов является то, что в модели присутствует искусственная сила, которая тянет модель к наблюдениям, и такая сила может даже ослабить моделируемое изменение климата».

Другими словами, если модель не производит достаточного количества осадков в Европе, это может быть по причинам, не связанным с Северной Атлантикой, — объясняет Мараун. Например, это может быть связано с тем, что смоделированные следы шторма посылают ливни не в тот регион.

Это подтверждает тот момент, что ученые должны быть осторожны, чтобы не применять коррекцию смещения, не понимая основной причины смещения, заключает Мараун:

«Исследователям климата необходимо приложить гораздо больше усилий, чтобы понять причины систематических ошибок модели, а исследователи, выполняющие коррекцию систематических ошибок, должны включить эту информацию в свои исследования».

В недавней статье о перспективах в Nature Climate Change, Мараун и его соавторы утверждают, что «текущие методы коррекции смещения могут улучшить применимость моделирования климата», но они не могут — и не должны — использоваться для преодоления более значительных ограничений с помощью климатические модели.

^{К началу}

Насколько точны прогнозы температуры климатической моделью?

Одним из наиболее важных результатов климатических моделей является проекция глобальных приземных температур.

Чтобы оценить, насколько хорошо работают их модели, ученые сравнивают наблюдения за климатом Земли с прогнозами будущей температуры моделей и историческими «ретроспективными» прогнозами температуры. Затем ученые могут оценить точность прогнозов температуры, посмотрев, как отдельные климатические модели и среднее значение всех моделей сравниваются с наблюдаемым потеплением.

Исторические изменения температуры с конца 1800-х годов обусловлены рядом факторов, включая повышение концентрации парниковых газов в атмосфере, аэрозоли, изменения солнечной активности, извержения вулканов и изменения в землепользовании. Естественная изменчивость также играет роль в более короткие сроки.

Если модели хорошо фиксируют реакцию климата в прошлом, исследователи могут быть более уверены в том, что они будут точно реагировать на изменения тех же факторов в будущем.

Carbon Brief более подробно исследует, как модели климата сравниваются с наблюдениями, в недавнем аналитическом материале, рассматривая, как прогнозы приземной температуры в климатических моделях с 1970-х годов совпадают с реальностью.

Модельные оценки атмосферных температур немного теплее, чем наблюдения, в то время как модели теплосодержания океана достаточно хорошо соответствуют нашим лучшим оценкам наблюдаемых изменений.

Сравнение моделей и наблюдений может быть довольно сложной задачей.Наиболее часто используемые значения из климатических моделей относятся к температуре воздуха чуть выше поверхности. Однако наблюдаемые температурные рекорды представляют собой комбинацию температуры воздуха над поверхностью земли и температуры поверхностных вод океана.

Сравнение глобальной температуры воздуха из моделей с комбинацией температур воздуха и температуры поверхности моря в наблюдениях может создать проблемы. Чтобы учесть это, исследователи создали то, что они называют «смешанными полями» из климатических моделей, которые включают температуру поверхности океана в океанах и температуру приземного воздуха над сушей, чтобы соответствовать тому, что фактически измеряется в наблюдениях.

Эти смешанные поля из моделей показывают немного меньшее потепление, чем глобальные температуры приземного воздуха, поскольку в последние годы воздух над океаном нагревается быстрее, чем температура поверхности моря.

Carbon Brief показано как среднее значение температуры воздуха для всех моделей CMIP5 (пунктирная черная линия), так и среднее значение смешанных полей для всех моделей CMIP5 (сплошная черная линия). Серая область показывает неопределенность результатов модели, известную как 95% доверительный интервал. Отдельные цветные линии представляют различные оценки температуры, полученные в результате наблюдений, от таких групп, как Центр Хэдли из Метеорологического бюро, NOAA и NASA.

Смешанные поля из моделей в целом достаточно хорошо соответствуют потеплению, наблюдаемому в наблюдениях, в то время как температуры воздуха из моделей показывают немного большее потепление, поскольку они включают в себя температуру воздуха над океаном, а не самой поверхности моря.Все наблюдения находятся в пределах 95% доверительного интервала прогонов моделей, что позволяет предположить, что модели хорошо отражают краткосрочную естественную изменчивость, вызванную Эль-Ниньо и другими факторами.

Более длительный период прогнозов модели с 1880 по 2100 год показан на рисунке ниже. Он показывает как долгосрочное потепление с конца 19-го века, так и прогнозы будущего потепления в рамках сценария относительно быстрого сокращения выбросов (так называемого «RCP4.5») с глобальными температурами, достигающими около 2.На 5C выше доиндустриальных уровней к 2100 году (и примерно на 2C выше базового уровня 1970-2000 годов, показанного на рисунке).

Проекции климата с середины 1800-х годов довольно хорошо согласуются с наблюдениями. Есть несколько периодов, например, начало 1900-х годов, когда Земля была немного холоднее, чем прогнозировалось моделями, или 1940-е годы, когда наблюдения были немного теплее.

В целом, однако, четкое соответствие между смоделированными и наблюдаемыми температурами повышает уверенность ученых в том, что модели точно отражают как факторы, вызывающие изменение климата, так и уровень краткосрочной естественной изменчивости климата Земли.

В период с 1998 года, когда наблюдения были немного ниже, чем прогнозы модели, в недавней статье Nature исследуются причины, почему это произошло.

Исследователи обнаружили, что некоторые различия устраняются за счет использования смешанных полей из моделей.Они предполагают, что остальная часть расхождения может быть объяснена сочетанием краткосрочной естественной изменчивости (в основном в Тихом океане), небольших вулканов и более низкой, чем ожидалось, солнечной мощности, которая не была включена в модели после 2005 года. прогнозы.

Средняя глобальная температура поверхности — это лишь одна из многих переменных, включенных в климатические модели, и модели можно оценивать по многим другим климатическим показателям. Например, есть определенные «отпечатки пальцев» человеческого потепления в нижних слоях атмосферы, которые видны как в моделях, так и в наблюдениях.

Прогнозы модели были проверены на основе наблюдений за температурой на поверхности, в океанах и атмосфере, с историческими данными о дождях и снеге, образованием ураганов, протяженностью морского льда и многими другими климатическими переменными.

хорошо справляются с сопоставлением наблюдений в глобальном масштабе, хотя некоторые переменные, такие как осадки, труднее получить на региональном уровне.

^{К началу}

Каковы основные ограничения в моделировании климата на данный момент?

Стоит повторить, что климатические модели не являются идеальным представлением климата Земли — и не могут быть таковыми.Поскольку климат по своей природе хаотичен, моделировать со 100% точностью невозможно, но модели довольно хорошо справляются с задачей получения правильного климата.

Точность прогнозов, сделанных моделями, также зависит от качества прогнозов, которые в них используются. Например, ученые не знают, упадут ли выбросы парниковых газов, и поэтому делают оценки, основанные на различных сценариях будущего социально-экономического развития. Это добавляет еще один уровень неопределенности к климатическим прогнозам.

Точно так же есть аспекты будущего, которые были бы настолько редкими в истории Земли, что их чрезвычайно сложно спрогнозировать. Одним из примеров является то, что ледяные щиты могут дестабилизироваться по мере их таяния, ускоряя ожидаемое повышение уровня мирового океана.

Тем не менее, несмотря на то, что модели становятся все более сложными и изощренными, в климатической системе все еще есть аспекты, которые они пытаются уловить так хорошо, как хотелось бы ученым.

Облака

Одно из основных ограничений климатических моделей — насколько хорошо они представляют облака.

Облака — постоянная заноза для климатологов. Они покрывают около двух третей Земли одновременно, но отдельные облака могут образовываться и исчезать в течение нескольких минут; они могут как согревать, так и охлаждать планету, в зависимости от типа облаков и времени суток; а у ученых нет записей о том, какими были облака в далеком прошлом, что затрудняет определение того, изменились ли они и как.

Конкретный аспект трудностей моделирования облаков сводится к конвекции.Это процесс, при котором теплый воздух у поверхности Земли поднимается через атмосферу, охлаждается, а затем содержащаяся в нем влага конденсируется с образованием облаков.

В жаркие дни воздух быстро нагревается, что вызывает конвекцию. Это может вызвать интенсивные кратковременные дожди, часто сопровождаемые громом и молнией.

Кредит: Никколо Убалдуччи / Flickr (CC BY-NC-ND 2.0)

Конвекционные дожди могут выпадать в короткие сроки и в очень определенных областях. Таким образом, глобальные климатические модели имеют слишком грубое разрешение, чтобы фиксировать эти выпадения осадков.

Вместо этого ученые используют «параметризацию» (см. Выше), которая представляет средние эффекты конвекции по отдельной ячейке сетки. Это означает, что GCM не моделируют отдельные штормы и местные сильные ливни, объясняет д-р Лиззи Кендон, старший научный сотрудник метеорологического бюро Hadley Center, для Carbon Brief:

«Как следствие, GCM не могут фиксировать интенсивность осадков в субсуточных временных масштабах и экстремальные значения осадков в летнее время. Таким образом, у нас будет низкая уверенность в будущих прогнозах почасовых осадков или экстремальных конвективных явлений на основе МОК или РКМ грубого разрешения.”

(Позднее на этой неделе Carbon Brief опубликует статью, в которой исследуются прогнозы осадков с помощью климатической модели).

Чтобы помочь решить эту проблему, ученые разработали климатические модели с очень высоким разрешением. Они имеют ячейки сетки шириной несколько километров, а не десятки километров. Эти «разрешающие конвективные» модели могут моделировать более крупные конвективные бури без необходимости параметризации.

Однако недостатком большей детализации является то, что модели еще не могут охватывать весь земной шар.Несмотря на меньшую площадь и использование суперкомпьютеров, эти модели по-прежнему требуют очень много времени для запуска, особенно если ученые хотят запустить множество вариаций модели, известных как «ансамбль».

Например, моделирование, которое является частью проекта IMPALA «Будущий климат для Африки» («Улучшение модельных процессов для африканского климата»), использует модели, допускающие конвекцию, охватывающие всю Африку, но только для одного члена ансамбля, — говорит Кендон. Точно так же следующий набор климатических прогнозов Великобритании, который должен быть опубликован в следующем году («UKCP18»), будет проводиться для 10 членов ансамбля, но только для Великобритании.

Но до распространения этих моделей, допускающих конвекцию, до глобального масштаба еще далеко, отмечает Кендон:

«Вероятно, пройдет много лет, прежде чем мы сможем позволить себе [вычислительную мощность], позволяющую моделировать глобальный климат с учетом конвекции, особенно для нескольких членов ансамбля».

Двойной ITCZ ​​

С проблемой облаков в глобальных моделях связана проблема «двойного ITCZ». Зона межтропической конвергенции, или ITCZ, представляет собой огромный пояс низкого давления, который окружает Землю около экватора.Он определяет годовое количество осадков в большей части тропиков, что делает его чрезвычайно важным элементом климата для миллиардов людей.

Иллюстрация зоны межтропической конвергенции (ITCZ) и основных моделей глобальной циркуляции в атмосфере Земли. Источник: Creative Commons

ITCZ ​​каждый год путешествует на север и юг по тропикам, примерно отслеживая положение солнца в зависимости от времени года. Глобальные климатические модели воссоздают ITCZ ​​в своих симуляциях, которые возникают в результате взаимодействия между отдельными физическими процессами, закодированными в модели.Однако, как объясняется в статье Journal of Climate, подготовленной учеными Калифорнийского технологического института в США, есть некоторые области, в которых климатические модели не могут правильно представить положение ITCZ:

«[В восточной части Тихого океана] ITCZ ​​большую часть года располагается к северу от экватора, изгибаясь на несколько градусов широты вокруг [линии] шести [градуса широты]. Однако на короткое время весной он разделяется на две ITCZ, расположенные по обе стороны экватора. Текущие климатические модели преувеличивают это разделение на два ITCZ, что приводит к хорошо известному смещению моделей в два-ITCZ.”

Большинство GCM демонстрируют некоторую степень проблемы двойного ITCZ, которая заставляет их моделировать слишком много осадков над большей частью тропиков южного полушария, а иногда и недостаточное количество осадков над экваториальной частью Тихого океана.

Двойной ITCZ ​​«является, пожалуй, наиболее значительным и наиболее устойчивым отклонением в существующих климатических моделях», — говорит д-р Баоцян Сян, главный научный сотрудник Лаборатории геофизической гидродинамики Национального управления океанических и атмосферных исследований США.

Основным следствием этого является то, что разработчики моделей не верят в прогнозы того, как ITCZ ​​может измениться по мере потепления климата.Но есть и детонационные удары, — сказал Сян в интервью Carbon Brief:

«Например, большинство современных климатических моделей предсказывают ослабление пассата вместе с замедлением циркуляции Уокера. Существование двойной проблемы ITCZ ​​может привести к недооценке этого ослабленного пассата ».

(Пассаты — это почти постоянные восточные ветры, которые кружат вокруг Земли по обе стороны от экватора.)

Кроме того, исследование 2015 года, опубликованное в Geophysical Research Letters, предполагает, что, поскольку двойная ITCZ ​​влияет на обратную связь облаков и водяного пара в моделях, она, следовательно, играет роль в чувствительности климата.

Глоссарий

Чувствительность к климату: Степень потепления, которую мы можем ожидать, когда уровень углекислого газа в атмосфере удвоится по сравнению с тем, что было до промышленной революции. Есть два способа выразить чувствительность климата: временная реакция климата (TCR) — это потепление на поверхности Земли, которое мы можем ожидать в точке удвоения, а равновесная чувствительность климата (ECS) — это общая сумма потепления, когда Земля успела полностью приспособиться к дополнительному углекислому газу.

Они обнаружили, что модели с сильным двойным ITCZ ​​имеют более низкое значение равновесной чувствительности климата (ECS), что указывает на то, что «большинство моделей могли недооценивать ECS». Если модели недооценивают ECS, климат будет более теплым в ответ на антропогенные выбросы, чем предполагают их текущие прогнозы.

Причины двойного ITCZ ​​в моделях сложны, сказал Сян в интервью Carbon Brief, и они стали предметом многочисленных исследований. По словам Сян, вероятно, есть ряд факторов, в том числе способ параметризации конвекции в моделях.

Например, в документе Proceedings of the National Academy of Sciences в 2012 году было высказано предположение, что проблема связана с тем, что большинство моделей не создают достаточно плотных облаков над «часто пасмурным Южным океаном», что приводит к более высоким, чем обычно, температурам в Южном полушарии. в целом, а также смещение тропических осадков к югу.

Что касается вопроса о том, когда ученые могут решить эту проблему, Сян говорит, что на него сложно ответить:

«С моей точки зрения, я думаю, что мы не сможем полностью решить этот вопрос в ближайшее десятилетие. Однако мы добились значительного прогресса в улучшении понимания физики модели, увеличении разрешения модели и более надежных наблюдениях ».

Реактивные струи

Наконец, еще одна распространенная проблема в моделях климата — это положение струйных течений в моделях климата.Реактивные потоки — это извилистые реки скоростных ветров, текущих высоко в атмосфере. Они могут направлять погодные системы с запада на восток через Землю.

Как и в случае с ITCZ, климатические модели воссоздают струйные течения в результате фундаментальных физических уравнений, содержащихся в их коде.

Однако струйные течения в моделях часто кажутся слишком «зональными» — другими словами, они слишком сильные и слишком прямые, — объясняет д-р Тим Вуллингс, преподаватель физики климата в Оксфордском университете и бывший руководитель объединения. Метеорологическая служба — Группа оценки процессов университетов для блокирования и штормовых путей.Он сообщает Carbon Brief:

«В реальном мире реактивный самолет немного поворачивает на север, пересекая Атлантический океан (и немного Тихий океан). Поскольку модели недооценивают это, джет в среднем часто находится слишком далеко от экватора ».

В результате, модели не всегда точно ориентируются на пути, по которым идут погодные условия с низким давлением, известные как «следы шторма». По словам Вуллингса, штормы в моделях часто бывают слишком вялыми, и они не становятся достаточно сильными и стихают слишком быстро.

Есть способы улучшить это, говорит Вуллингс, но некоторые из них более просты, чем другие.В целом, по словам Вуллингса, может помочь увеличение разрешения модели:

«Например, когда мы увеличиваем разрешение, вершины гор становятся немного выше, и это способствует отклонению струи немного на север. Бывают и более сложные вещи; если мы сможем улучшить, более активные штормы в модели, это может оказать влияние на реактивный поток, который частично вызван штормами ».

(Горные вершины становятся выше по мере увеличения разрешения модели, потому что большая детализация позволяет модели «видеть» больше горы по мере того, как она сужается к вершине.)

Другой вариант — улучшить то, как модель представляет физику атмосферы в ее уравнениях, добавляет Вуллингс, используя «новые умные схемы [для аппроксимации] механики жидкости в компьютерном коде».

^{К началу}

Каков процесс улучшения моделей?

Процесс разработки климатической модели — это долгосрочная задача, которая не заканчивается после публикации модели. Большинство центров моделирования будут обновлять и улучшать свои модели в непрерывном цикле, при этом в процессе разработки ученые потратят несколько лет на создание следующей версии своих моделей.

Модельер климата за работой в Метеорологическом бюро, Эксетер, Великобритания. Предоставлено: Метеорологическое бюро.

После того, как будет готова, можно будет выпустить новую версию модели, включающую все улучшения, говорит д-р Крис Джонс из Метеорологического бюро Hadley Center:

«Это немного похоже на то, как автомобильные компании строят следующую модель конкретного автомобиля, так что они делали ту же самую в течение многих лет, но затем внезапно выходит новая, которую они разрабатывали. То же самое мы делаем и с нашими климатическими моделями ».

В начале каждого цикла климат, воспроизводимый моделью, сравнивается с рядом наблюдений, чтобы выявить самые большие проблемы, — объясняет д-р Тим Вуллингс.Он сообщает Carbon Brief:

«После того, как они идентифицированы, внимание обычно переключается на оценку физических процессов, которые, как известно, влияют на эти области, и предпринимаются попытки улучшить представление этих процессов [в модели]».

Как это делается, варьируется от случая к случаю, говорит Вуллингс, но, как правило, в итоге получается новый улучшенный код:

«Это могут быть целые строки кода для обработки процесса немного по-другому, или иногда это может быть просто изменение существующего параметра на лучшее значение.Это может быть мотивировано новыми исследованиями или опытом других [центров моделирования] ».

Иногда в ходе этого процесса ученые обнаруживают, что одни проблемы компенсируют другие, добавляет он:

«Например, процесс A оказался слишком сильным, но, похоже, это компенсировалось тем, что процесс B был слишком слабым. В этих случаях процесс A обычно фиксируется, даже если он ухудшает модель в краткосрочной перспективе. Затем внимание переключается на исправление процесса B. В конце концов, модель лучше отражает физику обоих процессов, и в целом у нас есть лучшая модель.”

В Центре Хэдли Метеорологического бюро процесс разработки включает несколько команд, или «групп оценки процесса», которые стремятся улучшить другой элемент модели, объясняет Вуллингс:

«Группы оценки процесса — это, по сути, рабочие группы, которые следят за определенными аспектами модели. Они отслеживают систематические ошибки в своей области по мере развития модели и тестируют новые методы их уменьшения. Эти группы регулярно встречаются для обсуждения своей области и часто состоят из представителей академического сообщества, а также ученых из Метеорологического бюро.

Усовершенствования, над которыми работает каждая группа, затем объединяются в новую модель. После завершения модель можно начинать всерьез, говорит Джонс:

«В конце двух- или трехлетнего процесса у нас есть модель нового поколения, которая, по нашему мнению, лучше, чем предыдущая, и затем мы можем начать использовать ее, чтобы вернуться к научным вопросам, которые мы я уже смотрел раньше, чтобы узнать, сможем ли мы ответить на них лучше ».

^{К началу}

Как ученые производят информацию о климатических моделях для конкретных регионов?

Одним из основных ограничений глобальных климатических моделей является то, что ячейки сетки, из которых они состоят, обычно составляют около 100 км по долготе и широте в средних широтах.Если учесть, что, например, Великобритания имеет ширину немногим более 400 км, это означает, что она представлена ​​в GCM в виде нескольких квадратов сетки.

Такое грубое разрешение означает, что GCM упускают из виду географические особенности, характеризующие конкретное местоположение. Некоторые островные государства настолько малы, что GCM может рассматривать их просто как клочок океана, отмечает профессор Майкл Тейлор, старший преподаватель Вест-Индского университета и ведущий автор-координатор специального доклада МГЭИК по 1.5С. Он сообщает Carbon Brief:

«Если вы думаете о восточных Карибских островах, один восточный Карибский остров попадает в рамку сетки, поэтому в этих глобальных климатических моделях он представлен как вода».

«Даже большие Карибские острова представлены в виде одного или, максимум, двух квадратов сетки — так что вы получаете информацию только для одного или двух квадратов сетки — это создает ограничение для малых островов Карибского региона и малых островов в целом. И поэтому вы не получите точную, более точную информацию в масштабе страны для малых островов.”

Ученые преодолевают эту проблему, «уменьшая» глобальную климатическую информацию до местного или регионального масштаба. По сути, это означает использование информации, полученной с помощью GCM или крупномасштабных наблюдений, и ее применение к определенному месту или региону.

Тобаго-Кейс и остров Мейро, Сент-Винсент и Гренадины. Предоставлено: robertharding / Alamy Stock Photo.

Для малых островных государств этот процесс позволяет ученым получать полезные данные для определенных островов или даже областей внутри островов, — объясняет Тейлор:

«Весь процесс масштабирования — это попытка взять информацию, которую вы можете получить в крупном масштабе, и каким-то образом связать ее с местным масштабом, или масштабом острова, или даже масштабом субостровов.”

Есть две основные категории методов уменьшения масштаба. Первый — «динамическое масштабирование». По сути, это запущенные модели, похожие на GCM, но для определенных регионов. Поскольку эти региональные климатические модели (РКМ) охватывают меньшую территорию, они могут иметь более высокое разрешение, чем ГКМ, и при этом работать в разумные сроки. Тем не менее, отмечает доктор Данн Митчелл, преподаватель Школы географических наук Бристольского университета, RCM могут работать медленнее, чем их глобальные аналоги:

«Для работы RCM с ячейками сетки 25 км, покрывающей Европу, потребуется примерно в 5-10 раз больше времени, чем для GCM с разрешением ~ 150 км.”

«Прогнозы климата Великобритании на 2009 год» (UKCP09), например, представляют собой набор климатических прогнозов, специально созданных для Великобритании и составленных на основе региональной климатической модели — модели HadRM3 Центра Хэдли Метеорологического бюро.

HadRM3 использует ячейки сетки размером 25 км на 25 км, тем самым разделяя Великобританию на 440 квадратов. Это было улучшением по сравнению с предшественником UKCP09 («UKCIP02»), который давал проекции с пространственным разрешением 50 км. На приведенной ниже карте показано, насколько более детализирована сетка 25 км (шесть карт справа), чем сетка 50 км (две карты слева),

, такие как HadRM3, могут лучше, хотя и в ограниченном масштабе, представить местные факторы, такие как влияние озер, горных хребтов и морского бриза.

Сравнение изменений средней сезонной температуры, зимы (вверху) и лета (внизу), к 2080-м годам согласно сценариям высоких выбросов, из UKCIP02 (крайние левые панели) и по прогнозам UKCP09 на трех уровнях вероятности (10, 50 и 90%). ). Более темный красный оттенок показывает большее потепление. © Климатические прогнозы Великобритании, 2009 г.

Несмотря на то, что RCM ограничены определенной территорией, они все же должны учитывать более широкий климат, который на нее влияет. Ученые делают это, используя информацию из GCM или наблюдений.Тейлор объясняет, как это применимо к его исследованиям в Карибском бассейне:

«Для динамического масштабирования вы сначала должны определить область, в которой вы собираетесь запустить модель — в нашем случае мы определяем своего рода домен Карибского региона / внутри Америки — поэтому мы ограничиваем моделирование этой областью. Но, конечно, вы вводите в границы этой области результаты крупномасштабных моделей, так что именно информация крупномасштабной модели управляет затем более мелкомасштабной моделью. И это динамическое масштабирование — вы, по сути, делаете моделирование в более мелком масштабе, но в ограниченной области, получая информацию на границах.”

Также возможно «вкладывать» или встраивать RCM в GCM, что означает, что ученые могут запускать более одной модели одновременно и одновременно получать несколько уровней вывода.

Вторая основная категория масштабирования — «статистическое масштабирование». Это включает использование данных наблюдений для установления статистической взаимосвязи между глобальным и местным климатом. Используя это соотношение, ученые затем выводят локальные изменения на основе крупномасштабных прогнозов, полученных с помощью GCM или наблюдений.

Одним из примеров статистического масштабирования является погодный генератор. Генератор погоды создает синтетические временные ряды ежедневных и / или ежечасных данных для определенного местоположения. Он использует комбинацию наблюдаемых местных метеорологических данных и прогнозов будущего климата, чтобы дать представление о том, какими могут быть будущие погодные условия в краткосрочной перспективе. (Генераторы погоды также могут создавать временные ряды погоды в текущем климате.)

Его можно использовать в целях планирования — например, при оценке риска наводнений для моделирования того, справятся ли существующие средства защиты от наводнений с вероятными будущими уровнями сильных дождей.

В целом, эти статистические модели можно запускать быстро, что позволяет ученым проводить множество симуляций за время, необходимое для выполнения одного прогона GCM.

Стоит отметить, что уменьшенная информация по-прежнему сильно зависит от качества информации, на которой она основана, такой как наблюдаемые данные или вводимые данные GCM. Уменьшение масштаба предоставляет только больше данных, зависящих от местоположения, оно не компенсирует любые неопределенности, связанные с данными, на которые он опирается.

Статистическое масштабирование, в частности, зависит от данных наблюдений, используемых для получения статистической взаимосвязи.«Даунскейлинг» также предполагает, что отношения в текущем климате сохранятся и в более теплом мире, отмечает Митчелл. Он сообщает Carbon Brief:

«[Статистическое масштабирование] может подойти для хорошо наблюдаемых периодов времени или хорошо наблюдаемых мест, представляющих интерес, но в целом, если вы слишком далеко продвинете локальную систему, статистическая взаимосвязь нарушится. По этой причине статистическое масштабирование плохо ограничивается для будущих климатических прогнозов ».

По словам Митчелла, динамическое масштабирование более надежно, но только в том случае, если RCM хорошо улавливает соответствующие процессы и данные, управляющие ими, надежны:

«Часто для моделирования климата реализация погодных и климатических процессов в динамической модели не слишком отличается от более грубой глобальной модели движения, поэтому динамическое масштабирование обеспечивает лишь ограниченную возможность улучшения данных.Однако, если все сделано правильно, динамическое масштабирование может быть полезно для локального понимания погоды и климата, но оно требует огромного количества валидации модели и в некоторых случаях разработки модели для представления процессов, которые могут быть отражены в новых более точных масштабах ».

^{К началу}