Климаттық жүйе модельдерінің жиынтығы және болжамдағы негізгі факторлар
Climate ensemble
Климаттық модельдер жиынтығы: түрлері, мақсаты, пайдасы. Әр түрлі модельдердің орташа көрсеткіші жеке модельдерден жақсы нәтиже береді. Саясатқа қатысты ақпарат алуға көмектеседі.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Климаттық жүйенің әртүрлі модельдерінің жиынтығы, ауа райын болжаудағы баламасы. Климаттық ансамбль – климаттық жүйенің сәл өзгеше модельдерін қамтиды. Ансамбльдің орташа көрсеткіші жеке модельдерге қарағанда жақсы нәтиже беруі күтіледі. Олардың кем дегенде бес түрі бар, олар төменде сипатталады.
Set of different models of the climate system
the equivalent in weather prediction
A climate ensemble involves slightly different models of the climate system. The ensemble average is expected to perform better than individual model runs. There are at least five different types, to be described below.
Мақсаттары
Жүйедегі белгісіздіктерді ескере алу үшін ансамбльді іске қосудың мақсаты көбінесе осы болып табылады. Соңғы мақсат – әртүрлі нәтижелердің ықтималдық үлестіру функциясы сияқты саяси шешімдерге қатысты ақпарат беру болуы мүмкін. Бірақ, бірқатар мәселелерге байланысты мұның өте қиын екені байқалып отыр. Олар:
The aim of running an ensemble is usually in order to be able to deal with uncertainties in the system. An ultimate aim may be to produce policy relevant information such as a probability distribution function of different outcomes. This is proving to be very difficult due to a number of problems. These include:
Ансамбль климат модельдерінің дұрыс болуы мүмкін барлық диапазонды қамтуы үшін кең ауқымды болуы керек. Жақсы модельді қалай бағалау қиын. Мұнда бақылаудағы ғана емес, модельдегі қателерді де ескеру қажет болуы мүмкін. Ықтималдық үлестіру функциясын құруға кез келген алдын ала болжамдар әсер етуі мүмкін.
The ensemble has to be wide ranging to ensure it covers the whole range where the climate models may be good. Measuring what is a good model is difficult. This may need to consider not only errors in the observation but also in the model. Any prior assumptions about distribution can influence the probability distribution function produced.
Көп модельді жиынтық
Көп модельдік жиынтықтар (ММЭ) IPCC бағалауларында кеңінен қолданылады, ал климат модельдерінің толық жинағына Біріктірілген модельдерді салыстыру жобасы (Coupled Model Intercomparison Project) арқылы қол жеткізуге болады. Көп модельдік жиынтықтың мүшелері климаттың өзгеруі саласындағы зерттеулермен айналысатын әртүрлі ұйымдар тарапынан әзірленеді және олардың бағдарламалық қамтамасы мен бағдарламалау тәсілдері, кеңістіктік дискреттеуді басқару әдістері, сондай-ақ физикалық, химиялық және биологиялық процестердің нақты формулировкасы тұрғысынан маңызды айырмашылықтарға ие болуы мүмкін. Көп модельдік жиынтықты пайдаланудың артықшылығы – «болжамдардың барлық аспектілерін ескергенде көп модельдің үнемі жақсы нәтижелер көрсетуі».
Multi model ensembles (MMEs) are widely used in IPCC assessments, and a comprehensive collection of climate models can be accessed in the Coupled Model Intercomparison Project. Members of a multi model ensemble are developed by different organisations involved in climate change research and can differ substantially in their software design and programming approach, their handling of spatial discretisation and exact formulation of physical, chemical and biological processes. The benefits of using a multi model ensemble are seen in "the consistently better performance of the multi model when considering all aspects of the predictions".
Физикасының бұзылған ансамблі
Климатты болжау жобасының негізгі ғылыми мақсаты – бұзылған физикалық жиынтықтар (PPE). Қазіргі заманғы климат модельдері қазіргі климаттың көптеген ірі масштабты ерекшеліктерін жақсы модельдейді. Дегенмен, бұл модельдерде симуляцияланған климатқа елеулі әсер ететін көптеген реттелетін параметрлер бар. Олардың көпшілігі байқаулармен расталғанмен, әлі де маңызды белгісіздіктерге тап болады. Параметрлерді орнатудың немесе схемалардың әртүрлі таңдауы 20-шы ғасыр климатын реалистік түрде модельдеуге мүмкіндік берсе де, 21-шы ғасырға жасалатын болжамдарда айырмашылықтар тудыруы мүмкін. Бұл белгісіздікті зерттеудің ең толық жолы – барлық қатысты параметрлердің комбинациясын зерттейтін кең көлемді жиынтық эксперимент жүргізу болып табылады. Көбірек жалпылама тәсіл "бұзылған параметрлер жиынтығы" (сондай-ақ PPE деп қысқартылады) деп аталады, себебі физикалық параметрлерден өзге, көміртегі айналымы, атмосфера химиясы, жерді пайдалану және т.б. сияқты параметрлер де өзгертілуі мүмкін.
Perturbed physics ensembles (PPEs) form the main scientific focus of the Climateprediction. net project. Modern climate models do a good job of simulating many large scale features of present day climate. However, these models contain large numbers of adjustable parameters which are known, individually, to have a significant impact on simulated climate. While many of these are well constrained by observations, there are many which are subject to considerable uncertainty. We do not know the extent to which different choices of parameter settings or schemes may provide equally realistic simulations of 20th century climate but different forecast for the 21st century. The most thorough way to investigate this uncertainty is to run a massive ensemble experiment in which each relevant parameter combination is investigated. A more general approach is coined "perturbed parameter ensemble" (also abbreviated as PPE), as apart from physical parameters other parameters, relating to the carbon cycle, atmospheric chemistry, land use etc. can be perturbed.
Бастапқы жағдай жиынтығы
Бастапқы жағдайлар жиынтығы атмосфералық физикалық параметрлер мен күштеулер тұрғысынан бірдей модельді қолданады, бірақ әртүрлі бастапқы күйлерден іске қосылады. Климат жүйесі хаостық болғандықтан, температура, жел және ылғалдылық сияқты факторлардағы шамалы өзгерістердің өзі жүйеге қатысты өте әртүрлі даму бағыттарына алып келуі мүмкін. Мұны еңсеру үшін біз бірнеше рет сәл әртүрлі бастапқы жағдайлардан іске қосылып, одан кейін жиынтықтың жалпы эволюциясын қарастырамыз. Бұл ауа райын болжауда қолданылатын әдіске ұқсас. Бастапқы жағдайлар жиынтығы жүйедегі табиғи өзгергіштікті анықтауға және оны ескеруге көмектеседі.
Initial condition ensembles involve the same model in terms of the same atmospheric physics parameters and forcings, but run from variety of different starting states. Because the climate system is chaotic, tiny changes in things such as temperatures, winds, and humidity in one place can lead to very different paths for the system as a whole. We can work around this by setting off several runs started with slightly different starting conditions, and then look at the evolution of the group as a whole. This is similar to what they do in weather forecasting. Having an initial condition ensemble can help to identify natural variability in the system and deal with it.
Қатаң жиынтық
Модель әртүрлі күштер әсеріне түсуі мүмкін. Бұл күштер, мысалы, "Шығарылымдар сценарийлері бойынша арнайы есептемеде" және соңғы кезде "Өкілдік концентрация жолында" сипатталған сценарийлерге сәйкес болуы мүмкін.
A model can be subjected to different forcings. These may correspond with different scenarios such as those described in the Special Report on Emissions Scenarios and more recently in the Representative Concentration Pathway.
Үлкен ансамбль
Үлкен ансамбль – ансамбльдердің жиынтығы. Онда кем дегенде екі бір-біріне ішкі ансамбль болуы керек. Бұл қарама-қарсы схемада жақсырақ түсіндірілген.
A grand ensemble is an ensemble of ensembles. There has to be at least two nested ensembles. This is best illustrated in the diagram opposite.
Ауа райы
Ауа райын болжау бастапқы шарттар жиынтығын қолданады.
Климаттық модельдер жиынтығы егін зиянкестерінің болашақтағы таралу динамикасын болжау үшін қолданылды.
Climate ensembles were used to project future changes in the occurrence of selected pests of crops.
Климаттық жиынтықты талдау
Климаттық ансамбльдерді талдау үшін, бас компоненттік талдау, дисперсиялық талдау (ANOVA) және бағытталған компоненттік талдау сияқты түрлі статистикалық әдістерді қолдануға болады.
A variety of statistical methods can be used to analyze climate ensembles, such as Principal component analysis, Anova and Directional component analysis.