Projicerade förändringar i vågklimat från en flermodellensemble | natur klimatförändringar

Projicerade förändringar i vågklimat från en flermodellensemble | natur klimatförändringar

Anonim

ämnen

  • Klimatförändring
  • Havsvetenskaper

Den här artikeln har uppdaterats

Abstrakt

Framtida förändringar i vindvågsklimatet har breda konsekvenser för drift och utformning av kust-, när- och offshore-industrier och ekosystem, och kan ytterligare förvärra de förväntade sårbarheterna i kustregionerna för beräknad havsnivåökning 1, 2 . Vindvågorna har emellertid fått liten uppmärksamhet i globala bedömningar av beräknade framtida klimatförändringar. Vi presenterar resultat från den första samhälls-härledda flermodellensemblen av vågklimatprojektioner. Vi finner en överenskommen beräknad minskning i årlig genomsnittlig signifikant våghöjd ( HS ) över 25, 8% av det globala havsområdet. Arealet för den beräknade minskningen är större under boreal vinter (januari – mars, medelvärde; 38, 5% av det globala havsområdet) än den australa vintern (juli – september, medelvärde; 8, 4%). En prognostiserad ökning av den årliga genomsnittliga HS finns över 7, 1% av det globala havet, främst i södra havet, vilket är större under den australa vintern (juli – september; 8, 8%). Ökad södra havsvågsaktivitet påverkar en större andel av det globala havet när svället förökar sig norrut i de andra havsbassängerna, observeras som en ökning av den årliga medelvågperioden ( TM ) över 30, 2% av det globala havet och tillhörande rotation av det årliga medelvärdet vågriktning ( θ M ). Multimodellensemblen är för begränsad till att systematiskt prova total osäkerhet i samband med vågklimatprognoser. Men variationen i vågklimatprognoser som är förknippade med studiemetodik dominerar andra källor till osäkerhet (till exempel klimatscenario och osäkerhetsmodeller).

Huvudsaklig

Det finns ökande bevis för den klimatdrivna historiska variationen i vindvågsklimat över åtminstone satellithöjdåldern 3, 4, 5, 6 med trender i våghöjd som observerats i observationer av fartygsregister under det senaste halvseklet 7 . Observerad variation i vågklimat beror på förändringar i globala marina vindfält (till exempel refs6, 8) och med beräknade framtida förändringar i dessa vindar 9 förväntas klimatdrivna förändringar i vågklimat. Men kopplade atmosfär – havs allmänna cirkulationsmodeller (GCM) inkluderar i allmänhet ännu inte vindvågberoende parametriseringar 10, och vågparametrar finns därför inte tillgängliga bland standardsviten av klimatvariabler som används för att karakterisera klimatsystemet 2, 11 . Som ett resultat är förståelsen för förväntade förändringar i vågklimat begränsad relativt andra klimatologiska parametrar såsom temperatur, nederbörd eller havsnivå.

Ett växande antal studier har beaktat hur global vågklimat kan reagera på beräknade framtida klimatscenarier med ökade växthusgaskoncentrationer 12, 13, 14 ( manuskripten YF et al. Och AS et al. I beredning). Dessa studier har genomförts oberoende med olika metoder för att undersöka planerade framtida vågklimatförändringar. Inom varje enskild studie undersöktes endast ett begränsat antal simuleringar av klimatmodeller på grund av begränsad studieomfång och / eller tillgänglighet av lämpliga klimatmodelldata. Enskilda studier kan därför inte fullt ut kvantifiera osäkerheten om beräknade förändringar i vågklimatet. Här är vårt primära mål att använda resultat som har bidragit till det samordnade havvågklimatprojektet 11 (COWCLIP) för att kvantitativt jämföra storleken på projicerade förändringar härledda från fem oberoende studier och för att bestämma nivån på överensstämmelse mellan tillgängliga prognoser av vågklimat. Fyra av de fem bidrag (ref. 13, YF et al. (Manuskript under förberedelse), ref. 14 och AS et al. (Manuskript under förberedelse), nedan MEA10, FEA12, HEA12 respektive SEA12) har en dynamisk inställning. I dessa studier används högupplösta atmosfäriska GCM: er för att dynamiskt nedskala resultaten av en tvingande atmosfär – GCM. Ytvindar från den högupplösta atmosfäriska modellen används sedan för att tvinga fram en spektral vindvågsmodell. Det femte bidraget 12 (WS06) använder en statistisk strategi för att utveckla vågklimatprognoser och utnyttjar ett samband mellan medelhavstrycket (MSLP) och HS. Detaljer om varje bidrag anges i den kompletterande informationen.

Bidragande studier 12, 13, 14 (YF et al. Och AS et al. , Manuskript under förberedelse) har bedömt prestandan för varje modell för att representera det historiska vågklimatet på individuell basis. Här utvärderar vi modellfärdigheter för varje bidrag med hjälp av mönsterkorrelation och rot-medelkvadratavvikelser (rmsd) mellan modellvågfält från den representativa historiska tidsskivan med våganalysdata (från ERA-Interim 15 och C-ERA40 (ref. 16) - Se kompletterande information). Modellförmåga är starkt beroende av strategin för varje studie för att utveckla vågklimatfält (som vi benämner metodik), vilket visas genom gruppering av ensemblemedlemmar från varje studie (fig. 1). Metod avser huruvida det tillvägagångssätt som används är dynamiskt (till exempel HEA12, MEA10, FEA12 och SEA12) eller statistisk (till exempel WS06), men också de specifika detaljerna i kombinationen av nedskalning av atmosfärisk GCM och vågmodeller som används i dynamiska studier, eller den statistiska modellen som utvecklats för statistiska studier. Rmsd i H S mellan modellerna och ERA-Interim och C-ERA40 är vanligtvis mindre än 0, 6 m oavsett studie, jämförelseområde (Global, G; Northern Hemisphere, NH; Equatorial, Eq, eller södra halvklotet - se Metoder för definition) eller säsong (årlig, januari – mars (JFM) eller juli – september (JAS) medelvärde). MEA10-medlemmet visar en HS-rmsd på 0, 55 m, med de lägsta HS- korrelationerna i ensemblen av 0, 45 (årligt ekvatoralt medelvärde, i förhållande till ERA-Interim; Fig. 1a) som återspeglar den stora förspänningen som observerats i denna modell i ekvatorialområdet (se kompletterande information). Alla andra ensemblemedlemmar uppvisar hög (> 0, 85) HS- korrelation med reanalyser (fig. 1). WS06-ensemblemmedlemmar visar närmast överensstämmelse med reanalyser eftersom de producerades med användning av ERA-40-reanalystryck på havsnivå och HS- förhållanden, även om rmsd upp till 0, 6 m observeras (JAS SH-medel, relativt C-ERA40; Fig. 1c). En positiv förspänning i SH HS under JAS som hittades i HEA12-ensemblemens medlemmar (se kompletterande information) leder till den största rmsd som observerats i ensemblen (0, 8–0, 85 m i förhållande till ERA-Interim; Fig. 1c), men korrelationen förblir relativt hög ( 0, 91 och 0, 88). Ytterligare utvärdering av modellförmåga inklusive bedömning av mellanåriga variationer bias och historiska trender ges i den kompletterande informationen.

a - i, Vänster-, mitt- och högerdiagram visar jämförelser av årliga, JFM respektive JAS. Globala jämförelser indikeras i blått, södra halvklotet i rött, ekvatorial region i grönt och norra halvklotet i svart. HEA12 körs (cirklar); MEA10 (uptrianglar); FEA12 (diamanter); SEA12 (kvadrater) och WS06 (nedtrianglar). Prickar anger rmsd och korrelation mellan ERA-Interim (fyllda markörer) och C-ERA40 (öppna markörer). Förspänning i förhållande till ERA-interim för varje enskild modell ingår i den kompletterande informationen. Notera den olinjära skalan på abscissen för varje delplott.

Bild i full storlek

Tre av de fem bidragsgivande grupperna (MEA10, FEA12 och HEA12) tillhandahöll TM- och θM-fält för jämförelse. Starka negativa förspänningar i TM och starka zonala förspänningar i θM observeras i MEA10-historiska tidsskivor (se kompletterande information). Detta är karakteristiskt för stark spridning av lågfrekvensvågor i denna modell. Som med HS , kluster de återstående medlemmarna med metodik, med en tendens till lägre korrelationer / större rmsd i SH under den australa vintern (JAS; Fig. 1f). Dessa skillnader observeras som en positiv (negativ) T M- förspänning i SH i HEA12 (FEA12) -medlemmarna (se kompletterande information).

Korrelation och rmsd-värden för θ M visar en liknande nivå av överensstämmelse som för T M. Korrelationsvärden varierar mellan 0, 62 (MEA12 ekv. Årligt och JAS-medel; fig. 1 g) till 0, 96 (HEA12 ekv. Årligt medelvärde; fig. 1g). Värdena för rmsd sträcker sig från 11 ° (FEA12 SH JAS-medelvärde; Fig. Li) till över 60 ° (MEA12 NH- och ekv. JFM-medelvärde; Fig. 1h). Både HEA12- och FEA12-modellerna visar liknande egenskaper med en förspänning på cirka 15 ° mot ökat zonal (östligt) flöde i ekvatorregionerna och en ökad sydlig komponent i södra Oceanen (se tilläggsinformation).

Signaler om planerad förändring i H S visar överensstämmelse mellan modeller över betydande delar av det globala havet (Fig. 2). Förändringar i det fleråriga årliga medelvärdet H S (

) visa en konsekvent beräknad minskning bland modeller över ett större område (25, 8% av det globala havet) och konsekventa ökningar över ett mindre område (7, 1% av det globala havet; tabell 1). Beräknade ökningar under

är vanligtvis begränsade till södra oceanen, i samband med en förstärkning av västvärden 17 . Små områden med prognostiserad ökning i det tropiska östra Stilla havet är förknippade med en växande komponent av södra havet (underbyggd av ökande T M — se nedan). En överenskommen minskning år 2004

över alla modeller projiceras i alla andra havsområden, särskilt i subtroperna. I Nordatlanten sträcker sig denna minskning över alla säsonger, i allmänhet i överensstämmelse med beräknade vindförändringar i det sammankopplade modellintercomparison-projektet, fas 3 (CMIP3; ref. 18) flermodelluppsättning 9 . Under den boreala vintern (JFM; Fig. 2c) förbättras det relativa området för den projicerade minskningen (38, 5% (4, 9%) av haven visar den beräknade minskningen (ökning); tabell 1). På den australa vintern (JAS; Fig. 2d) är regioner med beräknade minskningar och ökningar emellertid jämförbara med cirka 8% av det globala havet (tabell 1). En anmärkningsvärd region med överenskomna beräknade ökningar observeras i den södra Stillahavs handelsvindzonen, i överensstämmelse med beräknad förstärkning av östliga handelsvindar i vintersubstroferna i CMIP3-flermodelldataset 19 .

a, medelvärde med flera årliga signifikanta våghöjder ( H S, m) för den tidsskiva som representerar det nuvarande klimatet (∼ 1979–2009). b - d, medelvärden för flera modellerade projicerade förändringar i årliga ( b ), JFM ( c ) och JAS ( d ) betyder HS för den framtida tidsskivan (∼ 2070–2100) i förhållande till den nuvarande klimattidskivan (∼ 1979–2009) (% förändring). Stippling anger områden där storleken på multimodellenhetens medelvärde överstiger mellanmodellen standardavvikelse. Resultat för enskilda modeller ingår i den kompletterande informationen.

Bild i full storlek

Full storlek bord

Även om området för den beräknade ökningen av H S är relativt begränsad i omfattning (till Södra havet), visar den beräknade ökningen i T M över ett mycket större område (30, 2% av det globala havet visar en ökning av den årliga genomsnittliga TM ; tabell 1 och Fig. 3) visar det utökade inflytandet av en förbättrad generering av vågorna i södra havet som sprider sig när de sväller norrut över det globala havet. Detta södra havsinflytande på TM är stort under den australa vintern (33, 6% av det globala havet visar en kraftig beräknad ökning i JAS-medelvärden TM ; tabell 1), men inte under den boreala vintern (44, 6% av det globala havet visar en robust projicerad minskning i JFM-medelvärde TM ; tabell 1).

a, medelvärde för flera årliga genomsnittliga vågperioder ( T M, s) för tidsskivan som representerar nuvarande klimat (∼ 1979–2009). b - d, medelvärden av flera modellerade projicerade förändringar i årliga ( b ), JFM ( c ) och JAS ( d ) betyder T M för den framtida tidsskivan (∼ 2070–2100) i förhållande till den nuvarande klimat-tidsskivan (∼ 1979–2009) (absolut förändring, sekunder). Medelvågperiod från endast två grupper används (HEA12 och FEA12). Stippling anger områden där de två modellerna är överens om tecken på förändring. Resultat för enskilda modeller, inklusive MEA10, ingår i den kompletterande informationen.

Bild i full storlek

Strandlinjens position är lika känslig för riktningsförändringar som för förändringar i våghöjd 20 . Projekterade rotationsriktning moturs med wiseM (fig. 4) är främst belägen på norra sidan av de extratropiska stormbälten (västliga regioner) i södra havet, norra Stilla havet och Atlanten (19, 7%, 21, 4% och 12, 7% av det globala havet) i årliga betyder JFM respektive JAS). Dessa överensstämmer med en ökad sydlig komponent av θ M associerad med projicerade poleward-förskjutningar av stormspåren 17 . I det södra ekvatorialområdet är den projicerade rotationen medurs i associated M associerad med mer sydliga vindvågor. I den norra ekvatorialregionen är den projicerade rotationen medurs förknippad med mer östliga vindvågor. Båda funktionerna överensstämmer med ett större bidrag från södra oceanen.

a, medeltal flermodell årlig medelvågriktning ( θ M, ° N) för en historisk tidsskiva (∼ 1979–2009). Vektorerna indikerar anvisningarna i den vänstra färgfältet. b - d, genomsnittliga flermodell projicerade förändringar i årliga ( b ), JFM ( c ) och JAS ( d ) medelvågriktning ( θ M ) för en projicerad tidsskiva (∼ 2070–2100) relativt historiskt klimat (absolut ändra ° medurs). Vektorriktningen anger θ M för den historiska tidsskivan. Färg anger storleken på den projicerade förändringen enligt den högra färgfältet. Medelvågriktningar från tre grupper används (HEA12, MEA10 och FEA12). Endast områden där grupper är överens om tecken på förändring är färgade. Resultat för enskilda modeller ingår i den kompletterande informationen.

Bild i full storlek

En säsongsignal om projicerade förändringar i θ M observeras i Ekvatoriala Stilla havet. På den boreala vintern (JFM; Fig. 4b) ger rotationen moturs (upp till 10 °) av vågorna som genereras av den östliga handelsvinden i det norra ekvatoriala Stilla havet en ökad nordlig komponent (som sprider sig bort från det norra extratropiska stormbältet). På den australa vintern (JAS; fig. 4c) antyder en projicerad rotation moturs i det södra ekvatoriala Stilla havet en ökad sydostlig komponent, i överensstämmelse med beräknad förstärkning av handelsvindar i regionen förknippad med starkare projicerad havsytemperaturökning på ekvatorn relativt till södra Stilla havet 21 .

Funktioner i den projicerade förändringen i vågklimatet som observerats i vår studie överensstämmer med en bredare förståelse av våg-klimatvariationen som ett svar på beräknade förändringar i atmosfärcirkulationen. Se kompletterande information för en diskussion om förändringarna i klimatregimer som är potentiellt ansvariga för de dominerande särdragen i den planerade vågklimatförändringen.

En rad projicerade scenarier är tydliga inom ensemblen (se kompletterande information) på grund av de många osäkerhetsnivåerna i framtida vågklimatprojektioner som härrör från olika källor, införda i olika stadier i modelleringsprocessen. Vår datauppsättning beskrivs bäst som en sammansättning av möjligheter och det är erkänt att det är svårt att extrahera policyrelevant information och kvantifiera osäkerheter från en sådan datamängd 22 . Vår ensemble presenterar många utmaningar, i och med att den är för begränsad för att ta prov på hela osäkerhetsområdet. Simuleringar inom ensemblen spänner över olika tvångsscenarier, GCM: er, nedskalning och vågmodelleringsmetoder, otillräckligt provtagna för att lösa dominerande variationskällor. Begränsad analys (se kompletterande information) antyder att den dominerande variationskällan för planerad vågklimatförändring i de tillgängliga studierna är en metodfunktion. WS06 (ref.12) fann osäkerheten på grund av skillnader mellan tre klimatmodeller de bedömde var mycket större än den på grund av skillnader mellan de tre tvingande scenarierna som beaktades. Från denna studie föreslår vi den tredje osäkerhetsnivån de diskuterade men inte kvantifierade (det vill säga osäkerheten på grund av olika tillvägagångssätt för att generera regionalskalig klimatförändringsinformation från globala klimatmodellsimuleringar, till exempel användningen av olika regionala klimatmodeller, eller dynamiska kontra statistiska metoder för nedskalning, eller olika statistiska tillvägagångssätt) är större än att tvinga och modellera osäkerheter.

Den nuvarande ensemblen av vågklimatprojektioner härstammar från CMIP3 GCM-simuleringar. De låga temporära och rumsliga upplösningsarkiven från CMIP3 hade begränsad tillämpning för vindvågstudier. CMIP5 (ref. 23) tillhandahåller en datamängd som möjliggör förbättrad systematisk provtagning av osäkerhet i vågklimatprojektioner. Även om vågklimatsamhället är hoppfullt, återstår det att se om CMIP5-härledda prognoser kommer att göra det möjligt att bättre kvantifiera varianskällor inom vindvågensemblen.

Fram till nyligen har kustpåverkan av klimatstudier varit upptagen med påverkan av havsnivån. Det finns ett behov att bestämma hur andra drivkrafter i kustzonen (till exempel vågor och stormvågor) kommer att reagera på ett förändrat klimat för att hjälpa dessa studier. Här har vi visat att vågklimatet beräknas förändras över stora områden i det globala havet i ett framtida klimat, men ett brett spektrum av osäkerhet omger dessa prognoser som domineras av metoder för nedskalning. Prognoser för stormstörningsklimat uppvisar troligen samma egenskaper. Den årliga variationen i vågor och vågor är en dominerande källa till kustlinjens varians 24, i vissa fall som överstiger påverkan av den beräknade höjningen av havsnivån 20 . Lågt förtroende för beräknade förändringar av vindvågskarakteristika (höjd, längd och riktningar) ställer stora tvivel om den mycket höga förtroendekategorin som kuster kommer att utsättas för ökad risk i ett framtida klimat 25 .

metoder

Månadsmedelvärde HS , medelvågperiod, TM och medelvågriktning θ M erhölls från varje vågklimatprojektionsdatauppsättning (kompletterande tabell SM2). Den enda parameter som är gemensam för alla datauppsättningar är det månatliga medelvärdet H S (20 ensemblemmedlemmar), och denna parameter är fokus för intercomparison. Men klimatförändringsdrivna effekter (offshore och / eller i kustzonen) kommer troligen också att bero på förändringar i TM och θM . T M är tillgängligt från 2 studier (4 ensemblemedlemmar), och θ M finns tillgängligt från 3 studier (5 ensemblemedlemmar). Den projicerade förändringen i dessa begränsade ensembler för dessa vågparametrar övervägs också.

För varje datamängd bestäms årliga och säsongsmässiga (JFM och JAS) medel för en given vågparameter från arkivet med månadsvärden för var och en av de nuvarande och projicerade tidsskivorna. Vi noterar skillnader i definitionen av nuvarande vågklimat mellan studier (till exempel SEA12: s nuvarande tidsskiva, 1959–1990, skiljer sig avsevärt från andra studier som har en gemensam period 1979–2004). För att underlätta jämförelse mellan studier antar vi att skillnader mellan studier för det nuvarande klimatet kan hänföras till modellfel och inte från vågklimatets icke-stationära.

Modelfärdighet för det nuvarande vågklimatet bedöms genom jämförelse med vågfält erhållna från ERA-Interim 15 (1979–2009) och statistiskt korrigerade ERA-40 (ref. 16; C-ERA40, 1979–2002) reanalyser. En låg förspänning i ERA-40 HS (ref.26) rapporterades i ref. 16, i vilken den statistiskt korrigerade HS (C-ERA40) datauppsättningen som användes i denna studie utvecklades. Dynamiska fördomar i TM och remain M kvarstår i ERA-40-data, och vi inkluderar inte dessa data i vår studie. På grund av den allmänna bristen på vågdata kommer en assimilativ vågreanalys starkt att bero på bakgrundsmodellen och kommer aldrig att vara datadominerad och felstatistiken för en sådan reanalys är inhomogen och kan inte uppskattas effektivt. Årliga och säsongsmässiga medelvärden för HS , TM och θ M bestäms för det nuvarande klimatet med en rumsupplösning på 1, 5 ° från de 6 timmars arkiven. Klimamodellvågfält interpoleras på ERA-Interim / C-ERA40-nätet innan beräkningar av rmsd och rumslig korrelationskoefficient för varje variabel ( HS , TM och θ M ) beräknas som enkla mått för att jämföra modellprestanda. Korrelation och rmsd beräknas för varje modell över den nuvarande tidsskivan mot ERA-Interim och C-ERA40 globalt (G), över regionerna norr om 30 ° N (NH), mellan 30 ° N och 30 ° S (ekv) och söder om 30 ° S (SH) för årliga och säsongsbetonade januari – mars (JFM) och juli – september (JAS) - medel (fig. 1).

Förändringar i H S- statistik mellan de två (nuvarande och framtida) tidsdelarna beräknas som procentuella förändringar. Projicerade T M- förändringar beräknas som absoluta värden, och förändringar i θ M beräknas som medurs eller moturs rotation i grader relativt det nuvarande klimatmedlet. En multimodell genomsnittlig projicerad förändring bestäms. Fjorton statistiska projicerade scenarier finns tillgängliga från WS06, medan andra grupper som bidrar med dynamiska projektioner består av bara ett eller två projicerade scenarier. Följaktligen skulle ett jämnt viktat medelvärde för alla beräknade scenarier vägas felaktigt till de statistiska prognoserna 22 . Tillhandahållandet av vågklimatprognoser är i en preliminär fas och mätvärden för modellprestanda är inte väl etablerade. Följaktligen var vårt mål att begränsa viktning eller rangordning av någon befintlig studie jämfört med någon annan. Hela ensemblen reducerades därför till 5 medlemmar, varvid varje medlem bestod av genomsnittet från en given studie (till exempel reducerades WS06-ensemblen med 14 medlemmar till en enda medlem). Detta val gjordes på grundval av att modellförmågan var starkt beroende av metod (eller grupp som vågfältet härstammar från). Figur 1 visar gruppering av resultat beroende på deras ursprung. Vidare visar analys av projicerad förändring från alla enskilda ensemblem medlemmar en stark likhet beroende på deras ursprung (se kompletterande information).

För medelvärde HS (tillgängligt från alla grupper) erhålls kartan över genomsnittlig projicerad förändring som 5-medlemmars multimodellmedelsskillnad mellan projicerade och nuvarande klimatvågfält. Stippling visas där multimodellmedelssvaret överstiger modellspridningen (uppmätt som en standardavvikelse över de 5 medlemmarna) som ett enkelt mått på modellöverenskommelsen (Fig. 2). Distribution av medel är inte tillgänglig från alla studier, vilket förbjuder en mer sofistikerad strategi 27 . För andra parametrar som inte var tillgängliga från alla grupper bestämdes det genomsnittliga svaret för flera modeller från färre medlemmar (2 eller 3 beroende på variabel). I dessa fall visas stippling som ett mått på modellavtal där alla modeller är överens om tecken på förändring (fig 3 och 4). För årliga och säsongsmässiga medel för varje vågvariabel bestämdes den procentuella arean av det globala havet som uppvisade överenskomna (enligt ovanstående definitioner) ökad och minskad (tabell 1).

Förändra historien

Kompletterande information

PDF-filer

  1. 1.

    Kompletterande information

    Kompletterande information