és s kommunikáci Szépszó Gabriella (szepszo.g@met.hu), Krüzselyi Ilona, Szabó Péter, Zsebeházi Gabriella Klímamodellezı Csoport Éghajlati Osztály

Átírás

1 A jövıbeli j éghajlati projekciók bizonytalanságai és s kommunikáci ciójuk Szépszó Gabriella (szepszo.g@met.hu), Krüzselyi Ilona, Szabó Péter, Zsebeházi Gabriella Klímamodellezı Csoport Éghajlati Osztály 40. Meteorológiai Tudományos Napok november 20.

2 TARTALOM 1. Motiváci ció 2. Bizonytalanságok 3. Számszer mszerősítés 4. Tervek, kihívások

3 Motiváci ció Az éghajlati rendszer viselkedése és a jövıbeli klímaváltozás numerikus modellek segítségével tanulmányozható A meteorológiai elırejelzések (idıjárás-elırejelzések és éghajlati projekciók) szükségszerően bizonytalanságokat tartalmaznak A felhasználók elvárásai (adatigénye) és a meteorológiai modellek lehetıségei között némi rés van: a felhasználók alapvetıen a mérések pontosságához (?) és részletességéhez vannak szokva Hogyan lehet ezt szakmailag vállalható módon áthidalni? november Meteorológiai Tudományos Napok 3

4 Éghajlati modellezés Teljes éghajlati rendszer leírása: kapcsolt modellekkel 90-es évek Globális modellek: km-es horizontális felbontás Globális információk finomítása: regionális éghajlati modellekkel Validáció Kisebb terület, finomabb (10-25 kmes) felbontás, folyamatok pontosabb leírása Projekciók Fejlesztés Hatásvizsgálatok november Meteorológiai Tudományos Napok 4

5 Éghajlati modellezés Teljes éghajlati rendszer leírása: kapcsolt modellekkel 90-es évek Ma Globális modellek: km-es horizontális felbontás Globális információk finomítása: regionális éghajlati modellekkel Kisebb terület, finomabb (10-25 kmes) felbontás, folyamatok pontosabb leírása Projekciók Validáció Forrás: IPCC, AR4 Fejlesztés Hatásvizsgálatok november Meteorológiai Tudományos Napok 4

6 Elırejelezhet rejelezhetıség és s bizonytalanság november Meteorológiai Tudományos Napok 5

7 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: november Meteorológiai Tudományos Napok 5

8 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: november Meteorológiai Tudományos Napok 5

9 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: Kiindulási állapot meghatározása november Meteorológiai Tudományos Napok 5

10 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) november Meteorológiai Tudományos Napok 5

11 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) Természetes változékonyság: külsı kényszer nélkül is létezı változékonyság, ingadozás november Meteorológiai Tudományos Napok 5

12 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) Természetes változékonyság: külsı kényszer nélkül is létezı változékonyság, ingadozás Emberi tevékenység: forgatókönyvek a jövıbeli társadalmi-gazdasági fejlıdés alternatíváira november Meteorológiai Tudományos Napok 5

13 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: idıjárás Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) Természetes változékonyság: külsı kényszer nélkül is létezı változékonyság, ingadozás Emberi tevékenység: forgatókönyvek a jövıbeli társadalmi-gazdasági fejlıdés alternatíváira november Meteorológiai Tudományos Napok 5

14 idıjárás Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: éghajlat Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) Természetes változékonyság: külsı kényszer nélkül is létezı változékonyság, ingadozás Emberi tevékenység: forgatókönyvek a jövıbeli társadalmi-gazdasági fejlıdés alternatíváira november Meteorológiai Tudományos Napok 5

15 idıjárás Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: éghajlat Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) Természetes változékonyság: külsı kényszer nélkül is létezı változékonyság, ingadozás Emberi tevékenység: forgatókönyvek a jövıbeli társadalmi-gazdasági fejlıdés alternatíváira november Meteorológiai Tudományos Napok 5

16 idıjárás Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: éghajlat Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) Természetes változékonyság: külsı kényszer nélkül is létezı változékonyság, ingadozás Emberi tevékenység: forgatókönyvek a jövıbeli társadalmi-gazdasági fejlıdés alternatíváira november Meteorológiai Tudományos Napok 5

17 Elırejelezhet rejelezhetıség és s bizonytalanság A felhasználók kategorikus jellegő elırejelzéseket várnak a meteorológiai elırejelzések bizonytalanságot hordoznak, melynek legfontosabb forrásai: idıjárás éghajlat Kiindulási állapot meghatározása Modellek közelítı jellege: eltérı numerikus módszerek, parametrizáció (regionális modellek esetében többszörösen) Természetes változékonyság: külsı kényszer nélkül is létezı változékonyság, ingadozás Emberi tevékenység: forgatókönyvek a jövıbeli társadalmi-gazdasági fejlıdés alternatíváira Sugárzási kényszer [W/m 2 ]; referencia: 1765 IPCC AR november Meteorológiai Tudományos Napok 5

18 Bizonytalanságok számszer mszerősítésese Ensemble technika: egy modellkísérlet helyett több, kismértékben különbözı szimuláció Éghajlati skálán: több forgatókönyv, több modell Egyformán lehetséges (?) eredmények valószínőségi információk Nagy számításigény nemzetközi együttmőködések Globális: CMIP3 CMIP5 Regionális: PRUDENCE ENSEMBLES CORDEX november Meteorológiai Tudományos Napok 6

19 Bizonytalanságok számszer mszerősítésese Ensemble technika: egy modellkísérlet helyett több, kismértékben különbözı szimuláció Éghajlati skálán: több forgatókönyv, több modell Egyformán lehetséges (?) eredmények valószínőségi információk Nagy számításigény nemzetközi együttmőködések Globális: CMIP3 CMIP5 Regionális: PRUDENCE ENSEMBLES CORDEX % % medián november Meteorológiai Tudományos Napok 7

20 Bizonytalanságok aránya Globális átlaghımérséklet Vizsgálat: 15 globális éghajlati modell x 3 forgatókönyv = 45 szimuláció november Meteorológiai Tudományos Napok 8

21 Bizonytalanságok aránya Globális átlaghımérséklet Vizsgálat: 15 globális éghajlati modell x 3 forgatókönyv = 45 szimuláció november Meteorológiai Tudományos Napok 8

22 Bizonytalanságok aránya Globális átlaghımérséklet Vizsgálat: 15 globális éghajlati modell x 3 forgatókönyv = 45 szimuláció november Meteorológiai Tudományos Napok 8

23 Bizonytalanságok aránya Globális átlaghımérséklet Vizsgálat: 15 globális éghajlati modell x 3 forgatókönyv = 45 szimuláció Relatív arány [%] Változékonyság Szcenárió Modell Évek november Meteorológiai Tudományos Napok 8

24 Modellfejlesztés csökken kkenı bizonytalanság? J.H. Christensen, IPCC AR5-AR4 nyomán november Meteorológiai Tudományos Napok 9

25 A csapadékprojekci kprojekciók természete Globális Szcenárió A csapadék-projekciókban fıként a fizikai folyamatok leírásának nehézsége okozza a bizonytalanságot A terület szőkítésével a változékonyság szerepe nı Változékonyság Európa Modell Évek november Meteorológiai Tudományos Napok 10

26 A csapadékprojekci kprojekciók természete Globális Szcenárió A csapadék-projekciókban fıként a fizikai folyamatok leírásának nehézsége okozza a bizonytalanságot A terület szőkítésével a változékonyság szerepe nı Változékonyság Európa 20 mm-t meghaladó csapadékösszegő napok számának változása Magyarországra Modell Szépszó, 2014 Évek november Meteorológiai Tudományos Napok 10

27 Felhasználás Objektív döntéshozatal: számszerő hatásvizsgálatok az éghajlatváltozás egyéb hatásaira (egészségre, környezetre, stb.) Kiindulás: modelleredmények + bizonytalanságok november Meteorológiai Tudományos Napok 11

28 Bizonytalansági informáci ciók k a felhasználóknak november Meteorológiai Tudományos Napok 12

29 Bizonytalansági informáci ciók k a felhasználóknak Átlagos téli csapadékváltozás [%] re Modell 1 Modell 2 csökkenés : növekedés = 1 : november Meteorológiai Tudományos Napok 12

30 Bizonytalansági informáci ciók k a felhasználóknak Átlagos téli csapadékváltozás [%] re Modell 1 Modell 2 csökkenés : növekedés = 1 : 1 Változás 17 modell alapján csökkenés : növekedés 5 : november Meteorológiai Tudományos Napok 12

31 Bizonytalansági informáci ciók k a felhasználóknak Átlagos téli csapadékváltozás [%] re Modell 1 Modell 2 csökkenés : növekedés = 1 : 1 Változás 17 modell alapján csökkenés : növekedés 5 : november Meteorológiai Tudományos Napok 12

32 Bizonytalansági informáci ciók k a felhasználóknak Átlagos téli csapadékváltozás [%] re Modell 1 Modell 2 csökkenés : növekedés = 1 : 1 Növekedés valószínűsége [%], 17 modell Változás 17 modell alapján csökkenés : növekedés 5 : 12 növekedés % november Meteorológiai Tudományos Napok 12 %

33 Gyakorlatban bevált példa A valószínőségi térkép elegáns eszköz a bizonytalanság számszerősítésére sajnos nem mindenki tudja használni ECCONET EU FP7 projekt: a klímaváltozás hatása a folyami hajózásra a Duna és a Rajna folyókon Éghajlatváltozás hidrológiai változások hajózásra (hajózhatóságra) gyakorolt hatások gazdasági hatások A hidrológiai folyamatok leírásához teljes meteorológiai outputok szükségesek nem elegendı egy valószínőségi térkép Reprezentatív meteorológiai projekciók kiválasztása Hidrológiai szimulációk, majd a további hatásvizsgálatok elvégzése kiindulás: reprezentatív projekciók november Meteorológiai Tudományos Napok 13

34 Eredmény Reprezentatív projekciók a nyári csapadékváltozásra [%] Idıszak: Nyári félév lefolyásának változása [%] re Szépszó et al., november Meteorológiai Tudományos Napok 14

35 Tervek, kihívások Párbeszéd a felhasználókkal: A meteorológiai modellek korlátairól (nem tudunk mindent adni) A hatásvizsgálatokat végzı szakemberek felkészítése valószínőségi (jellegő) információk alkalmazására A hatásvizsgáló eljárások felkészítése a modelleredmények felhasználására modelloutputok tuningolása Fontos a hatásvizsgálatok végigvitele november Meteorológiai Tudományos Napok 15

36 Pozitív v példp ldák Nemzeti Alkalmazkodási Térinformatikai Rendszer (NATéR): Több kibocsátási forgatókönyv, több regionális klímamodell A felhasználóknak nem lesz (?) lehetıségük figyelmen kívül hagyni a bizonytalansági információkat PROFORCE: valószínőségi információk + képzés a rövidtávú elırejelzések felhasználóinak november Meteorológiai Tudományos Napok 16

37 Köszönöm m a figyelmet! Honlap: november 20.