A klímamodellezés szépségei egy szélmalomharc tükrében

Átírás

1 A klímamodellezés szépségei egy szélmalomharc tükrében Szépszó Gabriella Klímamodellező Csoport Éghajlati Osztály Róna Zsigmond Ifjúsági Kör október 16.

2 TARTALOM 1. Motiváció 2. Éghajlati modellezés 3. Regionális vizsgálatok 4. Felhasználás 5. Néhány szubjektív gondolat

4 Motiváció előtt Köszönöm szépen a Róna Zsigmond díjat! Megtisztelő, mert 1. Azon kevés díjak egyike, ami mentes a szakmai és egyéb játszmáktól a díjazottak névsorában több olyan ember van, akikre magam is felnézek (jólesik közéjük tartozni); 2. A díjat általában fiatal meteorológusoknak adják (már nem is vagyok olyan fiatal) október 16. Róna Zsigmond Ifjúsági Kör 4

5 A klímadinamikai kutatások 10 éve indultak meg hazánkban, először itt az OMSZ-ban (mi az a klímadinamika?) Hová fejlődtünk ennyi idő alatt? Klímamodelleket adaptáltunk Éghajlati szimulációkat futtatunk Módszertant fejlesztettünk és fejlesztünk Bekapcsolódtunk a nemzetközi vérkeringésbe A modelladatainkat nemzetközi projektek keretében hatásvizsgálatokra használják Mi a helyzet itthon? Motiváció október 16. Róna Zsigmond Ifjúsági Kör 5

6 Volt egyszer egy előadás a magyar tudomány Achilles-sarkáról Milyen intézmények foglalkoznak ma a klímaváltozással hazánkban? N. Fejlesztési Minisztérium (Klímapolitikai Főosztály, IPCC), Belügyminisztérium (OKF) Földművelésügyi Minisztérium? N. Alkalmazkodási Központ (MFGI NÉS) OMSZ? Regional Environmental Center, Klímapolitika Kft., Klímabarát Települések Szövetsége, Energia Klub Milyen modelleket használunk Magyarországon? ALADIN, PRECIS, RegCM, REMO október 16. Róna Zsigmond Ifjúsági Kör 6

8 Éghajlati rendszer A légkör és a négy geoszféra kölcsönhatásban álló együttese Prognosztikai érték: lassú komponensek október 16. Róna Zsigmond Ifjúsági Kör 8

9 Éghajlati modellezés A rendszer túl bonyolult ahhoz, hogy viselkedését elméleti úton kitaláljuk szerencsére nem is kell! Folyamatait fizikai törvények kormányozzák matematikai egyenletek minden komponensre Nem-lineáris parciális differenciálegyenlet-rendszer kezdeti és határfeltételek numerikus megoldás október 16. Róna Zsigmond Ifjúsági Kör 9

10 Kormányzó egyenletek A légkör esetében: Mozgásegyenletek Tömeg-megmaradás Energia-megmaradás Nedvesség tömeg-megmaradása Állapotegyenlet dv dt 1 p g 2 v F S d divv dt dq dt dp cp dt dt dt dq 1 M dt p RT Az óceán esetében: T t S t 2 T L( T) 2 z 2 S L( S) 2 z A A H H 2 2 T S október 16. Róna Zsigmond Ifjúsági Kör 10

11 A numerikus megoldás KEZDETI ÁLLAPOT MEGADÁSA MODELL-INTEGRÁLÁS UTÓ-FELDOLGOZÁS Mérési információk gyűjtése, ellenőrzése, modellrácsra előállítása (adatasszimiláció) A parciális differenciálegyenlet-rendszer közelítő megoldása Átlagok, speciális paraméterek származtatása, megjelenítés A kezdeti feltételek hatása hamar elvész előrejelezhetőség Adatasszimiláció jelentősége a klímakutatásban: re-analízisek október 16. Róna Zsigmond Ifjúsági Kör 11

12 Modellkomponensek és csatolásuk Felszíni modell: talaj leírása Óceáni modell: tengeráramlatok, tengerjég Légköri modell Levegőkémia: aeroszolok, CO 2 körforgalom Élővilág október 16. Róna Zsigmond Ifjúsági Kör 12

13 Modellkomponensek és csatolásuk Felszíni modell: talaj leírása Óceáni modell: tengeráramlatok, tengerjég Légköri modell Levegőkémia: aeroszolok, CO 2 körforgalom Élővilág október 16. Róna Zsigmond Ifjúsági Kör 12

14 Emberi tevékenység figyelembevétele Sugárzási kényszer [W/m 2 ] új forgatókönyvek kifutó forgatókönyvek október 16. Róna Zsigmond Ifjúsági Kör 13

15 Regionális sajátosságok Globális modellek: km-es rácssűrűség Finomítás: leskálázási módszerek Regionális éghajlati modellezés Kisebb terület, nagyobb felbontás: km Fizikai folyamatok és felszíni jellemzők pontosabb leírása Tartományon kívül zajló folyamatok figyelembevétele Átlaghőmérséklet [ o C], Globális Regionális október 16. Róna Zsigmond Ifjúsági Kör 14

16 Előrejelezhetőség és bizonytalanság október 16. Róna Zsigmond Ifjúsági Kör 15

17 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) október 16. Róna Zsigmond Ifjúsági Kör 15

18 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) A meteorológiai előrejelzések bizonytalanságot hordoznak, melynek forrásai: október 16. Róna Zsigmond Ifjúsági Kör 15

19 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) A meteorológiai előrejelzések bizonytalanságot hordoznak, melynek forrásai: 1. Kiindulási állapot meghatározása: a jelen állapot sem mérhető meg pontosan október 16. Róna Zsigmond Ifjúsági Kör 15

20 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) A meteorológiai előrejelzések bizonytalanságot hordoznak, melynek forrásai: 1. Kiindulási állapot meghatározása: a jelen állapot sem mérhető meg pontosan 2. Modellek közelítő jellege: eltérő közelítő módszerek különbségek az eredményekben október 16. Róna Zsigmond Ifjúsági Kör 15

21 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) A meteorológiai előrejelzések bizonytalanságot hordoznak, melynek forrásai: 1. Kiindulási állapot meghatározása: a jelen állapot sem mérhető meg pontosan 2. Modellek közelítő jellege: eltérő közelítő módszerek különbségek az eredményekben 3. Természetes változékonyság: ingadozás, az éghajlati rendszer belső tulajdonsága október 16. Róna Zsigmond Ifjúsági Kör 15

22 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) A meteorológiai előrejelzések bizonytalanságot hordoznak, melynek forrásai: 1. Kiindulási állapot meghatározása: a jelen állapot sem mérhető meg pontosan 2. Modellek közelítő jellege: eltérő közelítő módszerek különbségek az eredményekben 3. Természetes változékonyság: ingadozás, az éghajlati rendszer belső tulajdonsága 4. Emberi tevékenység: a jövőbeli fejlődés kiszámíthatatlansága október 16. Róna Zsigmond Ifjúsági Kör 15

23 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) A meteorológiai előrejelzések bizonytalanságot hordoznak, melynek forrásai: 1. Kiindulási állapot meghatározása: a jelen állapot sem mérhető meg pontosan 2. Modellek közelítő jellege: eltérő közelítő módszerek különbségek az eredményekben 3. Természetes változékonyság: ingadozás, az éghajlati rendszer belső tulajdonsága 4. Emberi tevékenység: a jövőbeli fejlődés kiszámíthatatlansága időjárás október 16. Róna Zsigmond Ifjúsági Kör 15

24 Előrejelezhetőség és bizonytalanság A felhasználók szeretnek úgy tekinteni az előrejelzésekre, mint amik 100 %-osan jók (vagy rosszak) A meteorológiai előrejelzések bizonytalanságot hordoznak, melynek forrásai: 1. Kiindulási állapot meghatározása: a jelen állapot sem mérhető meg pontosan 2. Modellek közelítő jellege: eltérő közelítő módszerek különbségek az eredményekben 3. Természetes változékonyság: ingadozás, az éghajlati rendszer belső tulajdonsága 4. Emberi tevékenység: a jövőbeli fejlődés kiszámíthatatlansága időjárás éghajlat október 16. Róna Zsigmond Ifjúsági Kör 15

25 Relatív arány [%] Bizonytalanságok számszerűsítése Ensemble technika Éghajlati skálán: több forgatókönyv, több globális és regionális modell Nagy számításigény nemzetközi együttműködések Globális: CMIP3 CMIP5 Regionális: PRUDENCE Hőmérséklet Csapadék Változékonyság Szcenárió Modell ENSEMBLES CORDEX Évek 16 Hawkins & Sutton, 2009, október 16. Róna Zsigmond Ifjúsági Kör 19

26 Relatív arány [%] Bizonytalanságok számszerűsítése Ensemble technika Hőmérséklet Éghajlati skálán: több forgatókönyv, több globális és regionális modell Szcenárió J.H. Christensen, IPCC AR5-AR4 nyomán Nagy számításigény nemzetközi együttműködések Globális: CMIP3 CMIP5 Regionális: PRUDENCE Csapadék Változékonyság Modell ENSEMBLES CORDEX Évek 16 Hawkins & Sutton, 2009, október 16. Róna Zsigmond Ifjúsági Kör 19

28 Egyszer volt, hol nem volt Volt egyszer az OMSZ-ban egy Kutatási és Fejlesztési Főosztály, abban pedig egy Numerikus Előrejelző Osztály Hajdanán a rövidtávú előrejelzés és az éghajlati modellezés egy osztály keretein belül történt (bár a későbbi névválasztás nem volt szerencsés: Numerikus Modellező és Éghajlatdinamikai Osztály) Klímamodellezés először 3, majd 4 fővel: ALADIN és REMO modellek adaptálása, futtatása, kiértékelése, szinoptikusklimatológia 2011: útelágazás Klímamodellező Csoport Jelenleg a KMCS az Éghajlati Osztály része október 16. Róna Zsigmond Ifjúsági Kör 18

29 A robotika 3 törvénye október 16. Róna Zsigmond Ifjúsági Kör 19

30 Éghajlati szimulációk A robotika készítésének 3 törvénye 3 törvénye október 16. Róna Zsigmond Ifjúsági Kör 19

31 Éghajlati szimulációk A robotika készítésének 3 törvénye 3 törvénye 0. Az éghajlat csak egy hosszabb időszak átlagában értelmezhető október 16. Róna Zsigmond Ifjúsági Kör 19

32 Éghajlati szimulációk A robotika készítésének 3 törvénye 3 törvénye 0. Az éghajlat csak egy hosszabb időszak átlagában értelmezhető 1. A modelleket először a múltra vonatkozóan tesztelik (összehasonlítás mérésekkel) az éghajlati szimulációk a múltban kezdődnek október 16. Róna Zsigmond Ifjúsági Kör 19

33 Éghajlati szimulációk A robotika készítésének 3 törvénye 3 törvénye 0. Az éghajlat csak egy hosszabb időszak átlagában értelmezhető 1. A modelleket először a múltra vonatkozóan tesztelik (összehasonlítás mérésekkel) az éghajlati szimulációk a múltban kezdődnek 2. Elvárt pontosság: egy hosszabb időszak éghajlati viszonyainak reprezentálása a szimulációk több (legalább három) évtizeddel a jelen állapot előtt kezdődnek október 16. Róna Zsigmond Ifjúsági Kör 19

34 Éghajlati szimulációk A robotika készítésének 3 törvénye 3 törvénye 0. Az éghajlat csak egy hosszabb időszak átlagában értelmezhető 1. A modelleket először a múltra vonatkozóan tesztelik (összehasonlítás mérésekkel) az éghajlati szimulációk a múltban kezdődnek 2. Elvárt pontosság: egy hosszabb időszak éghajlati viszonyainak reprezentálása a szimulációk több (legalább három) évtizeddel a jelen állapot előtt kezdődnek 3. Projekciók a jövőre: az éghajlatváltozási jel szignifikanciája a vizsgált jövőbeli és a referencia-időszak megfelelő távolsága a projekciók gyakran több, mint egy évszázadot ölelnek fel október 16. Róna Zsigmond Ifjúsági Kör 19

35 A REMO 5.0 modell jellemzői Europa Modell + ECHAM4 Rácsponti modell hibrid szintekkel Leapfrog séma szemi-implicit korrekcióval Prognosztikai változók: hőmérséklet, horizontális szélkomponensek, felszíni nyomás, specifikus nedvesség, felhővíz-tartalom Hidrosztatikus modell konvekció leírása parametrizációval (Tiedtke, Nordeng) Nagyskálájú csapadék: Sundquist, Roeckner 5 talajréteg Magasabbrendű lezárási séma Bővített Morcrette sugárzási séma október 16. Róna Zsigmond Ifjúsági Kör 20

36 A REMO-val végzett vizsgálatok Beállítások tesztelése: felbontás, felpörgési idő Éghajlati szimulációk: Időszak Határfeltétel Felbontás Forgatókönyv ERA km / 20 szint ECHAM5/MPI PI-OM 25 km / 20 szint A1B Kiértékelés: Validáció ( , ) Projekciók változások (főként , ) Összevetés más modellek eredményeivel október 16. Róna Zsigmond Ifjúsági Kör 21

37 Validáció

38 A regionális modell hozzájárulása ERA-40; 125 km Domborzat [m] ECHAM5/MPI-OM; 200 km REMO 5.0; 25 km október 16. Róna Zsigmond Ifjúsági Kör 23

39 A regionális modell hozzájárulása Átlaghőmérséklet [ o C]; október 16. Róna Zsigmond Ifjúsági Kör 24

40 A regionális modell hozzájárulása Átlagos nyári 700 hpa-os relatív nedvesség [%]; október 16. Róna Zsigmond Ifjúsági Kör 25

41 A határfeltételek hatása Eltérés az E-OBS megfigyelésektől; időszak: Éves átlaghőmérséklet [ o C] Éves csapadékösszeg [%] LBC: ERA-40 LBC: ECHAM5/MPI-OM október 16. Róna Zsigmond Ifjúsági Kör 26

42 A kétféle szimuláció értelmezése Magyarországi éves átlaghőmérséklet; időszak: Re-analízis határfeltételek Határfeltételek globális éghajlati modellből Megfigyelés-alapú határfeltétel: regionális eredmények a mérésekkel szinkronban Szimulált határfeltételek (a globális modellkísérlet 1860-tól): nem jelennek meg az egyes évek jellemzői október 16. Róna Zsigmond Ifjúsági Kör 27

43 A referencia-adatok hatása Magyarországi átlagos csapadékösszeg október 16. Róna Zsigmond Ifjúsági Kör 28

44 A referencia-adatok hatása Magyarországi átlagos csapadékösszeg október 16. Róna Zsigmond Ifjúsági Kör 28

45 A referencia-adatok hatása Magyarországi átlagos csapadékösszeg Költői kérdés: modellfejlesztés nélkül is elérhető javulás? október 16. Róna Zsigmond Ifjúsági Kör 28

46 A delta módszer létjogosultsága Terület: Magyarország; időszak: Havi átlaghőmérséklet Havi csapadékösszeg október 16. Róna Zsigmond Ifjúsági Kör 29

47 Projekciók Referencia-időszak:

48 Hőmérséklet Terület: Magyarország Havi átlaghőmérséklet Napi átlaghőmérséklet-értékek Nyári átlaghőmérséklet október 16. Róna Zsigmond Ifjúsági Kör 31

49 Csapadék Éves csapadékösszeg változása [%] október 16. Róna Zsigmond Ifjúsági Kör 32

50 Csapadék Éves csapadékösszeg változása [%] Magyarországi csapadékösszeg október 16. Róna Zsigmond Ifjúsági Kör 32

51 Csapadék október 16. Róna Zsigmond Ifjúsági Kör 33

52 Csapadék október 16. Róna Zsigmond Ifjúsági Kör 33

53 Csapadék Mérés + változás október 16. Róna Zsigmond Ifjúsági Kör 33

54 Összevetés más modellek eredményeivel

55 Téli csapadékváltozás [%], október 16. Róna Zsigmond Ifjúsági Kör 35

56 Téli csapadékváltozás [%], Szépszó, október 16. Róna Zsigmond Ifjúsági Kör 35

57 Téli csapadékváltozás [%], Szépszó, modell csökkenés : növekedés 5 : október 16. Róna Zsigmond Ifjúsági Kör 35

58 Téli csapadékváltozás [%], Szépszó, modell csökkenés : növekedés 5 : október 16. Róna Zsigmond Ifjúsági Kör 35

59 Téli csapadékváltozás [%], Szépszó, 2014 Horányi et al., 2013 Növekedés valószínűsége [%], 17 modell október modell csökkenés : növekedés 5 : 12 növekedés % Róna Zsigmond Ifjúsági Kör 35 %

60 Forgatókönyv-választás hatása Terület: Magyarország Rácspontonként 10 és 20 mm-t meghaladó csapadékösszegű napok előfordulásának változása Szépszó, október 16. Róna Zsigmond Ifjúsági Kör 36

61 Összefoglalás Különböző határfeltételek alkalmazása nagy eltéréseket okozhat a regionális és globális modell együttes fejlesztése Eltérő következtetések a különböző megfigyelési adatbázisokkal való validációnál megfelelő referencia választása, a fejlesztéshez is! Delta-módszer a jövőbeli projekcióknál Bizonytalanságok számszerűsítése elsősorban több modell alkalmazásával, ugyanis A forgatókönyv-választásból eredő bizonytalanság kisebb, mint a modellekből származó október 16. Róna Zsigmond Ifjúsági Kör 37

62 Összefoglalás Különböző határfeltételek alkalmazása nagy eltéréseket okozhat a regionális és globális modell együttes fejlesztése Eltérő következtetések a különböző megfigyelési adatbázisokkal való validációnál megfelelő referencia választása, a fejlesztéshez is! Delta-módszer a jövőbeli projekcióknál Bizonytalanságok számszerűsítése elsősorban több modell alkalmazásával, ugyanis A forgatókönyv-választásból eredő bizonytalanság kisebb, mint a modellekből származó október 16. Róna Zsigmond Ifjúsági Kör 37

64 Felhasználás Objektív döntéshozatal: számszerű hatásvizsgálatok az éghajlatváltozás egyéb hatásaira (egészségre, környezetre, stb.) Kiindulás: modelleredmények + bizonytalanságok október 16. Róna Zsigmond Ifjúsági Kör 39

65 Gyakorlati példa Nyári csapadékváltozás [%] re Nyári félév lefolyásának változása [%] re Szépszó et al., október 16. Róna Zsigmond Ifjúsági Kör 40

66 NATéR Alkalmazkodási adatbázis, ami egységes kiindulási adatokat nyújt a hatásvizsgálatokhoz néhány témában Finanszírozás: Norvég Alap Gazdája: MFGI/NAK Ebben a modellszimulációk fejlesztésében jut szerep az OMSZ-nak október 16. Róna Zsigmond Ifjúsági Kör 41

68 Néhány figyelemreméltó tény Nemzeti Alkalmazkodási Térinformatikai Rendszer Norvég Alap Az OMSZ bevonása fontos hazai pályázati keretekről szóló egyeztetésekbe? 2008-ban az OMSZ részt vett a Nemzeti Éghajlatváltozási Stratégia kidolgozásában 2013: 2. NÉS? A jelenlegi kapacitással egy 10 km-es felbontású REMO szimuláció elkészítése egy megfelelő tartományon 1-2 évig tartana az OMSZ-ban 4 éve nem volt nagygépes beruházás A klímamodellezésben kevesebb kutatás, több szolgáltatás hamarosan nem lesz miből (nem leszünk versenyképesek) október 16. Róna Zsigmond Ifjúsági Kör 43

69 Köszönöm a figyelmet!

70 Köszönöm a figyelmet! Honlap:

71 Köszönöm a figyelmet! Honlap: Akit ennél kevésbé érdekel a téma...