Projekce klimatu pro česko-saské pohraničí do roku Klimaprojektionen für den böhmischsächsischen

Transkript

1 Projekce klimatu pro česko-saské pohraničí do roku 2100 Klimaprojektionen für den böhmischsächsischen Grenzraum bis 2100 Petr Štěpánek a kol. Centrum výzkumu globální změny AV ČR, v.v.i.

2 Obsah Emisní scénáře Regionální klimatické modely Projekce klimatu pro česko-saské pohraničí

3 Použité scénáře pro projekci klimatu Budoucí vývoj emisí skleníkových plynů nelze z důvodů lidského chování předvídat, proto se používají tzv. emisí scénáře Tyto scénáře zohledňují v širokém rozmezí různé aspekty společenského, ekonomického a energetického vývoje IPCC (Mezivládní panel pro klimatickou změnu) - shromažďuje a propojuje aktuální vědecké poznání v oblasti změny klimatu a jejích dopadů - pro jeho hodnotící zprávy vědecká komunita definuje různé skupiny scénářů 3

4 Použité scénáře pro projekci klimatu SRES scénáře (IPCC AR4 4. hodnotící zpráva) SRES (Special Report on Emissions Scenarios) - 40 různých scénářů, každý s různými předpoklady o budoucích koncentracích skleníkových plynů, land-use a dalších vlivů (např. budoucí ekonomický vývoj). Tyto emisní scénáře jsou organizovány do skupin C C C C 4

5 Použité scénáře pro projekci klimatu SRES scénáře (IPCC AR4 4. hodnotící zpráva) A1B scénář - rovnováha mezi všemi zdroji energie (fosilní, nefosilní) 5

6 Použité scénáře pro projekci klimatu RCP scénáře (IPCC AR5 5. hodnotící zpráva) RCPs (Representative Concentration Pathways) reprezentativní směry vývoje koncentrací série 4 nových scénářů Pro projekce změny klimatu poskytují informace o budoucích emisích či koncentracích skleníkových plynů, aerosolů a jiných faktorů ovlivňujících klima (např. landuse změny užívání půdy, ) 6 Scénáře RCP vycházejí z kombinace integrovaných hodnotících modelů, jednoduchých klimatických modelů, modelů chemických procesů v atmosféře a modelů uhlíkového cyklu. Přestože scénáře RCP pokrývají široký rozsah celkových hodnot RF (radiační působení), nezahrnují veškerý rozsah emisí uváděný v odborné literatuře, zejména u aerosolů

7 Použité scénáře pro projekci klimatu RCP scénáře (pokračování) Jsou označeny podle přibližného celkového RF (radiační působení) v roce 2100 v porovnání s rokem 1750: 2.6 W.m -2 u RCP2.6 (scénář zmírňujících opatření výrazné snížení koncentrace CO 2 v atmosféře) 4,5 W.m -2 u RCP4.5 (stabilizace koncentrace CO 2 na nižší úrovni) 6,0 W.m -2 u RCP6.0 (stabilizace koncentrace CO 2 na vyšší úrovni) 8.5 W.m -2 u RCP8.5 (scénář bez omezení emisí) Kombinované ekvivalentní koncentrace CO 2 (včetně koncentrací CH 4 a N 2 O) činí 475 ppm (RCP2.6), 630 ppm (RCP4.5), 800 ppm (RCP6.0) a 1313 ppm (RCP8.5) 8

8 Použité scénáře pro projekci klimatu RCP scénáře - ekvivalentní koncentrace CO 2 9 zdroj:

9 10

10 Použité scénáře pro projekci klimatu RCP scénáře, zvýšení globální průměrné teploty při povrchu Scenario Mean and likely range Mean and likely range RCP (0.4 to 1.6) 1.0 (0.3 to 1.7) RCP (0.9 to 2.0) 1.8 (1.1 to 2.6) RCP (0.8 to 1.8) 2.2 (1.4 to 3.1) RCP (1.4 to 2.6) 3.7 (2.6 to 4.8) Globální průměrná teplota vzduchu se zvýší o 0.3 až 4.8 C na konci 21. století 11

11 Použité scénáře pro projekci klimatu RCP scénáře, vzestup střední výšky globální hladiny oceánu Scenario Mean and likely range Mean and likely range RCP (0.17 to 0.32) 0.40 (0.26 to 0.55) RCP (0.19 to 0.33) 0.47 (0.32 to 0.63) RCP (0.18 to 0.32) 0.48 (0.33 to 0.63) RCP (0.22 to 0.38) 0.63 (0.45 to 0.82) Střední výška globální hladiny oceánů se zvýší o 0.26 až 0.82 m na konci 21. století 12

12 Použité scénáře pro projekci klimatu 13

13 Použité scénáře pro projekci klimatu Antropogenní radiační působení v W/m2 Anthropogener Strahlungsantrieb in W/m2 Radiační působení do roku 2100 v porovnání s předindustriálním obdobím (cca 1765), porovnání scénářů SRES a RCP Strahlungsantrieb bis 2100 im Vergleich zur vorindustriellen Zeit (ca. 1765) SRES und RCP-Szenarien im Vergleich Zdroj: Vzdělávací server Wiki-klimatické změny, vlastní zobrazení (Dieter Kasang) podle IPCC (2013): Climate Change 2013, Working Group I: The Science of Climate Change, Figure

14 Projekce klimatu pro česko-saské pohraničí Založeno na analýze současných RCM (regionální klimatické modely) RCM WEREX / WETTREG (CEC Potsdam) RCM ALADIN-Climate / CZ (ČHMÚ) a RegCM (Karlova Univerzita) 16

15 Projekce klimatu RCM WEREX / WETTREG (CEC Potsdam) Empirical-statistical downscalling, linked to objective circulation patterns Výsledky: časové řady pro stanice Emisní scénáře A1B (SRES) a RCP26, RCP45 a RCP85 17

16 Projekce klimatu RCM ALADIN-Climate (ČHMÚ) / CZ a RegCM (Karlova Univerzita) Dynamický downscaling Výsledky: časové řady pro gridové body, rozlišení 10 km Emisní scénáře A1B (SRES) 18

17 Projekce klimatu Přehled použitých klimatických modelů a scénářů v projektu INTERKLIM Übersicht über die im Projekt INTERKLIM verwendeten Klimamodelle und Szenarien Globální klimatický model Globalmodell-Antrieb Instituce Institution Scénář Szenari o Regionální klimatický model Regionalmodell Instituce Institution Období Simulationszeitrau m ARPEGE-Climat v4 ECHAM5 / MPI-OM CNRM Meteo France MPI-M Hamburg A1B ALADIN-Climate/CZ CHMI RegCM Charles University MPI-ESM (ECHAM6) MPI-M Hamburg RCP2.6 RCP4.5 RCP8.5 WETTREG (WR13_v03) CEC Potsdam

18 WEREX - Methodology Empirical-Statistical Downscaling Originally developed by Wolfgang Enke (CEC Potsdam) and Wilfried Küchler (LfULG) Continously developed since 1999, today known as WETTREG in Germany General approach: while GCMs are not supposed to represent local climate conditions, they can represent the large-scale atmospheric circulation adequately 20

19 WEREX - Methodology I) Classification step identify statisticial relationships between large scale circulation patterns (objective classification) and local climate (station data) Example for circulation pattern classification of temperature (left) and precipitation (right), WEREX version 2003 II) Regression step - apply the obtained statistical relationships according to changing frequencies of circulation patterns as simulated in GCMs 21

20 WEREX - Methodology Results: Statistically derived time series ( ) for climate stations taking regard to the circulation aspect 10 realisations for each scenario that alltogether represent the statistical characteristics of the climate (often problematic from a climate impact perspective) Example: yearly precipitation in Saxony , according to ESD-WEREX V: 711 mm 22

21 WEREX - Methodology Advantages: Little computation capacities required Atmospheric circulation is indirectly included Almost no modell-bias (practical for climate impact research) Disadvantages: Density of observational data is decisive for results Consistency of statistical relationships in the future 23

22 Regionální klimatické modely dynamický downscaling RCM jsou numerické modely, které explicitně simulují vývoj dějů v atmosféře a obsahují parametrizace důležitých dynamických a fyzikálních procesů Vycházejí z numerických modelů krátkodobé předpovědi počasí RCM využívají okrajové podmínky z řídícího GCM Získáváme vyšší rozlišení za přijatelnou cenu

23 ALADIN-Climate/CZ configuration 10 km spatial step 450 seconds time step 43 atmosphere levels one month integration ~ s. at NEC computer in Prague 164 x 90 points ( LON x LAT, C+I) 148, x 74 points (C) Experiment definitions: ERA40 simulation Present time slice (ARPEGE-CLIMATE) Near future time slice (ARPEGE-CLIMATE, A1B) Distant future time slice (ARPEGE-CLIMATE, A1B)

24 ALADIN-Climate/CZ 26

25 RCM ALADIN-Climate/CZ, RegCM Chyba modelu - mění se v prostoru oprava provedena pro každý gridový bod (nejblížší stanice může být v oblasti s jinou chybou) Různý projev chyby v různých statistických charakteristikách Duležitá je kvalita referenčních dat: staniční data byla podrobena kontrole kvality dat a homogenizaci

26 Model bias correction An approach of Michel Déqué (2007) based on variable correction using individual percentiles Applied for each grid point / station location and each month individually CAND_01 REF_01 t [ C] REF_ percentile

27 Příklad opraveného výstupu RCM Možnost napojení na měřené časové řady (19XX / 18XX ) 29

28 Projekce klimatu Území projektu INTERKLIM 30

29 Projekce klimatu Průměrná roční teplota vzduchu podle různých RCM DWD/ČHMÚ RCM ALADIN- Climate/CZ RCM RegCM3 RCM WETTREG Průměrné navýšení o 1 C v polovině 21. století oproti období Rozdíly mezi modely a scénáři: teplota v rozpětí 1 až 1,6 C. V období je rozdíl teploty mezi 1 až 3,7 C, místy i více jak 4 C

30 Projekce klimatu Změna průměrné roční teploty vzduchu pro období a v porovnání s obdobím Rok / Jahr Území INTERKLIM, scénář A1B: - Nejvyšší změna v teplotě vzduchu v zimě a v létě (+3,3 K) - Nejmenší změna na jaře (+2,5 K) Změna teploty vzduchu Temperaturänderung [K] ,1 1, ,7 3,6 1,6 1,5 1 2,7 2,8 1, Werex V RCP26 Werex V RCP45 Werex V RCP85 Werex V A1B RegCM A1B Aladin A1B 32

31 Projekce klimatu Pozorovaný a předpokládaný vývoj průměrné teploty vzduchu na stanici Fichtelberg v období pro různé emisní scénáře, model WEREX / WETTREG Teplota vzduchu 33

32 Projekce klimatu Roční a sezónní teplota vzduchu na stanici Fichtelberg, model WEREX RCP2.6 RCP8.5 34

33 Projekce klimatu Změna srážkových úhrnů pro období a Frühjahr Jaro / Léto / Sommer Změna srážkoých úhrnů Niederschlagsveränderung [%] ,8 7,4 Werex V RCP26 12,1 6,2 7,4 4,5 Werex V RCP45 Werex V RCP85-1,5-2 -2,7 Werex V A1B 10 10,9 6,4 RegCM A1B Aladin A1B Změna srážkoých úhrnů Niederschlagsveränderung [%] ,2-5,9-10,1 Werex V RCP26-19,3 Werex V RCP45-8,1-21 Werex V RCP85-5,6-22,5 Werex V A1B 4,3 5,4 1,4 RegCM A1B -8,5 Aladin A1B Podzim / Herbst Zima / Winter Změna srážkoých úhrnů Niederschlagsveränderung [%] ,7 2,5 Werex V RCP26 0,7-7 Werex V RCP45-5,8-5, Werex V RCP85 Werex V A1B 9,19,6 RegCM A1B 10,5 2,4 Aladin A1B Změna srážkoých úhrnů Niederschlagsveränderung [%] ,73,5 4,8 3,4 Werex V RCP26 Werex V RCP45-7,1 Werex V RCP85 7 6,9-0,2 Werex V A1B 2,8 9,3 RegCM A1B -12,1-1,4 Aladin A1B

34 Projekce klimatu Roční a sezonní srážkové úhrny, stanice Fichtelberg, scénář A1B, model WEREX 36

35 Projekce klimatu Vybrané klimatické indexy pro posouzení změny klimatu Indexy teploty vzduchu Popis Srážkové indexy Popis TN10p studené noci R75p dny s vysokým úhrnem TX10p studené dny R95p dny s velmi vysokým úhrnem TN90p teplé noci R99p dny s extrémním úhrnem TX90p teplé dny RR1 dny s úhrnem 1 mm CSDI studená období RR10 dny s úhrnem 10 mm WSDI teplá období RR30 dny s úhrnem 30 mm FD mrazové dny CWD ID ledové dny RRX maximální počet po sobě jdoucích dní s úhrnem 1 mm období s deštěm (3 a více po sobě jdoucích dní s úhrnem 5 mm) SF arktické dny CDD maximální počet po sobě jdoucích dní s úhrnem < 1 mm 37 HD tropické dny TRK SU letní dny období sucha (10 a více po sobě jdoucích dní s úhrnem < 0.5 mm)

36 Projekce klimatu Změna v četnosti počtu dní pro období v porovnání k , scénář A1B, model WEREX Ledové dny Změna počtu dní Mrazové dny Letní dny Tropické dny 39

37 Projekce klimatu Indexy teploty vzduchu: příklad stanice Fichtelberg, scénář A1B vs vs Změna počtu dní Änderungssignal [Tage] Změna počtu dní Änderungssignal [Tage] HD SU WSDI TX90p TN90p SF ID FD CSDI TX10p TN10p HD SU WSDI TX90p TN90p SF ID FD CSDI TX10p TN10p RegCM Aladin WEREX RegCM Aladin WEREX 40

38 Projekce klimatu Srážkové indexy: příklad stanice Fichtelberg, scénář A1B vs vs Změna počtu dní Änderungssignal [Tage] Změna počtu dní Änderungssignal [Tage] TRK CDD RRX CWD RR30 RR10 RR1 R99p R95p R75p TRK CDD RRX CWD RR30 RR10 RR1 R99p R95p R75p RegCM Aladin WEREX RegCM Aladin WEREX 41

39 Projekce klimatu Roční a sezonní počty letních dnů, stanice Ústí nad Labem, různé scénáře a modely Počet dní 42

40 Projekce klimatu Roční a sezonní počty ledových dnů, stanice Ústí nad Labem, různé scénáře a modely Počet dní 43

41 Projekce klimatu Roční a sezonní počty dní se srážkami 2 mm a více (vlevo) a 20 mm a více (vpravo), stanice Ústí nad Labem, různé scénáře a modely Počet dní RR2 Počet dní RR20 44

42 Projekce klimatu Shrnutí Použití různých modelů umožňuje stanovit celou šíři možného vývoje klimatu v česko-saském pohraničí Výsledky ukazují, že globální nárůst teploty vzduchu v průběhu 21. století bude jasně patrný i na regionální a lokální úrovni Do budoucna je nutné počítat s častějším výskytem teplých nocí ale i souvislejších teplých obdobích, zatímco ledové nebo mrazové dny budou méně obvyklé. Srážkové indexy naproti tomu nevykazují žádný jednoznačný trend Tyto poznatky je možno využít pro stanovení vhodných adaptačních opatření k přizpůsobení se změnám klimatu a jeho další ochrany 45