Использование исторических климатических данных для моделирования сценариев будущих осадков в уязвимых регионах

Понимание того, как изменение климата изменит модели осадков, больше не является теоретическим упражнением — это императив выживания для регионов, уже борющихся с крайностями засухи и наводнений. Сообщества в уязвимых регионах, от Сахеля до Юго-Восточной Азии, сталкиваются с растущим давлением, чтобы предвидеть доступность воды, защищать продовольственную безопасность и защищать от катастрофических потопов. Ключ к разблокированию этих будущих сценариев заключается в тщательном анализе исторических климатических данных. Изучая десятилетия температурных записей, журналов осадков и атмосферных измерений, ученые строят статистические и динамические модели, которые превращают сырые наблюдения в практические прогнозы. В этой статье исследуется, как исторические данные лежат в основе моделирования осадков, используемых методов, уникальных проблем уязвимых регионов и реальных приложений, которые помогают сообществам подготовиться к неопределенному будущему.

Роль исторических климатических данных в современном прогнозировании

Исторические климатические данные составляют основу климатической науки. Без долгосрочного учета прошлых погодных условий было бы невозможно отличить естественную изменчивость от антропогенных изменений. Всемирная метеорологическая организация (ВМО) определяет нормальный климат как 30-летнюю среднюю метеорологических переменных, таких как температура, осадки и влажность. Эти базовые линии позволяют ученым идентифицировать тенденции, аномалии и циклы, такие как Эль-Ниньо-Южное колебание (ENSO), которые повторяются в течение десятилетий.

В уязвимых регионах ценность исторических данных еще более выражена. Сеть сепаративного мониторинга означает, что каждая сохранившаяся запись станции становится ценным активом. Например, датчики осадков, установленные колониальными администрациями в некоторых частях Африки, предоставляют вековые наборы данных, которые в настоящее время используются для калибровки современных спутниковых продуктов. Национальные центры экологической информации NОАА ] архивируют многие из этих записей, предлагая исследователям свободный доступ к контролируемым качеством временным рядам. Без таких данных модели будут дрейфовать в догадки, неспособные уловить местную динамику, которая управляет дождем в муссонных поясах или засушливых зонах.

Помимо средних значений, исторические данные фиксируют крайности — худшие засухи и самые сильные штормы. Эти экстремальные явления обеспечивают тестовые примеры для моделей. Если климатическая модель может воспроизвести тяжесть засухи в Сахеле в 1984 году или интенсивность наводнения в Пакистане в 2010 году, она получает доверие для прогнозирования будущих крайностей. Исследователи также используют исторические данные для проверки методов масштабирования, гарантируя, что грубые глобальные модели могут быть доработаны до местных масштабов, которые имеют значение для планирования.

Типы используемых исторических данных

Не все исторические данные созданы равными. Ученые опираются на несколько категорий:

• Записи станций на месте : Прямые измерения от датчиков дождя, термометров и гигрометров. Это золотой стандарт, но часто страдают от пробелов, плохого обслуживания и изменения местоположения станций.
• Оценки атмосферных осадков, полученные из спутников : Такие продукты, как Тропическая измерительная миссия осадков (TRMM) и Глобальное измерение осадков (GPM) , обеспечивают почти глобальное покрытие с конца 1990-х годов, помогая заполнить пробелы, где не существует наземных станций.
• Наборы данных для анализа: Они объединяют исторические наблюдения с погодными моделями для создания непрерывной сетки атмосферных переменных.Реанализ ERA5 от Европейского центра среднесрочных прогнозов погоды (ECMWF) широко используется для его высокого разрешения и согласованности.
• Палеоклиматические прокси : Для регионов с очень короткими инструментальными записями ученые обращаются к кольцам деревьев, озерным отложениям и коралловым ядрам. Эти прокси расширяют климатические записи на века, раскрывая естественные циклы, которые современные инструменты пропускают.

Моделирование будущих сценариев осадков

Для перевода исторических данных в будущие прогнозы требуются сложные модели. Ни одна модель не может в полной мере охватить сложность климатической системы, поэтому исследователи используют ряд методов, подходящих для различных масштабов и целей. Межправительственная группа экспертов по изменению климата (МГЭИК) синтезирует эти модели в своих отчетах об оценке, предоставляя прогнозы на основе сценариев в различных путях концентрации парниковых газов. Для осадков, в частности, задача состоит в том, чтобы моделировать не только среднее изменение, но и сдвиги в сезонности, интенсивности и частоте экстремальных явлений.

Статистический Downcaling

Статистическое масштабирование использует исторические связи между крупномасштабными климатическими переменными (такими как атмосферные модели давления или температуры поверхности моря) и локальными осадками. Статистическая модель обучается на прошлых данных: например, если определенный градиент давления исторически коррелирует с увеличением осадков на 30% в данном водоразделе, модель применяет эту связь к будущим климатическим прогнозам. Основным преимуществом является вычислительная эффективность - статистические модели могут работать на ноутбуке, а не на суперкомпьютере. Однако они предполагают, что исторические отношения остаются стабильными в будущих условиях, предположение, которое может разрушиться, если фундаментальные атмосферные процессы изменятся.

Методы включают регрессионные модели, нейронные сети и аналоговые методы (исследование прошлых лет, которые напоминают прогнозируемые будущие условия). Уязвимые регионы часто получают выгоду от статистического масштабирования, поскольку оно может быть адаптировано к доступным сетям с разреженными станциями. UNESCO-IHP Downscaling Network предоставляет инструменты с открытым исходным кодом, которые позволяют местным экспертам внедрять эти методы без необходимости специального климатического суперкомпьютера.

Динамическое снижение (региональные климатические модели)

Динамическое масштабирование использует физические климатические модели с гораздо более тонким разрешением - обычно 10-50 км сетки - в ограниченной области. Эти региональные климатические модели (RCM) обусловлены выходами глобальной климатической модели (GCM) на их границах. Поскольку они явно имитируют атмосферные процессы, они могут захватывать топографические эффекты, наземные морские бризы и конвективные штормы, которые глобальные модели пропускают. Это особенно важно для уязвимых регионов со сложной местностью, таких как Эфиопское нагорье или Гималаи, где осадки сильно локализованы.

Недостатком является вычислительная стоимость. Запуск многодекадального моделирования RCM требует значительных суперкомпьютерных ресурсов. Однако скоординированные проекты, такие как CORDEX (Coordinated Regional Climate Downscaling Experiment), обеспечивают набор результатов RCM для большинства регионов мира, включая Африку, Южную Азию и Центральную Америку. Эти наборы данных находятся в свободном доступе и все чаще используются национальными метеорологическими службами для разработки планов адаптации.

Гибридные подходы

Признавая сильные и слабые стороны обоих методов, многие исследователи теперь принимают гибридные подходы. Например, динамическая RCM может использоваться для моделирования набора будущих лет, а затем статистическая модель обучается на выходе RCM для дальнейшего уточнения результатов в отдельных местах станций. Иногда это называется «идеальным прогом» или «статистика выхода модели». Гибридные методы часто превосходят либо чистую технику в одиночку, особенно в регионах, где данные наблюдений редки, но физические процессы имеют значение.

Проблемы, характерные для уязвимых регионов

Хотя наука моделирования осадков значительно продвинулась вперед, применение этих инструментов в уязвимых регионах создает препятствия, которые являются как техническими, так и институциональными. Признание этих проблем является первым шагом на пути к их преодолению.

• Нехватка и качество данных: Многие уязвимые страны имеют менее одного градуса дождя на 10 000 квадратных километров, а существующие градусники часто приходят в негодность. Исторические записи изобилуют пробелами, а внезапные изменения в положении станции или оборудовании создают разрывы, которые путают модели. Спутниковые продукты предлагают широкий охват, но приходят со своими собственными предубеждениями, особенно для горных районов или событий легкого мороза.
• Нестационарность: Изменение климата само по себе опровергает предположение о том, что прошлые отношения будут сохраняться в будущем. Статистическая модель, обученная на данных 20-го века, может потерпеть неудачу в мире, где струйный поток сдвигается или динамика муссона изменяется постоянно. Динамические модели менее восприимчивы к этому, но несут свои собственные предубеждения из физики грубого разрешения.
• Ограниченная вычислительная инфраструктура: Для запуска RCM высокого разрешения требуются вычислительные ресурсы, которых не хватает большинству национальных метеорологических служб в развивающихся странах. Это вынуждает полагаться на наборы данных, получаемые извне, которые могут быть не оптимизированы для местных потребностей.
• Каскады неопределенности: Соединение неопределенности по всей цепочке моделирования — от сценариев выбросов (общие социально-экономические пути) до глобальной чувствительности модели, методов масштабирования и, наконец, до локальных моделей гидрологического воздействия.
• Человеческий и институциональный потенциал: Даже если существуют высококачественные данные и модели, местные эксперты должны быть обучены их анализу и применению. Утечка мозгов, низкие зарплаты и отсутствие возможностей для карьерного роста ослабляют институциональную память метеорологических агентств в уязвимых регионах.

Для решения этих проблем требуется многогранная стратегия: инвестиции в сети наблюдения (включая автоматические метеостанции и дождевые датчики для гражданских наук), политика открытых данных, передача технологий и наращивание потенциала посредством партнерских отношений с международными климатическими центрами. Инициатива Всемирной метеорологической организации «Климатические услуги для устойчивого развития» является одним из примеров такого сотрудничества.

Африка к югу от Сахары содержит некоторые из наиболее уязвимых к климату регионов на Земле, с источниками средств к существованию, непосредственно связанными с дождевым сельским хозяйством. Типичный проект может включать анализ исторических данных из Глобальной сети исторической климатологии (GHCN) для такой страны, как Мали. С только 20-30 функционирующими датчиками дождя для области, большей, чем Техас, покрытие крайне недостаточно. Исследователи дополняют данные станции набором данных CHIRPS (Группа климатических опасностей Инфракрасные осадки со станцией), который сочетает спутниковые и калибровочные данные с разрешением 5 км с 1981 года по настоящее время.

Используя эти данные, для бассейна реки Нигер построена статистическая модель сокращения урожая. Модель определяет, что на западноафриканский муссон влияет расположение африканского пасхального реактивного самолета и температура поверхности моря в Гвинейском заливе. В соответствии со сценарием с высоким уровнем выбросов (SSP5-8.5) модель прогнозирует задержку начала муссона на 10-15 дней к 2050 году с увеличением интенсивности отдельных осадков, но снижением общего сезонного осадка в Сахеле. Эти прогнозы затем подаются в модель урожая для имитации урожая проса и сорго, показывая, что текущие сорта могут испытывать снижение урожайности на 20%, если фермеры не перейдут на сорта более короткого цикла и не примут влагосберегающие обработки.

Результаты исследования были опубликованы в Национальном управлении метеорологии Мали, которое выпускает ежемесячный агро-гидроклиматический бюллетень для агентов расширения. Хотя сохраняется неопределенность, особенно в отношении точной величины изменений, моделирование обеспечивает оправданную основу для инвестиций в адаптацию, таких как восстановление мелкомасштабной ирригационной инфраструктуры и содействие местным засухоустойчивым земляным гонкам.

Путь вперед: интеграция данных и политики

Для того чтобы быть эффективными, модели осадков должны быть интегрированы в национальные планы адаптации, региональные стратегии развития и международные механизмы финансирования климата. Глобальная комиссия по адаптации призывает удвоить инвестиции в услуги по климатической информации, отмечая, что каждый доллар, потраченный на раннее предупреждение, приносит до десяти долларов чистых выгод. Для уязвимых регионов это означает расширение пула исторических данных посредством повторного анализа и спутниковых продуктов, инвестиции в реабилитацию станций и обеспечение того, чтобы результаты моделей были представлены в формате, соответствующем решению - не только как научные статьи, но и как карты, бюллетени и интерактивные панели инструментов.

Платформы моделирования с открытым исходным кодом, такие как Операторы климатических данных (CDO) , R-язык программирования , такие как библиотеки Python , такие как xclim, снижают технический барьер для местных аналитиков. Программы обучения, такие как программы, управляемые Международным исследовательским институтом климата и общества (IRI) , позволяют профессионалам в развивающихся странах применять эти инструменты самостоятельно. Кроме того, общинные подходы, которые сочетают научные данные с местными знаниями, такими как чтение ветровых моделей, поведение животных или фенология деревьев, могут заполнить пробелы, где инструменты терпят неудачу.

В заключение, использование исторических климатических данных для моделирования будущих сценариев осадков является строгим, но глубоко практическим усилием. Он превращает необработанные записи в объектив, через который сообщества могут заглянуть в возможное будущее. Объединив надежные архивы данных, передовые методы масштабирования и четкое понимание местных проблем, ученые и планировщики могут создать устойчивость там, где это необходимо больше всего. Уязвимость таких регионов, как Сахель, Юго-Восточная Азия и Центральная Америка, не является заранее определенной судьбой - это проблема, которую можно встретить с предвидением, инвестициями и сотрудничеством. Каждый датчик осадков, каждое спутниковое изображение и каждый палеоклимат способствует более крупным усилиям: обеспечение того, чтобы те, кто сталкивается с самыми суровыми последствиями изменения климата, были оснащены знаниями для адаптации.