Jordsystemsmodell av mellanliggande komplexitet

Jordsystemsmodeller av intermediär komplexitet (EMIC) bildar en viktig klass av klimatmodeller , som främst används för att undersöka jordens system på långa tidsskalor eller till reducerad beräkningskostnad. Detta uppnås mestadels genom drift vid lägre tids- och rumslig upplösning än mer omfattande generella cirkulationsmodeller ( GCM). På grund av det olinjära förhållandet mellan rumslig upplösning och modellens körhastighet kan blygsamma minskningar i upplösning leda till stora förbättringar av modellens körhastighet. Detta har historiskt sett tillåtit inkluderingen av tidigare oinkorporerade jordsystem såsom inlandsisar och kolcykelåterkopplingar . Dessa fördelar anses konventionellt komma på bekostnad av viss modellnoggrannhet. är dock omtvistat i vilken grad modeller med högre upplösning förbättrar noggrannheten snarare än bara precisionen .

Historia

Datorkraft hade blivit tillräckligt kraftfull i mitten av 1900-talet för att tillåta mass- och energiflödesmodeller på ett vertikalt och horisontellt upplöst rutnät. År 1955 hade dessa framsteg producerat vad som nu kan kännas igen som en primitiv GCM (Phillips prototyp). Redan i detta tidiga skede utgjorde bristen på datorkraft ett betydande hinder för inträde och begränsning av modelltid.

Det nästa halvseklet såg snabb förbättring och exponentiellt ökande beräkningskrav. Modellering på allt mindre längdskalor krävde mindre tidssteg på grund av tillståndet Courant–Friedrichs–Lewy . Till exempel, en fördubbling av den rumsliga upplösningen ökar beräkningskostnaden med en faktor 16 (faktorer på 2 för varje rumslig dimension och tid). Förutom att arbeta i mindre skalor, började GCM att lösa mer exakta versioner av Navier–Stokes ekvationer . GCM började också införliva fler jordsystem och återkopplingsmekanismer och förvandlade sig själva till kopplade jordsystemsmodeller. Inkluderingen av element från kryosfären , kolcykeln och molnåterkopplingar både underlättades och begränsades av tillväxten i datorkraft.

De kraftfulla datorerna och de höga kostnaderna som krävs för att köra dessa "omfattande" modeller begränsade tillgängligheten för många universitetsforskningsgrupper. Detta bidrog till att driva utvecklingen av EMIC. Genom klok parametrisering av nyckelvariabler kunde forskare köra klimatsimuleringar på mindre kraftfulla datorer, alternativt mycket snabbare på jämförbara datorer. Ett modernt exempel på denna skillnad i hastighet kan ses mellan EMIC JUMP-LCM och GCM MIROC4h; den förra går 63 000 gånger snabbare än den senare. Minskningen av erforderlig datorkraft gjorde det möjligt för EMIC att köra över längre modelltider och därmed inkludera jordsystem som upptar den "långsamma domänen".

Petoukhovs statistiska dynamiska modell från 1980 har citerats som den första moderna EMIC, men trots utvecklingen under 1980-talet uppnådde deras specifika värde ett bredare erkännande först i slutet av 1990-talet med inkludering i IPCC AR2 under namnet "Simple Climate Models". Det var kort därefter på IGBP-kongressen i Shonnan Village, Japan, i maj 1999, där förkortningen EMICs myntades offentligt av Claussen. Den första förenklade modellen som använder nomenklaturen "mellanliggande komplexitet" är nu en av de mest kända: CLIMBER 2. Potsdamkonferensen under ledning av Claussen identifierade 10 EMIC, en lista uppdaterad till 13 2005. Åtta modeller bidrog till IPCC AR4 och 15 till AR5 .

Klassificering

Förutom "komplexitet" har klimatmodeller klassificerats efter deras upplösning, parametrisering och "integration". Integration uttrycker nivån av interaktion mellan olika komponenter i jordsystemet. Detta påverkas av antalet olika länkar på webben (koordinaters interaktivitet), samt interaktionsfrekvensen. På grund av sin snabbhet erbjuder EMIC:er möjligheten till mycket integrerade simuleringar jämfört med mer omfattande ESM:er. Fyra EMIC-kategoriseringar har föreslagits baserat på atmosfärisk förenkling: statistisk-dynamiska modeller, energifuktbalansmodeller, kvasi-geostrofiska modeller och primitiva ekvationsmodeller. Av de 15 modellerna i samhällsbidraget till IPCC:s femte utvärderingsrapport var fyra statistiskt dynamiska, sju energifuktbalansmodeller, två kvasi-geostrofiska och två primitiva ekvationsmodeller. För att illustrera dessa kategorier ges en fallstudie för var och en.

Statistiskt-dynamiska modeller: KLÄTTRANDE modeller

CLIMBER-2 och CLIMBER-3α är successiva generationer av 2,5- och 3-dimensionella statistiska dynamiska modeller. Snarare än kontinuerlig utveckling av lösningar till Navier-Stokes eller primitiva ekvationer, hanteras atmosfärisk dynamik genom statistisk kunskap om systemet (en metod som inte är ny för CLIMBER). Detta tillvägagångssätt uttrycker atmosfärens dynamik som storskaliga, långsiktiga fält av hastighet och temperatur. Climber-3a:s horisontella atmosfäriska upplösning är avsevärt grövre än en typisk atmosfärisk GCM vid 7,5° x 22,5°.

Med en karakteristisk rumslig skala på 1000 km, förbjuder denna förenkling upplösning av synoptiska nivåfunktioner. Climber-3α innehåller omfattande modeller för hav, havsis och biogeokemi . Trots dessa fullständiga beskrivningar tillåter förenkling av atmosfären att den kan arbeta två storleksordningar snabbare än jämförbara GCM. Båda CLIMBER-modellerna erbjuder prestanda jämförbara med dagens GCM:er vid simulering av nuvarande klimat. Detta är helt klart av intresse på grund av de betydligt lägre beräkningskostnaderna. Båda modellerna har huvudsakligen använts för att undersöka paleoklimat , särskilt kärnbildning av istäcke.

Energi- och fuktbalansmodeller: UVic ESCM

UVic-modellens termodynamiska tillvägagångssätt innebär förenkling av masstransport (med Fickian diffusion ) och nederbördsförhållanden. Denna modell kan ses som en direkt ättling till tidigare energibalansmodeller. Dessa minskningar reducerar atmosfären till tre tillståndsvariabler, ytlufttemperatur, havsyttemperatur och specifik luftfuktighet. Genom att parametrisera värme- och fukttransport med diffusion begränsas tidsskalor till större än årsskalor och längdskalor till större än 1000 km. Ett nyckelresultat av det termodynamiska snarare än vätskedynamiska tillvägagångssättet är att det simulerade klimatet inte uppvisar någon intern variabilitet. Liksom CLIMBER-3α är den kopplad till en toppmodern 3D-havsmodell och inkluderar andra banbrytande modeller för havsis och landis. Till skillnad från CLIMBER har UVic-modellen inte signifikant grövre upplösning än samtida AOGCM (3,6°x 1,8°). Som sådan är alla beräkningsmässiga fördelar från förenklingen av atmosfärisk dynamik.

Kvasi-geostrofiska modeller: LOVECLIM

De kvasi-geostrofiska ekvationerna är en minskning av de primitiva ekvationerna som först skrevs ner av Charney . Dessa ekvationer är giltiga i fallet med lågt Rossby-tal , vilket endast betyder ett litet bidrag från tröghetskrafter. Antagen dominans av Coriolis och tryckgradientkrafter underlättar reduktionen av de primitiva ekvationerna till en enda ekvation för potentiell virvel i fem variabler. LOVECLIM har en horisontell upplösning på 5,6° och använder den kvasi geostrofiska atmosfärmodellen ECBilt. Den inkluderar en vegetationsåterkopplingsmodul av Brovkin et al. (1997). Modellen uppvisar några betydande begränsningar som är fundamentalt kopplade till dess design. Modellen förutspår en jämviktsklimatkänslighet på 1,9°C, i den nedre delen av intervallet av GCM-förutsägelser. Modellens yttemperaturfördelning är alltför symmetrisk och representerar inte den nordliga förspänningen i platsen för den intertropiska konvergenszonen . Modellen visar generellt lägre skicklighet på låga breddgrader. Andra exempel på kvasi-geostrofiska modeller är PUMA.

Primitiva ekvationsmodell: KÄND

UK Met-Offices FAMOUS suddar ut gränsen mellan mer grovt lösta omfattande modeller och EMIC. Designad för att köra paleoklimatsimuleringar av Pleistocene, har den ställts in för att återskapa klimatet för dess förälder, HADCM3 , genom att lösa de primitiva ekvationerna nedskrivna av Charney. Dessa är av högre komplexitet än de kvasi-geostrofiska ekvationerna. Ursprungligen kallad ADTAN, preliminära körningar hade betydande fördomar som involverade havsis och AMOC , som senare korrigerades genom justering av havsisparametrar. Modellen körs med hälften av den horisontella upplösningen av HADCM3. Atmosfärisk upplösning är 7,5°x5°, och oceanisk är 3,75°x 2,5°. Atmosphere-Ocean-koppling görs en gång dagligen.

Jämförelser och bedömningar

Systematisk jämförelse mellan EMICs har genomförts sedan 2000, senast med ett bidrag från samhället till IPCC:s femte utvärderingsrapport . Jämvikt och övergående klimatkänslighet för EMIC föll i stort sett inom intervallet för samtida GCM med ett intervall på 1,9 - 4,0 °C (jämfört med 2,1 ° - 4,7 °C, CMIP5 ). Testat under det senaste årtusendet, var den genomsnittliga responsen för modellerna nära den verkliga trenden, men detta döljer mycket större variation mellan individuella modeller. Modeller överskattar i allmänhet havets värmeupptag under det senaste årtusendet och indikerar en måttlig avmattning. Inget samband observerades i EMIC mellan nivåer av polär förstärkning, klimatkänslighet och initialtillstånd. Ovanstående jämförelser med prestanda hos GCM:er och omfattande ESM:er avslöjar inte det fulla värdet av EMIC. Deras förmåga att köra som "snabba ESMs" gör att de kan simulera mycket längre perioder, upp till många årtusenden. Förutom att köra på tidsskalor som är mycket större än vad som är tillgängligt för GCM, ger de en grogrund för utveckling och integration av system som senare kommer att ansluta sig till GCM.

Syn

Möjliga framtida riktningar för EMICs kommer sannolikt att vara i bedömningen av osäkerheter och som ett försprång för införlivandet av nya jordsystem. Tack vare snabbheten lämpar de sig också för att skapa ensembler för att begränsa parametrar och bedöma jordsystem. EMICs har också nyligen lett inom området för klimatstabiliseringsforskning. McGuffie och Henderson-Sellers hävdade 2001 att EMIC i framtiden skulle vara "lika viktiga" som GCM för klimatmodelleringsfältet - även om detta kanske inte har varit sant under tiden sedan det uttalandet, har deras roll inte minskat. Slutligen, i takt med att klimatvetenskapen har kommit under allt större granskning, har modellernas förmåga att inte bara projicera utan också att förklara blivit viktig. Transparensen hos EMIC är attraktiv på detta område, eftersom orsakskedjor är lättare att identifiera och kommunicera (i motsats till framväxande egenskaper som genereras av omfattande modeller).

Se även

  1. ^ a b c Flato, GM (2011). Jordsystemmodeller: en översikt. Wiley Interdisciplinary Reviews: Climate Change, 2(6):783– 800.
  2. ^ Jakob, C. (2014). Går tillbaka till grunderna. Nature Climate Change, 4:1042–1045.
  3. ^ Lovejoy, S. (2015). En resa genom vågar, en saknad kvadriljon och varför klimatet inte är vad du förväntar dig. Climate Dynamics, 44(11):3187–3210.
  4. ^ Lynch, P. (2008). Ursprunget till datorväderförutsägelser och klimatmodellering. Journal of Computational Physics, 227(7):3431–3444
  5. ^ Phillips, NA (1956). Atmosfärens allmänna cirkulation: Ett numeriskt experiment. Quarterly Journal of the Royal Meteorological Society, 82(352):123–164
  6. ^ a b McGuffie, K. och Henderson-Sellers, A. (2001). Fyrtio år av numerisk klimatmodellering. International Journal of Climatology, 21(9):1067–1109.
  7. ^ Courant, R., Friedrichs, K. och Lewy, H. (1967). Om matematisk fysiks partiella differensekvationer. IBM journal of Research and Development, 11(2):215–234.
  8. ^ White, AA och Bromley, RA (1995). Dynamiskt konsekventa, kvasihydrostatiska ekvationer för globala modeller med en fullständig representation av corioliskraften. Quarterly Journal of the Royal Meteorological Society, 121(522):399– 418.
  9. ^ a b c d Hajima, T., Kawamiya, M., Watanabe, M., Kato, E., Tachiiri, K., Sugiyama, M., Watanabe, S., Okajima, H., och Ito, A. (2014). Modellering inom jordsystemvetenskap upp till och bortom ipcc ar5. Progress in Earth and Planetary Science, 1(1):29.
  10. ^ Petoukhov, V. (1980). En zonal klimatmodell av värme- och fuktutbyte i atmosfären över de underliggande lagren av hav och land i: Golitsyn gs, yaglom am (red) atmosfärens fysik och klimatproblemet.
  11. ^ Claussen, Martin (2005-05-30). "Table of EMICs (Earth System Models of Intermediate Complexity)" (PDF) . Hämtad 2018-10-25 .
  12. ^ Randall, DA, Wood, RA, Bony, S., Colman, R., Fichefet, T., Fyfe, J., Kattsov, V., Pitman, A., Shukla, J., Srinivasan, J., et al. al. (2007). Klimatmodeller och deras utvärdering. I Klimatförändringar 2007: Den fysikaliska grunden. Bidrag från arbetsgrupp I till den fjärde utvärderingsrapporten från IPCC (FAR), sidorna 589–662. Cambridge University Press.
  13. ^ Flato, G., Marotzke, J., Abiodun, B., Braconnot, P. , Chou, S., Collins, W., Cox, P., Driouech, F., Emori, S., Eyring, V. , Forest, C., Gleckler, P., Guilyardi, E., Jakob, C., Kattsov, V., Reason, C. och Rummukainen, M. (2013). Evaluation of Climate Models, bok avsnitt 9, sid 741866. Cambridge University Press, Cambridge, Storbritannien och New York, NY, USA.
  14. ^ Claussen, M., Mysak, L., Weaver, A., Crucifix, M., Fichefet, T., Loutre, M.-F., Weber, S., Alcamo, J., Alexeev, V., Berger. , A., Calov, R., Ganopolski, A., Goosse, H., Lohmann, G., Lunkeit, F., Mokhov, I., Petoukhov, V., Stone, P., och Wang, Z. ( 2002). Jordsystemmodeller av medelhög komplexitet: att överbrygga gapet i spektrumet av klimatsystemmodeller. Climate Dynamics, 18(7):579–586.
  15. ^ a b c Eby, M., Weaver, AJ, Alexander, K., Zickfeld, K., Abe-Ouchi, A., Cimatoribus, AA, Crespin, E., Drijfhout, SS, Edwards, NR, Eliseev, AV , Feulner, G., Fichefet, T., Forest, CE, Goosse, H., Holden, PB, Joos, F., Kawamiya, M., Kicklighter, D., Kienert, H., Matsumoto, K., Mokhov , II, Monier, E., Olsen, SM, Pedersen, JOP, Perrette, M., Philippon-Berthier, G., Ridgwell, A., Schlosser, A., Schneider von Deimling, T., Shaffer, G., Smith, RS, Spahni, R., Sokolov, AP, Steinacher, M., Tachiiri, K., Tokos, K., Yoshimori, M., Zeng, N., och Zhao, F. (2013). Historiska och idealiserade klimatmodellexperiment: en jämförelse mellan jordsystemsmodeller av mellanliggande komplexitet. Climate of the Past, 9(3):1111–1140.
  16. ^ Petoukhov, V., Ganopolski, A., Brovkin, V., Claussen, M., Eliseev, A., Kubatzki, C., and Rahmstorf, S. (2000). Climber-2: en klimatsystemmodell med medelkomplexitet. del i: modellbeskrivning och prestanda för nuvarande klimat. Climate Dynamics, 16(1):1–17.
  17. ^ a b Montoya, M., Griesel, A., Levermann, A., Mignot, J., Hofmann, M., Ganopolski, A., och Rahmstorf, S. (2005). Jordsystemets modell av medelkomplex klättrare-3. del i: beskrivning och prestanda för dagens förhållanden. 25:237–263.
  18. ^ Saltzman, B. (1978). En kartläggning av statistiskt-dynamiska modeller av det terrestra klimatet. volym 20 av Advances in Geophysics, sidorna 183 – 304. Elsevier.
  19. ^ Ganopolski, A., Rahmstorf, S., Petoukhov, V., och Claussen, M. (1998). Simulering av moderna och glaciala klimat med en kopplad global modell av mellanliggande komplexitet. Nature, 391(6665):351–356.
  20. ^ a b Weaver, A., Eby, M., Wiebe, E., Bitz, C., Duffy, P., Ewen, T., F. Fanning, A., M. Holland, M., MacFadyen, A. ., Matthews, HD, J. Meissner, K., Saenko, O., Schmittner, A., X. Wang, H. och Yoshimori, M. (2001). Klimatmodellen för Uvic-jordsystemet: Modellbeskrivning, klimatologi och tillämpningar på tidigare, nuvarande och framtida klimat. 39:361–428.
  21. ^ Budyko, MI (1969). Effekten av solstrålningsvariationer på jordens klimat. Tellus, 21(5):611–619.
  22. ^ Sellers, WD (1969). En global klimatmodell baserad på energibalansen i jord-atmosfärsystemet. Journal of Applied Meteorology, 8(3):392–400.
  23. ^ North, GR (1975). Teori om energibalansklimatmodeller. Journal of the Atmospheric Sciences, 32(11):2033–2043.
  24. ^ Fanning, AF och Weaver, AJ (1996). En atmosfärisk energi-fuktbalansmodell: klimatologi, interpendala klimatförändringar och koppling till en havscirkulationsmodell. Journal of Geophysical Research: Atmospheres, 101(D10):15111–15128.
  25. ^ Majda, A. och Wang, X. (2006). Icke-linjär dynamik och statistiska teorier för grundläggande geofysiska flöden. Cambridge University Press.
  26. ^ Marshall, J. och Molteni, F. (1993). Mot en dynamisk förståelse av flödesregimer i planetarisk skala. Journal of the Atmospheric Sciences, 50(12):1792–1818.
  27. ^ Brovkin, V., Claussen, M., Driesschaert, E., Fichefet, T., Kicklighter, D., Loutre, MF, Matthews, HD, Ramankutty, N., Schaeffer, M., och Sokolov, A. ( 2006). Biogeofysiska effekter av historiska marktäckeförändringar simulerade av sex jordsystemmodeller av mellanliggande komplexitet. Climate Dynamics, 26(6):587–600.
  28. ^ Weber, SL (2010). Användbarheten av jordsystemsmodeller av mellanliggande komplexitet (emik). Wiley Interdisciplinary Reviews: Climate Change, 1(2):243–252.
  29. ^ Brovkin, V., Claussen, M., Driesschaert, E., Fichefet, T., Kicklighter, D., Loutre, MF, Matthews, HD, Ramankutty, N., Schaeffer, M., och Sokolov, A. ( 2006). Biogeofysiska effekter av historiska marktäckeförändringar simulerade av sex jordsystemmodeller av mellanliggande komplexitet. Climate Dynamics, 26(6):587–600.
  30. ^ McCright, AM, Dunlap, RE, & Marquart-Pyatt, ST (2016). Politisk ideologi och åsikter om klimatförändringar i Europeiska unionen. Miljöpolitik, 25(2), 338-358.
  31. ^ Dunlap, RE, McCright, AM, & Yarosh, JH (2016). Den politiska klyftan om klimatförändringar: Partisan polarisering vidgar i USA. Environment: Science and Policy for Sustainable Development, 58(5), 4-23.
Hämtad från " https://en.wikipedia.org/w/index.php?title=Earth_systems_model_of_intermediate_complexity&oldid=1021123838 "