Klimaendringer på regional skala.

Transkript

1 Klimaendringer på regional skala. Hvor godt kan vi forutsi ekstremvær i framtida? Hva skal til for at vi får bedre forståelse for hvor og når lokalt ekstremvær vil forekomme i en varmere verden? Hva trenger vi av kunnskap om lokale klimaendringer? Trond Iversen - Bl.a. inspirert av forskning i RegClim

2 Hvor godt kan vi forutsi ekstremvær i framtida? Risiko knyttet til usikkerhet: 3 viktige kilder 1) Klimaet kaotiske naturlige variasjoner maskerer trender. Utfordring: Å skille kaoset fra det systematiske. - Ensembler av beregninger der startbetingelsene varierer 2) Unøyaktige klimamodeller Utfordring: Kilde til feil i klimaprojeksjonene Superensembler: Mange modellversjoner som hver produserer et ensemble. - kan gi for hyppige ekstremer - med én modell må vi regne med systematiske feil 3) Vår viten om framtidige eksterne pådriv er begrenset Utfordring: Naturlige ytre pådriv er bare unntaksvis kjente anthropogene er til en viss grad kjent de neste år, deretter: scenarier (4) Ukjente prosesser i klimasystemet: en gullgruve for klimaskeptikere?

3 Ref.: Myles Allen Dekker modellusikkerhet tilfeldige variasjoner alternative utslippsscenarier Superensembler trengs for å sample reell usikkerhet i klimaprojeksjonene, MEN Usikkerhet i mange prosesser KAN gi for store variasjoner. Dvs.: risiko for ekstremvær KAN bli overdrevet. Hva skal til for at vi får bedre vår forståelse for hvor og når lokalt ekstremvær.? Nøkkelprosessene må beskrives bedre

4 Hva skal til for at vi får bedre vår forståelse for hvor og når lokalt ekstremvær.? % per intervall % climateprediction prediction.net Stainforth et al., Nature,, Jan Klimasensitivitet Τ/(2xCO April 2 ) 2005: 21 parametere variert Superensemble: simuleringer 414 modellversjoner 6 skyrelaterte parametere 2017 simuleringer Nedre grense: 2 o C Hele 25% av tilfellene er over 5 o C Reell risiko? [IPCC TAR: ] T

5 Regional betydning? Mulige klimaendringer i Norge basert på 25 nedskaleringer fra EU-prosjektet PRUDENCE og klimasensitivitet mellom 2.8 og 4.7 o C. Temperaturstigning (ºC) fra perioden til perioden Hele året vinter vår Sommer Høst Sør- Norge Nord- Norge Nedbørøkning (%) fra perioden til perioden Hele året vinter vår Sommer høst Sør-Norge Nord- Norge Svært stor spredning: RegClims scenarier dekker ikke hele denne bredden?

6 Hva skal til for at vi får bedre vår forståelse for hvor og når lokalt ekstremvær.? Klimaendringer i Arktis Modell projeksjoner (ACIA, Källén et al.) Hvorfor store utslag og usikkerhet i Arktis? Dypvannsdannelse i Nord-Atlanteren? Arktis Arktisk oscillasjon? Endret vinddrevet varmetransport i havet? Lokale tilbakekoblinger (feed-backs)? Is/snø-albedo Drivhuspådriv lokalt bryter ned inversjoner Globalt Skyer i Arktisk grenselag

7 10 9 Hva skal til for at vi får bedre vår forståelse for hvor og når lokalt ekstremvær.? Store klimaendringer men også spesielt stor usikkerhet i klimamodellene nord for 60 grader N. 15 TEMPERATUR FORANDRING (C) BCM 5 og IPCC FORANDRING I AMOC (%) S 60 S 40 S 20 S Eq. 20 N 40 N 60 N 80 N 15 BREDDEGRAD CMIP2: Temperaturøkning 20 Svekket ved i forhold til globalt Bergens Klimamodell (Sorteberg m.fl.): Vertikal omveltning i Atlanterhavet Svekket 5-15 % ved 2xCO2, mindre spredning enn mellom IPCC-modellene modellene. Modellering av vinteris (DJF) i dagens klima: Særlig stor usikkerhet i Nord-Atlanteren; AAR

8 Bergens Klimamodells beregning av isdekke ved 2xCO2. (Sorteberg m.fl.) Vinter max Sommer min

9 Bergens Klimamodell (Sorteberg m.fl.): Regionale klimaendringer v. 2xCO 2 og dypvannsdannelse i N.-Atl Atl. Tilfellet med Usikkerhet relatert Max T reg til dypvannsdannelse 72 o N 64 o N T o C 72 o N 64 o N 56 o N 56 o N 48 o N 48 o N 40 o N 10 o W 0 o 10 o E 20 o E 30 o E 40 o E 40 o N 10 o W 0 o 10 o E 20 o E 30 o E 40 o E o N 64 o N 56 o N P % 72 o N 64 o N 56 o N 48 o N 48 o N 40 o N 10 o W 0 o 10 o E 20 o E 30 o E 40 o E 40 o N 10 o W 0 o 10 o E 20 o E 30 o E 40 o E

10 Hva skal til for at vi får bedre vår forståelse for hvor og når lokalt ekstremvær.? : Effekter Science, av 1. Aerosoler juli 2005: Aerosoler og tilbakekobling og skyer ved er skyer listet blant de 25 viktigste vitenskapelige utfordringene for de neste 20 år. Det knyttes store usikkerheter til aerosoler, og særlig til deres indirekte effekt via skyer. Stor usikkerhet I hvordan skyer vekselvirker med stråling.

11 CCM-Oslo (Kirkevåg m.fl.): Effekter av antropogene aerosoler på klima Kombinert respons pga. 2xCO2 og Bidrag fra antropogene aerosoler aerosolene T o C Nedbørrespons i % pga. antropogene aerosoler P %

12 6 C Scenarios 5 C A1B A2 B2 4 C CMIP2 1% CO2/year Liten spredning fram til 2060! Hvor godt kan vi forutsi ekstremvær i framtida? Klimascenarier I RegClim Fra IPCC TAR A2 3 C 2 C A1B B2 A2 1 C A1B B2

13 Empirisk nedskalerte beregninger med SRES A1B for IPCC AR4: 11 modeller, 23 beregninger. (Benestad, 2006) TROMSO årstemperatur Temperatur BERGEN årstemperatur Temperatur o C,, Bergen o C,, Tromsø Temperatur OSLO årstemperatur o C,, Oslo Tid GCM fra PCMDI database for IPCC 4AR (SRES A1b) Tid GCM fra PCMDI database for IPCC 4AR (SRES A1b) Tid GCM fra PCMDI database for IPCC 4AR (SRES A1b)

14 Hvor godt kan vi forutsi ekstremvær i framtida? Regionale strømningsmønstre må reproduseres korrekt av modellene. Kaldt hav, varmt land -mønsteret (COWL) er observert å bli hyppigere siden tidlig 1980-tall Corti et al, Nature, 1999 Temp-anomali 5000 m Temp-anomali bakken Trykk-anomali 5000 m Modellene gjengir dårlig at temperatur-anomalien avtar oppover.

15 Hvor godt kan vi forutsi ekstremvær i framtida? Modellene beregner ulike regionale mønstre Dynamisk nedskalering av klimaprojeksjon for med scenario: SRES B2 (Haugen m.fl.). To ulike projeksjoner: L H H H L Hadley-senteret (venstre) Max-Planck-Inst. (høyre) H Hadley vinter MPI H L L L H H sommer

16 Kombinert nedskalert statistikk: MPI and Hadley (Haugen m.fl.). Tromsø vinter nedbør Oslo vinter vind Bergen vinter temp Oslo sommer temp Understreker viktigheten av superensembler

17 MPI and Hadley: : NB: det er også overensstemmelser Bergen vinter nedbør Tromsø vinter temp. Bergen vinter vind Oslo vinter nedbør

18 Milde vinterdager og varme sommerdager MPI og HAD kombinert B2 (Haugen m.fl.).

19 SNØ % Snø, oppholdsvær, sterk nedbør Økt antall døgn MPI og HAD kombinert B2 med oppholdsvær med N > 20mm med N > 30mm med N > 40mm

20 Økt antall døgn per år over: MPI og HAD kombinert B2 (Haugen m.fl.). stiv til sterk kuling (15 m/s) liten storm (20 m/s)

21 Hvor godt kan vi forutsi ekstremvær i framtida? Projeksjoner for Norge sier en del om ekstremer med returperioder på noen få år. Vi kan si lite om ekstreme ekstremer, særlig for vind og bygenedbør Vi kan si lite eller ingenting om polare lavtrykk Resultater for Arktis er mindre sikre. Hva skal til for at vi får bedre forståelse for hvor og når lokalt ekstremvær vil forekomme i en varmere verden? Større superensembler som sampler reell usikkerhet Å redusere usikkerheten om nøkkelprosesser i modellene: Arktis-relevante prosesser Skyer, aerosoler, vanndamp Oppløsning på ~10 km eller finere i nedskalerte data, empirisk nedskalering av ekstremstatistikk / kvantiler Hva trenger vi av kunnskap om lokale klimaendringer? Detaljeringen avhenger av hvilke virkninger som betyr mest Trenger å kartlegge naturens og samfunnets sårbarhet overfor endret nedbørmønster, vinterlengde, vindstyrke, sommertørke

22 Hva kan og bør Norge bidra med videre? Arktiske prosesser Fjernvirkninger fra hav og atmosfære Lokale tilbakekoblinger (is, snø, skyer, ferskvann) Aerosoler, skyer, vanndamp Ensembler og Super-ensembler ensembler Regional såvel som Global modellering Internasjonalt samarbeid nødvendig Regionalisering m vekt på ekstremer Empirisk for kvantiler? Dynamisk (10 km og finere); inkl. Polare lavtrykk Et tropisk område

23 T-anom Nov67-Mar68 T-anom Nov72-Mar73 T-anom Nov05-Mar06

24 Perlemorskyer, Oslo, January 2003, Michael Gauss

25 Kjede av problemstillinger knyttet til endret ekstremvær Drivmekanismer og pådriv: Scenarier for ytre pådriv Klimaendringer: Beregnde projeksjoner for det jordas klima Umiddelbare virkninger: Direkte virkninger knyttet til sårbarhet: Endret ekstremvær er spesielt viktig Naturlige responsmekanismer Langsiktige naturlige konsekvenser Samfunnets respons Strategier for bekjempelse og tilpasning

26 Nomenklatur om klimaendringer Scenario: En antagelse om framtiden som gir opphav til endret budsjett for mottatt og avgitt strålingsenergi for jordas klimasystem, dvs ytre pådriv. Scenarier for utslipp av drivhusgasser (CO2, Metan, Lystgass, m.fl.) forbindes ofte med ordet. Klimaprojeksjon: Beregnet framtidig klima som følge av et scenario. Tidfestes ut fra tidsutviklingen i scenariet og klimasystemets treghet. Klimarespons: En endring i klima som følge av en forandret prosess. En klimaprojeksjon er et spesialtilfelle. Prediksjon: En forutsigelse for vel definerte framtidige tidsperioder ut fra start-tilstand. Må inneholde mer informasjon enn klimastatistikken for å ha noen verdi. Omfatter værvarsling fram til et par tiår. Ytre pådriv er ikke nødvendig.

27 Scenarier RegClims bidrag Samfunn: infrastruktur, økonomi energiforbruk Utslipp: drivhusgasser og forurensninger Konsekvenser: vannkraft, drikkevann, jord-skogbruk, fiske, turisme, sykdommer naturkatastrofer Virkninger: flom, tørke, vegetasjon, dyreliv, erosjon Klimaforskningssirkelen Pådriv: Endret strålingsbudsjett (bl. a. drivhuseffekt) Globale Klimaeffekter; Klimascenario (temperatur, nedbør,vind, Regional havklima) isering: Regionalt og lokalt Nøkkelord: klima Risiko og usikkerhet

28 P % NEDBOR (%) IPCC BCM CCM-Oslo Global transient klimarespons 0 2 T o C TEMPERATUR (C) P % 8 6 IPCC BCM CCM-Oslo NEDBOR (%) 4 2 Regional transient klimarespons 0 2 T TEMPERATUR (C) o C

29 MPIB2 HADA2 HADB2 Esbjerg, SSH MPIB2 HADA2 HADB2 Bergen, SSH Scenario (m) Stormflo Esbjerg Scenario (m) Stormflo Bergen Control (m) Control (m) MPIB2 HADA2 HADB2 Tromsoflaket, SWH Scenario (m) Bølgehøyde Tromsøflaket Control (m)