Модель общей циркуляции ( МОЦ ) является разновидностью климатической модели . Он использует математическую модель общей циркуляции планетарной атмосферы или океана. Он использует уравнения Навье-Стокса на вращающейся сфере с термодинамическими членами для различных источников энергии ( излучение , скрытое тепло ). Эти уравнения лежат в основе компьютерных программ, используемых для моделирования атмосферы и океанов Земли. Атмосферные и океанические МОЦ (AGCM и OGCM ) являются ключевыми компонентами наряду с компонентами морского льда и поверхности суши .
МОЦ и глобальные климатические модели используются для прогнозирования погоды , понимания климата и прогнозирования изменения климата .
Атмосферные GCM (AGCM) моделируют атмосферу и задают температуру поверхности моря в качестве граничных условий. Связанные модели GCM атмосфера-океан (AOGCM, например HadCM3 , EdGCM , GFDL CM2.X , ARPEGE-Climat) [2] объединяют две модели. Первая климатическая модель общей циркуляции, которая объединила как океанические, так и атмосферные процессы, была разработана в конце 1960-х годов в Лаборатории геофизической гидродинамики NOAA [3]. МОГКМ представляют собой вершину сложности климатических моделей и учитывают как можно больше процессов. Однако они все еще находятся в стадии разработки, и неопределенность остается. Они могут быть связаны с моделями других процессов, таких как углеродный цикл , чтобы лучше моделировать эффекты обратной связи. Такие интегрированные мультисистемные модели иногда называют либо «моделями системы Земли», либо «моделями глобального климата».
Версии, предназначенные для климатических применений в масштабе от десятилетия до столетия, были первоначально созданы Сюкуро Манабе и Кирком Брайаном в Лаборатории геофизической гидродинамики (GFDL) в Принстоне, штат Нью-Джерси . [1] Эти модели основаны на интеграции множества гидродинамических, химических и иногда биологических уравнений.
Аббревиатура GCM первоначально обозначала модель общего обращения . В последнее время вошло в обиход второе значение, а именно «Глобальная климатическая модель» . Хотя это не одно и то же, модели общей циркуляции обычно являются инструментами, используемыми для моделирования климата , и поэтому эти два термина иногда используются как синонимы. Однако термин «модель глобального климата» неоднозначен и может относиться к интегрированной структуре, которая включает в себя несколько компонентов, включая модель общей циркуляции, или может относиться к общему классу моделей климата, которые используют различные средства для математического представления климата.
Атмосферные (AGCM) и океанические GCM (OGCM) могут быть объединены для формирования модели общей циркуляции, связанной между атмосферой и океаном (CGCM или AOGCM). С добавлением подмоделей, таких как модель морского льда или модель суммарного испарения над сушей, МОЦАО становятся основой для полной климатической модели. [4]
Модели общей циркуляции (МОЦ) дискретизируют уравнения движения жидкости и передачи энергии и интегрируют их с течением времени. В отличие от более простых моделей, GCM делят атмосферу и/или океаны на сетки дискретных «ячеек», которые представляют собой вычислительные единицы. В отличие от более простых моделей, которые делают предположения о смешивании, внутренние процессы ячейки, такие как конвекция, которые происходят в масштабах, слишком маленьких, чтобы их можно было разрешить напрямую, параметризуются на уровне ячейки, в то время как другие функции управляют интерфейсом между ячейками.
Трехмерные (точнее, четырехмерные) МОЦ применяют дискретные уравнения движения жидкости и интегрируют их вперед во времени. Они содержат параметризацию таких процессов, как конвекция , которые происходят в масштабах, слишком малых, чтобы их можно было решить напрямую.
Простая модель общей циркуляции (SGCM) состоит из динамического ядра, которое связывает такие свойства, как температура, с другими свойствами, такими как давление и скорость. Примерами являются программы, которые решают примитивные уравнения с учетом входной энергии и рассеяния энергии в виде трения , зависящего от масштаба , так что атмосферные волны с самыми высокими волновыми числами наиболее ослабляются. Такие модели могут использоваться для изучения атмосферных процессов, но не подходят для прогнозов климата.
Атмосферные GCM (AGCM) моделируют атмосферу (и обычно содержат также модель поверхности суши) с использованием наложенных температур поверхности моря (SST). [5] Они могут включать химию атмосферы.
AGCM состоят из динамического ядра, которое интегрирует уравнения движения жидкости, обычно для:
GCM содержит прогностические уравнения , которые являются функцией времени (обычно ветра, температуры, влажности и приземного давления), а также диагностические уравнения , которые оцениваются на их основе для определенного периода времени. Например, давление на любой высоте можно диагностировать, применив уравнение гидростатики к прогнозируемому поверхностному давлению и прогнозируемым значениям температуры между поверхностью и интересующей высотой. Давление используется для расчета силы градиента давления в зависящем от времени уравнении ветра.
OGCM моделируют океан (с учетом потоков из атмосферы) и могут содержать модель морского льда . Например, стандартное разрешение HadOM3 составляет 1,25 градуса по широте и долготе с 20 уровнями по вертикали, что дает примерно 1 500 000 переменных.
AOGCM (например, HadCM3 , GFDL CM2.X ) объединяют две подмодели. Они устраняют необходимость указывать потоки через границу поверхности океана. Эти модели являются основой для модельных прогнозов будущего климата, подобных тем, которые обсуждаются МГЭИК . МОЦАО интернализируют как можно больше процессов. Они использовались для предоставления прогнозов в региональном масштабе. В то время как более простые модели, как правило, поддаются анализу, и их результаты легче понять, МОЦАО может быть почти так же сложно анализировать, как и сам климат.
Уравнения жидкости для AGCM дискретизируются с использованием либо метода конечных разностей , либо спектрального метода . Для конечных разностей на атмосферу накладывается сетка. В самой простой сетке используется постоянный угловой интервал сетки (т. е. сетка широты/долготы). Однако чаще используются сетки непрямоугольной формы (например, икосаэдрические) и сетки переменного разрешения [6] . [7] Модель LMDz может быть настроена так, чтобы обеспечивать высокое разрешение по любому заданному участку планеты. HadGEM1 (и другие модели океана) используют океаническую сетку с более высоким разрешением в тропиках, чтобы помочь разрешить процессы, которые считаются важными для Южного колебания Эль-Ниньо (ENSO). В спектральных моделях обычно используется гауссова сетка из-за математического преобразования между спектральным пространством и пространством точек сетки. Типичное разрешение AGCM составляет от 1 до 5 градусов по широте или долготе: HadCM3, например, использует 3,75 по долготе и 2,5 градуса по широте, что дает сетку 96 на 73 точки (96 x 72 для некоторых переменных); и имеет 19 вертикальных уровней. В результате получается примерно 500 000 «базовых» переменных, поскольку каждая точка сетки имеет четыре переменные ( u , v , T , Q ), хотя полный подсчет даст больше (облака; уровни почвы). HadGEM1 использует сетку 1,875 градусов по долготе и 1,25 по широте в атмосфере; HiGEM, вариант с высоким разрешением, использует 1,25 x 0,83 градуса соответственно. [8] Это разрешение ниже, чем обычно используется для прогнозирования погоды. [9] Разрешение океана, как правило, выше, например HadCM3 имеет 6 точек сетки океана на каждую точку сетки атмосферы по горизонтали.
В стандартной конечно-разностной модели однородные линии сетки сходятся к полюсам. Это приведет к вычислительной нестабильности (см. условие CFL ), поэтому переменные модели необходимо фильтровать по линиям широты, близким к полюсам. Модели океана также страдают от этой проблемы, если только не используется повернутая сетка, в которой Северный полюс смещается на близлежащий участок суши. Спектральные модели не страдают от этой проблемы. В некоторых экспериментах используются геодезические сетки [10] и икосаэдрические сетки, которые (будучи более однородными) не имеют проблем с полюсами. Другой подход к решению проблемы шага сетки — деформировать декартов куб так, чтобы он покрывал поверхность сферы. [11]
Некоторые ранние версии МОЦАО требовали специального процесса «коррекции потока» для достижения стабильного климата. Это стало результатом отдельно подготовленных моделей океана и атмосферы, каждая из которых использовала неявный поток от другого компонента, отличный от того, который мог создать этот компонент. Такая модель не соответствовала наблюдениям. Однако если потоки были «скорректированы», факторы, которые привели к этим нереалистичным потокам, могли бы остаться нераспознанными, что могло бы повлиять на чувствительность модели. В результате подавляющее большинство моделей, использованных в текущем раунде докладов МГЭИК, не используют их. Улучшения модели, которые теперь делают ненужными поправки на потоки, включают улучшенную физику океана, улучшенное разрешение как в атмосфере, так и в океане, а также более физически согласованную связь между подмоделями атмосферы и океана. Улучшенные модели теперь поддерживают стабильные модели приземного климата на протяжении нескольких столетий, которые считаются достаточно качественными, чтобы их можно было использовать для прогнозов климата. [12]
Влажная конвекция высвобождает скрытое тепло и важна для энергетического баланса Земли. Конвекция происходит в слишком маленьком масштабе, чтобы ее можно было разрешить с помощью климатических моделей, и, следовательно, ее необходимо учитывать с помощью параметров. Это делается с 1950-х годов. Акио Аракава проделал большую часть ранних работ, и варианты его схемы используются до сих пор [13] , хотя сейчас используется множество различных схем. [14] [15] [16] Облака также обычно обрабатываются с помощью параметра из-за аналогичного отсутствия масштаба. Ограниченное понимание облаков ограничило успех этой стратегии, но не из-за какого-то внутреннего недостатка метода. [17]
Большинство моделей включают программное обеспечение для диагностики широкого спектра переменных для сравнения с наблюдениями или изучением атмосферных процессов . Примером может служить двухметровая температура, которая является стандартной высотой для приземных наблюдений за температурой воздуха. Эта температура не прогнозируется напрямую из модели, а выводится из температур поверхности и самого нижнего слоя модели. Другое программное обеспечение используется для создания сюжетов и анимации.
Связанные МОЦАО используют моделирование переходного климата для прогнозирования изменений климата при различных сценариях. Это могут быть идеализированные сценарии (чаще всего выбросы CO 2 увеличиваются на 1% в год) или основанные на недавней истории (обычно сценарии «IS92a» или, в последнее время, сценарии SRES ). Какие сценарии наиболее реалистичны, остается неясным.
На рисунке 9.3 третьего оценочного отчета МГЭИК 2001 года показана глобальная средняя реакция 19 различных связанных моделей на идеализированный эксперимент, в котором выбросы увеличивались на 1% в год. [19] На рисунке 9.5 показана реакция меньшего числа моделей на более поздние тенденции. Для 7 показанных здесь климатических моделей изменение температуры к 2100 году варьируется от 2 до 4,5 °C со средним значением около 3 °C.
Сценарии будущего не включают неизвестные события – например, извержения вулканов или изменения в солнечном воздействии. Считается, что эти эффекты невелики по сравнению с воздействием парниковых газов (ПГ) в долгосрочной перспективе, но, например, крупные извержения вулканов могут оказывать существенный временный охлаждающий эффект.
Выбросы ПГ от человека являются входными данными модели, хотя для их получения также можно включить экономическую/технологическую подмодель. Уровни выбросов парниковых газов в атмосфере обычно предоставляются в качестве входных данных, хотя для расчета таких уровней можно включить модель углеродного цикла, которая отражает растительные и океанические процессы.
Для шести маркерных сценариев SRES IPCC (2007:7–8) дала «наилучшую оценку» повышения глобальной средней температуры (2090–2099 гг. По сравнению с периодом 1980–1999 гг.) На уровне от 1,8 °C до 4,0 °C. [20] За тот же период времени «вероятный» диапазон (вероятность более 66%, согласно экспертным оценкам) для этих сценариев составлял повышение средней глобальной температуры на 1,1–6,4 °C. [20]
В 2008 году в исследовании были сделаны климатические прогнозы с использованием нескольких сценариев выбросов. [21] В сценарии, в котором глобальные выбросы начнут снижаться к 2010 году, а затем будут снижаться устойчивыми темпами 3% в год, прогнозируется, что к 2050 году вероятное повышение глобальной средней температуры будет на 1,7 °C выше доиндустриального уровня, увеличившись до около 2 °C к 2100 году. В прогнозе, разработанном для моделирования будущего, в котором не будет предприниматься никаких усилий по сокращению глобальных выбросов, прогнозируется, что вероятное повышение глобальной средней температуры к 2100 году составит 5,5 °C. Повышение до 7 °C считалось возможным, хотя и менее вероятным.
Другой сценарий без сокращения привел к среднему потеплению над сушей (2090–99 годы по сравнению с периодом 1980–99 годов) на 5,1 °C. При том же сценарии выбросов, но с использованием другой модели, прогнозируемое медианное потепление составило 4,1 °C. [22]
МОЦАО интернализируют столько процессов, сколько достаточно изучено. Однако они все еще находятся в стадии разработки и остаются значительные неопределенности. Они могут быть связаны с моделями других процессов в моделях системы Земли , таких как углеродный цикл , чтобы лучше моделировать обратную связь. Самые последние моделирования показывают «правдоподобное» согласие с измеренными температурными аномалиями за последние 150 лет, обусловленными наблюдаемыми изменениями в парниковых газах и аэрозолях. Соглашение улучшается за счет включения как естественных, так и антропогенных воздействий. [23] [24] [25]
Тем не менее несовершенные модели могут давать полезные результаты. МОЦ способны воспроизводить общие особенности наблюдаемой глобальной температуры за последнее столетие. [23]
Споры о том, как согласовать предсказания климатических моделей о том, что потепление верхних слоев атмосферы (тропосферы) должно быть больше, чем наблюдаемое приземное потепление, некоторые из которых, по-видимому, показывают обратное, [26] разрешились в пользу моделей после пересмотра данных.
Эффекты облаков представляют собой значительную область неопределенности в климатических моделях. Облака оказывают конкурирующее воздействие на климат. Они охлаждают поверхность, отражая солнечный свет в космос; они нагревают его, увеличивая количество инфракрасного излучения, передаваемого из атмосферы на поверхность. [27] В докладе МГЭИК 2001 года возможные изменения облачного покрова были отмечены как серьезная неопределенность в прогнозировании климата. [28] [29]
Исследователи климата во всем мире используют климатические модели, чтобы понять климатическую систему. Были опубликованы тысячи статей об исследованиях на основе моделей. Частью этого исследования является улучшение моделей.
В 2000 году сравнение измерений и десятков моделей GCM тропических осадков, водяного пара, температуры и уходящей длинноволновой радиации, вызванных ЭНСО , выявило сходство между измерениями и моделированием большинства факторов. Однако смоделированное изменение количества осадков было примерно на четверть меньше наблюдаемого. Ошибки в моделировании осадков влекут за собой ошибки в других процессах, например, ошибки в скорости испарения, которая обеспечивает влажность, вызывающую образование осадков. Другая возможность заключается в том, что спутниковые измерения ошибочны. Любой из них указывает на то, что необходим прогресс для мониторинга и прогнозирования таких изменений. [30]
Точные масштабы будущих изменений климата все еще неясны; [31] на конец XXI века (2071–2100 гг.), для сценария SRES A2, изменение глобального среднего изменения SAT от МОЦАО по сравнению с 1961–1990 гг. составляет +3,0 °C (5,4 °F), а диапазон составляет + От 1,3 до +4,5 °C (от +2,3 до 8,1 °F).
В Пятом оценочном докладе МГЭИК утверждается «с очень высокой степенью уверенности в том, что модели воспроизводят общие характеристики среднегодового повышения приземной температуры в глобальном масштабе за исторический период». Однако в отчете также отмечается, что скорость потепления в период 1998–2012 годов была ниже, чем прогнозировалось 111 из 114 климатических моделей Проекта по взаимному сравнению связанных моделей. [32]
Глобальные климатические модели, используемые для климатических прогнозов, по структуре похожи на числовые модели прогнозирования погоды (и часто имеют общий с ними компьютерный код) , но, тем не менее, логически различны.
Большинство прогнозов погоды делается на основе интерпретации результатов числовых моделей. Поскольку прогнозы обычно рассчитаны на несколько дней или неделю, а температура поверхности моря меняется относительно медленно, такие модели обычно не содержат модель океана, а полагаются на навязанные ТПМ. Им также требуются точные начальные условия для начала прогноза – обычно они берутся из результатов предыдущего прогноза, смешанных с наблюдениями. Прогнозы погоды необходимы с более высоким временным разрешением, чем климатические прогнозы, часто с точностью до часа по сравнению со средними значениями климата за месяц или год. Однако, поскольку прогнозы погоды охватывают только около 10 дней, модели также можно запускать с более высоким вертикальным и горизонтальным разрешением, чем в климатическом режиме. В настоящее время ECMWF работает с разрешением 9 км (5,6 миль) [33] в отличие от масштаба от 100 до 200 км (от 62 до 124 миль), используемого при прогоне типичных климатических моделей. Часто локальные модели запускаются с использованием результатов глобальной модели для граничных условий, чтобы добиться более высокого локального разрешения: например, Метеорологическое бюро запускает мезомасштабную модель с разрешением 11 км (6,8 миль) [34] , охватывающую Великобританию, и различные агентства в Великобритании. США используют такие модели, как модели NGM и NAM. Как и большинство глобальных моделей численного прогнозирования погоды, таких как GFS , глобальные климатические модели часто представляют собой спектральные модели [35] , а не сеточные модели. Спектральные модели часто используются для глобальных моделей, поскольку некоторые вычисления при моделировании могут выполняться быстрее, что сокращает время выполнения.
Климатические модели используют количественные методы для моделирования взаимодействия атмосферы , океанов, поверхности суши и льда .
Все климатические модели учитывают поступающую энергию в виде коротковолнового электромагнитного излучения , главным образом видимого и коротковолнового (ближнего) инфракрасного диапазона , а также исходящую энергию в виде длинноволнового (дальнего) инфракрасного электромагнитного излучения Земли. Любой дисбаланс приводит к изменению температуры .
Самые обсуждаемые модели последних лет связывают температуру с выбросами парниковых газов . Эти модели прогнозируют тенденцию к увеличению рекордной температуры на поверхности , а также более быстрое повышение температуры на больших высотах. [36]
Трехмерные (или, точнее, четыре, поскольку время также учитывается) МОЦ дискретизируют уравнения движения жидкости и передачи энергии и интегрируют их с течением времени. Они также содержат параметризацию таких процессов, как конвекция, которые происходят в масштабах, слишком малых, чтобы их можно было решить напрямую.
Атмосферные GCM (AGCM) моделируют атмосферу и задают температуру поверхности моря в качестве граничных условий. Связанные GCM атмосфера-океан (AOGCM, например HadCM3 , EdGCM , GFDL CM2.X, ARPEGE-Climat [37] ) объединяют две модели.
Модели различаются по сложности:
Другие подмодели, например землепользование , могут быть взаимосвязаны, что позволяет исследователям прогнозировать взаимодействие между климатом и экосистемами.
Модель Climber-3 использует 2,5-мерную статистико-динамическую модель с разрешением 7,5° × 22,5° и шагом по времени 1/2 дня. Океаническая подмодель — MOM-3 ( Модульная модель океана ) с сеткой 3,75 × 3,75 ° и 24 вертикальными уровнями. [38]
Одномерные радиационно-конвективные модели использовались для проверки основных климатических предположений в 1980-х и 1990-х годах. [39]
МОЦ могут составлять часть моделей системы Земли , например, путем объединения моделей ледникового покрова для динамики ледниковых щитов Гренландии и Антарктики , а также одной или нескольких моделей переноса химических веществ (СТМ) для видов , важных для климата. Таким образом, модель переноса химии углерода может позволить МОЦ лучше прогнозировать антропогенные изменения концентрации углекислого газа . Кроме того, этот подход позволяет учитывать межсистемную обратную связь: например, химико-климатические модели позволяют изучать влияние изменения климата на озоновую дыру . [40]
В 1956 году Норман Филлипс разработал математическую модель, которая могла реалистично отображать ежемесячные и сезонные закономерности в тропосфере . Это стала первая успешная климатическая модель. [41] [42] После работы Филлипса несколько групп начали работать над созданием МОЦ. [43] Первый метод, сочетающий океанические и атмосферные процессы, был разработан в конце 1960-х годов в Лаборатории геофизической гидродинамики NOAA . [1] К началу 1980-х годов Национальный центр атмосферных исследований США разработал Модель атмосферы сообщества; эта модель постоянно совершенствуется. [44] В 1996 году начались работы по моделированию типов почвы и растительности. [45] Позже Центр Хэдли по прогнозированию климата и исследованиям разработал модель HadCM3, соединившую элементы океана и атмосферы. [43] Роль гравитационных волн добавилась в середине 1980-х годов. Гравитационные волны необходимы для точного моделирования циркуляции регионального и глобального масштаба. [46]
{{cite journal}}
: Требуется цитирование журнала |journal=
( помощь ). См. также Яблоновски, Кристиана. «Адаптивное уточнение сетки (AMR) для моделей погоды и климата». Архивировано из оригинала 28 августа 2016 года . Проверено 24 июля 2010 г.{{citation}}
: CS1 maint: числовые имена: список авторов ( ссылка )(пб: 0-521-01495-6 ).{{citation}}
: CS1 maint: числовые имена: список авторов ( ссылка )(пб: 0-521-01495-6 ).{{citation}}
: CS1 maint: числовые имена: список авторов ( ссылка )(пб: 978-0-521-70596-7 ){{citation}}
: CS1 maint: числовые имена: список авторов ( ссылка ).