Модель общей циркуляции ( GCM ) — это тип климатической модели . Она использует математическую модель общей циркуляции планетарной атмосферы или океана. Она использует уравнения Навье–Стокса на вращающейся сфере с термодинамическими условиями для различных источников энергии ( излучение , скрытая теплота ). Эти уравнения являются основой для компьютерных программ, используемых для моделирования атмосферы или океанов Земли. Атмосферные и океанические GCM (AGCM и OGCM ) являются ключевыми компонентами наряду с морским льдом и компонентами поверхности суши .
GCM и глобальные климатические модели используются для прогнозирования погоды , понимания климата и прогнозирования изменения климата .
Атмосферные GCM (AGCM) моделируют атмосферу и накладывают температуры поверхности моря в качестве граничных условий. Связанные атмосферно-океанические GCM (AOGCM, например, HadCM3 , EdGCM , GFDL CM2.X , ARPEGE-Climat) [2] объединяют две модели. Первая модель общей циркуляции климата, которая объединила как океанические, так и атмосферные процессы, была разработана в конце 1960-х годов в Лаборатории геофизической гидродинамики NOAA [3] . AOGCM представляют собой вершину сложности в климатических моделях и интернализуют как можно больше процессов. Однако они все еще находятся в стадии разработки, и неопределенности остаются. Их можно сочетать с моделями других процессов, таких как углеродный цикл , чтобы лучше моделировать эффекты обратной связи. Такие интегрированные многосистемные модели иногда называют либо «моделями земной системы», либо «моделями глобального климата».
Версии, разработанные для климатических приложений в масштабе времени 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 различных уравнений гидродинамики, химических и иногда биологических уравнений.
Аббревиатура GCM изначально расшифровывалась как General Circulation Model ( Модель общей циркуляции ). Недавно вошло в употребление второе значение, а именно Global Climate Model (Глобальная климатическая модель) . Хотя они не относятся к одному и тому же, General Circulation Models (Модели общей циркуляции) обычно являются инструментами, используемыми для моделирования климата , и поэтому эти два термина иногда используются взаимозаменяемо. Однако термин «глобальная климатическая модель» неоднозначен и может относиться к интегрированной структуре, которая включает в себя несколько компонентов, включая модель общей циркуляции, или может относиться к общему классу климатических моделей, которые используют различные средства для математического представления климата.
Атмосферные (AGCM) и океанические GCM (OGCM) могут быть объединены для формирования модели общей циркуляции, связанной с атмосферой и океаном (CGCM или AOGCM). С добавлением подмоделей, таких как модель морского льда или модель эвапотранспирации над сушей, AOGCM становятся основой для полной климатической модели. [4]
Модели общей циркуляции (GCM) дискретизируют уравнения движения жидкости и переноса 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 для ячейки процессы, такие как конвекция, которые происходят в масштабах, слишком малых для прямого разрешения, параметризуются на уровне ячейки, в то время как другие функции управляют интерфейсом между ячейками.
Трехмерные (точнее, четырехмерные) GCM применяют дискретные уравнения для движения жидкости и интегрируют их вперед во времени. Они содержат параметризации для таких процессов, как конвекция , которые происходят в масштабах, слишком малых для прямого решения.
Простая модель общей циркуляции (SGCM) состоит из динамического ядра, связывающего такие свойства, как температура, с другими, такими как давление и скорость. Примерами являются программы, которые решают примитивные уравнения , учитывая поступление энергии и рассеивание энергии в форме трения , зависящего от масштаба , так что атмосферные волны с самыми высокими волновыми числами сильнее всего ослабляются. Такие модели могут использоваться для изучения атмосферных процессов, но не подходят для климатических прогнозов.
Атмосферные GCM (AGCM) моделируют атмосферу (и обычно содержат также модель поверхности суши) с использованием введенных температур поверхности моря (SST). [5] Они могут включать в себя химию атмосферы.
AGCM состоят из динамического ядра, которое интегрирует уравнения движения жидкости, как правило, для:
GCM содержит прогностические уравнения , которые являются функцией времени (обычно ветра, температуры, влажности и поверхностного давления) вместе с диагностическими уравнениями , которые оцениваются из них для определенного периода времени. Например, давление на любой высоте можно диагностировать, применяя гидростатическое уравнение к прогнозируемому поверхностному давлению и прогнозируемым значениям температуры между поверхностью и интересующей высотой. Давление используется для вычисления силы градиента давления в зависящем от времени уравнении для ветров.
OGCM моделируют океан (с наложенными потоками из атмосферы) и могут содержать модель морского льда . Например, стандартное разрешение HadOM3 составляет 1,25 градуса по широте и долготе с 20 вертикальными уровнями, что приводит к приблизительно 1 500 000 переменных.
AOGCM (например, HadCM3 , GFDL CM2.X ) объединяют две подмодели. Они устраняют необходимость указывать потоки через интерфейс поверхности океана. Эти модели являются основой для модельных прогнозов будущего климата, таких как те, которые обсуждаются МГЭИК . AOGCM интернализуют как можно больше процессов. Они использовались для предоставления прогнозов в региональном масштабе. В то время как более простые модели, как правило, поддаются анализу, а их результаты легче понять, AOGCM может быть почти так же сложно анализировать, как и сам климат.
Уравнения жидкости для AGCM делаются дискретными с использованием либо метода конечных разностей , либо спектрального метода . Для конечных разностей сетка накладывается на атмосферу. Простейшая сетка использует постоянный угловой шаг сетки (т. е. сетку широты/долготы). Однако чаще используются непрямоугольные сетки (например, икосаэдрические) и сетки переменного разрешения [6] . [7] Модель LMDz может быть организована для получения высокого разрешения по любому заданному участку планеты. HadGEM1 (и другие модели океана) используют сетку океана с более высоким разрешением в тропиках, чтобы помочь разрешить процессы, которые считаются важными для Эль-Ниньо Южное колебание (ENSO). Спектральные модели обычно используют гауссову сетку из-за математики преобразования между спектральным и пространственным пространством точек сетки. Типичные разрешения AGCM составляют от 1 до 5 градусов по широте или долготе: HadCM3, например, использует 3,75 градуса 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. Это дает приблизительно 500 000 «базовых» переменных, поскольку каждая точка сетки имеет четыре переменные ( u , v , T , Q ), хотя полный подсчет дал бы больше (облака; уровни почвы). HadGEM1 использует сетку 1,875 градуса по долготе и 1,25 градуса по широте в атмосфере; HiGEM, вариант с высоким разрешением, использует 1,25 x 0,83 градуса соответственно. [8] Эти разрешения ниже, чем обычно используются для прогнозирования погоды. [9] Разрешение океана, как правило, выше, например, HadCM3 имеет 6 точек сетки океана на точку сетки атмосферы по горизонтали.
Для стандартной конечно-разностной модели равномерные линии сетки сходятся к полюсам. Это приведет к вычислительной нестабильности (см. условие CFL ), поэтому переменные модели должны быть отфильтрованы вдоль линий широты, близких к полюсам. Модели океана также страдают от этой проблемы, если только не используется повернутая сетка, в которой Северный полюс смещен на близлежащий участок суши. Спектральные модели не страдают от этой проблемы. Некоторые эксперименты используют геодезические сетки [10] и икосаэдрические сетки, которые (будучи более равномерными) не имеют проблем с полюсами. Другой подход к решению проблемы шага сетки заключается в деформации декартова куба таким образом, чтобы он покрывал поверхность сферы. [11]
Некоторые ранние версии AOGCM требовали специального процесса «коррекции потока» для достижения стабильного климата. Это было результатом отдельно подготовленных моделей океана и атмосферы, каждая из которых использовала неявный поток от другого компонента, отличный от того, который мог бы произвести этот компонент. Такая модель не соответствовала наблюдениям. Однако, если потоки были «исправлены», факторы, которые привели к этим нереалистичным потокам, могли бы быть нераспознанными, что могло бы повлиять на чувствительность модели. В результате подавляющее большинство моделей, используемых в текущем раунде отчетов МГЭИК, не используют их. Улучшения модели, которые теперь делают поправки потока ненужными, включают улучшенную физику океана, улучшенное разрешение как в атмосфере, так и в океане и более физически последовательную связь между подмоделями атмосферы и океана. Улучшенные модели теперь поддерживают стабильные многовековые моделирования поверхностного климата, которые считаются достаточно качественными, чтобы их можно было использовать для климатических прогнозов. [12]
Влажная конвекция высвобождает скрытое тепло и важна для энергетического бюджета Земли. Конвекция происходит в слишком малых масштабах, чтобы ее можно было разрешить с помощью климатических моделей, и, следовательно, ее необходимо обрабатывать с помощью параметров. Это делалось с 1950-х годов. Акио Аракава выполнил большую часть ранней работы, 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 некоторых присущих этому методу недостатков. [17]
Большинство моделей включают программное обеспечение для диагностики широкого спектра переменных для сравнения с наблюдениями или изучения атмосферных процессов . Примером может служить температура на высоте 2 метра, которая является стандартной высотой для приповерхностных наблюдений температуры воздуха. Эта температура не предсказывается напрямую из модели, а выводится из температур поверхности и самого нижнего слоя модели. Другое программное обеспечение используется для создания графиков и анимаций.
Связанные AOGCM используют переходные климатические симуляции для проектирования/предсказания 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 "IS92a" или, в последнее время, сценарии SRES ). Какие сценарии наиболее реалистичны, остается неясным.
Третий оценочный доклад МГЭИК 2001 г. На рисунке 9.3 показан глобальный средний ответ 19 различных сопряженных моделей на идеализированный эксперимент, в котором выбросы увеличивались на 1% в год. [19] На рисунке 9.5 показан ответ меньшего числа моделей на более поздние тенденции. Для 7 климатических моделей, показанных там, изменение температуры к 2100 году варьируется от 2 до 4,5 °C со средним значением около 3 °C.
Будущие сценарии не включают неизвестные события, например, извержения вулканов или изменения в солнечном воздействии. Считается, что эти эффекты незначительны по сравнению с воздействием парниковых газов (ПГ) в долгосрочной перспективе, но крупные вулканические извержения, например, могут оказывать существенное временное охлаждающее воздействие.
Выбросы парниковых газов человеком являются входными данными модели, хотя можно включить экономическую/технологическую подмодель, чтобы предоставить их также. Уровни парниковых газов в атмосфере обычно предоставляются как входные данные, хотя можно включить модель углеродного цикла, которая отражает растительность и океанические процессы, чтобы рассчитать такие уровни.
Для шести сценариев маркеров SRES МГЭИК (2007:7–8) дала «наилучшую оценку» повышения глобальной средней температуры (2090–2099 гг. относительно периода 1980–1999 гг.) в размере от 1,8 °C до 4,0 °C. [20] За тот же период времени «вероятный» диапазон (вероятность более 66 %, на основе экспертной оценки) для этих сценариев составил повышение глобальной средней температуры от 1,1 до 6,4 °C. [20]
В 2008 году исследование сделало климатические прогнозы с использованием нескольких сценариев выбросов. [21] В сценарии, где глобальные выбросы начнут снижаться к 2010 году, а затем будут снижаться с устойчивой скоростью 3% в год, вероятное повышение глобальной средней температуры было предсказано на 1,7 °C выше доиндустриального уровня к 2050 году, увеличившись примерно до 2 °C к 2100 году. В прогнозе, разработанном для моделирования будущего, в котором не будет предпринято никаких усилий по сокращению глобальных выбросов, вероятное повышение глобальной средней температуры было предсказано на 5,5 °C к 2100 году. Повышение до 7 °C считалось возможным, хотя и менее вероятным.
Другой сценарий без сокращения привел к медианному потеплению на суше (2090–99 по сравнению с периодом 1980–99) на 5,1 °C. При том же сценарии выбросов, но с другой моделью, прогнозируемое медианное потепление составило 4,1 °C. [22]
AOGCM интернализуют столько процессов, сколько достаточно понято. Однако они все еще находятся в стадии разработки, и остаются значительные неопределенности. Они могут быть связаны с моделями других процессов в моделях системы Земли , такими как углеродный цикл , чтобы улучшить обратную связь моделей. Самые последние моделирования показывают «правдоподобное» согласие с измеренными температурными аномалиями за последние 150 лет, когда они вызваны наблюдаемыми изменениями парниковых газов и аэрозолей. Согласие улучшается за счет включения как естественных, так и антропогенных воздействий. [23] [24] [25]
Несовершенные модели, тем не менее, могут давать полезные результаты. GCM способны воспроизводить общие черты наблюдаемой глобальной температуры за последнее столетие. [23]
Дискуссия о том, как согласовать прогнозы климатических моделей, согласно которым потепление верхних слоев воздуха (тропосферы) должно быть больше наблюдаемого потепления поверхности, некоторые из которых, по-видимому, показывали обратное [26] , была решена в пользу моделей после пересмотра данных.
Эффекты облаков являются значительной областью неопределенности в климатических моделях. Облака оказывают конкурирующее воздействие на климат. Они охлаждают поверхность, отражая солнечный свет в космос; они нагревают ее, увеличивая количество инфракрасного излучения, передаваемого из атмосферы на поверхность. [27] В отчете МГЭИК 2001 года возможные изменения в облачном покрове были выделены как основная неопределенность в прогнозировании климата. [28] [29]
Исследователи климата по всему миру используют климатические модели для понимания климатической системы. Тысячи статей были опубликованы об исследованиях на основе моделей. Часть этих исследований направлена на улучшение моделей.
В 2000 году сравнение между измерениями и десятками симуляций GCM тропических осадков, вызванных ЭНСО , водяного пара, температуры и исходящей длинноволновой радиации обнаружило сходство между измерениями и симуляцией большинства факторов. Однако смоделированное изменение осадков было примерно на четверть меньше, чем наблюдалось. Ошибки в смоделированных осадках подразумевают ошибки в других процессах, таких как ошибки в скорости испарения, которая обеспечивает влагу для создания осадков. Другая возможность заключается в том, что спутниковые измерения ошибочны. Любое из этих двух указывает на необходимость прогресса для мониторинга и прогнозирования таких изменений. [30]
Точная величина будущих изменений климата все еще не определена; [31] для конца 21-го века (2071–2100 гг.) для сценария SRES A2 изменение глобального среднего изменения SAT от AOGCM 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).
Пятый оценочный доклад МГЭИК утверждал «очень высокую уверенность в том, что модели воспроизводят общие черты глобального среднегодового повышения температуры поверхности за исторический период». Однако в докладе также отмечалось, что скорость потепления за период 1998–2012 гг. была ниже, чем предсказывали 111 из 114 климатических моделей проекта сравнения сопряженных моделей . [32]
Глобальные климатические модели, используемые для климатических прогнозов, по своей структуре схожи с числовыми моделями прогнозирования погоды (и часто имеют общий компьютерный код) , но тем не менее логически отличны от них.
Большинство прогнозов погоды делается на основе интерпретации результатов числовой модели. Поскольку прогнозы обычно составляют несколько дней или неделю, а температура поверхности моря меняется относительно медленно, такие модели обычно не содержат модель океана, а полагаются на наложенные SST. Они также требуют точных начальных условий для начала прогноза — обычно они берутся из результатов предыдущего прогноза, смешанных с наблюдениями. Прогнозы погоды требуются с более высоким временным разрешением, чем климатические прогнозы, часто менее часа по сравнению с ежемесячными или годовыми средними значениями для климата. Однако, поскольку прогнозы погоды охватывают только около 10 дней, модели также могут работать с более высоким вертикальным и горизонтальным разрешением, чем климатический режим. В настоящее время ECMWF работает с разрешением 9 км (5,6 мили) [33] в отличие от масштаба 100–200 км (62–124 мили), используемого типичными прогонами климатических моделей. Часто локальные модели запускаются с использованием результатов глобальной модели для граничных условий, чтобы достичь более высокого локального разрешения: например, Метеорологическое бюро запускает мезомасштабную модель с разрешением 11 км (6,8 миль) [34], охватывающую Великобританию, а различные агентства в США используют такие модели, как модели NGM и NAM. Как и большинство глобальных численных моделей 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, тем самым сокращая время выполнения.
Климатические модели используют количественные методы для моделирования взаимодействия атмосферы , океанов, поверхности суши и льда .
Все климатические модели учитывают входящую энергию в виде коротковолнового электромагнитного излучения , в основном видимого и коротковолнового (ближнего) инфракрасного , а также исходящую энергию в виде длинноволнового (дальнего) инфракрасного электромагнитного излучения от Земли. Любой дисбаланс приводит к изменению температуры .
Наиболее обсуждаемые модели последних лет связывают температуру с выбросами парниковых газов . Эти модели прогнозируют тенденцию к росту в записи температуры поверхности , а также более быстрое повышение температуры на больших высотах. [36]
Трёхмерные (или, точнее, четырёхмерные, поскольку время также учитывается) GCM дискретизируют уравнения движения жидкости и переноса энергии и интегрируют их по времени. Они также содержат параметризации для таких процессов, как конвекция, которые происходят в масштабах, слишком малых для прямого решения.
Атмосферные GCM (AGCM) моделируют атмосферу и накладывают температуры поверхности моря в качестве граничных условий. Связанные атмосферно-океанические GCM (AOGCM, например, HadCM3 , EdGCM , GFDL CM2.X, ARPEGE-Climat [37] ) объединяют две модели.
Модели различаются по сложности:
Другие подмодели могут быть взаимосвязаны, например, модель землепользования , что позволяет исследователям прогнозировать взаимодействие между климатом и экосистемами.
Модель Climber-3 использует 2,5-мерную статистическую-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]
GCM могут быть частью моделей системы Земли , например, путем объединения моделей ледяного покрова для динамики ледяных покровов Гренландии и Антарктиды , а также одной или нескольких моделей химического транспорта (CTM) для видов, важных для климата. Таким образом, модель транспорта химии углерода может позволить GCM лучше предсказывать антропогенные изменения в концентрациях углекислого газа . Кроме того, этот подход позволяет учитывать межсистемную обратную связь: например, модели химии и климата 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 . Она стала первой успешной климатической моделью. [41] [42] После работы Филлипса несколько групп начали работать над созданием GCM. [43] Первая модель, объединяющая океанические и атмосферные процессы, была разработана 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 совершенствовалась. [44] В 1996 году начались усилия по моделированию типов почв и растительности. [45] Позже модель HadCM3 Центра прогнозирования и исследования климата Хэдли связала элементы океана и атмосферы. [43] Роль гравитационных волн была добавлена в середине 1980-х годов. Гравитационные волны необходимы для точного моделирования региональных и глобальных масштабов циркуляции. [46]
{{cite journal}}: Cite journal required |journal=( help ) См. также Jablonowski, Christiane. "Adaptive Mesh Refinement (AMR) for Weather and Climate Models". Архивировано из оригинала 28 августа 2016 г. Получено 24 июля 2010 г.{{citation}}: CS1 maint: числовые имена: список авторов ( ссылка )(тел.: 0-521-01495-6 ).{{citation}}: CS1 maint: числовые имена: список авторов ( ссылка )(тел.: 0-521-01495-6 ).{{cite web}}: CS1 maint: бот: исходный статус URL неизвестен ( ссылка ){{citation}}: CS1 maint: числовые имена: список авторов ( ссылка )(тел.: 978-0-521-70596-7 ){{citation}}: CS1 maint: числовые имена: список авторов ( ссылка ).