science >> Wetenschap >  >> Natuur

Modelontwikkeling is cruciaal om klimaatverandering te begrijpen

Aardrasters geven de dynamische kern van de atmosferische modelcomponent in FGOALS-f3-L aan, terwijl de wolken en de bijbehorende neerslag het belangrijkste fysieke schema in het atmosferische model aangeven - het Resolving Convective Precipitation (RCP) -schema - dat het model schaalbewust en rekenkundig snel maakt. Gebaseerd op de 'Tianhe 2'-supercomputer, zoals weergegeven onder de gerasterde wereldbol, de auteurs voltooien de CMIP6 AMIP-experimenten, die een grote bijdrage zal leveren aan ons begrip van extreme klimaatgebeurtenissen zoals tyfoons, overstromingen, droogte, en sneeuwstormen. Bovendien, deze datasets zullen ook bijdragen aan de benchmark van het huidige modelgedrag voor de gewenste continuïteit van CMIP. Krediet:vooruitgang in atmosferische wetenschappen

Numerieke modellen zijn een belangrijk hulpmiddel voor klimaatwetenschappers om het verleden te begrijpen, huidige en toekomstige klimaatverandering als gevolg van natuurlijke, ongedwongen variabiliteit of als reactie op veranderingen, volgens Dr. Qing Bao, Research Fellow bij het State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics (LASG), Instituut voor Atmosferische Fysica (IAP), Chinese Academie van Wetenschappen (CAS), en de corresponderende auteur van een recent gepubliceerde studie.

"Klimaatverandering, zoals de opwarming van de aarde, de menselijke samenleving in alle aspecten substantieel beïnvloeden, en klimaatvoorspelling is een constant hot topic in de klimaatwetenschappelijke gemeenschap, " zegt Dr. Bao. "Het Coupled Model Intercomparison Project (CMIP), georganiseerd onder auspiciën van de World Climate Research Programme's Working Group on Coupled Modelling, maakt gebruik van state-of-the-art klimaatmodellen om beleidsmakers een fysieke bewijsbasis te bieden, zoals het IPCC (Intergovernmental Panel on Climate Change)".

Dr. Bao en zijn modelteam - een groep onderzoekers van LASG/IAP - hebben de leiding over de ontwikkeling van het atmosferische model van CAS' FGOALS-f3-L klimaatmodel. Ze voltooiden onlangs de AMIP-simulaties (Atmospheric Model Intercomparison Project) in de zesde fase van CMIP en publiceerden hun datasets van de ESGF-knooppunten (Earth System Grid Federation) als een databeschrijvingsdocument in Vooruitgang in atmosferische wetenschappen .

Het eindige volume atmosferische model (FAMIL) in FGOALS-f3-L, dat is de nieuwe generatie AGCM (atmosferisch algemeen circulatiemodel) van het Spectral Atmosphere Model van LASG (SAMIL), is opgelost voor de CMIP6-experimenten in 2017. In deze versie, het parametreerschema voor dynamische kern en modelfysica is aanzienlijk bijgewerkt. Het nieuwe model is snel in het voltooien van enorme computertaken en overwint enkele modelvooroordelen met betrekking tot klimaatgevoeligheid en cloudmicrofysica uit de laatste versie. De huidige versie toont een goed vermogen, niet alleen in het vastleggen van grootschalige patronen van klimatologische gemiddelde neerslag en oppervlaktetemperatuur, maar is ook goed in het weergeven van gebeurtenissen binnen het seizoen zoals MJO (Madden-Julian Oscillation) en tyfoons, die een uitdaging waren voor de CMIP5-modellen, volgens Dr. He, de eerste auteur van dit artikel.

Na het ontwerp van de AMIP-experimenten, drie ensemble-simulaties werden uitgevoerd in de periode 1979-2014, die werden geforceerd door de maandelijks gemiddelde waargenomen temperatuur van het zeeoppervlak en zee-ijs, zoals aanbevolen door de CMIP6-projecten. De modeloutputs bevatten in totaal 37 variabelen en omvatten het vereiste drieuurgemiddelde, zes uur van voorbijgaande aard, dagelijkse en maandelijkse gemiddelde datasets.

"Voorlopige evaluatie suggereert dat FGOALS-f3-L de basispatronen van atmosferische circulatie en neerslag goed kan vastleggen, en deze datasets zouden kunnen bijdragen aan de benchmark van het huidige modelgedrag voor de gewenste continuïteit van CMIP, " Dr. Bao legt uit. "Analyse van deze datasets zal ook nuttig zijn bij het begrijpen van de bronnen van modelbias en van voordeel zijn voor de ontwikkeling van klimaatvoorspellingssystemen."