Model systemów ziemskich o średniej złożoności

Modele systemów ziemskich o średniej złożoności (EMIC) tworzą ważną klasę modeli klimatycznych , używanych głównie do badania systemów ziemskich w długich skalach czasowych lub przy zmniejszonych kosztach obliczeniowych. Osiąga się to głównie poprzez działanie w niższej rozdzielczości czasowej i przestrzennej niż w przypadku bardziej kompleksowych modeli ogólnego obiegu (GCM). Ze względu na nieliniową zależność między rozdzielczością przestrzenną a szybkością działania modelu, niewielkie zmniejszenie rozdzielczości może prowadzić do znacznej poprawy szybkości działania modelu. Historycznie umożliwiło to włączenie wcześniej niewłączonych systemów ziemskich, takich jak pokrywy lodowe i sprzężenia zwrotne cyklu węglowego . Zwykle przyjmuje się, że korzyści te wiążą się z pewnym kosztem dokładności modelu. Jednak stopień, w jakim modele o wyższej rozdzielczości poprawiają dokładność, a nie tylko precyzję, jest kwestionowany.

Historia

Moc obliczeniowa stała się wystarczająco potężna w połowie XX wieku, aby umożliwić modele przepływu masy i energii w pionowej i poziomej siatce rozdzielczej. Do 1955 roku te postępy przyniosły coś, co jest obecnie rozpoznawalne jako prymitywny GCM (prototyp Phillipsa). Nawet na tak wczesnym etapie brak mocy obliczeniowej stanowił istotną barierę wejścia na rynek i ograniczał czas modelowania.

W następnym półwieczu nastąpiła szybka poprawa i wykładniczy wzrost wymagań obliczeniowych. Modelowanie w coraz mniejszych skalach długości wymagało mniejszych kroków czasowych ze względu na warunek Couranta – Friedrichsa – Lewy'ego . Na przykład podwojenie rozdzielczości przestrzennej zwiększa koszt obliczeniowy o współczynnik 16 (współczynniki 2 dla każdego wymiaru przestrzennego i czasu). Oprócz pracy w mniejszych skalach, GCM zaczęły rozwiązywać dokładniejsze wersje równań Naviera-Stokesa . GCM zaczęły również włączać więcej systemów ziemskich i mechanizmów sprzężenia zwrotnego, przekształcając się w połączone modele systemów ziemskich. Włączenie elementów z kriosfery , obiegu węgla i sprzężeń zwrotnych z chmur było zarówno ułatwione, jak i ograniczone przez wzrost mocy obliczeniowej.

Potężne komputery i wysokie koszty wymagane do uruchomienia tych „kompleksowych” modeli ograniczyły dostęp do wielu uniwersyteckich grup badawczych. Pomogło to w rozwoju EMIC. Dzięki rozsądnej parametryzacji kluczowych zmiennych naukowcy mogli przeprowadzać symulacje klimatu na słabszych komputerach lub znacznie szybciej na porównywalnych komputerach. Współczesny przykład tej różnicy w szybkości można zobaczyć między EMIC JUMP-LCM a GCM MIROC4h; ten pierwszy działa 63 000 razy szybciej niż ten drugi. Spadek wymaganej mocy obliczeniowej umożliwił EMIC działanie przez dłuższe czasy modelu, a tym samym uwzględnienie systemów naziemnych zajmujących „wolną domenę”.

Statystyczny dynamiczny model Petoukhova z 1980 r. Został wymieniony jako pierwszy nowoczesny EMIC, ale pomimo rozwoju w latach 80. XX wieku ich specyficzna wartość zyskała szersze uznanie dopiero pod koniec lat 90. XX wieku wraz z włączeniem do IPCC AR2 pod pseudonimem „Proste modele klimatyczne ” . Wkrótce potem na kongresie IGBP w Shonnan Village w Japonii w maju 1999 r. Claussen publicznie ukuł akronim EMICs. Pierwszy uproszczony model, w którym przyjęto nomenklaturę „średniej złożoności”, jest obecnie jednym z najbardziej znanych: CLIMBER 2. Konferencja w Poczdamie pod kierunkiem Claussena zidentyfikowała 10 EMIC, listę zaktualizowano do 13 w 2005 r. Osiem modeli przyczyniło się do IPCC AR4 i 15 do AR5 .

Klasyfikacja

Oprócz „złożoności” modele klimatu zostały sklasyfikowane według ich rozdzielczości, parametryzacji i „integracji”. Integracja wyraża poziom interakcji różnych elementów systemu uziemienia. Wpływa na to liczba różnych linków w sieci (interaktywność współrzędnych), a także częstotliwość interakcji. Ze względu na swoją szybkość EMIC oferują możliwość wysoce zintegrowanych symulacji w porównaniu z bardziej wszechstronnymi ESM. Zaproponowano cztery kategorie EMIC w oparciu o tryb uproszczenia atmosfery: modele statystyczno-dynamiczne, modele bilansu energetycznego i wilgotności, modele quasi-geostroficzne i modele równań pierwotnych. Spośród 15 modeli wniesionych przez społeczność do piątego raportu oceniającego IPCC, cztery były modelami statystyczno-dynamicznymi, siedmioma bilansami energetyczno-wilgotnościowymi, dwoma modelami równań quasi-geostroficznych i dwoma prymitywnymi. Aby zilustrować te kategorie, podano studium przypadku dla każdej z nich.

Modele statystyczno-dynamiczne: modele CLIMBER

CLIMBER-2 i CLIMBER-3α to kolejne generacje 2,5- i 3-wymiarowych statystycznych modeli dynamicznych. Zamiast ciągłej ewolucji rozwiązań równań Naviera-Stokesa lub prymitywnych równań, dynamika atmosfery jest obsługiwana za pomocą statystycznej wiedzy o systemie (podejście nie jest nowe dla CLIMBER). Podejście to wyraża dynamikę atmosfery jako wielkoskalowe, długoterminowe pola prędkości i temperatury. Pozioma rozdzielczość atmosferyczna Climber-3α jest znacznie większa niż typowa atmosferyczna GCM przy 7,5° x 22,5°.

Przy charakterystycznej skali przestrzennej 1000 km to uproszczenie uniemożliwia rozróżnienie cech poziomu synoptycznego. Climber-3α obejmuje kompleksowe modele oceanów, lodu morskiego i biogeochemii . Pomimo tych pełnych opisów uproszczenie atmosfery pozwala jej działać o dwa rzędy wielkości szybciej niż porównywalne GCM. Oba modele CLIMBER oferują wydajność porównywalną do współczesnych GCM w symulacji obecnego klimatu. Jest to oczywiście interesujące ze względu na znacznie niższe koszty obliczeniowe. Oba modele były głównie wykorzystywane do badania paleoklimatów , w szczególności zarodkowania pokrywy lodowej.

Modele bilansu energii i wilgoci: UVic ESCM

Podejście termodynamiczne modelu UVic polega na uproszczeniu transportu masy (z dyfuzją Ficka ) i warunków opadów atmosferycznych. Model ten można postrzegać jako bezpośredniego potomka wcześniejszych modeli bilansu energetycznego. Te redukcje redukują atmosferę do trzech zmiennych stanu, temperatury powietrza na powierzchni, temperatury powierzchni morza i wilgotności właściwej. Parametryzując transport ciepła i wilgoci za pomocą dyfuzji, skale czasowe są ograniczone do większych niż roczne, a skale długości do ponad 1000 km. Kluczowym rezultatem podejścia termodynamicznego, a nie dynamicznego płynów, jest to, że symulowany klimat nie wykazuje wewnętrznej zmienności. Podobnie jak CLIMBER-3α, jest połączony z najnowocześniejszym modelem oceanu 3D i zawiera inne najnowocześniejsze modele lodu morskiego i lądowego. W przeciwieństwie do CLIMBER, model UVic nie ma znacznie większej rozdzielczości niż współczesne AOGCM (3,6° x 1,8°). W związku z tym cała przewaga obliczeniowa wynika z uproszczenia dynamiki atmosfery.

Modele quasi-geostroficzne: LOVECLIM

Równania quasi-geostroficzne są redukcją pierwotnych równań spisanych po raz pierwszy przez Charneya . Równania te są ważne w przypadku małej liczby Rossby'ego , oznaczającej tylko niewielki udział sił bezwładności. Założona dominacja Coriolisa i gradientu ciśnienia ułatwia redukcję pierwotnych równań do jednego równania potencjalnej wirowości w pięciu zmiennych. LOVECLIM charakteryzuje się rozdzielczością poziomą 5,6° i wykorzystuje quasi geostroficzny model atmosfery ECBilt. Zawiera moduł sprzężenia zwrotnego wegetacji autorstwa Brovkina i in. (1997). Model wykazuje pewne istotne ograniczenia, które są zasadniczo związane z jego konstrukcją. Model przewiduje Równoważną Czułość Klimatu na poziomie 1,9°C, na dolnym końcu zakresu przewidywań GCM. Rozkład temperatury powierzchni modelu jest zbyt symetryczny i nie odzwierciedla północnego odchylenia w lokalizacji Międzytropikalnej Strefy Konwergencji . Model ogólnie pokazuje niższe umiejętności na niskich szerokościach geograficznych. Inne przykłady modeli quasi-geostroficznych to PUMA.

Model równań pierwotnych: SŁAWNY

FAMOUS brytyjskiego Met-Office zaciera granicę między kompleksowymi modelami o bardziej zgrubnej rozdzielczości a EMIC. Zaprojektowany do przeprowadzania symulacji paleoklimatycznych plejstocenu, został dostrojony do odtwarzania klimatu swojego rodzica, HADCM3 , poprzez rozwiązanie prymitywnych równań zapisanych przez Charneya. Są one bardziej złożone niż równania quasi-geostroficzne. Wstępne przebiegi, pierwotnie nazwane ADTAN, miały znaczące odchylenia dotyczące lodu morskiego i AMOC , które później zostały poprawione poprzez dostrojenie parametrów lodu morskiego. Model działa z połową rozdzielczości poziomej HADCM3. Rozdzielczość atmosferyczna wynosi 7,5°x5°, a oceaniczna 3,75°x2,5°. Sprzężenie atmosfery z oceanem odbywa się raz dziennie.

Porównania i oceny

piątym raporcie oceniającym IPCC . Równowagowa i przejściowa wrażliwość klimatyczna EMIC zasadniczo mieściła się w zakresie współczesnych GCM w zakresie 1,9 - 4,0°C (w porównaniu do 2,1° - 4,7°C, CMIP5 ). Testowane przez ostatnie tysiąclecie średnie reakcje modeli były zbliżone do rzeczywistego trendu, jednak kryje się za tym znacznie większe zróżnicowanie pomiędzy poszczególnymi modelami. Modele na ogół przeszacowują absorpcję ciepła przez oceany w ciągu ostatniego tysiąclecia i wskazują na umiarkowane spowolnienie. W EMIC nie zaobserwowano związku między poziomami wzmocnienia polarnego, wrażliwością klimatyczną i stanem początkowym. Powyższe porównania z wydajnością GCM i kompleksowych ESM nie ujawniają pełnej wartości EMIC. Ich zdolność do działania jako „szybkie ESM” pozwala im symulować znacznie dłuższe okresy, nawet do wielu tysiącleci. Oprócz tego, że działają w skalach czasowych znacznie większych niż dostępne dla GCM, zapewniają podatny grunt dla rozwoju i integracji systemów, które później dołączą do GCM.

Perspektywy

Możliwymi przyszłymi kierunkami EMIC będą prawdopodobnie ocena niepewności i awangarda w zakresie włączania nowych systemów naziemnych. Ze względu na szybkość nadają się również do tworzenia zespołów, za pomocą których można ograniczać parametry i oceniać systemy uziemienia. Firma EMIC prowadziła ostatnio również w dziedzinie badań nad stabilizacją klimatu. McGuffie i Henderson-Sellers argumentowali w 2001 r., że w przyszłości EMIC będą „tak samo ważne” jak GCM w dziedzinie modelowania klimatu – chociaż być może nie było to prawdą w czasie od tego stwierdzenia, ich rola nie zmniejszyła się. Wreszcie, ponieważ klimatologia znalazła się pod coraz większą kontrolą, zdolność modeli nie tylko do prognozowania, ale także do wyjaśniania stała się ważna. Przejrzystość EMIC jest atrakcyjna w tej dziedzinie, ponieważ łańcuchy przyczynowe są łatwiejsze do identyfikacji i komunikacji (w przeciwieństwie do pojawiających się właściwości generowanych przez kompleksowe modele).

Zobacz też

  1. ^ a b c Flato, GM (2011). Modele systemów Ziemi: przegląd. Recenzje interdyscyplinarne Wiley: zmiany klimatyczne, 2 (6): 783–800.
  2. ^ Jakub, C. (2014). Powrót do podstaw. Przyroda Zmiana klimatu, 4: 1042–1045.
  3. ^ Lovejoy, S. (2015). Podróż przez łuski, brakujący kwadrylion i dlaczego klimat nie jest taki, jakiego oczekujesz. Dynamika klimatu, 44 (11): 3187–3210.
  4. ^ Lynch, P. (2008). Początki komputerowych prognoz pogody i modelowania klimatu. Journal of Computational Physics, 227 (7): 3431–3444
  5. ^ Phillips, NA (1956). Ogólna cyrkulacja atmosfery: eksperyment numeryczny. Kwartalnik Królewskiego Towarzystwa Meteorologicznego, 82 (352): 123–164
  6. ^ ab McGuffie, K. i Henderson-Sellers, A. (2001). Czterdzieści lat numerycznego modelowania klimatu. International Journal of Climatology, 21 (9): 1067–1109.
  7. ^ Courant, R., Friedrichs, K. i Lewy, H. (1967). O równaniach różnic cząstkowych fizyki matematycznej. IBM Journal of Research and Development, 11 (2): 215–234.
  8. ^ Biały, AA i Bromley, RA (1995). Spójne dynamicznie, quasi-hydrostatyczne równania dla modeli globalnych z pełną reprezentacją siły Coriolisa. Kwartalnik Królewskiego Towarzystwa Meteorologicznego, 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. i Ito, A. (2014). Modelowanie w naukach o systemach ziemskich do ipcc ar5 i poza nim. Progress in Earth and Planetary Science, 1 (1): 29.
  10. ^ Pietuchow, V. (1980). Strefowy model klimatyczny wymiany ciepła i wilgoci w atmosferze nad warstwami oceanu i lądu w: Golitsyn gs, yaglom am (red.) fizyka atmosfery i problem klimatu.
  11. ^ Claussen, Martin (2005-05-30). „Tabela EMIC (modele systemów Ziemi o średniej złożoności)” (PDF) . Źródło 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 glin. (2007). Modele klimatyczne i ich ocena. W Zmian klimatu 2007: Podstawy nauk fizycznych. Wkład Grupy Roboczej I w Czwarty Raport Oceniający IPCC (FAR), strony 589-662. Wydawnictwo Uniwersytetu Cambridge.
  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. i Rummukainen, M. (2013). Evaluation of Climate Models, część książki 9, strona 741866. Cambridge University Press, Cambridge, Wielka Brytania i Nowy Jork, NY, USA.
  14. Referencje _ , A., Calov, R., Ganopolski, A., Goosse, H., Lohmann, G., Lunkeit, F., Mokhov, I., Petoukhov, V., Stone, P. i Wang, Z. ( 2002). Modele systemów ziemskich o średniej złożoności: wypełnianie luki w spektrum modeli systemów klimatycznych. Dynamika klimatu, 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. i Zhao, F. (2013). Eksperymenty z historycznymi i wyidealizowanymi modelami klimatycznymi: wzajemne porównanie modeli systemów ziemskich o średniej złożoności. Klimat przeszłości, 9 (3): 1111–1140.
  16. ^ Petoukhov, V., Ganopolski, A., Brovkin, V., Claussen, M., Eliseev, A., Kubatzki, C. i Rahmstorf, S. (2000). Climber-2: model systemu klimatycznego o średniej złożoności. część i: opis modelu i wydajność dla obecnego klimatu. Dynamika klimatu, 16 (1): 1–17.
  17. ^ a b Montoya, M., Griesel, A., Levermann, A., Mignot, J., Hofmann, M., Ganopolski, A. i Rahmstorf, S. (2005). Model systemu ziemskiego wspinacza o średniej złożoności-3. część i: opis i wykonanie dla warunków współczesnych. 25:237–263.
  18. ^ Saltzman B. (1978). Przegląd statystyczno-dynamicznych modeli klimatu lądowego. tom 20 Advances in Geophysics, strony 183 – 304. Elsevier.
  19. ^ Ganopolski, A., Rahmstorf, S., Petoukhov, V. i Claussen, M. (1998). Symulacja współczesnego i lodowcowego klimatu ze sprzężonym modelem globalnym o pośredniej złożoności. Przyroda, 391 (6665): 351–356.
  20. Bibliografia _ _ _ Matthews, HD, J. Meissner, K., Saenko, O., Schmittner, A., X. Wang, H. i Yoshimori, M. (2001). Model klimatyczny systemu Uvic Earth: opis modelu, klimatologia i zastosowania w przeszłych, obecnych i przyszłych klimatach. 39:361–428.
  21. ^ Budyko, MI (1969). Wpływ wahań promieniowania słonecznego na klimat Ziemi. Tellus, 21 (5): 611–619.
  22. ^ Sprzedawcy, WD (1969). Globalny model klimatyczny oparty na bilansie energetycznym układu ziemia-atmosfera. Journal of Applied Meteorology, 8 (3): 392–400.
  23. ^ Północ, GR (1975). Teoria modeli klimatycznych bilansu energetycznego. Journal of the Atmospheric Sciences, 32 (11): 2033–2043.
  24. ^ Fanning, AF i Tkacz, AJ (1996). Model bilansu energii i wilgoci w atmosferze: klimatologia, interpentadalna zmiana klimatu i sprzężenie z ogólnym modelem cyrkulacji oceanicznej. Journal of Geophysical Research: Atmosfery, 101 (D10): 15111–15128.
  25. ^ Majda, A. i Wang, X. (2006). Dynamika nieliniowa i teorie statystyczne dla podstawowych przepływów geofizycznych. Wydawnictwo Uniwersytetu Cambridge.
  26. ^ Marshall, J. i Molteni, F. (1993). W kierunku dynamicznego zrozumienia reżimów przepływu w skali planetarnej. Journal of Atmospheric Sciences, 50 (12): 1792–1818.
  27. Bibliografia Linki zewnętrzne 2006). Biogeofizyczne skutki historycznych zmian pokrycia terenu symulowane przez sześć modeli systemów ziemskich o średniej złożoności. Dynamika klimatu, 26 (6): 587–600.
  28. ^ Weber, SL (2010). Użyteczność modeli układów ziemskich o średniej złożoności (emika). Recenzje interdyscyplinarne Wiley: zmiany klimatu, 1 (2): 243–252.
  29. Bibliografia Linki zewnętrzne 2006). Biogeofizyczne skutki historycznych zmian pokrycia terenu symulowane przez sześć modeli systemów ziemskich o średniej złożoności. Dynamika klimatu, 26 (6): 587–600.
  30. ^ McCright, AM, Dunlap, RE i Marquart-Pyatt, ST (2016). Ideologia polityczna i poglądy na temat zmian klimatu w Unii Europejskiej. Polityka środowiskowa, 25(2), 338-358.
  31. ^ Dunlap, RE, McCright, AM i Yarosh, JH (2016). Podział polityczny w sprawie zmian klimatu: w Stanach Zjednoczonych pogłębia się polaryzacja stronnicza. Środowisko: nauka i polityka na rzecz zrównoważonego rozwoju, 58(5), 4-23.
Pobrano z „ https://en.wikipedia.org/w/index.php?title=Earth_systems_model_of_intermediate_complexity&oldid=1021123838 ”