Forskere sorterer usikkerheder i havniveaufremskrivninger

Efterhånden som de globale temperaturer fortsætter med at stige, bliver kystsamfund konfronteret med den presserende udfordring med stigende havniveauer. Det haster med at give beslutningstagere pålidelige prognoser for fremtidige havniveauer bliver stadig mere kritisk. I spidsen for denne forudsigende indsats ligger Dynamic Sea Level (DSL), en nuanceret variabel, der er indviklet forbundet med havvandsdensitet og havcirkulation, som i øjeblikket er under intensiv undersøgelse i klimamodeller.

Ocean Modeling Team ved Institute of Atmospheric Physics, Chinese Academy of Sciences, gennemførte for nylig en omfattende undersøgelse, der afslørede usikkerheden omkring DSL-projektioner ved hjælp af det banebrydende Coupled Model Intercomparison Project Phase 6 (CMIP6) ensemble og det ekspansive FGOALS-g3 super -stort ensemble.

Deres undersøgelse afslører, at hvad angår dynamik i bassinskala, spiller intermodelusikkerhed en ledende rolle, idet den bidrager med over 55 %, 80 % og 70 % til den samlede usikkerhed af DSL-fremskrivninger på kort sigt (2021-2040), på mellemlang sigt (2041-2060) ), og henholdsvis langsigtet (2081-2100). Følgende er intern variabilitet, der tegner sig for 10-42% på kort sigt og mindre end 20% på mellemlang sigt. Selvom virkningen af ​​scenarieusikkerhed i starten er minimal, stiger den gradvist og overgår bidrag fra intern variabilitet på lang sigt.

Professor Hailong Liu, den tilsvarende forfatter til rækken af ​​nyligt offentliggjorte undersøgelser, understregede:"Der er også regionale nuancer. På regional skala dominerer intern variabilitet på kort sigt for Stillehavet, Det Indiske Ocean og den vestlige grænse af Omvendt tager intermodelusikkerhed fokus i andre regioner. Bidrag udvikler sig over tid, hvor scenarieusikkerhed bliver betydelig i det sydlige, Stillehav og Atlanterhavet på lang sigt.

Forskerholdet observerede også, at menneskeskabte DSL-signaler forventes at dukke op fra specifikke regioner ved slutningen af ​​dette århundrede. Forfiningen af ​​CMIP6-ensemblet, opnået ved at eliminere modelforskelle, forbedrer vores evne til at detektere disse signaler på forhånd.

"Forestil dig at prøve at forstå Jordens klima ved hjælp af en computermodel. I stedet for at køre modellen kun én gang, kører vi den mange gange med små variationer i startforholdene. Dette hjælper os med at se, hvordan modellen reagerer på forskellige situationer," forklarede prof. Liu .

"Ved at gøre dette kan vi bedre måle, hvordan Jordens klima reagerer på eksterne faktorer, som ændringer i drivhusgasser, og også forstå de naturlige op- og nedture, der sker af sig selv. På den måde får vi et klarere og mere pålideligt billede af hvordan vores klima fungerer."

Holdet får derfor indsigt fra FGOALS-g3 Super-Large Ensemble, der har 110 modelmedlemmer, der passer problemfrit med CMIP6-medlemmer i bassin-gennemsnitlige DSL-projektioner. En sammenlignende analyse med CMIP6-ensemblet afslører større estimater af intern variabilitet i FGOALS-g3 super-large ensemblet.

Så hvad er konsekvenserne for i morgen? Holdets forskning uddyber ikke kun vores forståelse af stigende havniveauer, men lægger også grundlaget for mere præcise og informerede klimamodeller. Den indhentede indsigt er medvirkende til at sikre fremtiden for vores kystsamfund.

Disse resultater er for nylig blevet offentliggjort i Journal of Climate , Fremskridt inden for atmosfæriske videnskaber , og Geoscience Letters .

Flere oplysninger: Chenyang Jin et al., Uncertainties in the Projection of Dynamic Sea Level in CMIP6 og FGOALS-g3 Large Ensemble, Journal of Climate (2024). DOI:10.1175/JCLI-D-23-0272.1

Chenyang Jin et al., Evaluering af sæsonbestemt til årtiers variabilitet i dynamiske havniveausimuleringer fra CMIP5 til CMIP6, Geoscience Letters (2023). DOI:10.1186/s40562-023-00291-w

Leveret af Chinese Academy of Sciences