STATISZTIKUS LESKÁLÁZÁS: NEMZETKÖZI KÖRKÉP, HAZAI EREDMÉNYEK Mika János OMSz,
[email protected] • GCM-mezők (interpoláció) • (Fizikai leskálázás beágyazott modellekkel) • Statisztikus leskálázás cirkulációs patternekkel • Empirikus analógiák (egyszerű statisztikák)
• Hazai összesités Budapest, 2005. november 24.
REGIONÁLIS SZCENÁRIÓ SZÁRMAZTATÁS • 1. GCM-mezők (interpoláció) • 2. Fizikai leskálázás beágyazott modellekkel
• 3. Statisztikus leskálázás cirkulációs patternekkel • 4. Empirikus analógiák (egyszerű statisztikák):
Az általános cirkulációs modellek tartalmi bővülése
Problémák a regionalizálásban: I. Nem elegendő felbontás (leskálázás!) II. Szabad változékonyság (ensamble!)
Azért, van fejlődés! 10 AGCM (IPCC 1995)
FELHŐZET
Ugyanez 2001-re:
Ensamble különbségek a melegedésben (MRI-CGCM2: Japan Meteorological Agency, 2003)
Uncertainty in climate model predictions
Jason Lowe , Jonathan Gregory, Jeff Ridley, Philippe Huybrechts, Robert Nicholls and Matthew Collins EXETER, Anglia, 2002. február 1-3
Predicted change in surface pressure over Europe from a subset of the model versions used to generate likelihood predictions. Results are for a doubling of atmospheric CO2 concentration MELYIK MEZŐBŐL KELL LESKÁLÁZNI ? MINDEGYIKBŐL ?!
50 N 45 N
50 N 45 N
17 GCM (IPCC, 2001)
MAGICC/ SCENGEN version 4.1 Wigley et al., 2003 Sept.
Máthé Cs., 2005 szakdolgozat (témavez. M.J.)
A jelenkori éves hőmérséklet alakulása a megfigyelések és a 17 modellszimuláció átlaga alapján.
o
C 15 10 5 0 -5
Pa1 15 7, 5
10 2, 5
As1 As2 77 ,5
42 ,5
Eu1 Eu2 17 ,5
At2
-2 2, 5
At1 -4 7, 5
-8 7, 5
-1 38
-1 13
Pa2 Am1 Am2
-10
földrajzi hosszúság
modell adatok
megfigyelt adatok
A jelenkori éves csapadékösszeg a megfigyelések és a 17 modellszimuláció átlaga alapján.
földrajzi hosszúság
modell adatok
megfigyelt adatok
Pa1 15 7, 5
10 2, 5
As1 As2 77 ,5
Eu2
42 ,5
Eu1 17 ,5
At2
-2 2, 5
At1 -4 7, 5
Am1 Am2
-1 13
Pa2
-1 38
5 4 3 2 1 0 -1 -2
-8 7, 5
mm
A GCM-ek minősége: jelen állapot MAGICC/ SCENGEN 4.1 alapján:
Téli átlaghőmérséklet változása 2025-re
% 1,6
1,6
1,4
1,4
1,2 1
1,2 1
0,8
0,4 0,2
0,4 0,2
földrajzi hosszúság
1,6 1,4 1,2 1 0,8 0,6 0,4
As1 As2
földrajzi hosszúság
Pa1 15 7, 5
Eu1 Eu2
77 ,5 10 2, 5
At1 At2
17 ,5 42 ,5
Pa2 Am1 Am2
-1 38 -1 13 -8 7, 5
0
-4 7, 5 -2 2, 5
0,2
Pa2 Am1 Am2
At1 At2
Eu1 Eu2
As1 As2
Pa1
földrajzi hosszúság
Nyári átlaghőmérséklet változása 2025-re
%
0
-1 38 -1 13 -8 7, 5
Pa1 15 7, 5
As1 As2 77 ,5 10 2, 5
Eu1 Eu2 17 ,5 42 ,5
At1 At2 -4 7, 5 -2 2, 5
Pa2 Am1 Am2
-1 38 -1 13 -8 7, 5
0
15 7, 5
0,6
77 ,5 10 2, 5
0,6
17 ,5 42 ,5
0,8
-4 7, 5 -2 2, 5
%
Évi átlaghőmérséklet változása 2025-re
A hőmérséklet változása 2025-re a 45-50 N szélességi övben MAGICC/ SCENGEN 4.1 alapján
Éves csapadékösszeg változása 2025-re %
Téli csapadékösszeg változása 2025-re
3
%
2 1 0 -1 -2
Nyári csapadékösszeg változása 2025-re %
földrajzi hosszúság
Pa1 15 7, 5
As1 As2
77 ,5 10 2, 5
Eu1 Eu2 17 ,5 42 ,5
At1 At2 -4 7, 5 -2 2, 5
-1 38 -1 13 -8 7, 5
Pa2 Am1 Am2
At1 At2
Eu1 Eu2
As1 As2
Pa1 15 7, 5
77 ,5 10 2, 5
17 ,5 42 ,5
-4 7, 5 -2 2, 5
földrajzi hosszúság
földrajzi hosszúság
3 2 1 0 -1 -2 -3 -4 -5 -6 -7 -8
Pa2 Am1 Am2
-3
-1 38 -1 13 -8 7, 5
Pa1 15 7, 5
As1 As2 77 ,5 10 2, 5
Eu1 Eu2 17 ,5 42 ,5
At1 At2 -4 7, 5 -2 2, 5
-1 38 -1 13 -8 7, 5
8 7 6 5 4 3 2 1 0 -1 Pa2 Am1 Am2
A csapadék változása 2025-re a 45-50 N szélességi övben MAGICC/ SCENGEN 4.1 alapján
A hőmérséklet napi szórásának változása 2025-re a 45-50 N szélességi övben Hőmérséklet szórásának változása 2025-re, tél %
12 10 8 6 4 2 0 -2
Hőmérséklet szórásának változása 2025-re, nyár
Pa1 15 7,5
77 ,5 10 2,5
42 ,5
17 ,5
As1 As2
Hőmérséklet szórásának változása 2025-re, tavasz
%
10
12
8
10
6
8 6
4
4
földrajzi hosszúság
Eu1 Eu2
As1 As2
földrajzi hosszúság
Pa1 15 7,5
At1 At2
77 ,5 10 2,5
Pa2 Am1 Am2
42 ,5
-4
-1 38
Pa1 15 7,5
As1 As2 77 ,5 10 2,5
42 ,5
Eu1 Eu2 17 ,5
At1 At2 -4 7,5 -2 2,5
-1 13 -8 7,5
-1 38
Pa2 Am1 Am2
17 ,5
0 -2
-2
-4 7,5 -2 2,5
2
0
-1 13 -8 7,5
2
-4
Eu1 Eu2
földrajzi hosszúság
földrajzi hosszúság
%
At1 At2 -4 7,5 -2 2,5
Pa2 Am1 Am2
-1 38
-4
-1 13 -8 7,5
Pa1
15 7,5
As1 As2
77 ,5 10 2,5
42 ,5
Eu1 Eu2
17 ,5
At1 At2
-4 7,5 -2 2,5
-1 38 -1 13 -8 7,5
10 8 6 4 2 0 -2 -4 -6 -8 -10 Pa2 Am1 Am2
Hőmérséklet szórásának változása 2025-re, tavasz
%
A napi csapadék szórásának változása 2025-re a 45-50 N szélességi övben A napi csapadék téli szórásváltozása 2025-re
A napi csapadék tavaszi szórásváltozása 2025-re
%
%
12 10 8 6 4 2 0 -2
A napi csapadék nyári szórásváltozása 2025-re
földrajzi hosszúság
15 7, 5
77 ,5 10 2, 5
42 ,5
Pa1
%
földrajzi hosszúság
Pa1
15 7, 5
As1 As2
77 ,5 10 2, 5
Eu1 Eu2
17 ,5 42 ,5
At1 At2
-4 7, 5 -2 2, 5
14 12 10 8 6 4 2 0 -2 -4 Pa2 Am1 Am2
-1 38 -1 13 -8 7, 5
Pa1
15 7, 5
As1 As2
77 ,5 10 2, 5
17 ,5 42 ,5
-4 7, 5 -2 2, 5
-1 38 -1 13 -8 7, 5
Eu1 Eu2
As1 As2
A napi csapadék őszi szórásváltozása 2025-re
%
At1 At2
Eu1 Eu2
földrajzi hosszúság
földrajzi hosszúság
10 8 6 4 2 0 -2 -4 -6 -8 -10 Pa2 Am1 Am2
At1 At2
17 ,5
Pa2 Am1 Am2
-1 38 -1 13 -8 7, 5
-4
-4 7, 5 -2 2, 5
Pa1 15 7, 5
As1 As2 77 ,5 10 2, 5
Eu1 Eu2 17 ,5 42 ,5
At1 At2 -4 7, 5 -2 2, 5
Pa2 Am1 Am2
-1 38 -1 13 -8 7, 5
16 14 12 10 8 6 4 2 0 -2 -4
IPCC 2001, 2001, Table 9.2 alapján OAGCM: számított változás pattern-korrelációi
Csapadék
0.4
0.2
0
-0.2 0.2
0.4
0.6
Hőmérséklet
0.8
REGIONÁLIS SZCENÁRIÓ SZÁRMAZTATÁS • 1. GCM-mezők (interpoláció) • 2. Fizikai leskálázás beágyazott modellekkel
• 3. Statisztikus leskálázás cirkulációs patternekkel • 4. Empirikus analógiák (egyszerű statisztikák):
COP10, 13 December 2004
Introducing STARDEX: STAtistical and Regional dynamical Downscaling of EXtremes for European regions Clare Goodess* & the STARDEX team *Climatic Research Unit, UEA, Norwich, UK February 2002 to July 2005 http://www.cru.uea.ac.uk/projects/stardex
STARDEX Study Regions The ‘FIC dataset’
Germany: 10 stations
Alps: 10 stations
UK: 6 stations
Greece: 8 stations
Iberia: 16 stations
Italy: 7 stations
Clare Goodess* & the STARDEX team
STARDEX downscaling methods • • • • • • • • •
Canonical correlation analysis Neural networks Two-stage analogue technique Conditional resampling Regression analysis Conditional weather generator Potential precipitation circulation index (cluster analysis) Critical circulation patterns (fuzzy rules) Local rescaling of GCM simulated precipitation Clare Goodess* & the STARDEX team
STARDEX Predictor selection methods • • • • • • • •
Correlation Stepwise multiple regression PCA/CCA Compositing Neural networks Genetic algorithm “Weather typing” Trend analysis Clare Goodess* & the STARDEX team
http://www.cru.uea.ac.uk/projects/stardex/
Examples of strong relationships between intense rainfall and circulation established by STARDEX: French Alpes Maritime
German Rhine (winter)
Greenland Anticyclone Sole Cyclone
Circulation pattern optimisation technique - CP02
1971-1983 (left) & 1983-1995 (right)
Guy Plaut, CNRS-INLN
András Bárdossy, USTUTT-IWS
STARDEX Winter EOFs of winter Z500 HadAM3P (left) and NCEP (right)
ARPA-SMR
A major, systematic inter-comparison of SDS methods is underway in STARDEX: 20+ methods, 7 regions, 13 indices and 4 seasons
Iberian Peninsula – Spearman correlations for 6 SDS models and 4 seasons averaged across 7 extreme rainfall indices and 16 stations Neural network methods perform best in this example – but skill always varies between season & index Malcolm Haylock, UEA
STARDEX Skill of the statistical downscaling model 1979-
1993 expressed as correlation coefficient between the observed and estimated 692R90N (bold-5%significance)
Zone
1_forecast
1_observed
0.21
2_observed 3_observed 4_observed 5_observed Emilia Romagna region obs
2_forecast
3_forecast
4_forecast
5_forecast
Emilia Romagna region forecast
0.30 0.37 0.27 0.26 0.25
Tomozeiu et al., ARPA-SMR
STARDEX The scenarios of extremes will incorporate three forms of uncertainty
uncertainty related to downscaling methods uncertainty related to possible future emission paths uncertainty due to intra- and inter-model variability
CIRKULÁCIÓS LESKÁLÁZÁS
(Egy-egy példa 6 Péczely típusra a 13-ból)
Cirkulációs irkulációs típusok hatékonysága (DY) havi anomáliát komponensekre bontjuk:
DY = C + P + M, C a típusok havi
gyakorisági anomáliái és a hozzájuk tartozó feltételes átlagok {AI} szorzatainak összege: { { AI}; P a típusok szokásos {qI} gyakoriságai és az adott hónapban átlagolt feltételes anomáliák szorzat-összege: {qI}; M a típusok gyakorisági anomáliái és a típusokon belül átlagolt feltételes anomáliák szorzat-összege: .
13 Péczely-féle szubjektív makroszinoptikus típus - Debrecen 1966-1995:
Kis aránya a C tagnak, P fizikai tag dominál) * De: korreláció a C tag és a teljes anomália között ! P
Csapadék: ++
M
C
150%
P
Csapadék: --
M
C
100%
100%
Hőmérséklet ++
P M C
Nov
Sep
July
P M C
Hőmérséklet -150%
100%
100% 50%
50%
Nov
Sep
July
May
Mar
Nov
Sep
July
May
Mar
-50%
Jan
0% Jan
0%
May
0%
-50%
Mar
0%
50%
Jan
50%
Mika J., Molnár J., Tar K., 2005 (Phys.&Chem. of the Earth, vol. 30, 135-141)
Debrecen 19661966-1995: A tisztán cirkulációs anomáliaanomáliakomponens és a teljes anomália korrelációja az 1, 4, …, 24 éves átlagokra: több gyenge (itt(itt-ott negatív) korreláció, főleg a 12 - 24 éves átlagokra ! 4
6
0,00
6 12
-1,00
NAPFÉNYTARTAM
24
CSAPADÉK 1,00
12 16 XI
IX
VI I
V
III
-1,00
24
8
-0,50
12 16
-1,00
(PÉCZELY - TIPUSOK ALAPJÁN)
XI
8
-0,50
6
0,00
IX
6
VI I
0,00
4
V
4
1
0,50
III
1 0,50
I
1,00
I
XI
16 IX
24
8
-0,50
VI I
XI
IX
VI I
V
16 III
I
4
12
-1,00
1
0,50
8
-0,50
1,00
V
0,00
1
III
0,50
MINIMUM HÕMÉRSÉKLET
MAXIMUM HÕMÉRSÉKLET
I
1,00
24
A 2000-2003 időszak előző 10 évhez viszonyitott kéthavi csapadék-anomáliái és ezek makroszinoptikus közelitései 0.6 0.4 0.2
mm/nap
0 -0.2 -0.4
HB9
-0.6
Péczely
-0.8
Bodolainé
-1 Tény
-1.2
JF
MA
Erre a 4 évre mindhárom rendszer gyengén közelít !
MJ
JA
SO
ND
Pálfy L. (2004), szakdolgozat (témavez. Mika J. - Bonta I. - Varga Gy.)
REGIONÁLIS SZCENÁRIÓ SZÁRMAZTATÁS • 1. GCM-mezők (interpoláció) • 2. Fizikai leskálázás beágyazott modellekkel
• 3. Statisztikus leskálázás cirkulációs patternekkel • 4. Empirikus analógiák (egyszerű statisztika): Hasonlósági hipotézis: hipotézis a klíma regionális együtt-változása függ a globális változás mértékétől, de nem függ azok okaitól
John F B Mitchell:
Evaluation of climate models, attribution of climate change http://www.ipcc.ch/present/presentations.htm Aerosol forcing
The response to different forcings may be surprisingly similar
Aerosol response
CO2 response
Reader and Boer , 1998
EXETER, 2005. február 1-3
Van hasonlóság, a kényszerek különböző volta ellenére
Különböző források eredményeinek összesítése területi átlagokra (IPCC 2001 10. fejezetből)
Ruosteenoja,et al., Finnish Environment Institute, 2003 http://www.environment.fi/download.asp?contentid=25835&lan=EN
Észak-Európa 2010-2039
2070-2099
Kapcsolat a helyi hőmérséklet és helyi csapadék változásai között Ruosteenoja,et al., Finnish Environment Institute, 2003
Dél-Európa 2010-2039
2070-2099
Kapcsolat a helyi hőmérséklet és helyi csapadék változásai között Ruosteenoja,et al., Finnish Environment Institute, 2003
IPCC (2001 (2001)) 10. 10.2 2 ábra területi egységeiben: NYÁR - lineáris kapcsolat a globális melegedéssel korreláció: >0,9 (21 ill. 22 adat-pár) É-Európa hőmérséklet-változásai a globális változás függvényében 5
7
GCM PALEO H. PROXY INSTRUM
3
6 5
Dél-Európa (K)
4 Észak-Eu (K)
Dél-Európa hőmérsékletváltozásai a globális változás függvényében
2 1
4 3 2 1
0 -1
0
1
2
-1
globális (K)
3
4
5
GCM PALEO H. PROXY INSTRUM
0 -1
-1
1
3 globális (K)
Szász-Ferkő Cs., 2003 (szakdolgozat, témavez. Mika J.)
5
IPCC (2001 (2001)) 10. 10.2 2 ábra területi egységeiben: NYÁR - gyenge kapcsolat a globális melegedéssel korreláció: > -0,14 ill. -0,46 (25 - 25 adat-pár) (3-féle forrás: GCM, paleo-analóg, műszeres stat.) Észak-Európa csapadékváltozása (%) Északa globális hőmérséklet fv-ében
Dél-Európa csapadékváltozása (%) Déla globális hőmérséklet fv-ében
40
10
20
0 -10 0
0 -20 0 -40
2
4
6
2
4
-20 -30 -40
Szász-Ferkő Cs., 2005 (mester-dolgozat, témavez. Mika J.)
6
A „szeletelés” módszere (Mika, 1988)
Y=Y0+(Y/ Y/)+(Y/ Y/ T) T)T =0.4 Tc + 0.6 To és T = To- Tc fontos: R
(1881-1980) ~ 0 !
t-próba: 95 % (80 % - a regresszió előjelére) a szeletek több, mint felében. .
Regressz. együttható
Nyári félév EG /6
Téli félév EG /6
Hőmérséklet K T / XX B K/K T Csapadék K P / B mm/K T Napf. tart. K n/ %/K T Aszály-gyak. g/ hó/év
T / 1,5±0,5 (1,1 ±0,8) 1,5±0,5 (1,0 ±0,9) 1,6±0,4 (1,2 ±0,8) -85±48 -114±40 -79±29 - 84 ±34 (-36±30) - 46 ±34 19± 7 18 ± 8 23 ± 5 21 ± 8
T / (T) 1,8±0,1 1,6±0,4 1,5±0,2 1,3±0,4 2,0±0,3 1,6±0,5 (28±29) (27±38) (31±28) 48±34 (-22±23) (-10±25) . . . .
+ 1,6
1,6
.
Mind: hőmérséklet
.
Az utóbbi három évtized: melegedő tendencia: új statisztikai elemzés (ha nincs 100 év a szeleteléshez)
Instrumentális változók módszere (Első hazai alkalmazás: Mika J.-Bálint G., 2000)
Regresszió rövid sorokból
:
Első éghajlati alkalmazás Groisman, 1979 Y(t)=Yo+Y1(t) Z instrumentális változóra, ha
0 korreláció a független változó értékeivel, 0 korreláció a független változó hibáival 0 korreláció a független vált. maradékával; akkor:
Y1 cov (Y,Z)
cov (,Z) Period 1974-98
76 állomásra 25 év
r(,t) d/dt (K/yr) 0,825
0.026 0.004
Z:= t
ÉVI CSAPADÉK-ÖSSZEG 0,5 K FOKOS MELEGEDÉSRE (%)
JAN
52,5 50 47,5 45 FEB 52,5 50 47,5 45 MAR 52,5 50 47,5 45 APR 52,5 50 47,5 45 MAY 52,5 50 47,5 45 JUN 52,5 50 47,5 45
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
Duna felső vízgyűjtő területén
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
SCHEME 21 -27 % 15 - 21 % 9 - 15 %
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
3- 9% -3 - 3 % -9 - -3 % -15 - -9 %
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
-21 - -15 % -27 - -21 % <-0,27
JUL 52,5 50 47,5 45 AUG 52,5 50 47,5 45 SEP 52,5 50 47,5 45 OCT 52,5 50 47,5 45 NOV 52,5 50 47,5 45 DEC 52,5 50 47,5 45
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0
Összegzés (2004. július): • 4-féle eljárás, 9 verzió 2 GCM (SCENGEN 2.1, Bartholy-Pongrácz-Schlanger, 2003)
1 egyszerű kapcsolódó EWBM (Mika et al., 1998) 1 cirkulációs leskálázás (Bartholy et al., 1995) 5 empirikus analógia és egyszerű statisztikus eljárás (3 paleo-analóg, 1-1 szeletelés és instrumentális) (Mika 1988, …, 2000) A következő lapokon a módszereket jelző számok a globális változás mértékére, a betűk az eljárás jellegére utalnak. Pl. 0.5 S = fél oC melegedéshez tartozó helyi változás a szeletelés módszere alapján, 1.5 G = másfél oC melegedéshez tartozó helyi változás a GCM-ek átlagában.
FELHŐZET, ÉVI ÁTLAG
HŐMÉRSÉKLET, ÉVI ÁTLAG
K
30%
9,0 7,0
10%
5,0
-10% 3,0
-30%
1,0 -1,0
-50% 0,5 0,5 1,0 1,0 1,5 1,5 2,0 S I P E C G P
mm
3,0 G
4,0 K P
0,5 0,5 1,0 1,0 1,5 1,5 2,0 S I P E C G P
3,0 G
4,0 P
CSAPADÉK, ÉVI ÖSSZEG
500 400 300 200 100 0 -100 -200 -300 0,5 0,5 1,0 1,0 1,5 1,5 2,0 S I P E C G P
3,0 G
4,0 P
K
K
Augusztusi becslések a Csatlói Holt-Tisza szintjére 50 futás, éghajlatváltozás + hidrológiai modell (Hunyadi A., 2004: szakdolgozat. Témavez.: Mika J., Pongrácz R., Zsuffa I.jr.) 8650 8600
Vízállás (cmBf)
8550 8500 8450 8400 8350
2100
2090
2080
2070
2060
2050
2040
2030
2020
2010
2000
1990
8300
50 futtatás legalacsonyabb vízállásainak minimuma 50 futtatás legalacsonyabb vízállásainak maximuma
Évek
Átlagok
Az éghajlati átlagok változtak, a szórások nem: Mégis, az extrém következmény szórása láthatóan változott !!
Konklúzió: • A GCM-ek rácsponti eredményei még erősen szórnak, de leskálázás nélkül is létező informatív közelítések. • (A fizikai leskálázás hamarabb adhat jelentős javítást.) • Addig: a cirkulációs leskálázás nívós produktumokat de kevés gyakorlati eredményt ígér (mert makro-skála!). • Amíg direkt cáfolat nem történik (a kísérletekben használt globális forgatókönyvekre illetve a hasonlósági hipotézisre nézve), addig a tökéletlen GCM-outok és az empirikus analógok lehetnek hatásvizsgálatok alapjai. • A hatásterületek nem-lineáris viselkedése miatt ezek akkor is hasznosak, ha kevéssé informatívak a változékonyság és a szélsőségek alakulásáról.
NEM TUDUNK MINDENT SZIMULÁLNI, DE PRÓBÁLJUK MEGHALADNI AZ EMPIRIÁT!
Köszönöm a figyelmet!
