lars bärring, rossby centre
Post on 11-Jan-2016
38 Views
Preview:
DESCRIPTION
TRANSCRIPT
23-0
4-21
Sig
natu
r
Lars Bärring, Rossby Centre
Klimatindex för avnämare• Olika typer av klimatindex
•Vad görs på annat håll – leveranserna i ett sammanhang
• Några exempel
• Kvar att göra
•Att tänka på
Seminarium tisdag 22 augusti 2006
SMHI och Klimat och sårbarhetsutredningen
23-0
4-21
Sig
natu
r
Olika typer av klimatindex: Några nyare klasser
1. Antal tillfällen (dagar) då något bestämt tröskelvärde över-/underskridsAntalet ”Tropiska nätter” (T2min>20 ºC), Snödjup mellan 10 cm och 20 cm
2. Längsta period över/under något bestämt tröskelvärde
Längsta period med Precip<1 mm (=torka), vegetationsperiodens längd
3. Maximalt medelvärde/summa under en specifik tidsperiod
Medeltemp under 7 dygn, Maximal nederbörd under 14 dagar
4. Sista/första dag (datum) då någon händelse förekommer
Sista vårfrosten, första snön på hösten
5. Graddagar (temperatursumma över/under något tröskelvärde)
Cooling degree days, Heating degree days
23-0
4-21
Sig
natu
r
Olika typer av klimatindex: Kombinationsindex
6. Index baserat på flera variabler
Effektiv nederbörd: ”PminusE = Precip-Evap”, Regnnederbörd: ”Rainfall=Precip-Snowfall”
7. Index baserade på en variabel och flera tröskelvärden
Antal graddagar över 8 ºC under vegetationsperioden (från och med 5:e dagen med T2m>5 ºC ...)
8. Index baserade på flera variabler, var och en med sitt tröskelvärde
”Halkindexet” (nZeroCross=T2min<+1 ºC och T2max>-1 ºC)
9. Osv, etc., mm.
10. Till slut blir indexen mer av enkla modeller för någon specifik klimatpåverkan
vilka variabler är relevanta ?
vilka är tröskelvärdena, hur skarpa är de ?
hur långa perioder klarar man ?
finns långtidseffekter ?Mer forskning krävs: hör framtiden till
23-0
4-21
Sig
natu
r
Vad görs på annat håll – några exempel
• Utveckling av klimatindex (extremindex)
-- mycket arbete har skett/sker parallellt
-- för tillämpningar behöver indexen vara anpassade till sammanhanget
• Analys av observationsdata
-- European Climate Assessment (http://eca.knmi.nl/)
• Analys av modelldata
-- Flera EU-projekt: MICE, STARDEX, PRUDENCE,
-- Analys av globala modeller för IPCCs utvärdering
• Våra leveranser drar nytta av detta på flera sätt
23-0
4-21
Sig
natu
r
Rossby Centre’s indexleveranser i relation till andra
• Två regionala modeller: RCAO och RCA3
• Flera olika globala drivare
• Flera olika utsläppsscenarier
• Flera basvariabler på dygnsbasis:
-- temperatur (min,max,medel), även yttemperatur
-- nederbörd, även uppdelat som regn resp. snö
-- avdunstning
-- vind, (även byvind kommer)
-- snödjup, snöns vatteninnehåll, snötäckets utbredning
• Ett stort antal index beställda av eller
utvecklade i samråd med avnämare
Liknandearbete görs av andra(färre drivareoch scenarier)
UNIKT Mycketstort urvalbas-variabler
Styrs avavnämare
23-0
4-21
Sig
natu
r
Antal dagar med snötäcke
1961-90 2011-40
2041-70 2071-2100
23-0
4-21
Sig
natu
r
Tropiska nätter
23-0
4-21
Sig
natu
r
Tropiska nätter
23-0
4-21
Sig
natu
r
Tropiska nätter
23-0
4-21
Sig
natu
r
Tropiska nätter
23-0
4-21
Sig
natu
r
Nederbörd: häftig och extrem
JJA (sommar)
Häftig nederbörd(nGT10)
SON (höst)
Extrem nederbörd(nGT25)
hela året
23-0
4-21
Sig
natu
r
Antal uppehållsdagar i juli (Precip_nDryDay)
Klimatförändring
Framtid minus 61-90
23-0
4-21
Sig
natu
r
Kvar att göra
• Förändringskartor
• Smärre justeringar av layout, färgskalor, etc.
• Vindanalys, valda platser
• Energianalys valda platser
• Bearbetning av kommande scenarier
23-0
4-21
Sig
natu
r
Att tänka på (1)
• ALLA INDEX ÄR MEDELVÄRDEN för 30-årsperioden-- först beräknas ett indexvärde per år, därefter bildas medelvärde
• INTE DET VÄRSTA som kan tänkas inträffa under perioden,-- snarast vad som är typiskt
• MEDELVÄRDEN ÄR ALLTID SÄKRARE än extremer-- gäller både själva indexen (Precip_sum säkrare än Precip_nGT10) och 30-års medelvärden
-- och relativt enklare att kommunicera
• GRIDCELL-DATA ÄR INTE PUNKT-DATA
-- gäller särskilt nederbörd: regnmätare 200 cm2, gridcell ~2500 km2
-- gäller extremer mer än medelvärden
-- ibland svårt att hitta bra jämförelsematerial
23-0
4-21
Sig
natu
r
Att tänka på (2)
• Index baserade på tröskelvärden KAN VARA KÄNSLIGA FÖR BIAS i modellen
-- förändringskartor motverkar till del detta (gäller inte bara extremindex)
• ENKLA INDEX ÄR SÄKRARE än komplicerade index
-- i några fall har vi sagt stopp, detta går inte, det blir alltför osäkert
-- i något fall har nödvändiga data inte räknats fram
• Indexen har inte genomgått någon utvärdering
-- Vanligtvis saknas bra jämförelsedata
• Basvariablerna har genomgått grundläggande utvärdering
-- både avseende medelvärden och extremer
-- se RMK108 och referenser däri
23-0
4-21
Sig
natu
r
Att tänka på (3)
• UNIKT STORT OCH OMFATTANDE MATERIAL, men ändå
-- begränsat antal utsläppsscenarier (A2, B2, ...)
-- begränsat antal drivande globala modeller
• Kartorna är därför EXEMPEL på hur det kan tänkas bli
... och därmed bjuder vi
in till vernissage
top related