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