Neurčitosti výstupů regionálních klimatických modelů =Uncertainties in regional climate model outputs

Abstract

Odhad budoucího vývoje klimatu je pro současnou vědu velkou výzvou. Velmi užitečným a užívaným nástrojem jsou v tomto směru klimatické modely. Modelové simulace je ale možné považovat pouze za projekce zatížené mnoha nejistotami. V příspěvku je nejdříve podán stručný přehled poznatků týkajících se této problematiky, které lze nalézt v odborné literatuře. Zdroje neurčitostí spojených s výstupy klimatických modelů můžeme rozdělit do čtyř skupin: počáteční podmínky a okrajové podmínky, parametrizace a struktura modelu. Pokud používáme modelové simulace jako podklad pro scénáře budoucí změny klimatu, tak k popsaným nejistotám v modelových výstupech přistupuje další, plynoucí z neznalosti vývoje přirozených i antropogenních faktorů ovlivňujících klima. Multimodelové soubory slouží jako nástroj pro analýzu rozsahu neurčitostí vyplývajících ze struktury modelů. Existuje velké množství různých přístupů ke zpracování multimodelových souborů, často se jedná o váženou kombinaci simulací jednotlivých modelů. Váhy jsou modelům přisuzovány obvykle na základě posouzení schopnosti daného modelu vystihnout pozorované klimatické charakteristiky ve zvoleném referenčním období. Vyhodnocování nejistot a modelových chyb spolu tedy úzce souvisí a v praxi se často prolíná. Proto jsou v příspěvku ilustrovány dva praktické problémy, se kterými se musíme potýkat při hodnocení shody modelových výstupů s pozorovanými hodnotami. Jedná se o závislost výsledku hodnocení na výběru metriky a referenčního období.

Estimating future climate changes is a great challenge for scientists. Climate models, as numerical models of the climate system, are very useful instruments for these estimates. However, model simulations of the future development of the climate can only be taken as projections with many uncertainties. In the present paper, the main sources of these uncertainties in regional climate models are reviewed, and several related issues are discussed. Generally, the uncertainties in model outputs come from the inaccuracies of initial and boundary conditions, the parameterization of small-scale processes, and the structure of the model. Additionally, in the case of future climate simulations, the unknown development of forcings that influence the climate system also play a role. The multi-model ensembles provide a tool to analyze structural uncertainty. The methods for such analysis are often based on weighting the models according to various criteria and metrics. Model weights are usually based on model performance in a reference period. Two issues connected to model validation are illustrated here, i.e. the results of model performance evaluation depend on the choice of the metrics incorporated and the reference period.