Tiểu luận Giáo trình Quản lý môi trường (Bản đẹp)

doc 90 trang huongle 2250
Bạn đang xem 20 trang mẫu của tài liệu "Tiểu luận Giáo trình Quản lý môi trường (Bản đẹp)", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • doctieu_luan_giao_trinh_quan_ly_moi_truong_ban_dep.doc

Nội dung text: Tiểu luận Giáo trình Quản lý môi trường (Bản đẹp)

  1. Lớp QLMT_K48 o0o Tiểu luận Giáo trình Quản lý môi trường 1
  2. Lớp QLMT_K48 MỤC LỤC 8.1. Tổng quan 3 8.1.1. Đánh giá có nghĩa là gì 3 8.1.2. Phương pháp đánh giá 3 8.1.3. Mô hình được xây dựng như thế nào 6 8.2. Sự cải tiến trong mô hình hoá 10 8.2.1. Qúa trình khí quyển 11 8.2.2. Qúa trình đại dương 13 8.2.3. Các quá trình đất 16 8.2.4. Các quá trình cryospheric 19 8.2.5. Mô hình hóa aerosol và hóa học khí quyển 21 8.2.6. Các cải tiến coupling 21 8.2.7. Những sự điều chỉnh dòng và initialization 22 8.3. Sự đánh giá khí hậu hiện thời khi được mô phỏng bởi những mô hình toàn cầu ghép.23 8.3.1. Khí quyển 24 8.3.2. Đai dương 32 8.3.3. Băng biển 38 8.3.4. Bề mặt đất 40 8.3.5. Những thay đổi trong thể hiện mô hình 42 8.4. Đánh giá sự biến đổi khí hậu theo phạm vi lớn khi được mô phỏng bởi sự kết hợp mô hình toàn cầu 44 8.4.1. Kiểu hình khuyên miền bắc và miền nam 44 8.4.2. Biến thiên thập kỉ thái bình dương 47 8.4.3. Mô hình Bắc Mỹ - Thái bình dương 48 8.4.4. Mẫu Đất liền ấm-Đại dương lạnh 49 8.4.5. Sự trở ngại và chế độ khí quyển (Atmospheric Regimes and Blocking) 50 8.4.6. Sự biến đổi theo nhiều thập kỷ ở Đại Tây Dương 50 8.4.7. Dao động El Nino – Phía Nam 51 52 8.4.8. Dao động Madden-Julian 54 8.4.9. Dao động trong gần 2 năm 55 8.4.10. Biến đổi của gió mùa 56 8.4.11. Dự đoán ngắn hạn sử dụng mô hình khí hậu 56 8.5. Mô phỏng mô hình đối với các cực trị 58 8.5.1. Nhiệt độ cực trị 58 8.5.2. Lượng mưa cực trị 59 8.5.3. Những cơn bão nhiệt đới 61 8.5.4. Kết luận 61 8.6. Độ nhạy khí hậu và sự phản hồi 62 8.6.1. Giới thiệu 62 8.6.2. Giải thích về việc đánh giá độ nhạy khí hậu giữa các mô hình chung hiện hành62 8.6.3. Những quá trình vật lý chủ chốt trong sự nhạy cảm của khí hậu 66 8.6.4.Làm thế nào để đánh giá mức độ tin cậy tương đối từ những sự phản hồi được mô phỏng bởi những mô hình khác nhau 80 2
  3. Lớp QLMT_K48 8.7. Các Cơ chế về Ngưỡng và Biến đổi Khí hậu Đột ngột 81 8.7.1.Giới thiệu 81 8.7.2. Biến đổi Khí hậu Đột ngột Cưỡng bức 82 8.8. Thể hiện Hệ thống Toàn cầu bằng các Mô hình Đơn giản hơn 86 8.8.1. Tại sao cần tính phức tạp thấp 86 8.8.2. Mô hình khí hậu đơn giản 87 8.8.3. Mô hình Hệ thống Trái đất có độ Phức tạp Trung bình 87 3
  4. Lớp QLMT_K48 8.1. Tổng quan Mục tiêu của chương là đánh giá khả năng và giới hạn của mô hình khí hậu toàn cầu. Một số hoạt động đánh giá được mô tả ở những chương khác của báo cáo. Chương này cung cấp bối cảnh những nghiên cứu đó và hướng dẫn người đọc những chương thích hợp. 8.1.1. Đánh giá có nghĩa là gì Một dự báo cụ thể dựa trên mô hình có thể chứng minh được là đúng hoặc sai nhưng bản thân mô hình luôn luôn cần xem xét thận trọng. Điều này đúng với dự báo thời tiết và dự báo khí hậu. Dự báo thời tiết được sinh ra từ những thông tin cơ bản, thường xuyên và có thể đối chiếu với những hiện tượng đã xảy ra. Theo thời gian, nhưng thông tin này được tích lũy và cung cấp cho mô hình. Trái lại, trong mô phỏng sự biến đổi khí hậu, mô hình được sử dụng để dự báo những thay đổi trong tương lai có thể xảy ra qua khoảng thời gian hàng thập kỷ và không có những thay đổi tương tự đã xảy ra trong quá khứ. Độ tin cậy của mô hình có thể thu được qua việc mô phỏng những ghi chép trong lịch sử hoặc khí hậu cổ, nhưng điều này bị giới hạn hơn so với dự báo thời tiết. 8.1.2. Phương pháp đánh giá Mô hình khí hậu là mô hình tổng hợp với nhiều thành phần. Mô hình phải được thử nghiệm ở mức độ hệ thống, tức là chạy một mô hình đầy đủ và so sánh kết quả với thông tin đã thu thập được. Những thử nghiệm này có thể cho thấy lỗi của mô hình nhưng nguyên nhân của chúng bị ẩn đi bởi tính phức tạp của mô hình. Vì vậy, cần phải thử nghiệm mô hình ở mức độ thành phần, tức là cô lập những thành phần và kiểm tra chúng độc lập so với một mô hình hoàn chỉnh. Việc đánh giá mức độ thành phần của mô hình khí hậu là thông thường. Phương pháp số được thử nghiệm ở những test tiêu chuẩn, được thiết lập qua hoạt động như hội nghị hai năm một lần về Partial Differential Equations on Sphere. Các thông số vật lý sử dụng trong mô hình biến đổi khí hậu được thử nghiệm qua nhiều nghiên cứu (một số dựa trên những số liệu thu thập được và một số được lý tưởng hóa), được thiết lập thông qua chương trình Đo lường phóng xạ khí quyển (ARM), Hệ thống mây châu Âu (EUROCS), Năng lượng toàn cầu và cuộc thử nghiệm chu trình nước (GEWEX), Nghiên cứu hệ thống mây (GCSS). Những hoạt động này đã và đang diễn ra trong một thập kỷ hoặc nhiều hơn và phần lớn kết quả đã công bố. Việc đánh giá mức độ hệ thống tập trung vào kết quả của mô hình đầy đủ (ví dụ mô hình mô phỏng các biến khí hậu) và các phương pháp cụ thể được bàn chi tiết dưới đây. 8.1.2.1. So sánh các mô hình và ensemble 4
  5. Lớp QLMT_K48 Hoạt động so sánh mô hình toàn cầu bắt đầu từ cuối những năm 1980, được tiếp tục với dự án so sánh mô hình khí quyển (AMIP) bây giờ đã bao gồm vài tá dự án bao phủ toàn bộ các thành phần mô hình khí hậu và các dạng mô hình kết hợp khác nhau (tóm tắt tại Nỗ lực tham vọng trong việc thu thập và phân tích kết quả mô hình lưu chuyển khí quyển đại dương (AOGCM) từ các thí nghiệm tiêu chuẩn được thực hiện trong vài năm gần đây. Điều này khác với các so sánh mô hình trước đó ở chỗ một tập hợp hoàn thiện các thí nghiệm được thực nghiệm, bao gồm việc mô phỏng có điều khiển không bắt buộc, mô phỏng nhằm tái tạo biến đổi khí hậu được quan sát qua những thời điểm và mô phỏng biến đổi khí hậu trong tương lai. Với mỗi thí nghiệm, các mô phỏng được thực hiện trên nhiều mô hình khác nhau để việc chia sẻ tín hiệu biến đổi khí hậu từ sự biến thiên bên trong trong phạm vi hệ thống khí hậu được dễ dàng hơn. Có lẽ, thay đổi quan trọng nhất từ những nỗ lực này là bộ sưu tập tập hợp các kết quả mô hình ở chương trình Chẩn đoán mô hình khí hậu và so sánh (PCMID). Thành tựu này liên quan đến Tập hợp dữ liệu đa mô hình (MMD) ở PCMID, đã cho phép hàng trăm nhà khoa học ở bên ngoài các nhóm làm mô hình có thể xem xét kỹ lưỡng mô hình dưới nhiều góc độ khác nhau. Sự nâng cao việc phân tích chẩn đoán kết quả mô hình khí hậu là một bước quan trọng. Nhìn chung, những hoạt động so sánh đang diễn ra đã làm gia tăng mối liên hệ giữa các nhóm làm mô hình, cho phép nhận dạng nhanh chóng và sửa chữa sai số của mô hình, khuyến khích sáng tạo sự tính toán tiêu chuẩn cũng như những ghi chép có hệ thống về những tiến bộ trong mô hình hóa. Ensemble của mô hình đại diện cho một phương thức mới để nghiên cứu một nhóm khí hậu đáng tin cậy tương ứng với một cưỡng bức cho trước. Những ensemble này có thể được tạo ra từ việc thu thập kết quả của một nhóm mô hình ở các trung tâm làm mô hình khác nhau (ensemble đa mô hình) hoặc được tạo ra qua các phiên bản đa mô hình trong phạm vi cấu trúc một mô hình cụ thể, bằng cách thay đổi các thông số mô hình bên trong trong một khoảng tin cậy (ensemble vật lý xáo trộn). Những tiếp cận này được bàn chi tiết ở phần 10.5. 8.1.2.2. Hệ thông số độ tin cậy của mô hình Độ chính xác mô phỏng mô hình khí hậu trong quá khứ hay hiện tại cho biết điều gì về độ chính xác của dự báo biến đổi khí hậu? Một số các thông số dựa trên thông tin thu thập được sử dụng để định lượng độ tin cậy của mô hình khi đưa ra dự báo xác suất (phần 10.5.4). Với bất kỳ thông số nào, cần đánh giá sự đúng đắn của kết quả mô hình dự báo khí hậu trong tương lai. Không thể tiến hành phép thử trực tiếp bởi vì không có những thay đổi cưỡng bức tương tự như những thay đổi dự báo ở thế kỷ 21. Dù vậy, mối quan hệ giữa thông số từ thông tin thu thập được với lượng dự báo (ví dụ độ nhậy khí hậu) có thể được khám phá qua ensemble mô hình. Shulka et al. (2006) đã liên hệ độ trung thực của nhiệt độ bề mặt mô phỏng trong thế kỷ 20 với những thay đổi nhiệt độ bề mặt được mô phỏng ở thế kỷ 21 trong một ensemble đa mô hình. Kết 5
  6. Lớp QLMT_K48 quả là, mô hình có sai số ở thế kỷ 20 nhỏ nhất tạo ra một số gia nhiệt độ bề mặt khá lớn ở thế kỷ 21. Knutti et al.(2006) sử dụng một ensemble vật lý xáo trộn khác đã chỉ ra rằng mô hình có nhiệt độ bề mặt thay đổi theo mùa thường có độ nhậy lớn hơn. Những thông số phức tạp hơn được phát triển dựa vào những thông tin thu thập về khí hậu hiện tại và có tiềm năng làm giảm tính mờ của độ nhậy khí hậu qua những ensemble mô hình đã cho (Murphy et al.,2004; Piani et al.,2005). Những nghiên cứu trên hứa hẹn rằng thông số định lượng khả năng xảy ra của dự báo mô hình có thể được phát triển, nhưng sự phát triển của thông số mới ở giai đoạn đầu, việc đánh giá mô hình mô tả ở chương này chủ yếu dựa vào kinh nghiệm và suy luận vật lý. Một sự phát triển quan trọng kể từ khi Báo cáo đánh giá thứ ba (TAR) đang thiết lập và định lượng quá trình thông tin phản hồi (feedback process) là xác định phản ứng của thay đổi khí hậu. Hiểu biết về những quá trình này củng cố cả cách tiếp cận đánh giá mô hình dựa trên thông số lẫn truyền thống. Ví dụ Hall và Qu (2006) phát triển một thông số cho feedback giữa nhiệt độ và albedo trong một vùng bị bao phủ bởi tuyết, dựa trên mô phỏng chu kỳ theo mùa. Họ thấy rằng, mô hình có feedback dựa vào chu kỳ mùa cũng có một feedback ở điều kiện khí nhà kính tăng lên. So sánh với giá trị ước đoán quan sát được của chu kỳ theo mùa cho thấy đa số mô hình trong MMD thấp hơn giá trị ước đoán của feedback này. Phần 8.6 mô tả các feedback khác nhau, vận hành trong hệ thống băng bề mặt biển, khí quyển đất để xác định độ nhậy của khí hậu và phần 8.3.2 mô tả vài quá trình quan trọng về sự hấp thu nhiệt của đại dương (và thay đổi khí hậu nhất thời). 8.1.2.3. Thử nghiệm mô hình với khí hậu trong quá khứ và hiện tại Thử nghiệm khả năng của mô hình trong việc mô phỏng khí hậu hiện tại (bao gồm tính biến thiên và điểm cực) là một phần quan trọng của đánh giá mô hình (phần 8.3 tới 8.5, và đánh giá vùng cụ thể ở chương 11). Trong đó, cần có những lựa chọn thực tế( ). Những quyết định như thế được đưa ra bởi các nhà nghiên cứu và phụ thuộc vào vấn đề được nghiên cứu. Sự khác nhau giữa mô hình và các quan sát cần được xem xét nếu chúng nằm trong phạm vi: 1. Tính biến thiên bên trong không dự đoán được (ví dụ thời điểm quan sát có một số bất thường các sự kiện El Nino). 2. Sự khác nhau theo một điều kiện 3. Tính mờ trong các lĩnh vực quan sát. Trong khi không gian không cho phép bàn luận chi tiết các vấn đề trên cho mỗi biến khí hậu, chúng được tính đến trong đánh giá tổng thể. Mô phỏng mô hình khí hậu hiện tại ở phạm vi toàn cầu đến tiểu lục địa được mô tả ở chương này, các chi tiết về vùng có thể xem ở chương 11. Mô hình được sử dụng rộng rãi để mô phỏng biến đổi khí hậu trong suốt thế kỷ 20. Vì những thay đổi bắt buộc không được biết tới đầy đủ ở thời điểm đó (chương 2), những thử nghiệm như trên không ràng buộc đầy đủ phản ứng trong tương lai với những thay đổi bắt buộc. Knutti et al.(2002) chỉ ra rằng trong một ensemble vật lý 6
  7. Lớp QLMT_K48 xáo trộn của Mô hình hệ thống trái đất có sự phức tạp trung bình (EMICs), nếu cưỡng bức sol khí được phép thay đổi trong phạm vi khoảng mờ của nó thì mô phỏng từ mô hình này trong một khoảng độ nhậy khí hậu là phù hợp với nhiệt độ không khí bề mặt được quan sát và hàm lượng nhiệt trong đại dương. Mặc dù giới hạn cơ bản này, thử nghiệm mô phỏng các quan sát trong lịch sử thế kỷ 20 tạo ra ràng buộc với phản ứng của khí hậu tương lai (Knutti et al., 2002). Chủ đề này được bàn chi tiết ở chương 9. 8.1.2.4. Các phương pháp đánh giá khác Mô phỏng khí hậu trong quá khứ cho phép mô hình được đánh giá theo một cách thức khác so với hiện tại. Những thử nghiệm này bổ sung đánh giá khí hậu hiện tại và khí hậu tại thời điểm thuộc dụng cụ, bởi vì sự biến thiên khí hậu ở thế kỷ 20 được so sánh với những thay đổi tương lai dự kiến theo một kịch bản bắt buộc từ báo cáo đặc biệt của IPCC về kịch bản phát xạ (SRES). Giới hạn của thử nghiệm khí hậu cổ là tính mờ trong cưỡng bức và các biến khí hậu thực tế (nhận được từ proxy) thường lớn hơn so với ở thời điểm dụng cụ, và số biến khí hậu để có proxy cổ bị giới hạn. Hơn nữa, tình trạng khí hậu có thể thay đổi (ví dụ kích cỡ lớn nhất của dải băng) dẫn đến quá trình định lượng (ví dụ độ nhậy của khí hậu) khác biệt so với ở thế kỷ 21. Cuối cùng là khoảng thời gian biến đổi rất dài dẫn đến những khó khăn trong thiết kế thực nghiệm, ít nhất là cho mô hình lưu chuyển chung (GCMs). Những vấn đề này được bàn sâu sắc trong chương 6. Mô hình khí hậu có thể được thử nghiệm thông qua những dự báo dựa trên điều kiện ban đầu. Mô hình khí hậu liên quan với mô hình dự báo thời tiết bằng số( ). Dù vậy, mô hình dự báo thời tiết bằng số chạy ở độ phân giải cao hơn so với mô phỏng khí hậu. Đánh giá những dự báo như thế kiểm tra mô tả của mô hình đối với một vài quá trình chính trong không khí và đại dương, mặc dù mối liên hệ giữa những quá trình này và phản ứng khí hậu dài hạn không được thiết lập. Chất lượng của một dự báo có giá trị ban đầu phụ thuộc vào vài yếu tố vượt ra ngoài bản thân mô hình bằng số (ví dụ kỹ thuật đồng hóa, phương pháp sinh ensemble), và những yếu tố này có thể kém liên quan tới dự đoán phản ứng bắt buộc, dài hạn của hệ thống khí hậu với những thay đổi theo cưỡng bức bức xạ. 8.1.3. Mô hình được xây dựng như thế nào Cơ sở để xây dựng mô hình không thay đổi kể từ TAR, mặc dù mô hình đã có những bước phát triển cụ thể (phần 8.2). Mô hình khí hậu có được từ các định luật vật lý cơ bản (ví dụ như định luật chuyển động của Newton), để đưa ra xấp xỉ vật lý phù hợp với hệ thống khí hậu trong phạm vi lớn, và xa hơn để xấp xỉ trong discretization toán học. Những ràng buộc của máy tính hạn chế giải pháp có thể xảy ra trong phương trình discretized và những ảnh hưởng có quy mô lớn của quá trình không được giải đáp (vấn đề thông số). 8.1.3.1. Lựa chọn thông số và tuning Thông số hóa dựa một phần vào mô hình vật lý đơn giản của những quá trình không được giải đáp (ví dụ ). Hệ thông số hóa cũng liên quan thông số bằng số 7
  8. Lớp QLMT_K48 được chỉ rõ ở đầu vào. Một vài thông số này có thể đo lường, ít nhất là theo nguyên tắc, trong khi những thông số khác không thể. Bởi vậy, có thể điều chỉnh giá trị của thông số (có thể chọn từ những phân bố ưu tiên) để tối ưu hóa mô phỏng mô hình các biến cụ thể hoặc để cải thiện sự cân bằng nhiệt độ toàn cầu. Quá trình này gọi là ‘tuning’. 1. Ràng buộc dựa trên quan sát của khoảng thông số không quá lớn. Trong một vài trường hợp, điều này cung cấp một điều kiện về giá trị thông số (ví dụ, Heymsfield và Donner 1990). 2. Mức độ tự do của những thông số có thể điều hòa nhỏ hơn mức độ tự do của những điều kiện dựa trên quan sát sử dụng trong đánh giá mô hình. Điều này đúng với đa số GCMs- ví dụ mô hình khí hậu không điều hòa một cách rõ ràng để đưa ra tính biến thiên của dao động phía bắc Đại Tây Dương (NAO)- nhưng không có nghiên cứu nào có giá trị để trả lời câu hỏi trên. Nếu mô hình được điều hòa để đưa ra trình diễn tốt về một lượng quan sát cụ thể thì thỏa thuận với quan sát này không thể được sử dụng để xây dựng độ tin cậy của mô hình. Dù vậy, một mô hình có thể được điều hòa để trình diễn tốt một số quan sát chủ chốt có khả năng đưa ra một dự báo chính xác, hơn là một mô hình tương tự (có lẽ là một thành viên khác của ensemble vật lý xáo trộn) nhưng ít được điều hòa (phần 8.1.2.2 và chương 10). Dựa vào thời gian máy tính, quy trình điều hòa theo nguyên tắc có thể được tự động sử dụng quy trình đồng hóa dữ liệu khác nhau. Dù vậy, điều này chỉ khả thi với EMICs (Hargreaves et al.,2004) và GCMs phân giải thấp. Phương pháp ensemble không phải lúc nào cũng tạo ra một thông số tốt nhất với một sai số đã cho. 8.1.3.2. Dải mô hình hay hệ thống cấp bậc Giá trị khi sử dụng một nhóm mô hình (một dải hay hệ thống) có tính phức tạp khác nhau được nói đến trong TAR (phần 8.3). Những mô hình rẻ hơn như EMICs cho phép khám phá thấu đáo hơn khoảng cách thông số và cũng đơn giản hơn khi phân tích phản ứng của mô hình cụ thể. Mô hình có độ phức tạp giảm được sử dụng một cách rộng rãi trong báo cáo hơn là trong TAR, và giá trị của chúng được bàn đến ở phần 8.8. Mô hình khí hậu vùng có thể xem như phần hình thành một hệ thống mô hình khí hậu. Câu hỏi 8.1: Mô hình đưa ra dự báo biến đổi trong tương lai có độ tin cậy như thế nào? Mô hình khí hậu cung cấp giá trị ước lượng đáng tin cậy về biến đổi khí hậu trong tương lai, đặc biệt là ở quy mô lục địa và lớn hơn. Sự tin cậy bắt nguồn từ sự thành lập mô hình dựa trên nguyên tắc vật lý đã được chấp nhận và khả năng của chúng khi tái tạo ra đặc điểm biến đổi khí hậu hiện tại và trong quá khứ. Độ tin cậy trong ước lượng mô hình cho vài biến khí hậu (ví dụ nhiệt độ) cao hơn so với những biến khác (ví dụ lượng mưa). Qua vài thập kỷ phát triển, mô hình đã cung cấp một bức tranh rõ ràng về sự ấm lên của khí hậu ứng với sự tăng lên của khí nhà kính. 8
  9. Lớp QLMT_K48 Mô hình khí hậu là biểu diễn toán học về hệ thống khí hậu, được diễn tả qua mã máy tính và chạy trên máy tính mạnh. Một nguyên nhân dẫn đến độ tin cậy của mô hình là những yếu tố cơ bản của mô hình dựa trên những định luật vật lý đã thiết lập như định luật bảo toàn khối lượng, năng lượng và động lượng, cùng với nhiều quan sát. Nguyên nhân thứ hai là khả năng của mô hình trong việc mô phỏng những khía cạnh quan trọng của khí hậu hiện tại. Mô hình được đánh giá một cách tổng quát qua việc so sánh mô phỏng với những quan sát về không khí, đại dương, khu vực thấp và bề mặt đất. Mức độ đánh giá chưa từng thấy đã chiếm chỗ hơn một thập kỷ gần đây là so sánh đa mô hình có tổ chức. Mô hình có những kỹ năng đáng kể và tăng lên khi thể hiện nhiều đặc điểm khí hậu quan trọng như phân bố trong phạm vi lớn của nhiệt độ không khí, lượng mưa, phóng xạ và gió, nhiệt độ đại dương, dòng và sự bao phủ băng trên biển. Mô hình cũng có thể mô phỏng những khía cạnh cốt yếu của nhiều kiểu biến thiên khí hậu được quan sát qua các khoảng thời gian. Ví dụ như bước tiến và lùi của hệ thống gió mùa chính, sự chuyển đổi theo mùa của nhiệt độ, đường đi của bão và vành đai mưa, dao động trong phạm vi bán cầu của áp suất bề mặt (phương thức hình khuyên phía bắc và phía nam). Một số mô hình hay những biến thể liên quan cũng được thử nghiệm bằng cách sử dụng những mô hình này để dự báo thời tiết và dự báo theo mùa. Những mô hình này cho thấy kĩ năng trong những dự báo như trên, chúng có thể biểu diễn những đặc điểm quan trọng của chu trình nói chung qua một khoảng thời gian ngắn cũng như tính biến thiên theo mùa và giữa năm. Tính biến thiên của mô hình khi biểu diễn những đặc điểm khí hậu quan trọng làm tăng lên sự tin cậy rằng chúng mô tả quá trình vật lý cốt yếu mà quá trình này mô phỏng biến đổi khí hậu trong tương lai. (chú ý rằng giới hạn của tính biến thiên mô hình khí hậu khi dự báo thời tiết muộn hơn một vài ngày không giới hạn khả năng của chúng để dự báo biến đổi khí hậu dài hạn, bởi vì đây là những kiểu rất khác nhau của dự báo) Nguyên nhân thứ ba là khả năng của mô hình tạo ra đặc điểm của biến đổi khí hậu trong quá khứ. Mô hình cũng được sử dụng để mô phỏng khí hậu cổ như thể mid- Holocene ấm ở 6000 năm trước hay cực đại băng hà cách đây 21000 năm (chương 6). Chúng có thể tạo ra nhiều đặc điểm (cho phép tính mờ trong khí hậu cổ đang xây dựng) như độ lớn và broad-scale pattern của quá trình làm lạnh biển suốt thời kỳ đóng băng. Mô hình cũng có thể mô phỏng nhiều khía cạnh được quan sát của biến đổi khí hậu qua các ghi chép của dụng cụ. Một ví dụ là xu hướng nhiệt độ toàn cầu hơn một thế kỷ gần đây (hình 1)có thể được mô hình hóa với kỹ năng cao khi cả yếu tố tự nhiên và nhân tạo có ảnh hưởng tới khí hậu được tính đến. Mô hình cũng có thể tạo ra những thay đổi được quan sát khác như nhiệt độ ban đêm tăng lên nhanh hơn so với ban ngày, sự ấm lên ở Nam Cực, và quá trình làm lạnh toàn cầu ngắn hạn (và sự phục hồi sau đó) sau những vụ phun núi lửa chính, như ở Mt.Pinatubo 1991. Mô hình dự báo nhiệt độ toàn cầu được làm qua hơn hai thập kỷ gần đây và vẫn còn phù hợp với những quan sát sau thời điểm đó. 9
  10. Lớp QLMT_K48 Dù vậy, mô hình cũng có sai số đáng kể. Những sai số này lớn hơn ở trong phạm vi nhỏ( ). Ví dụ sự thiếu hụt còn lại trong mô phỏng lượng mưa nhiệt đới, sự dao động phía nam của El Nino và sự dao động Madden-Julian (một biến đổi được quan sát về gió nhiệt đới và lượng mưa trong khoảng thời gian 30 đến 90 ngày). Nguyên nhân cuối cùng gây ra sai số là nhiều quá trình quan trọng trong phạm vi nhỏ không thể mô tả một cách rõ ràng trong mô hình, và phải ở dạng xấp xỉ khi chúng liên kết với những đặc điểm trong phạm vi lớn. Điều này một phần bởi vì giới hạn của tính toán, nhưng cũng là kết quả từ giới hạn hiểu biết khoa học hoặc tính biến thiên của những quan sát tỉ mỉ quá trình vật lý. Tính mờ đáng kể liên quan đến việc mô tả những đám mây, và phản ứng của mây với biến đổi khí hậu. Do đó, mô hình tiếp tục mô tả một khoảng theo sau sự biến đổi nhiệt độ toàn cầu ứng với khí nhà kính tăng lên. Mặc dù tính mờ, mô hình thống nhất trong dự báo sự ấm lên của khí hậu sau đó dưới sự tăng lên của khí nhà kính, và sự ấm lên này có độ lớn phù hợp với ước lượng độc lập nhận được từ những nguồn khác, ví dụ từ những biến đổi khí hậu được quan sát và sự khôi phục khí hậu trong quá khứ. Bởi vì độ tin cậy của biến đổi được dự báo bằng mô hình toàn cầu giảm ở phạm vi nhỏ, nên những kỹ thuật khác như sử dụng mô hình khí hậu vùng hoặc phương pháp downscaling được phát triển cho nghiên cứu biến đổi khí hậu của vùng và địa phương. Dù vậy, khi mà mô hình toàn cầu tiếp tục phát triển, và cách giải chúng được mở rộng, chúng trở thành công cụ hữu ích để điều tra đặc điểm trong phạm vi nhỏ như sự thay đổi khi thời tiết cực độ, và những cải tiến xa hơn trong mô tả vùng được mong đợi với năng lực tính toán được tăng lên. Mô hình đang ngày càng toàn diện trong xử lý hệ thống khí hậu, sự mô tả một cách rõ ràng quá trình sinh lý, vật lý và sự tương tác coi biến đổi khí hậu quan trọng một cách tiềm năng, đặc biệt là ở khoảng thời gian dài. Ví dụ, các phản ứng của thực vật gần đây, sự tương tác sinh học và hóa học trong biển, và động học bao phủ băng trong vài mô hình khí hậu toàn cầu. Tóm lại, độ tin cậy trong mô hình bắt nguồn từ nền tảng vật lý và kỹ năng mô tả biến đổi khí hậu được quan sát và khí hậu trong quá khứ. Mô hình được chứng minh là một công cụ quan trọng mô phỏng và hiểu biết về khí hậu, và có một sự tin cậy đáng kể rằng chúng có khả năng cung cấp ước lượng định lượng đáng tin của biến đổi khí hậu tương lai, đặc biệt là ở phạm vi lớn. Mô hình có giới hạn đáng kể như trong việc mô tả đám mây, dẫn đến tính mờ trong độ lớn và thời gian, cũng như chi tiết vùng của biến đổi khí hậu được dự đoán. Dẫu vậy, qua vài thập kỷ phát triển của mô hình, chúng đã cung cấp một bức tranh rõ ràng sự ấm lên của khí hậu cùng với sự tăng lên của khí nhà kính. Hình 1: Nhiệt độ gần bề mặt trung bình toàn cầu qua thế kỷ 20 có được từ quan sát (màu đen) và từ 58 mô phỏng tạo ra bởi 14 mô hình khí hậu khác nhau và yếu tố con người tác động đến khí hậu (màu vàng). Trung bình của những kết quả này được biểu diễn (đường màu đỏ). Sự bất thường của nhiệt độ xảy ra từ năm 1901 10
  11. Lớp QLMT_K48 đến 1950. Đường màu xám thẳng đứng chỉ ra thời gian xảy ra những vụ phun núi lửa chính. 8.2. Sự cải tiến trong mô hình hoá Rất nhiều cải tiến trong mô hình hoá xuất hiện từ báo cáo TAR. Do khoảng cách về không gian mà không thể thảo luận một cách toàn diện về tất cả các thay đổi chủ yếu trong vài năm qua, vì vậy nhằm vào 23 mô hình AOGCMs được sử dụng rộng rãi trong báo cáo này (xem bảng 8.1). Những cải tiến trong mô hình có thể gộp lại thành 3 loại. Thứ nhất, phần quan trọng nhất của động lực học (advection ) đã được cải tiến, và sự phân giải theo chiều ngang và chiều dọc của nhiều mô hình cũng được tăng lên. Thứ hai, nhiều quá trình được kết hợp trong một mô hình, trong mô hình hoá riêng biệt của các chất phun (aerosols), của mặt đất, và của quá trình băng trên biển. Thứ ba, hệ thông số hoá của quá trình vật lý đã được cải tiến. Ví dụ, như sự thảo luận sâu hơn ở phần 8.2.7, hầu hết các mô hình không sử dụng lâu bất kì sự điều chỉnh nào (Manebe and ) để giảm bớt xu thế khí hậu. Các cải tiến khác nhau, được thảo luận giữa các nhóm mô hình hoá chính, được trình bày tốt trong các mô hình khí hậu sử dụng trong bản báo cáo này. Mặc dù nhiều cải tiến, nhưng vẫn còn nhiều vấn đề. Nhiều quá trình quan trọng, để xác định mô hình đối phó với những biến đổi trong bức xạ cưỡng bức, không được giải quyết bởi lưới mô hình. Thay vào đó, hệ thông số hoá trong phạm vi lưới phụ là các thông số mà quá trình không giải quyết được, như sự hình thành mây và sự hoà lẫn nhờ các xoáy nước ở đại dương. Sự cải tiến trở thành trường hợp mà việc mô phỏng ensemble đa mô hình nói chung cung cấp nhiều thông tin thiết thực hơn so với những mô hình đơn lẻ bất kì. Bảng 8.1 tổng kết những trình bày rõ ràng về từng mô hình AOGCMs được sử dụng trong báo cáo này. 11
  12. Lớp QLMT_K48 Hiện nay không có sự nhất trí về cách tối ưu để phân chia nguồn tài nguyên máy tính ở giữa số lưới mô hình lớn hơn, lưới này cho phép việc mô phỏng tốt hơn; greater number of ensemble members, cho phép đánh giá thống kê tốt hơn những trạng thái không rõ ràng; và bao gồm cả tập hợp đầy đủ hơn của quá trình (vd: sự phản carbon, sự ảnh hưởng lẫn nhau của các thành phần trong khí quyển) 8.2.1. Qúa trình khí quyển 8.2.1.1. Hệ thuật toán Trong báo cáo TAR, hơn một nửa số mô hình khí quyển tham gia đều sử dụng spectral advection. Từ báo cáo TAR, semi-Lagrangian advection schemes được chấp nhận trong một vài mô hình khí quyển. These schemes cho phép các bước tiến hành trong thời gian dài và khẳng định các giá trị xác thực của advected tracer như hơi nước, nhưng chúng cũng khuyếc tán, và một số kiểu không được chính thức bảo tồn khối lượng. Trong bản báo cáo này, nhiều mô hình sử dụng spectral, semi-Lagrangian, and Eulerian finite-volume and finite-difference advection schemes, mặc dù không có sự nhất trí để dạng của schemes là tốt nhất. 8.2.1.2. Sự phân giải theo chiều ngang và chiều dọc Sự phân giải theo chiều ngang và chiều dọc của mô hình AOGCMs được phát triển tương xứng với báo cáo TAR. Ví dụ mô hình HadGEM1 có gấp 8 lần ô lưới của mô hình HadCM3 (số ô gấp 2 lần cả 3 kích thước). Ở trung tâm quốc gia nghiên cứu khí quyển (NCAR) hiện nay thường sử dụng kiểu T85 của mô hình hệ thống khí quyển (CSM), trong khi kiểu T42 đã từng là tiêu chuẩn của báo cáo TAR. Trung tâm nghiên cứu hệ thống khí quyển (CCSR), Viện quốc gia nghiên cứu môi trường (NIES) và trung tâm nghiên cứu lĩnh vực biến đổi trái đất (FRCGC) đã phát triển mô hình khí quyển có độ phân giải cao (MIROC-hi, gồm có mô hình T106 L56 AGCM và mô hình 1/4o đến 1/6o L48 OGCM) và Viện nghiên cứu khí tượng (MRI) của cơ quan khí tượng học Nhật Bản (JMA) đã phát triển mô hình TL956 L60 spectral AGCM, là mô hình được sử dụng trong phương thức khoảng thời gian (time-slice). Sự dự đoán được tạo ra với những mô hình này được trình bày trong chương 10. Bởi vì sự phát triển của độ phân giải theo chiều ngang và chiều dọc, cả trong đặc trưng khí hậu vùng và trái đất, nên mô phỏng tốt hơn. Ví dụ, hiệu ứng dịch chuyển ra xa của đảo Hawaiian ở Thái Bình Dương được mô phỏng rất tốt và sự phân phối thường xuyên của lượng mưa kết hợp với Bain front cũng được cải tiến. 8.2.1.3. Các hệ thông số hoá Hệ thống khí quyển bao gồm các trạng thái khác nhau của quá trình vật lý như quá trình mây, quá trình bức xạ và quá trình boundary-layer, những quá trình tác động tới mỗi phạm vi mặt đất và không gian. Bởi vì giới hạn sự phân giải của các mô hình, mà đa số các quá trình này không được giải quyết tương xứng bằng lưới mô 12
  13. Lớp QLMT_K48 hình và phải nhờ vào các thông số. Sự khác nhau giữa các hệ thông số hoá là nguyên nhân quan trọng làm mô hình khí hậu có những kết quả khác nhau. Ví dụ, hệ thông số hoá về new boundary-layer có sự tác động dương (positive impact) mạnh mẽ đến sự mô phỏng tầng mây tích trên biển, được tạo ra bởi phòng thí nghiệm động lực chất lỏng thuộc địa vật lý và mô hình khí hậu trung tâm Hadley, nhưng hệ thông số hoá tương tự có sự tác động dương kém hơn trong khi thực hiện ở kiểu ban đầu của mô hình trung tâm Hadley. Rõ ràng là các hệ thông số hoá phải được hiểu trong điều kiện của số đông mô hình. Quá trình mây ảnh hưởng đến mô hình khí hậu bởi nó điều chỉnh việc phát tán của bức xạ ở tầng trên của khí quyển, bởi sự tạo mưa, bởi sự phân phối lại của lượng khí quyển thỉnh thoảng diễn ra và hoàn thành nhanh chóng và bổ sung cơ cấu là quá nhiều trong danh sách ở đây (Arakawa and Schubert, 1974; Arakawa, 2004). Các hệ thông số hoá mây là nền tảng của các giả thuyết vật lý, các giả thuyết này nhằm vào việc diễn tả các số liệu thống kê của vùng mây nhưng không có việc diễn tả các thành phần mây đơn lẻ. Trong sự phát triển về số lượng mô hình khí quyển, các hệ thông số hoá vi vật lý, các thông số đại diện cho quá trình như sự hình thành hạt mây và hạt mưa, được sử dụng để dự đoán sự phân phối của mây lỏng và băng. Các hệ thông số hoá này cải tiến việc mô phỏng khí hậu hiện tại, và ảnh hưởng sự nhạy cảm của khí hậu. Các hệ thông số hoá thực tế của quá trình mây là điều kiện tiên quyết để mô hình khí hậu hiện tại và tương lai đang tin cậy. Dữ liệu từ nhiều cuộc thí nghiệm như chương trình nghiên cứu khí quyển trái đất (GARP), thí nghiệm vùng nhiệt đới ở Đại Tây Dương (GATE, 1974), thí nghiệm về mùa mưa (MONEX) và khí quyển trái đất vùng biển nhiệt đới (TOGA) thí nghiệm về sự đối phó cặp khí quyển đại dương (COARE, 1993) được sử dụng để kiểm tra và cải tiến các hệ thông số hoá của mây và sự đối lưu. Nghiên cứu có hệ thống như việc quản lý bởi GCSS được tổ chức để kiểm tra các hệ thông số hoá của quá trình bởi việc so sánh kết quả với cả sự quan sát và kết quả của mô hình phân giải mây. Những kết quả này có ảnh hưởng đến sự phát triển của nhiều mô hình mới thành lập. Ví dụ, hệ thông số hoá buondary-layer cloud của Lock và cộng sự (2000) và Lock (2001) cũng được kiểm tra qua GCSS. Các hệ thông số hoá của quá trình bức xạ được cải tiến và kiểm tra bằng việc so sánh kết quả của các hệ thông số hoá bức xạ sử dụng trong mô hình AOGCMs với hầu hết các trình bày chi tiết “line-by-line” quy ước bức xạ. Từ báo cáo TAR, việc cải tiến được tạo ra trong một vài mô hình hướng đến sự ghép nối vật lý giữa các hệ thông số hoá mây và đối lưu, ví dụ, trong mô hình Max Planck Institute (MPI) AOGCM sử dụng Tompkins (2002), trong mô hình IPSL-CM4 AOGCM sử sụng Bony and Emanuel (2001) và trong mô hình GFDL sử dụng Tiedtke (1993). Các ví dụ này là của bài kiểm tra mức độ cấu thành. Song song với việc cải tiến các hệ thông số hoá, mô hình không phải thuỷ tĩnh cũng được sử dụng để hạn chế phạm vi. Một mô hình với lưới 5 km trên lãnh thổ 13
  14. Lớp QLMT_K48 4000 x 3000 x 22 km đặt ở giữa che phủ nước Nhật cũng được tiến hành bởi MRI/JMA, sử dụng phương khoảng thời gian (time-slice) để thực hiện báo cáo đánh giá thứ tư (AR4) (Yoshizaki và cộng sự, 2005). Aerosols có vai trò quan trọng trong hệ thống khí hậu. Các hệ thông số hóa aerosol có ảnh hưởng lẫn nhau, hiện nay được sử dụng trong một số mô hình (HADGEM1, MIROC-hi, MIROC-med). Cả hiệu ứng aerosol trực tiếp và gián tiếp (Chương 2) cũng bao hàm trong một số trường hợp (ví dụ, IPSL-CM4). Trong việc bổ sung sunfat, một số dạng khác của aerosols như carbon đen và carbon hữu cơ, muối biển và bụi khoáng sản được giới thiệu như việc dự báo sự biến đổi. Chi tiết hơn xem trong phần 8.2.5 8.2.2. Qúa trình đại dương. 8.2.2.1. Hệ thuật toán Gần đây, sự kết hợp theo chiều dọc của isopycnic hoặc hybrid vẫn được lựa chọn trong một số mô hình đại dương (GISS-EH và BCCR-BCM2.0). Bài kiểm tra được trình bày như mô hình có thể cung cấp giải pháp để tổ hợp sự phát tán thuộc miền, những điều này thực tế có thể được với sự kết hợp phổ biến theo chiều sâu (Drange và cộng sự, 2005). Các vấn đề còn lại một lần nữa xử lý thích hợp của thermobaricity (mối quan hệ không theo thứ tự của nhiệt độ, độ mặn và áp suất dày đặc (pressure to density)), điều này có nghĩa là một số mô hình kết hợp isopycnic tương xứng với mật độ dày đặc của, ví dụ như, lượng nước ở đáy biển Địa Trung Hải và Nam cực là không định hình (distorted). Giá trị của nhiều hệ thống kết hợp theo chiều dọc vẫn tiếp tục được thiết lập. Mẫu rõ ràng (explicit representations) của độ cao trên mặt biển được sử dụng trong nhiều mô hình và dòng nước ngọt thực sự (real freshwater) thường cưỡng bức các mô hình này thay vì dòng muối thực tế. Phương pháp dòng muối thực tế đem lại sai số hệ thống trong việc dự báo độ mặn của bề mặt biển và nguyên nhân gây ra nhiều vấn đề ở của sông nơi lưu vực rộng lớn (Hasumi, 2002a,b; Griffies, 2004). Nói chung sự kết hợp theo đường cong ngang với ô lưới 2 cực và 3 cực (Murray, 1996) được sử dụng rộng rãi trong thành phần đại dương của các mô hình AOGCMs. Đây là chiến lược thường xử lý kết hợp kì dị ở Bắc cực, như là sự lựa chọn trước cực lọc phổ biến hoặc chu kì kết hợp theo hình cầu. Các lưới mới có thuận lợi là những điểm dị thường có thể chuyển về đất liền trong khi vẫn giữ nguyên những điểm thẳng hàng trên đường phân điểm. Các phương pháp cũ để làm mẫu mặt biển, dòng nước bề mặt và Bắc cực vẫn còn được sử dụng trong một vài mô hình AOGCMs. 8.2.2.2. Sự phân giải theo chiều ngang và chiều dọc Có sự phát triển chung trong việc phân giải từ báo cáo TAR, với sự phân giải theo chiều ngang theo thứ tự từ cấp 1 đến cấp 2 được sử dụng phổ biến trong thành 14
  15. Lớp QLMT_K48 phần đại dương của hầu hết mô hình khí hậu. Cách quyết định tốt hơn dấu hiệu chỉ đường ở gần xích đạo, một vài mô hình sử dụng sự tăng cường phân giải theo đường kinh tuyến trong vùng nhiệt đới. Sự phân giải cao đủ để cho phép oceanic eddies, eddy-permitting, không được sử dụng trong a full suite of climate scenario integrations bởi chi phí tính toán, nhưng từ báo cáo TAR nó được sử dụng trong một số ý tưởng và các thí nghiệm dự đoán cơ bản khí hậu như thảo luận dưới đây. Tập giới hạn của sự tích hợp sử dụng mô hình eddy-permitting MIROC3.2 được sự dụng tại đây và chương 10. Một số trung tâm lập mô hình cũng có sự tiến bộ trong việc phân giải theo chiều dọc từ báo cáo TAR. Một vài mô hình khí hậu liên kết (coupled climate) với sự phân giải eddy- permitting ocean (1/6o đến 1/3o) đã có sự phát triển (Roberts và cộng sự, 2004; Suzuki và cộng sự, 2005), và tỉ lệ lớn đặc trưng mô hình gây ra bởi sự liên kết không khí biển cục bộ đã được mô phỏng thành công. Roberts và cộng sự (2004) đã tìm thấy sự tiến bộ trong việc phân giải đại dương của mô hình HadCM3 từ about 1o to 0.33o by 0.33o by 40 levels (trong khi sự dịch chuyển của các thành phần khí quyển là không biến đổi) kết quả đạt được chính là sự cải tiến trong mô phỏng những đặc điểm lưu thông của đại dương. Tuy nhiên, sự tác động đối với mô phỏng khí quyển là tương đối nhỏ và cục bộ. Sự đối phó những biến đổi khí hậu tương tự như mô hình phân giải tiêu chuẩn, với sự tăng giá trị lên không đáng kể của sự ấm lên ở vùng Northern Europe-Atlantic nhờ vào sự đối phó với những phá vỡ lưu thông theo đường kính (MOC) ở Atlantic. Khoảng thời gian sử dụng của ngân sách nước ngọt Atlantic Basin được điều chỉnh giảm từ khoảng 400 năm xuống còn 150 năm cùng với sự phân giải đại dương cao hơn, và đề xuất sự khác nhau có thể chấp nhận được trong sự đối phó với MOC thoáng qua trong những khoảng thời gian này, nhưng cơ chế và vai trò tương đối của sự phân giải theo chiều ngang và chiều dọc là không rõ ràng. Atlantic MOC bị ảnh hưởng bởi nước ngọt tương đương với cưỡng bức nhiệt. Ngoài nước ngọt khí quyển cưỡng bức, nước ngọt được vận chuyển bởi đại dương cũng rất quan trọng. Để Atlantic MOC, nước ngọt ở Thái Bình dương đi qua Bering Strait có thể khó mô tả trên đoạn qua Canadian Archipelago và Labrador Sea (Komuro và Hasumi, 2005). Những khía cạnh này được cải tiến từ báo cáo TAR trong nhiều đánh giá mô hình ở đây. Những biến đổi quanh bờ lục địa rất quan trọng trong biến đối khí hậu cùng. Ngoài những khu vực này, khí hậu cũng bị ảnh hưởng bởi lưu thông đại dương mở và khí quyển. Mô hình khí hậu có sự phân giải cao góp phần vào sự cải tiến việc mô phỏng khí hậu vùng. Ví dụ, vị trí của Kuroshio tách rời từ quần đảo Nhật Bản được mô phỏng tốt trong mô hình MIROC3.2, mô hình này có những nghiên cứu có thể thực hiện được về những biến đổi trong đường trục của Kuroshio của khí hậu tương lai (Sakamoto và công sự, 2005). 15
  16. Lớp QLMT_K48 Guilyardi và cộng sự (2004) đã đề xuất sự phân giải đại dương có thể chạy chỉ với vai trò thứ 2 trong sự sắp đặt khoảng thời gian của mô hình tính biến thiên của ENSO, với khoảng thời gian quan trọng nhất được sắp đặt bởi mô hình khí quyển đã cung cấp vận tốc cơ bản của phương thức sóng đại dương ở xích đạo chính là đại diện tương xứng. 8.2.2.3. Các hệ thông số hoá Trong tracer equations, isopycnal diffusion (Redi, 1982) với isopycnal layer khuyếch tán ở mức độ dày đặc (Gent và cộng sự, 1995), kể cả những sử đổi của nó bởi Visbeck và cộng sự (1997), trở thành lựa chọn phổ biến thay sự khuyếch tán theo chiều ngang đơn thuần. Điều này dẫn đến những cải tiến trong cấu trúc thermocline và sự phá vỡ theo đường kính (Boning và cộng sự, 1995; xem phần 8.3.2). Để hoà lẫn theo chiều dọc của tracers, các hệ thông số hoá đa dạng không hạn chế hiện nay được sử dụng, như turbulence closures (vd, Mellor và Yamada, 1982), non-local diffusivity profiles (Large và cộng sự, 1994) và mô hình tầng hỗn hợp chủ yếu (vd, Kraus và Turner, 1967). Sự trình bày của tầng hỗn hợp bề mặt phải được cải tiến bởi vì sự phát triển trong các hệ thông số hoá này (xem phần 8.3.2). Sự quan sát thể hiện rằng sự hoà lẫn theo chiều dọc ở đại dương sâu là cải tiến về đáy gồ ghề, steep slopes và nơi sự phân tầng là yếu nhất (Karus, 1990; Polzin và cộng sự, 1997; Moum và cộng sự, 2002). Trong khi nghiên cứu mô hình hoá đã chỉ ra tầm quan trọng của inhomogeneous mixing trong MOC (vd, Marotzke, 1997; Hasumi và Suginohara, 1999; Ottera và cộng sự, 2004; Oliver và cộng sự, 2005; Saenko và Merryfield, 2005), các hệ thông số bao hàm toàn diện của các hiệu ứng và ứng dụng của nó trong kết nối mô hình khí hậu chưa được xem xét tới. 16
  17. Lớp QLMT_K48 Nhiều loại nước nặng (dense waters) được tạo ra bởi sự đối lưu của đại dương, đây chính là toàn bộ global MOC, phải chảy qua gợn sóng đại dương và ở dưới dốc lục địa. Sự lên của nước bao quanh những đặc trưng địa hình này là quá trình quan trọng để xác định thuộc tính cuối cùng và khối lượng của nước sâu. Các hệ thông số hoá của bottom boundary-layer processes được sử dụng trong một số mô hình AOGCMs (vd, Winton và cộng sự, 1998; Nakano và Suginohara, 2002). Tuy nhiên, tác động của bottom boundary-layer representation trên liên hệ thống (coupled system) vẫn chưa được hiểu đầy đủ (Tang và Roberts, 2005). Thorpe và cộng sự (2004) đã nghiên cứu tác động của scheme rất đơn giản được sử dụng trong mô hình HadCM3 để điểu khiển sự hoà lẫn của nước tràn qua từ biển Bắc Âu (Nordic Seas) vào North Atlantic. Mặc dù scheme ?có kết quả trong biến đổi của thuộc tính khối lượng của nước gần cực, sự xuất hiện của nó có tác động nhỏ đến sự mô phỏng mặt mạnh của mô hình MOC ở phạm vi lớn, hoặc sự đối phó của nó đối với hiện tượng ấm lên toàn cầu. 8.2.3. Các quá trình đất Một vài phép phân tích đa mô hình về các quá trình đất (bao gồm trong bảng 8.1) đã được tiến hành. Tuy nhiên các tiến bộ đáng kể từ khi TAR được công bố dựa trên các mô hình khí hậu đều tương tự với các mô hình này. Phép phân tích các mô hình cung cấp insight on sự hiểu biết sâu sắc về độ chính xác của các quá trình đất trong các mô hình AR4. 8.3.2.1. Các quá trình bề mặt. Phần bổ sung của các mô hình sinh quyển đất mà mô phỏng một số thay đổi trong các nguồn cácbon đất và bể sinh khối vào trong fully coupled climate models is at the cutting edge of climate science. Tiến bộ chính từ khi có TAR là bao gồm cả các động thái vòng tuần hoàn cácbon thực vật và đất, mặc dù vẫn chưa được kết hợp đều đặn chặt chẽ vào trong AOGCMs sử dụng cho các dự án khí hậu (xem chương 10). Tuần hoàn cácbon đất giới thiệu một sự phản hồi mới và quan trọng vào trong hệ thống khí hậu trong khoảng thời gian từ thập kỷ đến thế kỷ (xem chương 7 và 10). Những phản hồi này bao gồm sinh quyển đất để tăng oxit cácbon, biến đổi khí hậu và những thay đổi trong tính biến thiên của khí hậu (xem chương 7). Tuy nhiên, nhiều vấn đề còn tồn tại cần được giải quyết. Độ lớn của bể sinh khối còn lại là không rõ ràng bởi vì nó phụ thuộc vào mật độ của khí hậu cũng như là sự phản ứng của cácbon thực vật và đất tăng CO2. Tỷ lệ mà làm giàu CO2 bão hòa trong các hệ thống đất cao hơn hẳn present uncertainly in the role of biospheric feedbacks. Một loạt các nghiên cứu đã được đưa ra để khám phá khả năng hiện tại ở cấp độ mô hình của sự phản ứng của sinh quyển đất hơn là sự phản ứng của chỉ một hoặc hai thành phần của chúng (Friedlingstein et al., 2006). Công việc này đã tạo nên các tác động có hệ thống để đánh giá khả năng của các mô hình sinh quyển đất để mô phỏng vòng tuần hoàn cácbon đất (Cramer et al., 2001) qua các áp dụng so sánh tương tác. Ví dụ, Freidlingstein et al. 2006 đã phát hiện ra rằng trong tất cả 17
  18. Lớp QLMT_K48 các mô hình được khảo sát, bể sinh quyển giảm đi trong tương lai trong khi mà khí hậu ấm lên. Các thành phần đơn lẻ khác của quá trình bề mặt đất đã được chứng minh từ TAR, như root parametrization (Arora and Boer, 2003; Kleidon, 2004) và higher- resolution river routing (Ducharne et al., 2003). Các quá trình đất lạnh đã được chú ý đáng kể với các mô hình nhiều lớp tuyết bây giờ phổ biến hơn (e.g., Oleson et al., 2004) chẳng hạn như vùng đất đóng băng và tan băng (e.g., Boone et al., 2000; Warrach et al., 2001). Sub-grid scale snow parametrizations (lison, 2004), chuỗi phản ứng tuyết-thực vật (Essery et al, 2003) và wind redistribution of snow (Essery and Pomeroy, 2004) là được quan tâm hơn cả. Đất hữu cơ High-latitude cũng có trong một số mô hình (Wang et al., 2002). Một sự tiến bộ gần đây là kết nối các mô hình nước mặt vào trong các kế hoạch đất bề mặt (Liang et al., 2003; Maxwell and Miller, 2005; Yeh and Eltahir, 2005). Những chỉ được đánh giá ở phạm vi địa phương nhưng có thể thích hợp với toàn cầu. Cũng có chứng cớ nổi lên rằng các dự án cấp địa phương về sự nóng lên là nhạy cảm với sự mô phỏng quá trình mà được tiến hành ở cấp nhỏ hơn hơn là các mô hình khí hậu hiện tại phân tích (Pa et al., 2004). Một cách tổng quát, sự cải tiến của các mô hình đất bề mặt từ TAR là được dựa trên những các so sánh chi tiết với dữ liệu được quan sát. Ví dụ, Boone et al., 2004 đã sử dụng Rhone Basin để khám phá ra cách các mô hình đất bề mặt mô phỏng sự cân bằng nước cho một vài chu kỳ năm so sánh với dữ liệu từ mạng lưới được quan sát. Họ đã tìm ra rằng hầu hết các kế hoạch đất bề mặt mô phỏng very similar runoff và sự bốc hơi nước nhưng sự chia cắt giữa các thành phần các nhau của cả hai dòng chảy và bốc hơi nước có sự khác biệt lớn, kết quả của các trạng thái cân bằng đất nước khác nhau và mô phỏng cho ra. Các tham số tuyết phức tạp hơn đã dẫn tới các mô phỏng cấp cao của các dòng chảy basin-scale. Một phép phân tích của các kết quả từ nhóm thứ hai của AMIP (AMIP – 2) đã khám phá ra sự đóng góp của đất bề mặt tới mô phỏng khí hậu. Henderson-Sellers et al., 2003 đã tìm ra một clear chronological sequence của các sơ đồ đất bề mặt. Những khác nhau đáng kể được thống kê trong sự bay hơi trung bình hang năm đã được nhận biết có thể được lien kết với tham số của các quá trình canopy. Các chứng minh sâu hơn trong mô hình đất mặt phụ thuộc vào các quan sát bề mặt tăng cường, ví dụ, sử dụng các isotop cố định (e.g., Henderson-Sellers et al., 2004) cái mà cho phép một váo thành phần của qus trình bốc hơi được xác định riêng rẽ. Pitman et al. (2004) đã phát hiện ra tác động của mức độ phức tạp được sử dụng để biểu thị bằng tham số cân bằng năng lượng bề mặt trong sự khác biệt tìm thấy giữa các kết quả của AMIP-2. Chúng đã tìm ra rằng các sự biến thiên lớn trong sự phức tạp cân bằng năng lượng bề mặt không dẫn tới các khác biệt hệ thống trong giá trị trung bình mô phỏng, sự dao động giữa nhiệt độ nhỏ nhất hay lớn nhất ở phạm vi toàn cầu, hoặc trung bình ở một vùng, cho biết rằng các biến này là không có giới hạn bởi sự không chắc chắn trong việc biểu hiện bằng tham số cân bằng năng lượng bề mặt. Điều này làm tăng thêm độ chính xác của việc sử dụng các mô hình 18
  19. Lớp QLMT_K48 trong bảng 8.1 mà hầu hết đều bao gồm các module cân bằng năng lượng bề mặt của sự phức tạp hơn là của mức tối thiểu được xác định bởi Pitman et al. 2004. Trong khi một công việc nhỏ đã được thực hiện để đánh giá khả năng của các mô hình bề mặt đất sử dụng trong các mô hình khí hậu kết nối, quá trình nâng cấp của các mô hình bề mặt đất dần dần taking place và the conclusion of carbon in these models is a major conceptual advance. Trong mô phỏng của khí hậu ngày nay, mặt hạn chế của của mô hình thủy học bucket chuẩn là tăng rõ rệt (Milly and Shmakin, 2002; Henderson-Sellers et al., 2004; Pitman et al., 2004), bao gồm chứng cứ mà đánh giá quá cao khả năng có thể xảy ra của hạn hán (Seneviratne et al., 2002). Các chứng minh nhỏ tương tự cho các mô hình đất, ví dụ, bao gồm biến không gian khả năng giữ nước và a simple canopy conductance, dẫn tới các chứng minh đáng kể (Milly and Shmakin, 2002). Kể từ khi hầu hết các mô hình trong bảng 8.1 mô tả continental-scale land serface một cách thực tế hơn the standard bucket hydrogy sheme, và bao gồm biến không gian khả năng giữ nước, canopy conductance, vv (bảng 8.1), hầu hết các mô hình này rất có khả năng nắm giữ một phần quan trọng tạo bởi đất bề mặt tới các mô phỏng khí hậu hiện tại. Tuy nhiên, có điều không rõ rang là các mô hình khí hậu hiện tại nắm bắt tác động của sự nóng lên trong tương lai như thế nào trên sự cân bằng cácbon đất. Một đánh giá cấp hệ thống của AOGCMs với vòng tuần hoàn cácbon được mô tả sẽ giúp làm tăng độ tin cậy trong việc góp phần của đất bề mặt vào sự nóng lên trong tương lai. 8.2.3.2. Các phản hồi của độ ẩm đất trong các mô hình khí hậu Một vai trò quan trọng của đất bề mặt là dự trữ độ ẩm đất và điều khiển sự bốc hơi của nó. Một quá trình quan trọng, sự phản hồi lượng ẩm của đất đã được phát hiện một cách bao quát từ khi có TAR, trên cơ sở các nghiên cứu cụ thể cấp khu vực mà các lien kết được minh chứng giữa độ ẩm đất và lượng mưa. Các nghiên cứu gần đây (ví dụ Gutowski et al., 2004; Pan et al., 2004) đã đề xuất rằng độ ẩm mùa hè phụ thuộc mạnh mẽ vào các quá trình bề mặt, nhất là trong mô phỏng của reginal extremes. Douvill (2001) đã chỉ ra rằng sự mất cân bằng độ ẩm đất gây ra gió mùa châu Phi trong khi Schar et al. (2004) lại đề xuất rằng một phản hồi tích cực của độ ẩm của đất có liên quan tới việc mùa hè nóng bất thường ở Châu Âu vào năm 2003. Phản hổi độ ẩm đất trong các mô hình khí hậu vẫn chưa được đánh giá ở cấp hệ thống vào thời điểm có TAR. Nó được kết hợp với sức mạnh của sự kết hợp giữa đất và khí quyển, cái mà chỉ được xác định gần đây trong các mô hình (Dirmeyer, 2001). Koster et al. 2004 đưa ra một đánh giá về nơi mà xảy ra phản hồi độ ẩm đất quan trọng ở cấp vùng trong suốt mùa hè ở bán cầu bắc bằng việc xác định sức mạnh của việc kết hợp 12 GMCs khí quyển. Một vài nét tương tự được tìm thấy giữa các kết quả mô hình, đủ để cung cấp một đánh giá trung bình đa mô hình về nơi mà biểu đồ độ ẩm toàn cầu trong suốt mùa hè bắc bán cầu chịu ảnh hưởng mạnh mẽ bởi sự biến thiên độ ẩm đất. Những điểm nóng của sức mạnh lien kết các 19
  20. Lớp QLMT_K48 mô hình được tìm thấy trong sự chuyển tiếp của các vùng giữa các vùng ẩm và khô. Các mô hình, tuy nhiên, cũng chỉ ra sự không thích hợp trong sức mạnh của kết hợp các mô hình đất và khí quyển. Một vài nghiên cứu dã phát hiện ra sự khác nhau trong sức mạnh của sự kết hợp đó. Seneviratne et al. 2002 đã nêu bật sự quan trọng của việc phân biệt khả năng giữ nước giữa các mô hình trong khi Lawrence và Slingo (2005) phát hiện ra vai trò của sự thay đổi độ ẩm đất và đề nghị rằng trạng thái bão hòa của độ ẩm đất thường xuyên và sự thay đổi ít của độ ẩm đất có thể giải thích phần nào hạn chế của liên kết các mô hình trong mô hình HadAM3 (chú ý rằng hạn chế không có nghĩa là sai khi mà khả năng thực sự của việc lien kết mô hình là còn chưa rõ). Nói chung, việc kết hợp không chắc chắn khí quyển và bề mặt đất có hàm ý cho sự tin cậy của phản hồi khí quyển-độ ẩm đã được mô phỏng. Mặc dù tác động lớn để thu thập và đồng nhất các phép đo độ ẩm đất ở cấp độ toàn cầu (Robock et al., 2000) vẫn tồn tại sự không thống nhất giữa các đánh giá ở phạm vi rộng của độ ẩm đất được quan sát. Thách thức của mô hình hóa độ ẩm đất, điều mà thay đổi một cách tự nhiên trong khoảng thời gian ngắn, được lien kết với các đặc trưng phong cảnh của một vùng, các quá trình đất, sự hồi phục của đất mặt, dạng thực vật, vv, với các dữ liệu được quan sát là đáng kể. Một điều không rõ rang là so sánh độ ẩm đất được mô phỏng bằng mô hình khí hậu với độ ẩm đất point-based hay remotely sensed. Điều này khiến việc đánh giá khả năng đo đạc độ ẩm đất của các mô hình khí hậu khó khăn. 8.2.4. Các quá trình cryospheric 8.2.4.1. Cryospheric đất Các mô hình lớp băng được sử dụng trong các chu trình của sự nóng lên trong thời kỳ lâu dài và các viễn cảnh về mực nước biển, mặc dù chúng chưa được kết hợp một cách tổng quát trong các AOGCMs sử dụng trong chương 10. Các mô hình được chạy thường lệ trong ở trạng thái độc lập, mặc dù Huybrechts et al. (2002) và Fichefet et al. (2003) đã báo cáo các tác động sớm của việc lien kết các mô hình lớp băng tời AOGCMs. Các mô hình lớp băng cũng có trong một vài EMICs (ví dụ, Calove et al., 2002). Ridley et al. (2005) đã lưu ý rằng khoảng thời gian của sự tan băng theo dự kiến của lớp băng trên đảo Greenland có thể khác với các mô phỏng kết hợp hoặc độc lập. Các mô hình lớp băng nhiệt hóa học có hiệu lực ngày nay không bao gồm các quá trình được kết hợp với các dòng chuyển động của băng hay grouding line migration, cái mà có thể cho phép các thay đổi động học nhanh chóng trong các lớp băng. Các tảng băng hay ice caps, tùy thuộc vào their relatively small scales and low likelihood of significant climate feedback at large scales, là không tương tác với AOGCMs nào hiện nay. Xem chi tiết chương 4 và 10. Để thảo luận về tuyết, xem phần 8.3.4.1. 20
  21. Lớp QLMT_K48 8.2.4.2. Băng biển Các thành phần băng của mô hình AOGCMs thường dự đoán độ dày của băng (hay thể tích), độ che phủ fractional, độ dày của tuyết, nhiệt độ (hay năng lượng) bề mặt và bên trong và tốc độ nằm ngang. Một vài mô hình bây giờ bao gồm độ mặn nước biển dự báo (Schmidt et al., 2004). Albedo băng là được qui định một cách tiêu biểu, chỉ phụ thuộc độc lập vào độ dày của băng, độ che phủ của tuyết và các hiệu ứng puddling. Kể từ TAR, hầu hết các mô hình AOGCMs bắt đầu dùng các thành phần động học băng phức tạp. Sự phức tạp của động lực học băng trong các AOGCMs thay đổi từ mô hình “cavitating fluid” đơn giản (Flato and Hibler, 1992) tới mô hình nhựa dẻo (Hibler, 1979), cái mà tính toán là rất tốn kém và đặc biệt sử dụng cho các mô phỏng khí hậu toàn cầu. Mô hình nhựa dẻo đàn hồi (Hunke and Dukowicz, 1997) đang được sử dụng dần dần, đặc biệt do các hiệu quả của nó với các thiết bị giống nhau. Các cách tiếp cận về mặt số học để giải quyết các phương trình động lực học băng bao gồm các kết quả chính xác hơn về curvilinear model grids (Hunkle and Dukowicz, 2002; Marsland et al., 2003; Zhang and Rothrock, 2003) và các phương pháp Lagrang để giải quyết các phương trình nhựa dẻo (Lindsay and Stern, 2004; Wang and Ikeda, 2004). Giải pháp cho động lực học nhiệt băng trong các AOGCMs đã tiến triển chậm hơn: nó tiêu biểu bao gồm tính dẫn không đổi và các khả năng nhiệt cho băng và tuyết, một nguồn nhiệt mô phỏng tác động của các quặng muối biển trong băng, và một vài lớp, phía trên của tuyết. Các schemes nhiệt động học phức tạp hơn đang được phát triển, như mô hình của Bitz and Lipscomb (1999), cái mà giới thiệu salinity- depedent conductivity và khả năng nhiệt, mô hình hóa cá quặng muối biển trong cách giám sát năng lượng như một phần của một mô hình nhiệt động lực học lớp biến thiên (ví dụ, Saenko et al., 2002). Một vài AOGCMs bao gồm sự thiết lập băng tuyết, cái mà xảy ra khi một tảng băng nổi bị nhấn chìm bởi sức nặng của tuyết bao phủ bên trên và các lớp đóng băng tràn ngập tuyết. Quá trình gần đây là đặc biệt quan trọng trong hệ thống băng Nam cực. Cho dù với fine grid scales, rất nhiều các mô hình băng không kết hợp sự phân phối độ dày của băng sub-gril scale ( Thorndike et al., 1975) với một vài thichkness “categories”, rather than considering the ice as a uniform slab with inclusions of open water. Một phân phối độ dày của băng cho phép mô phỏng chính xác hơn vè sự biến thiên nhiệt động lực học trong sự phát triển và tỉ lệ tan chảy trong một ô lưới đơn lẻ, cái mà có thể cho kết quả đáng kể cho các quá trình phản hồi albedo đại dương (ví dụ, Bitz et al., 2001; Zhang and Rothrock, 2001). Một phân phối độ dày băng được phân tích tốt cho phép một công thức more physical cho ice ridging và rafting events, dựa trên các công thức về năng lượng. Mặc dù các thông số của redging mechanics và các mối quan hệ với sự phân phối độ dày của băng đã được chứng minh (Babko et al., 2002); Amundrud et al., 2004; 21
  22. Lớp QLMT_K48 Toyota et al., 2004), bao gồm sự tham số hóa của việc ridging tiên tiến đã cách ly các khía cạnh khác của động lực học nước đá biển trong các mô hình AOGCMs. Những giải thuật số tốt hơn được dùng cho phân phối bề dày nước đá biển (Lipscomb, 2001) và sức mạnh của nước đá (Hutchings et al., 2004) cũng được phát triển cho AOGCMs. 8.2.5. Mô hình hóa aerosol và hóa học khí quyển Mô phỏng khí hậu bao gồm aerosols khí quyển với sự vận chuyển hóa học được cải thiện đáng kể từ TAR. Các phân phối aerosol toàn cầu được mô phỏng là tốt hơn so với những gì quan sát được, đặc biệt các số liệu từ vệ tinh (ví dụ, Radar độ phân giải cao cải tiến (AVHRR), quang phổ kế mô tả với độ phân giải trung bình (MODIS), quang phổ kế mô tả đa góc (MISR), sự phân cực và hướng của năng suất phản xạ của trái đất (POLDER), quang phổ kế vạch ra tổng ôzon (TOMS)), mạng lưới ground-based (aerosol robotic network; AERONET) và rất nhiều các chiến dịch đo lường (ví dụ., Chin et al., 2002; Takemura et al., 2002). Dự án so sánh mô hình aerosol toàn cầu, Aerocom, cũng đã được đề xướng để tăng sự hiểu biết của tính không rõ ràng và giảm chúng trong các đánh giá mô hình (Kinne et al., 2003). Những so sánh này, so với các quan sát mây, cho kết quả để chứng minh độ tin cậy trong đánh giá tác động của bức xạ trực tiếp và gián tiếp aerosol (ví dụ, Ghan et al., 2001a,b; Lohmann và Lesins, 2002; Takemura et al., 2005). Các mô hình dưới thành phần aerosol tương tác đã được kết hợp chặt chẽ trong một số mô hình khí hậu sử dụng trong chương 10 (HadGEM1 và MIROC). Một số mô hình cũng bao gồm các tác động aerosol gián tiếp (ví dụ., Takemura et al., 2005); tuy nhiên, công thức của những quá trình này vẫn là chủ đề nghiên cứu. Các thành phần hóa học khí quyển tương tác lẫn nhau không bao gồm trong các mô hình mà được đề cập trong báo cáo này. Tuy nhiên, CCSM3 bao gồm sự biến đổi của nồng độ khí nhà kính bởi các quá trình quang hóa và sự chuyển hóa SO2 và Đimetin sulfua thành các aerosol sunfua. 8.2.6. Các cải tiến coupling Trong tiến bộ kể từ TAR, một số nhóm có các phần mềm được phát triển cho phép nhóm dễ dàng hơn các thành phần khác nhau của một mô hình khí hậu (ví dụ, Valcke et al., 2006). Một ví dụ, cặp đất nước đá biển đại dương khí quyển (OASIS) đã phát triển ở Centre Europeen de Recherche et de Formation Avancee en Calcul Scientific (CERFACS) (Terray et al., 1998), đã được sử dụng trong nhiều các trung tâm mô hình hóa để đồng bộ hóa các mô hình khác nhau và cho phép nội suy của các lĩnh vực coupling giữa khí quyển và đại dương grids. The shemes đảm bảo cả hai quan sát ở cấp toàn cầu và khu vực của sự thay đổi khác nhau ở bề mặt không khí – đại dương, và đường đi của đất, băng biển và đại dương chảy ra một cách độc lập. 22
  23. Lớp QLMT_K48 Coupling thường là một vấn đề quan trọng, bởi vì fluxes là trung bình trong suốt khoảng thời gian coupling. Điển hình, hầu hết các AOGCMs được đánh giá ở đây thông qua fluxes và các biến khác giữa các phần khác nhau một lần một ngày. The K-profile parametrization ocean vertical scheme (Large et al., 1994), được sử dụng trong một số mô hình, là rất nhạy cảm vơi năng lượng gió thích hợp cho mixing. Nếu các mô hình bị ghép tại tần số thấp hơn mỗi lần một nhịp thời gian đại dương, nonlinear quantities như sức gió (cái phụ thuộc vào tốc độ gió) cần phải được tích lũy qua từng bước thời gian trước khi đi qua đại dương. Sự lấy trung bình không thích hợp bởi vậy có thể dẫn tới năng lượng trộn quá ít và do đó những chiều sâu lớp pha trộn từ đây nông hơn, giả định sự tham số hóa không phải được trở lại. Tuy nhiên, các ghép mô hình với tần số cao có thể mạng lại những vấn đề công nghệ mới. Trong mô hình MIROC, khoảng thời gian ghép là 3 giờ, và trong trường hợp này, một sóng trọng lực bên trong bị kích động trong đại dương sao cho sự smoothing nào đó cần thiết để giảm vấn đề số này. Cũng nên chú ý rằng các mô hình AOGCMs được sử dụng ở đây có (tiêu biểu là 10m hay hơn), giới hạn nhiệt độ bề mặt biển (SST) gây ảnh hưởng đến ghép mô hình thường xuyên (Bernie et al, 2005). 8.2.7. Những sự điều chỉnh dòng và initialization Kể từ TAR, nhiều mô hình khí hậu được phát triển mà không điều chỉnh nhiệt độ bề mặt, nước và các dòng động lượng không tự nhiên duy trì một khí hậu điều hòa vững chắc. Stouffer và Dixon (1998) đã chú ý rằng, việc sử dụng các điều chỉnh dòng như vậy đòi hỏi các tích hợp khá dài của các thành phần mô hình trước khi ghép nhóm. Trong các mô hình này, thông thường các điều kiện ban đầu cho tích hợp ghép nhóm đã vẫn được sử dụng từ long spin ups của các thành phần mô hình. Trong các mô hình AOGCMs mà không sử dụng việc điều chỉnh dòng (xem bảng 8.1), các phương pháp tích hợp có xu hướng khác nhau hơn. Các thành phần đại dương của nhiều mô hình là được tương thích sử dụng các giá trị được quan sát gián tiếp từ observationally based, gridded data set (Levitus and Boyer, 1994; Levitus and Antonov, 1997; Levitus et al., 1998) hoặc từ các tích hợp short ocean- only mà được sử dụng một phép phân tích được quan sát cho các điều kiện ban đầu của chúng. Dữ liệu thành phần khí quyển ban đầu dược thường xuyên quan sát từ các tích hợp khí quyển sử dụng bắt buộc SSTs. Để quan sát các dữ liệu ban đầu cho tích hợp pre-industrial control được thảo luận trong chương 10, hầu hết các AOGCMs sử dụng sự khác nhau của scheme Stouffer et al. (2004). Trong sheme này, mô hình được ghép được cho giá trị ban đầu và được thảo luận ở dưới. Các mô hình được tích hợp cho một vài thế kỷ sử dụng constant pre-industrial radiative forcing, cho phép hệ thống ghép điều chỉnh phần nào to this forcing. Cấp độ của sự cân bằng trong khí hậu tiền công nghiệp thực tới the pre-industrial radiative forcing là không biết. Từ đó, có vẻ như là không cần thiết đề có điều khiển tiền công nghiệp làm cân bằng đầy đủ. Sau tích hợp spin-up, 23
  24. Lớp QLMT_K48 điều khiển tiền công nghiệp được bắt đầu và các tương thích pertupation có thể bắt đầu. Một bước quan trọng tiếp theo, khi mà bắt đầu các tích hợp điều khiển được định rõ, là sự đánh giá của các khuynh hướng khí hậu tích hợp điều khiển. Các khuynh hướng chính có thể làm méo cả hai the natural variability (ví dụ, Inness et al., 2003) và sự phản hồi khí hậu tới những thay đổi trong radiative forcing (Spelman và Manabe, 1984). Trong các báo cáo IPCC mới đây, các phương pháp tích hợp khá là khác nhau. Trong một vài trường hợp, các tích hợp perturbation ban đầu sử dụng dữ liệu từ tích hợp điều khiển ở chỗ mà các STTs là near present-day values và không phải tiền công nghiệp. Nhiều mô hình khí hậu ngày nay sử dụng một vài thay đổi của phương pháp Stouffer et al. 2004, đã được chứng minh. 8.3. Sự đánh giá khí hậu hiện thời khi được mô phỏng bởi những mô hình toàn cầu ghép Vì những sự phi tuyến tính trong những quá trình điều khiển khí hậu sự đáp lại hệ thống khí hậu tới những sự hỗn loạn phụ thuộc tới phạm vi nào đó trên trạng thái cơ bản (của) nó. Vậy thì, (cho) những mô hình để dự đoán những điều kiện khí hậu tương lai đáng tin cậy, họ phải mô phỏng trạng thái khí hậu hiện thời với một vài mức độ cho đến nay không được biết về tính trung thực. Kỹ năng mô hình kém trong việc mô phỏng khí hậu hiện tại có thể cho biết rằng những quá trình vật lý hay quá trình động học nhất định đã bi miêu tả sai. Một mô hình tốt hơn mô phỏng những mẫu không gian phức tạp và những chu kỳ mùa và ngày (của) khí hậu hiện tại càng tốt, thì sự tin cậy càng cao bởi tất cả các quá trình cần thiết đã được trình bầy một cách đầy đủ. Như vậy, khi những mô hình mới xây dựng, nỗ lực đáng kể được cống hiến cho việc đánh giá khả năng của chúng trong việc mô phỏng khí hậu hiện tại. (e.g., Collins et al., 2006; Delworth et al., 2006). Một số sự đánh giá của sự thực hiện mô hình được giới thiệu ở đây được dựa vào những sự mô phỏng thế kỷ 20 mà cấu thành một phần (của) MMD được lưu trữ Tại PCMDI. Trong những sự mô phỏng này, những nhóm mô hình hóa bắt đầu những mô hình từ những sự mô phỏng (circa 1860)' điều khiển' trước công nghiệp và sau đó tác động tới tự nhiên và sự cưỡng bức do loài người được cho là điều quan trọng để mô phỏng khí hậu (của) khoảng 140 năm trước hoặc lâu hơn nữa. 23 mô hình được xem xét ở đây (Nhìn bảng 8.1) là những (cái) mà được tin cậy trong những chương 9 và 10 để điều tra lịch sử và những sự thay đổi khí hậu trong tương lai. Một số hình trong mục này thu được dựa vào những kết quả từ một tập con (của) những mô hình bởi vì tập dữ liệu không đầy đủ. Để nhận biết các lỗi có tính hệ thống qua những mô hình, giá trị trung bình của trường số liệu có giá trị trong MMD (multi-model data set), được quy là “giá trị trung bình đa mô hình”, sẽ thường được sử dụng. Những kết quả trung bình trường số liệu đa mô hình bị tăng lên bởi những kết quả từ những mô hình riêng lẻ sẵn có như Vật chất Bổ sung ( Nhìn sơ đồ hình S8. 1 tới S8. 15). Sự lấy trung bình đa mô hình phục vụ để lọc ra những sự sai lệch (của) những mô hình riêng lẻ và chỉ giữ những lỗi chung. Có một vài bằng chứng mà giá trị trung bình của trường số liệu đa mô hình thường phù hợp với những sự quan sát hơn so với bất kỳ kết quả nào được mô phỏng bởi các mô hình riêng lẻ (Nhìn Mục 8.3.1.1.2), cái mà hỗ trợ sự tin cậy liên tục về tính đa dạng (của) tiến trình mô hình hóa trong việc chỉ ra sự thay đổi khí hậu tương lai và cung cấp sự quan tâm hơn nữa nào đó trong việc đánh giá kết quả trung bình của đa mô hình . 24
  25. Lớp QLMT_K48 Giáp mặt với tính đa dạng phong phú của những đặc tính khí hậu mà có thể tiềm tàng được ước lượng ở đây, mục này tập trung vào những thành tố đó mà có thể ảnh hưởng một cách nguy kịch đến xã hội và những hệ sinh thái tự nhiên và cái khả năng đáp lại là sự thay đổi trong tác động bức xạ. 8.3.1. Khí quyển 8.3.1.1. Nhiệt độ Bề mặt và quỹ năng lượng (của) Hệ thống Khí hậu Để những mô hình mô phỏng chính xác sự sắp xếp toàn cầu chu kỳ hàng năm và chu kỳ ngày đêm (của) nhiệt độ bề mặt, trong sự thiếu (của) những sai số bù, họ cần phải miêu tả chính xác tính sự đa dạng (của) các quá trình. Sự phân bổ quy mô lớn (của) nhiệt độ bề mặt trung bình hàng năm phần lớn được xác định bởi phân bổ (của) ánh nắng mặt trời, cái mà được dịu xuống bởi những đám mây, dòng nhiệt bề mặt khác và sự vận chuyển (của) năng lượng bởi tầng khí quyển và tới một khoảng nhiệt độ nhỏ hơn bởi đại dương. Tương tự, chu kỳ hàng năm và những chu kỳ ngày đêm (của) nhiệt độ bề mặt bị khống chế bởi những sự thay đổi theo mùa và theo ngày trong những nhân tố này, tương ứng, nhưng chúng cũng bị cản lại bởi sự tích trữ năng lượng trong những tầng phía trên của đại dương và ở một mức độ nhỏ hơn trên những lớp đất bề mặt. 8.3.1.1.1. Nhiệt độ Sơ đồ hình 8.2 a biểu diễn nhiệt độ mặt trung bình theo thời gian như một sự ghép lại nhiệt độ không khí bề mặt trên các vùng (của) đất liền và SST ở một nơi nào khác. Cũng được đưa ra là sự khác nhau giữa giá trị trung bình của trường số liệu đa mô hình và trường số liệu được theo dõi. Với vài ngoại lệ, sai số tuyệt đối (giữa bên ngoài vùng cực và những vùng nghèo dữ liệu khác) thấp hơn 2°C. Các mô hình riêng lẻ đặc thù có sai số lớn hơn, nhưng trong đa số những trường hợp vẫn thấp hơn 3°C, ngoại trừ tại vĩ độ cao (Nhìn Hình 8.2 b và Vật chất Bổ sung, Hình S8.1). Vài lỗi lớn hơn xuất hiện trong những vùng có những sự thay đổi đột ngột của độ cao và có thể đơn giản do từ sự ghép đôi không xứng giữa phép đo vẽ địa hình mô hình (đặc thù ở trạng thái tĩnh) và phép đo vẽ địa hình thực tế. Có một xu hướng (cho) một sự coi nhẹ, nhưng nói chung, sự thiên về chán nản. Bên ngoài những vùng cực, sai số tương đối lớn (thì) hiển nhiên trong phần phía đông (của) những vịnh đại dương nhiệt đới, một triệu chứng có thể xảy ra những vấn đề trong sự mô phỏng (của) những đám mây thấp. Quy mô của sai số mô hình có hệ thống sẽ ảnh hưởng đến sự đáp lại của mô hình tới trạng thái hỗn loạn bên ngoài còn là ẩn số, nhưng có thể xem gợi ý (xem mục 8.6). Mặc dù có sự không thống nhất trong cuộc thảo luận này, thực tế là những mô hình đó tính toán cho một phần nhỏ rất lớn của kiểu nhiệt độ toàn cầu: hệ số tương quan giữa kiểu không gian mô phỏng và kiểu không gian quan sát của nhiệt độ trung bình hàng năm đặc thù là khoảng 0.98 cho những mô hình riêng lẻ. (Cái) này hỗ trợ việc nhìn nhận các mô hình cho kết quả với mức độ phù hợp về sự chính xác trong các quá trình điều khiển nhiệt độ bề mặt. Cơ hội bổ sung thêm để ước lượng những mô hình được tạo điều kiện bởi sự theo dõi chu kỳ hàng năm (của) nhiệt độ bề mặt. Hình 8.3 cho thấy rằng độ lệch tiêu chuẩn của nhiệt độ bề mặt trung bình hàng tháng, cái mà bị chi phối bởi tầm hoạt động của sự cấu thành hàng năm và nửa năm (của) chu kỳ hàng năm. Sự khác nhau giữa các giá trị trung bình trong kết quả của mô hình và những sự theo dõi cũng đã được chỉ ra. Sự chênh lệch tuyệt đối trong những hầu hết các khu vực nhỏ hơn 1° C. Thậm chí có những vùng đất liền rộng lớn (của) NH (bắc bán cầu) nơi mà độ lệch tiêu chuẩn nói chung vượt hơn 10°C, những mô hình phù hợp với những quan sát trong khoảng 2°C ở hầu hết các nơi. Những mô hình, như một nhóm, có sự khác biệt rõ ràng giữa môi trường biển và lục địa và quan trọng lớn hơn là chu kỳ hàng năm ở vĩ độ cao hơn, nhưng có một 25
  26. Lớp QLMT_K48 xu hướng chung để đánh giá thấp dãy nhiệt độ hàng năm qua phía đông Siberia. Nói chung, sai số phân số lớn nhất được tìm thấy qua những đại dương (e.g., qua nhiều Nam Mỹ nhiệt đới và ra khỏi phía đông chạy ven biển của Bắc Mỹ và Châu á). Những ngoại lệ này tới những sự phù hợp toàn bộ để minh họa đặc tính chung của các mô hình khí hậu hiện tại: đặc tính phạm vi lớn nhất của khí hậu được mô phỏng chính xác hơn đặc tính quy mô khu vực hay đặc tính quy mô nhỏ hơn. Figure 8.2. (a) Observed climatological annual mean SST and, over land, surface air temperature (labelled contours) and the multi- model mean error in these temperatures, simulated minus observed (colour-shaded contours). (b) Size of the typical model error, as gauged by the root-mean-square error in this temperature, computed over all AOGCM simulations available in the MMD at PCMDI. The Hadley Centre Sea Ice and Sea Surface Temperature (HadISST; Rayner et al., 2003) climatol-ogy of SST for 1980 to 1999 and the Climatic Research Unit (CRU; Jones et al., 1999) climatology of surface air temperature over land for 1961 to 1990 are shown here. The model results are for the same period in the 20th-century simulations. In the presence of sea ice, the SST is assumed to be at the approximate freezing point of seawater (- 1.8°C). Results for individual models can be seen in the Supplementary Material, Figure S8.1. Figure 8.3. Observed standard deviation (labelled contours) of SST and, over land, surface air temperature, computed over the climatological monthly mean annual cycle, and the multi-model mean error in the standard deviations, simulated minus observed (colour- shaded contours). In most regions, the standard deviation provides a measure of the amplitude of the seasonal range of temperature. The observational data sets, the model results and the climatological periods are as described in Figure8.2. Results for individual models can be seen in the Supplementary Material, Figures S8.5 to S8.8. 26
  27. Lớp QLMT_K48 Cũng như khoảng nhiệt độ hàng năm, khoảng nhiệt độ hằng ngày (sự khác nhau giữa nhiệt độ không khí bề mặt tối đa và tối thiểu hằng ngày) là nhỏ hơn trên các đại dương so với trên đất liền, nơi mà nó cũng được theo dõi tốt hơn, vì vậy thảo luận ở đây bị hạn chế đối với những vùng lục địa. khoảng nhiệt độ hàng ngày, mức trung bình hàng năm và khu trên những lục địa, (thì) nói chung quá nhỏ trong những mô hình, trong nhiều vùng bởi bằng 50% (xem Vật chất Bổ sung, Hình S8.3). Tuy vậy, những mô hình mô phỏng đường chung của trường số liệu này, với 27
  28. Lớp QLMT_K48 những giá trị tương đối cao trên những khu vực sạch và khô hơn. Điều chưa biết là tại sao những mô hình nói chung đánh giá thấp khoảng nhiệt hằng ngày; nó có thể là trong một vài mô hình một phần nguyên nhân là sự thiếu sót của các tham số lớp ranh giới hay trong sự mô phỏng của vùng đất giá băng và tuyết, và nó cũng cho thấy rằng chu kỳ ngày đêm (của) đám mây đối lưu, mà tương tác mạnh mẽ với nhiệt độ bề mặt, được mô phỏng kém hơn. Nhiệt độ bề mặt gắn liền mạnh mẽ với khí quyển ở trên nó. Đây điểm đặc biệt hiển nhiên tại phạm vi chính giữa, nơi mà sự di chuyển tuyến lạnh và những tuyến ấm có thể gây ra những thay đổi một cách tương đối lớn trong nhiệt độ Bề mặt. Căn cứ vào những sự tương tác mạnh mẽ giữa nhiệt độ bề mặt và nhiệt độ của không khí ở trên, nó là lợi ích đặc thù để đánh giá những mô hình mô phỏng mặt cắt thẳng đứng (của) nhiệt độ khí quyển tốt ra sao. Sai số tuyệt đối trung bình đa mô hình trong nhiệt độ không khí trung bình khu vực và hằng năm ở hầu khắp các nơi là thấp hơn 2°C (được so sánh với những khoảng nhiệt độ quan sát, cái mà kéo dài tới hơn 100°C khi toàn bộ tầng đối lưu được xem xét đến; xem S8.4 Vật chất Bổ sung). Nó đáng chú ý, tuy nhiên, ở gần Troposphere tại vĩ độ cao trong tầng đối lưu các mô hình nói chung có xu hướng lạnh. Sự thiên lệch này là một vấn đề mà vẫn còn tồn tại trong nhiều năm, nhưng nói chung bây giờ ít khốc liệt hơn so với trong những mô hình trước đó. Trong một số ít mô hình, sự thiên lệch đã được loại trừ hoàn toàn, nhưng những sai số bù có thể chịu trách nhiệm. Được biết rằng sự thiên lệch lạnh ở tropopause nhạy cảm tới vài nhân tố (hệ số), bao gồm cả sự phân giải theo chiều ngang và chiều dọc, không bảo toàn (của) entropi ẩm ướt, và việc xử lý sự hội tụ theo phương dọc ở phạm vi lưới phụ của xung lượng (`Sóng trọng lực kéo'). Mặc dù ảnh hưởng của nhiệt độ ở tropopause có thiên hướng theo sự phản hồi của mô hình tới những thay đổi cưỡng bức bức xạ đã không được định lượng rõ ràng, đó là gần như dạng tương quan chắc chắn nhỏ tới những tính mờ khác. 8.3.1.1.2. Sự cân bằng của sự bức xạ tại đỉnh (của) khí quyển Trình điều khiển sơ cấp chủ yếu của những sự biến đổi nhiệt độ theo vĩ độ và theo mùa là đường thay đổi theo mùa của ánh sáng mặt trời, và trình điều khiển cơ bản của sự lưu thông khí quyển và đại dương là sự không cân bằng cục bộ giữa sóng ngắn (sóng vô tuyến có bước sóng từ 100 đến 10 mét) (SW) và tia sóng dài (LW) tại đỉnh của khí quyển. Sự tác động đến nhiệt độ do sự phân phối ánh nắng có thể giảm bớt mạnh mẽ bởi sự phân bố những đám mây và đặc trưng bề mặt. Thấy rằng đầu tiên thông lượng trung bình hàng năm của SW tại' đỉnh' của khí quyển (TOA) 1, ánh nắng được xác định bởi những thông số quỹ đạo nổi tiếng bảo đảm sự phù hợp giữa những mô hình và sự quan sát. Lượng nắng trung bình hàng năm mạnh nhất tại những chí tuyến (vĩ độ 23 độ 27 bắc hoặc nam, vùng nhiệt đới), và giảm tới khoảng một nửa tại các cực. Điều này phần lớn khiến cho gradien nhiệt độ từ xích đạo tới cực bền vững. Khi bức xạ SW đi ra Trái đất, trung bình, phản xạ với cùng lượng (của) ánh sáng mặt trời (~ 100 Wm-2 giá trị trung bình hàng năm) ở tất cả vĩ độ. Ở hầu hết các vĩ độ, sự chênh lệch giữa giá trị trung bình đa mô hình được tính trung bình theo khu vực của bức xạ SW đi ra khỏi trái đất và những sự theo dõi là giá trị trung bình hàng năm nhỏ hơn 6 W m -2 (i.e., sai số khoảng 6%; nhìn thấy Vật chất Bổ sung, Hình S8. 5). Cho rằng những đám mây là nguyên nhân cho khoảng một nửa lượng bức xạ SW đi ra ngoài trái đất, những sai số này không đáng ngạc nhiên, vì được biết rằng những quá trình của mây là một trong số khó nhất để mô phỏng với những mô hình (xem mục 8.6.3.2.3). 28
  29. Lớp QLMT_K48 Figure 8.4. Root-mean-square (RMS) model error, as a function of latitude, in simulation of (a) outgoing SW radiation re ected to space and (b) outgoing LW radiation. The RMS error is calculated over all longitudes and over all 12 months of a climatology formed from several years of data.The RMS statistic labelled ‘Mean Model’ is computed by rst calculating the multi-model monthly mean elds, and then calculating the RMS error (i.e., it is not the mean of the individual model RMS errors). The Earth Radiation Budget Experiment (ERBE; Barkstrom et al., 1989) observational esti-mates used here are for the period 1985 to 1989 from satellite-based radiometers, and the model results are for the same period in the 20th-century simulations in the MMD at PCMDI. See Table 8.1 for model descriptions. Results for individual models can be seen in the Supplementary Material, Figures S8.5 to S8.8. 29
  30. Lớp QLMT_K48 Có những sai số bổ sung cho bức xạ SW phát ra do sự biến đổi theo kinh độ và theo mùa, và điều này có thể được định lượng bằng cách lấy trung bình của sai số root-mean-square(RMS), tính toán (cho) mỗi vĩ độ trong mọi kinh độ và những tháng và được phác họa trong Hình 8.4a (xem thêm Vật chất Bổ sung, Hình S8. 6). Những sai số trong trường số liệu hai chiều đầy đủ (Nhìn thấy S8 Vật chất, Hình Bổ sung. 6) hướng về cái căn bản lớn hơn so với những sai trung bình đới của khoảng 6W m-2, một ví dụ về kết quả thông thường mà những sai số mô hình có xu hướng tăng khi những quy mô không gian nhỏ hơn và những thang thời gian ngắn hơn được xem xét. Hình 8.4 a cũng minh họa một kết quả chung mà những sai số trung bình đa mô hình của trường số liệu trung bình hàng tháng thường là nhỏ hơn những sai số trong trường số liệu mô hình riêng lẻ. Trong trường hợp bức xạ SW phát ra, đây là vị trí đúng gần mọi vĩ độ. Sự tính toán sai số RMS trung bình toàn cầu, được dựa vào trường số liệu trung bình hàng tháng và trọng lực khu vực trên toàn bộ ô mạng lưới, chỉ báo rằng những sai số mô hình riêng lẻ trong phạm vi từ 15 tới 22W m-2, trong khi mà lỗi trong khí hậu học trung bình nhiều mô hình là chỉ có 13.1W m -2. Tại sao trường số liệu trung bình nhiều mô hình bị hạn chế hơn trong việc quan sát so với trường số liệu trong bất cứ mô hình riêng lẻ nào đang là một đề tài tiếp tục nghiên cứu; một sự giải thích thiển cẩn đó là tại mỗi vị trí và trong mỗi tháng, việc đánh giá mô hình thường hướng theo sự phân bố xung quanh giá trị đúng (đối xứng hơn hoặc kém hơn), và không mô hình độc nào phù hợp với sự quan sát. Điều này tuy nhiên không giải thích tại sao kết quả lại phân bố trong cái cách này. Ở phía trên cùng của tầng khí quyển, bức xạ ròng sóng ngắn ở moi nơi được bù một phần bởi bức xạ sóng dài LW phát ra (i.e, sự phát ra tia hồng ngoại) phát ra từ bề mặt và khí quyển. Lấy trung bình theo năm và theo toàn cầu, sự bù này là gần chính xác. Kiểu bức xạ sóng dài LW được phát ra từ trái đất lên không gian phụ thuộc chủ yếu vào nhiệt độ không khí, độ ẩm, những đám mây và nhiệt độ của bề mặt trái đất. Với một vài loại trừ, các mô hình có thể mô phỏng giá trị trung bình khu vực theo quan sát của LW phát ra trung bình hàng năm trong khoảng 10 W m-2 (sai số xung quanh 5%; xem supplementary material, sơ đồ S8.7). Các mô hình mô phỏng lại mức tối thiểu có liên quan trong lĩnh vực này gần xích đạo nơi mà độ ẩm cao và lượng mây rộng lớn có liên quan bao phủ vùng nhiệt đới làm tăng độ cao hiệu ứng (và làm giảm nhiệt độ hiệu ứng) cái mà bức xạ sóng dài LW phát ra không gian. Các mô hình cũng mô phỏng một cách hợp lý chu kỳ theo mùa của đường bức xạ sóng dài LW phát ra (xem sơ đồ 8.4b). Sai số RMS cho các mô hình riêng lẻ thay đổi từ khoảng 3% sự phát xạ LW phát ra (OLR_outgoing LW radiation) tại gần cực đến mức thấp hơn 10% ở vùng nhiệt đới (chí tuyến_vùng nằm giữa hai vĩ tuyến có khí nóng). Sai số cho giá trị trung bình mô phỏng đa mô hình, nằm trong khoảng từ 2 đến 6% qua tất cả vĩ độ, nói chung là nhỏ hơn khoảng sai số của các mô hình riêng lẻ. Với khí hậu ở trạng thái thăng bằng, bất kỳ sự không cân bằng trung bình hàng năm cục bộ nào trong dòng bức xạ ròng TOA (SW cộng LW) phải được cân bằng bởi sự phân kỳ năng lượng ròng nằm ngang kết hợp với chiều dọc của năng lượng bởi đại dương và khí quyển. Trong thực tế dòng SW và LW của TOA được mô phỏng tốt bao hàm các mô hình phải được tính toán đúng đắn cho sự vận chuyển hướng về cực của tổng năng lượng bởi khí quyển và đại dương. Điều này chứng tỏ trường hợp, với hầu hết các mô hình mô phỏng chính xác thì sự vận chuyển năng lượng về cực trong khoảng 10%. Mặc dù điều này sẽ cung cấp một cách kiểm tra cần thiết với các mô hình, nó giống như là sai số bù các mô hình hiện tại cải thiện sự phù hợp của việc mô phỏng với việc quan sát. Đây là sự nghiên cứu mang tính lý thuyết và mô hình mà gợi ý rằng nếu khí quyển thất bại trong việc vận chuyển một phần năng lượng quan sát, thì đại dương sẽ hướng tới bù lớn hơn (e.g, Shaffrey and Sutton, 2004). 30
  31. Lớp QLMT_K48 8.3.1.2. Hơi ẩm và lượng mưa Nước là nguồn gốc của sự sống, và nếu lượng mưa theo mùa theo các khu vực mà bị thay đổi, thì các tác động tiềm tàng có thể ảnh hưởng một cách sâu rộng. Cho nên, nó là một mối quan tâm thiết thực để đánh giá các mô hình có thể mô phỏng lượng mưa tốt hay không, không chỉ ở phạm vi toàn cầu, mà còn đối với khu vực. Không giống với sự biến đổi theo mùa của nhiệt độ với tỷ lệ lớn là được xác định chủ yếu bởi kiểu nắng và hình dạng của các lục địa, sự biến đổi lượng mưa lại bị ảnh hưởng mạnh mẽ bởi sự chuyển động theo chiều dọc đứng của không khí do các kiểu bất ổn định khác nhau của khí quyển và bởi các dòng khí ở trên địa hình núi. Để các mô hình mô phỏng chính xác các kiểu mùa khác nhau của lượng mưa, họ phải mô phỏng chính xác một số các quá trình (e.g, sự bốc hơi nước, sự ngưng tụ, sự vận chuyển) và thật khó để mô phỏng ở phạm vi toàn cầu. Vấn đề này còn được thảo luận thêm trong mục 8.2 và 8.6. Trong mục nhỏ này, tập trung vào sự phân phối lượng mưa và hơi nước. Sơ đồ 8.5a chỉ ra sự ước lượng dựa theo sự quan sát của lượng mưa trung bình hàng năm và sơ đồ 8.5b ước lượng theo trường số liệu trung bình của đa mô hình. Tại phạm vi lớn nhất, tỷ lệ lượng mưa thấp hơn ở các vĩ độ cao hơn, nó phản ánh việc giảm cả sự bay hơi cục bộ ở nhiệt độ thấp hơn lẫn áp suất hơi nước bão hoà thấp hơn của không khí lạnh, điều này hạn chế sự vận chuyển hơi nước từ các khu vực khác. Ở kiểu phạm vi lớn, thu được bởi các mô hình, là lượng mưa tối thiểu mang tính cục bộ gần xích đạo tại thái bình dương, do xu hướng vùng hội tụ nội nhiệt đới (ITCZ) 2 quanh cận xích đạo tập trung ngoài xích đạo. Có một điểm cực đại cục bộ ở vĩ độ giữa, tương ứng với chiều hướng cho sự giảm lượng mưa ở vùng cận nhiệt đới và cho hệ thống bão để tăng lượng mưa ở vĩ độ giữa. Các mô hình thu được sự chênh lệch lượng mưa trung bình khu vực ở phạm vi lớn, ám chỉ rằng chúng có thể miêu tả thích đáng các đặc trưng của chu trình khí quyển. Hơn nữa, có một vài bằng chứng được cung cấp ở mục 8.3.5 mà mô hình đã được cải tiến nhiều hơn qua một vài năm trong việc mô phỏng chu kỳ hàng năm của lượng mưa. (Các mô hình cũng mô phỏng một vài các đặc tính khu vực chính về lượng mưa, bao gồm vùng hội tụ chính và điểm cực đại trên rừng mưa nhiệt đới, mặc dù ở đây có khuynh hướng đánh giá thấp lượng mưa ở trên vùng amazon. Khi xem xét một cách chi tiết hơn, có sự thiếu sót về lượng mưa trung bình của đa mô hình. Đó là xu hướng riêng cho các mô hình để định hướng cho đường khu vực hội tụ nam thái bình dương song song vĩ độ và kéo dài quá xa về phía đông. Trong vùng nhiệt đới đại tây dương, lượng mưa cực đại quá yếu trong các mô hình so với quá nhiều mưa ở phía nam của xích đạo. Cũng có sai số hệ thống ở vị trí đông tây trong sự phân bố lượng mưa phía trên indo-pacific warm pool trong hầu hết các mô hình, với sự vượt quá của lượng mưa trên vùng biển tây ấn độ dương và trên các lục địa giáp biển.) (Mặc dù kỹ năng rõ ràng được gợi ý bởi giá trị trung bình của đa mô hình (sơ đồ 8.5), nhưng nhiều mô hình hiển thị riêng lẻ lượng mưa thiên về thực tế, đặc biệt trong vùng nhiệt đới, nơi mà coi như là độ lớn của khí hậu quan sát trung bình (sơ đồ S8.9 và S8.10). Mặc dù các thiên hướng này có thể được quy cho sai số trong SST của mô hình ghép, ngay cả phiên bản chỉ có khí quyển của các mô hình chỉ ra sai số lớn tương tự. Đây có thể là một yếu tố dẫn tới việc thiếu sự nhất trí giữa các mô hình như dấu hiệu cho sự thay đổi lượng mưa theo khu vực trong tương lai thuộc các phần của vùng nhiệt đới. (xem chương 10).) Thực chất của việc hiểu cái xác định sự phân bố lượng mưa theo khu vực trên đất liền và đại dương trong vùng nhiệt đới là sự đối lưu khí quyển và các tác động qua lại của nó với sự lưu thông ở phạm vi lớn. Sự đối lưu xảy ra trên phạm vi rộng lớn của không gian và thời gian, và nó làm tăng dấu hiệu mà sự tác động qua lại ngang qua mọi phạm vi có thể được quyết định cho việc xác định khí hậu nhiệt đới trung bình và sự phân bố các trận mưa theo khu vực của nó. Trên các vùng đất nhiệt đới, chu kỳ ngày đêm chi phối, tuy thế nhiều mô hình gặp khó khăn trong việc mô phỏng cực đại vào buổi chiều sớm của trận mưa. Thay thế, họ hướng sang mô phỏng trân 31
  32. Lớp QLMT_K48 mưa vào trước buổi trưa cái mà làm tổn hại đến quỹ năng lượng của đất bề mặt. Tương tự, gió brizo xung quanh hệ thống phức tạp của các đảo ở Idonexia đã bị kéo theo trong sự sai của các mô hình để nắm được các kiểu trận mưa theo khu vực ngang qua Indo-Pacific Warm Pool. Trên các đại dương, phân phối lượng mưa dựa theo kết quả ITCZ từ sự đối lưu có hệ thống kết hợp với hệ thống thời tiết xảy ra trên synoptic và phạm vi thời gian trong mùa (xem mục 8.4.8). Những hệ thống này liên kết thường xuyên với cấu trúc sóng xích đạo ghép đối lưu, nhưng điều này mô tả sai trong các mô hình ) Lượng mưa có liên kết mật thiết tới độ ẩm, độ bốc hơi, độ ngưng tụ, và các quá trình vận chuyển của khí quyển. Sự uơc tính quan sát tốt đường toàn cầu của sự bốc hơi không tồn tại, sự ngưng tụ và vận chuyển theo chiều dọc của hơi nước có thể bị chi phối bởi quá trình đối lưu theo phạm vi rất nhỏ cái mà rất khó để đánh giá trên toàn cầu. Triển vọng nhất cho việc đánh giá quá trình vận chuyển hơi nước trong khu vực ẩm ướt, đặc biệt ở phạm vi hàng năm và theo thời gian dài, có thể là so sánh kết quả mô hình và dòng chảy quan sát thuc te và gần như phải buoc cân bằng đuoc luơg van chuyen cua khi quyen vì sự biến thien du tru nước trên mặt đất trong phạm vi thời gian dài là rất nhỏ.( xem 8.3.4.2). Mặc dù phép phân tích của dong nuoc mua trong MMD (multi-model-data set) ở PCMDI đã không được thực hiện, kết quả thực của sự bay hơi, vận chuyển và quá trình ngưng tụ có thể được quan sát trong sự phân bố độ ẩm không khí. Mô hình tái tạo lại sự giảm ở phạm vi lớn độ ẩm với cả vĩ độ và kinh độ (sơ đồ S8.11), mặc dù đây là sự kiem tra mô hình, nhưng nó là kết quả trực tiếp của sự mô phỏng thực tế về nhiệt độ. Giá trị trung bình đa mô hình phụ thuộc độ ẩm, việc lấy trung bình theo khu vực và theo hàng năm, thấp hơn 10% xuyên suốt hầu hết tầng đối lưu thấp hơn so với sự phân tích lại, nhưng sự đánh giá mô hình trong tầng đối lưu phía trên bị cản trở đáng kể bởi tính không rõ rag trong quan sát. Khi phan tich lai bang da mo hinh thi su sai so theo vug nho hon 10% (Bất cứ sai số nào trong sự phân bố hơi nước cũng ảnh hưởng tớ sự phản xạ lại bức xạ LW (xem 8.3.1.1.2), cái mà khong lien quan den sai so he thong trung bình khu vực . Trong thực tế, sự chênh lệch quan sát trong bức xạ LW phát ra giữa các khu vực ẩm ướt và khô được tái tạo lại bởi mô hình, cung cấp các bằng chứng mà sai số độ ẩm không ảnh hưởng trầm trọng đến dòng cuối cùng tại TOA. Tuy nhiên, sức mạnh của sự phản hồi hơi nước, cái mà ảnh hưởng mạnh tới độ nhạy cảm của khí hậu toàn cầu, được xác định chủ yếu bởi sự thay đổi rất nhỏ của hơi nước đáp lại sự ấm lên, và khả năng của mô hình để miêu tả chính xác sự phản hồi này có lẽ được đánh giá tốt hơn với việc nghiên cứu các quá trình (xem 8.6).) 32
  33. Lớp QLMT_K48 Figure 8.5. Annual mean precipitation (cm), observed (a) and simulated (b), based on the multi-model mean. The Climate Prediction Center Merged Analysis of Precipitation (CMAP; Xie and Arkin, 1997) observation-based climatology for 1980 to 1999 is shown, and the model results are for the same period in the 20th-century simulations in the MMD at PCMDI. In (a), observations were not available for the grey regions. Results for individual models can be seen in Supplementary Material, Figure S8.9. 8.3.1.3. Các cơn bão nhiệt đới bất thường Sự ảnh hưởng của các cơn lốc nhiệt đới bất thường đến khí hậu toàn cầu bắt nguồn chủ yếu từ vai trò của chúng trong sự vận chuyển nhiệt, độ ẩm và động lượng. Những cơn bão vĩ độ giữa thường cung cấp lượng mưa có ích, nhưng cũng đôi khi gây ra nạn lũ lụt tiêu cực và các cơn gió mạnh. Trong các nguyên nhân này, thì hậu quả của việc thay đổi khí hậu lên các cơn lốc nhiệt đới bất thường là rất quan trọng và đáng chú ý. Giữa một vài cah tiep can thường được sử dụng để mô tả đặc điểm hoạt động của lốc, các phương pháp phân tích mà nhận diện và theo dõi dau vet các cơn lốc nhiệt đới đặc biệt có thể cung cấp phần lớn các thông tin trực tiếp liên quan đến tần xuất và sự di chuyển của chúng. Khí hậu cho sự phân bố và đặc tính của các cơn lốc dựa vào các mô hình có thể được so sánh với các kết quả phân tích lại (chương 3), cái mà cung cấp dữ liệu rang buoc voi quan sát tốt nhất. Các kết quả từ phân tích có hệ thống của sự mô phỏng AMIP-2 chỉ ra rằng việc chạy các mô hình với quan sát SSTs có khả năng vẽ ra các đuờng di chuyen cua bao , nhưng khong mo ta sự phân bố và các cap do mức hoạt động của bão. Trong trường hợp đặc biệt, các dấu hiệu bão mô 33
  34. Lớp QLMT_K48 phỏng thường được định hướng theo khu vực nhiều hơn theo quan sát. Một nghiên cứu của Lambert và Fyfe dựa vào MMD và PCMDI, các mô hình gần đây, cái mà bao gồm các đại dương ảnh hưởng lẫn nhau, hướng tới đánh giá thấp tổng số cơn lốc của cả bán cầu. Tuy nhiên, số cơn bão dữ dội được đánh giá cao ở NH (north hemisphere), nhưng lại được đánh giá thấp ở SH (south hemisphere), mặc dù sự quan sát chắc chắn thấp hơn. Sự tăng độ phân giải của mô hình (đặc tính của mô hình trên các năm) để cải thiện trong viec nghien cua khí hậu bão nhiệt đới bất thường, đặc biệt ở NH nơi mà sự quan sát đáng tin cậy nhất. Sự cải tiến ban chat động lực và vật lý của mô hình đã dẫn tới sự đồng thuận tốt hơn với sự phân tích lại. Sự đánh giá của chúng ta mặc dù vẫn còn nhiều vấn đề, nhưng mô hình khí hậu ngày càng được cải tiến trong việc mô phỏng các trận bão nhiệt đới bất thường. 8.3.2. Đại dương Như đã nói ở phần trên, trọng tâm của chương này chỉ để cập đến những biến quan trọng khi xác định rõ trong thời gian ngắn đáp ứng của mô hình khí hậu. Do không gian bị giới hạn, những phân tích và biểu diễn của phần này có thể tìm trong phần những bổ xung quan trọng(từ hình 8.12 đến 8.15). Việc đánh giá các chế độ của tự nhiên trong nội bộ quốc gia xuất hiện những thay đổi có thể tìm trong 8.4. Việc so sánh kiểu biểu diễn ở đây là cần thiết để đánh giá đúng tính tính mờ trong ước lượng quá khứ của bức xạ cưỡng bức và những mẫu quan sát khác nhau. Tất cả kết quả được thảo luận ở đây dựa trên MMD tại MCMDI. 8.3.2.1. Sự mô phỏng cấu trúc độ muối và nhiệt độ trung bình Trước khi thảo luận xem biến đại dương có tham gia tác động trực tiếp đến khí hậu, điều quan trọng trước tiên là phải xem xét mối quan hệ giữa đại dương và khí quyển. Kinh nghiệm mô hình hóa cho thấy rằng những dòng bề mặt đóng vai trò quan trọng trong việc xác định tính đúng đắn của quá trình mô phỏng đại dương. Khí quyển và đại dương có mối quan hệ với nhau, sự chính xác của quá trình mô phỏng đại dương sẽ phản hồi đến sự mô phỏng khí quyển qua tác động của dòng bề mặt. Thật không may tổng dòng nhiệt và dòng nước bề mặt lại không được quan sát tốt. Thông thường chúng được phỏng đoán từ sự quan sát của các trường khác như gió và nhiệt độ bề mặt. Do đó tính không chính xác của ước lượng do quan sát là rất lớn có thể đến cấp số mũ của 10 trên một m2 đối với dòng nhiệt kể cả đối với giá trị trung bình theo vùng. Một cách kiểm soát dòng bề mặt là thay thế và xem xét sự vận chuyển ngang trong đại dương. Trong khoảng thời gian dài, kho nước và nhiệt trong đại dương phải nhỏ đến mức mà quá trình vận ngang phải cân bằng với những dòng bề mặt. Tuy nhiên quá trình vận chuyển nhiệt là cưỡng bức và nó luôn tồn tại. Ở 450 Bắc phần lớn sự mô phỏng mô hình vận chuyển dư thừa nhiệt theo hướng bắc, khi so sánh với những ước lượng quan sát tại đây. Nhưng lại có tính mờ trong 34
  35. Lớp QLMT_K48 quan sát. Ví dụ ở 45 0 bắc sự mô phỏng mô hình nằm gần ước tính của 0,6.10 15W được tính bởi Ganachaud và Wunsch. Từ 45 0bắc đến xích đạo đa số mô hình nằm gần hoặc giữa được chỉ ra bởi những ước lượng quan sát. Trong vùng chí tuyến và vùng nam bán cầu, phần lớn mô hình ước lượng thấp hơn dòng nhiệt vận chuyển từ xích đạo theo phía nam. Tại vùng vĩ độ giữa và cao của nam bán cầu những quan sát mang tính mờ hơn và vận chuyển dòng nhiệt được mô phỏng bởi mô hình hướng tới xung quanh ước lượng quan sát. Những dòng biển nóng có sự biến thiên theo mùa lớn dẫn tới sự biến đổi theo mùa lớn của lượng nhiệt đại dương đặc biệt ở vĩ độ giữa. Kho nhiệt đại dương dần dần cạn kiệt và làm chậm chu trình mùa của nhiệt độ bề mặt. Sự mô phỏng mô hình được đánh giá là phù hợp với những quan sát về kho nhiệt đại dương theo mùa. Những vấn đề đáng chú ý của mô hình trong vùng chí tuyến nơi mà nhiều mô hình tiếp tục có sai số hệ thống mô tả dòng nhiệt từ vùng chí tuyến vào trong vùng có vĩ độ giữa và cao. Thành phần khu vực trung bình của ứng suất gió bề mặt hàng năm được tính trung bình qua những đại dương, nếu kết quả tốt sẽ được mô phỏng cẩn thận bằng mô hình. Tại đa số vĩ độ những ước lượng phân tích (dựa vào mô hình mô phỏng dựa trên những kết quả quan sát) sai số trong phạm vi kết quả của mô hình. Từ vĩ độ giữa cho đến thấp mô hình trải ra có sự quan hệ nhỏ và tất cả kết quả mô hình nằm trong giới hạn của sự phân tích. Từ vĩ độ giữa cho đến vĩ độ cao giá trị lớn nhất của ứng suất gió được mô phỏng bởi mô hình theo hướng nằm trên đường xích đạo của sự phân tích. Sai số này đặc biệt lớn trong tại nam bán cầu một vùng mà tại đó tính mờ nhiều hơn khi phân tích, hầu như mọi nơi khi mô phỏng ứng suất lớn nhất của gió tại nam bán cầu đều gặp phải vấn đề này. Những sai số của ứng suất gió vùng biển phía nam trong tích hợp quản lý có thể bất lợi đến các khía cạnh mô phỏng khác và có rất có thể sự hấp thự nhiệt làm biến đổi khí hậu như thảo luận dưới đây. Figure 8.6. Annual mean, zonally averaged oceanic heat transport implied by net heat fluux imbalances at the sea surface, under an assumption of negligible changes in oceanic heat content. The observationally based estimate, taken from Trenberth and Caron (2001) for the period February 1985 to April 1989, derives from reanalysis products from theNational Centers for Environmental Prediction (NCEP)/NCAR (Kalnay et al., 1996) and European Centre for Medium Range Weather Forecasts 40-year 35
  36. Lớp QLMT_K48 reanalysis (ERA40; Uppala et al., 2005). The model climatologies are derived from the years 1980 to 1999 in the 20th-century simulations in the MMD at PCMDI. The legend identifying individual models appears in Figure 8.4. Phần nhiều những sai số mô hình riêng rẽ trong khu vực được tính trung bình SST được tìm thấy trong vĩ độ giữa và vĩ độ cao đặc biệt trong phạm vi chính giữa của bắc bán cầu, nơi mà mô hình mô phỏng nhiệt độ quá lạnh. Hầu hết mọi mô hình đều có khuynh hướng này. Sự sai số này liên tưởng đến những mô phỏng nghèo nàn ở phần phía bắc Đại Tây Dương và dường như là liên quan đến vấn đề thành phần đại dương hơn là vấn đề với dòng bề mặt. Trong vùng khu vực khoảng 60 0 nam có xu hướng ấm lên trong các kết quả trung bình của mô hình. Nhiều mô hình bị ảnh hưởng bởi hiện tượng quá ấm của SST ở nam đại dương. Trong bản đồ sai số SST mô hình riêng rẽ, đó là điều hiển nhiên khi mà hầu hết mô hình đều có một sai số dương ở phần phía đông của biển nhiệt đới gần với thềm lục địa. Đó cũng là điều hiển nhiên trong kết quả giá trị trung bình của mô hình và được kết hợp với những quyết định còn thiếu cái mà dẫn đến những vấn đề trong mô phỏng ứng suất gió địa phương, biển và dự báo tổng lượng mây. Có những vùng mà mối quan hệ rộng được trải dài giữa mô hình mô phỏng. Đây là một khu vực mà ở đó rất nhiều mô hình có những vấn đề mang tính chất địa phương của dòng biển bắc Đại Tây Dương, một vùng SST biến đổi lớn.(chờ hồi sau sẽ rõ) Cho dù vẫn còn những lỗi thì mô phỏng mô hình của trường SST là khá tốt. Qua tất cả các vĩ độ sai số SST tính trung bình cho vùng trung bình mô phỏng là thấp hơn 20C điều mà được coi là tốt khi mà hầu hết mô hình không sử dụng sự điều chỉnh dòng trong quá trình mô phỏng. Sai số SST địa phương trung bình của mô hình đều nhỏ hơn với hầu hết các vùng với chỉ khu vực nhỏ quan hệ đang vượt quá giá trị này. Thậm chí sai số SST nhỏ cũng có thể ảnh hưởng đến mô phỏng sự biến thiên và sự kết nối từ xa. Qua hầu hết các vĩ độ, ở độ sâu từ 200-3000m nhiệt độ đại dương được tính trung bình cho khu vực trung bình của mô hình là quá ấm. Sai số dương lớn nhất (khoảng 20C) mang tính chất cục bộ trong riêng vùng nước sâu biển Atlantic của phía bắc. Trên 200m, mô hình trung bình lại quá lạnh, với sai số âm lớn nhất (lớn hơn 10C) gần vĩ độ giữa trên bề mặt của bắc bán cầu, như thảo luận ở trên. Phần lớn mô hình nói chung có kiểu sai số tương tự với mô hình trung bình chấp nhận cho CNRM-CM3và MRI-CGCM2.3.2 cái mà quá lạnh xuyên suốt vĩ độ giữa và thấp của đại dương. Mô hình GISS-EH lại quá lạnh trong suốt vùng cận nhiệt đới và một phần bắc bán cầu của FGOALS-g1.0. Kiểu sai số là tương tự với mô hình trung bình đã trình bày ở trên. Mức độ sai số, đặc biệt trong phần sâu hơn của đại dương phụ thuộc vào phương pháp AOGCM. 36
  37. Lớp QLMT_K48 37
  38. Lớp QLMT_K48 Kiểu sai số mà ở những nơi có độ sâu lớn hơn 200m trong đại dương có xu hướng quá lạnh trong khi lớp bên dưới quá ấm, từ đó chỉ ra rằng điểm dị nhiệt trong mô hình trung bình là quá phân tán. Sai số này cái mà trong thời điểm hiện tại của TAR được xem như có quan hệ với sai số ứng suất gió trong phần chú ý về nam bán cầu ở trên và có thể dẫn đến sai lầm trong thông tin và trộn lẫn vào trong NADW. Sai số mô hình trung bình của nhiệt dộ và độ muối tại vĩ độ thấp và vĩ độ cao gần như phụ thuộc vào hướng di chuyển của dòng nhiệt và có thể liên quan với vấn đề thông tin của nước trung gian biển Đại Tây Dương 8.3.2.2. Sự mô phỏng những đặc tính tuần hoàn quan trọng cho đáp ứng khí hậu 8.3.2.2.1. Chu trình nhiệt-muối đại dương (MOC) MOC là một thành phần quan trọng của khí hậu ngày nay và đã có nhiều mô hình đề cập đến điều này, nó sẽ thay đổi trong tương lai. Thật không may nhiều hình ảnh của quá trình lưu thông này không được quan sát tốt. MOC vận chuyển một lượng lớn nhiệt và muối trong vùng có vĩ độ cao của vùng biển bắc Đại Tây Dương nơi mà nước bề mặt ấm và mặn được làm mát bởi khí quyển, làm cho đủ đậm đặc để có thể chìm xuống sâu. Lượng nước sau khi chảy về phía nam ra phía nam đại dương nơi mà chúng được trộn lẫn với phần nước còn lại của đại dương. Những mô hình mô phỏng các khía cạnh của MOC và mô phỏng một số ô bề mặt bị tác động bởi gió. Ở vùng nhiệt đới và cận nhiệt đới, ô này là gió sông hồ, nhưng 38
  39. Lớp QLMT_K48 ở vĩ độ của Drake Passage (55 0 nam) gió này mở rộng ra đến độ sâu lớn hơn(2- 3km). Phần lớn những mô hình trong dữ diệu mô hình có sự thể hiện các loại gió khác nhau. Sức mạnh và cách phá vỡ sự lưu thông khác nhau từ mô hình đến mô hình. GISS-AOM đưa ra sức mạnh lớn nhất phá vỡ sự lưu thông là khoảng 40- 50sv(106m3/s). Mô hình CGCM và GOALS đưa ra yếu nhất là 10sv. Giá trị quan sát được khoảng 18SV. Ở Đại Tây Dương, MOC mở rộng đến độ sâu đáng kể được chấp nhận cho phần rộng của sự vận chuyển dòng nhiệt ở bắc đại dương trong cả quan sát và mô hình. Hình 10.15 giời thiệu biển Đại Tây Dương ở 30 0 bắc cho bộ của AOGCM mô phỏng thế kỉ 20. Trong khi phần lớn mô hình chỉ ra điểm mạnh của MOC cái mà được thể hiện qua sự quan sát không chắc chắn. Một vài giá trị cao hơn và thấp hơn và một vài trong số đó chỉ ra rằng dòng chảy chậm cái mà giải thích cho việc sử dụng MOC khi mà sử dụng mô hình gặp nhiều khó khăn. Một vài khía cạnh trong mô phỏng MOC đã được cải tiến từ TAR. Đây là do sự phối hợp để phát triển, để sử dụng mô hình đại dương cao hơn và mô phỏng dòng bề mặt tốt hơn. Sự phát triển này được thể hiện trong mô hình MOC do thực tế thông tin độ sâu nước có tình địa phương và thực tế hơn với các đại dương như Greenland, Icelanh, Nauy, và biển Labrador được chứng minh qua giá trị hàm của dòng chảy phía bắc lớn hơn ở vị trí 60 0 bắc và độ sâu của nước bị thấp hơn tính xác thực của dòng trộn lẫn. Có một phần dành cho phát triển sự mô phỏng mô hình của các quá trình này nhưng có bằng chứng của sự phát triển nhiều mô hình được phân tích ở đây. 8.3.2.2.2. Sự lưu chuyển của vùng biển phía nam Sai số ứng suất gió biển phía nam có tác hại rất lớn đến mô hình mô phỏng biển phía nam. Phần nhiều do ứng suất sai số của gió nhân dạng ở trên, địa điểm mô phỏng AAC là quá xa phương bắc trong hầu hết mô hình. Từ khi AAIW được thiết lập trên cực bắc của AAC, đặc điểm khối nước của AAIG bị sai lệch. Hệ mô phỏng AAIW quan hệ thấp góp phần tạo ra sai số của mô hình trung bình nơi mà dòng nhiệt quá phân tán bởi vì nước phụ thuộc vào điểm dị nhiệt nhiệt quá ấm hay quá mặn. Điều đó giống như mối quan hệ rời rạc của mô phỏng nam đại dương sẽ ảnh hưởng ngắn đến khí nhà kính bởi ảnh hưởng của dòng biển nóng. Khi bị bắt ép phải tạo ra bởi bức xạ, mô hình với vùng biển nam hòa trộn nhỏ bé sẽ có thể dưới ước lượng của dòng biển nóng. Mô hình với quá nhiều sự hòa trộn sẽ dẫn đến sự phóng đại quá mức. Những sai số của dòng biển nóng sẽ được thay đổi trong khoảng rộng của mực nước biển. 8.2.3. Tóm tắt mô phỏng các thành phần của đại dương Sự phát triển trong mô phỏng quan sát trạng thái của biển được chú ý trong TAR, và được tiếp tục trong đánh giá mô hình. Đó là điều đáng kể để tiếp tục phát triển 39
  40. Lớp QLMT_K48 cho dù thực tế gần đây các mô hình sẽ rắc rối hơn(dài hơn) khi sử dụng dòng bề mặt. Sự phỏng đoán phát triển tham số vật lý tạo ra cách giải và phát triển dòng bề mặt để cùng nhau xác định vị trí trên mô hình mô phỏng. Sai số nhiệt độ và độ mặn trong dòng nhiệt nhiều khi vẫn lớn, sẽ bị giảm trong nhiều mô hình. Ở bắc bán cầu, nhiều mô hình vẫn gặp phải rắc rối do xu hướng lạnh ở trên biển cái mà lớn nhất ở gần bề mặt và có thể làm méo mó tín hiệu hồi tiếp từ một số mô hình. Ở vùng biển phía nam, ứng suất gió lớn nhất theo hướng xích đạo ra phiấ tây được tìm thấy trong hầu hết mô hình mô phỏng là một vấn đề mà có thể ành hưởng mô hình tiếp nhận để tạo ra bán kính ảnh hưởng. 8.3.3. Băng biển Cường độ và sự phân chia không gian của hiện tượng biến đổi khí hậu ở vĩ độ cao có thê bị ảnh hưởng mạnh bởi tính chất của băng biển nhưng việc đánh giá băng biển trong mô hình bị cản trở do thiếu sự quan sát của các biến then chốt(độ dày của băng), thậm chí sai số của băng biển được xác định là rất khó. Thật khó để tách biệt các nguyên nhân xuất hiện từ sự thiếu xót trong sự biểu diễn của bản thân băng biển, cũng có thể là do tính không hoàn thiện của mô hình khí quyển và đại dương ở vĩ độ cao cái mà điều khiển băng biển chuyển động. Cho dù việc xử lý băng biển trong AOGCM đã trở lên tinh vi hơn nhưng sự biểu diễn tốt hơn của động học và nhiệt động học để cải tiến mô phỏng băng biển trong một số mô hình , giống như một nhóm, là không rõ ràng. Trong một số mô hình sự phân chia về địa lý và mùa của băng biển bây giờ được thể hiên tốt hơn. Đánh giá kết quả mô hình, đặc tính của băng biển thay đổi theo mùa, mặc dù sự khác nhau về bề rộng giữa các mô hình và phạm vi mô hình trung bình của băng biển là phù hợp với sự quan sát. Do 14 của AOGCM 15 có hiệu lực tại thời điểm phân tích(một mô hình được chặn bởi phạm vi băng rộng lớn) phạm vi trung bình của băng biển vượt cái mà quan sát được ở bắc bán cầu không vượt quá 1.10 6km2 qua các năm. Ngược lại chu kì hàng năm ở bắc bán cầu tăng lên lên quá nhiều băng biển vào tháng 9(khoảng 2.10 6km2) và quá ít vào tháng 3 do tổng số ít hơn . Sự phân chia vùng trong nhiều mô hình của băng biển được mô phỏng quá xấu thậm chí phạm vi khu vực bán cầu được hiệu chỉnh xấp xỉ. Khoảng mô phỏng băng biển được đo từ độ lệch chuẩn của mô hình trung bình và thường ở bắc bán cầu hẹp hơn so với nam bán cầu. Thậm chí trong trường hợp phạm vi mô phỏng băng biển phóng đại 50% giá trị trung bình và có thể biến thiên độ dày của băng , đang dự đoán rằng giả thuyết này là giảm lượng băng biển. Xu hướng mô hình băng biển có thể tác động đến khí hậu toàn cầu.Có một xu hướng về quan hệ giữa mô hình và phạm vi rộng của mô hình khí hậu ngày nay để có độ nhạy cao hơn , đây là sự đúng đắn đặc biệt từ bên ngòai của mô hình để làm giảm sự mở rộng cực. Giữa những nguyên nhân cơ bản của sai số trong mô phỏng băng biển xu hướng mô phỏng gió ở vĩ độ cao, tốt với đỉnh và trộn ngang của biển. Một điều quan 40