Mindent az éghajlatváltozásról

Modellkísérletek

A HungaroMet Nonprofit Zrt.-nél két adaptált regionális éghajlati modellel vizsgáljuk Magyarország és a Kárpát-medence térségének lehetséges jövőbeli éghajlati változásait. A két alkalmazott modellel az eredmények bizonytalansága alapfokon figyelembe vehető.

  • ALADIN-Climate: az ARPEGE-Climat globális általános cirkulációs modell és az ALADIN időjárás előrejelző modell alapján a francia meteorológiai szolgálatnál1 nemzetközi együttműködés keretében kifejlesztett modell. A HungaroMetnél jelenleg az ALADIN-Climate 5.2 verzióját használjuk.
  • REMO: a német meteorológiai szolgálat2 korábbi időjárás előrejelző modellje (Europa Modell) és az ECHAM4 globális általános cirkulációs modell ötvözésével a hamburgi Max Planck Intézetben fejlesztett modell. A modellt jelenleg a német Climate Service Centerben fejlesztik. A HungaroMetnél a 2015 modellverziót használjuk.

Az alábbiakban részletesen bemutatjuk az éghajlati modellkísérletek lépéseit.

1. Érzékenységvizsgálatok

Egy éghajlati modell telepítését követően azt először alapos tesztelésnek kell alávetni, hogy meghatározzuk azokat az optimális beállításokat, amelyekkel jó minőségű hosszútávú szimulációk készíthetők. E vizsgálatok során alapvetően a modell felbontására, regionális modell esetén a tartomány méretére és elhelyezkedésére, valamint az alkalmazott fizikai parametrizációkra3 fókuszálunk. Mind az ALADIN-Climate, mind a REMO modellel az integrálási tartományra vonatkozóan hajtottunk végre érzékenységi vizsgálatot (Szépszó et al., 2015, Suga et al., 2021). Az ALADIN korábbi, 4.5 verziójának tartománya szinte csak Magyarországot fedte le, emiatt méretéből és elhelyezkedéséből adódóan jelentős hibákat eredményezett a csapadékmezőben (Csima and Horányi, 2008). Az érzékenységvizsgálat során a modellt egy a Duna és a Tisza teljes vízgyűjtőjét lefedő 10 km-es felbontású tartományon futtattuk, melynek határait úgy választottuk meg, hogy azok ne metszenek magashegységeket, ugyanis ez növeli a hibák kialakulásának kockázatát. Egy tízéves tesztidőszakon4 vizsgáltuk, hogy a modelleredmények mely tartomány esetében adják vissza pontosabban a megfigyeléseket. Az érzékenységi vizsgálat eredményei szerint a nagyobb integrálási tartomány hatására a modell csapadékhibái csökkentek a terület jó részén (1. ábra).

1. ábra: Az éves csapadékösszeg eltérése (%) a modelleredmények és az E-OBS megfigyelési adatbázis között 1971–1980-ra. A bal oldalon a korábban alkalmazott, a jobb oldalon az érzékenységvizsgálat során választott tartományra vonatkozó eredmények láthatók.

A REMO-val szintén 10-éves kísérleteket végeztünk annak érdekében, hogy az optimális modelltartományt meghatározzuk, mely alkalmas lehet a későbbi hosszútávú validációs és projekciós kísérletek elvégzésére (Suga et al., 2021). Három különböző méretű tartományt vizsgáltunk, igazodva a korábban meghatározott ALADIN-Climate modelltartomány méretéhez és elhelyezkedéséhez is. Az érzékenységvizsgálat eredményei alapján a legnagyobb modelltartomány esetén kaptuk a legkisebb hibákat.

2. Validáció

A validáció célja, hogy meggyőződjünk arról, hogy egy klímamodell alkalmazható-e egy adott terület éghajlatának leírására. Ennek során azt vizsgáljuk, hogyan képes reprodukálni a modell az elmúlt néhány évtized klímájának statisztikai jellemzőit, amelyről részletes mérési információkkal is rendelkezünk. Például olyan szempontokat tekintünk, hogy a modell hazánkban a valóságnak megfelelően az Alföld közepére adja-e a legmagasabb átlaghőmérsékletet vagy az éven belüli csapadék átlagos maximuma valóban júniusra esik-e. Ehhez kétféle szimulációt készítünk egy több évtizedes múltbeli időszakra, amelyekhez különböző oldalsó peremfeltételt alkalmazunk a modelltartományon kívül zajló folyamatok leírására:

  1. Először ún. re-analízisek szolgáltatják a határfeltételeket. A re-analízisek a légkör múltbeli állapotának rekonstrukciói, melyeket mérések és nagypontosságú modell-előrejelzések ötvözésével állítanak elő (l. alább). Mivel a regionális modellkísérletet a határfeltételek hibái így lényegében nem terhelik, az eredmények validációja elsősorban a regionális modell erősségeiről és gyengeségeiről ad információt, aminek a regionális modellfejlesztés szempontjából van jelentősége.
  2. A re-analízisek csak a múltra és a jelenre állnak rendelkezésre, a jövőre vonatkozóan nem tudnak határfeltételeket biztosítani. Ezért végzünk egy olyan kísérletet is, melyben egy globális vagy regionális klímamodell eredményei biztosítják a nagyskálájú kényszereket. Ebben az esetben a validáció a globális és a regionális klímamodell együttes hibáit tárja fel, ami a projekciók értelmezéséhez szolgál értékes információval.

Az előállt eredményeket megfigyelési adatokból származó referencia adatbázissal vetjük össze különböző térbeli és időbeli statisztikai mérőszámokat (pl. átlagot, szórást) vizsgálva. Az alábbiakban ismertetjük, hogy elsődlegesen5 milyen adatbázisokat használunk referenciaként a validáció során:

  • Állomási adatok

Az állomási adatsorok többnyire a néhány km-es felbontású regionális modelleredmények értékelésében használatosak, s publikusan csak korlátozottan érhetők el. A HungaroMet mérőhálózatának nyers és homogenizált adatait belső adatbázisba rendezve tároljuk, azonban néhány város adatsora publikusan elérhető a HungaroMet Meteorológiai Adattárában. Az ECA publikusan hozzáférhető állomási adatbázisa mintegy tízezer európai felszíni meteorológiai mérőállomás napi adatsorait tartalmazza.

  • Rácsra interpolált állomási adatok

Ahhoz, hogy a szabályos rácson előálló modelleredményeket egyszerűen összevethessük megfigyelésekkel, általában a térben szabálytalanul elhelyezkedő állomási mérések rácshálózatra interpolált verzióját használjuk. A HungaroMetnél az alábbi rácsponti megfigyelési adatbázisokat alkalmazzuk:

  1. CARPATCLIM,CARPATCLIM-HU és HUCLIM: napi felszíni megfigyelési adatokat tartalmazó adatbázis, melyet speciálisan meteorológiai célokra kifejlesztett homogenizációs és interpolációs módszerek (Szentimrey, 2008; Szentimrey és Bihari, 2007) alkalmazásával állítottak elő 10 km-es felbontású rácson. A CARPATCLIM adatbázis (Spinoni et al., 2014) a Kárpát-medencére terjed ki, míg a CARPATCLIM-HU (Bihari et al., 2017) Magyarországra, és mindkét adatbázis az 1961–2010-es időszakot fedi le. Magyarországra vonatkozóan jelenleg a HUCLIM adatbázis (Izsák et al., 2024) tekinthető a legpontosabb rácsponti mérési adatbázisnak, mely a napi minimum-, maximum- és átlaghőmérsékletet, csapadékot és nyomást 1901-től napjainkig tartalmazza. A Magyarországra vonatkozó validációs vizsgálatok során kiemelt szerepe van, hiszen a lehető legtöbb állomási adatsor felhasználásával készült.
  2. E-OBS: az adatbázis szintén napi felszíni megfigyelési adatokat tartalmaz Európa területére 10 és 25 km-es rácsfelbontáson. Többnyire publikusan elérhető állomási adatsorok felhasználásával készült nyolc meteorológiai változóra6. Alkalmas a modelleredmények nagytérségű vizsgálatára, de Magyarországra vonatkozó értékei (különösen a csapadékadatok) gyakran szignifikáns eltéréseket mutatnak a hazai adatbázistól (2. ábra), ami a kevesebb felhasznált állomási adatsorral és az eltérő interpolációs módszerrel magyarázható. Az adatokról további információ található az E-OBS honlapján.
  • Re-analízisek

A re-analízisek olyan háromdimenziós meteorológiai információk, melyeket a múltra vonatkozóan a rendelkezésre álló mérési adatok (pl. felszíni, műholdas mérések) és rövidtávú modell-előrejelzések felhasználásával ún. adatasszimilációs módszerek7 alkalmazásával állítanak elő. Minthogy a re-analízisek a teljes légkört leírják, alkalmasak a modellek magaslégköri eredményeinek validálására. Erre a célra az Európai Középtávú Előrejelző Központ8 ERA-Interim (Berrisford et al., 2011) és ERA5 (Hersbach et al., 2020) globális re-analíziseit használjuk. A re-analízisekről további információ található az ECMWF honlapján.

2. ábra: A CARPATCLIM-HU és az E-OBS adatbázis téli csapadékösszegének eltérése (%) az 1981–2000 időszakban. A szignifikáns eltérést mutató rácspontokat pontozás jelöli.

A HungaroMetnél alkalmazott regionális modellek képesek megfelelően reprodukálni a Kárpát-medence éghajlati jellemzőit (Bán et al., 2021), azonban nem minden meteorológiai változó esetén adnak egyformán pontos eredményeket. Az átlaghőmérsékletet és annak éven belüli menetét a modellek többnyire jól leírják (3. ábra), de a csapadék esetében mind az átlagos mennyiségben, mind az éven belüli eloszlásban előfordulhatnak jelentősebb hibák (4. ábra). Ez a modellezési módszertanra vezethető vissza: a csapadékképződési folyamatok leírása parametrizációs sémákkal történik, amelyek érzékenyek a különböző beállításokra és jelentős eltéréseket okoznak az egyébként is nagy térbeli és időbeli változékonyságú elem leírásánál.

3. ábra: Magyarországi havi átlaghőmérséklet (°C) az 1981–2000 időszakban a HungaroMetnél készített négy modellkísérlet eredményei és a CARPATCLIM-HU megfigyelési adatbázis (szaggatott fekete) alapján.
4. ábra: Átlagos magyarországi havi csapadékösszeg (mm) az 1981–2000 időszakban a HungaroMetnél készített négy modellkísérlet eredményei és a CARPATCLIM-HU megfigyelési adatbázis (szaggatott fekete) alapján.

3. Projekciók

A jövőre vonatkozó projekciós kísérletek célja, hogy feltérképezzük, milyen változások következhetnek be hazánk éghajlatában a XXI. század során. A modellszimulációkban a természetes éghajlatalakító folyamatok mellett az emberi tevékenység hatását is figyelembe kell vennünk. Az ember éghajlatmódosító hatását meghatározó politikai, gazdasági és társadalmi folyamatok jövőbeli alakulását azonban nem tudjuk egyértelműen előrejelezni, ezért ennek leírására különböző (optimista, pesszimista, átlagos stb.) forgatókönyveket definiáltak (5. ábra). Ezeket a hipotetikus szcenáriókat az éghajlati modellek az üvegházgázok koncentrációjának különböző jövőbeli idősoraiként veszik figyelembe, s a klímamodellekkel arra keressük a választ, hogyan reagálna az éghajlati rendszer az ezek által kiváltott sugárzási kényszer-változásra. Mivel ezek a kísérletek feltételezéseken alapulnak, nem előrejelzéseknek, hanem projekcióknak nevezzük őket. Az 1. táblázatban bemutatott REMO2015 és ALADIN-Climate 5.2 kísérletekben a közepes és magas üvegházgáz-kibocsátást feltételező RCP4.5 és RCP8.5 (Representative Concentration Pathways; Moss et al., 2010) szcenáriót alkalmaztuk. Az integrálási tartományok a 6. ábrán láthatók.

A projekciókat alapvetően két 30-éves jövőbeli időszakra vizsgáljuk: a következő évtizedekre szóló tervezés szempontjából lényeges 2021–2050 időszakra9 és a hosszútávú adaptációs stratégiák kidolgozásához fontos 2071–2100 időszakra. A jövőre vonatkozó modelleredményeket általában a közelmúltbeli állapotokat jellemző kontroll időszaktól vett eltérések formájában adjuk meg, hogy a validáció során feltárt átlagos modellhibákat e különbségképzéssel kiküszöböljük. A referencia-időszaknak összhangban kell lennie a nemzetközi gyakorlatban alkalmazott időszakkal eredményeink összehasonlíthatósága érdekében. A következőkben ismertetett projekciós eredményeknél a referencia időszak az 1971–2000 időszak.

5. ábra: Az emberi tevékenység jövőbeli alakulására vonatkozó forgatókönyvek, melyek a sugárzási kényszer változásán alapulnak. Pl. az RCP4.5 forgatókönyv szerint a XXI. század végére globálisan 4,5 W/m2 energiatöbblet várható az iparosodás előtti szinthez képest. (Adatok forrása: IIASA)

1. táblázat: A HungaroMetnél végzett regionális modellszimulációk jellemzői.

Regionális modellREMO2015ALADIN-Climate 5.2
Felbontás10 km10 km10 km10 km
HatárfeltételERA-Interim re-analízisMPI-ESM-LR à REMO2015ERA-Interim re-analízisCNRM-CM5 àALADIN5.2
Határfeltétel felbontása80 km50 km80 km50 km
Időszak1980–20001950–21001980–20001950–2100
Forgatókönyv–RCP4.5 RCP8.5–RCP 4.5 RCP 8.5
6. ábra: A HungaroMetnél futtatott ALADIN (balra) és REMO (jobbra) modellkísérletek tartományai.

Hőmérséklet

A HungaroMetnél készített regionális klímamodell-kísérletek eredményei alapján a XXI. században minden évszakban egyértelműen folytatódik az átlaghőmérséklet emelkedése a Kárpát-medencében. Ez azonban nem jelenti azt, hogy ne fordulhatnának elő az 1971–2000-es átlagnál hűvösebb évek és évszakok. A legnagyobb hazai változásokat a modellek télre vetítik előre, ugyanakkor a melegedés mértéke meglehetősen bizonytalan. A 2021–2050 időszakban országos átlagban 1,1–2,1 °C, míg az évszázad utolsó évtizedeire 4,5 °C-ot meghaladó változás is előfordulhat (7. ábra).

7. ábra: A magyarországi téli átlaghőmérséklet változásának (°C) 30-éves mozgóátlaga a HungaroMetnél készített modellszimulációk eredményei alapján. Referencia időszak: 1971–2000.

Csapadék

A csapadék jövőbeli megváltozása nagy bizonytalansággal terhelt, mert a modellek eredményei nemcsak a változás mértékében, de gyakran annak előjelében is eltérnek, ráadásul a változások csak néhány esetben bizonyulnak statisztikailag szignifikánsnak10. Ezzel együtt elmondható, hogy a XXI. század során a magyarországi átlagos csapadékösszeg nyár kivételével minden évszakban növekedhet. A legnagyobb mértékű változás ősszel várható, melynek mértéke az évszázad végére meghaladhatja a 30%-ot. A nyári csapadékváltozás nagyon bizonytalan: a vizsgált modellkísérletek hasonló mértékű csökkenést és növekedést valószínűsítenek (8. ábra).

8. ábra: A magyarországi évszakos csapadékösszeg változásának (%) 30-éves mozgóátlaga a HungaroMetnél készített modellszimulációk eredményei alapján. Referencia időszak: 1971–2000.


Hivatkozások

Bán B., Megyeri O.A., Suga R., 2021: Az ALADIN5.2 és a REMO2015 regionális klímamodellek múltbeli időszakra vonatkozó eredményeinek validációja. KEHOP-1.1.0 projektbeszámoló. 2021.december. 45p. [PDF]

Berrisford, P., Dee, D., Poli, P., Brugge, R., Fielding, K., Fuentes, M., Kallberg, P., Kobayashi, S., Uppala, S., Simmons, A., 2011: The ERA-Interim archive, version 2.0. ERA Report series 1, ECMWF Technical Report, 23 p. [PDF]

Bihari Z., Lakatos M., Szentimrey, T., 2017: Felszíni megfigyelésekből készített rácsponti adatbázisok az Országos Meteorológiai Szolgálatnál. Légkör 62, 148–151. [PDF]

Csima, G., Horányi, A., 2008: Validation of the ALADIN-Climate regional climate model at the Hungarian Meteorological Service. Időjárás 112, 3–4, 155–177. [PDF]

Hersbach H, Bell B, Berrisford P, et al. The ERA5 global reanalysis. Q J R Meteorol Soc. 2020; 146: 1999–2049. [PDF]

Illy T., Sábitz J., Szépszó G., 2015: Az ALADIN-Climate modellkísérletek eredményeinek validációja. RCMTéR (EEA-C13-10) projekt beszámoló, Országos Meteorológiai Szolgálat, Budapest, 19 p. [PDF]

IPCC AR5 WGI, 2013: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (eds.: Stocker T.F., Qin D., Plattner G.-K., Tignor M., Allen S.K., Boschung J., Nauels A., Xia Y., Bex V., Midgley P.M.). Cambridge University Press, Cambridge, Egyesült Királyság és New York, NY, USA, 1535 p.

Izsák, B., Szentes O., Bihari Z., Bokros K., Lakatos M., 2024: Reprezentatív meteorológiai adatok biztosítása a múlt és jelen éghajlatának megismerésére. Légkör 69, 4–11. [PDF]

Moss, R.H., Edmonds, J.A., Hibbard, K.A., Manning, M.R., Rose, S.K., van Vuuren, D.P., Carter T.R., Emori, S., Kainuma, M., Kram, T., Meehl, G.A., Mitchell, J.F.B., Nakicenovic, N., Riahi, K., Smith, S.J., Stouffer, R.J., Thomson, A.M., Weyant, J.P., Wilbanks, T.J., 2010: The next generation of scenarios for climate change research and assessment. Nature 463, 747–756.

Nakicenovic, N., Alcamo, J., Davis, G., de Vries, B., Fenhann, J., Gaffin, S., Gregory, K., Grübler, A., Jung, T.Y., Kram, T., La Rovere, E.L., Michaelis, L., Mori, S., Morita, T., Pepper, W., Pitcher, H., Price, L., Raihi, K., Roehrl, A., Rogner, H.H., Sankovski, A., Schlesinger, M., Shukla, P., Smith, S., Swart, R., van Rooijen, S., Victor, N., Dadi, Z., 2000: IPCC special report on emissions scenarios. Cambridge University Press, Cambridge, USA. [PDF]

Spinoni, J., Szalai, S., Szentimrey, T., Lakatos, M., Bihari, Z., Nagy, A., Németh, Á., Kovács, T., Mihic, D., Dacic, M., Petrovic, P., Kržič, A., Hiebl, J., Auer, I., Milkovic, J., Štepánek, P., Zahradnícek, P., Kilar, P., Limanowka, D., Pyrc, R., Cheval, S., Birsan, M.-V., Dumitrescu, A., Deak, G., Matei, M., Antolovic, I., Nejedlík, P., Štastný, P., Kajaba, P., Bochnícek, O., Galo, D., Mikulová, K., Nabyvanets, Y., Skrynyk, O., Krakovska, S., Gnatiuk, N., Tolasz, R., Antofie, T. and Vogt, J., 2015: Climate of the Carpathian Region in the period 1961–2010: climatologies and trends of 10 variables. Int. J. Climatol. 35, 1322-1341. [PDF]

Suga, R., Megyeri-Korotaj, O. A., Allaga-Zsebeházi, G., 2021: Sensitivity study of the REMO regional climate model to domain size, Adv. Sci. Res. 18, 157–167. [PDF]

Szentimrey, T., 2008: Development of MASH homogenization procedure for daily data. Proceedings of the Fifth Seminar for Homogenization and Quality Control in Climatological Databases, Budapest, Hungary, 2006, WCDMP-No. 71, WMO/TD-NO. 1493, 123–130. [PDF]

Szentimrey, T., Bihari, Z., 2007: Mathematical background of the spatial interpolation methods and the software MISH (Meteorological Interpolation based on Surface Homogenized Data Basis). Proceedings of the Conference on Spatial Interpolation in Climatology and Meteorology (eds.: S. Szalai, Z. Bihari, T. Szentimrey, M. Lakatos) 2007, COST Office, Luxemburg, ISBN 92-898-0033-X, 17–28. [PDF]

Szépszó, G., Horányi, A., 2008: Transient simulation of the REMO regional climate model and its evaluation over Hungary. Időjárás 112, 3–4, 203–231. [PDF]

Szépszó G., Krüzselyi I., Illy T., Sábitz J., 2015: Az ALADIN-Climate regionális klímamodell integrálási tartományának megválasztására vonatkozó érzékenységvizsgálat. RCMTéR (EEA-C13-10) projekt beszámoló, Országos Meteorológiai Szolgálat, Budapest, 19 p. [PDF]

Uppala, S.M., KÅllberg, P.W., Simmons, A.J., Andrae, U., Bechtold, V.D.C., Fiorino, M., Gibson, J.K., Haseler, J., Hernandez, A., Kelly, G.A., Li, X., Onogi, K., Saarinen, S., Sokka, N., Allan, R.P., Andersson, E., Arpe, K., Balmaseda, M.A., Beljaars, A.C.M., Berg, L.V.D., Bidlot, J., Bormann, N., Caires, S., Chevallier, F., Dethof, A., Dragosavac, M., Fisher, M., Fuentes, M., Hagemann, S., Hólm, E., Hoskins, B.J., Isaksen, L., Janssen, P.A.E.M., Jenne, R., Mcnally, A.P., Mahfouf, J.-F., Morcrette, J.-J., Rayner, N.A., Saunders, R.W., Simon, P., Sterl, A., Trenberth, K.E., Untch, A., Vasiljevic, D., Viterbo, P. Woollen, J., 2005: The ERA-40 re-analysis. Q. J. R. Meteorol. Soc., 131, 2961–3012. [PDF]

  1. Météo France ↩︎
  2. Deutscher Wetterdienst ↩︎
  3. A modellek azokat a folyamatokat tudják jól leírni, amelyek karakterisztikus mérete összemérhető a modell rácstávolságával (pl. 100 km-es felbontással a ciklonok mozgása jól vizsgálható). Vannak azonban olyan, a rácsfelbontásnál kisebb skálájú kölcsönhatások, mint pl. a sugárzás, a felhő- és csapadékképződés, amelyek szintén részt vesznek az éghajlat alakításában. Ezek hatását ugyancsak figyelembe kell venni, amit közelítő módszerekkel (ún. parametrizációval) teszünk meg. ↩︎
  4. A tízéves tesztidőszak elég hosszú ahhoz, hogy érdemi következtetéseket vonjunk le az eredményekből, ugyanakkor a kísérletek elvégzéséhez szükséges számítási kapacitás jóval alacsonyabb, mint egy több évtizedes szimuláció esetén. ↩︎
  5. Ezenkívül más adatok is használhatók referenciaként (pl. GPS, műholdas megfigyelések), azonban a felsoroltakat alkalmazzuk a legelterjedtebben. ↩︎
  6. A minimum-, a maximum- és az átlaghőmérsékletre, a csapadékra, a felszíni nyomásra, a szélsebességre, a relatív nedvességre és a globálsugárzásra. ↩︎
  7. Az adatasszimiláció egy matematikai módszer, amely a mérési adatok és a modelleredmények optimális kombinációját határozza meg az információk megbízhatóságának függvényében. Ezzel az eljárással állítják elő az időjárás előrejelző modellek futtatásához szükséges kezdeti feltételt (az ún. analízist) is. ↩︎
  8. European Centre for Medium-Range Weather Forecasts; ECMWF. ↩︎
  9. Mivel ez az időszak belemetsz a jelen klímába, a közeljövőben várható éghajlat vizsgálatánál egyre inkább a 2041-2070-es időszakot választjuk. ↩︎
  10. A változás szignifikáns, ha mértéke meghaladja a természetes változékonyság mértékét. ↩︎

Tovább