دانشمندان چگونه تغییرات
اقلیمی را در بازههای زمانی آینده، مثلا در ۵۰ یا ۱۰۰ سال آینده، پیشبینی
میکنند؟ در حال حاضر قویترین ابزار برای ارزیابی تغییرات اقلیمی در بازههای
زمانی آینده، «مدلهای گردش عمومیِ جفت شده جوی-اقیانوسی» است که با عنوان «مدلهای جهانی اقلیم» نیز شناخته میشوند. این مدلها خصوصیات فیزیکی، چرخشهای جوی و تغییرات
دینامیکی اتمسفر زمین را تحلیل میکنند.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgwgf98rQzNc4By_S5jBERqFiid9yq0IOdl00GUBB-bkG8ccyBJSOgwc3135Xa9FtS8-fFjYVdG10SjH_f01o0AOgvWnB97hpPtjma35j9-coacYGHes1uu7DJQeg0A3MXjjbclh9auYnM/s16000/6a0120a7fc3be9970b019b019fab8f970b.png) |
سناریوهای مختلف میزان انتشار گازهای گلخانهای و تاثیر هر کدام بر میزان گرمایش میانگین دمای سالانه |
برای استفاده از مدلهای جهانی اقلیم، از سناریوهای مختلفی استفاده میشود که هر کدام میزان انتشار گازهای گلخانهای را در آینده با توجه به ویژگیهای مرتبط با رشد اقتصاد جهانی، جمعیت جهان و حتی سطح آگاهیهای اجتماعی نشان میدهند. تصویر بالا تعدادی از مهمترین سناریوهای موجود را نشان میدهد.
پیش از استفاده از مدلهای جهانی اقلیمی، ابتدا بایستی مهارت این مدلها سنجیده شود. این صحتسنجی برای اطمینان از توانمندی مدلها در تولید دادههایی است که از درجه اطمینان بالایی برخوردار باشند. برای این کار، مدل را برای یک دوره زمانی پایه در گذشته (دورهای که دادههای مشاهداتی واقعی آن موجود است) اجرا کرده تا دادههای زمانی دوره پایه شبیهسازی (بازتولید) شود. سپس عملکرد مدل در بازتولید دادههای گذشته ارزیابی میشود. برای این کار، مشخصات آماری خروجیهای مدل با مشخصات آماری دادههای مشاهداتی گذشته به کمک آزمونها و معیارهای مختلف مقایسه میشوند. در صورت تطابق مشخصات آماری دادههای مشاهداتی و دادههای شبیهسازی شده مهارت مدل تایید میشود و وارد مرحله اصلی میشویم. در این مرحله، سناریوی انتخابی انتشار گازهای گلخانهای در آینده به مدل داده (یا اصطلاحا خورانده) شده و خروجیهای مدل برای ارزیابی تغییرات اقلیمی (نسبت به دوره پایه) ارزیابی میشوند.
البته این مدلها، متغیرهای هواشناسی را در شبکههایی که دقت مکانی
آنها پایین و چیزی در حدود ۱۰۰ تا ۳۰۰ کیلومتر است شبیهسازی میکنند. پس اگر خروجی این مدلها به طور
مستقیم به عنوان ورودی مدلهای دیگر (مثلا مدلهای هیدرولوژیکی) مورد استفاده قرار
گیرد، باعث افزایش عدم قطعیت میشود. برای افزایش دقت مکانی خروجی مدلهای اقلیمی
میتوان از روشهای «ریزمقیاسگردانی» استفاده کرد که این روشها خود به دو دسته
آماری و دینامیکی تقسیم میشوند. روشهای آماری به دلیل عملکرد سریع و کارکرد سادهتر
نسبت به روشهای دینامیکی از محبوبیت بیشتری برخوردارند.