Våre metoder gjør at du kan hente ut scenarier for lokale steder fra et stort antall steder rundt i verden. På hver enkelt målestasjon finner du observasjoner av temperatur- og nedbør. I tillegg finner du utviklingen fra 1900 og framover i tid til 2100 basert på modeller.
 |
| Hent ut klimascenarier for hele verden via Google Earth. |
For at du skal kunne se scenariene kreves det at du har installert Google Earth på din maskin.
Her laster du ned Google Earth gratis.
Når du har Google Earth kan du finne klimascenarier for hele verden .
Her finner du klimascenariene (.kmz fil) som du kan hente opp i Google Earth (beta).
Kildekodene for beregningene er tilgjengelig her.
Hva kan du lese ut av scenariene?
Eksempel fra målestasjonen Oslo - Blindern, vinter, vår, sommer og høst:
- De faktiske (empiriske) målingene er vist i svart.
- Tynn rød linje viser estimert langtidsvariasjon, en såkalt trend.
- Det skraverte feltet viser usikkerheten forbundet med modellene og naturlige svigninger (90 % konfidensintervallet),
- Tykk rød linje viser den midlere utviklingen basert på nedskalering av klimamodellene.
(Les også forklaringsteksten under bildet)
 |
Vinter (desember - februar):
Modellene viser en økning i middeltemperatur fra - 4 °C i 1900 til 0 °C i 2100. Usikkerheten i modellene er på ~8 ° C.
Vår (mars - mai):
For våren, er det beregnet en økning fra ca 5 °C i 1900 til underkant av 8 °C i 2100, men usikkerhetsberegningene viser at
det er 90% sjanse for at temperaturen i 2100 vil være mellom 5.5 og 10 °C.
Sommer (juni - august):
Sommertemperaturen i Oslo er beregnet til å øke fra underkant av 16 °C til 18 °C, men en usikkerhet som strekker seg fra 16-21
°C.
Høst (september - november):
For høsten, har temperaturen i Oslo ligget på rundt 6°C ved begynnelsen avdet forrige århundret, og beregningene angir en
~3 °C økning til ~9 °C. Usikerheten er anslått til ~4 °C i 2100.
Hvor stor usikkerhet er det knyttet til scenariene
I en beskrivelse av hvordan en tenker seg en framtidig utvikling ligger det alltid en usikkerhet, slik også i disse klimascenariene:
Selve klimamodellene kan inneholde feil, utslippscenariene følger en tenkt utvikling og data eller analyse kan ha noen svakheter og bygge på en rekke forutsetninger.
- Temperatur er mer sikkert enn nedbør.
Lokaltemperaturen er sterkere knyttet til regionale temperaturvariasjoner enn nedbør er knyttet til regionale nedbørmønstre.
Dessuten er det mer komplisert å modellere nedbør enn temperatur i klimamodellene.
Usikkerheten favner om både naturlige svingninger og modellforskjeller.
Mange klimamodeller står bak scenariene
 |
| Scenarie for Blindern. Rød kurve er klimamodellen. Sorte prikker er modellert temperatur. |
Vi lar klimamodellene beregne både fortiden og framtiden (rød kurve). Dermed kan man se hvordan den modellerte temperaturen i en periode vi allerede har vært igjennom treffer i forhold til måleverdiene (sorte prikker).
Klimascenariene er basert på rundt 50 beregninger med en empirisk- statistisk nedskaleringsmodell.
En empirisk-statistisk nedskalering betyr at man benytter målinger av fortidens temperaturer og statistiske metoder for å
sette de lokale temperaturene i sammenheng med hvordan temperaturene ser ut over et større område. Med andre ord, basere denne
metoden seg på erfaring og observasjoner.
På den måten tar man et "fingeravtrykk" av regionale klimaendringer, som kan brukes for å identifisere lokale utslag.
For eksempel bruker man sammenhengen mellom temperaturen over hele Norden og lokalt for så å lage lokale prognoser. De globale
klimamodellene er nemlig ikke i stand til å beskrive lokale forhold, men kan likevel gi en beskrivelse for et større område.
Disse scenariene er basert på de mest oppdaterte klimamodellene beskrevet i IPCCs siste hovedrapport, og omfatter alle tilgjengelige og mest oppdaterte klimasimuleringer fra IPCCs dataarkiv (ved det amerikanske senteret PCMDI), og som følger et utslippscenarie som er beskrevet i IPCC spesialrapport om utslippsscearier (SRES A1b).
Beregne lokale klimaendringer
Den største usikkerheten ved å lage klimascenarier for lokalklimaet er naturlige svingninger - endringene som naturlig skjer fra år til år og fra tiår til tiår. Klarer klimamodellene å fange opp dette?
Alle klimamodellene gjengir lignende naturlige svingninger, men det er umulig å forutsi akkurat når de kommer eller med eksakt
hvilken styrke. På grunn av kaoseffekten i atmosfæren viser svingningene seg til forskjellig tid og med ulik styrke i de ulike
klimamodellene. Derfor vil beregninger basert på flere modeller vise en spredning i resultatene.
Metoden som er brukt her, en nedskalering av de ulike klimamodellene for å si noe om de enkelte målestasjonene, gir noenlunde
lik lokal temperaturtrend for de fleste stedene. Ved enkelte målestasjoner ser man likevel forskjeller som igjen gir utslag
i at usikkerheten øker i fremtiden.
Kvalitetskontroll av klimamodellene
Ikke bare viser disse beregningene oss noe om lokale klimaendringene, men den gir oss en kvalitetskontroll av klimamodellene.
Stemmer klimamodellene med det vi allerede har observert på de enkelte målestasjonene?
I tillegg vil ulike modeller være forbundet med ulik klimafølsomhet, som igjen vil medføre ulik oppvarmingstakt. Dette gjelder
spesielt for globale middelverdier, men på lokal skala er forskjellen mellom modellenes klimafølsomhet mindre synlig siden
endringene gjerne overdøves av naturlige svingninger.
Mer om metoden: empirisk-statistisk nedskalering
Målingene er empirisk data (fortidens temperaturer), og det benyttes statistiske metoder (multippel regresjon) for å finne
sammenhenger mellom lokale og regionale temperatur- eller nedbørmønster.
Empirisk-statistisk nedskalering bruker en helt annen tilnærming enn nedskalering basert på regionale atmosfæremodeller, som
ligner mye på de norske værvarslingsmodellene. Mens disse baserer seg på fysiske ligninger, knyttes scenariene fra empirisk-statistisk
nedskalering sterkere til faktisk målinger.
Begge tilnærminger har ulike styrker og svakheter, og er forbundet med omtrent lik treffsikkerhet. Imidlertid er disse helt uavhengige metoder. Når de gir noenlunde likt svar, har man større tiltro til resultatene.
