Stochastické meteorologické generátory a regionální klimatické modely: konkurence či spojenci?

0582564 - ÚFA 2025 RIV CZ cze K - Konferenční příspěvek (tuzemská konf.)
Dubrovský, Martin - Štěpánek, Petr - Meitner, Jan - Zahradníček, Pavel
Stochastické meteorologické generátory a regionální klimatické modely: konkurence či spojenci?
[Stochastic Weather Generators and Regional Climate Models: Rivals or Allies?]
Sborník příspěvků z První konference projektu PERUN. Praha: ČHMÚ, 2023 - (Tolasz, R.; Polcarová, E.), s. 82-90. ISBN 978-80-7653-063-8.
[První konference projektu PERUN. Průhonice (CZ), 16.10.2023-18.10.2023]
Grant CEP: GA TA ČR(CZ) SS02030040
Institucionální podpora: RVO:68378289 ; RVO:86652079
Klíčová slova: generators * regional climate models * temperature * precipitation * validation * compound indices
Obor OECD: Meteorology and atmospheric sciences; Meteorology and atmospheric sciences (UEK-B)
https://doi.org/10.59984/978-80-7653-063-8

Článek demonstruje 'spolupráci' prostorového stochastického meteorologického generátoru SPAGETTA (WG) a regionálních klimatických modelů (RCM) při analýze dopadů změny klimatu (ZK). V první části je porovnán generátor se sadou 19 RCM modelů prostřednictvím jejich schopnosti reprodukovat 11 prostorových teplotních a srážkových indexů v osmi evropských regionech: indexy jsou založeny na registraci dnů a období s prostorově významným výskytem sucha, srážek, horka, zimy, a možných teplotněsrážkových kombinací. Na základě získaných výsledků je konstatováno, že obě metodologie dávají srovnatelně kvalitní výsledky. V druhé části experimentu (ta je provedena pouze pro oblast Střední Evropy) je generátor, jehož parametry jsou modifikovány scénáři změny klimatu odvozenými z RCM simulací, použit ke generování syntetických řad reprezentujících změněné klima. V experimentu je použita sada scénářů, které zahrnují změny vybraných kombinací následujících charakteristik: (1) průměrná teplota, (2) variabilita teploty, (3) průměrný úhrn srážek (průměr pouze ze srážkových dnů), (4) četnost výskytu srážkových dnů a (5) prostorové korelace a autokorelace teplotních i srážkových časových řad. Syntetické řady pro každý scénář jsou analyzovány prostřednictvím výše uvedených indexů, přičemž je sledován (mimo jiné) vliv změn jednotlivých charakteristik zahrnutých ve scénářích změny klimatu na jednotlivé indexy. V souladu s očekáváním bylo zjištěno, že výrazně největší vliv mají změny průměrných teplot – samozřejmě vyjma ryze srážkových indexů. Druhou nejvýznamněší charakteristikou, která významně ovlivňuje validační indexy, jsou změny korelací, které dle scénářů ZK pro Střední Evropu budou převážně pozitivní.

The paper demonstrates 'collaboration' between the stochastic weather generator SPAGETTA (WG) and Regional Climate Models (RCM) in analysing impacts of Climate Change (CC). In the first part of the paper, the generator is compared with the ensemble of 19 RCMs in terms of their ability to reproduce 11 spatial temperature and precipitation indices in eight European regions: the indices are based on registering days and spells exhibiting spatially significant occurrence of dry, wet, hot or cold weather, or possible combination of dryor-wet and hot-or-cold conditions. The obtained results indicate that both methodologies provide weather series of comparable quality. In the second part of the paper (which was done only for the Central Europe region), the WG parameters are modified using the RCM-based CC scenarios and the synthetic weather series representing the future climate are produced. This experiment is based on a set of CC scenarios, which consist of changes in selected combinations of following characteristics: (1) mean temperature, (2) temperature variability, (3) daily average precipitation (considering only wet days), (4) probability of wet day occurrence, (5) spatial lag-0 and lag-1day correlations of temperature and precipitation series. The synthetic series generated for each version of the CC scenario are analysed in terms the above mentioned spatial validation indices, the stress was put on effect of each of the five component of the CC scenario on individual validation indices. The results of the experiment indicate that the changes in temperature means is the main contributor to the changes in the validation obviously, except for the purely precipitation-based indices. Positive changes in the lag-0 and lag-1day correlations of both temperature and precipitation are the second most significant contributor to the changes in the validation indices.
Trvalý link: https://hdl.handle.net/11104/0350680