Modelo de sistemas terrestres de complejidad intermedia
De Wikipedia, la enciclopedia libre
Saltar a navegación Saltar a búsqueda

Los modelos de sistemas terrestres de complejidad intermedia (EMIC) forman una clase importante de modelos climáticos , utilizados principalmente para investigar los sistemas terrestres en escalas de tiempo prolongadas o con un costo computacional reducido. Esto se logra principalmente mediante el funcionamiento con una resolución temporal y espacial más baja que los modelos de circulación general (GCM) más completos . Debido a la relación no lineal entre la resolución espacial y la velocidad de ejecución del modelo, las reducciones modestas en la resolución pueden conducir a grandes mejoras en la velocidad de ejecución del modelo. [1] Históricamente, esto ha permitido la inclusión de sistemas terrestres previamente no incorporados, como las capas de hielo y el ciclo del carbono.retroalimentaciones. Se entiende convencionalmente que estos beneficios se obtienen a costa de cierta precisión del modelo. Sin embargo, se cuestiona el grado en que los modelos de mayor resolución mejoran la precisión en lugar de simplemente la precisión . [2] [3]

Historia

La potencia informática se había vuelto lo suficientemente poderosa a mediados del siglo XX como para permitir modelos de flujo de masa y energía en una cuadrícula de resolución vertical y horizontal. [4] En 1955, estos avances habían producido lo que ahora se reconoce como un GCM primitivo (prototipo de Phillips [5] ). Incluso en esta etapa inicial, la falta de potencia informática formó una barrera significativa para la entrada y una limitación en el tiempo del modelo.

El siguiente medio siglo fue testigo de una rápida mejora y un aumento exponencial de las demandas computacionales. [6] El modelado en escalas de longitud cada vez más pequeñas requirió pasos de tiempo más pequeños debido a la condición de Courant-Friedrichs-Lewy . [7] Por ejemplo, duplicar la resolución espacial aumenta el costo computacional en un factor de 16 (factores de 2 para cada dimensión espacial y tiempo). [1] Además de trabajar en escalas más pequeñas, los GCM comenzaron a resolver versiones más precisas de las ecuaciones de Navier-Stokes . [8] Los GCM también comenzaron a incorporar más sistemas terrestres y mecanismos de retroalimentación, transformándose en Modelos de Sistemas Terrestres acoplados. La inclusión de elementos de la criosfera., el ciclo del carbono y la retroalimentación de la nube se vieron facilitados y limitados por el crecimiento de la potencia informática. [1]

Los potentes ordenadores y el alto coste necesarios para ejecutar estos modelos "integrales" limitaron la accesibilidad a muchos grupos de investigación universitarios. Esto ayudó a impulsar el desarrollo de EMIC. Mediante una parametrización juiciosa de las variables clave, los investigadores podrían ejecutar simulaciones climáticas en computadoras menos potentes o, alternativamente, mucho más rápido en computadoras comparables. Un ejemplo moderno de esta diferencia de velocidad se puede ver entre el EMIC JUMP-LCM y el GCM MIROC4h; el primero corre 63.000 veces más rápido que el segundo. [9] La disminución en la potencia de cálculo requerida permitió que los EMIC se ejecutaran en tiempos de modelo más largos y, por lo tanto, incluyan sistemas terrestres que ocupan el "dominio lento".

El modelo dinámico estadístico de Petoukhov de 1980 [10] ha sido citado como el primer EMIC moderno, [9] pero a pesar del desarrollo a lo largo de la década de 1980, su valor específico solo logró un reconocimiento más amplio a fines de la década de 1990 con la inclusión en el IPCC AR2 bajo el nombre de "Simple Climate Modelos ". Fue poco después en el congreso del IGBP en Shonnan Village, Japón, en mayo de 1999, donde Claussen acuñó públicamente el acrónimo EMICs. El primer modelo simplificado que adoptó la nomenclatura de "complejidad intermedia" es ahora uno de los más conocidos: CLIMBER 2. La conferencia de Potsdam bajo la dirección de Claussen identificó 10 EMIC, una lista actualizada a 13 en 2005. [11] Contribuyeron ocho modelos. al IPCC AR4 , y del 15 alAR5 . [12] [13]

Clasificación

Además de la "complejidad", los modelos climáticos se han clasificado por su resolución, parametrización e "integración". [14] La integración expresa el nivel de interacción de diferentes componentes del sistema terrestre. Esto está influenciado por la cantidad de enlaces diferentes en la web (interactividad de coordenadas), así como por la frecuencia de interacción. Debido a su velocidad, los EMIC ofrecen la oportunidad de realizar simulaciones altamente integradas en comparación con los ESM más completos. Se han sugerido cuatro categorizaciones EMIC basadas en el modo de simplificación atmosférica: [9]modelos estadístico-dinámicos, modelos de balance de energía y humedad, modelos cuasi-geostróficos y modelos de ecuaciones primitivas. De los 15 modelos de la contribución de la comunidad al quinto informe de evaluación del IPCC, cuatro eran estadístico-dinámicos, siete de balance de energía y humedad, dos cuasi-geostróficos y dos de ecuaciones primitivas. [15] Para ilustrar estas categorías, se ofrece un estudio de caso para cada una.

Modelos estadístico-dinámicos: modelos CLIMBER

CLIMBER-2 y CLIMBER-3α son generaciones sucesivas de modelos dinámicos estadísticos de 2,5 y 3 dimensiones. [16] [17] En lugar de una evolución continua de las soluciones de Navier-Stokes o ecuaciones primitivas, la dinámica atmosférica se maneja a través del conocimiento estadístico del sistema (un enfoque que no es nuevo para CLIMBER [18] ). Este enfoque expresa la dinámica de la atmósfera como campos de velocidad y temperatura a gran escala ya largo plazo. La resolución atmosférica horizontal de Climber-3α es sustancialmente más gruesa que la de un GCM atmosférico típico a 7,5 ° x 22,5 °.

Con una escala espacial característica de 1000 km, esta simplificación prohíbe la resolución de entidades de nivel sinóptico. Climber-3α incorpora modelos completos de océano, hielo marino y biogeoquímica . A pesar de estas descripciones completas, la simplificación de la atmósfera le permite operar dos órdenes de magnitud más rápido que los GCM comparables. [17] Ambos modelos CLIMBER ofrecen rendimientos comparables a los de los GCM contemporáneos en la simulación de climas actuales. Esto es claramente de interés debido a los costos computacionales significativamente más bajos. Ambos modelos se han utilizado principalmente para investigar los paleoclimas , en particular la nucleación de la capa de hielo. [19]

Modelos de balance de energía y humedad: UVic ESCM

El enfoque termodinámico del modelo UVic implica la simplificación del transporte de masa (con difusión de Fickian ) y las condiciones de precipitación. [20] Este modelo puede verse como un descendiente directo de modelos anteriores de balance energético. [21] [22] [23] Estas reducciones reducen la atmósfera a tres variables de estado, temperatura del aire en la superficie, temperatura de la superficie del mar y humedad específica. [24] Al parametrizar el transporte de calor y humedad con difusión, las escalas de tiempo se limitan a escalas superiores a las anuales y de longitud a más de 1000 km. Un resultado clave del enfoque termodinámico en lugar de fluido dinámico es que el clima simulado no presenta variabilidad interna. [20]Al igual que CLIMBER-3α, está acoplado a un modelo oceánico 3D de última generación e incluye otros modelos de vanguardia para hielo marino y hielo terrestre. A diferencia de CLIMBER, el modelo UVic no tiene una resolución significativamente más gruesa que los AOGCM actuales (3,6 ° x 1,8 °). Como tal, toda la ventaja computacional proviene de la simplificación de la dinámica atmosférica.

Modelos cuasi-geostróficos: LOVECLIM

Las ecuaciones cuasi-geostróficas son una reducción de las ecuaciones primitivas escritas por primera vez por Charney . [25] Estas ecuaciones son válidas en el caso de un número de Rossby bajo , lo que significa solo una pequeña contribución de las fuerzas de inercia. El supuesto dominio de las fuerzas de Coriolis y de gradiente de presión facilita la reducción de las ecuaciones primitivas a una sola ecuación para la vorticidad potencial en cinco variables. [26] LOVECLIM presenta una resolución horizontal de 5,6 ° y utiliza el modelo de atmósfera cuasi geostrófica ECBilt. Incluye un módulo de retroalimentación de la vegetación de Brovkin et al. (1997). [27]El modelo presenta algunas limitaciones importantes que están fundamentalmente ligadas a su diseño. El modelo predice una sensibilidad climática de equilibrio de 1,9 ° C, en el extremo inferior del rango de predicciones de GCM. La distribución de la temperatura de la superficie del modelo es demasiado simétrica y no representa el sesgo norte en la ubicación de la Zona de Convergencia Intertropical . El modelo generalmente muestra una menor habilidad en latitudes bajas. Otros ejemplos de modelos cuasi-geostróficos son PUMA.

Modelo de ecuaciones primitivas: FAMOSO

FAMOUS, de la Met-Office del Reino Unido, difumina la línea entre los modelos integrales de resolución más tosca y los EMIC. Diseñado para ejecutar simulaciones paleoclimáticas del Pleistoceno, se ha ajustado para reproducir el clima de su padre, HADCM3 , resolviendo las ecuaciones primitivas escritas por Charney. Estos son de mayor complejidad que las ecuaciones cuasi-geostróficas. Originalmente llamado ADTAN, las pruebas preliminares tenían sesgos significativos relacionados con el hielo marino y el AMOC , que luego se corrigieron mediante el ajuste de los parámetros del hielo marino. El modelo se ejecuta a la mitad de la resolución horizontal de HADCM3. La resolución atmosférica es de 7,5 ° x 5 ° y la oceánica es de 3,75 ° x 2,5 °. El acoplamiento atmósfera-océano se realiza una vez al día.

Comparaciones y valoraciones

La intercomparación sistemática de EMIC se ha realizado desde 2000, más recientemente con una contribución de la comunidad al quinto informe de evaluación del IPCC . [15] El equilibrio y la sensibilidad climática transitoria de los EMIC se ubicaron en general dentro del rango de los GCM contemporáneos con un rango de 1,9 - 4,0 ° C (en comparación con 2,1 ° - 4,7 ° C, CMIP5 ). Probado durante el último milenio, la respuesta promedio de los modelos estuvo cerca de la tendencia real, sin embargo, esto oculta una variación mucho más amplia entre los modelos individuales. Los modelos generalmente sobreestiman la absorción de calor del océano durante el último milenio e indican una moderada desaceleración. No se observó relación en EMIC entre los niveles de amplificación polar, la sensibilidad climática y el estado inicial. [15]Las comparaciones anteriores con el rendimiento de los GCM y los ESM integrales no revelan el valor total de los EMIC. Su capacidad para funcionar como "ESM rápidos" les permite simular períodos mucho más largos, hasta muchos milenios. Además de ejecutarse en escalas de tiempo mucho mayores que las disponibles para los GCM, proporcionan un terreno fértil para el desarrollo y la integración de sistemas que luego se unirán a los GCM.

panorama

Es probable que las posibles direcciones futuras de los EMIC estén en la evaluación de las incertidumbres y como vanguardia para la incorporación de nuevos sistemas terrestres. [28] En virtud de la velocidad, también se prestan a la creación de conjuntos con los que restringir parámetros y evaluar sistemas terrestres. [29] Los EMIC también han liderado recientemente en el campo de la investigación sobre estabilización climática. [9] McGuffie y Henderson-Sellers argumentaron en 2001 que en el futuro, los EMIC serían "tan importantes" como los GCM para el campo de la modelización climática [6] , aunque esto tal vez no haya sido cierto en el tiempo transcurrido desde esa declaración, su función no ha disminuido. Por último, dado que la ciencia del clima se ha sometido a niveles cada vez mayores de escrutinio, [30] [31]la capacidad de los modelos no solo para proyectar sino para explicar se ha vuelto importante. La transparencia de los EMIC es atractiva en este dominio, ya que las cadenas causales son más fáciles de identificar y comunicar (a diferencia de las propiedades emergentes generadas por modelos integrales).

Ver también

  • Modelo climático
  • Modelo de circulación general

Referencias

  1. ↑ a b c Flato, GM (2011). Modelos del sistema terrestre: una descripción general. Revisiones interdisciplinarias de Wiley: Cambio climático, 2 (6): 783-800.
  2. ^ Jakob, C. (2014). Volviendo a lo básico. Nature Climate Change, 4: 1042–1045.
  3. ^ Lovejoy, S. (2015). Un viaje a través de escalas, un billón perdido y por qué el clima no es el esperado. Climate Dynamics, 44 (11): 3187–3210.
  4. ^ Lynch, P. (2008). Los orígenes de la predicción meteorológica por computadora y el modelado climático. Journal of Computational Physics, 227 (7): 3431–3444
  5. ^ Phillips, NA (1956). La circulación general de la atmósfera: un experimento numérico. Revista trimestral de la Royal Meteorological Society, 82 (352): 123-164
  6. ↑ a b McGuffie, K. y Henderson-Sellers, A. (2001). Cuarenta años de modelización climática numérica. Revista Internacional de Climatología, 21 (9): 1067-1109.
  7. ^ Courant, R., Friedrichs, K. y Lewy, H. (1967). Sobre las ecuaciones en diferencias parciales de la física matemática. Revista de investigación y desarrollo de IBM, 11 (2): 215-234.
  8. ^ White, AA y Bromley, RA (1995). Ecuaciones cuasihidrostáticas dinámicamente consistentes para modelos globales con una representación completa de la fuerza de Coriolis. Revista trimestral de la Royal Meteorological Society, 121 (522): 399– 418.
  9. ^ a b c d Hajima, T., Kawamiya, M., Watanabe, M., Kato, E., Tachiiri, K., Sugiyama, M., Watanabe, S., Okajima, H. e Ito, A. (2014). Modelado en la ciencia del sistema terrestre hasta y más allá de ipcc ar5. Progress in Earth and Planetary Science, 1 (1): 29.
  10. ^ Petoukhov, V. (1980). Un modelo climático zonal de intercambio de calor y humedad en la atmósfera sobre las capas subyacentes del océano y la tierra en: Golitsyn gs, yaglom am (eds) física de la atmósfera y el problema del clima.
  11. ↑ Claussen, Martin (30 de mayo de 2005). "Tabla de EMIC (modelos de sistemas terrestres de complejidad intermedia)" (PDF) . Consultado el 25 de octubre de 2018 .
  12. ^ Randall, DA, Wood, RA, Bony, S., Colman, R., Fichefet, T., Fyfe, J., Kattsov, V., Pitman, A., Shukla, J., Srinivasan, J., et Alabama. (2007). Modelos climáticos y su evaluación. En Cambio climático 2007: La base de la ciencia física. Contribución del Grupo de Trabajo I al Cuarto Informe de Evaluación del IPCC (FAR), páginas 589–662. Prensa de la Universidad de Cambridge.
  13. ^ Flato, G., Marotzke, J., Abiodun, B., Braconnot, P. , Chou, S., Collins, W., Cox, P., Driouech, F., Emori, S., Eyring, V. , Forest, C., Gleckler, P., Guilyardi, E., Jakob, C., Kattsov, V., Reason, C. y Rummukainen, M. (2013). Evaluación de modelos climáticos, sección 9 del libro, página 741866. Cambridge University Press, Cambridge, Reino Unido y Nueva York, NY, EE. UU.
  14. ^ Claussen, M., Mysak, L., Weaver, A., Crucifijo, M., Fichefet, T., Loutre, M.-F., Weber, S., Alcamo, J., Alexeev, V., Berger , A., Calov, R., Ganopolski, A., Goosse, H., Lohmann, G., Lunkeit, F., Mokhov, I., Petoukhov, V., Stone, P. y Wang, Z. ( 2002). Modelos de sistemas terrestres de complejidad intermedia: cerrando la brecha en el espectro de modelos de sistemas climáticos. Climate Dynamics, 18 (7): 579–586.
  15. ^ a b c Eby, M., Weaver, AJ, Alexander, K., Zickfeld, K., Abe-Ouchi, A., Cimatoribus, AA, Crespin, E., Drijfhout, SS, Edwards, NR, Eliseev, AV , Feulner, G., Fichefet, T., Forest, CE, Goosse, H., Holden, PB, Joos, F., Kawamiya, M., Kicklighter, D., Kienert, H., Matsumoto, K., Mokhov , II, Monier, E., Olsen, SM, Pedersen, JOP, Perrette, M., Philippon-Berthier, G., Ridgwell, A., Schlosser, A., Schneider von Deimling, T., Shaffer, G., Smith, RS, Spahni, R., Sokolov, AP, Steinacher, M., Tachiiri, K., Tokos, K., Yoshimori, M., Zeng, N. y Zhao, F. (2013). Experimentos de modelos climáticos históricos e idealizados: una intercomparación de modelos de sistemas terrestres de complejidad intermedia. Clima del pasado, 9 (3): 1111-1140.
  16. ^ Petoukhov, V., Ganopolski, A., Brovkin, V., Claussen, M., Eliseev, A., Kubatzki, C. y Rahmstorf, S. (2000). Climber-2: un modelo de sistema climático de complejidad intermedia. parte i: descripción del modelo y desempeño para el clima actual. Climate Dynamics, 16 (1): 1-17.
  17. ^ a b Montoya, M., Griesel, A., Levermann, A., Mignot, J., Hofmann, M., Ganopolski, A. y Rahmstorf, S. (2005). El modelo del sistema terrestre de complejidad intermedia trepador-3. parte i: descripción y desempeño para las condiciones actuales. 25: 237-263.
  18. ^ Saltzman, B. (1978). Una encuesta de modelos estadístico-dinámicos del clima terrestre. volumen 20 de Advances in Geophysics, páginas 183 - 304. Elsevier.
  19. ^ Ganopolski, A., Rahmstorf, S., Petoukhov, V. y Claussen, M. (1998). Simulación de climas modernos y glaciares con un modelo global acoplado de complejidad intermedia. Nature, 391 (6665): 351–356.
  20. ^ a b Weaver, A., Eby, M., Wiebe, E., Bitz, C., Duffy, P., Ewen, T., F. Fanning, A., M. Holland, M., MacFadyen, A ., Matthews, HD, J. Meissner, K., Saenko, O., Schmittner, A., X. Wang, H. y Yoshimori, M. (2001). El modelo climático del sistema terrestre uvic: descripción del modelo, climatología y aplicaciones a climas pasados, presentes y futuros. 39: 361–428.
  21. ^ Budyko, MI (1969). El efecto de las variaciones de la radiación solar sobre el clima de la tierra. Tellus, 21 (5): 611–619.
  22. ^ Vendedores, WD (1969). Un modelo climático global basado en el balance energético del sistema tierra-atmósfera. Revista de meteorología aplicada, 8 (3): 392–400.
  23. ^ Norte, GR (1975). Teoría de los modelos climáticos de balance energético. Revista de Ciencias Atmosféricas, 32 (11): 2033-2043.
  24. ^ Fanning, AF y Weaver, AJ (1996). Un modelo de balance de energía-humedad atmosférica: Climatología, cambio climático interdependiente y acoplamiento a un modelo de circulación general del océano. Revista de investigación geofísica: Atmósferas, 101 (D10): 15111-15128.
  25. ^ Majda, A. y Wang, X. (2006). Dinámica no lineal y teorías estadísticas para flujos geofísicos básicos. Prensa de la Universidad de Cambridge.
  26. ^ Marshall, J. y Molteni, F. (1993). Hacia una comprensión dinámica de los regímenes de flujo a escala planetaria. Revista de Ciencias Atmosféricas, 50 (12): 1792-1818.
  27. ^ Brovkin, V., Claussen, M., Driesschaert, E., Fichefet, T., Kicklighter, D., Loutre, MF, Matthews, HD, Ramankutty, N., Schaeffer, M. y Sokolov, A. ( 2006). Efectos biogeofísicos de cambios históricos en la cobertura terrestre simulados por seis modelos de sistemas terrestres de complejidad intermedia. Climate Dynamics, 26 (6): 587–600.
  28. ^ Weber, SL (2010). La utilidad de los modelos de sistemas terrestres de complejidad intermedia (emics). Revisiones interdisciplinarias de Wiley: Cambio climático, 1 (2): 243–252.
  29. ^ Brovkin, V., Claussen, M., Driesschaert, E., Fichefet, T., Kicklighter, D., Loutre, MF, Matthews, HD, Ramankutty, N., Schaeffer, M. y Sokolov, A. ( 2006). Efectos biogeofísicos de cambios históricos en la cobertura terrestre simulados por seis modelos de sistemas terrestres de complejidad intermedia. Climate Dynamics, 26 (6): 587–600.
  30. ^ McCright, AM, Dunlap, RE y Marquart-Pyatt, ST (2016). Ideología política y visiones sobre el cambio climático en la Unión Europea. Política medioambiental, 25 (2), 338-358.
  31. ^ Dunlap, RE, McCright, AM y Yarosh, JH (2016). La brecha política sobre el cambio climático: la polarización partidista se amplía en los EE. UU. Medio ambiente: ciencia y políticas para el desarrollo sostenible, 58 (5), 4-23.
Obtenido de " https://en.wikipedia.org/w/index.php?title=Earth_systems_model_of_intermediate_complexity&oldid=1021123838 "
Contribute a better translation