แบบจำลองการไหลเวียนทั่วไป
- ผู้เสนอ
- Syukuro Manabe and Richard Wetherald
- ปี
- 1975
- ประเภท
- Deterministic coupled atmosphere-ocean simulation
- กลุ่มวิธี
- Climate simulation and modeling
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
แบบจำลองการไหลเวียนทั่วไป (GCM) หรือที่เรียกว่าแบบจำลองภูมิอากาศโลก คือการจำลองเชิงตัวเลขสามมิติของชั้นบรรยากาศ มหาสมุทร น้ำแข็ง และพื้นผิวโลก ที่จำลองกระบวนการทางกายภาพที่ควบคุมสภาพอากาศและภูมิอากาศ ซึ่งริเริ่มโดย Manabe และ Wetherald ในปี 1975 GCMs เป็นเครื่องมือหลักในการทำความเข้าใจภูมิอากาศในอดีต การคาดการณ์การเปลี่ยนแปลงสภาพภูมิอากาศในอนาคต และการตรวจสอบความไวของภูมิอากาศต่อก๊าซเรือนกระจกและการบังคับอื่นๆ
แนวคิดเบื้องหลังวิธีการ
GCMs แบ่งโลกออกเป็นกริดสามมิติและแก้สมการพื้นฐานทางกายภาพ—การอนุรักษ์มวล โมเมนตัม พลังงาน และความชื้น—ที่แต่ละจุดกริด แบบจำลองจะคำนวณการไหลเวียนของบรรยากาศ ปริมาณน้ำฝน กระแสน้ำในมหาสมุทร พลวัตของน้ำแข็งในทะเล และปฏิสัมพันธ์ของพื้นผิวโลก โดยการรวมสมการเหล่านี้ไปข้างหน้าตามเวลา (ใช้ช่วงเวลาสั้นๆ บ่อยครั้ง 15–20 นาที) แบบจำลองจะสร้างสนามอุณหภูมิ ความดัน ลม ความชื้น และปริมาณน้ำฝนที่เปลี่ยนแปลงไป GCMs สามารถถูกบังคับด้วยความเข้มข้นของก๊าซเรือนกระจกที่แตกต่างกัน การแปรผันของแสงอาทิตย์ หรือละอองลอยภูเขาไฟ เพื่อสำรวจสถานการณ์การเปลี่ยนแปลงสภาพภูมิอากาศ
ประวัติศาสตร์
การจำลองของ Manabe และ Wetherald ในปี 1975 เป็นเหตุการณ์สำคัญ แสดงให้เห็นว่าการเพิ่มขึ้นของ CO2 เป็นสองเท่าจะทำให้อุณหภูมิภูมิอากาศสูงขึ้นประมาณ 2°C ในช่วงทศวรรษที่ 1980 และ 1990 มีการพัฒนาแบบจำลองบรรยากาศ-มหาสมุทรแบบควบคู่ที่รวดเร็วเมื่อกำลังการคำนวณเพิ่มขึ้น คณะกรรมการระหว่างรัฐบาลว่าด้วยการเปลี่ยนแปลงสภาพภูมิอากาศ (IPCC) ได้นำกลุ่มตัวอย่างของ GCMs มาใช้ตั้งแต่รายงานการประเมินที่สาม (2001) GCMs สมัยใหม่รวมถึงการกำหนดค่าความละเอียดสูง (~25 กม.) (เรียกว่าแบบจำลอง 'ความละเอียดแปรผัน' หรือ 'กริดยืด') และแบบจำลองระบบโลกที่เพิ่มวงจรคาร์บอน เคมี และชีววิทยาแบบโต้ตอบ
ควรใช้เมื่อใด
ใช้ GCMs เพื่อคาดการณ์การเปลี่ยนแปลงสภาพภูมิอากาศระยะยาว (ระดับทศวรรษถึงศตวรรษ) ทำความเข้าใจการตอบสนองต่อสถานการณ์การปล่อยก๊าซ และประเมินผลกระทบต่อภูมิอากาศในระดับภูมิภาค รวมการคาดการณ์ของ GCMs กับวิธีการลดขนาด (ทางสถิติหรือพลวัต) สำหรับการใช้งานในระดับท้องถิ่น GCMs มีความสำคัญต่อการประเมินสภาพภูมิอากาศที่เกี่ยวข้องกับนโยบาย สำหรับการพยากรณ์อากาศระยะสั้น (1–2 สัปดาห์) ให้ใช้แบบจำลองการพยากรณ์อากาศเชิงตัวเลข ไม่ใช่ GCMs
ข้อจำกัดและข้อควรพิจารณา
- ต้นทุนการคำนวณสูงจำกัดความละเอียดเชิงพื้นที่ (โดยทั่วไป 50–250 กม.); รายละเอียดระดับภูมิภาคต้องมีการลดขนาด
- ความไม่แน่นอนในการนำเสนอเมฆ การพาความร้อน และแผ่นน้ำแข็ง ทำให้เกิดความเอนเอียงที่เป็นระบบในการคาดการณ์ภูมิอากาศ
- ความไวของภูมิอากาศที่สมดุล (การอุ่นขึ้นต่อการเพิ่มขึ้นของ CO2 เป็นสองเท่า) แตกต่างกันอย่างมีนัยสำคัญในหมู่ GCMs นำไปสู่ความไม่แน่นอนในขนาดของการเปลี่ยนแปลงในอนาคต
- ต้องใช้เวลาเริ่มต้นนาน (หลายทศวรรษถึงหลายพันปี) เพื่อให้ถึงสภาวะสมดุล ทำให้การจำลองแบบควบคู่มีต้นทุนการคำนวณสูง
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- การนำเสนอเชิงกายภาพของปฏิสัมพันธ์ระหว่างบรรยากาศ-มหาสมุทร-พื้นดิน โดยเคารพกฎการอนุรักษ์พื้นฐาน
- ช่วยให้สามารถสำรวจการเปลี่ยนแปลงสภาพภูมิอากาศภายใต้สถานการณ์ทางสังคมและเศรษฐกิจและการปล่อยก๊าซที่แตกต่างกัน
- ให้สนามต่อเนื่องเชิงพื้นที่ของตัวแปรหลายตัว (อุณหภูมิ ปริมาณน้ำฝน ลม) ซึ่งมีประโยชน์สำหรับการประเมินผลกระทบในระดับภูมิภาค
- ความสามารถของกลุ่มตัวอย่างช่วยให้สามารถวัดปริมาณความไม่แน่นอนและระบุสัญญาณที่แข็งแกร่ง
การประยุกต์ใช้
- การประเมินการเปลี่ยนแปลงสภาพภูมิอากาศ: การคาดการณ์การเปลี่ยนแปลงอุณหภูมิและปริมาณน้ำฝนทั่วโลกและระดับภูมิภาคภายใต้สถานการณ์การปล่อยก๊าซต่างๆ สำหรับ IPCC
- ผลกระทบต่อทรัพยากรน้ำ: การจำลองการเปลี่ยนแปลงของปริมาณน้ำท่า หิมะสะสม และการเติมน้ำใต้ดินในภูมิภาคที่เปราะบาง
- การวางแผนเกษตรกรรมและความมั่นคงทางอาหาร: การประเมินการเปลี่ยนแปลงผลผลิตพืชผลและผลิตภาพภายใต้สภาวะภูมิอากาศที่คาดการณ์ไว้
- การระบุลักษณะสภาพอากาศสุดขั้ว: การใช้กลุ่มตัวอย่างขนาดใหญ่ของการจำลอง GCM เพื่อวัดปริมาณว่าการเปลี่ยนแปลงสภาพภูมิอากาศที่เกิดจากมนุษย์เปลี่ยนแปลงความน่าจะเป็นของคลื่นความร้อน น้ำท่วม หรือภัยแล้งอย่างไร
วิธีการทำงาน
วิธีการทำงาน
ข้อมูลจากการสังเกต (อุณหภูมิ ปริมาณน้ำฝน อุณหภูมิมหาสมุทร ขอบเขตน้ำแข็ง ความเข้มข้นของก๊าซเรือนกระจก) ถูกรวบรวมเพื่อเริ่มต้นและตรวจสอบความถูกต้องของแบบจำลอง ข้อมูลภูมิอากาศโบราณจำกัดการจำลองในอดีต
สภาวะเริ่มต้น (สถานะปัจจุบันของบรรยากาศ มหาสมุทร และพื้นผิวโลก) ถูกเตรียมขึ้น พารามิเตอร์ของแบบจำลองและการนำเสนอกระบวนการทางกายภาพ (เมฆ การพาความร้อน การแผ่รังสี) ถูกปรับเทียบกับข้อมูลจากการสังเกต
แบบจำลองถูกรวมไปข้างหน้าตามเวลา คำนวณการเปลี่ยนแปลงของตัวแปรพยากรณ์ทั้งหมด การวินิจฉัย (เช่น อุณหภูมิเฉลี่ยทั่วโลก รูปแบบปริมาณน้ำฝน โหมดการไหลเวียน) ถูกตรวจสอบระหว่างการรวม
ช่วงเวลาหลายร้อยถึงหลายพันช่วงเวลาจำลองความแปรปรวนและการเปลี่ยนแปลงของภูมิอากาศ สมาชิกกลุ่มตัวอย่างหลายกลุ่ม (แตกต่างกันเล็กน้อยในสภาวะเริ่มต้น) มักจะถูกรันเพื่อประเมินความไม่แน่นอนและความแข็งแกร่งของการคาดการณ์
ตัวแปรภูมิอากาศที่จำลองได้ถูกเปรียบเทียบกับข้อมูลจากการสังเกตเพื่อประเมินทักษะของแบบจำลอง การคาดการณ์จะถูกวิเคราะห์เพื่อระบุภูมิภาคที่มีการเปลี่ยนแปลงที่แข็งแกร่งและแหล่งที่มาของความไม่เห็นด้วยของแบบจำลอง
ข้อผิดพลาดที่พบบ่อย
- การตีความรายละเอียดระดับภูมิภาคในผลลัพธ์ของ GCM มากเกินไปโดยไม่มีการลดขนาดหรือการวัดปริมาณความไม่แน่นอนของกลุ่มตัวอย่าง
- การใช้ GCM เดียวเป็นการคาดการณ์ที่แน่นอนโดยไม่พิจารณาช่วงของการคาดการณ์จากแบบจำลองหลายแบบ
- การละเลยความไม่แน่นอนในการเริ่มต้นแบบจำลองและความไม่แน่นอนของโครงสร้างเมื่อประเมินสถานการณ์สภาพภูมิอากาศในอนาคต
คำถามที่พบบ่อย
การคาดการณ์ของ GCM มีความแม่นยำเพียงใด?
GCMs จำลองความแปรปรวนของภูมิอากาศที่สังเกตได้ในช่วงเวลาตั้งแต่ฤดูกาลถึงทศวรรษได้อย่างมีทักษะ โดยมีค่าสัมประสิทธิ์สหสัมพันธ์ 0.8+ สำหรับรูปแบบอุณหภูมิระดับภูมิภาค อย่างไรก็ตาม ความไม่แน่นอนจะเพิ่มขึ้นตามช่วงเวลาของการคาดการณ์และในระดับภูมิภาค ณ ปี 2100 การกระจายของกลุ่มตัวอย่าง (ช่วงระหว่าง GCMs ที่แตกต่างกัน) มักจะเทียบเท่ากับสัญญาณที่ถูกบังคับ ซึ่งหมายความว่าเราสามารถมั่นใจในทิศทางและขนาดโดยรวมของการเปลี่ยนแปลง แต่ไม่แน่นอนเกี่ยวกับค่าที่แน่นอน
อะไรคือความแตกต่างระหว่าง GCMs และ Earth System Models?
GCMs จำลองภูมิอากาศทางกายภาพ (บรรยากาศ มหาสมุทร น้ำแข็ง พื้นดิน) ที่ขับเคลื่อนโดยการบังคับภายนอกที่กำหนดไว้ล่วงหน้า (ก๊าซเรือนกระจก ละอองลอย) Earth System Models เพิ่มโมดูลแบบโต้ตอบสำหรับวงจรคาร์บอน เคมีในบรรยากาศ และพลวัตของระบบนิเวศ ESMs มีความซับซ้อนมากกว่า แต่ให้การป้อนกลับแบบควบคู่ GCMs นั้นง่ายกว่าและใช้ต้นทุนการคำนวณน้อยกว่าสำหรับการคาดการณ์แบบกลุ่มตัวอย่าง
เหตุใด GCMs ที่แตกต่างกันจึงให้การคาดการณ์ภูมิอากาศที่แตกต่างกัน?
GCMs แตกต่างกันในความละเอียดเชิงพื้นที่ การแบ่งพารามิเตอร์ของกระบวนการย่อยกริด (เมฆ การพาความร้อน) โครงสร้างพื้นผิวโลก การผสมผสานมหาสมุทร และการเลือกพารามิเตอร์ ความแตกต่างเหล่านี้ทำให้เกิดการป้อนกลับของภูมิอากาศที่แตกต่างกัน โดยเฉพาะอย่างยิ่งการป้อนกลับของเมฆ ซึ่งแตกต่างกันไปในแต่ละแบบจำลอง การใช้ GCMs หลายแบบ (แนวทางกลุ่มตัวอย่างหลายแบบจำลอง) เป็นสิ่งจำเป็นในการจำแนกลักษณะความไม่แน่นอน
GCMs สามารถพยากรณ์อากาศล่วงหน้าได้หลายสัปดาห์หรือหลายเดือนหรือไม่?
GCMs ไม่ได้ออกแบบมาสำหรับการพยากรณ์อากาศ พวกขาดขั้นตอนการเริ่มต้นและการรวมข้อมูลที่ใช้ในแบบจำลองสภาพอากาศ GCMs บางครั้งสามารถให้ทักษะการพยากรณ์ตามฤดูกาล (เช่น การบังคับของ El Niño สามารถพยากรณ์ความผิดปกติของอุณหภูมิ/ปริมาณน้ำฝนล่วงหน้า 3–6 เดือน) แต่นี่ไม่ใช่จุดประสงค์หลัก การพยากรณ์อากาศใช้แบบจำลองพิเศษ (เช่น ECMWF, NOAA GEFS) ที่อัปเดตทุกวันด้วยข้อมูลจากการสังเกต
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Manabe, S., & Wetherald, R. T. (1975). The effects of doubling the CO2 concentration on the climate of a general circulation model. Journal of the Atmospheric Sciences, 32(1), 3-15.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วIPCC (2021). Climate Change 2021: The Physical Science Basis. Sixth Assessment Report.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว