1. Introduction[2] The concept of c

1. Introduction

[2] The concept of climate change Hot-Spot can be approached from the viewpoint of vulnerability or from that of climate response. In the former case a Hot-Spot can be defined as a region for which potential climate change impacts on the environment or different activity sectors can be particularly pronounced. In the latter case, a Hot-Spot can be defined as a region whose climate is especially responsive to global change. In particular, the characterization of climate response-based Hot-Spots can provide key information to identify and investigate primary processes of regional climate change. From these premises, here the response approach is adopted to investigate climate change Hot-Spots based on results from a multi-model ensemble of climate change simulations performed by modeling groups from around the world as contributions to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change (IPCC) (see the Program for Climate Model Diagnosis and Intercomparison, or PCMDI, http://www-pcmdi.llnl.gov).

[3] A Regional Climate Change Index (RCCI) is defined based on four variables: change in regional mean surface air temperature relative to the global average temperature change (or Regional Warming Amplification Factor, RWAF), change in mean regional precipitation (ΔP, % of present day value), change in regional surface air temperature interannual variability (ΔσT, % of present day value), change in regional precipitation interannual variability (ΔσP, % of present day value). In the definition of the RCCI it is important to include quantities other than the mean change because often mean changes are not the only important factors for determining impacts [e.g., Mearns et al., 2001]. We thus also include interannual variability, which is critical for many activity sectors, such as agriculture or water management. The RCCI is calculated for the above mentioned set of global climate change simulations and is intercompared across regions to identify climate change Hot-Spots, that is regions with the largest values of RCCI.

[4] It is important to stress that, as will be seen, the RCCI is a comparative index, that is a small RCCI value does not imply a small absolute change, but only a small climate response compared to other regions.
2. Methodology

[5] Here “change” indicates the difference between the future 20-year climate period of 2080–2099 and a present day climate period minimally affected by greenhouse gas (GHG) forcing (1960–1979). As will be discussed later, the particular choice of these periods does not affect the basic conclusions of this paper. As a measure of temperature interannual variability we use the interannual standard deviation (σT) calculated for the selected 20-year periods. As a measure of precipitation variability we use the coefficient of variation (i.e., the standard deviation divided by the mean, here denoted as σP), which removes the dependency of the precipitation standard deviation on the mean. Both σT and σP are calculated after de-trending the data over the 20-year periods to obtain unbiased estimates of variability [Räisänen, 2002].

[6] The RCCI is calculated using wet season (WS) and dry season (DS) (Table 2) [as defined by Giorgi and Bi, 2005a, hereinafter referred to as GB05a] temperature and precipitation over 26 land regions of the world (see Figure 1) from 20 global model simulations (some including multiple realizations) of 20th and 21st climate under forcing from 3 IPCC emission scenarios, A1B, B1 and A2 [Intergovernmental Panel on Climate Change, 2000]. Note that these scenarios almost encompass the entire IPCC scenario range, the A2 being close to the high end of the range, the B1 close to the low end and the A1B lying toward the middle of the range. The model data are obtained from the PCMDI site and are interpolated onto a common 1 degree grid to facilitate intercomparison. More details on the data, models, simulations and definitions of regions are given by GB05a. The RCCI is defined as


where n is an integer varying from 0 to 4 as described in Table 1. Note that small changes below a certain threshold do not contribute to the index (n = 0) and that larger changes are weighted more heavily (i.e., the factor n doubles from each category to the next). As an illustrative example, ΔP is the change (2080–2099 minus 1960–1979) in average precipitation for a given region in Figure 1, (where only land points are included in the regional average, see GB05a) and is obtained via the following steps: 1) Calculate ΔP for each individual region and model simulation; 2) Average over the different realizations for the same model (if available); 3) Ensemble average over the different available models; 4) Average over the three scenarios (A1B, A2, B1). The same procedure is used to calculate the average regional values of RWAF, ΔσT and ΔσP.


Figure 1.

Open in figure viewer
Regional Climate Change Index (RCCI) over 26 land regions of the World ca

ผลลัพธ์ (ไทย) 1:

บทนำ[2] แนวคิดของการเปลี่ยนแปลงภูมิอากาศจุดร้อนสามารถเข้าหาได้ จากจุดชมวิวช่องโหว่ หรือ จากที่ตอบสนองสภาพภูมิอากาศ ในกรณีอดีต จุดร้อนสามารถกำหนดไว้เป็นพื้นที่สำหรับการเปลี่ยนแปลงสภาพภูมิอากาศซึ่งอาจเกิดผลกระทบต่อสภาพแวดล้อมหรือกิจกรรมต่าง ๆ ภาคสามารถได้โดยเฉพาะอย่างยิ่งการออกเสียง ในกรณี latter สามารถกำหนดจุดร้อนเป็นบริเวณที่มีสภาพภูมิอากาศตอบสนองต่อการเปลี่ยนแปลงโดยเฉพาะอย่างยิ่ง โดยเฉพาะอย่างยิ่ง สมบัติของอากาศที่สามารถให้การตอบสนองตามจุดร้อนคีย์ข้อมูลการระบุ และตรวจสอบกระบวนการหลักของการเปลี่ยนแปลงสภาพภูมิอากาศระดับภูมิภาค จากสถานที่เหล่านี้ ที่นี่วิธีการตอบสนองจะนำไปตรวจสอบจุดร้อนยึดตามผลจากวงหลายรุ่นของจำลองการเปลี่ยนแปลงสภาพภูมิอากาศโดยโมเดลกลุ่มจากทั่วโลกเป็นผลงานการรายงานประเมินสี่แผงบนสภาพภูมิอากาศเปลี่ยนแปลง (IPCC) ว่าด้วยการเปลี่ยนแปลงสภาพอากาศ (ดูโปรแกรมสำหรับ http://www-pcmdi.llnl.gov การ วินิจฉัยแบบจำลองสภาพภูมิอากาศ และ Intercomparison หรือ PCMDI )[3] A Regional Climate Change Index (RCCI) is defined based on four variables: change in regional mean surface air temperature relative to the global average temperature change (or Regional Warming Amplification Factor, RWAF), change in mean regional precipitation (ΔP, % of present day value), change in regional surface air temperature interannual variability (ΔσT, % of present day value), change in regional precipitation interannual variability (ΔσP, % of present day value). In the definition of the RCCI it is important to include quantities other than the mean change because often mean changes are not the only important factors for determining impacts [e.g., Mearns et al., 2001]. We thus also include interannual variability, which is critical for many activity sectors, such as agriculture or water management. The RCCI is calculated for the above mentioned set of global climate change simulations and is intercompared across regions to identify climate change Hot-Spots, that is regions with the largest values of RCCI.[4] It is important to stress that, as will be seen, the RCCI is a comparative index, that is a small RCCI value does not imply a small absolute change, but only a small climate response compared to other regions.2. Methodology[5] Here “change” indicates the difference between the future 20-year climate period of 2080–2099 and a present day climate period minimally affected by greenhouse gas (GHG) forcing (1960–1979). As will be discussed later, the particular choice of these periods does not affect the basic conclusions of this paper. As a measure of temperature interannual variability we use the interannual standard deviation (σT) calculated for the selected 20-year periods. As a measure of precipitation variability we use the coefficient of variation (i.e., the standard deviation divided by the mean, here denoted as σP), which removes the dependency of the precipitation standard deviation on the mean. Both σT and σP are calculated after de-trending the data over the 20-year periods to obtain unbiased estimates of variability [Räisänen, 2002].[6] The RCCI is calculated using wet season (WS) and dry season (DS) (Table 2) [as defined by Giorgi and Bi, 2005a, hereinafter referred to as GB05a] temperature and precipitation over 26 land regions of the world (see Figure 1) from 20 global model simulations (some including multiple realizations) of 20th and 21st climate under forcing from 3 IPCC emission scenarios, A1B, B1 and A2 [Intergovernmental Panel on Climate Change, 2000]. Note that these scenarios almost encompass the entire IPCC scenario range, the A2 being close to the high end of the range, the B1 close to the low end and the A1B lying toward the middle of the range. The model data are obtained from the PCMDI site and are interpolated onto a common 1 degree grid to facilitate intercomparison. More details on the data, models, simulations and definitions of regions are given by GB05a. The RCCI is defined aswhere n is an integer varying from 0 to 4 as described in Table 1. Note that small changes below a certain threshold do not contribute to the index (n = 0) and that larger changes are weighted more heavily (i.e., the factor n doubles from each category to the next). As an illustrative example, ΔP is the change (2080–2099 minus 1960–1979) in average precipitation for a given region in Figure 1, (where only land points are included in the regional average, see GB05a) and is obtained via the following steps: 1) Calculate ΔP for each individual region and model simulation; 2) Average over the different realizations for the same model (if available); 3) Ensemble average over the different available models; 4) Average over the three scenarios (A1B, A2, B1). The same procedure is used to calculate the average regional values of RWAF, ΔσT and ΔσP.

Figure 1.

Open in figure viewer
Regional Climate Change Index (RCCI) over 26 land regions of the World ca

ผลลัพธ์ (ไทย) 3:

1 . แนะนำ[ 2 ] แนวคิดของการเปลี่ยนแปลงภูมิอากาศร้อน จุดสามารถเข้าหาจากมุมมองของความเสี่ยงหรือจากการตอบสนองของสภาพภูมิอากาศ ในกรณีอดีตจุดร้อนที่สามารถกำหนดเป็นเขตที่อาจเกิดขึ้นการเปลี่ยนแปลงภูมิอากาศ ผลกระทบต่อสิ่งแวดล้อม หรือกิจกรรมต่าง ๆได้โดยเฉพาะอย่างยิ่งภาคชัดเจน ในกรณีหลังนี้เป็นจุดที่ร้อนจะถูกกำหนดเป็นเขตที่มีภูมิอากาศโดยเฉพาะเพื่อตอบสนองการเปลี่ยนแปลงของโลก โดยเฉพาะอย่างยิ่ง การตอบสนองการใช้ฮอตสปอตสามารถให้ข้อมูลที่สำคัญที่จะระบุและตรวจสอบกระบวนการหลักของการเปลี่ยนแปลงสภาพภูมิอากาศในระดับภูมิภาค จากสถานที่เหล่านี้ ที่นี่การตอบสนองการใช้เพื่อศึกษาการเปลี่ยนแปลงภูมิอากาศร้อนจุดยึดผลลัพธ์จากหลายรูปแบบทั้งหมดของการเปลี่ยนแปลงสภาพภูมิอากาศ โดยการจำลองแบบกลุ่มจากทั่วโลกเป็นเงินสมทบที่สี่การประเมินรายงานของคณะกรรมการระหว่างรัฐบาลว่าด้วยการเปลี่ยนแปลงสภาพภูมิอากาศ ( IPCC ) ( ดู intercomparison แบบจำลองสภาพภูมิอากาศ และโปรแกรมสำหรับการวินิจฉัย , หรือ pcmdi , http : / / www pcmdi . LLNL . gov )[ 3 ] ในการเปลี่ยนแปลงภูมิอากาศ ( ดัชนี rcci ) หมายถึง ตัวแปรตาม : การเปลี่ยนแปลงใน 4 ภูมิภาคหมายถึงพื้นผิวอุณหภูมิอากาศ สัมพันธ์กับการเปลี่ยนแปลงของโลก อุณหภูมิเฉลี่ย ( หรือภูมิภาคร้อนแบบตัวประกอบ rwaf ) , การเปลี่ยนแปลงในการตกตะกอนในภูมิภาคหมายถึง ( Δ P , % ของค่าปัจจุบันวัน ) เปลี่ยนอุณหภูมิอากาศในภูมิภาค อัตราความแปรปรวน ( Δσ t , % ของค่าปัจจุบันวัน ) เปลี่ยนอัตราการตกตะกอนในภูมิภาค ( Δσ P , % ของค่าปัจจุบันวัน ) ในความหมายของ rcci มันเป็นสิ่งสำคัญที่จะรวมปริมาณอื่น ๆนอกเหนือจากการเปลี่ยนแปลงหมายถึงเพราะมักจะหมายถึงการเปลี่ยนแปลงไม่ได้เป็นเพียงองค์ประกอบที่สำคัญสำหรับการกำหนดผลกระทบ [ เช่น Mearns et al . , 2001 ) เราจึงยังมีอัตราความแปรปรวน ซึ่งเป็นสิ่งสำคัญสำหรับภาคกิจกรรมมากมาย เช่น การเกษตร การจัดการน้ำ การ rcci คำนวณสำหรับข้างต้นกล่าวถึงชุดของแบบจำลองการเปลี่ยนแปลงภูมิอากาศโลกและ intercompared ข้ามภูมิภาคเพื่อระบุการเปลี่ยนแปลงสภาพภูมิอากาศฮอตสปอต เป็นภูมิภาคที่มีค่ามากที่สุดของ rcci .[ 4 ] มันเป็นสิ่งสำคัญที่จะความเครียดที่เป็นจะเห็นได้ , rcci เป็นดัชนีเปรียบเทียบว่าเป็นค่า rcci ขนาดเล็กไม่ได้หมายความว่าเล็กเปลี่ยนแน่นอน แต่เพียงเล็ก ๆบรรยากาศการตอบสนองเมื่อเทียบกับภูมิภาคอื่น ๆ2 . วิธีการ[ 5 ] " เปลี่ยน " บ่งบอกความแตกต่างระหว่างภูมิอากาศในอนาคต 20 ปีระยะเวลา 2080 – 2099 และปัจจุบันสภาพภูมิอากาศระยะเวลาน้อยที่สุดที่ได้รับผลกระทบจากก๊าซเรือนกระจก ( GHG ) บังคับ ( 1960 – 1979 ) โดยจะกล่าวถึงในภายหลัง เลือกเฉพาะช่วงเวลาเหล่านี้จะไม่ส่งผลกระทบต่อข้อสรุปพื้นฐานของกระดาษนี้ เป็นการวัดอัตราความแปรปรวนของอุณหภูมิที่เราใช้ส่วนเบี่ยงเบนมาตรฐานอัตรา ( σ T ) คำนวณหาจำนวน 20 คาบ เป็นตัวชี้วัดของการตกตะกอนของเราใช้ค่าสัมประสิทธิ์การกระจาย ( เช่น ค่าส่วนเบี่ยงเบนมาตรฐาน โดยแบ่งออกหมายถึงที่นี่แทน เป็นσ P ) ซึ่งมีคุณสมบัติในการตกตะกอนเกิดความเบี่ยงเบนมาตรฐานบนหมายถึง ทั้งσ T และσ P คำนวณหลังจาก เดอ แนวโน้มข้อมูลผ่านระยะเวลา 20 ปีเพื่อขอรับการประเมินความแปรปรวน [ R และเป็นกลางและเป็นเณร , 2002 )[ 6 ] rcci คำนวณโดยใช้ฤดูฝน ( WS ) และฤดูแล้ง ( DS ) ( ตารางที่ 2 ) [ นิยามโดย Giorgi และ บี , 2005a , ต่อไปนี้เรียกว่า gb05a ] อุณหภูมิและปริมาณน้ำฝนมากกว่า 26 ที่ดิน ภูมิภาคของโลก ( ดูรูปที่ 1 ) จาก 20 แบบจำลองเชิงทั่วโลก ( รวมทั้งรับรู้หลาย 20 และ 21 ) ของอากาศภายใต้บังคับจาก 3 สถานการณ์ เล็ด IPCC a1b , B1 และแผงระหว่างรัฐบาลว่าด้วยการเปลี่ยนแปลงภูมิอากาศ A2 [ 2000 ] ทราบว่าสถานการณ์เหล่านี้จะครอบคลุมช่วงสถานการณ์รุนแรงทั้ง A2 อยู่ใกล้กับปลายสูงของช่วงที่ B1 ใกล้สิ้นสุดต่ำและ a1b โกหกต่อตรงกลางของช่วง ข้อมูล นายแบบที่ได้รับจาก pcmdi เว็บไซต์และขัดลงบนตารางเพื่ออำนวยความสะดวกทั่วไป 1 องศา intercomparison . รายละเอียดเพิ่มเติมเกี่ยวกับข้อมูลแบบจำลอง , จำลองและคำจำกัดความของภูมิภาค จะได้รับ โดย gb05a . rcci หมายถึงเมื่อ n เป็นจำนวนเต็มที่แตกต่างจาก 0 ถึง 4 ตามที่อธิบายไว้ใน ตารางที่ 1 หมายเหตุ การเปลี่ยนแปลงเล็ก ๆด้านล่างเกณฑ์บางอย่างไม่สนับสนุนดัชนี ( n = 0 ) และการเปลี่ยนแปลงขนาดใหญ่หนักหนัก ( เช่น ปัจจัย N คู่จากแต่ละประเภทให้ต่อไป ) เป็นตัวอย่างΔ , P คือเปลี่ยน ( 2080 ) 923 ลบ 1960 – 1979 ) ปริมาณน้ำฝนเฉลี่ยในภูมิภาคให้ 1 รูป ( ที่จุดที่ดินจะรวมอยู่ในค่าเฉลี่ยของภูมิภาคเห็น gb05a ) และได้ผ่านขั้นตอนต่อไปนี้ : 1 ) การคำนวณΔ p สำหรับแต่ละภูมิภาค และแบบจำลอง รุ่น 2 ) เฉลี่ยมากกว่า realizations ที่แตกต่างกันสำหรับรุ่นเดียวกัน ( ถ้ามี ) ; 3 ) ensemble เฉลี่ยมากกว่าที่แตกต่างกันของรูปแบบ ; 4 ) เฉลี่ยมากกว่าสามสถานการณ์ ( a1b A2 , B1 ) ขั้นตอนเดียวกันจะใช้ในการคำนวณค่าเฉลี่ยของภูมิภาค และΔσ rwaf Δσ T , Pรูปที่ 1เปิดดูรูปในดัชนีการเปลี่ยนแปลงภูมิอากาศระดับภูมิภาค (