Информация об экстремальных осадках имеет решающее значение для различных секторов общества, например, для проектирования канализационных и дренажных систем, дорог и туннелей, сельского хозяйства и страховой отрасли. Растет консенсус в отношении того, что из-за изменения климата характеристики экстремальных осадков могут измениться.
Для того чтобы спрогнозировать изменение экстремальных осадков, данные климатической модели были проанализированы и сопоставлены с данными наблюдений. Часто эта оценка проводится с точки зрения значений индекса, таких как эмпирический 90% годового количества осадков за каждый год или максимальное количество осадков за 1 день или 5 дней в году.
Этот подход показывает эволюцию экстремальных значений осадков с течением времени. Однако показатели имеют в основном период окупаемости не более 1 года, что имеет незначительное значение для планирования гидротехнических сооружений, которые, как правило, должны выдерживать события с гораздо более длительными периодами окупаемости.
Для оценки изменений в этих редких явлениях распределение экстремальных значений было рассчитано на экстремальные значения для двух подмножеств данных, представляющих текущий (например, 1980-2010) и будущий (например, 2070-2100) климат (например, 2070-2100) с допущением стационарности во временных разрезах.
Рассмотрение только двух временных срезов не дает представления об эволюции экстремальных явлений, что необходимо, например, в случае заинтересованности в риске аварии гидротехнического сооружения в течение ожидаемого срока его службы. Кроме того, выбор временных срезов вносит дополнительную неопределенность. Небольшое смещение временных срезов может оказать значительное влияние на предполагаемое изменение.
В качестве альтернативы использовались экстремальные распределения значений с параметрами, зависящими от времени, которые позволяют учитывать полный период времени.
Оценка изменений в редких экстремальных ситуациях подвержена значительной неопределенности. Общим способом снижения неопределенности оценки является анализ региональных частот (RFA), в котором используются сходства между различными объектами в регионе. RFA в основном применяется к (годовым) максимумам блоков (BM). Альтернативой КМ является рассмотрение всех пиков выше (высокого) порога (POT), что часто является предпочтительным из-за более эффективного использования данных.
Региональная модель пика над порогом, сочетающая подход RFA и данные POT, которые могут быть использованы для анализа экстремальных уровней осадков в изменяющемся климате, была разработана Ротом и другими (2012 г.). В этой модели для учета изменения экстремальной частоты осадков используется порог временного колебания, который определяется квантильной регрессией. Предельные распределения избытков описываются обобщенными распределениями Парето (GPD) с параметрами, которые могут изменяться во времени, а их пространственные изменения моделируются методом индексного паводка (IF).
Выбор порогового значения является решающим шагом в применении подхода POT. Однако стандартной процедуры для этого пока нет, и обычно она основывается на визуальных инструментах. Среди них популярным является построение графика изменения расчетного параметра формы GPD или среднего превышения превышения превышений над высотой порога.
К сожалению, эти графики редко дают четкое представление о том, какой квантиль следует использовать для определения порогового значения. В настоящем исследовании отдельные графики усреднены по региону для того, чтобы сделать желаемую постоянную или линейную структуру более очевидной.
Ежедневные осадки от двух моделей региональной климатической модели (РКМ) на основе различных моделей общей циркуляции (МОЦ) и данных наблюдений на сетке координат анализируются для Нидерландов и северо-западной Германии. Вместо того, чтобы связывать параметры модели POT с временем, для учета эволюции климата используется ковариант, основанный на температуре.
Обсуждается коррекция смещения уровней возврата от моделирования региональных климатических моделей. В дополнение к изменениям в уровне доходности, мы представляем проектный уровень, основанный на оценке риска, который недавно был введен.
Данные по региону и осадкам
Пространственная область исследования включает Нидерланды и часть северо-западной Германии, примерно к северо-западу от линии Кельн-Гамбург. Регион относительно плоский с холмами до 300 м на крайнем юге и юго-востоке.
Средняя высота над уровнем моря составляет около 60% квадратов сетки ниже 25 м и только менее 5% квадратов сетки выше 100 м. Наблюдаемые среднегодовые суммарные значения осадков для рассматриваемых точек сетки, которые варьируются от 650 мм до 850 мм, без четкой пространственной структуры. Данные об осадках представлены на вращающейся полюсной сетке, и в общей сложности 158 точек сетки попадают в указанный регион.
Для этого региона рассмотрены два моделирования переходных процессов с 1950 по 2100 гг. в рамках RACMO2 RCM Королевского Метеорологического Института Нидерландов. Первая была проведена ECHAM5 GCM , разработанным в Институте метеорологии им. Макса Планка в Гамбурге, а вторая - Модель GCM для междисциплинарных исследований климата (MIROC).
В следующих двух симуляциях эти модели обозначаются как R/ECHAM5 и R/MIROC. Эта модель выбрана для данного примера, потому что прогнозы осадков у них весьма разные, хотя обе модели основаны на сценарии выбросов SRES A1B.
Температура в ковариате
Ожидается, что усиление эффекта парниковых газов будет небольшим или несуществующим в первые десятилетия моделирования и увеличится к концу 20-го века. Это не согласуется с простым линейным трендом пороговых и GPD параметров с течением времени. Вместо применения более сложных взаимосвязей со временем, приводящих к увеличению неопределенности оценок, используется ковариатив, который считается репрезентативным для усиления эффекта парниковых газов.
С повышением температуры повышается водоудерживающая способность атмосферы. Поскольку экстремальные осадки сильно зависят от наличия осаждаемой воды, температура является естественной ковариантной величиной для нестационарного подхода POT. Ханель и другие в 2009 году использовали сезонную глобальную аномалию температуры от вождения GCM в качестве ковариантной.
Тем не менее, отличительной особенностью ковариативности стандартного времени является то, что тенденции во времени легко сравнимы между различными моделями. Для поддержания этого свойства и с учетом общего сценария движения, рассматривается общая, региональная температурная ковариата.
Сначала определяется для каждого года средняя сезонная температура в данных R/ECHAM5 и R/MIROC, агрегированных по всем ячейкам сетки в области RACMO2 с не менее чем 50% земной поверхности. Эти средние сезонные температуры были усреднены для двух климатических моделей, и затем были вычислены аномалии по отношению к контрольному периоду. Аномалии температуры разлагаются на краткосрочную зависимую и возрастающую компоненты с использованием монотонной регрессии.
За период регулирования наблюдаемый тренд температуры больше, чем (усредненный) тренд климатического моделирования в этом регионе. Van Oldenborgh и другие в 2009 году исследовали несколько объяснений более сильного наблюдаемого, чем моделируемое потепление в Западной Европе, наиболее важным из которых является более сильная тенденция к западной циркуляции зимой и более сильная тенденция к более коротковолновой радиации летом, чем моделирование климатических моделей. Ярко выраженный тренд наблюдаемой температуры учитывается в альтернативной ковариате, основанной на монотонной регрессии, соответствующей наблюдаемым сезонным аномалиям температуры.