Als einer der Brennpunkte des Klimawandels erlebte Zentralasien in der Vergangenheit eine deutliche Erwärmung und wird in Zukunft sehr wahrscheinlich mehr Hitzewellen und Dürreereignisse erleben.
Aufgrund des Mangels an hochauflösenden Klimaprojektionsdatensätzen ist es schwierig, die potenziellen Auswirkungen zukünftiger Klimaänderungen auf viele Sektoren in Zentralasien, insbesondere auf ökologische und hydrologische Systeme, zu untersuchen.
Um dieses Problem anzugehen, erstellte eine Forschungsgruppe unter der Leitung von Prof. Feng Jinming vom Institute of Atmospheric Physics (IAP) der Chinesischen Akademie der Wissenschaften einen Klimaprojektionsdatensatz mit einer Auflösung von 9 km in Zentralasien, der auf der dynamischen Herunterskalierung von Ergebnissen mehrerer global korrigierter Verzerrungen basiert Klimamodellen, kurz HCPD-CA genannt.
Dieser Datensatz umfasst zwei Zeiträume: 1986–2005 und 2031–2050. Es verwendet das Emissionsszenario RCP4.5 und umfasst vier geostatische Variablen und zehn meteorologische Elemente, die verwendet werden können, um die meisten ökologischen und hydrologischen Modelle zu steuern.
Entsprechende Ergebnisse wurden in veröffentlicht Erdsystemwissenschaftliche Daten.
In der Studie wurde der HCPD-CA-Datensatz auf verschiedenen Zeitskalen ausgewertet. Die Ergebnisse zeigten, dass der Datensatz eine hohe Genauigkeit bei der Beschreibung der historischen Klimatologie in Zentralasien aufwies.
Darüber hinaus bewerteten die Forscher die prognostizierten Veränderungen (2031–2050 vs. 1986–2005) in den zehn meteorologischen Elementen. Sie fanden heraus, dass die Lufttemperatur an der Oberfläche sowie die nach unten gerichtete kurzwellige und langwellige Strahlung voraussichtlich erheblich zunehmen würden, mit geringfügigen Änderungen bei anderen Elementen.
Die horizontale Auflösung dieses Datensatzes steigt von ≥30 km auf 9 km, was seine Genauigkeit erheblich verbessert, insbesondere in den Bergregionen. Mehrere globale Klimamodelle werden verwendet, um das regionale Klimamodell zu steuern, was die Unsicherheiten in den herunterskalierten Ergebnissen reduzieren kann, die durch die Fahrdaten hervorgerufen werden. Darüber hinaus wird die Klimatologie der Fahrdaten mit den Reanalysedaten Bias-korrigiert, was die Bias in den regionalen Klimasimulationen weitgehend reduziert.
Zentralasien ist stark agrarisch geprägt. Um die potenziellen Auswirkungen der prognostizierten Klimaänderungen auf die lokale Landwirtschaft in Zentralasien zu verstehen, berechnete die Forschungsgruppe außerdem sechs agroklimatische Indikatoren und analysierte die prognostizierten Änderungen (2031–2050 vs. 1986–2005) dieser Indikatoren. Die entsprechende Studie wurde in veröffentlicht Fortschritte in den Atmosphärenwissenschaften.
„Agrarklimatische Indikatoren sind Stellvertreter für die Auswirkungen von Wetter und Klima auf bestimmte landwirtschaftliche Aktivitäten und sowohl praktisch als auch verständlich für Landwirte und politische Entscheidungsträger“, sagte Prof. Feng Jinming, korrespondierender Autor der Studie.
Die Ergebnisse zeigten, dass die Länge der Vegetationsperiode (GSL), die Sommertage (SD), der Warmperiodendauerindex (WSDI) und die Tropentage (TD) voraussichtlich signifikant zunehmen und die Frosttage (FD) in der Zwischenzeit signifikant abnehmen sollten. Die prognostizierten Änderungen der biologisch effektiven Gradtage (BEDD) waren räumlich heterogen, mit einem Anstieg in Nord-CA und den Berggebieten und einem Rückgang in anderen Gebieten.
Fünf dieser sechs Indikatoren bezogen sich auf absolute Temperaturschwellenwerte und reagierten empfindlich auf systematische Verzerrungen in den dynamisch herunterskaliert Ergebnissen. „Daher haben wir zunächst die Quantil-Mapping-Methode angewendet, um die herunterskalierten Ergebnisse zu korrigieren. Wir haben festgestellt, dass die Bias-Korrektur-Methode die Verzerrungen in den Indikatoren weitgehend reduziert hat, was die Projektion vernünftiger macht“, sagte Dr. Qiu Yuan, Hauptautor des lernen.
Das HCPD-CA-Datensatz und der Hochauflösender Projektionsdatensatz agroklimatischer Indikatoren über Zentralasien werden im National Tibetan Plateau Data Center archiviert.
Yuan Qiu et al, HCPD-CA: hochauflösender Klimaprojektionsdatensatz in Zentralasien, Erdsystemwissenschaftliche Daten (2022). DOI: 10.5194/essd-14-2195-2022
Yuan Qiu et al., Hochauflösender Projektionsdatensatz agroklimatischer Indikatoren über Zentralasien, Fortschritte in den Atmosphärenwissenschaften (2022). DOI: 10.1007/s00376-022-2008-3