Assessment of future Central African air temperatures under the CMIP5 and CMIP6 project scenarios

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Based on the results of the historical experiment of the CMIP5 and CMIP6 projects, the effectiveness of the scenario estimates (RCP/SSP1 2.6, RCP/SSP2 4.5 and RCP/SSP5 8.5) of the future air temperature for Central Africa for the IPSL and BCC global climate models is evaluated and the simulation results of these projects are compared with each other and with the observations of meteorological stations in the region, both for the historical experimental period and with the observations of recent years for the implementation of future climate projections. Based on historical experiment and future evaluations over the past 16 years, it has been determined that the CMIP6 project model versions are no more effective than the CMIP5 results when compared with observational data. Due to the fact that the differences between observational and modeling data are systematic, the results of scenario estimates were adjusted according to the principle of similarity of temperature growth rates for the historical observation period and the future scenario period untilthe end ofthe 21st century, which is divided into 3 intervalsfor estimating average values: 2011–2040, 2041–2070 and 2071–2100. Future air temperatures in Central Africa were estimated both forthe average values for theterritory and for thetemperatures of individual weather stations based on the adjusted scenario values, which differed in CMIP5 and CMIP6 by no more than 0.1°С. It was found that the average temperature increase over the territory in all months by the end of the 21st century reaches 2.0–2.3°C, and according to estimates at individual weather stations, spatial distributions of future temperatures were obtained, which show the greatest increase in the north of the region near the Sahel.

Авторлар туралы

Magbini Mami

Russian State Hudrometeorological University

79 Voronezhskaya St., St. Petersburg 192007, Russia

Vladimir Lobanov

Russian State Hudrometeorological University

79 Voronezhskaya St., St. Petersburg 192007, Russia

Nadezhda Korotkova

Saratov State University

83, Astrakhanskaya Str., Saratov, 410012, Russia

Әдебиет тізімі

  1. Salman S. A., Shahid S., Afan H. A., Shiru M. S., AlAnsari N., Yaseen Z. M. Changes in climatic water availability and crop water demand for Iraq region // Sustainability. 2020. Vol. 12. P. 3437. https://doi.org/10.3390/su12083437
  2. Nashwan M. S., Shahid S. Future precipitation changes in Egypt under the 1.5 and 2.0°C global warming goals using CMIP6 multimodel ensemble // Atmospheric Research. 2022. Vol. 265. Article number 105908. https://doi.org/10.1016/j.atmosres.2021.105908
  3. Hamed M. M., Nashwan M. S., Shahid S. A novel selection method of CMIP6 GCMs for robust climate projection // International Journal of Climatology. 2022. Vol. 42. P. 4258– 4272. https://doi.org/10.1002/joc.7461
  4. Salehie O.; Ismail T. B., Hamed M. M., Shahid S., Idlan Muhammad M. K. Projection of Hot and Cold Extremes in the Amu River Basin of Central Asia using GCMs CMIP6 // Stochastic Environmental Research and Risk Assessment. 2022. Vol. 36, iss. 10. P. 1–22. https://doi.org/10.1007/s00477-022-02201-6
  5. Salehie O., Ismail T. B., Hamed M. M., Shahid S., Idlan Muhammad M. K. Selection of CMIP6 GCM with projection of climate over the Amu Darya River Basin // Theoretical and Applied Climatology. 2022. № 2. P. 1–19. https://doi.org/10.21203/rs.3.rs-1031530/v1
  6. Hartmann D. L. Chapter 11-Global Climate Models // Global physical climatology. 2nd ed. Boston : Elsevier, 2016. P. 325–360.
  7. Taylor K. E., Balaji V., Hankin S., Juckes M., Lawrence B., Pascoe S. CMIP5 data reference syntax (DRS) and controlled vocabularies. PCMDI: San Francisco Bay Area, 2011. https://pcmdi.llnl.gov/mips/cmip5/docs/cmip5_data_reference_syntax_v1-01... (дата обращения: 10.05.2022).
  8. Hamed M. M., Nashwan M. S., Shahid S., Ismail T. B., Wang X. J., Dewan A., Asaduzzaman M. Inconsistency in historical simulations and future projections of temperature and rainfall: A comparison of CMIP5 and CMIP6 models over Southeast Asia // Atmospheric Research. 2022. Vol. 265. P. 105927. https://doi.org/10.1016/j.atmosres.2021.105927
  9. Weigel A. P., Knutti R., Liniger M. A., Appenzeller C. Risks of model weighting in multimodel climate projections // Journal of Climate. 2010. Vol. 23. P. 4175–4191. https://doi.org/10.1175/2010JCLI3594.1
  10. Hamed M. M., Nashwan M. S., Shahid S. Inter-comparison of Historical Simulation and Future Projection of Rainfall and Temperature by CMIP5 and CMIP6 GCMs Over Egypt // International Journal of Climatology. 2022. Vol. 42. P. 4316– 4332. https://doi.org/10.1002/joc.7468
  11. Song Y. H., Nashwan M. S., Chung E. S., Shahid S. Advances in CMIP6 INM-CM5 over CMIP5 INM-CM4 for precipitation simulation in South Korea // Atmospheric Research. 2021. Vol. 247. Article number 105261. https://doi.org/10.1016/j.atmosres.2020.105261
  12. Eyring V., Bony S., Meehl G. A., Senior C. A., Stevens B., Stouffer R. J., Taylor K. E. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization // Geoscientific Model Development. 2016. Vol. 9. P. 1937–1958. https://doi.org/10.5194/gmd-9-1937-2016
  13. Shiru M. S., Chung E. S., Shahid S., Wang X.-J. Comparison of precipitation projections of CMIP5 and CMIP6 global climate models over Yulin China // Theoretical and Applied Climatology. 2022. Vol. 147. P. 535–548. https://doi.org/10.21203/rs.3.rs-628014/v1
  14. Song Y. H., Chung E. S., Shahid S. Spatiotemporal differences and uncertainties in projections of precipitation and temperature in South Korea from CMIP6 and CMIP5 general circulation models // International Journal of Climatology. 2021. Vol. 41. P. 5899–5919. https://doi.org/10.1002/joc.7159
  15. Ortega G., Arias P. A., Villegas J. C., Marquet P. A., Nobre P. Present-day and future climate over central and South America according to CMIP5/CMIP6 models // International Journal of Climatology. 2021. Vol. 41. P. 6713–6735. https://doi.org/10.1002/joc.7221
  16. Zamani Y., Hashemi Monfared S. A., Azhdari Moghaddam M., Hamidianpour M. A comparison of CMIP6 and CMIP5 projections for precipitation to observational data: The case of Northeastern Iran // Theoretical and Applied Climatology. 2020. Vol. 142. P. 1613–1623. https://doi.org/10.1007/s00704-020-03406-x
  17. Chen C.-A., Hsu H.-H., Liang H.-C. Evaluation and comparison of CMIP6 and CMIP5 model performance in simulating the seasonal extreme precipitation in the Western North Pacific and East Asia // Weather and Climate Extremes 2021. Vol. 31. Article number 100303. https://doi.org/10.1016/j.wace.2021.100303
  18. Ayugi B., Jiang Z., Zhu H., Ngoma H., Babaousmail H., Karim R., Dike V. Comparison of CMIP6 and CMIP5 models insimulating mean and extreme precipitation over East Africa // International Journal of Climatology. 2021. Vol. 41. P. 6474– 6496. https://doi.org/10.1002/joc.7207
  19. Bourdeau-Goulet S. C., Hassanzadeh E. Comparisons Between CMIP5 and CMIP6 Models: Simulations of Climate Indices Influencing Food Security, Infrastructure Resilience, and Human Health in Canada // Earth’s Future. 2021. Vol. 9. Article number e2021EF001995. https://doi.org/10.1029/2021EF001995
  20. Lun Y., Liu L., Cheng L., Li X., Li H., Xu Z. Assessment of GCMs simulation performance for precipitation and temperature from CMIP5 to CMIP6 over the Tibetan Plateau // International Journal of Climatology. 2021. Vol. 41. P. 3994– 4018. https://doi.org/10.1002/joc.7055
  21. Наука и инновации – современные концепции: сборник научных статей по итогам работы Международного научного форума / ответственный редактор Д. Р. Хисматуллин. Москва : Инфинити, 2022. 236 с.
  22. Лобанов В. А., Кириллина К. С. Современные и будущие изменения климата Республики Саха (Якутия). СанктПетербург : Издательство РГГМУ, 2019. 157 с.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».