prosessfase 1 analysere klimasårbarhet - tolke klimadata

Analysere klimasårbarhet:Tolke klimadata

Klimatilpasning

Tolke klimadata

Denne seksjonen gir en innledning til klimadata og hvordan bruke det effektivt. Følgende dekkes:• Hvordan regionaliserte klimadata er produserte.• Hvordan forstå og tolke regionaliserte klimadata.• Hvordan identifisere og kommunisere usikkerheter.

C. Aall, & D. Davies, 2012 Klimatilpasning Nettbasert opplæringressurs

Prosessfase 1Analysere klimasårbarhet: Tolke klimadata

What is climate data?To understand climate change and the need to adapt it is important to recognise the difference between weather and climate (MET Office, UK).

Weather is the temperature, precipitation (rain, hail, sleet and snow) and wind, which change hour by hour and day by day. When you want to know the weather, time and place are critical - you are interested in what is going to happen in the immediate future.

Climate data is different; the focus is on spatially and temporally averaged conditions. Climate data is commonly defined as the weather averaged over a long period of time, however, it can also include the magnitudes of day-to-day or year-to-year variations. To illustrate this the UK Met Office points out that while the weather brings different temperatures all over the world on a day to day basis, over a year we'd expect the global climate to bring an average temperature of about 14 °C.

http://www.metoffice.gov.uk/climate-change/guide/climate

The difference between climate and weather is usefully summarised by the popular phrase

“Climate is what you expect, weather is what you get.”

D. Davies, 2012 Klimatilpasning Nettbasert opplæringressurs


What is climate change?

Climate change refers to a multi-decadal or longer shifts, in one or more physical, chemical and/or biological components of the climate system.

It can be statistically measured as a change in some or all of the features associated with weather, such as temperature, wind, and precipitation, plus it can involve changes in average conditions (e.g. mean daily temperature) and the variability of the weather.

It can also be qualitatively observed and recorded in oral histories.

Climate change includes persistent changes in fauna and flora, snow cover, etc., and may occur in a specific region, or across the whole world.



Terminology Definition

Weather Describes atmospheric conditions at a particular place in terms of air temperature, pressure, humidity, wind speed, and precipitation

Climate Is often defined as the weather averaged over time (typically, 30 years).

Climate Variability Refers to variations in the mean state of climate on all temporal and spatial scales beyond that of individual weather events. Examples of climate variability include extended droughts, floods, and conditions that result from periodic El Niño and La Niña events.

Climate Change Refers to shifts in the mean state of the climate or in its variability, persisting for an extended period (decades or longer). Climate change may be due to natural changes or to persistent anthropogenic changes in the composition of the atmosphere or in land use.

Global Warming Global warming involves the accumulation of heat in Joules within the climate system, predominantly the oceans.

Definitions based on IPCC Climate Change 2001 and 2007 Impacts, Adaptation and Vulnerability reports



Regional climate forecastsRegionally relevant climate forecasts can be generated in two ways.

Data on the region can be extracted directly from Global Circulation Models (GCMs). Typically these data are of low resolution owing to the large spatial scales covered. However, they do show general trends and expectations.

Alternatively climate downscaling can be used to generate more specific forecasts for a particular region. These data will have higher resolution, but are more expensive and difficult to generate.



Downscaling climate dataThe overarching strategy is to connect global scale predictions and regional dynamics to generate regionally specific forecasts (climate-decisions.org).

There are three main techniques for generating useful local climate data.

1.Nesting a regional climate model into an existing GCMs. Once a specific location is defined driving factors from the GCM are applied to the regional climate model.

2.Statistical regressions that aim to establish the relationship between large scale variables derived from GCMs, and local level climate conditions.

3.Stochastic weather generators that use data, such as wind speed or other variables, generated from GCMs to predict the local result of driving variables.



Hvordan regionaliserte klimadata er produserte

Eksempler

• Historisk klimastatistikk www.senorge.no (interaktive kart og statistikk) I noen tilfeller lokal dato. Kan bestilles fra met.no, Bjerknessenteret eller Storm værsenter

• Standardisert og fri fra avgift nedskalerte klimaendringsprojeksjoner– www.senorge.no (interaktive kart)– www.klimatilpasning.no (ferdige kart)

• Tilpasset (og fri fra avgift!) nedskalerte klimaprojeksjoner– Kan bestilles fra met.no, Bjerknessenteret eller Storm værsenter



http://www.senorge.no/

http://www.senorge.no/

http://www.senorge.no


http://www.klimatilpasning.no


Noen grunnleggende begrep

• Klimaparametere og effektparametere utslipp

• Utslippsscenarioer og klimaendringsscenarioer

• Naturlig variasjon og klimasignal

Hvordan forstå og tolke regionaliserte klimadata.



Historisk klimastatistikk: Eksempler fra Norge



Gratis interaktivt kart: Eksempler fra Norge



Gratis standardisert kart: Eksempler fra Norge



Nedskalerte projeksjoner

Variasjon kontra middelverdier: Nedskalerte klimaprojeksjoner er ofte presenterte som middelverdien av ulike klimamodeller.

Dette gjennomsnittet er for eksempel brukt av den norske internettportalen senorge.no, som presenterer projeksjoner av klimaparametere som snøvarighet og temperatur for tidsperioden 2071-2100.

Gjennomsnittet er ofte feil tolket som ”den mest sannsynlige projeksjonen”.

Dette er imidlertid ikke helt riktig. Det er viktig å inkludere verdiområdet – også ekstreme verdier i hver ende – som alle i prinsippet utgjør like sannsynlige projeksjoner.



Hvordan er klimavarsler laget?



Hvordan presentere nedskalerte projeksjoner? Eksempler fra Norge

http://www.vestforsk.no/filearchive/r-ks-klimaanalysen-del2.pdf









www.klimatilpasning.no











www.klimatilpasning.nowww.senorge.no



Presentere bare middelverdien

Presentere middelverdien (og fremheve

denne), men også presentere øvre og

lavere verdier

Presentere hele spekteret av like

sannsynlige verdier av projeksjonene









Hvordan identifisere og kommunisere usikkerheter

•På den ene siden er det viktig å være klar over de store usikkerhetene assosiert med klimatilpasningsstrategier

•Samtidig er det viktig å unngå en tilstand av ikke-handling basert på antagelsen om at ”alt” er usikkert

•En mulig løsning på dilemmaet er å prøve å skille vår forståelse av usikkerhet



Important note - Variability v mean values

Often, downscaled climate projections are presented as the mean value of different climate models.

This average is for instance used by the Norwegian web portal senorge.no, which presents projections of climate parameters such as snow duration and temperature for the time period 2071-2100.

The average is often wrongly interpreted as ‘the most likely projection’.

This is, however, not entirely true. It is important to include the entire range of values – also extreme values at either end – as they all in principle constitute equally likely projections.



Klimascenarioer som verktøy for beslutningstakere

Scenarioer er et uvurderlig verktøy for ledere eller strateger som ønsker å tenke gjennom fremtidige dimensjoner av beslutninger og handlinger. Å bruke scenarioer til å utforske og øve fremtidige muligheter burde fremheve en rekke problemer eller potensielle alternativer som krever mer detaljert undersøkelse eller analyse.

Scenarioer er oftest brukt i en strategisk sammenheng av følgende årsaker:

• For å definere fremtidige visjoner og strategiske prioriteter

• For å øve forskjellige policy eller strategialternativer til å markere mulige styrker og svakheter eller

utilsiktede konsekvenser

• For å fremtidssikre en beslutning som er ”on the table”



Klimaendringer innebærer en lengre tidsperiode (50-100 år) enn hva som er felles i og relevante for lokale politiske (4-10 år).

Denne funksjonen av klimapolitikken utgjør åpenbart en utfordring. Scenarioer kan være nyttige verktøy for beslutningstakere.

Vi bruker vilkårene fortidsklima, nåtidsklima og fremtidig klima til å referere til ulike tidsrammer::

Tidsramme- og klimascenarioer



Fortidsklima:

Klimastatistikk viser oss faktisk klimaet fra fortiden. I planleggingen av nye vann- og sanitærrør ser vi ofte på denne type data.

Men disse dataene kan også brukes til å betrakte sårbarhetsaspekter forbundet med eksisterende, naturlig klimavariasjon som for eksempel svært milde vintre noen år, svært kalde vintre andre år (spesielt tydelig i Storbritannia).




Dagens klima:

Flere effekter av klimaendringene kan allerede observeres. Selv om naturlig variasjon står for noen av avvikene fra fortidsklimaet, gir slike effekter et signal på hva som er i gang.

Dermed bør vi tilpasse på måter som er forskjellige fra de som er knyttet til fortidsklimaet. e.




Fremtidig klima

Klimaet i fremtiden kan til en viss grad bestemmes på grunnlag av utslippsscenarioer.

Tilpasning til klimaendringene (dvs. det fremtidige klimaet) er det som klimatilpasningsstrategier egentlig er om, selv om mange ikke klarer å skille mellom fortidsklima, nåtidsklima og fremtidig klima både verbalt og i praksis.

For eksempel å oppgradere en flomutsatt vei for å presentere nedbørsmengder heller enn nedbørsmengde forventet om 20 år utgjør et eksempel på klimatilpasning, men ikke klimatilpasningsstrategier.




Scenarioer representerer en ramme for å tenke på fremtiden basert på et robust bevisgrunnlag og sett med mangfoldige synspunkter om hva som kan skje i fremtiden.

De er ikke faktiske beretninger om hva som skjer i dag eller i fremtiden; de er en kombinasjon av analyse og dom om fremtidige muligheter.

Det er derfor nyttig å være oppmerksom på at bruk av scenarioer kan representere en utfordring, men en stimulerende en, til ”tradisjonelle” tenkemåter og måter å arbeide på.

Klimascenarioer for å utforske mulighetene for fremtiden



Oppsummering::

Ofte unnlater vi å reflektere tilstrekkelig på tanken om endring.

Naturlig variasjon i det korte løp kontra klimaendring i det lange løp

Begrepet ”klima” omfatter statistikk for en rekke meteorologiske elementer i et gitt område over et lengre tidsrom. Det er viktig å merke seg at mens naturlig variasjon sikkert kan forklare variasjon på kort sikt, er kortsiktige avvik fra normen i sin natur forskjellig fra langsiktige forandringer i klima. Som et eksempel kan naturlig variasjon enkelt forklare et par av sommerens varmerekorder i et tiår, men flere tiår av uvanlig høy sommervarmerekorder er det mer sannsynlig å innbære langvarige klimaendringer.



Oppsummering:

Identify and Communicate Uncertainties

Avhengig av omfanget av sårbarhetsvurderingen og de lokale forholdene trenger du ulik klimadatainformasjon.

Mer detaljerte klimadata reduserer dog ikke usikkerhetene.

On the one hand, it is important to be clear about the great uncertainty associated with climate change adaptation

At the same time, it is vital to avoid a state of non-action based on the assumption that ‘everything’ is uncertain

A possible solution to this dilemma is to try and differentiate our understanding of uncertainty



Oppsummering:

‘Climate modelling is inherently uncertain, but this does not mean that forecasts do not have value. One way to make decisions despite this uncertainty is to consider the range of possible climate

outcomes instead of relying on single forecasts. Because each GCM incorporates slightly different assumptions about how the climate works, each generates different results. Decision makers can make more resilient decisions by incorporating a range of these results in their considerations.’

climate-decisions.org

http://www.climate-decisions.org/2_Climate%20Forecasts.htm





prosessfase 1 analysere klimasårbarhet - tolke klimadata

Education