Πόσο υπερ-θερμάνθηκαν διαχρονικά και πόσο θα υπερ-θερμανθούν 64.800 γεωγραφικές περιφέρειες στο κόσμο σύμφωνα με 4 σενάρια.
Πηγή: ΙΝFOGRAPHICS | September 26. 2018. Mapped: How every part of the world has warmed – and could continue to warm, https://www.carbonbrief.org/mapped-how-every-part-of-the-world-has-warmed-and-could-continue-to-warm, τελευταία πρόσβαση μας 2.1.2019
Διαδραστικός χάρτης(κάντε κλικ πάνω στο χάρτη).
Πώς να χρησιμοποιήσετε αυτόν τον χάρτη
Κάνοντας κλικ σε οποιαδήποτε κυψέλη δικτύου εμφανίζεται μια πλευρική στήλη που δείχνει την ιστορική καταγραφή θερμοκρασίας για εκείνη τη συγκεκριμένη τοποθεσία μεταξύ 1850 και 2017, τόσο κατά έτος (σε λευκό) όσο και με έναν εξομαλυμένο μέσο όρο χρησιμοποιώντας 10 έτη δεδομένων (με κόκκινο χρώμα). Ένα επιπλέον plot δείχνει την μελλοντική αύξηση θερμοκρασίας που προβάλλεται για αυτή τη θέση κάτω από τα τέσσερα διαφορετικά σενάρια RCP (Representative Concentration Pathway) από το 2000 μέχρι το 2100 - σε μωβ, κόκκινο, πορτοκαλί και κίτρινο.
Τόσο η ιστορική καταγραφόμενη όσο και η μελλοντική θερμοκρασία παρουσιάζονται σε σχέση με την περίοδο αναφοράς 1951-1980. Η πλευρική στήλη δείχνει πόσο αύξηση θερμότητας έχει παρατηρηθεί μεταξύ των πρώτων 30 ετών από την έναρξης της καταγραφής και της προηγούμενης δεκαετίας. Επιπλέον, δείχνει πόση αύξηση της θερμοκρασίας αναμένεται από το 2100 και μετά, σε σχέση με την περίοδο αναφοράς.
Μπορείτε επίσης να πληκτρολογήσετε συγκεκριμένες θέσεις στη γραμμή αναζήτησης στην επάνω αριστερή γωνία. Οι προηγούμενες παρατηρούμενες και μελλοντικές προβαλλόμενες θερμοκρασίες για κάθε τοποθεσία μπορούν να μεταφορτωθούν κάνοντας κλικ στον σύνδεσμο "download csv" από το συνδεσμο «date“ στη μαύρη στήλη δεξιά. Κάνοντας κλικ στο σύμβολο "Αρχική σελίδα" στα αριστερά θα επαναφέρετε το διαδραστικό στοιχείο στο αρχικό του σημείο εκκίνησης. (Σημείωση: Οι χρήστες με φορητούς υπολογιστές ή άλλες μικρές οθόνες ενδέχεται να θέλουν να σμικρύνουν τα προγράμματα περιήγησής τους για καλύτερη προβολή του χάρτη.)
Τα σενάρια
Οι εκπομπές και οι συγκεντρώσειςRCP2.6[1] είναι αντιπροσωπευτικές στη βιβλιογραφία για τα σενάρια ελάττωσης με στόχο τον περιορισμό της αύξησης της μέσης παγκόσμιας θερμοκρασίας στους 2 ° C. Αυτά τα σενάρια αποτελούν το τελευταίο χαμηλότερο σενάριο στη βιβλιογραφία όσο αφορά την άποψη για τις εκπομπές και την κατακράτηση ακτινοβολίας. Συχνά παρουσιάζουν αρνητικές εκπομπές από τη χρήση ενέργειας μετά το δεύτερο μισό του 21ου αιώνα. Το σενάριο RCP2.6 αποδεικνύεται ότι είναι το τεχνικά εφικτό στο πλαίσιο του μοντέλου ολοκληρωμένης αξιολόγησης IMAGE από ένα άλλο βασικό σενάριο μείωσης εκπομπών, υποθέτοντας την πλήρη συμμετοχή όλων των χωρών. Οι σωρευτικές εκπομπές αερίων θερμοκηπίου από το 2010 έως το 2100 πρέπει να μειωθούν κατά 70% σε σύγκριση με ένα βασικό σενάριο που απαιτεί σημαντικές αλλαγές στη κατανάλωση ενέργειας και στις εκπομπές αερίων που δεν συμπεριλαμβάνουν το CO2.
Αυτά τα μέτρα (συγκεκριμένα η χρήση της βιο-ενέργειας και η αναδάσωση) έχουν επίσης σαφείς συνέπειες και για την παγκόσμια χρήση γης. Με βάση το σενάριο RCP2.6, διατυπώνονται συστάσεις για περαιτέρω έρευνα στα πλαίσια σεναρίων αναφορικά με χαμηλές τιμές εκπομπών. Αυτές περιλαμβάνουν την αντίδραση του κλιματικού συστήματος σε υπεραύξηση της ακτινοβολίας, την ικανότητα της κοινωνίας να επιτύχει τα απαιτούμενα ποσοστά μείωσης δεδομένου σεναρίου αντίστοιχων πολιτικής και κοινωνική αδράνειας και τις δυνατότητες περαιτέρω μείωσης των εκπομπών αερίων που δεν είναι CO2.
Το RCP8.5 συνοψίζει τις παραδοχές σχετικά με τον υψηλό πληθυσμό και τη σχετικά βραδεία αύξηση του εισοδήματος με μέτρια ποσοστά τεχνολογικών εξέλιξης και ανάπτυξης στο τομέα της χρήσης ενέργειας, οδηγώντας μακροπρόθεσμα σε υψηλή ζήτηση ενέργειας και εκπομπές αερίων του θερμοκηπίου και ελλείψει πολιτικών για την αλλαγή του κλίματος.
Σε σύγκριση με το σύνολο των σεναρίων (Representative Concentration Pathway), το RCP8.5 αντιστοιχεί στον υψηλότερο ρυθμό και ποσοτήρων εκπομπών αερίων θερμοκηπίου. Χρησιμοποιώντας το Ολοκληρωμένο Πλαίσιο Αξιολόγησης IIASA και το μοντέλο MESSAGE για την ανάπτυξη του RCP8.5, εστιάζουν οι ερευνητές σε αυτή την εργασία σε δύο σημαντικές επεκτάσεις σε σύγκριση με τα προηγούμενα σενάρια: 1) την ανάπτυξη χωρικά σαφών προβλέψεων ατμοσφαιρικής ρύπανσης και 2) τις προβολές αλλαγής χρήσης γης και γήινης επικάλυψης. Επιπλέον, εξετάζουν τις παραλλαγές των σεναρίων που χρησιμοποιεί το RCP8.5 ως βασική γραμμή και θέτουν υποθέσεις διαφορετικών βαθμών πολιτικών μείωσης των αερίων του θερμοκηπίου για να μειώσουν και την κατακράτηση της ακτινοβολίας.
Με βάση το μοντέλο τους, θεωρείται τεχνικά εφικτό να περιοριστεί η ένταση αποβολής ακτινοβολίας από το RCP8.5 σε χαμηλότερα επίπεδα, συγκρίσιμα με αυτά από τοι σενάριο RCP (2,6 έως 6 W / m2). Η ανάλυση των σεναρίων μας δείχνει περαιτέρω ότι οι αλλαγές της παγκόσμιας ενεργειακής προσφοράς και ζήτησης που προκαλούνται από την κλιματική αλλαγή μπορεί να οδηγήσουν σε σημαντικά οφέλη για άλλες πολιτικές προτεραιότητες, όπως η τοπική ατμοσφαιρική ρύπανση.
Παρακάτω στο Παράρτημα η μεθοδολογία και οι πηγές δεδομένων για αναγνώστες με εξειδικευμένες γνώσεις, στην Αγγλική
Παράρτημα
Methodology and data sources
Observed temperatures
Temperatures based on land and ocean observations were obtained from the Berkeley Earth Surface Temperature Project’s one-degree latitude by one-degree longitude gridded monthly average temperature fields (note: large file download). These were converted into annual average temperature anomalies relative to a 1951-1980 baseline period.
These temperature estimates use observations from around 30,000 land monitoring stations, as well as thousands of ships, buoys and other monitoring systems over the ocean. Berkeley Earth uses the UK Met Office’s HadSST3 ocean temperature record as the basis for its ocean temperatures.
Observational data is available back to 1850, though for any given location data may not go back that far. Data is available from at least 1900 for most locations except Antarctica, where data is only available starting in 1950 when measurements on that continent began.
Berkeley Earth land data is homogenised – adjusted to correct for station moves, instrument changes, time of observation changes and other disruptions that stations have experienced over the past 150 years. Ocean temperature records are similarly adjusted to account for changes in the way ocean temperatures are measured, from buckets thrown over the side of ships through to engine-room intake valves and automated buoys in modern times.
These adjustments have a relatively small impact on temperatures after 1950, as discussed in the Carbon Brief explainer on temperature adjustments. The overall effect of adjustments is to increase temperatures globally prior to 1950, reducing the amount of long-term warming in the record compared to the raw readings.
Future models
Future temperature projections are taken from the Coupled Model Intercomparison Project 5 (CMIP5) multi-model average surface air temperature for each RCP scenario. CMIP5 features around 38 different climate models, though some of these represent variations of the same underlying model with different aspects included. One run from each model was used in calculating the multi-model average, with the model temperature fields obtained from KNMI Climate Explorer.
These multi-model average values are downscaled – increased in spatial resolution – to a one-degree latitude by one-degree longitude resolution to be comparable to the observations. They are converted into anomalies with respect to a 1951-1980 baseline, then aligned to the observations over the 20-year period from 1999-2018 to show the changes expected from present. Model data is shown between 2000 and 2100 in the sidebar for each grid cell.
Understanding uncertainty
Both observational temperature estimates and future projected temperature changes are subject to uncertainty. Observational uncertainties in historical temperature records from Berkeley Earth are shown in the sidebar.
Observational uncertainties can arise from a number of different factors. Incomplete coverage of observations across the Earth’s surface means that sometimes temperature anomalies in a location have to be estimates from nearby land stations or ocean measurements. The Berkeley Earth dataset uses a technique called “kriging” to create globally complete estimates of both temperature and uncertainty from observations at specific locations.
Future climate model projections also include significant uncertainties, chief among them the sensitivity of the climate to increased CO2. The CMIP5 models featured in the most recent IPCC report estimates climate sensitivity at between 2.1C and 4.7C per doubling of atmospheric CO2 levels, with an average sensitivity of 3.1C. The multi-model average projections shown in the sidebar only reflect this 3.1C value; users interested in the results of individual models with higher or lower sensitivity will have to use a tool such as KNMI Climate Explorer to view those results.
Individual models also show a lot more year-to-year variability than the multi-model average shown in the sidebar. Individual models have short-term variability driven by factors including El Niño and La Niña events that result in some years warmer or cooler than others. However, this short-term variability occurs at different times in different models and is largely averaged out in the multi-model average.
Technical details
The code used to calculate past observed and future projected temperatures for each of the 64,800 grid cells is available on GitHub and free for reuse or modification.
Temperature observations from the Berkeley Earth gridded one-degree latitude by one-degree longitude netCDF file are imported and converted into annual anomalies with respect to a 1951-1980 baseline period. A smoothed average is produced using a local regression (LOWESS) approach that uses a 10-year period for calculation.
Future temperature projections from the CMIP5 multi-model mean are obtained from KNMI Climate Explorer. These are statistically downscaled from their native 2.5-degree latitude by 2.5-degree longitude resolution to a one-degree latitude by one-degree longitude using bilinear interpolation – an average of nearby values. Model data is then converted into temperature anomalies with respect to a 1951-1980 baseline period. Finally, models are aligned with observations over the prior 20-year period (1999-2018) to better represent the expected change from present values.
A location name is assigned to each grid cell through a multi-step process. First, grid cell locations are geolocated using the reverse_geocoder python library. This provides information on the city, state and country closest to the grid cell’s centre. An additional “countries.geojson” file is used to identify areas over the ocean or in unpopulated areas, such as Antarctica and the high Arctic.
Finally, the centres of the grid cells are referenced against a list of all cities with a population exceeding 20,000. The name of the largest city in the grid cell is selected when multiple are present. This avoids assigning grid cell names to the settlement that happens to be closest to the geographic center of the grid cell irrespective of population.
[1]1.PBL Netherlands Environmental Assessment AgencyBilthovenThe Netherlands Autors: Detlef P. van VuurenEmail authorElke StehfestMichel G. J. den ElzenTom KramJasper van VlietSebastiaan DeetmanMorna IsaacKees Klein GoldewijkAndries HofAngelica Mendoza BeltranRineke OostenrijkBas van Ruijven].
2.Department of GeographyUtrecht UniversityUtrechtThe Netherlands, Autor, Detlef P. van Vuuren
