Posouzení vlivu nejistoty klimatického modelu na indikátory dopadu klimatických změn v Evropě

Klíčovým zdrojem nejistoty je variabilita předpokládaných klimatických změn napříč regionálními klimatickými modely (RCMs), které vycházejí z různých globálních cirkulačních modelů (GCMs). Tato studie se zabývá kvantifikací potenciálních změn indikátorů tří rizik souvisejících s klimatem (teplotní stres, riziko povodní a riziko lesních požárů), které ve své studii používají Lung et al. (2013) (dále L13) pro stanovení míry daných rizik v regionech Evropy. Výsledky současné studie na tuto práci navazují a jsou s ní porovnávány. Autoři provedli analýzu založenou na využití 5 kombinací GCMs/RCMs a neklimatických faktorů. Nejprve byl určen dílčí příspěvek jednotlivých vstupních faktorů k prostorové variabilitě indikátorů rizik. Následně byla vyhodnocena jejich nejistota porovnáním rozsahu hodnot indikátorů rizik s vnitřním modelem klimatické variability pro období 2041-2070 (model L13).
Z výsledků vyplývá, že rozdílná kombinace GCM/RCM vede k výrazným odlišnostem v hodnotách indikátorů všech tří rizik. Tato různorodost se následně promítá i do prostorového uspořádání hodnot indikátorů. Například vysoká míra nejistoty byla zjištěna pro riziko povodní zejména pro oblast Mediteránu. Ve shodě s výsledky Lunga et al. (2013) je míra rizika povodní vyšší v centrální Evropě.

Využitelné výstupy: 
  • Příspěvek variability každého vstupu je poměrně rovnoměrně rozdělen mezi kombinované indikátory. Klimatické vstupní indikátory vysvětlují okolo 40 % variability rizika teplotního stresu a 50 % variability rizika povodní a lesních požárů (viz Tab.1). Přesto Kernalův odhad četnosti odhalil, že vstup TCOMB má silnější vliv na kombinovaný indikátor teplotního rizika oproti zbylým vstupům PRECsu a T2MEANsu.
  • Na základě posouzení variability vstupních indikátorů v kombinacích modelů byl zjištěn největší rozsah pro riziko povodní, zejména pro kombinaci ETHZ‑CLM‑HadCM3Q0. Menší rozsah byl zjištěn pro riziko teplotního stresu, zejména nejvyšší rozsah kombinace DMI‑HIRHAM‑ECHAM5 a nejmenší rozsah kombinace ETHZ‑CLM‑HadCM3Q0. Nejmenší rozsah byl zjištěn pro riziko lesních požárů, největší rozsah pro kombinaci ETHZ‑CLM‑HadCM3Q0.
  • Největší rozsah hodnot kombinovaných indikátorů teplotního rizika byl zjištěn pro centrální a SV Evropu včetně J Skandinávie. Naopak nejnižší rozsah byl zjištěn pro nejjižnější regiony Portugalska, Španělska, Itálie a Řecka. Výsledky této studie ale nejsou ve shodě s modelem L13, zejména pro oblasti jižního Německa a Švédska.
  • Vysoké hodnoty indikátorů rizika povodní byly ve shodě s modelem L13 zjištěny v jižní Evropě, zvláště podél pobřeží Španělska, (severní) Itálii, Řecku a Dunajské deltě. Autoři dále uvádějí další oblasti s vysokým rozsahem hodnot indikátorů, jmenovitě západní Německo, Belgie, Nizozemsko a Polsko.
  • Vysoké hodnoty indikátorů rizika lesních požárů byly zjištěny pro oblasti od severu Španělska přes většinu Francie na jih Německa a oblast Alp. Výsledky autorů se neshodují s modelem L13 na severu Francie, na většině Německa, oblasti JV Polska, Slovinska a východu Maďarska. Nízké hodnoty indexů jsou shodně s modelem L13 očekávány ve Velké Británii, Skandinávii a Pobaltí.
Grafické přílohy: 
Příspěvek jednotlivých vstupů vysvětlujících variabilitu klimatických indikátorů.
Distribuce Kernelova odhadu hustot pro vstupní parametry indikátoru teplotního stresu.
Výsledky posouzení vlivu variability klimatických modelů na indikátory teplotního stresu, rizika povodní a rizika lesních požárů.
Prostorové uspořádání hodnot indikátorů na území Evropy.
Zdroj: 
Lung, T., Dosio, A., Becker, W., Lavalle, C., & Bouwer, L. M. (2013): Assessing the influence of climate model uncertainty on EU-wide climate change impact indicators. Climatic Change 120: 211–227.
Zadal: 
Vladimír Klapka