Związek klimatu Polski w drugiej połowie XX wieku z procesami w skali regionalnej i globalnej

Transkrypt

1

2

3 PODZADANIE 1.1 Związek klimatu Polski w drugiej połowie XX wieku z procesami w skali regionalnej i globalnej 1. Cel badań Opisanie relacji pomiędzy warunkami termicznymi w Polsce a cyrkulacją atmosferyczną reprezentowana przez obliczone indeksy cyrkulacji strefowej. Kolejnym celem była analiza relacji między procesami zachodzącymi w powierzchniowej warstwie północnej części Atlantyku (SST Sea Surface Temperature) a elementami (termicznymi, pluwialnymi) klimatu Polski. 2. Zakres wykonywanych prac Przeprowadzono analizę zależności między intensywnością spływu zachodniego a warunkami termicznymi w Polsce (średnie obszarowe temperatury powietrza) - etap zakończony w czerwcu raport końcowy został złożony na ręce kierownika Podzadania 1.1. Pobrano dane ze źródeł zewnętrznych, przygotowano pliki i przeprowadzono analizę zależności między SST (Sea Surface Temperature) Północnego Atlantyku a elementami klimatu Polski (charakterystyki termiczne oraz pluwialne) oraz temperaturą powietrza nad Europą na poziomie 700hPa. Modele współzależności opracowano w oparciu o metody statystyczno-empirycznego downscalingu (CCA) w skali rocznej, sezonowej oraz miesięcznej. 3. Opis metodyki badań Przy ocenie zależności analizowanych charakterystyk klimatu Polski od SST Północnego Atlantyku, wykorzystano metodę statystycznego downscalingu CCA (Canonical Correlation Analysis). Metoda kanonicznych korelacji bazuje na koncepcji znalezienia takiej kombinacji wektorów własnych pól obydwu elementów, które charakteryzuje największa wartość współczynnika korelacji stowarzyszonych z mapami serii czasowych (tzw. serii kanonicznych). Wobec kolejnej pary map, współzależność pomiędzy seriami znalezionych wektorów jest ponownie maksymalna, lecz nie są one zależne od serii kanonicznych pierwszej pary map (m.in. von Storch, Zwiers 2001, Miętus, Filipiak 2002), tak więc spełniają warunek ortogonalności. Otrzymane pary map przedstawiają wartości rozpatrywanych elementów regionalnego i lokalnego wyrażone w jednostkach dla nich charakterystycznych, ujęte w postaci anomalii wartości tych elementów od średniej. Analizę CCA przeprowadzono w trybie standardowym jak również z przesunięciami (od 1 do 9-ciu

4 miesięcy), co miało na celu określenie potencjalnego opóźnienia reakcji pola lokalnego w stosunku do regionalnego pola wymuszenia (SST). W analizie CCA jako regionalne pole wymuszenia wykorzystano SST (Sea Surface Temperature), pozyskane z bazy danych, opisujących globalne wartości temperatury powierzchni oceanu z rozdzielczością 2x2 stopnia (i-coads z ICOADS Data Online at the NOAA Earth System Research Laboratory). Zakres przestrzenny analizy był analogiczny jak w pracy Miętusa i Filipiaka (2002) i obejmował fragment Północnego Atlantyku, ograniczony następującymi koordynatami (60 W-10 W, 35 N-60 N). Zakres czasowy pozyskanych danych obejmował wielolecie Dodatkowo dokonano próby wykorzystania pola temperatury z powierzchni izobarycznej 700hPa nad Europą (0-40 E, 40 N-65 N) jako etapu pośredniego między kaskadą wymuszenia regionalnego w postaci SST a odpowiedzią pola lokalnego w postaci zmienności charakterystyk termicznych w Polsce. W tym wypadku dane pozyskano z Reanalizy NCEP/NCAR (Kalnay i in. 1996). W zakresie charakterystyk termicznych i pluwialnych (lokalne pole odpowiedzi) analizie poddano dane obserwacyjne pochodzące z 54 stacji synoptycznych IMGW. Sieć wybranych punktów pokrywa obszar całej Polski, odzwierciedlając również wszystkie spotykane na obszarze kraju geomorfologiczne typy krajobrazów naturalnych (nizinny, pojezierny, wyżynny i górski). Zakres czasowy analiz obejmował wielolecie Charakterystyki wykorzystane w analizie to średnia miesięczna temperatura powietrza oraz miesięczna suma opadów. 4. Charakterystyka osiągniętych wyników Ze względu na ograniczenia raportu syntetycznego przedstawiono jedynie wybrane aspekty przeprowadzonych analiz. Kompletne wyniki, pliki źródłowe i wykorzystywane oprogramowanie są dostępne u wykonawcy zadania w miejscu pracy (IMGW Gdynia - Oddział Morski). Poszerzone analizy zostaną przedstawione w raporcie końcowym, który zgodnie z procedurami stosowanymi w PROJEKCIE zostanie przekazany kierownikowi podzadania do końca lutego 2011 roku.

5 Rys. 1. Obszar badań (obszary jasnoszare niepełne dane SST nie zostały uwzględnione w analizie CCA) Tabela 1. Wariancja (%) pola SST (Sea Surface Temperature) Północnego Atlantyku wyjaśniana przez kolejne wektory własne #EOFs EOF1 EOF2 EOF3 EOF4 EOF5 EOF6 EOF7 EOF8 EOF9 EOF10 EOF11 ROK ZIMA WIOSNA LATO JESIEŃ EOF12 EOF13 EOF14 EOF15 EOF16 EOF17 EOF18 EOF19 EOF20 EOF21 SUMA SUMA 1-5 ROK ZIMA WIOSNA LATO JESIEŃ

6 ZIMA WIOSNA LATO JESIEN Rys. 2. Wektory własne SST (1-szy EOF po lewej, 2-gi EOF po prawej) w sezonach

7 Tabela 2. Zestawienie wartości korelacji między seriami kanonicznymi (r) oraz wariancji (%) SST (var SST) oraz pola średniej miesięcznej temperatury powietrza (var ts) w Polsce wyjaśnianej przez kolejne pary map kanonicznych CCA1 CCA2 CCA3 var Rok r 0,36 0,29 0,27 var SST 3,39 8,55 6,23 18,17 var ts 49,14 42,73 6,26 98,13 Zima r 0,77 0,57 0,39 var SST 2,96 2,85 3,19 9,00 var ts 94,55 2,19 2,13 98,87 Wiosna r 0,71 0,64 0,47 var SST 4,49 3,75 5,69 13,93 var ts 8,04 70,34 19,41 97,79 Lato r 0,8 0,68 0,46 var SST 5,48 10,52 6,17 22,17 var ts 18,47 46,48 31,87 96,82 Jesień r 0,71 0,61 0,48 var SST 4,41 4,42 2,53 11,36 var ts 13,26 33,46 50,96 97,68 Rys sza (u góry) i 2-ga (na dole) para map kanonicznych SST i pola średniej miesięcznej temperatury powietrza w Polsce ZIMA

8 Rys sza (u góry) i 2-ga (na dole) para map kanonicznych SST i pola średniej miesięcznej temperatury powietrza w Polsce LATO Tabela 3. Zestawienie wartości korelacji między seriami kanonicznymi (r) oraz wariancji (%) SST (var SST) oraz pola miesięcznej sumy opadu (var Prec) w Polsce wyjaśnianej przez kolejne pary map kanonicznych CCA1 CCA2 CCA3 CCA4 CCA5 CCA6 CCA7 CCA8 CCA9 CCA10 CCA11 CCA12 CCA13 CCA14 CCA15 var r 0,48 0,47 0,44 0,36 0,33 0,28 0,25 0,19 0,18 0,16 0,13 0,1 0,04 ROK var SST 3,98 10,11 4,67 5,23 5,77 3,04 5,22 2,88 3,09 4,54 4,77 4,17 3,3 60,77 var Prec 11,46 13,8 11,57 6,24 4,95 3,41 4,09 2,84 2,57 3,14 3,27 14,28 4,58 86,20 ZIMA r 0,8 0,71 0,67 0,63 0,58 0,55 0,49 0,35 0,28 var SST 5,76 4,02 3,02 4,21 2,07 2,72 3,16 3,44 5,95 34,35 var Prec 4,44 4,1 3,32 37,99 8,73 11,25 4,21 4,71 13,05 91,80 WIOSNA r 0,88 0,82 0,8 0,76 0,73 0,7 0,59 0,49 0,48 0,36 0,34 0,3 0,27 0,2 0,13 var SST 3,83 6,42 5,25 2,78 7,73 2,58 4,57 3,45 5,7 2,52 2,9 3,7 4,56 2,91 4,1 63,00 var Prec 12,58 6,16 3,22 5,86 7,81 3,15 3,94 8,65 4,03 4,39 8,46 4,03 5,35 10,41 3,56 91,6 LATO r 0,9 0,85 0,77 0,69 0,63 0,59 0,53 0,5 0,43 0,37 0,22 0,18 0,14 0,06 0,01 var SST 8,62 6,79 4,89 5,27 5,56 7,13 2,98 6,47 4,85 3,66 2,85 7,76 6,1 7,48 4,33 84,74 var Prec 4,99 6,11 8,84 12,51 2,89 4,85 12,25 5,71 2,9 8,3 3,7 4 2,71 3,95 5,45 89,16 JESIEN r 0,82 0,76 0,71 0,69 0,65 0,55 0,53 0,44 0,3 var SST 3,31 5,04 4,07 4,45 5,3 4,35 4,04 2,67 4,43 37,66 var Prec 3,73 14,78 5,52 29,66 12,09 9,37 10,49 3,01 3,59 92,24

9 Rys sza (u góry) i 2-ga (na dole) para map kanonicznych SST i sumy opadu w Polsce ZIMA Rys sza (u góry) i 2-ga (na dole) para map kanonicznych SST i sumy opadu w Polsce LATO

10 Rys. 6 Sezonowe (Z, W, L, J) i roczne (R) wartości współczynników korelacji między serią obserwacyjna a zrekonstruowaną średniej miesięcznej temperatury powietrza w Polsce w oparciu o opracowane modele CCA (regionalne pole wymuszenia SST) dla okresu kalibracyjnego ( ) oraz walidacyjnego ( )

11 Struktura czasowo-przestrzenna pola temperatury powierzchniowej warstwy wody Północnego Atlantyku wykazuje znaczny poziom skomplikowania, uwidaczniający się w liczbie wyodrębnionych, niezdegenerowanych wektorów własnych (Tab.1). W skali roku pole SST jest opisane przez 15 funkcji własnych natomiast w przypadku sezonów ich liczba waha się od 14 latem do 21 wiosną. Wszystkie wyznaczone funkcje własne wyjaśniają, w przypadku skali rocznej, zaledwie 65% wariancji pola tej zmiennej. W sezonach wartości te kształtują się od około 70% (wiosna, jesień) do niespełna 75% latem. W przypadku uwzględnienia jedynie pierwszych pięciu dominujących mód zmienności (wyjaśniających największy odsetek wariancji), można stwierdzić, iż ilość wyjaśnianej wariancji z reguły nie przekracza 60% a w przypadku zimy i wiosny wynosi zaledwie 45%. Tak niskie wartości w dalszych analizach z wykorzystaniem modeli downscalingowych mogą skutkować zawarciem w modelu niewielkiej ilość wariancji zmiennej regionalnej, a co za tym idzie pogorszeniem jakości modeli, które będzie zauważalne podczas ich weryfikacji poprzez próbę rekonstrukcji oryginalnych serii elementu lokalnego. Obraz rocznej zmienności przestrzennego rozkładu wartości pierwszych wektorów własnych jest dosyć spójny i wskazuje na wyraźny cykl roczny w zmianach kształtu izoanomalii. W sezonie zimowym główna moda zmienności wyjaśnia 20,65% wariancji SST (Rys. 2) i wskazuje na istnienie jednorodnej (pod względem znaku) anomalii na prawie całym obszarze badań. Jej centrum jest zlokalizowane na południe od Nowej Funlandii a wartości anomalii przekraczają +1,0 C. 2-ga funkcja własna (10,5% wyjaśnianej wariancji) wyraźnie dzieli obszar badań na część północną (z dodatnimi anomaliami przekraczającymi na wschód od Nowej Funlandii +0,6 C) oraz południową charakteryzująca się anomaliami ujemnymi przy czym obszar z wartościami spadającymi poniżej -0,2 C znajduje się w południowozachodniej części obszaru badań. Na południe od Nowej Funlandii zlokalizowane jest izolowane centrum ujemnych anomalii z wartościami poniżej -0,8 C. Wiosną w przypadku pierwszej funkcji własnej (18,2% wyjaśnianej wariancji) rozkład przestrzenny anomalii jest zbliżony do zimowego. Widać jedynie podwyższenie wartości (o około 0,2 C) anomalii szczególnie zauważalne w zachodniej części obszaru. W przypadku drugiej funkcji własnej (11,05% wyjaśnianej wariancji) zaznacza się ograniczenie obszaru ujemnych anomalii do południowo-zachodniego sektora obszaru badań przy jednoczesnej rozbudowie obszaru najniższych wartości anomalii na południe od Nowej Funlandii. Całą wschodnią część obszaru badań obejmują ujemne anomalie SST. Latem pierwsza moda zmienności (odpowiedzialna za 24,44% wariancji SST) wskazuje na umocnienie sytuacji wiosennej z

12 wyraźnym zwiększeniem się obszaru najwyższych anomalii. Dla drugiej mody zmienności (12% wyjaśnianej wariancji) zachodzi dalsze zmniejszenie rozmiaru ujemnych anomalii w zachodniej części obszaru badań. Jesienią, w przypadku obu analizowanych funkcji własnych, zaznacza się odwrócenie tendencji rozkład przestrzenny izoanomalii można traktować jako pośredni między letnim a zimowym. Wariancja pola SST wyjaśniana przez te funkcje własne to odpowiednio 21,66% oraz 13,16%. Analiza CCA pozwoliła na powiązanie SST jako regionalnego czynnika wymuszającego z odpowiedzią pola lokalnego (temperatura powietrza oraz miesięczna suma opadów). Ze względu na stosunkowo spójna strukturę pola temperatury powietrza w przypadku analizy korelacji kanonicznych liczba par map kanonicznych wynosiła jedynie 3 zarówno dla roku jak i pozostałych sezonów (Tab. 2). Tak jak przypuszczano, w powiązaniu ze znaczną wielowymiarowością pola SST spowodowało to, że ilość wariancji pola SST zawarta w trzech parach map kanonicznych jest bardzo mała i jedynie w lecie przekracza 20%. Najniższa wartości notowana jest zimą i wynosi jedynie 9%. Oznacza to, iż ponad 90% zmienności elementu wymuszającego znajduje się poza modelem downscalingowym. W przypadku elementu lokalnego wyjaśniana wariancja zarówno w skali roku jak i w każdym z sezonów przekracza 95%. Analiza przestrzennego kształtu izoanomalii na parach map kanonicznych pozwoliła na wyodrębnienie charakterystycznych układów SST powiązanych z odpowiedzią pola temperatury powietrza w Polsce. W niniejszym raporcie syntetycznym ograniczono się do przedstawienia wyników dla sezonów zimowego i letniego. Pierwsza para map kanonicznych wskazuje na istnienie dodatnich anomalii w polu SST (zaledwie 2,96% wyjaśnianej wariancji) we wschodniej części obszaru badań jednak tylko lokalnie przekraczają one +0,2 C. Południowo-zachodnia części obszaru badań jest zdominowana przez ujemne anomalie z wartościami spadającymi poniżej -0,2 C na południe od Nowej Funlandii. Reakcja pola temperatury powietrza zimą (94,55% wyjaśnianej wariancji) wskazuje na jednorodną odpowiedź z wartościami anomalii od -2,6 C na południowym zachodzie do -3,4 C na północnym wschodzie. Wyraźnie zaznacza się również ocieplający wpływ Morza Bałtyckiego. W przypadku drugiej pary map kanonicznych w polu SST rysuje się rozbudowany obszar ujemnych anomalii ciągnący się z południowego-zachodu na północnywschód (2,85% wyjaśnianej wariancji). W odpowiedzi, pole lokalne (2,91% wyjaśnianej wariancji) wskazuje na istnienie izoanomalii o wyraźnym przebiegu z północnego-zachodu na południowy-wschód z dodatnimi anomaliami na południowym zachodzie (do +0,8 C) oraz

13 ujemnymi na północnym wschodzie (poniżej -0,6 C). Przebieg izoanomalii 0 C jest w zasadzie prostoliniowy od Ustki przez Warszawę na południowy-wschód. Latem pierwsza para map kanonicznych, wyjaśniająca 5,48% pola SST oraz 18,47% pola temperatury powietrza, wskazuje na istnienie nieznaczne ujemnej anomalii w polu SST w centralnej części obszaru badań i jednocześnie ujemnej z wartościami poniżej -0,4 C w jego zachodniej części. Pole elementu lokalnego wskazuje na dodatnią reakcję temperatury powietrza z najwyższymi wartościami (>+1,0 C) na zachodzie, wyraźnie spadającymi w kierunku południowo-wschodnim i osiągającymi zero w południowo-wschodniej Polsce. W przypadku drugiej pary map kanonicznych bardzo wyraźnie zaznacza się w polu SST (10,52% wyjaśnianej wariancji) układ ujemnych izoanomalii z centrum na wschód od Nowej Funlandii i wartościami anomalii przekraczającymi +0,8 C. Pole elementu lokalnego (46,48% wyjaśnianej wariancji) wskazuje na spadki wartości temperatury powietrza, przekraczające we wschodniej części kraju 1,2 C. Układ izoanomalii jest w zasadzie południkowy (zaburzony poprzez wyraźny wpływ Morza Bałtyckiego). Najniższe ujemne anomalie temperatury notowane są na zachodzie i nieznacznie przekraczają one 0,6 C. Analiza korelacji kanonicznych między SST a polem miesięcznych sum opadów w Polsce (Tab. 3) wskazuje na wyraźnie większą, niż miało to miejsce w przypadku analizy temperatury powietrza, ilość wariancji wymuszenia regionalnego zawartą w modelu. Jest to wynikiem większej złożoności pola opadu (analiza CCA dostosowuje się do elementu z mniejszą ilością funkcji własnych). Łączna wyjaśniana wariancja SST waha się 34% zimą do 63% wiosną. Należy podkreślić iż w przypadku modelu w skali roku ilość wyjaśnianej wariancji SST przekracza 60%. Dla elementu lokalnego wartość wyjaśnianej wariancji wynosi od 89,16% latem do ponad 92% jesienią. Analiza wykazała istnienie znacznej liczby par kanonicznych SST i pola opadu w Polsce od 9 zimą i jesienią do 15 wiosną i latem. Należy zwrócić uwagę na fakt występowania par map kanonicznych wyjaśniających znaczny odsetek wariancji elementu lokalnego na dalszych miejscach (według wielkości korelacji między seriami stowarzyszonymi dla par map). Sytuacja taka ma miejsce zimą (CCA4 37,99%, korelacja 0,63, CCA9 13,05% - korelacja 0,28), wiosną (CCA14 10,41% - korelacja zaledwie 0,2), latem (CCA4 12,51% - korelacja 0,69, CCA7 12,25% - korelacja 0,53) oraz jesienią (CCA4 29,66% - korelacja 0,69). Pierwsza para map kanonicznych w sezonie zimowym (Rys. 5) wyjaśnia zaledwie 5,76% wariancji SST oraz 4,44% pola opadów atmosferycznych w Polsce. Na Północnym Atlantyku zaznacza się obszar wartości SST wyższych od średniej (szczególnie w

14 południowej części), jednak wartości anomalii tylko lokalnie przekraczają tam +0,2 C. Wyraźniej zaznaczona jest ujemna anomalia SST (<-0,4 C) w północnej części obszaru badań. Odpowiedz pola opadów w Polsce charakteryzuje się ujemnymi anomaliami na przeważającej części obszaru kraju. Największe, przekraczające 5mm notowane są na wschodzie i wybrzeżu Morza Bałtyckiego. Druga para map (4,62% wyjaśnianej wariancji SST oraz 4,1% pola opadów ) wskazuje na występowanie dodatniej anomalii SST we wschodniej części obszaru badań oraz lokalnie pojawiających się ujemnych anomalii w części zachodniej (w pobliżu Nowej Funlandii). Taki układ przestrzenny SST jest związany z nieznacznym spadkiem sumy opadów na większości obszaru kraju. Jedynie na południowymwschodzie przekracza on 5mm. Na zachód od linii Ustka-Chojnice-Wrocław odpowiedz pola opadów jest dodatnia a w zachodniej część kraju notuje się wzrosty przekraczające 5mm. Latem (Rys. 5) Pierwsza para map kanonicznych SST i miesięcznych sum opadu w Polsce wyjaśnia 8,62% wariancji SST oraz 4,99% wariancji pola opadu. Układ przestrzenny izoanomalii SST wskazuje na występowanie wyraźnego obszaru o dodatnich anomaliach położonego na wschód of Nowej Funlandii. Wartości w jego centrum przekraczają +1,0 C i rozciągają się wyraźnym klinem na wschód. Odpowiedź pola lokalnego wskazuje na niemalże jednorodną odpowiedz pola opadu z przewagą ujemnych anomalii spadających lokalnie poniżej -15mm. Niewielkie obszary dodatnich anomalii zlokalizowane są na południu (Karpaty) oraz na północnym-wschodzie. Druga para map kanonicznych wyjaśnia 6,79% pola SST oraz 6,11% pola opadów latem. W polu SST daje się zauważyć dominację ujemnych anomalii w centrum obszaru (<-0,4 C) i izolowane, niewielkie obszary anomalii dodatnich w części zachodniej (wartości nie przekraczają tam +0,2 C). Dodatnie anomalie notowane są również w południowo-wschodniej części obszaru badań. Odpowiedź pola opadów w Polsce wskazuje na ujemne anomalie na większości obszaru Polski (<-12,5mm w centrum kraju) oraz lokalnie zaznaczony obszar wyraźnych anomalii dodatnich (> 15mm) w południowej części kraju (Karpaty). Przykładowe wyniki (Rys. 6) weryfikacji modelu CCA, przedstawiające przestrzenny rozkład pola izokorelat między źródłowymi seriami temperatury powietrza a tymi zrekonstruowanymi w oparciu o model CCA, wskazuje na słabą zdolność modeli w odtwarzaniu warunków termicznych w Polsce (pole wymuszenia SST Północnego Atlantyku). O ile wartości współczynników korelacji dla okresu kalibracyjnego ( ), dla którego model był tworzony, praktycznie nie przekraczają wartości 0,5 (jedynie zimą oscylują w okolicach 0,6), to już w przypadku weryfikacji dla okresu w zasadzie

15 nie przekraczają wartości 0,3. Wziąwszy pod uwagę liniowość określanych zależności można powiedzieć, iż wyjaśniana wariancja pola lokalnego nie będzie zazwyczaj przekraczać kilkunastu procent a wartość wariancji odchyleń danych zrekonstruowanych od serii danych źródłowych może przekraczać wariancję oryginalnych danych, co w zasadzie dyskwalifikuje model z dalszych zastosowań. Nieco lepsze wyniki uzyskano dla analiz miedzy SST a polem temperatury powietrza nad Europą (0-40 E, 40 N-60 N). W okresie kalibracyjnym korelacje były satysfakcjonujące - w przypadku okresu zimowego przekraczały nad obszarem Polski nawet 0,70, jesiennego 0,6, a wiosną i latem 0,5. Jednak dla okresu walidacyjnego spadały do zaledwie 0,2 latem i około 0,4 zimą i jesienią. Podsumowując, można zaryzykować twierdzenie o konieczności zachowania znacznej ostrożności przy wykorzystani pola SST w analizach zależności z innymi charakterystykami klimatu, co może być wynikiem znacznej wielowymiarowości pola, egzemplifikowanej przez dużą liczbę funkcji własnych, opisujących pole SST (i to zaledwie w 60%). W porównaniu ze stosunkowo niewielką liczbą funkcji własnych lokalnych elementów meteorologicznych powoduje to pominięcie znacznej części zmienności pola SST w modelach downscalingowych, co z kolei skutkuje niewielką zgodnością rekonstruowanych pól lokalnych z danymi źródłowymi. Może to również wskazywać na niestacjonarność procesów uwikłanych w transfer zależności miedzy elementem regionalnym a lokalnym. 5. Analiza zgodności z założonymi celami oraz informacja o ewentualnych opóźnieniach wraz z wyjaśnieniem ich przyczyn Zgodne 6. Propozycje dotyczące praktycznego wykorzystania wyników badań Wyniki mogą stanowić przyczynek do analiz przydatności zmiennych wielkoskalowych (wymuszenie regionalne) w procedurach mających na celu przygotowanie średnioterminowych/sezonowych (z wyprzedzeniem kilkumiesięcznym) prognoz warunków meteorologicznych w Polsce. 7. Wykaz przygotowanych publikacji Marosz M., Ustrnul Z., 2010, Zmienność warunków cyrkulacyjnych nad Polską na tle obszaru atlantycko-europejskiego Rezultaty projektu KLIMAT [w:] Bednorz E., Kolendowicz L. (red) 2010, Klimat Polski na tle klimatu Europy. Zmiany i ich konsekwencje, Bogucki Wydawnictwo Naukowe, Poznań 8. Literatura wykorzystana w opracowaniu Wilks D., 1993, Statistical Methods in the Atmospheric Sciences, Academic Press, s. 467

16 Yarnal, 1993, Synoptic climatology in environmental analysis a primer, Belhaven Press, London and Florida, s. XV+195 Yarnal B. et al., 2001, Development and prospects in synoptic climatology, Int. Journal of Climatology, 21, s Kalnay E. et al., 1996, The NCEP/NCAR 40-Year Reanalysis Project, BAMS, s Kaszewski B.M., 2001, Wykorzystanie typologii cyrkulacji atmosfery w badaniach klimatologicznych, Rocznik Fizycznogeograficzny, t.vi, UG, Miętus M., Filipiak J., 2002, Wpływu terminki powierzchniowej warstwy wody Północnego Atlantylu na wielkoskalową cyrkulację atmosferyczną w refjonie Atlantyku i Europy oraz na warunki termiczne w Polsce w XXw, Materiały Badawcze Seria: Meteorologia, IMGW, Warszawa, s.68 Storch v. H., Zwiers F., Statistical analysis in climate research, Cambriddge University Press, s Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych prac dr Michał Marosz dr hab. Mirosław Miętus, prof. ndzw. import danych z Reanalizy NCEP/NCAR, import danych SST z i-coads, obliczenia, przygotowanie bazy danych wartości SST, przygotowanie plików wsadowych do analizy z wykorzystaniem korelacji kanonicznych, analiza zmienności czasowo przestrzennej SST na Północnym Atlantyku, analiza współzależności między SST Północnego Atlantyku a wybranymi elementami klimatu, współautor raportu syntetycznego koncepcja analizy, konsultacje merytoryczne, autor oprogramowania CCA 10. Informacje o sposobie odbioru zadań składowych i trybie koordynacji prac Wyniki były w części referowane podczas spotkań roboczych oraz dyskusji merytorycznych. Całość dokumentacji, w tym: software, zbiory wejściowe, wynikowe oraz rysunki, znajdują się w miejscu pracy wykonującego zadanie -Oddział Morski w Gdyni, raport syntetyczny przechowywany jest przez koordynatora podzadania i przekazany jest koordynatora projektu KLIMAT.

17 PODZADANIE 1.2 Scenariusze zmian klimatu Polski w latach z uwzględnieniem rezultatów wykorzystywanych przez IPCC globalnych modeli klimatycznych (GCM, A-O GCM) oraz opracowanych na potrzeby IPCC scenariuszy emisyjnych (SRES) ze szczególnym uwzględnieniem ekstremalnych wartości elementów meteorologicznych A. W ramach statystycznego downscalingu (SD): A.1. WARUNKI TERMICZNE 1. Cel badań W roku 2010 celem badań było opracowanie scenariuszy zmian warunków termicznych w Polsce w skali XXI wieku, ze szczególnym uwzględnieniem okresów oraz Zakres wykonywanych prac Wyznaczono scenariusze zmian średniej temperatury powietrza oraz kwantyli temperatur ekstremalnych: 95% kwantyla temperatury maksymalnej oraz kwantyla 5% temperatury minimalnej w Polsce w skali XXI wieku na podstawie danych z symulacji ECHAM-5 i HadCM3 oraz wyników modelu skonstruowanego metodą CCA i RDA, scenariusz emisyjny A2, A1B, B1 oraz 1%CO 2 do 2xCO 2, Wyliczono poprawki wynikające z dryftu ciśnienia w modelu ECHAM-5 i HadCM3 do scenariuszy zmian wymienionych powyżej elementów termicznych klimatu Polski (model CCA i RDA), Opracowano scenariusz wiązkowy zmian wskazanych elementów termicznych klimatu Polski w okresach i (model CCA i RDA). 3. Opis metodyki badań Scenariusze zmian warunków termicznych w Polsce zostały opracowane w odniesieniu do okresu referencyjnego z wykorzystaniem zidentyfikowanych metodą CCA i RDA w ramach prac w 2009 roku relacji między regionalnym polem barycznym a warunkami termicznymi w Polsce. Informacje o przyszłych zmianach cyrkulacji atmosferycznej pozyskano z dwóch symulacji globalnych: ECHAM-5 oraz HadCM3. Przyszłe zmiany warunków termicznych w Polsce zostały wyznaczone dla wybranych scenariuszy emisyjnych (B1, A1B, A2). Scenariusze opracowano w oparciu o zmiany regionalnego pola barycznego z następujących symulacji:

18 Model Scenariusz emisyjny B1 A1B A2 ECHAM-5 Run 1, 3 Run 1, 2, 4 Run 1, 2, 3 HadCM3 Run 1 Run 1 Run 1 Zmiany warunków termicznych opracowano dla całego XXI wieku ze szczególnym uwzględnieniem okresu oraz Scenariusze opracowano dla wszystkich skal czasowych (rok, sezony, miesiące), koncentrując zmianach spodziewanych w skali rocznej i sezonowej. się jednak przede wszystkim na Ze względu na różnice między symulacją ciśnienia atmosferycznego przez modele globalne a wartościami rzeczywistymi zaistniała konieczność wprowadzenia korekty do opracowanych scenariuszy, niwelującej wpływ tych różnic na uzyskane wyniki. W tym celu pozyskano dane z symulacji kontrolnej dla XX wieku (20C3M), będącej rekonstrukcją klimatu dokonaną przez dany model globalny w warunkach zmian koncentracji gazów cieplarnianych w atmosferze rzeczywiście obserwowanych w ciągu XX wieku. Następnie wyznaczono w poszczególnych gridach anomalie ciśnienia atmosferycznego w symulacji 20C3M w stosunku do średnich ( ) wartości z reanalizy NCEP (danych rzeczywistych). W oparciu o tak przygotowaną serię danych dokonano rekonstrukcji warunków termicznych w Polsce dla okresu referencyjnego z wykorzystaniem wcześniej opracowanego modelu statystyczno-empirycznego (CCA i RDA). Wyliczone dla okresu referencyjnego średnie wartości anomalii stanowią wartość poprawki, o którą należy skorygować scenariusze w ten sposób wyeliminowano lub przynajmniej ograniczono wpływ różnic w danych pochodzących z dwóch źródeł (reanaliza NCEP, model globalny), pozostawiając wpływ jedynie symulowanych zmian ciśnienia w przyszłości. Korekt dokonano wyłącznie w przypadku średnich wieloletnich wartości. Należy podkreślić fakt, iż symulacje dla wykorzystanych scenariuszy emisyjny stanowią kontynuację symulacji 20C3M, dzięki czemu można zakładać, iż wartości wyznaczonych korekt są stałe w czasie. Opracowane scenariusze wiązkowe stanowią uśrednienie wyników uzyskanych w oparciu o zmiany regionalnego pola barycznego symulowane przez dwa modele globalne: ECHAM-5 i HadCM3. Ze względu na fakt, iż w przypadku modelu ECHAM-5 dostępnych było kilka wersji symulacji dla danego scenariusza emisyjnego (np. run 1, 2 i 3 w przypadku A2), dokonano najpierw uśrednienia wyników w obrębie danego scenariusza emisyjnego dla modelu ECHAM-5. Tak więc scenariusz wiązkowy powstał poprzez uśrednienie dwóch wartości: średniej z kilku symulacji ECHAM-5 oraz jedynej dostępnej symulacji HadCM3.

19 Scenariusze wiązkowe zostały opracowane dla każdego z wykorzystanych scenariuszy emisyjnych dla dwóch wieloleci tj oraz Charakterystyka osiągniętych wyników 4.1 Średnia temperatura powietrza Scenariusz wiązkowy wskazuje, iż średnia roczna temperatura powietrza w Polsce w latach nie zmieni się znacząco w stosunku do okresu referencyjnego (rys. 1.1). Zgodnie ze scenariuszami emisyjnymi B1 i A2 zmiany w zasadzie nie przekroczą 0,05 C, jedynie według scenariusza A1B nastąpi nieco większe ocieplenie (rzędu 0,10-0,15 C). Znacznie większe zmiany temperatury powietrza są przewidywane dla wielolecia (rys. 1.1). Średni wzrost temperatury w Polsce dla tego okresu wyniesie od 0,35 C (B1) do 0,5 C (A2). Największy wzrost temperatury nastąpi w północno-wschodniej części kraju (do niemal 0,6 C wg A1B i A2), malejąc w kierunku południowym do 0,3-0,4 C w Karpatach. Należy ponadto podkreślić fakt, iż scenariusze oparte na obu wykorzystanych symulacjach globalnych wykazują znaczą zgodność. Rys Scenariusz wiązkowy zmian średniej rocznej temperatury powietrza (anomalie w C w stosunku do okresu referencyjnego ) Dla sezonu zimowego w okresie otrzymano wyraźnie rozbieżne wyniki w zależności od scenariusza emisyjnego (rys. 1.2). Według scenariusza B1 nastąpi nieznaczny wzrost średniej temperatury powietrza w południowo-zachodniej części kraju oraz podobny co do wartości jej spadek w części północno-wschodniej. Z kolei wg A2 w całym kraju temperatura się obniży o około 0,1 C. Największą zmianę przewiduje scenariusz A1B wzrost temperatury powietrza w całym kraju od około 0,25 C na południu do niemal 0,4

20 na północnym wschodzie. Pod koniec XXI wieku zmiany będą znacznie wyraźniejsze (rys. 1.2). Dla okresu wszystkie scenariusze emisyjne przewidują wzrost średniej temperatury powietrza w stosunku do okresu referencyjnego średnio w skali kraju o od 0,5 C (B1) do 1,0 C (A1B). Rozkład przestrzenny zmian jest bardzo podobny jak w przypadku średniej rocznej temperatury, z tym że maksymalne zmiany na północnym wschodzie przekraczają 1,1 C (A1B). Rys Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie zimowym (anomalie w C w stosunku do okresu referencyjnego ) W sezonie wiosennym w okresie według scenariusza B1 nastąpi nieznaczny (rzędu 0,1-0,2 C) wzrost średniej temperatury powietrza w stosunku do okresu referencyjnego, największy w południowej części kraju (rys. 1.3). Z kolei zgodnie ze scenariuszami A1B i A2 nastąpi nieznaczne ochłodzenie o około 0,1 C (A2) do 0,2 C (A1B). Stosunkowo niewielkich zmian średniej temperatury powietrza można spodziewać się także w wieloleciu (rys. 1.3). Znaczne podobieństwo wykazują wyniki bazujące na scenariuszach emisyjnych B1 i A1B wystąpi wzrost temperatury w części północnowschodniej oraz spadek w części południowo-zachodniej, jednak zmiany na ogół nie przekroczą 0,1 C. W przypadku scenariusza A2 przewidywane jest z kolei wzrost temperatury niemal w całym kraju, największy na północnym wschodzie, gdzie ma osiągnąć niemal 0,3 C. Także w przypadku lata przewidywane zmiany średniej temperatury powietrza w okresie będą stosunkowo niewielkie wg B1 i A2 zmiany nie przekroczą 0,1 C (ochłodzenie), a wg A1B nastąpi nieznaczne ocieplenie rzędu 0,1-0,2 C (rys. 1.4). W okresie średnia temperatura powietrza latem będzie już znacząco wyższa niż w okresie

21 referencyjnym, a średnia w skali całego kraju różnica wyniesie odpowiednio 0,19 C (B1), 0,61 C (A1B) i 0,32 C (A2). Pomimo różnic w wartościach przewidywanego ocieplenia rozkład przestrzenny zmian jest w przypadku wszystkich scenariuszy emisyjnych bardzo podobny i pokazuje, że największy wzrost temperatury wystąpi w Wielkopolsce (do około 0,8 C wg A1B), zmniejszając się znacząco w kierunku Wybrzeża i wschodniej części kraju (rys. 1.4). W przypadku sezonu letniego należy zaznaczyć, iż scenariusze zmian temperatury oparte na symulacjach ECHAM-5 i HadCM3 różnią się znacząco, zarówno pod względem wartości, jak i znaku zmiany, zwłaszcza dla scenariuszy emisyjnych B1 i A2. Rys Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie wiosennym (anomalie w C w stosunku do okresu referencyjnego ) Rys Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie letnim (anomalie w C w stosunku do okresu referencyjnego )

22 Dla sezonu jesiennego zmiany temperatury w okresie wg B1 i A2 nie przekroczą 0,1 C (rys. 1.5). Nieznacznie większe zmiany wystąpią zgodnie ze scenariuszem A1B wzrost w całym kraju o około 0,1 C. Bardzo podobne wyniki wśród scenariuszy emisyjnych uzyskano dla okresu (rys. 1.5), zarówno pod względem wartości przewidywanych zmian, jak i ich rozkładu przestrzennego. W tym wieloleciu należy spodziewać się średniej temperatury powietrza wyższej o około 0,4 C w skali całego kraju niż w okresie referencyjnym. Największe ocieplenie wystąpi w północnej części kraju (rzędu 0,4-0,5 C), zmniejszając się w kierunku południowym do około 0,2 C. Rys Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie jesiennym (anomalie w C w stosunku do okresu referencyjnego ) 4.2. Kwantyl 95% temperatury maksymalnej powietrza Scenariusz wiązkowy kwantyla 95% maksymalnej temperatury powietrza wskazuje, iż w skali roku wartość omawianego elementu w całej Polsce w latach nieznacznie wzrośnie w stosunku do okresu referencyjnego (rys. 2.1). Średni wzrost temperatury dla tego okresu wyniesie od 0,21 C (A2) do 0,35 C (A1B). Jeszcze większe zmiany przewidywane są dla wielolecia Największy wzrost kwantyla 95% temperatury maksymalnej nastąpi w południowej części kraju (do 0,8 C), malejąc w kierunku wybrzeża do wartości rzędu 0,3-0,4 C. Należy ponadto podkreślić fakt, iż wszystkie scenariusze wiązkowe wykazują znaczną zgodność, jednakże rezultaty uzyskane z wykorzystaniem modelu ECHAM-5 różnią się od wyników modelu HadCM3. Pierwszy wykorzystywany model wskazuje na występowanie postępującego w skali XXI wieku ocieplenia, natomiast HadCM3 dowodzi niewielkiego, ochłodzenia na tle okresu

23 B1 A1B A2 Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Kłodzko Kłodzko Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Bielsko-Biała Nowy Sącz Zakopane Lesko Bielsko-Biała Nowy Sącz Zakopane Lesko Bielsko-Biała Nowy Sącz Zakopane Lesko Rys Scenariusz wiązkowy zmian kwantyla 95% maksymalnej rocznej temperatury powietrza (anomalie w C w stosunku do okresu referencyjnego ) Zimą w okresie według scenariusza B1 oraz A1B w całym kraju nastąpi wzrost kwantyla 95% maksymalnej temperatury powietrza. Największy wzrost, sięgający 0,6 C, przewidywany jest w południowej części kraju. W północno-wschodniej części Polski wskazywany wzrost będzie najmniejszy i osiągnie około 0,1 C. Z kolei według scenariusza A2 w ciągu najbliższych 20 lat temperatura maksymalna nie zmieni się znacząco w stosunku do okresu W północno-wschodniej części kraju przewidywany jest jej nieznaczny spadek (od -0,3 C), a w południowej części nieznaczny wzrost (do 0,4 C). Pod koniec XXI wieku zmiany będą znacznie wyraźniejsze. Dla okresu wszystkie scenariusze emisyjne, podobnie jak w przypadku temperatury średniej, przewidują wzrost kwantyla 95% temperatury maksymalnej powietrza w stosunku do okresu referencyjnego średnio w skali kraju o 0,5 C (B1) do 0,9 C (A2). Rozkład przestrzenny zmian jest bardzo podobny jak w przypadku zmian przewidywanych dla początku XXI wieku. Maksymalne zmiany na południu kraju przekraczają 1,1 C (A1B i A2).

24 B1 A1B A2 Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Koło Kalisz Płock Łódź Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Koło Kalisz Płock Łódź Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Koło Kalisz Płock Łódź Warszawa Siedlce Terespol Legnica Wrocław Jelenia Góra Kłodzko Włodawa Sulejów Wieluń Lublin Kielce Opole Sandomierz Zamość Katowice Racibórz Kraków Rzeszów Tarnów Bielsko-Biała Nowy Sącz Lesko Zakopane Legnica Wrocław Jelenia Góra Kłodzko Włodawa Sulejów Wieluń Lublin Kielce Opole Sandomierz Zamość Katowice Racibórz Kraków Rzeszów Tarnów Bielsko-Biała Nowy Sącz Lesko Zakopane Legnica Wrocław Jelenia Góra Kłodzko Włodawa Sulejów Wieluń Lublin Kielce Opole Sandomierz Zamość Katowice Racibórz Kraków Rzeszów Tarnów Bielsko-Biała Nowy Sącz Lesko Zakopane Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Koło Kalisz Płock Łódź Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Koło Kalisz Płock Łódź Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Koło Kalisz Płock Łódź Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Jelenia Góra Wieluń Opole Sulejów Kielce Lublin Sandomierz Zamość Legnica Wrocław Jelenia Góra Wieluń Opole Sulejów Kielce Lublin Sandomierz Zamość Legnica Wrocław Jelenia Góra Wieluń Opole Sulejów Kielce Lublin Sandomierz Zamość Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Rys Scenariusz wiązkowy zmian kwantyla 95% maksymalnej temperatury powietrza w sezonie zimowym (anomalie w C w stosunku do okresu referencyjnego ) Wiosną w okresie według wszystkich scenariuszy emisyjnych kwantyl 95% temperatury maksymalnej powinien być większy niż w trakcie wielolecia Największy wzrost wartości omawianego elementu przewiduje scenariusz B1, z maksimum wartości anomalii rzędu 1,4 C na Górnym Śląsku (rys. 2.3). Najmniejszych dodatnich zmian należy spodziewać się na Pomorzu - wartość anomalii omawianego elementu według tego scenariusza wyniesie tam 0,8 C. Według scenariusza A2 rozkład przestrzenny dodatnich zmian będzie podobny, jednak będą one o około 0,2 C mniejsze. Według scenariusza A1B maksymalna temperatura powietrza wiosną w okresie będzie o 0,6 C wyższa niż w latach Cieplejszej wiosny w stosunku do okresu referencyjnego można spodziewać się także pod koniec XXI wieku. Średnia wartość zmiany kwantyla 95% temperatury maksymalnej powietrza na obszarze Polski wyniesie 0,78 C w przypadku scenariusza A1B, 0,82 C według scenariusza B1 i 0,89 C w przypadku scenariusza A2. Należy ponadto zaznaczyć, iż poszczególne scenariusze wskazują na znaczne podobieństwo rozkładów przestrzennych.

25 B1 A1B A2 Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Kłodzko Kłodzko Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Bielsko-Biała Nowy Sącz Zakopane Lesko Bielsko-Biała Nowy Sącz Zakopane Lesko Bielsko-Biała Nowy Sącz Zakopane Lesko Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Koło Kalisz Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Koło Kalisz Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Koło Kalisz Łódź Płock Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Kłodzko Kłodzko Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Bielsko-Biała Bielsko-Biała Bielsko-Biała Nowy Sącz Zakopane Lesko Nowy Sącz Zakopane Lesko Nowy Sącz Zakopane Lesko Rys Scenariusz wiązkowy zmian kwantyla 95% maksymalnej temperatury powietrza w sezonie wiosennym (anomalie w C w stosunku do okresu referencyjnego ) W sezonie letnim przewidywane zmiany kwantyla 95% temperatury maksymalnej powietrza, niezależnie od rozpatrywanego, okresu będą znaczne (rys.2.4). Należy podkreślić fakt, iż scenariusze oparte na obu wykorzystanych symulacjach globalnych wykazują znaczą zgodność co do znaku anomalii i przewidują spadek wartości omawianego elementu. Większe spadki prognozuje model HadCM3. Analizując wyniki scenariuszy wiązkowych można zauważyć, iż zdecydowanie największe ujemne anomalie spodziewane są na wybrzeżu. W okresie w tej części kraju w przypadku każdego scenariusza przekraczają nawet 3 C. Najmniejsze spadki temperatury maksymalnej, rzędu -0,6 C, wystąpić mają w południowo-wschodniej Polsce. Średnia zmiana w stosunku do okresu referencyjnego dla obszaru całego kraju wynosi odpowiednio -1,1 C (A2), -1,3 C(A1B) i -1,4 C (B1). W okresie kwantyl 95% temperatury maksymalnej powietrza latem także będzie znacząco niższy niż w okresie referencyjnym. Zarówno rozkład przestrzenny omawianego elementu, jak i jego wartości wykazują spore podobieństwo do okresu

26 B1 A1B A2 Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Słubice Poznań Płock Słubice Poznań Płock Słubice Poznań Płock Zielona Góra Leszno Kalisz Koło Łódź Warszawa Siedlce Terespol Zielona Góra Leszno Kalisz Koło Łódź Warszawa Siedlce Terespol Zielona Góra Leszno Kalisz Koło Łódź Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Kłodzko Kłodzko Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Bielsko-Biała Bielsko-Biała Bielsko-Biała Nowy Sącz Zakopane Lesko Nowy Sącz Zakopane Lesko Nowy Sącz Zakopane Lesko Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Kłodzko Kłodzko Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Katowice Racibórz Kraków Tarnów Rzeszów Bielsko-Biała Nowy Sącz Zakopane Lesko Bielsko-Biała Nowy Sącz Zakopane Lesko Bielsko-Biała Nowy Sącz Zakopane Lesko Rys Scenariusz wiązkowy zmian kwantyla 95% maksymalnej temperatury powietrza w sezonie letnim (anomalie w C w stosunku do okresu referencyjnego ) Scenariusz wiązkowy zmian kwantyla 95% maksymalnej temperatury powietrza jesienią wskazuje na wzrost wartości elementu zarówno w okresie jak i w stosunku do wielolecia (rys. 2.5). W okresie spodziewane zmiany dla obszaru całego kraju są dodatnie i wynoszą od 0,5 C według scenariusza B1 do 0,9 C według scenariusza A1B. W ostatnim dwudziestoleciu XXI wieku uzyskane wyniki, wśród wszystkich scenariuszy emisyjnych, wskazują na większy wzrost temperatury (rzędu około 1,2 C) w stosunku do okresu referencyjnego. W obu okresach największe ocieplenie spodziewane jest w południowej części kraju, zmniejszając się równoleżnikowo w kierunku północnym. B1 A1B A2 Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Kłodzko Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko

27 Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Ustka Łeba Lębork Hel Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Świnoujście KołobrzegKoszalin Resko Szczecinek Chojnice Elbląg Olsztyn Kętrzyn Mikołajki Suwałki Szczecin Szczecin Szczecin Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Piła Toruń Mława Ostrołęka Białystok Gorzów Wlkp Gorzów Wlkp Gorzów Wlkp Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Poznań Słubice Zielona Góra Leszno Kalisz Koło Łódź Płock Warszawa Siedlce Terespol Włodawa Włodawa Włodawa Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Legnica Wrocław Wieluń Sulejów Lublin Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Jelenia Góra Opole Kielce Sandomierz Zamość Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Kłodzko Katowice Racibórz Kraków Tarnów Bielsko-Biała Nowy Sącz Zakopane Rzeszów Lesko Rys Scenariusz wiązkowy zmian kwantyla 95% maksymalnej temperatury powietrza w sezonie jesiennym (anomalie w C w stosunku do okresu referencyjnego ) 4.3. Kwantyl 5% temperatury minimalnej powietrza Wartość kwantyla 5% temperatury minimalnej w Polsce w latach , podobnie jak w przypadku temperatury średniej również nie zmieni się znacząco w stosunku do okresu referencyjnego (rys. 3.1). Istotne jest jednak, że w Polsce Centralnej i Północnej należy oczekiwać lekkiego spadku omawianej wartości, natomiast w Polsce Południowej wartość rozpatrywanego kwantyla winna nieco wzrosnąć. Wartość bezwzględna zmian nie przekroczy w sytuacjach skrajnych 0,5 C, nieco silniejsze zmiany powinny nastąpić jedynie według scenariusza A1B w porównaniu ze scenariuszami A2 i B1. W wieloleciu w całej Polsce należy oczekiwać występowania wzrostu wartości kwantyla 5% temperatury minimalnej (rys. 3.1). Średni wzrost wartości elementu w Polsce wyniesie od 0,35 C (B1) do ponad 0,5 C (A1B i A2). Najsilniejsze zmiany w stosunku do okresu , sięgające nawet blisko 1 C w przypadku scenariuszy A1B i A2, obserwowane będą nastąpi w południowo-wschodniej części kraju. Wartość anomalii maleje w kierunku północno-zachodnim, do 0,1-0,3 C w rejonie Wybrzeża. Scenariusze oparte na obu wykorzystanych symulacjach globalnych są silnie rozbieżne. Rezultaty uzyskane z wykorzystaniem modelu ECHAM-5 wskazują na występowanie postępującego w skali XXI wieku ocieplenia. Wyniki HadCM3 dowodzą niewielkiego, słabnącego w dodatku w skali XXI wieku ochłodzenia na tle okresu B1 A1B A

28 Rys Scenariusz wiązkowy zmian kwantyla 5% minimalnej rocznej temperatury powietrza (anomalie w C w stosunku do okresu referencyjnego ) Zimą w okresie według wszystkich scenariuszy nastąpi znaczny spadek wartości kwantyla 5% temperatury minimalnej. Najsilniejsze ochłodzenie, przekraczające 2 C, wystąpi w północno-wschodniej części kraju. W południowo-wschodniej części Polski wskazywany spadek będzie najmniejszy i osiągnie około 1 C. W okresie zmiany będą mniejsze w stosunku do okresu (rys. 3.2). Na zdecydowanej większości obszaru Polski obserwowane będą jednak w dalszym ciągu anomalie ujemne, najsilniejsze ponownie w części północno-zachodniej kraju, osiągające w przypadku scenariusza B1 nawet blisko 1,5 C. W Karpatach i na Podkarpaciu obserwowane będą słabe dodatnie anomalie analizowanego kwantyla. Symulacja przyszłej zmienności elementu wykonana z wykorzystaniem modelu HadCM3 dowodzi możliwości wystąpienia silniejszego ochłodzenia w porównaniu z modelem ECHAM-5. B1 A1B A Rys Scenariusz wiązkowy zmian kwantyla 5% minimalnej temperatury powietrza w sezonie zimowym (anomalie w C w stosunku do okresu referencyjnego ) Wiosną w okresie według wszystkich scenariuszy kwantyl 5% temperatury minimalnej powinien być średnio o ponad 0,5 C większy niż w trakcie wielolecia Spodziewana zmiana powinna być w całym kraju dodatnia, lecz jej wartość będzie silnie zróżnicowana przestrzennie. Największy wzrost wartości omawianego elementu winien

29 nastąpić według scenariusza B1, z maksimum wartości anomalii rzędu ponad 1,5 C na Dolnym Śląsku (rys. 3.3). Ocieplenie to, zgodnie ze scenariuszami A1B i A2 powinno być o około 0,2-0,3-C mniejsze. Najmniejszych dodatnich zmian należy spodziewać się na północnym wschodzie kraju oraz w Karpatach, wartość obserwowanych tam anomalii wartości elementu nie przekracza 0,5 C. Cieplejszej wiosny w stosunku do okresu referencyjnego można spodziewać się także w wieloleciu Co istotne, zmniejszeniu powinna ulec amplituda wartości anomalii kwantyla 5% temperatury minimalnej obserwowanych na obszarze kraju. Średnia wartość zmiany elementu na obszarze Polski waha się od 0,85 C w przypadku scenariusza B1 do 1 C w przypadku pozostałych dwóch scenariuszy. B1 A1B A Rys Scenariusz wiązkowy zmian kwantyla 5% minimalnej temperatury powietrza w sezonie wiosennym (anomalie w C w stosunku do okresu referencyjnego ) Przewidywane zmiany wartości kwantyla 5% temperatury minimalnej latem w Polsce w okresie będą na tle wartości z okresu referencyjnego niewielkie, od -0,05 C według scenariuszy A1B do 0,01 według pozostałych dwóch scenariuszy. W północnej, a zwłaszcza północno-zachodniej części kraju dominować będą spadki wartości elementu, w Polsce Południowej zauważalny będzie jego nieznaczny wzrost (rys. 3.4). W okresie wartość kwantyla temperatury minimalnej latem winna być w myśl rezultatów symulacji już niemal w całym kraju mniejsza niż w okresie referencyjnym. Średnia wartość anomalii wyniesie odpowiednio -0,25 C (A1B), -0,35 C (B1) i -0,42 C (A2). Rozkład przestrzenny anomalii jest w przypadku wszystkich scenariuszy emisyjnych podobny. W przypadku scenariusza A1B na Suwalszczyźnie oraz w Małopolsce i w zachodniej części Beskidów należy oczekiwać słabych dodatnich anomalii. Scenariusze zmian temperatury

30 oparte na symulacjach ECHAM-5 i HadCM3 różnią się pod względem wartości, jak i znaku anomalii. B1 A1B A Rys Scenariusz wiązkowy zmian kwantyla 5% minimalnej temperatury powietrza w sezonie letnim (anomalie w C w stosunku do okresu referencyjnego ) Scenariusz wiązkowy zmian kwantyla 5% minimalnej temperatury powietrza jesienią wskazuje na wzrost wartości elementu w okresie w stosunku do wielolecia (rys. 3.5). Tempo zmiany jest w przypadku wszystkich trzech scenariuszy identyczne i wynosi 0,28 C. Najsilniej wartość kwantyla powinna wzrosnąć w zachodniej części kraju, Zachodniej należy oczekiwać stabilizacji temperatury, bądź bardzo niewielkiego ochłodzenia. W okresie ocieplenie w Polsce winno ulec intensyfikacji. W całej Polsce wartości anomalii są dodatnie. B1 A1B A2 nawet o ponad 0,5 C w rejonie Przedgórza Sudeckiego i Sudetów, za to w Polsce Północno Rys Scenariusz wiązkowy zmian kwantyla 5% minimalnej temperatury powietrza w sezonie jesiennym (anomalie w C w stosunku do okresu referencyjnego )

31 Średni wzrost wartości opisywanego kwantyla temperatury minimalnej powinien sięgnąć od 0,62 C (A1B) do 0,65 C (B1) i 0,72 C (A2). Największe ocieplenie jest spodziewane na Dolnym Śląsku oraz w północno-zachodniej, nadmorsko-pojeziernej części kraju. 5. Analiza zgodności z założonymi celami oraz informacja o ewentualnych opóźnieniach wraz z wyjaśnieniem ich przyczyn Osiągnięte w okresie rozliczeniowym rezultaty są zgodne z harmonogramem prac zawartym we wniosku i planowanymi do osiągnięcia celami etapowymi. 6. Propozycje dotyczące praktycznego wykorzystania wyników badań Strategie adaptacji do zmian klimatu 7. Wykaz przygotowanych publikacji Biernacik D., Filipiak J., Miętus M., Wójcik R., Zmienność warunków termicznych w Polsce po roku Rezultaty projektu KLIMAT [w:] Klimat Polski na tle klimatu Europy. Zmiany i ich konsekwencje, Bogucki Wydawnictwo Naukowe. Seria: Studia i Prace z Geografii i Geologii, 16, Biernacik D., Wójcik R., Marosz M., Jakusik E., Pilarski M., Owczarek M., Miętus M., Zmienność klimatu Polski od połowy XX wieku. Rezultaty projektu KLIMAT. Materiały z Konferencji Badania klimatu w różnych skalach przestrzennych, Warszawa, r. (w przygotowaniu) 8. Literatura wykorzystana w opracowaniu 9. Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych prac dr hab. Mirosław Miętus prof.ndzw. Koordynator całości prac w zadaniu i podzadaniu, współautor koncepcji realizacji podzadania. Autor procedur numerycznych i programów obliczeniowych. dr Janusz Filipiak Współautor koncepcji realizacji podzadania. Opracowanie scenariuszy zmian minimalnej temperatury powietrza w Polsce w skali XXI wieku, opracowanie wyników, wizualizacja wyników. mgr Dawid Biernacik Współautor koncepcji realizacji podzadania. Opracowanie scenariuszy zmian maksymalnej temperatury powietrza w Polsce w skali XXI wieku, opracowanie wyników, wizualizacja wyników. mgr Robert Wójcik Współautor koncepcji realizacji podzadania. Opracowanie scenariuszy zmian średniej temperatury powietrza w Polsce w skali XXI wieku, opracowanie wyników, wizualizacja wyników.

32 10. Informacja o sposobie odbioru zadań składowych i trybie koordynacji prac Prace były koordynowane przez Koordynatora zadania. Zespół realizatorski spotkał się w całości na seminarium poświęconym prezentacji wyników scenariuszy zmian klimatu Polski (16.XI.2010). Poza tym prace zespołu opracowującego scenariusze były na bieżąco konsultowane w celu omówienia postępu prac oraz zgodności z harmonogramem. Całość dokumentacji, w tym: software, zbiory wejściowe oraz wynikowe, rysunki, znajdują się w siedzibie zespołu wykonującego zadanie (Oddział Morski IMGW w Gdyni). A.2. Warunki pluwialne 1. Cel badań W roku 2010 celem badań było opracowanie scenariuszy zmian warunków pluwialnych w Polsce w skali XXI wieku, ze szczególnym uwzględnieniem okresów oraz Zakres wykonywanych prac Wyznaczono scenariusze zmian sum opadów, liczby dni z opadem oraz liczby dni z opadem powyżej kwantyla 90% w Polsce w skali XXI wieku na podstawie danych z symulacji ECHAM-5 i HadCM3 oraz wyników modelu skonstruowanego metodą CCA i RDA, scenariusz emisyjny A2, A1B, B1 Wyliczono poprawki wynikające z dryftu ciśnienia w modelu ECHAM-5 i HadCM3 (run 1) do scenariusza zmian sum opadów, liczby dni z opadem oraz liczby dni z opadem powyżej kwantyla 90% w Polsce (model CCA i RDA) 3. Opis metodyki badań Scenariusze zmian warunków pluwialnych w Polsce zostały opracowane w odniesieniu do okresu referencyjnego z wykorzystaniem zidentyfikowanych metodą CCA i RDA w ramach prac w 2009 roku relacji między regionalnym polem barycznym a warunkami pluwialnymi w Polsce. Informacje o przyszłych zmianach cyrkulacji atmosferycznej pozyskano z dwóch symulacji globalnych: ECHAM-5 oraz HadCM3. Przyszłe zmiany warunków pluwialnych w Polsce zostały wyznaczone dla wybranych scenariuszy emisyjnych (B1, A1B, A2). Scenariusze opracowano w oparciu o zmiany regionalnego pola barycznego z następujących symulacji:

33 Model Scenariusz emisyjny B1 A1B A2 ECHAM-5 Run 1, 3 Run 1, 2, 4 Run 1, 2, 3 HadCM3 Run 1 Run 1 Run 1 Zmiany warunków pluwialnych opracowano dla całego XXI wieku ze szczególnym uwzględnieniem okresu oraz Scenariusze opracowano dla wszystkich skal czasowych (rok, sezony, miesiące), z tym, że skupiono się na zmianach w skali rocznej i sezonowej. Ze względu na różnice między symulacją ciśnienia atmosferycznego przez modele globalne a wartościami rzeczywistymi zaistniała konieczność wprowadzenia korekty do opracowanych scenariuszy, niwelującej wpływ tych różnic na uzyskane wyniki. W tym celu pozyskano dane z symulacji kontrolnej dla XX wieku (20C3M), będącej rekonstrukcją klimatu dokonaną przez dany model globalny w warunkach zmian koncentracji gazów cieplarnianych w atmosferze rzeczywiście obserwowanych w ciągu XX wieku. Następnie wyznaczono w poszczególnych gridach anomalie ciśnienia atmosferycznego w symulacji 20C3M w stosunku do średnich ( ) wartości z reanalizy NCEP (danych rzeczywistych). W oparciu o tak przygotowaną serię danych dokonano rekonstrukcji warunków pluwialnych w Polsce dla okresu referencyjnego z wykorzystaniem wcześniej opracowanego modelu statystyczno-empirycznego (CCA i RDA). Wyliczone dla okresu referencyjnego średnie wartości anomalii stanowią wartość poprawki, o którą należy skorygować scenariusze w ten sposób wyeliminowano lub przynajmniej ograniczono wpływ różnic w danych pochodzących z dwóch źródeł (reanaliza NCEP, model globalny), pozostawiając wpływ jedynie symulowanych zmian ciśnienia w przyszłości. Korekt dokonano wyłącznie w przypadku średnich wieloletnich wartości. Należy podkreślić fakt, iż symulacje dla wykorzystanych scenariuszy emisyjny stanowią kontynuację symulacji 20C3M, dzięki czemu można zakładać, iż wartości wyznaczonych korekt są stałe w czasie. 4. Charakterystyka osiągniętych wyników W niniejszym raporcie zostały opisane scenariusze zmian sum opadów oraz liczby dni z opadem opracowane w oparciu o zmiany pola barycznego symulowane przez modele ECHAM-5 oraz HadCM3 (run 1 symulacji).

34 Wyniki wskazują na nieznaczne (poniżej 5%) zmiany sum opadów w skali roku w Polsce (rys. 1.1). Wg modelu ECHAM-5 w okresie wystąpi nieznaczny wzrost sum opadów w stosunku do okresu referencyjnego, natomiast w okresie niewielki spadek. Scenariusze opracowane w oparciu o zmiany pola barycznego symulowane przez HadCM3 wskazują z kolei na zróżnicowany kierunek zmian. W sezonie zimowym dla modelu ECHAM-5 ujawnia się znaczne zróżnicowanie wyników między scenariuszami emisyjnymi (rys. 1.2), największe zmiany są charakterystyczne dla scenariusza A2 w okresie w południowo- zachodniej części kraju wystąpi wzrost sum opadów o ponad 10%, z kolei w okresie wzrost opadów obejmie obszar całego kraju (zmiany rzędu 10-15%). W oparciu o symulację HadCM3 scenariusze wskazują na niewielki spadek opadów w okresie oraz nadal niewielkie, acz zróżnicowane co do znaku zmiany w okresie Rys Scenariusz zmian sum opadów w skali roku oparty na symulacji globalnej ECHAM- 5 i HadCM3 (zmiany w % w stosunku do okresu referencyjnego , run 1) Rys Scenariusz zmian sum opadów w sezonie zimowym oparty na symulacji globalnej ECHAM-5 i HadCM3 (zmiany w % w stosunku do okresu referencyjnego , run 1)

35 Znaczną zgodność scenariuszy dla okresu odnotowano w przypadku sezonu wiosennego (rys. 1.3). Zarówno wg modelu ECHAM-5, jak i HadCM3 nastąpi spadek sum opadów w północnej części kraju (do ponad 5%), przy jednoczesnym wzroście na południu (o ponad 10%). Taki obraz zmian jest charakterystyczny dla wszystkich scenariuszy emisyjnych. Podobny rozkład przestrzenny wg HadCM3 utrzyma się w okresie , z tym że wzrośnie wartość zmian (od -10% do +15%), a tym samym zróżnicowanie między północną a południową częścią kraju. Natomiast wg ECHAM-5 pod koniec XXI wieku nastąpi wzrost sum opadów w całym kraju, na południu przekraczając 10%. Rys Scenariusz zmian sum opadów w sezonie wiosennym oparty na symulacji globalnej ECHAM-5 i HadCM3 (zmiany w % w stosunku do okresu referencyjnego , run 1) W sezonie letnim uzyskano odmienny obraz zmian w oparciu o różne symulacje globalne (rys. 1.4). Zmiany cyrkulacji atmosferycznej symulowane przez model ECHAM-5 skutkować będą spadkiem opadów do 5% w okresie oraz do 30% w okresie w centralnej Polsce. Z kolei wg HadCM3 w okresie nastąpi znaczny wzrost sum opadów na Pomorzu (ponad 20% wg scenariusza B1). Dla wielolecia z kolei uzyskano bardzo zróżnicowany przestrzennie i mało wiarygodny obraz zmian, zwłaszcza w pasie nizin (zmiany od -15% do +50%).

36 Rys Scenariusz zmian sum opadów w sezonie letnim oparty na symulacji globalnej ECHAM-5 i HadCM3 (zmiany w % w stosunku do okresu referencyjnego , run 1) Znacznie bardziej spójny obraz zmian sum opadów uzyskano dla sezonu jesiennego (rys. 1.5), dla którego oba modele globalne przewidują generalnie spadek sum opadów w obu okresach analizy. W przypadku modelu ECHAM-5 znaczne zmiany przewidywane są w okresie , zwłaszcza w południowo-wschodniej części kraju (spadki do 30%). W przypadku HadCM3 dla obu okresów wartość zmian jest zbliżona, z największymi spadkami (do 15%) na wybrzeżu. Rys Scenariusz zmian sum opadów w sezonie jesiennym oparty na symulacji globalnej ECHAM-5 i HadCM3 (zmiany w % w stosunku do okresu referencyjnego , run 1) W przypadku liczby dni z opadem wyniki wskazują, iż w skali roku w okresie wystąpią niewielkie zmiany (nieprzekraczające 4%), głównie o charakterze wzrostu. Dla wielolecia zaznaczają się znaczne rozbieżności pomiędzy modelami globalnymi wg ECHAM-5 zmiany nadal będą nieznaczne, z kolei wg HadCM3 nastąpi dość wyraźny

37 wzrost liczby dni z opadem wg wszystkich scenariuszy emisyjnych do ponad 10% na wschodzie Polski (A1B). W sezonie zimowym scenariusze opracowane wg symulacji HadCM3 przewidują spadek liczby dni z opadem w obu analizowanych okresach dla wszystkich scenariuszy emisyjnych, zmiany jednak nie przekraczają 5%. W przypadku modelu ECHAM-5 znaczne spadki przewidywane są tylko dla scenariusza A1B (do 10% na południowym zachodzie w okresie ). Dla pozostałych scenariuszy emisyjnych zmiany są nieznaczne i zróżnicowane pod względem znaku. Wiosną zmiany regionalnego pola barycznego przewidywane przez model ECHAM-5 będą skutkowały zwiększeniem liczby dni z opadem praktycznie w całym kraju. Najmniejsze zmiany wystąpią na wybrzeżu (do 2%), wzrastając w kierunku południowo-wschodnim (do około 12% według scenariusza A1B). W przypadku scenariuszy bazujących na symulacji HadCM3 podobny (zbliżony do równoleżnikowego) jest układ izolinii zmian, z tym że (szczególnie w przypadku A1B) wzrostowi liczby dni z opadem na południu towarzyszy ich spadek na Pomorzu i Wybrzeżu (rzędu 2-4%). Podobnie jak w przypadku sum opadów znaczne rozbieżności między scenariuszami odnotowano dla sezonu letniego. Wg ECHAM-5 w okresie wystąpią stosunkowo niewielkie zmiany (± 2%), jedynie na wybrzeżu nastąpi wzrost o 6-8%. W okresie poza Wybrzeżem, gdzie wystąpi niewielki wzrost, dominować będzie spadek liczby dni z opadem, szczególnie wyraźny w centralnej Polsce do 20% wg scenariusza A1B. Zupełnie inny obraz zmian wyłania się ze scenariuszy opracowanych w oparciu o symulację HadCM3. W tym przypadku już w okresie nastąpi znaczne zwiększenie liczby dni z opadem, przede wszystkim w zachodniej i północnej Polsce (rzędu 10-15%). W okresie obszar stosunkowo znacznych wzrostów obejmie już niemal cały kraj, na Wybrzeżu osiągając 20%, jedynie w centralnej Polsce zaznaczy się niewielki spadek liczny dni z opadem (A1B). W sezonie jesiennym odnotowano duża zgodność scenariuszy pod względem znaku zmiany wg wszystkich scenariuszy emisyjnych nastąpi raczej zmniejszenie liczby dni z opadem. W przypadku modelu ECHAM-5 w okresie zmiany będą jeszcze niewielkie (do 4%), natomiast w okresie osiągną 15% w południowej części kraju (A1B i A2). Scenariusze bazujące na modelu HadCM3 pokazują zbliżone zmiany w obu analizowanych okresach (do 5%), bez wyraźnego zróżnicowania między północną i południową częścią kraju.

38 5. Analiza zgodności z założonymi celami oraz informacja o ewentualnych opóźnieniach wraz z wyjaśnieniem ich przyczyn Osiągnięte w okresie rozliczeniowym rezultaty są w znacznej mierze zgodne z harmonogramem prac zawartym we wniosku i planowanymi do osiągnięcia celami etapowymi. Zrealizowano podstawowy cel badań tj. opracowanie scenariuszy warunków pluwialnych Polski w skali XXI wieku. W związku z koniecznością wprowadzenia poprawek wynikających z dryftu ciśnienia w modelach globalnych powstało opóźnienie w zakresie opracowania wyników niektórych scenariuszy (zwłaszcza liczby dni z opadem powyżej kwantyla 90%) oraz ich wizualizacji. 6. Propozycje dotyczące praktycznego wykorzystania wyników badań Scenariusze zmian warunków pluwialnych w Polsce mogą zostać wykorzystane do opracowania scenariuszy koniecznych zmian w gospodarce i rolnictwie oraz do wskazania sposobów adaptacji środowiska, gospodarki i społeczeństwa do negatywnych skutków zmiany klimatu. 7. Wykaz przygotowanych publikacji Marosz M., Miętus M., Pilarski M., Wójcik R., Occurrence of extreme daily precipitation totals in Poland during summer and its connections with regional atmospheric circulation (w przygotowaniu) 8. Literatura wykorzystana w opracowaniu 9. Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych prac dr hab. Mirosław Miętus prof. ndzw. Koordynator całości prac w zadaniu i podzadaniu, współautor koncepcji realizacji podzadania. Autor procedur numerycznych i programów obliczeniowych. Autor koordynujący ostatecznej wersji raportu. mgr Robert Wójcik Opracowanie scenariuszy zmian warunków pluwialnych w Polsce w skali XXI wieku, opracowanie wyników, wizualizacja wyników dr Michał Marosz Opracowanie scenariuszy zmian warunków pluwialnych w Polsce w skali XXI wieku, opracowanie wyników, wizualizacja wyników mgr Michał Pilarski Opracowanie scenariuszy zmian warunków pluwialnych w Polsce w skali XXI wieku, opracowanie wyników, wizualizacja wyników 10. Informacja o sposobie odbioru zadań składowych i trybie koordynacji prac Prace były koordynowane przez Koordynatora zadania. Zespół realizatorski spotkał się w całości na seminarium poświęconym prezentacji wyników scenariuszy zmian klimatu

39 Polski (16.XI.2010). Poza tym Koordynator zadania konsultował na bieżąco prace zespołu opracowującego scenariusze i spotykał się okresowo z zespołem lub jego poszczególnymi członkami w celu omówienia postępu prac, zgodności z harmonogramem. Całość dokumentacji, w tym: software, zbiory wejściowe oraz wynikowe, rysunki, znajdują się w siedzibie zespołu wykonującego zadanie (Oddział Morski IMGW w Gdyni). A.3. Warunki nefologiczne 1. Cel badań W roku 2010 celem badań było opracowanie scenariuszy zmian stopnia zachmurzenia ogólnego w Polsce w skali XXI wieku, ze szczególnym uwzględnieniem okresów oraz , jak również określenie za pomocą modeli statystyczno-empirycznych relacji pomiędzy wielkoskalowym polem wymuszenia a liczbą dni pogodnych nad Polską oraz opracowanie scenariuszy zmian tego elementu w skali XXI wieku. 2. Zakres wykonywanych prac Obliczenie miesięcznych wartości liczby dni pogodnych. Obliczenie funkcji własnych liczby dni pogodnych w Polsce w okresie dla roku, sezonów i miesięcy. Opracowanie statystyczno-empirycznego modelu, wykorzystującego technikę statystycznego downscalingu (metody kanonicznych korelacji oraz redundancyjna), opisującego relacje pomiędzy procesami regionalnymi (wielkoskalowe pole baryczne w regionie europejsko-atlantyckim) a liczbą dni pogodnych w Polsce w okresie Weryfikacja modelu liczby dni pogodnych. Wyznaczenie scenariuszy zmian stopnia zachmurzenia ogólnego oraz liczby dni pogodnych w Polsce w skali XXI wieku na podstawie danych z symulacji ECHAM-5 i HadCM3 oraz wyników modelu skonstruowanego optymalną metodą statystycznego downscalingu, scenariusze emisyjne A2, A1B, B1 oraz 1%CO2 do 2xCO2, Wyliczenie poprawki wynikające z dryftu ciśnienia w modelu ECHAM-5 i HadCM3 do scenariuszy zmian wymienionych powyżej elementów nefologicznych klimatu Polski. Wizualizacja, interpretacja i analiza rezultatów obliczeń. 3. Opis metodyki badań Model statystyczno-empiryczny liczby dni pogodnych:

40 - Metoda empirycznych funkcji własnych (EOF) ustalanie podstawowych wzorców zmienności elementu. - Metoda kanonicznych korelacji (CCA) oraz redundancyjna (RDA) konstrukcja modelu statystycznego downscalingu pomiędzy procesami regionalnymi i lokalnymi. - Metody weryfikacji modelu downscalingu: współczynnik korelacji pomiędzy seriami obserwacyjnymi zachmurzenia a zrekonstruowanymi, wartości wariancji reprodukowanej w seriach odtworzonych w oparciu o model. - Obliczanie współczynnika trendu serii zachmurzenia i jego statystycznej istotności (test Snedecora na poziomie istotności 1 = 0,95) w seriach klimatycznych. Scenariusze zmian elementów w XXI wieku: Scenariusze zmian warunków nefologicznych opracowano w odniesieniu do okresu referencyjnego z wykorzystaniem modelu statystycznego downscalingu. Informacje o zmianach cyrkulacji atmosferycznej w skali XXI wieku pozyskano z symulacji globalnych ECHAM-5 i HadCM3. Przyszłe zmiany warunków nefologicznych w Polsce zostały wyznaczone dla scenariuszy emisyjnych B1, A1B i A2 dla wszystkich dostępnych przebiegów: Scenariusz emisyjny Model B1 A1B A2 ECHAM-5 Run 1, 3 Run 1, 2, 4 Run 1, 2, 3 HadCM3 Run 1 Run 1 Run 1 Zmiany warunków nefologicznych opracowano dla całego XXI wieku ze szczególnym uwzględnieniem okresu oraz Ze względu na różnice między symulacją ciśnienia atmosferycznego przez modele globalne a wartościami rzeczywistymi do opracowanych scenariuszy wprowadzono korektę niwelującą wpływ tych różnic na uzyskane wyniki (tzw. poprawka na dryft ciśnienia). W tym celu wykorzystano dane z symulacji kontrolnej dla XX wieku (20C3M), będącej rekonstrukcją klimatu dokonaną przez dany model globalny w warunkach zmian koncentracji gazów cieplarnianych w atmosferze rzeczywiście obserwowanych w ciągu XX wieku.

41 4. Charakterystyka osiągniętych wyników Liczba dni pogodnych model statystyczno-empiryczny oraz scenariusze spodziewanej zmienności w skali XXI wieku Pole liczby dni pogodnych w roku w Polsce jest wyjaśniane przez siedem wektorów własnych (tab.1). Łączna ilość wyjaśnianej przez nie wariancji wynosi ponad 88% całkowitej zmienności elementu. Dominująca moda wyjaśnia 72% zmienności pola średniego zachmurzenia. Tab.1. Wariancja (%) wyjaśniana przez kolejne wektory własne liczby dni pogodnych w roku i sezonach w Polsce w okresie Sezon EOF1 EOF2 EOF3 EOF4 EOF5 EOF6 EOF7 Suma ROK 72,19 6,02 4,60 1,74 1,56 1,26 1,07 88,44 Zima 75,29 6,67 3,67 1,74 1,54 1,23 1,13 91,27 Wiosna 69,97 7,55 5,28 2,39 2,07 1,30 1,21 89,77 Lato 71,19 7,37 4,07 2,43 2,11 1,55 1,05 89,77 Jesień 75,66 5,67 3,78 2,06 1,54 1,17 1,02 90,90 Pierwszy wektor własny liczby dni pogodnych w roku przedstawia występowanie w Polsce dodatnich anomalii elementu (rys.1), o stosunkowo niewielkim przestrzennym zróżnicowaniu wartości. Najmniejsze wartości anomalii obserwowane są w rejonie nadmorskim, natomiast największe na obszarze Polski Centralnej. Podobnie, jak w przypadku stopnia zachmurzenia ogólnego, funkcja ta przedstawia dominującą rolę czynnika regionalnego w kształtowaniu wartości elementu w Polsce i związana jest z procesami tworzenia chmur w warunkach napływu nad Polskę dominujących pod względem frekwencji przez cały rok mas powietrza polarno-morskiego. Pierwsza główna składowa liczby dni pogodnych w roku w Polsce charakteryzuje się nieistotną statystycznie tendencją. Drugi wektor własny zachmurzenia wyjaśnia około 6% wariancji elementu. Przez obszar Polski Środkowej przebiega izoanomala zerowa, dzieląc obszar kraju na dwie części, o zbliżonej powierzchni, na których występują odchylenia od wartości średniej o przeciwnych znakach. Układ anomalii drugiej funkcji własnej sugeruje w ten sposób oddziaływanie arktycznych mas powietrza, napływających nad Polskę z kierunku północnego nieregularnie w ciągu roku, ze szczególnym nasileniem wiosną, przyczyniających się w dużej mierze do pojawiania się rozpogodzeń. Układ anomalii trzeciego wektora własnego, wyjaśniającego niespełna 5% wariancji elementu, o strukturze nawiązującej do długości geograficznej, sugeruje występowanie zmian liczby dni pogodnych wywołanych napływem z sektora wschodniego polarno-kontynentalnych mas powietrza. Każdy z pozostałych czterech wektorów własnych liczby dni pogodnych w Polsce wyjaśnia mniej niż 2% całkowitej zmienności elementu i prezentuje układ anomalii elementu wywołany najprawdopodobniej oddziaływaniem

42 czynników lokalnych, powiązanych m.in. z orografią, rodzajem pokrycia terenu oraz hydrografią. Analiza z wykorzystaniem empirycznych funkcji własnych dość zgodnie przedstawia wartości długookresowe zmiany analizowanego elementu wynikające z analizy równania trendu serii obserwacyjnych. Główne jej cechy to wzrost liczby dni pogodnych w maju i październiku oraz spadki w trakcie miesięcy letnich. 1 EOF 2 EOF 3 EOF 4 EOF 5 EOF 6 EOF 7 EOF Rys.1. Przestrzenna zmienność anomalii wektorów własnych liczby dni pogodnych w roku w Polsce w okresie Ilość funkcji własnych opisujących zmienność liczby dni pogodnych w Polsce w poszczególnych miesiącach i porach roku waha się od sześciu w grudniu do dziewięciu w okresie od maja do lipca. W każdym z sezonów otrzymane funkcje własne wyjaśniają około 90% wariancji. Struktura anomalii dominującego wektora własnego rozpatrywanego elementu w każdym z miesięcy jest zbliżona. Związek regionalnej cyrkulacji atmosferycznej i liczby dni pogodnych w Polsce w roku jest opisany za pomocą czterech par map kanonicznych, wyjaśniających łącznie odpowiednio blisko 80% wariancji pola lokalnego (tab.2), lecz niespełna 40% wariancji pola

43 elementu regionalnego. W przypadku poszczególnych miesięcy i pór roku związek ten jest opisywany każdorazowo przez od czterech (październik) do ośmiu par map kanonicznych (kwiecień, czerwiec). Wyniki analizy zależności zmienności pola średniej miesięcznej i sezonowej liczby dni pogodnych w Polsce od regionalnej cyrkulacji atmosferycznej wykazały istnienie związku pomiędzy frekwencją przypadków rozpogodzonego nieba a właściwościami napływających mas powietrza, jak też charakterystycznymi cechami pogody w układach barycznych. Tab.2. Wyjaśniana wariancja (%) oraz współczynniki korelacji kanonicznej regionalnego pola barycznego (SLP) oraz liczbą dni pogodnych w Polsce (DNIP) kolejnych par map kanonicznych w roku i sezonach Sezon Wskaźnik CCA1 CCA2 CCA3 CCA4 CCA5 Suma r 0,69 0,46 0,34 0,16 ROK var DNIP 62,03 7,58 5,43 4,38 79,42 var SLP 11,92 12,71 9,56 4,39 38,58 r 0,83 0,65 0,48 0,35 0,31 Zima var DNIP 49,94 17,84 3,93 5,92 3,61 81,24 var SLP 15,40 16,44 6,80 3,71 10,81 53,16 r 0,66 0,63 0,45 0,34 0,25 Wiosna var DNIP 51,41 20,10 3,71 4,31 2,71 82,24 var SLP 13,16 7,62 17,48 8,28 12,40 58,94 r 0,81 0,59 0,52 0,26 0,23 Lato var DNIP 63,74 3,97 6,07 4,31 7,84 85,93 var SLP 18,26 5,31 14,47 17,53 9,10 64,67 r 0,81 0,70 0,58 0,29 Jesień var DNIP 61,92 9,07 2,60 3,16 76,75 var SLP 17,06 10,13 13,34 5,77 46,30 Rys.2. Pierwsza i druga para map kanonicznych regionalnego pola barycznego (hpa) (lewy panel) i liczby dni pogodnych w Polsce (prawy panel) w roku w okresie

44 Wartość współczynnika korelacji kanonicznej pomiędzy seriami czasowymi stowarzyszonymi z dominującą parą map kanonicznych w przypadku zimy, jesieni i lata przekracza 0,8. Co jednak charakterystyczne, wartość tego wskaźnika jest znacznie mniejsza w przypadku dominującej pary map wiosną. Może to sugerować, że w tej porze roku charakterystyczne właściwości pola zachmurzenia (w tym przypadku procesy prowadzące do zmniejszania stopnia zachmurzenia ogólnego i występowania przypadków pogodnego nieba) są w mniejszym stopniu zdeterminowane charakterem cyrkulacji atmosferycznej, a istotną rolę pełnią w tym wypadku również procesy skali lokalnej. Wartość współczynnika korelacji pomiędzy seriami kanonicznymi dominującej pary map regionalnego pola ciśnienia atmosferycznego i liczby dni pogodnych w roku również jest mniejsza niż we wspomnianych powyżej przypadkach dla zimy, jesieni i lata i wynosi 0,69. Mapa pola lokalnego tłumaczy 62% wariancji elementu, lecz mapa pola regionalnego zaledwie 12%. Mapa ciśnienia dominującej pary map kanonicznych (rys.2) wskazuje, że podobnie jak miało to miejsce w przypadku związku regionalnego pola ciśnienia i stopnia zachmurzenia ogólnego, najsilniej na zmiany liczby dni pogodnych w Polsce wpływa lokalny układ baryczny, którego centrum zlokalizowane jest w rejonie południowo-wschodniej części basenu Morza Bałtyckiego. W sytuacji, gdy ciśnienie w tym ośrodku jest niższe niż przeciętnie, na obszarze Polski obserwujemy spływ powietrza z kierunku północno-zachodniego. Na procesy tworzenia się chmur nad Polską oddziałują procesy związane z przejściem napływającego powietrza nad wodami Bałtyku, co rzutuje na jego właściwości powietrze ogrzewa się i wzbogaca w parę wodną, a masy powietrza uzyskują tym samym chwiejność. Występowaniu wznoszących ruchów powietrza sprzyja położenie Polski w zasięgu oddziaływania ośrodka niżowego. W efekcie na obszarze całego kraju układ tworzą się chmury, przez co zmniejsza się liczba dni pogodnych. Większa wartość bezwzględna anomalii elementu na obszarach południowej Polski jest prawdopodobnie związana z wymuszoną konwekcją, charakterystyczną dla frontów atmosferycznych towarzyszących ośrodkowi niskiego ciśnienia oraz procesów zachodzących w obrębie wycinka ciepłego, które przyczyniają się do rozwoju zachmurzenia konwekcyjnego. W ciepłej porze roku istotne znaczenie dla rozwoju chmur w opisywanych warunkach ma również destabilizacja równowagi termicznej w atmosferze podczas adwekcji chłodnego powietrza morskiego nad cieplejszy ląd. W przypadku odwrócenia znaku anomalii barycznych, Polskę znajduje się niemal w centrum wyżu barycznego. Nad obszar Polski dociera z sektora wschodniego i południowowschodniego suche powietrze polarno-kontynentalne. Wiejące wiatry są słabe, a nade

45 wszystko dominuje tendencja do osiadania powietrza. W tej sytuacji na całym obszarze kraju obserwujemy dodatnie anomalie wartości elementu, świadczące o wzroście liczby dni pogodnych, związanej ze stopniowym zanikaniem pokrywy chmur, jakie zaobserwować można w opisanych warunkach. Największe wartość anomalii występują na obszarach położonych w południowo-wschodniej części kraju. Druga para map kanonicznych pól omawianych elementów wskazuje na zależność pola elementu lokalnego od ośrodków barycznych, jakie występują tym razem w dużym oddaleniu od Polski. Nad wodami Atlantyku Północnego, na południe od Islandii znajduje się centrum ośrodka cyklonalnego, centrum antycyklonu występuje z kolei nad zachodnią częścią basenu Morza Śródziemnego. Polska znajduje się w strefie dość silnego spływu strefowego z kierunku południowo-zachodniego. Północna część kraju leży w obszarze obniżonego ciśnienia, za to cała południowa część kraju położna jest w obrębie oddziaływania antycyklonu. W Polsce Północnej obserwowany jest spadek liczby dni pogodnych, w południowej części kraju, dokąd dopływa bardziej suche powietrze z południa Europy, liczba dni pogodnych natomiast wzrasta. Uwydatnia się zróżnicowanie wywołane odmiennymi właściwościami napływających mas powietrza, jak też charakterystycznymi cechami pogody w układach barycznych. Przy odwróceniu znaków anomalii barycznych, związane z tym obserwowane odchylenia liczby ni pogodnych w Polsce również można wytłumaczyć oddziaływaniem opisywanych czynników. Wartości współczynnika korelacji pomiędzy seriami obserwacyjnymi i zrekonstruowanymi liczby dni pogodnych w roku w okresie wynoszą, ogólnie rzecz biorąc, około 0,35-0,50. Najsłabsze dopasowanie osiągnięto w przypadku serii z miesięcy wiosennych. Ilość wariancji reprodukowanej w stosunku do serii obserwacyjnych liczby dni pogodnych w seriach odtworzonych w oparciu o model nie przekracza 25%. Lepszym dopasowaniem serii odtworzonej w stosunku do pomiarowej charakteryzują się miesiące zimowe, najsłabszym miesiące wiosenne. Przeprowadzone na podstawie symulacji modelami globalnymi projekcje liczby dni pogodnych w Polsce w skali XXI wieku wskazują na wystąpienie stosunkowo niewielkich zmian wartości elementu w stosunku do okresu referencyjnego (Tab. 3, 4 i 5). Wartości spodziewanych zmian przed wprowadzeniem korekty uwidaczniają możliwość wystąpienia jedynie zauważalnych dodatnich zmian liczby rozpatrywanych dni w sezonie jesiennym. Wiosną należy oczekiwać natomiast spadku liczby dniu pogodnych w Polsce. Latem zauważalna jest dość interesująca zmiana. W pierwszym z rozpatrywanych

46 podokresów XXI wieku, tj. wieloleciu , wszystkie trzy analizowane scenariusze ukazują negatywne zmiany omawianego elementu, z kolei w późniejszym z podokresów, tj. wieloleciu ilość dni pogodnych w stosunku do okresu referencyjnego jest już tym razem większa. Tab. 3. Spodziewana zmiana liczby dni pogodnych w Polsce w stosunku do okresu w świetle rezultatów symulacji modelem ECHAM5, wartości przed korektą ze względu na dryft ciśnienia. SEZON/WIELOLECIE A1B A2 B1 ROK / ,5-0,5-0,6 ROK / ,1-0,4-0,4 ZIMA / ,3-0,1-0,4 ZIMA / ,4-0,8-0,5 WIOSNA / ,1-0,9-0,6 WIOSNA / ,0-0,8-0,9 LATO / ,6-1,1-1,1 LATO / ,7 +0,6 +0,4 JESIEN / ,4 +1,0 +0,9 JESIEN / ,8 +2,1 +1,5 Wprowadzenie do rezultatów symulacji korekty ze względu na dryft ciśnienia zmienia dość znacząco pozyskane uprzednio wyniki. W skali roku praktycznie nie należy oczekiwać żadnych znaczących w skali XXI wieku zmian liczby dni pogodnych w Polsce w porównaniu do okresu (tab.4). Rezultaty poszczególnych scenariuszy są dość zgodne, podkreślić jednak należy wystąpienie w przypadku wyników scenariusza A1B w późniejszym z podokresów możliwości wystąpienia wzrostu o blisko 0,5 dnia liczby omawianych dni w rejonie południa Polski. Tab. 4. Spodziewana zmiana liczby dni pogodnych w Polsce w stosunku do okresu w świetle rezultatów symulacji modelem ECHAM5, wartości po korekcie ze względu na dryft ciśnienia. SEZON/WIELOLECIE A1B A2 B1 ROK / ,1 0,0-0,1 ROK / ,3 +0,1 +0,1 ZIMA / ,3 +0,5 +0,2 ZIMA / ,2-0,2 +0,2 WIOSNA / ,7-0,5-0,2 WIOSNA / ,7-0,4-0,5 LATO / ,5 0,0-0,1 LATO / ,7 +1,6 +1,4 JESIEN / ,3-0,2-0,3 JESIEN / ,6 +0,9 +0,3

47 B1 A2 A1B Rys. 3. Spodziewana zmiana liczby dni pogodnych w Polsce w roku w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia. W przypadku sezonu zimowego wprowadzenie poprawki skutkuje zmianą znaku anomalii spodziewanych zmian. Po uwzględnieniu korekty sezon zimowy cechuje się wzrostem liczby dni pogodnych, a zmiany, zwłaszcza w przypadku scenariusza A1B powinny w późniejszym z podokresów prowadzić do wzrostu liczby opisywanych dni z południowo-zachodniej części kraju oraz spadku liczby dni pogodnych na północnowschodnich krańcach Polski (rys. 4). Pozostałe scenariusze wskazują na możliwość wystąpienia nieco łagodniejszych zmian. B1 A2 A1B Rys. 4. Spodziewana zmiana liczby dni pogodnych w Polsce zimą w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia.

48 Wiosną, zarówno w przypadku wyników nieskorygowanych, jak i poprawionych należy spodziewać się spadku liczby dni pogodnych w Polsce (rys.5). Rezultaty poszczególnych scenariuszy dość zgodnie wskazują na fakt wystąpienia spadku o blisko 1 dzień liczby dni pogodnych, zarówno w przypadku podokresu , jak i podokresu w stosunku do wielolecia referencyjnego Wartości odchylenia są stosunkowo mało zróżnicowane na obszarze kraju. B1 A2 A1B Rys. 5. Spodziewana zmiana liczby dni pogodnych w Polsce wiosną w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia. Zmiany opisywanego elementu w przypadku sezonu letniego są jednymi z najbardziej dynamicznych (rys.6). We wcześniejszym z podokresów nie należy co prawda oczekiwać wystąpienia zauważalnych różnic liczby dni pogodnych w porównaniu do wartości w okresu referencyjnego. Jedynie scenariusz A1B dopuszcza możliwość wzrostu liczby występujących dni pogodnych o ponad 0,5 dnia na obszarze Polski Południowej. W przypadku wielolecia wartości spodziewanych zmian po wprowadzeniu korekty symulacji ze względu na dryft ciśnienia dowodzą za to perspektywy wystąpienia w skali XXI wieku silnego wzrostu liczby dni pogodnych w trakcie lata. Liczba występujących dni pogodnych wzrośnie latem miejscami, na obszarze Polski Południowo-Wschodniej, nawet o dwa pełne dni. W północnej części kraju zmiany nie będą tak silne, choć i na tych obszarach spodziewać się należy co najmniej jednego więcej dnia pogodnego na tle porównywanego okresu

49 A2 A1B B1 Rys. 6. Spodziewana zmiana liczby dni pogodnych w Polsce latem w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia. Jesienią należy również oczekiwać wystąpienia zauważalnych zmian wartości opisywanego elementu. W przypadku wcześniejszego z omawianych podokresów XXI wieku scenariusz A1B wskazuje na występowanie wzrostu liczby spodziewanych przypadków, natomiast obydwa pozostałe scenariusze dowodzą możliwości wystąpienia niewielkich spadków wartości elementu. W późniejszym z podokresów zmiany nie powinny występować jedynie w północnej części kraju, za to cała środkowa i południowa Polska powinna doświadczać wyraźnie większej liczby dni pogodnych, niż miało to miejsce w XX wieku. A2 A1B B1 Rys. 7. Spodziewana zmiana liczby dni pogodnych w Polsce jesienią w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia.

50 Zachmurzenie ogólne scenariusze spodziewanej zmienności w skali XXI wieku Przedstawione w tab. 5 i 6 oraz 7 i 8 porównania wyników spodziewanych zmian stopnia zachmurzenia ogólnego opracowane na podstawie symulacji modelami globalnymi ECHAM5 i HadCM3 odpowiednio przed i po poprawce korekcie ze względu na dryft ciśnienia atmosferycznego wskazują w kilku przypadkach na wystąpienie dość znaczącej korekty wartości w stosunku do wartości pierwotnie obliczonych. Należy ponadto podkreślić fakt, iż scenariusze oparte na obu wykorzystanych symulacjach globalnych nie zawsze wykazują zgodność. Tab. 5. Spodziewana zmiana stopnia zachmurzenia ogólnego w Polsce (w %) w stosunku do okresu w świetle rezultatów symulacji modelem ECHAM5, wartości przed korektą ze względu na dryft ciśnienia. SEZON/WIELOLECIE A1B A2 B1 ROK / ,4 +0,3 +0,4 ROK / ,2-0,4-0,2 ZIMA / ,4 +1,0 +0,6 ZIMA / ,7 +1,0 +1,4 WIOSNA / ,8 +6,2 +5,3 WIOSNA / ,4 +5,3 +5,8 LATO / ,5 +2,4 +1,3 LATO / ,7-4,2-4,3 JESIEN / ,2 +0,8 +0,6 JESIEN / ,5-1,2 +0,1 Tab. 6. Spodziewana zmiana stopnia zachmurzenia ogólnego w Polsce (w %) w stosunku do okresu w świetle rezultatów symulacji modelem ECHAM5, wartości po korekcie ze względu na dryft ciśnienia. SEZON/WIELOLECIE A1B A2 B1 ROK / ,2 +0,1 +0,1 ROK / ,4-0,6-0,5 ZIMA / ,2-0,8-1,2 ZIMA / ,5-0,74-0,4 WIOSNA / ,7 +2,1 +1,2 WIOSNA / ,4 +1,2 +1,7 LATO / ,9 +1,1-0,0 LATO / ,0-5,5-5,6 JESIEN / ,8 +0,2 +0,0 JESIEN / ,1-1,8-0,5 Scenariusze oparte na modelu ECHAM5 wskazują, iż średnie roczne zachmurzenie ogólne w Polsce w latach nie zmieni się znacząco w stosunku do okresu referencyjnego (rys. 8, tab. 6 i 8). Zgodnie ze wszystkimi scenariuszami emisyjnymi zmiany w zasadzie nie przekroczą 1%. Niewiele większe zmiany wartości elementu są przewidywane dla wielolecia W całym kraju średnie zachmurzenie powinno być mniejsze od 1 do 2%. Największy spadek nastąpi w południowo-zachodniej części kraju.

51 Symulacja modelem HadCM3 nie potwierdza tych wyników, we wszystkich niemal przypadkach należy oczekiwać wzrostu średniego zachmurzenia w kraju, najsilniejszy wzrost nastąpi pod koniec XXI wieku według scenariusza B1, przy czym wartość odchylenia jest w tym przypadku bardzo mało zróżnicowana w skali kraju. B1 A2 A1B Rys. 8. Spodziewana zmiana zachmurzenia ogólnego w Polsce w roku (w %) w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia. Zimą w okresie według wszystkich scenariuszy opartych na symulacji modelem ECHAM5 nastąpi niewielki spadek stopnia zachmurzenia ogólnego w całym kraju. W okresie zmiany będą silniejsze w stosunku do okresu (rys. 9). Na zdecydowanej większości obszaru Polski obserwowane będą w dalszym ciągu anomalie ujemne, najsilniejsze w części południowo-zachodniej kraju, osiągające w przypadku scenariusza A1B nawet blisko 5%. W północno-wschodniej części kraju nie należy spodziewać się zmian wartości elementu. Rezultaty symulacji przyszłej zmienności stopnia zachmurzenia ogólnego wykonanej z wykorzystaniem modelu HadCM3 potwierdzają wyniki uzyskane z wykorzystaniem modelu ECHAM-5, choć analogiczne scenariusze różnią się między sobą w przypadku obydwu symulacji globalnych. Scenariusz A1B w przypadku obydwu symulacji wskazuje na postępujące rozpogodzenie nieba w skali XXI wieku, w przypadku scenariusza B1 w przypadku obydwu symulacji należy oczekiwać raczej słabnącego w skali XXI wieku rozpogodzenia nieba. W przypadku scenariusza A2 symulacja HadCM3 wskazuje na postępujący spadek stopnia zachmurzenia nieba w skali obecnego stulecia, symulacja ECHAM5 nie potwierdza takiego kierunku zmian.

52 B1 A2 A1B Rys. 9. Spodziewana zmiana zachmurzenia ogólnego w Polsce zimą (w %) w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia. W sezonie wiosennym w okresie według wszystkich scenariuszy obydwu symulacji globalnych nastąpi wzrost średniego zachmurzenia ogólnego w Polsce w stosunku do okresu referencyjnego (rys. 10). W przypadku symulacji ECHAM5 największego wzrostu należy spodziewać się w przypadku scenariusza A1B (około 2,7%), w przypadku drugiej z symulacji scenariusza B1 (blisko 3%). Silniej zachmurzenie ogólne wzrośnie w południowej części kraju. W wieloleciu również należy spodziewać się nieba bardziej zachmurzonego w stosunku do okresu referencyjnego. W przypadku scenariusza A2 wartość anomalii będzie wyraźnie mniejsza niż obliczona dla wcześniejszego wielolecia. B1 A2 A1B Rys. 10. Spodziewana zmiana zachmurzenia ogólnego w Polsce wiosną (w %) w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia.

53 W przypadku sezonu letniego należy zaznaczyć, iż scenariusze zmian zachmurzenia oparte na symulacjach ECHAM-5 i HadCM3 różnią się znacząco, zarówno pod względem wartości, jak i znaku zmiany (rys. 11, tab. 6 i 8). Przewidywane zmiany elementu w okresie w przypadku modelu ECHAM5 będą stosunkowo niewielkie i nie przekroczą 2% (spadek zachmurzenia), według symulacji HadCM3 nastąpi natomiast wzrost zachmurzenia, w przypadku scenariusza B1 średnio nawet o ponad 4% w całej Polsce, miejscami na Wybrzeżu o ponad 5%. W okresie średnie zachmurzenie ogólne latem będzie już według modelu ECHAM5 znacznie mniejsze niż w okresie referencyjnym, średnia w skali całego kraju różnica wyniesie blisko 6%. Rozkład przestrzenny zmian jest w przypadku wszystkich scenariuszy emisyjnych dość podobny. W przypadku symulacji modelem HadCM3 jedynie w przypadku scenariusza A1B należy spodziewać się niewielkiego spadku stopnia zachmurzenia ogólnego, obydwa pozostałe scenariusze wskazują występowania wzrostu zachmurzenia o ponad 1% w skali całego kraju. B1 A2 A1B Rys. 11. Spodziewana zmiana zachmurzenia ogólnego w Polsce latem (w %) w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia. Scenariusze A1B i B1 zmian zachmurzenia ogólnego jesienią przypadku obydwu symulacji są zgodne i wskazują na spadek wartości elementu w okresie w stosunku do wielolecia w przypadku scenariusza A1B oraz nieznaczny wzrost w przypadku scenariusza B1 (rys. 12). W odróżnieniu od scenariusza A2 symulacji modelem ECHAM5 symulacja HadCM3 wskazuje na spadek wartości elementu. W okresie w Polsce nastąpi bądź spadek stopnia zachmurzenia (A1B i B1 obydwie symulacje oraz A2

54 symulacja modelem ECHAM5), bądź wzrost (A2 symulacja modelem HadCM3). Wartość bezwzględna anomalii będzie największa w południowo-zachodniej części kraju. B1 A2 A1B Rys. 12. Spodziewana zmiana zachmurzenia ogólnego w Polsce jesienią (w %) w wybranym wieloleciu w stosunku do okresu (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia. Tab. 7. Spodziewana zmiana stopnia zachmurzenia ogólnego w Polsce (w %) w stosunku do okresu w świetle rezultatów symulacji modelem HadCM3, wartości przed korektą ze względu na dryft ciśnienia. SEZON/WIELOLECIE A1B A2 B1 ROK / ,5-0,1-0,1 ROK / ,8-0,1 +0,0 ZIMA / ,9 +0,3-0,6 ZIMA / ,2-0,3 +0,3 WIOSNA / ,5 +7,8 +10,0 WIOSNA / ,6 +9,9 +8,8 LATO / ,0 +10,6 +11,9 LATO / ,3 +8,7 +9,1 JESIEN / ,7 +0,0 +1,2 JESIEN / ,0 +1,7 +0,8 Tab. 8. Spodziewana zmiana stopnia zachmurzenia ogólnego w Polsce (w %) w stosunku do okresu w świetle rezultatów symulacji modelem HadCM3, wartości po korekcie ze względu na dryft ciśnienia. SEZON/WIELOLECIE A1B A2 B1 ROK / ,1 +0,5 +0,5 ROK / ,1 +0,5 +0,6 ZIMA / ,5-1,1-2,0 ZIMA / ,1-1,7-1,0 WIOSNA / ,2 +0,6 +2,8 WIOSNA / ,4 +2,7 +1,5 LATO / ,3 +3,0 +4,2 LATO / ,4 +1,1 +1,5 JESIEN / ,8-1,1 +0,1 JESIEN / ,1 +0,6-0,3

55 5. Analiza zgodności z założonymi celami oraz informacja o ewentualnych opóźnieniach wraz z wyjaśnieniem ich przyczyn Rezultaty osiągnięte w okresie I.2010-XII.2010 są zgodne z harmonogramem prac zawartym we wniosku i planowanymi do osiągnięcia celami etapowymi w zakresie rezultatów merytorycznych. 6. Propozycje dotyczące praktycznego wykorzystania wyników badań W dalszej kolejności na podstawie opracowanych scenariuszy skonstruowane zostaną scenariusze wiązkowe spodziewanej zmienności warunków nefologicznych w Polsce. 7. Wykaz przygotowanych publikacji Filipiak J., Zachmurzenie w Polsce struktura zmienności po 1971 roku, wyniki scenariuszy zmian do 2100 roku. Rezultaty realizacji projektu KLIMAT. Referat podczas seminarium naukowego Oddziału Bałtyckiego Polskiego Towarzystwa Geofizycznego oraz Wydziału V Nauk o Ziemi Gdańskiego Towarzystwa Naukowego, Gdańsk, Literatura wykorzystana w opracowaniu Miętus M., Filipiak J., 2002, Wpływ termiki powierzchniowej warstwy wody północnego Atlantyku na wielkoskalową cyrkulację atmosferyczną w rejonie Atlantyku i Europy oraz na warunki termiczne w Polsce w XX wieku. Materiały Badawcze IMGW Seria Meteorologia, IMGW, Warszawa, 35, 68pp. Storch v. H., Zwiers, F., 1999, Statistical Analysis in Climate Research, Cambridge University Press, 513 pp. 9. Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych prac dr Janusz Filipiak Całość prac związanych z opracowaniem modelu statystyczno-empirycznego liczby dni pogodnych oraz scenariuszy spodziewanej zmienności stopnia zachmurzenia ogólnego i liczby dni pogodnych w Polsce w skali XXI wieku, wizualizacja, analiza i interpretacja rezultatów obliczeń. Autor raportu. 10. Informacje o sposobie odbioru zadań składowych i trybie koordynacji prac Realizator zadania przedstawił rezultaty prac podczas seminarium poświęconym prezentacji wyników scenariuszy zmian klimatu Polski (16.XI.2010). Poza tym prace były na bieżąco konsultowane w celu omówienia postępu prac oraz zgodności z harmonogramem. Całość dokumentacji, w tym: software, zbiory wejściowe oraz wynikowe, rysunki, znajdują się w siedzibie zespołu wykonującego zadanie 1.2 (Oddział Morski IMGW w Gdyni).

56 A.4 WARUNKI HIGRYCZNE 1. Cel badań Wykorzystanie zdefiniowanych relacji pomiędzy wielkoskalowym polem wymuszenia (regionalne pole ciśnienia atmosferycznego nad Europą i Północnym Atlantykiem) i regionalnym polem elementów higrycznych uzyskanych za pomocą technik statystycznego downscalingu do opracowania scenariuszy zmian parametrów wilgotności względnej powietrza i prężności pary wodnej w Polsce, w XXI wieku na podstawie przeprowadzonych symulacji globalnych wg scenariuszy emisyjnych A1B, A2 i B1. 2. Zakres wykonywanych prac Obliczenie funkcji własnych prężności pary wodnej i wilgotności względnej powietrza w Polsce w okresie dla roku, sezonów i miesięcy. Opracowanie statystyczno-empirycznego modelu, wykorzystującego technikę statystycznego downscalingu (metody kanonicznych korelacji oraz redundancyjna), opisującego relacje pomiędzy procesami regionalnymi (wielkoskalowe pole baryczne w regionie europejsko-atlantyckim) a prężnością pary wodnej i wilgotnością względną powietrza w okresie Weryfikacja modelu prężności pary wodnej i wilgotności względnej powietrza. Opracowanie scenariuszy zmian parametru prężności pary wodnej i wilgotności względnej powietrza. Wizualizacja anomalii pola prężności pary wodnej i wilgotności względnej powietrza dla wartości sezonowych i rocznych w latach i względem okresu referencyjnego dla obszaru Polski. Obliczenie różnic regionalnego pola ciśnienia pomiędzy wartościami rzeczywistymi pochodzącymi z reanalizy NCEP/NCAR wobec symulacji kontrolnych modeli globalnych dla każdej z analizowanych wiązek w latach ; utworzono skrypt programu GrADS do eksportu danych z wybranego obszaru do formatu EXTRA ASCII, dokonano interpolacji danych z modelu HadCM-3 do siatki 2,5x2,5 stopnia oraz utworzono zestawienia tabelarycznego z wartościami poprawkowymi dla wiązek 1-4 w przypadku modelu ECHAM-5 i wiązki nr 1 dla modelu HadCM-3 dla analizowanego 20-stolecia. Obliczono średnie miesięczne różnice w poszczególnych oczkach siatki. Uwzględnienie w obliczonych wartościach scenariuszowych dla obu parametrów higrycznych ustalonych wartości poprawkowych. Zestawienie uzyskanych rezultatów w formie tabelarycznej dla każdego z analizowanych scenariuszy oraz wykonanie map

57 skorygowanych anomalii parametrów prężności pary wodnej i wilgotności względnej powietrza w latach i Opis metodyki badań Model statystyczno-empiryczny prężności pary wodnej i wilgotności względnej powietrza: - Metoda empirycznych funkcji własnych (EOF) ustalanie podstawowych wzorców zmienności elementów. - Metoda kanonicznych korelacji (CCA) oraz redundancyjna (RDA) konstrukcja modelu statystycznego downscalingu pomiędzy procesami regionalnymi i lokalnymi. - Metody weryfikacji modelu downscalingu: współczynnik korelacji pomiędzy seriami obserwacyjnymi analizowanych elementów a zrekonstruowanymi, wartości wariancji reprodukowanej w seriach odtworzonych w oparciu o model. - Obliczanie współczynnika trendu serii zachmurzenia i jego statystycznej istotności (test Snedecora na poziomie istotności 1 = 0,95) w seriach klimatycznych. Scenariusze zmian elementów w XXI wieku: Scenariusze zmian warunków higrycznych opracowano w odniesieniu do okresu referencyjnego z wykorzystaniem modelu statystycznego downscalingu. Informacje o zmianach cyrkulacji atmosferycznej w skali XXI wieku pozyskano z symulacji globalnych ECHAM-5 i HadCM3. Przyszłe zmiany warunków higrycznych w Polsce zostały wyznaczone dla scenariuszy emisyjnych B1, A1B i A2 dla przebiegów: Scenariusz emisyjny Model B1 A1B A2 ECHAM-5 Run 1, 3 Run 1, 2, 4 Run 1, 2, 3 HadCM3 Run 1 Run 1 Run 1 Zmiany warunków higrycznych opracowano dla całego XXI wieku ze szczególnym uwzględnieniem okresu oraz Scenariusze skonstruowano biorąc pod uwagę rzeczywistą liczbę par map, ze względu na fakt stosunkowo niewielkich różnic uzyskiwanych przy użyciu rzeczywistej i zmniejszonej o 1 liczbę par map (okresy z niskimi współczynnikami korelacji). Powstałe zestawienia zmian według analizowanych scenariuszy nie są rezultatami ostatecznymi. Różnice między serią kontrolną symulacji globalnej przeprowadzoną dla XX wieku względem serii rzeczywistej, w tym przypadku reprezentowanej przez wartości reanalizy NCEP/NCAR, należy traktować jako systematyczny błąd modelu globalnego, który

58 wystąpił również w symulacji dla lat Obliczone różnice pomiędzy okresem referencyjnym a symulacją kontrolną stanowią podstawę do wyznaczenia wartości poprawkowych pola lokalnego, które należy uwzględnić przy tworzeniu końcowego zestawienia scenariuszowego. Wszystkich obliczeń dokonano dla skali miesięcznej, sezonowej i rocznej obejmującej 20-lecia i , a także całość XXI wieku. 4. Charakterystyka osiągniętych wyników Prężność pary wodnej model statystyczno-empiryczny oraz scenariusze spodziewanej zmienności w skali XXI wieku Rezultaty analizy wskazują, że przestrzeń sygnału rozpatrywanego elementu w skali roku jest opisana przez cztery funkcje własne, które łącznie wyjaśniają odpowiednio ponad 95% jego wariancji (tab.1). W przypadku każdego z sezonów łączna suma wyjaśnianej wariancji także przekracza 90%, przy czym zimą jest ona największa i wynosi blisko 99%, natomiast latem jest najmniejsza i wynosi niespełna 93%. Pierwszy wektor własny prężności pary wodnej w roku wyjaśnia ponad 86% całkowitej wariancji elementu, natomiast w skali poszczególnych sezonów wartość ta waha się od 95% zimą do niespełna 78% latem. Warto wspomnieć, że w przypadku zimy i jesieni istnieją tylko trzy niezdegenerowane wektory własne pola elementu, wiosną cztery, natomiast latem ich ilość wzrasta do pięciu. Tab.1. Wariancja (%) wyjaśniana przez kolejne wektory własne prężności pary wodnej w roku i sezonach w Polsce w okresie Sezon EOF1 EOF2 EOF3 EOF4 EOF5 Suma ROK 85,95 5,11 3,08 1,11 95,25 Zima 95,09 2,54 1,22 98,84 Wiosna 87,37 3,96 2,84 1,17 95,34 Lato 77,86 7,14 4,72 2,11 1,01 92,84 Jesień 84,69 7,86 2,66 95,20 Pierwsza empiryczna funkcja własna opisywanego elementu w skali roku przedstawia silne dodatnie anomalie parametru prężności pary wodnej (rys. 1). Największe odchylenia od średniej wartości elementu występują we wschodniej części kraju, natomiast najmniejsze wartości anomalii występują na stacjach nadmorskich, po czym wartość anomalii rośnie w miarę wzrostu odległości od linii brzegowej Bałtyku. Mniejsze anomalie cechują również przedgórza. Zróżnicowanie przestrzenne anomalii pierwszego wektora własnego elementu w przypadku każdego z sezonów jest analogiczne. Ilość pary wodnej pozostaje w bardzo ścisłym związku z temperaturą powietrza, na obydwa elementy zależą z kolei od właściwości napływających mas powietrza. Struktura przestrzenna pierwszego wektora przedstawia dominującą rolę czynnika regionalnego w kształtowaniu prężności pary wodnej na omawianym obszarze, o czym świadczy duża wartość wyjaśnianej wariancji.

59 1 EOF 2 EOF 3 EOF Rys.1. Przestrzenna zmienność anomalii wektorów własnych prężności pary wodnej w roku w Polsce w okresie Drugi wektor własny wyjaśnia około 5% zmienności rozpatrywanego elementu i przedstawia na obszarze kraju anomalie ciśnienia pary wodnej o przeciwnych znakach, natomiast izoanomalie układaja się w osi północ-południe (rys. 1). Obecna na obszarze Polski izolinia 0 hpa może sugerować ścieranie się nad Polską dwóch mas powietrza o odmiennych właściwościach termiczno-wilgotnościowych. Trzeci wektor własny prężności pary wodnej wyjaśnia 3% zmienności rozpatrywanego elementu. Na obszarze Polski występują, podobnie jak w przypadku wcześniejszej funkcji, również anomalie przeciwnych znaków, lecz układ izolinii zmienia się prostopadle w stosunku do kierunku prezentowanego w strukturze anomalii drugiego wektora (rys. 1). Przedstawiony rozkład prężności pary wodnej jest prawdopodobnie zależny od oddziaływania termicznego Oceanu Atlantyckiego, którego wpływ przejawia się m.in. wzmożoną aktywnością cyklonalną i napływem z północnego zachodu oceanicznych mas powietrza. Przejście izoanomalii 0 hpa przez obszar kraju sugeruje w tym wypadku występowanie obszaru stykania się wpływów oceanicznych i kontynentalnych, bądź może wskazywać na obecność strefy kontaktu nad Polską mas powietrza o różnych właściwościach termiczno-wilgotnościowych oddzielonych od siebie powierzchnią frontalną. Czwarta funkcja własna wyjaśnia około 1% zmienności prężności pary wodnej w roku i przedstawia ujemne anomalie elementu na większej części obszaru kraju. Charakterystyczną cechą długookresowej zmienności elementu w Polsce w skali roku jest jej systematyczny przyrost. W ujęciu sezonowym zauważalny jest zdecydowany, statystycznie istotny przyrost wartości elementu zimą, wiosną i latem zmiany nie są tak silne. Jesienią zmiany są najsłabsze, lecz również przeważają tendencje dodatnie.

60 Tab.2. Wyjaśniana wariancja (%) oraz współczynniki korelacji kanonicznej regionalnego pola barycznego (SLP) oraz prężnością pary wodnej w Polsce (PPAR) kolejnych par map kanonicznych w roku i sezonach. Sezon Wskaźnik CCA1 CCA2 CCA3 CCA4 Suma r 0,62 0,41 0,33 0,24 ROK var PPAR 65,08 22,92 4,57 2,91 95,48 var SLP 34,41 10,02 10,32 13,78 68,53 r 0,89 0,55 0,42 Zima var PPAR 85,73 6,58 6,60 98,91 var SLP 37,49 12,88 10,86 61,23 r 0,71 0,52 0,50 0,26 Wiosna var PPAR 31,56 29,74 31,76 2,69 95,75 var SLP 18,34 8,00 14,18 10,16 50,68 r 0,83 0,67 0,47 0,35 Lato var PPAR 49,88 15,63 18,42 8,50 92,43 var SLP 5,14 24,21 8,17 9,43 46,95 r 0,66 0,56 0,41 Jesień var PPAR 31,96 51,23 12,20 95,39 var SLP 24,53 16,29 16,09 56,91 Związek regionalnego pola barycznego oraz prężności pary wodnej w Polsce jest opisany przez cztery pary map kanonicznych (tab.2), wyjaśniających łącznie ponad 95% wariancji pola lokalnego i blisko 70% wariancji pola regionalnego. Rys.2. Pierwsza i druga para map kanonicznych regionalnego pola barycznego (hpa) (lewy panel) i prężności pary wodnej w Polsce (prawy panel) w roku w okresie Dominująca para map przedstawia relacje pomiędzy układem cyrkulacyjnym typu NAO a niemal jednorodną zmianą ilości pary wodnej w powietrzu w Polsce (rys.2). Napływ powietrza polarno-morskiego znad Atlantyku powoduje wzrost tej wartości, przy odwróceniu znaków anomalii i napływie powietrza polarno-kontynentalnego ilość pary wodnej w powietrzu w całej Polsce maleje. Scenariusze zmian prężności pary wodnej w ciągu całego XXI wieku wykazują duże zróżnicowanie zarówno w ujęciu sezonowym jak i przestrzennym. Zaobserwowano duże rozbieżności pomiędzy rezultatami bazującymi na symulacjach HadCM-3 i ECHAM-5. Wartości spodziewanych zmian prężności pary wodnej, bazujących na technikach statystycznego downscalingu zamieszczono w tab. 3.

61 Tabela 3a. Uśrednione anomalie parametru prężności pary wodnej dla obszaru Polski w okresie Scenariusz Zima Wiosna Lato Jesien Rok ECHAM-5 A1B run 2 0,20 0,00-0,15 0,07 0,07 ECHAM-5 A1B run 4 0,11 0,02 0,07 0,10 0,04 ECHAM-5 A2 run 1 0,03-0,07-0,04-0,06-0,05 ECHAM-5 A2 run 2 0,11-0,07-0,11 0,05 0,03 ECHAM-5 A2 run 3 0,01 0,09 0,19 0,10 0,07 ECHAM-5 B1 run 1 0,19-0,11-0,05-0,07-0,01 ECHAM-5 B1 run 3-0,02 0,21 0,02-0,12 0,03 HadCM-3 A1B run 1-0,26-0,61-1,32 2,20-0,26 HadCM-3 A2 run 1-0,20-0,83-1,35 2,17-0,26 HadCM-3 B1 run 1-0,32-0,72-1,26 2,10-0,20 Tabela 3b. Uśrednione anomalie parametru prężności pary wodnej dla obszaru Polski w okresie Scenariusz Zima Wiosna Lato Jesien Rok ECHAM-5 A1B run 1 0,18 0,07-0,17 0,12 0,11 ECHAM-5 A1B run 2 0,29-0,19-0,28 0,24 0,10 ECHAM-5 A1B run 4 0,28-0,09 0,17 0,25 0,12 ECHAM-5 A2 run 1 0,25 0,02-0,31 0,19 0,13 ECHAM-5 A2 run 2 0,51-0,13-0,18 0,40 0,20 ECHAM-5 A2 run 3 0,27 0,11-0,13 0,19 0,20 ECHAM-5 B1 run 1 0,01 0,01-0,34 0,07 0,07 ECHAM-5 B1 run 3 0,16-0,05 0,01 0,24 0,13 HadCM-3 A1B run 1-0,29-0,32-1,24 2,21-0,11 HadCM-3 A2 run 1-0,11-0,49-1,18 1,91-0,15 HadCM-3 B1 run 1-0,13-0,47-1,28 1,88-0,11 W latach oraz największe spodziewane zmiany dotyczyć będą okresu zimowego w świetle uzyskanych wyników z symulacji globalnej ECHAM-5. Według uzyskanych rezultatów należy spodziewać się niewielkich wzrostów parametru prężności pary wodnej (średnio o nieco ponad 0,1 hpa). W pozostałych sezonach w latach wyniki nie są już tak jednoznaczne i w zależności od analizowanego scenariusza mogą wystąpić zarówno wzrosty jak i spadki analizowanego parametru higrycznego. Bardziej jednoznaczne wnioski można wysnuć jedynie dla jesieni pod koniec XXI wieku, kiedy to należy spodziewać się wzrostu prężności pary wodnej średni o ok. 0,2 hpa. Zdecydowanie większe anomalie są spodziewane w świetle rezultatów scenariuszowych bazujących na modelu HadCM-3, który również zakłada silny wzrost prężności pary wodnej w okresie jesiennym o ok. 2 hpa. Jest to jedyny okres, w którym prognozowany jest wzrost tego parametru. W pozostałych sezonach oraz w ujęciu rocznym spodziewany jest spadek wartości prężności pary wodnej, który najsilniej będzie widoczny wiosną w latach średnio o 0,7 hpa, pod koniec wieku o 0,4 hpa, a także latem

62 anologicznie o 1,3 i 1,2 hpa. W ujęciu rocznym należy się spodziewać niewielkich zmian omawianego parametru. Według rezultatów bazujących na symulacji ECHAM-5 na początku wieku anomalia wyniesie średnio 0,02hPa, natomiast w latach już 0,13 hpa przy całkowitej zgodności wszystkich wiązek modelu co do kierunku zmian. Odwrotnie sytuacja przedstawia się dla rezultatów bazujących na polu predykatora z symulacji HadCM-3. W latach wszystkie wartości scenariuszowe wskazują na spadek wartości parametru, średnio o 0,24 hpa i o 0,12 hpa w ostatnim 20-stoleciu analizy. W konkluzji należy stwierdzić, iż wyniki oparte na modelu ECHAM-5 prognozują zwiększenie się anomalnych wartości bezwzględnych analizowanego parametru, która może prowadzić do zmniejszania się różnic wyrażonych w wartościach rzeczywistych pomiędzy poszczególnymi sezonami, zwłaszcza pod koniec wieku (spadek prężności pary wodnej latem przy jednoczesnym wzroście jesienią i zimą). Podobnie sytuacja przedstawia się w obu analizowanych 20-stoleciach dla wyników bazujących na modelu HadCM-3, gdzie spłaszczenie przebiegu rocznego zmienności prężności pary wodnej będzie obserwowane już od początku wieku (por. tab. 3, rys. 3) Rys. 3. Anomalie parametru prężności pary wodnej w Polsce według poszczególnych scenariuszy opartych o symulację globalną HadCM-3 w latach i Podobnie jak w przypadku wilgotności względnej powietrza również dla parametru prężności pary wodnej w ujęciu sezonowym jak i rocznym dominują izoanomalie o przebiegu zbliżonym do równoleżnikowego. Tylko w przypadku lata oraz jesieni dla wartości opartych o model HadCM-3 przebieg izoanomalii wykazuje zarówno elementy przebiegu równoleżnikowego jak i południkowego. W przypadku rezultatów bazujących na polu ciśnienia ze scenariuszy modelu ECHAM-5 również występują opisane powyżej prawidłowości, choć nie są one już tak wyraźne, zwłaszcza dla scenariuszy dla sezonu wiosennego oraz w mniejszym stopniu letniego. W ujęciu regionalnym największych spadków wartości analizowanego parametru higrycznego należy się spodziewać na północy

63 kraju, na co wyraźnie wskazują wszystkie scenariusze oparte o HadCM-3. Ze względu na różnokierunkowość tendencji obserwowanych zmian w rezultatach otrzymanych z symulacji ECHAM-5 wielkość zmian w poszczególnych regionach jest w dużej mierze uzależniona od analizowanej wiązki scenariuszowej, choć należy stwierdzić, iż najsilniejsze zmiany w większości przypadków również wystąpią w północnej części kraju. ECHAM-5 HadCM Rys. 4. Spodziewana zmiana prężności pary wodnej w Polsce według scenariusza A1B run 1 w ujęciu średniorocznym. Wilgotność względna powietrza model statystyczno-empiryczny oraz scenariusze spodziewanej zmienności w skali XXI wieku W przypadku populacji wilgotności względnej mamy do czynienia ze znacznie większą liczbą funkcji własnych opisujących zmienność elementów w skali roku, niż w przypadku prężności pary wodnej. Przestrzeń sygnału rozpatrywanego elementu jest opisana przez dziewięć funkcji własnych łącznie wyjaśniających niespełna 90% jego wariancji (tab.4). W przypadku każdego z sezonów łączna suma wyjaśnianej wariancji tylko latem przekracza 90%, w pozostałych trzech przypadkach wynosi niespełna 90%, zimą wartość ta jest mniejsza i wynosi około 84%.

64 Tab.4. Wariancja (%) wyjaśniana przez kolejne wektory własne wilgotności względnej w roku i sezonach w Polsce w okresie Sezon EOF1 EOF2 EOF3 EOF4 EOF5 EOF6 EOF7 EOF8 EOF9 EOF10 EOF11 Suma ROK 64,46 8,80 5,42 2,76 1,81 1,62 1,23 1,09 1,05 86,10 Zima 49,47 13,01 8,23 4,23 3,87 2,76 2,18 1,78 1,53 1,39 1,23 83,74 Wiosna 64,08 11,01 5,09 3,01 1,96 1,62 1,46 1,21 1,07 1,07 88,24 Lato 70,90 7,38 5,46 2,70 1,81 1,50 1,28 91,04 Jesień 68,83 8,35 4,23 2,67 1,74 1,66 1,27 1,25 1,15 88,74 Kolejne wektory własne wilgotności względnej przedstawiają wkład poszczególnych czynników w kształtowanie zmienności elementu, związanych przede wszystkim z czynnikami cyrkulacyjnymi (rys. 4). Pierwszy wektor własny elementu wyjaśnia ponad od 50% całkowitej wariancji elementu zimą, poprzez 65% w roku i wiosną po około 70% latem i jesienią. W przypadku zimy istnieje aż jedenaście niezdegenerowanych wektorów własnych pola elementu, wiosną dziesięć, jesienią, podobnie jak w roku dziewięć, natomiast latem siedem. Zawsze przedstawia on strukturę anomalii jednakowego znaku, stosunkowo mało przestrzennie zróżnicowaną. W przypadku wartości rocznych największe odchylenia występują na obszarze Polski Zachodniej, najmniejsze na obszarach przedgórzy. 1 EOF 2 EOF 3 EOF Rys.4. Przestrzenna zmienność anomalii trzech pierwszych wektorów własnych wilgotności względnej (w %) w roku w Polsce w okresie Analiza długookresowej zmienności wartości wilgotności względnej powietrza przeprowadzona na podstawie rezultatów badań serii czasowych stowarzyszonych z kolejnymi funkcjami własnymi elementu wskazuje na spadek wartości elementu, zarówno w skali roku, jak też poszczególnych sezonów i miesięcy. Największemu wysuszeniu powietrze ulegało w miesiącach wiosennych, a szczególnie w kwietniu i maju. Latem i jesienią również obserwowany jest spadek wartości elementu, jednakże dynamika tego spadku jest mniejsza, niż wiosną. Zimą sytuacja jest nieco odmienna, blisko połowę serii cechuje wzrost wartości.

65 Tab.5. Wyjaśniana wariancja (%) oraz współczynniki korelacji kanonicznej regionalnego pola barycznego (SLP) oraz wilgotności względnej w Polsce (WILG) kolejnych par map kanonicznych w roku i sezonach Sezon Wskaźnik CCA1 CCA2 CCA3 CCA4 CCA5 CCA6 CCA7 Suma r 0,55 0,53 0,38 0,27 ROK var WILG 7,95 27,85 25,56 3,62 64,98 var SLP 16,72 10,64 12,06 27,35 66,77 r 0,90 0,77 0,67 0,54 0,49 0,30 0,25 Zima var WILG 17,28 13,26 22,50 16,41 2,35 4,48 3,83 80,11 var SLP 30,76 10,16 7,14 15,15 8,92 9,35 12,91 94,39 r 0,80 0,69 0,59 0,46 0,38 0,29 0,23 Wiosna var WILG 23,80 24,10 16,31 5,74 3,19 2,34 5,12 80,60 var SLP 12,34 8,87 6,78 6,09 5,50 11,43 12,01 63,02 r 0,75 0,65 0,60 0,55 0,35 0,28 Lato var WILG 59,98 5,97 7,45 5,74 5,36 3,99 88,49 var SLP 23,55 4,56 8,34 5,83 9,79 11,06 63,13 r 0,84 0,75 0,63 0,44 0,27 0,25 Jesień var WILG 6,44 19,84 41,75 2,51 2,39 2,02 74,95 var SLP 15,60 17,64 11,79 9,26 7,01 10,90 72,20 Rys.5. Pierwsza i druga para map kanonicznych regionalnego pola barycznego (hpa) (lewy panel) i wilgotności względnej w Polsce (prawy panel) w roku w okresie Związek regionalnego pola barycznego oraz wilgotności względnej powietrza w Polsce jest opisany przez pary map kanonicznych (tab.5), wyjaśniających łącznie 65% wariancji pola lokalnego i około 67% wariancji pola regionalnego. W przypadku sezonów otrzymano po siedem par map kanonicznych opisujących relacje pomiędzy analizowanymi elementami zimą i wiosną oraz po sześć par map kanonicznych latem i jesienią. Ilość łącznie wyjaśnianej zmienności elementu lokalnego jest większa, niż w przypadku wartości rocznych.

66 Dominująca para map przedstawia relacje pomiędzy układem cyrkulacyjnym zbliżonym do typu NAO a zmianą wilgotności względnej powietrza w Polsce (rys.5), warto odnotować, że anomalie elementu lokalnego nie są identycznego znaku na całym obszarze kraju. Druga para map kanonicznych opisuje z kolei związek zmian wilgotności względnej z oddziaływaniem lokalnego ośrodka barycznego z centrum nad wschodnią częścią basenu Morza Bałtyckiego. Wyznaczone wartości anomalii wilgotności względnej powietrza w ciągu całego XXI wieku wykazują duże zróżnicowanie zarówno w ujęciu sezonowym, a także przestrzennie na obszarze kraju. Duże znaczenie ma także wybór scenariusza emisyjnego oraz symulacji globalnej będącej podstawą wyznaczonych wartości. Szczegółowe wyniki wartości scenariuszowych wilgotności względnej powietrza w ujęciu sezonowym jako średnia z analizowanych 54 punktów pomiarowych została przedstawiona w tab.6. Tabela 1a. Uśrednione anomalie parametru wilgotności względnej dla obszaru Polski w okresie Scenariusz Zima Wiosna Lato Jesien Rok ECHAM-5 A1B run 1 0,03 0,86-0,05-0,25 0,02 ECHAM-5 A1B run 2 0,23 0,45 0,40-0,08 0,20 ECHAM-5 A1B run 4 0,28 0,30-0,73-0,85 0,00 ECHAM-5 A2 run 1 0,23 0,46 0,11 0,17 0,16 ECHAM-5 A2 run 2 0,31-0,33-0,57-0,17 0,03 ECHAM-5 A2 run 3-0,06 0,13-0,27 0,34-0,11 ECHAM-5 B1 run 1 0,15 0,36 0,19-0,09 0,15 ECHAM-5 B1 run 3 0,21 0,34-0,07 0,38 0,21 HadCM-3 A1B run 1-1,20-1,05 4,99-0,87-0,41 HadCM-3 A2 run 1-0,07-3,02 0,82-1,53-0,85 HadCM-3 B1 run 1-1,22-0,99 6,06-0,70-0,34 Tabela 1b. Uśrednione anomalie parametru wilgotności względnej dla obszaru Polski w okresie Scenariusz Zima Wiosna Lato Jesien Rok ECHAM-5 A1B run 1 0,12 0,85-1,62-0,18-0,29 ECHAM-5 A1B run 2 0,37-0,06-0,54-0,88-0,02 ECHAM-5 A1B run 4 0,39-0,12-1,50-0,69-0,21 ECHAM-5 A2 run 1 0,28 0,72-1,02-0,04-0,18 ECHAM-5 A2 run 2 0,19-1,08 0,05-0,39-0,35 ECHAM-5 A2 run 3 0,25-0,46-0,24-0,38-0,32 ECHAM-5 B1 run 1 0,21 0,77-0,99-0,22-0,13 ECHAM-5 B1 run 3 0,12-0,30 0,14-0,47-0,19 HadCM-3 A1B run 1-1,37-1,39 5,58-0,94-0,63 HadCM-3 A2 run 1-0,24-3,36 1,41-1,60-1,07 HadCM-3 B1 run 1-1,47-1,48 5,46-1,10-0,63 W latach największe spodziewane zmiany w większości symulacji modelu ECHAM-5 dotyczyć będą sezonu wiosennego, kiedy to należy się spodziewać wzrostu wilgotności względnej powietrza średnio 0,3-0,4%. Na podstawie scenariusza z symulacji globalnej HadCM-3 w tym samym sezonie obserwowana będzie tendencja odwrotna, tj.

67 spadku wilgotności względnej powietrza od ok. 1 do 3%. Większe zmiany wg tego samego modelu nastąpią latem kiedy to ma być obserwowany wzrost wilgotności względnej powietrza do ponad 6% (scenariusz B1). Dla porównania w przypadku uzyskanych rezultatów bazujących na symulacji ECHAM-5 zmiany te będą się wahać od -0,7% do 0,4% z niewielką przewagą wartości ujemnych. Tylko dla jesieni oba modele wskazują na jednakowy charakter zmian, tj. ujemnych anomalii wilgotności względnej wobec okresu referencyjnego, przy czym silniejszy charakter tych zmian nastąpi wg modelu HadCM-3. W przebiegu całorocznym należy się spodziewać niewielkich zmian parametru wg ECHAM-5 (anomalia dodatnia do 0,2%) i silniejszych, ujemnych anomalii wg HadCM-3 (do -0,85% wg scenariusza A2). Pod koniec wieku zmiany scenariuszowe mogą być silniejsze niż obserwowane w latach , co przedstawiono na wykresach poniższych wykresach (rys. 6). Największe anomalie według obu modeli nastąpią latem, przy czym dla symulacji ECHAM-5 będą to zmiany ujemne o nieco ponad 1%, a w HadCM-3 zakładany wzrost wyniesie od 1,4 do 5,5%. Jednakowa tendencja zmian w ujęciu sezonowym w wynikach scenariuszowych obu modeli wystąpi jesienią (wzrost wilgotności względnej). Taki sam znak zmian (spadek wilgotności względnej powietrza) uzyskano także dla wszystkich wartości scenariuszowych w ujęciu rocznym. W pozostałych przypadkach uzyskane rezultaty z modelu HadCM-3 i ECHAM-5 dają przeciwny obraz spodziewanych zmian Rys. 6. Anomalie wilgotności względnej powietrza w Polsce według scenariusza A1B (run 1) w latach i W ujęciu regionalnym obserwowane zmiany będą miały w większości analizowanych przypadków przebieg zbliżony do równoleżnikowego (por rys. 7). Nie oznacza to istotnych zmian w przebiegu wartości bezwzględnych wilgotności w Polsce, a jedynie zmniejszenie dotychczas obserwowanych różnic. Wyraźne zmiany o charakterze zbliżonym do południkowego zaobserwowano jedynie dla sezonu letniego w przypadku scenariusza opartego na wynikach symulacji globalnych modelu HadCM-3 (por rys. 8). Na

68 przedstawionych poniżej mapach widać także potwierdzenie dysproporcji pomiędzy modelami wyrażonych w wartościach anomalii przedstawianego parametru i różny stopień spodziewanych zmian w ujęciu regionalnym. Oba modele wskazują jednak wyraźnie na większe zmiany wilgotności względnej powietrza pod koniec wieku, co potwierdza wcześniejsze przesłanki dotyczące spodziewanych zmian klimatycznych dla innych parametrów. ECHAM-5 HadCM Rys. 7. Spodziewana zmiana wilgotności względnej powietrza w Polsce według scenariusza A1B (run 1) dla wartości średniorocznych.

69 ECHAM-5 HadCM Rys. 8. Spodziewana zmiana wilgotności względnej powietrza w Polsce według scenariusza A1B run 1 w sezonie letnim. 5. Analiza zgodności z założonymi celami oraz informacja o ewentualnych opóźnieniach wraz z wyjaśnieniem ich przyczyn Rezultaty osiągnięte w okresie I.2010-XII.2010 są zgodne z harmonogramem prac zawartym we wniosku i planowanymi do osiągnięcia celami etapowymi w zakresie rezultatów merytorycznych. 6. Propozycje dotyczące praktycznego wykorzystania wyników badań Opracowane scenariusze zmian warunków higrycznych na obszarze Polski w oparciu o wybrane symulacje globalne i wybrane scenariusze emisyjne mogą być wykorzystane przy tworzeniu analiz dotyczących strategii adaptacyjnych dla potrzeb gospodarki kraju dotyczących przeciwdziałaniu i adaptacji do obserwowanych zmian klimatycznych. 7. Wykaz przygotowanych publikacji Brak

70 8. Literatura wykorzystana w opracowaniu Lorenc H., Atlas Klimatu Polski. Instytut Meteorologii i Gospodarki Wodnej. Warszawa, IMGW Miętus M., 1999, Rola regionalnej cyrkulacji atmosferycznej w kształtowaniu warunków klimatycznych i oceanograficznych w polskiej strefie brzegowej Morza Bałtyckiego, Materiały Badawcze 29, Warszawa, IMGW Storch v. H., Zwiers, F., 1999, Statistical Analysis in Climate Research, Cambridge University Press, 513 pp. 9. Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych prac dr Janusz Filipiak mgr Bartosz Czernecki Prace związane z przygotowaniem danych, obliczeniem funkcji własnych, konstrukcji modeli, współudział w obliczaniu wartości scenariuszowych, wizualizacja, analiza i interpretacja wyników obliczeń; współautor raportu. Prace związane z pozyskiwaniem i przygotowywaniem danych z globalnych symulacji, obliczeniem wartości scenariuszowych, wizualizacja, analiza i interpretacja wyników obliczeń; współautor raportu. 10. Informacje o sposobie odbioru zadań składowych i trybie koordynacji prac Realizatorzy zadania przedstawili rezultaty prac podczas seminarium poświęconym prezentacji wyników scenariuszy zmian klimatu Polski (16.XI.2010). Poza tym prace były na bieżąco konsultowane w celu omówienia postępu prac oraz zgodności z harmonogramem. Całość dokumentacji, w tym: zbiory wejściowe oraz wynikowe, rysunki, znajdują się na macierzy dyskowej projektu. A.5. WARUNKI BIOTERMICZNE 1. Cel badań Celem badań jest opracowanie modeli statystyczno-empirycznych warunków biotermicznych w Polsce oraz opracowanie scenariuszy zmian warunków biotermicznych w Polsce do roku 2030 na podstawie skonstruowanych modeli, jak również na podstawie danych z symulacji modelu dynamicznego RegCM. 2. Zakres wykonywanych prac opracowywano model statystyczno-empiryczny warunków biotermicznych dla częstości występowania odczucia cieplnego wg Fizjologicznej temperatury odczuwalnej PST obliczonej na podstawie danych z 51. stacji: gorąco i bardzo

71 gorąco (dla okresów: kwiecień-październik, czerwiec-sierpień, wrzesień-październik, kwiecień-maj, kwiecień, maj, czerwiec, lipiec, sierpień, wrzesień, październik) oraz bardzo zimno (dla okresów: listopad-marzec, grudzień-luty, listopad, grudzień, styczeń, luty, marzec) opracowywano model statystyczno-empiryczny liczby fal ciepła oraz łącznego czasu trwania fal ciepła w roku i sezonach klimatologicznych, na podstawie danych z 23. stacji dla lat opracowywano model statystyczno-empiryczny liczby fal chłodu oraz łącznego czasu trwania fal chłodu w roku i sezonach klimatologicznych przeprowadzono weryfikację skonstruowanych modeli opracowano scenariusze zmian rozpatrywanych parametrów do roku 2030 na podstawie wyników scenariuszy emisyjnych SRES A1B, A2 i B1 globalnego modelu klimatycznego ECHAM5 przygotowano pliki i obliczono wartości wskaźnika stresu termofizjologicznego PhS oraz Fizjologicznej temperatury odczuwalnej PST w wybranych punktach na podstawie danych z symulacji modelu dynamicznego RegCM: według serii referencyjnej ( ) i do roku 2030 według scenariusza emisyjnego A1B modelu ECHAM5. obliczono średnie oraz częstość występowania wartości PhS i PST obliczonych na podstawie danych z RegCM w wybranych punktach w poszczególnych przedziałach w roku i wybranych miesiącach (styczeń, kwiecień, lipiec, październik) określono zmianę częstości występowania analizowanych parametrów obliczonych na podstawie danych z RegCM w wybranych punktach w okresie w odniesieniu do okresu referencyjnego , wg scenariusza emisyjnego A1B. 3. Opis metodyki badań W badaniach wzięto pod uwagę parametry bezpośrednio lub pośrednio charakteryzujące warunki bioklimatyczne: częstość występowania odczucia cieplnego gorąco lub bardzo gorąco (dyskomfortu gorąca) oraz bardzo zimno według Fizjologicznej temperatury odczuwalnej PST w wybranych okresach, roczną i sezonową liczbę fal ciepła i fal chłodu, roczny i sezonowy łączny czas trwania fal ciepła i fal chłodu (zdefiniowanych na podstawie Morawskiej-Horawskiej 1991). Zmienność przestrzenno-czasową rozpatrywanych parametrów w wieloleciu (dla fal ciepła i chłodu ) charakteryzowano z użyciem metody empirycznych funkcji własnych (EOF). Opracowano modele statystyczno-

72 empiryczne analizowanych parametrów metodą kanonicznych korelacji (CCA) i analizy redundancyjnej (RDA). Skonstruowane modele charakteryzują zmienność analizowanych parametrów w latach względem regionalnej cyrkulacji atmosferycznej w rejonie Północnego Atlantyku i Europy, opisanej wartościami ciśnienia atm. n.p.m (SLP) z reanalizy NCEP/NCAR (Kalnay i in., 1996). Na podstawie wyznaczonych zależności pola lokalnego wybranych parametrów a regionalnym polem ciśnienia oraz wyników scenariuszy emisyjnych A1B, A2 i B1 opracowano scenariusze ich zmian do roku Obliczenia wskaźników biotermicznych przeprowadzono z użyciem modelu MENEX_ 2005 (Błażejczyk 2005). 4. Charakterystyka osiągniętych wyników Przestrzenna i czasowa zmienność warunków bioklimatycznych w Polsce Rezultaty przeprowadzonej analizy czasowo-przestrzennej struktury zmienności częstości występowania odczucia cieplnego gorąco lub bardzo gorąco w Polsce wskazują, że przestrzeń sygnału tego parametru w analizowanych okresach jest opisana przez 7 lub 8 funkcji własnych. Łączna ilość wyjaśnianej przez nie wariancji wynosi od 88,56% dla okresu kwiecień-październik (jest to okres występowania tych odczuć cieplnych) do 97,60% w lipcu. Największy jest udział wariancji wyjaśnianej przez 1. EOF: od 63% w czerwcu do ponad 80% w kwietniu. 1. EOF (przykład na rys. 1a) świadczy o dodatnich anomaliach omawianego elementu i wpływie regionalnego czynnika na jego zmienność (cyrkulacji lub radiacji). Trendy dodatnie serii stowarzyszonych z 1.EOF wskazują na umacnianie się wpływu tego czynnika. Najmniejsze anomalie występują w rejonie wybrzeża i Pojezierzy, największe w pasie środkowym Polski. a) b) Ustka Łeba Lębork Rozewie Hel Gdynia 4 KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki Świnoujście Resko Chojnice Olsztyn Mikołajki 3 Szczecin Toruń Białystok Słubice Gorzów Wlkp. Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce 2 Zielona Góra Kalisz Łódź Włodawa 1 Legnica Wrocław Wieluń Lublin Jelenia Góra Kłodzko Opole Kielce Sandomierz 0 Racibórz Katowice Kraków Tarnów Rzeszów Bielsko Biała Zakopane NowySącz Lesko Rys.1. Zróżnicowanie 1. wektora własnego częstości występowania (%) odczucia cieplnego gorąco lub bardzo gorąco w okresie czerwiec-sierpień w Polsce (a) wraz ze stowarzyszoną serią czasową (b),

73 Silnie zaznacza się gradient malejący w rejonie stacji w Mikołajkach, prawdopodobnie spowodowany warunkami lokalnymi (lokalizacja stacji nad rozległym jeziorem) oraz brakami w serii danych. W przypadku częstości występowania odczucia cieplnego bardzo zimno przestrzeń sygnału rozpięta jest na 8 do nawet 12 wektorach własnych, a łączna ilość wyjaśnianej wariancji wynosi od 86,4% w okresie listopad-marzec do ponad 92% w marcu i listopadzie. Zaznacza się dominacja 1.EOF, która wyjaśnia od 64% (grudzień) do ponad 70% (styczeń) wariancji. Dodatnie anomalie przy 1.EOF wskazują na dominujący wpływ czynnika regionalnego na zmienność odczucia bardzo zimno, którego wkład jednakże osłabia się na co wskazują ujemne trendy serii stowarzyszonych z tą funkcją (przykład na rys. 2). a) b) Rozewie Łeba Ustka Lębork Hel 3 Gdynia KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki Świnoujście Resko Chojnice Olsztyn Mikołajki Szczecin 2 Toruń Białystok Gorzów Wlkp. Słubice Zielona Góra Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce 1 Kalisz Łódź Włodawa Legnica Wrocław Wieluń Lublin Jelenia Góra Opole Kielce Sandomierz 0 Kłodzko Racibórz Katowice Kraków Tarnów Rzeszów Bielsko Biała Zakopane NowySącz Lesko Rys.2. Zróżnicowanie 1. wektora własnego częstości występowania (%) odczucia cieplnego Bardzo zimno w okresie grudzień-luty w Polsce (a) wraz ze stowarzyszoną serią czasową (b), Przestrzenie sygnału liczby fal ciepła oraz łącznego czasu trwania fal ciepła opisane są przez 7 do nawet 19 funkcji własnych, wyjaśniających od 91 do 97 % wariancji, przy czym ilość wariancji wyjaśnianej przez 1. funkcję wynosi od 53 do 68% w przypadku liczby fal ciepła oraz od 65 do 79% w przypadku łącznego czasu trwania fal ciepła. Przestrzenie sygnału liczby fal chłodu oraz łącznego czasu trwania fal chłodu opisane są przez 6 do 17 funkcji własnych, wyjaśniających łącznie od 93 do 98% wariancji, przy czym (z wyjątkiem sezonu letniego) dominuje 1. EOF, która wyjaśnia od 53 do 61% wariancji liczby fal chłodu oraz od 65 do 80% łącznego czasu trwania fal chłodu. 1. EOF wymienionych parametrów świadczą o dodatnich wartościach anomalii, zarówno w skali roku jak i poszczególnych pór roku. Anomalie te w większości przypadków nie wykazują wyraźnego zróżnicowania przestrzennego, niekiedy zaznaczają się najmniejsze wartości na wybrzeżu lub na Przedgórzach.

74 Związek między regionalnym polem barycznym nad Europą i Północnym Atlantykiem a wybranymi elementami bioklimatu Polski Mapy pola lokalnego wyznaczone dla częstości występowania odczucia gorąco lub bardzo gorąco wyjaśniają łącznie od 92 do 99% wariancji tego elementu. Wariancja pola ciśnienia jest natomiast wyjaśniana w 79 do 97%. Współczynnik korelacji kanonicznej dla CCA1 między regionalnym polem ciśnienia a analizowanym parametrem wynosi 1,0 dla każdego z miesięcy letnich. Dla pozostałych okresów wynosi od 0,53 (kwiecień-październik) do 0,99 (wrzesień). Przykładowa para map kanonicznych skonstruowana dla okresu od czerwca do sierpnia (rys.3) przedstawia układ wyżowy zlokalizowany na wschód i południowy wschód od Polski (rys. 3a), sprzyjający spływowi ciepłego powietrza. Adwekcja związana z tym układem sprzyja występowaniu odczucia gorąco lub bardzo gorąco, największe wartości anomalii widoczne są we wschodniej połowie Polski (rys.3b). a) b) Ustka Łeba Lębork Rozewie Hel Gdynia KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki Świnoujście Resko Chojnice Olsztyn Mikołajki Szczecin Toruń Białystok Gorzów Wlkp. Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Zielona Góra Kalisz Łódź Włodawa Legnica Wrocław Wieluń Lublin Jelenia Góra Opole Kielce Sandomierz Kłodzko Racibórz Katowice Kraków Tarnów Rzeszów Bielsko Biała Zakopane NowySącz Lesko Rys.3. Pierwsza para map kanonicznych (1.CCA) regionalnego pola ciśnienia (SLP) oraz częstości występowania (%) odczucia cieplnego gorąco lub bardzo gorąco w okresie CZERWIEC- SIERPIEŃ w Polsce, Przeprowadzona weryfikacja modelu wykazała największą zależność między serią obserwacyjną częstości występowania odczucia gorąco lub bardzo gorąco a serią odtworzoną w lipcu i w okresie czerwiec-sierpień (około 0,6), a suma wariancji odtwarzanej przez reprodukowane serie jest największa w lipcu oraz w okresie czerwiec - sierpień i kwiecień-październik. W przypadku lokalnego pola częstości występowania odczucia cieplnego bardzo zimno względem regionalnego pola barycznego uzyskano od 6 do 8 par map kanonicznych, które łącznie wyjaśniają od 72% (w grudniu) do 97% (w styczniu) wariancji. Wariancja pola ciśnienia jest wyjaśniana w ponad 96% we wszystkich rozpatrywanych okresach z wyjątkiem okresu listopad-luty (78%). Największe wartości współczynnika korelacji kanonicznej występują w przypadku poszczególnych miesięcy (dla 1.CCA od 0.98 w grudniu do 1,00 w listopadzie, dla okresu listopad-marzec wynosi 0.66, a dla okresu grudzień-luty 0,89.

75 Pierwsza para map kanonicznych uzyskana dla okresu od grudnia do lutego (rys. 4) obrazuje wpływ układu barycznego charakterystycznego dla ujemnej fazy Oscylacji Północnoatlantyckiej (NAO) na intensyfikację adwekcji zimnego powietrza ze wschodu (rys. 4a). Konsekwencją jest zwiększenie częstości występowania odczucia bardzo zimno, szczególnie we wschodniej połowie Polski, gdzie dodatnie anomalie pola lokalnego są największe (rys.4b). Weryfikacja modelu wykazała największą zależność między seria obserwacyjną a odtworzoną (około 0,7) oraz największą sumę wariancji odtwarzanej przez reprodukowane serie (od 0,2 do ponad 0,5) w styczniu i w okresie grudzień - luty. a) b) Rozewie Łeba Ustka Lębork Hel Gdynia KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki Świnoujście Resko Chojnice Olsztyn Mikołajki Szczecin Toruń Białystok Gorzów Wlkp. Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Zielona Góra Kalisz Łódź Włodawa Legnica Wrocław Wieluń Lublin Jelenia Góra Opole Kielce Sandomierz Kłodzko Racibórz Katowice Kraków Tarnów Rzeszów Bielsko Biała Zakopane NowySącz Lesko Rys. 4 Pierwsza para map kanonicznych regionalnego pola ciśnienia (SLP) oraz częstości występowania (%) odczucia cieplnego bardzo zimno w okresie GRUDZIEŃ-LUTY w Polsce, Relację regionalnego pola barycznego i pola lokalnego zarówno liczby fal ciepła, jak i łącznego czasu trwania fal ciepła charakteryzuje 8 par map kanonicznych w sezonie zimowym, jesiennym i w skali roku oraz 9 par wiosną i latem. W przypadku liczby fal ciepła wyjaśniają one od 60% (jesień) do 77% (zima) wariancji pola lokalnego oraz od 70% (w skali roku) do ponad 95% (w poszczególnych porach roku) wariancji pola regionalnego. Uzyskane pary map kanonicznych łącznego czasu trwania fal ciepła opisują natomiast od 73% (jesień) do 95% (zima) wariancji tego elementu, a wariancja pola regionalnego jest wyjaśniana w około 95%. Największe wartości współczynnika korelacji między regionalnym polem barycznym a rozpatrywanymi parametrami przypadają zimą i latem (ponad 0,8 w przypadku 1.CCA). Na mapie pola ciśnienia, skonstruowanej w odniesieniu do łącznego czasu trwania fal ciepła w okresie czerwiec-sierpień (rys. 5a), widoczne są słabe ośrodki baryczne: wyżowy z centrum nad Zatoką Fińską oraz obniżonego ciśnienia nad Atlantykiem. Następuje spływ ciepłego powietrza ze wschodu i południowego wschodu, dodatnie anomalie łącznego czasu trwania fal ciepła są największe we wschodniej i środkowej Polsce, na Pomorzu zaznacza się ochładzający wpływ Morza Bałtyckiego, a wartości anomalii są najmniejsze (rys. 5b)

76 a) b) Ustka Hel Suwałki Świnoujście Chojnice Olsztyn Szczecin Toruń Białystok Słubice Poznań Warszawa Łódź Włodawa Wrocław Lublin Jelenia Góra Opole Kraków Tarnów Rzeszów NowySącz Zakopane Rys. 5 Pierwsza para map kanonicznych regionalnego pola ciśnienia (SLP) oraz łącznego czasu trwania fal ciepła (w dniach) w okresie CZERWIEC-SIERPIEŃ w Polsce, W przypadku liczby fal chłodu wiosną, latem i jesienią uzyskano po 8 par map kanonicznych, a zima i w roku po 9 par. Ilość wyjaśnianej przez nie wariancji pola lokalnego wynosi 64% w roku oraz od 73 do 80% w porach roku. Wariancja pola regionalnego jest wyjaśniana w 95 do 97%. Zmienność łącznego czasu trwania fal chłodu w Polsce w zależności od regionalnego pola ciśnienia charakteryzowana jest przez 6 par map kanonicznych zimą, 9 par latem i po 8 par w każdym z pozostałych analizowanych okresów. Łączna ilość wyjaśnianej wariancji pola lokalnego waha się od 84% latem do 96% zimą, natomiast wariancja pola regionalnego jest wyjaśniana w 85% zimą, 86% wiosną i w ponad 95% w pozostałych okresach. Współczynnik korelacji barycznego pola regionalnego a rozpatrywanymi elementami jest największy zimą i jesienią, najmniejszy w roku. Układ anomalii barycznych pierwszej kanonicznej mapy pola regionalnego skonstruowanej dla łącznego czasu trwania fal chłodu w skali roku jest zbliżony do dodatniej fazy układu NAO (rys. 6a). Następuje napływ wilgotnych mas powietrza z zachodu i wzrost temperatury powietrza. Najmniejsze wartości anomalii analizowanego parametru, bliskie zeru lub ujemne, występują na zachodzie Polski (z wyjątkiem Szczecina, gdzie być może zaznacza się wpływ warunków lokalnych) oraz na wybrzeżu (rys. 6b), co świadczy o występującym tam spadku liczby dni z falą chłodu.

77 a) b) Ustka Hel Suwałki Świnoujście Chojnice Olsztyn Szczecin Toruń Białystok Słubice Poznań Warszawa Łódź Włodawa Wrocław Lublin Jelenia Góra Opole Kraków Tarnów Rzeszów NowySącz Zakopane Rys. 6 Pierwsza para map kanonicznych regionalnego pola ciśnienia (SLP) oraz łącznego czasu trwania fal chłodu (w dniach) w ROKU w Polsce, Wyniki analizy redundancyjnej przeprowadzonej w odniesieniu do tych samych elementów i okresów są na ogół zbliżone do wyników uzyskanych metodą kanonicznych korelacji. Opracowanie scenariuszy zmian warunków bioklimatycznych w Polsce według modeli downscalingowych Według rozpatrywanych scenariuszy emisyjnych (z uwzględnieniem korekty na dryft ciśnienia) do roku 2030 zmiany częstości występowania odczucia cieplnego gorąco lub bardzo gorąco w Polsce w stosunku do lat nie będą na ogół przekraczały 1,5%. Według scenariusza A1B latem w Polsce zachodniej i południowo-zachodniej nastąpią dodatnie zmiany o około 1 do 1,6%, zmiana ujemna nastąpi na wybrzeżu (o około 0,2%) oraz w Polsce wschodniej gdzie będzie większa niż 1% (rys. 7a). W świetle scenariusza B1 zmiana będzie ujemna w całej Polsce (od 0,1% do ponad 1,2% na wschodzie ) z wyjątkiem krańców zachodnich (rys. 7b). Według scenariusza A2 analizowana częstość zmaleje o 0,2% do około 1%, nieznacznie wzrośnie tylko na południowo-zachodnim krańcu Polski (rys. 7c). W okresie od grudnia do lutego w całej Polsce częstość występowania odczucia cieplnego bardzo zimno zmaleje do roku 2030 o 0,2% do ponad 1%, przy czym największe zmiany wystąpią w Polsce wschodniej i północno-wschodniej (rys. 8).

78 CZERWIEC-SIERPIEŃ Rozewie Łeba Ustka Lębork Hel Gdynia GRUDZIEŃ-LUTY Rozewie Łeba Ustka Lębork Hel Gdynia KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki Świnoujście Resko Chojnice Olsztyn Mikołajki Świnoujście Resko Chojnice Olsztyn Mikołajki Szczecin Szczecin Toruń Białystok Toruń Białystok Gorzów Wlkp. Gorzów Wlkp. Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Zielona Góra Zielona Góra Kalisz Łódź Kalisz Łódź Włodawa Włodawa Legnica Wrocław Wieluń Lublin Legnica Wrocław Wieluń Lublin Jelenia Góra Opole Kielce Sandomierz Jelenia Góra Opole Kielce Sandomierz Kłodzko Kłodzko Racibórz Katowice Kraków Tarnów Rzeszów Racibórz Katowice Kraków Tarnów Rzeszów Bielsko Biała Bielsko Biała NowySącz Lesko NowySącz Lesko Zakopane Zakopane Ustka Rozewie Łeba Lębork Hel Gdynia a) scenariusz A1B_r1 (z korektą) Rozewie Łeba Ustka Lębork Hel Gdynia KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki Świnoujście Resko Chojnice Olsztyn Mikołajki Świnoujście Resko Chojnice Olsztyn Mikołajki Szczecin Szczecin Toruń Białystok Toruń Białystok Gorzów Wlkp. Gorzów Wlkp. Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Zielona Góra Zielona Góra Kalisz Łódź Kalisz Łódź Włodawa Włodawa Legnica Wrocław Wieluń Lublin Legnica Wrocław Wieluń Lublin Jelenia Góra Opole Kielce Sandomierz Jelenia Góra Opole Kielce Sandomierz Kłodzko Kłodzko Racibórz Katowice Kraków Tarnów Rzeszów Racibórz Katowice Kraków Tarnów Rzeszów Bielsko Biała Bielsko Biała NowySącz NowySącz Lesko Lesko Zakopane Zakopane Ustka Rozewie Łeba Lębork Hel Gdynia b) scenariusz B1_r1 (z korektą) Rozewie Łeba Ustka Lębork Hel Gdynia KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki KołobrzegKoszalin Kościerzyna Gdańsk Świbno Elbląg Suwałki Świnoujście Resko Chojnice Olsztyn Mikołajki Świnoujście Resko Chojnice Olsztyn Mikołajki Szczecin Szczecin Toruń Białystok Toruń Białystok Gorzów Wlkp. Gorzów Wlkp. Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Słubice Poznań Kórnik Koło Płock Legionowo Warszawa Siedlce Zielona Góra Zielona Góra Kalisz Łódź Kalisz Łódź Włodawa Włodawa Legnica Wrocław Wieluń Lublin Legnica Wrocław Wieluń Lublin Jelenia Góra Opole Kielce Sandomierz Jelenia Góra Opole Kielce Sandomierz Kłodzko Kłodzko Racibórz Katowice Kraków Tarnów Rzeszów Racibórz Katowice Kraków Tarnów Rzeszów Bielsko Biała Bielsko Biała NowySącz NowySącz Lesko Lesko Zakopane Zakopane Rys. 7 Spodziewana zmiana częstości występowania (%) odczucia cieplnego gorąco lub bardzo gorąco w okresie CZERWIEC-SIERPIEŃ w Polsce, lata w odniesieniu do okresu referencyjnego c) scenariusza2_r1 (z korektą) Rys. 8 Spodziewana zmiana częstości występowania (%) odczucia cieplnego bardzo zimno w okresie GRUDZIEŃ-LUTY w Polsce, lata w odniesieniu do okresu referencyjnego

79 Tab. 1 Zmiana częstości występowania rodzaju i intensywności stresu termofizjologicznego (PhS) w Polsce według danych RegCM w latach dla scenariusza A1B w odniesieniu do symulacji referencyjnej stacja Silny Umiarkowany Warunki Umiarkowany Silny stres gorąca stres gorąca termoneutralne stres zimna stres zimna Białystok Bielsko Biała Chojnice Elbląg Gd - Świbno Gorzów Hel Jelenia Góra Kalisz Katowice Kielce Kłodzko Koło Kołobrzeg Kornik Koscierzyna Koszalin Kraków Leba Lebork Legionowo Legnica Lesko Lodz Lublin Mikołajki Nowy Sącz Olsztyn Opole Płock Poznań Racibórz Resko Rozewie Rzeszów Sandomierz Siedlce Słubice Suwałki Świnoujście Szczecin Tarnów Toruń Ustka Warszawa Wielun Włodawa Wrocław Zakopane Zielona Góra Ekstremalny stres zimna Liczba fal ciepła ulegnie do 2030 roku nieznacznym zmianom w stosunku do lat Wiosną według wszystkich rozpatrywanych scenariuszy wartości zmiany będą ujemne, zimą nastąpią zmiany dodatnie, latem i jesienią charakter zmian będzie w Polsce zróżnicowany, w skali roku według scenariusza A2 nastąpią zmiany ujemne, według pozostałych zmiany dodatnie. Łączny czas trwania fal ciepła względem okresu referencyjnego według wszystkich scenariuszy wydłuży się w skali roku, zimą i jesienią. Wiosną czas trwania fal ciepła skróci się, natomiast latem charakter zmian będzie zróżnicowany.

80 Roczna liczba fal chłodu w większości przypadków zmniejszy się w odniesieniu do lat Łączny czas trwania fal chłodu według scenariuszy B1 i A2 skróci się we wszystkich sezonach i w roku, natomiast według scenariusza A1B czas ten skróci się w skali roku, wiosną i latem wydłuży się, a jesienią i zimą zmiany na obszarze Polski będą zróżnicowane. Opracowanie scenariuszy zmian warunków bioklimatycznych w Polsce na podstawie wyników modelu RegCM Na podstawie danych z modelu RegCM obliczono zmianę częstości występowania rodzaju i intensywności stresu termofizjologicznego w poszczególnych przedziałach dla lat w odniesieniu do serii referencyjnej z lat Zestawienie wyników dla częstości rocznej przedstawia tab. 1. Na ich podstawie można wstępnie stwierdzić, że częstość występowania wskaźnika w poszczególnych przedziałach ulegnie nieznacznym zmianom, których charakter będzie zróżnicowany na poszczególnych stacjach. Najbardziej jednolita zmiana nastąpi w przypadku częstości występowania umiarkowanego stresu gorąca warunków termoneutralnych, która na większości stacji wzrośnie. Poszczególne rodzaje stresu zimna na około połowie stacji nasilą się, a na pozostałych ulegną złagodzeniu. 5. Analiza zgodności z założonymi celami oraz informacja o ewentualnych opóźnieniach wraz z wyjaśnieniem ich przyczyn Rezultaty prac są zgodne z harmonogramem. Z powodu braku technicznych i czasowych możliwości obliczeń i prezentacji kartograficznej wyników wg danych RegCM dla całej domeny konieczne jest tabelaryczne prezentowanie wyników dla wybranych punktów (najbliższych poszczególnym stacjom). 6. Propozycje dotyczące praktycznego wykorzystania wyników badań Podczas prowadzonych prac po raz pierwszy analizowano zmienność wybranych elementów bioklimatu Polski techniką EOF oraz skonstruowano modele statystycznoempiryczne tych elementów. Na tej podstawie wyznaczono scenariusze zmian warunków bioklimatycznych do roku 2030 według modelu ECHAM5, a wyniki pozwalają na wyznaczenie scenariuszy dla okresu oraz według modelu HadCM3. Wyniki mogą być wykorzystane w innych analizach klimatologicznych i bioklimatologicznych, do celów monitoringu klimatu i bioklimatu Polski, a także Europy, szczególnie w kontekście zmiany klimatu. Stanowić mogą również informację klimatyczną o znaczeniu dla różnego rodzaju działań społecznych i gospodarczych.

81 7. Wykaz przygotowywanych publikacji Wyniki były prezentowane podczas wewnętrznego seminarium poświeconemu scenariuszom zmian klimatu Polski. Planowana jest szersza analiza pisemna wyników. Planowane są publikacje o zasięgu krajowym i międzynarodowym w formie artykułów. 8. Literatura wykorzystana w opracowaniu Błażejczyk K, Błażejczyk M, 2006 MENEX, model Kalnay E. et.al., 1996 The NCEP/NCAR 40-year Reanalysis Project, Bulletin of American Meteorological Society, 77, Miętus M., 1999, Rola regionalnej cyrkulacji atmosferycznej w kształtowaniu warunków klimatycznych i oceanograficznych w polskiej strefie brzegowej Morza Bałtyckiego, Materiały Badawcze IMGW, Ser. Meteorologia, 29 Morawska-Horawska M., 1991 Fale ciepła i chłodu w Krakowie w stuleciu , Wiadomości Instytutu Meteorologii i Gospodarki Wodnej, t. XIV(XXXV), z. 1-4, Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych prac dr Małgorzata Owczarek (PF) dr hab. Mirosław Miętus prof. ndzw. (PF) pozyskanie danych, przygotowanie plików, wykonanie obliczeń, przygotowanie tabel i map, przygotowanie tekstu metodyka analiz 10. Informacje o sposobie odbioru zadań składowych i trybie koordynacji prac. Prace były koordynowane i konsultowane przez Koordynatora. W trakcie realizacji prac sporządzano bieżące raporty miesięczne, kwartalne i roczne. Wyniki prezentowano podczas seminarium merytorycznego.

82 B. W ramach dynamicznego downscalingu z wykorzystaniem modelu RegCM: 1. Cel badań Celem podzadania jest określenie za pomocą dynamicznego regionalnego modelu klimatu RegCM przyszłych warunków klimatycznych na obszarze kraju do roku 2030 dla wybranych scenariuszy emisyjnych, w szczególności temperatury, opadów i promieniowania ultrafioletowego. Nie ulega wątpliwości, że zgodność symulowanych parametrów meteorologicznych z rzeczywistością będzie najsilniej zależała od tego jak dokładnie będą ją opisywały warunki brzegowe i początkowe czyli globalny model klimatu a w drugiej kolejności od downscalingu dynamicznego z użyciem regionalnego modelu klimatu czyli parametrów symulacji takich jak rozdzielczość przestrzenna, parametryzacje fizyczne itd. Pierwszą część wykonano w poprzednim roku realizacji zadania. Do realizacji drugiej części niezbędne jest wykonanie symulacji dla okresu referencyjnego w różnych konfiguracjach, następnie ich weryfikacja i wybranie na tej podstawie symulacji najmniej odbiegającej od rzeczywistych obserwacji. Następnie możliwe jest wykonanie symulacji scenariuszowych w tej samej konfiguracji co symulacja referencyjna. Zestaw takich symulacji pozwala na określenie zmian parametrów atmosfery w okresie scenariuszowym w stosunku do okresu referencyjnego. 2. Zakres wykonywanych prac instalacja na superkomputerze 'Aura' modelu RegCM, dodatkowego oprogramowania niezbędnego do działania modelu, przetwarzania danych wejściowych i wyjściowych, postprocessingu i wizualizacji wyników; przystosowanie i testowanie skryptów do preprocessingu, uruchamiania modelu RegCM oraz postprocessingu na superkomputerze 'Aura' instalacja serwera GDS i FTP na klastrze w celu udostępniania wyników symulacji RegCM w sieci lokalnej IMGW dla innych wykonawców projektu KLIMAT w formacie tekstowym (serwer GDS) i NETCDF (serwer FTP), postprocessing wyników wybranej symulacji i przetestowanie systemów serwerowych; instalacja nowego systemu dla obsługi lokalnej strony internetowej podzadania dotyczącego RegCM konfiguracja testowych symulacji referencyjnych dla okresu , preprocessing, przygotowanie danych ICBC, uruchomienie i kontrola przebiegu

83 przygotowanie i testowanie skryptu do automatycznej kontroli przebiegu symulacji na superkomputerze Aura postprocessing miesięczny i dobowy wyników symulacji RegCM; przygotowanie danych obserwacyjnych do weryfikacji przygotowanie danych wejściowych z wyników symulacji modelem RegCM do obliczeń modelem transferu promieniowania słonecznego; wyznaczenie promieniowania całkowitego dla stacji aktynometrycznych IMGW; wykonanie obliczeń promieniowania całkowitego, przy założeniu bezchmurnego nieba, dla stacji aktynometrycznych analiza porównawcza danych obserwacyjnych z polskich stacji synoptycznych i symulacji RegCM dla temperatury minimalnej, maksymalnej, średniej dobowej i opadu porównanie promieniowania całkowitego z modelu RegCM z pomiarami oraz modelowanym promieniowaniem za pomocą modelu transferu promieniowania dla stacji aktynometrycznych IMGW wybór symulacji referencyjnej z symulacji testowych konfiguracja symulacji scenariuszowych A1B, A2 i B1 dla okresu , preprocessing, przygotowanie danych ICBC, uruchomienie i kontrola przebiegu postprocessing wyników symulacji referencyjnej i scenariusza A1B, A2 i B1 opracowanie metodyki przygotowywania scenariuszy w oparciu o dane obserwacyjne i modelowe z symulacji referencyjnej dla średniej, minimalnej i maksymalnej temperatury powietrza, promieniowania, wilgotności, pokrywy śnieżnej i miesięcznych sum opadu oraz przygotowanie scenariusza A1B dla powyższych parametrów i 54 stacji na lata przygotowywanie danych do parametryzacji modelu transferu promieniowania słonecznego: średnie miesięczne głębokości optycznej aerozoli dla 308nm (UV) na siatce RegCM, dane określające typ powierzchni (maska, landuse) oraz wysokość terenu nad poziom morza na siatce RegCM, ozon całkowity na siatce RegCM analiza zmian wybranych wskaźników klimatycznych obróbka, umieszczenie i opisanie plików graficznych ilustrujących zmiany wybranych parametrów klimatycznych dla scenariuszy na lokalnej stronie WWW przygotowanie scenariuszy zmian średniej, minimalnej i maksymalnej temperatury powietrza, promieniowania, wilgotności, pokrywy śnieżnej i opadu na lata dla SGH i IUNG

84 przygotowanie scenariuszy warunków śniegowych (pokrywy, opadu deszczu i liczby dni z temperaturą średnią poniżej -4 C) na lata dla dla UJ wykonanie obliczeń modelem transferu promieniowania słonecznego do przygotowania tzw. tablic podręcznych (LUT) mających na celu przyspieszenie obliczeń promieniowania UV dla okresu referencyjnego i okresu obejmującego scenariusze obliczenie za pomocą modelu transferu uvspec z pakietu libradtran wartości promieniowania UV-B, UV-A, promieniowania UV z funkcjami skuteczności erytemalnego, witaminy-d, DNA, Plant, Plant2003, Eye, SCUP oraz promieniowania dla pięciu wybranych długości fal: 300, 305, 320, 340, 380 nm przygotowanie posteru pt. Zmiany częstości zjawisk ekstremalnych w świetle scenariuszy zmian klimatu w latach na podstawie symulacji regionalnym dynamicznym modelem klimatu i udział w Sympozjum Globalne zmiany klimatu i ich implikacje dla rzeźby Polski przygotowanie prezentacji dot. podzadania RegCM na seminarium IGF pt. Scenariusze zmian klimatu Polski w latach z wykorzystaniem dynamicznego regionalnego modelu klimatu RegCM3 oraz prelekcja przygotowanie koncepcji artykułu nt. projekcji temperatury i ekstremów termicznych; przygotowywanie artykułu przygotowywanie oprogramowania do obliczeń promieniowania UV dla okresu referencyjnego oraz okresu obejmującego scenariusze korzystającego z danych z RegCM, tablic średnich miesięcznych aerozolowej głębokości optycznej, średnich ozonu całkowitego dla każdego miesiąca oraz tablic opisujących albedo i wysokość nad poziom morza wyznaczenie dla każdego węzła siatki przebiegu dziennego promieniowania UV dla bezchmurnego nieba poprzez wyszukiwanie wielkości promieniowania UV w przygotowanych wcześniej tabelach podręcznych (LUT) obliczenie z przebiegów dziennych promieniowania UV dawek dziennych promieniowania UV obliczenie dawek dziennych promieniowania UV korzystając z algorytmu rekonstrukcji promieniowania UV oraz danych o promieniowaniu całkowitym z RegCM wykonywanie obliczeń zrekonstruowanego promieniowania UV dla okresu referencyjnego oraz dla scenariuszy A1B, A2 i B1 z RegCM przy założonych trzech scenariuszach zmian ozonu całkowitego dla okresu w celu

85 otrzymania dla każdego dnia w wymienionych okresach w każdym węźle siatki wartości promieniowania UV-B, UV-A, promieniowania UV z funkcjami skuteczności erytemalnej, witaminy-d, DNA, Plant, Plant2003, Eye, SCUP oraz promieniowania dla pięciu długości fal: 300, 305, 320, 340, 380 nm przygotowanie danych z wyników symulacji dla lat dla wykonawców innych zadań przygotowywanie sprawozdań miesięcznych, kwartalnego i rocznego 3. Opis metodyki badań Symulacje klimatyczne dla Polski przeprowadzono w oparciu o wyniki eksperymentu EH5- T63L31_OM-GR1.5L40 wykonanego w ramach obliczeń dla potrzeb czwartego raportu IPCC AR4 w Instytucie Maxa-Plancka w Hamburgu. Symulacją referencyjną (RF) dla okresu jest eksperyment 20C3M, natomiast projekcje dla okresów wykonano dla scenariuszy SRES A2, A1B i B1. W celu weryfikacji wyników modelu RegCM rozpoczęto od przeprowadzenia symulacji dla wybranych lat cechujących się ekstremalnymi warunkami dla obszaru Polski (na podstawie klimatologii wg prof. H. Lorenc): 1974 (bardzo wilgotny), 1976 (skrajnie suchy), 1987 (bardzo chłodny), 1989 (bardzo ciepły). Następnie wykonano symulacje testowe dla całego okresu referencyjnego rozpoczynając od roku 1970 jako okresu niezbędnego do rozruchu modelu. Symulacje przeprowadzono z różnymi rozdzielczościami przestrzennymi, domenami i dla 2 parametryzacji konwekcji ( ak Anthes-Kuo, gas Grell z domknięciem Arakawy Schuberta). Parametry wykonanych symulacji zawiera tab Następnie przeprowadzono postprocessing wyników symulacji i weryfikację wybranych elementów meteorologicznych poprzez porównanie z obserwacjami synoptycznymi i reanalizami, celem wyboru konfiguracji symulacji najbliższej danym rzeczywistym. W kolejnym etapie wykonano symulacje dla okresu dla trzech scenariuszy emisyjnych: A2, A1B i B1 oraz analizę zmian wybranych elementów meteorologicznych w stosunku do okresu referencyjnego. Wykonano również korektę danych scenariuszowych ze względu na różnicę między symulacją referencyjną a obserwacjami uzyskując bezwzględne wartości wybranych elementów meteorologicznych w okresie scenariuszowym.

86 nazwa symulacji/okres symulacji Tab Parametry wykonanych symulacji. liczba węzłów N-S liczba węzłów W-E rozdzielczość przestrzenna (km) liczba podwęzłów 001_run_test_ ak 002_run_test_ ak 003_run_test_ gas 004_run_test_ gas 005_run_test_ ak 006_run_test_ ak 007_run_test_ ak 008_run_test_ ak 009_run_test_ ak 010_run_test_ ak 011_run_test_ gas 012_run_test_ ak 013_run_test_ gas 014_run_test_ ak 015_run_test_ gas 016_run_test_ ak 017_run_test_ gas 018_run_test_ ak 019_run_test_ gas 020_run_test_ gas 021_run_test_ gas 022_run_test_ gas 023_run_test_ gas 024_run_test_ ak 025_run_test_ gas 026_run_test_ ak 027_run_test_ ak 028_run_test_ gas 029_run_test_ gas 030_run_test_ ak 031_run_test_ ak 032_run_test_ gas 033_run_test_ gas 034_run_test_ gas typ konwekcji Promieniowanie ultrafioletowe Stosując model rekonstrukcji promieniowania UV opisywany w raporcie z 2009 roku przystosowany do obliczeń na dawkach dobowych promieniowania wykonano obliczenia promieniowania UV w okresie referencyjnym oraz okresie obejmującym scenariusze z RegCM. Obliczenia wykonano dla każdego dnia i każdego węzła założonej do analizy domeny.

87 Do przeprowadzenia obliczeń modelem transferu promieniowania słonecznego wykorzystano średnie miesięczne głębokości optycznej aerozoli opracowane dla potrzeb Akcji COST726 przez Natalię Chubarovą z Państwowego Uniwersytetu Moskiewskiego. Głębokość optyczna aerozoli została dostosowana do siatki RegCM. Założono że w danym miesiącu, w danym węźle siatki aerozole będą opisywane przez taką samą głębokość optyczną dla każdego roku. Kolejną istotną wielkością podczas obliczeń modelem transferu w zakresie UV jest ozon całkowity. Do obliczeń wykorzystano dane o ozonie z AC&C/SPARC Ozone Database ( pokrywające cały glob od 1850 do 2100 roku. W wyniku obliczeń uzyskano dawki dobowe promieniowania UV o okresach referencyjnym i scenariuszy. Jednak, do dalszych analiz będą używane jedynie dawki miesięczne, kwartalne lub roczne, gdyż nie ma sensu oczekiwać że da się przewidzieć jakie będzie promieniowanie UV w dowolnym dniu w przyszłości. 4. Charakterystyka osiągniętych wyników Weryfikacja modelu RegCM Przeprowadzono ocenę wyników symulacji modelem RegCM dla temperatury powietrza, temperatury maksymalnej i minimalnej na 2 m oraz opadu poprzez porównanie z danymi ze stacji synoptycznych Polski, reanalizami ERA40 i NCEP oraz danymi z bazy ECA&D. Opis metodyki i wyniki ewaluacji symulacji RegCM dla wybranych lat z okresu referencyjnego Celem pracy było opracowanie rekomendacji dla zestawów scenariuszy: I ( 8, 14, 18) II (10, 12, 16) III (11, 15, 19) IV (22, 13, 17) różniących się parametrami i domenami. Każda trójka odpowiada trzem wybranym latom. Analizie poddano następujące parametry dla stacji synoptycznych wartość bezwzględna (interpolowane z symulacji-obserwowane): Srtn średnia temperatura minimalna; srtx- średnia temperatura maksymalna; srtx-n- średnia różnica między temperaturami maksymalną i minimalną; tnn- najniższa temperatura minimalna; tnx- najwyższa temperatura minimalna; txn- najniższa temperatura maksymalna; txx-najwyższa temperatura maksymalna; tnpc50, tnpc75, tnpc90 odpowiednio percentyl 50, percentyl 75 i percentyl 90 dla temperatury minimalnej

88 txpc50, txpc75, txpc90 odpowiednio percentyl 50, percentyl 75 i percentyl 90 dla temperatury maksymalnej; t2mpc50, t2mpc75, t2mpc90 odpowiednio percentyl 50, percentyl 75 i percentyl 90 dla temperatury dobowej na 2m; tprec50, tprec75, tprec90 odpowiednio percentyl 50, percentyl 75 i percentyl 90 dla opadu [ mm/dzień]; tprec<1, tprec>10, tprec>20, tprec>30- liczba dni z opadem mniejszym niż 1 mm/dzień, większym odpowiednio od 10, 20, 30 mm/dzień. Dla temperatury liczba przypadków 480 = 12 miesięcy * 40 stacji. Dla opadu liczba przypadków 1440=12 miesięcy * 120 stacji. Tab Ranking scenariuszy dla wybranych lat. char I II III IV Wskazanie srtn II srtx I srtx-n II tnn I tnx II txn I txx III tnpc II tnpc II tnpc II txpc I txpc I txpc III t2mpc II t2mpc II t2mpc II tprec III tprec I tprec II tprec< III tprec> III tprec> III tprec> I Wartości w kolumnach to liczba przypadków gdy dla danego zestawu scenariuszy wartość bezwzględna różnicy (obserwacja-interpolacja ze scenariusza) była najmniejsza. Opis metodyki ewaluacji symulacji RegCM dla okresu referencyjnego Zliczone zostały, dla każdej ze 120 stacji synoptycznych różnego rzędu na terenie Polski, dni z opadem dobowym: mniejszym niż 1 mm; większym niż 10 mm; większym niż 20 mm; większym niż 30 mm; (powstały w ten sposób cztery indeksy opadowe). Wyznaczono dla każdego z czterech indeksów opadowych, dla każdej stacji różnicę bezwzględną między indeksem obliczonym z danych obserwacyjnych a wyznaczonym z symulacji. Wskazano minimum bezwzględnej różnicy, maksimum różnicy i różnicę uśrednioną po stacjach.

89 Dla każdej stacji zliczone zostały wystąpienia w całym dwudziestoleciu zarówno obserwowanym jak i symulowanym dni z: temperaturą minimalną poniżej 0 st.; temperaturą minimalną powyżej 20 st.; z temperaturą maksymalną poniżej 0 st.; z temperaturą maksymalną powyżej 25 st. Zostały wyznaczone minimum bezwzględnej różnicy między parametrami z obserwacji i symulacji, maksimum różnicy i różnica uśredniona po stacjach. Dla każdego miesiąca, dla każdej stacji wybrano najniższe obserwowane i symulowane temperatury minimalne i maksymalne oraz najwyższe wartości temperatury minimalnej i maksymalnej. Dla każdego parametru temperaturowego wyznaczono minimum bezwzględnej różnicy między obserwacją i symulacją, maksimum różnicy i różnicę uśrednioną po stacjach. Dla każdej stacji dla każdego miesiąca, dla TMIN,TMAX,T2M i TPREC wyznaczono w oparciu o wartości dobowe z okresu obserwowane i symulowane percentyle 50-ty, 75-ty i 90-ty. Dla każdej stacji wyznaczono różnice bezwzględne między percentylem obserwowanym i symulowanym. Wskazano najmniejszą i największą różnicę uśredniono błąd bezwzględny po stacjach (dla temperatury jest 40 stacji dla opadu 120). Dla każdej z 40 stacji wyznaczono dla poszczególnych miesięcy średnie z temperatur minimalnych, maksymalnych i różnic między temperaturą maksymalną i minimalną, dla wartości obserwowanych i symulowanych. Dla każdej stacji wyznaczono różnice bezwzględne między wartościami obserwowanymi i symulowanymi. Wskazano najmniejszą, największą i uśrednioną wartość każdego z parametrów w danym miesiącu. W wyniku tej analizy otrzymano następujące rekomendacje: ocena parametr nr1 element nr1 najlepsza symulacja 025 ocena parametr nr2 element nr1 najlepsza symulacja 030 ocena parametr nr3 element nr1 najlepsza symulacja 025 ocena parametr nr4 element nr1 najlepsza symulacja 030 ocena_bis parametr nr1 element nr1 najlepsza symulacja 031 ocena_bis parametr nr2 element nr1 najlepsza symulacja 031 ocena_bis parametr nr3 element nr1 najlepsza symulacja 031 ocena_bis parametr nr4 element nr1 najlepsza symulacja 030 zakres parametr nr1 element nr1 najlepsza symulacja 031 zakres parametr nr2 element nr1 najlepsza symulacja 031 zakres parametr nr3 element nr1 najlepsza symulacja 033 opad parametr nr1 element nr1 najlepsza symulacja 025 opad parametr nr2 element nr1 najlepsza symulacja 028 opad parametr nr3 element nr1 najlepsza symulacja 024 opad parametr nr4 element nr1 najlepsza symulacja 034 percentyle parametr nr1 element nr1 najlepsza symulacja 024 percentyle parametr nr1 element nr2 najlepsza symulacja 031 percentyle parametr nr1 element nr3 najlepsza symulacja 031 percentyle parametr nr1 element nr4 najlepsza symulacja 032 oraz

90 percentyle parametr nr2 element nr1 najlepsza symulacja 030 percentyle parametr nr2 element nr2 najlepsza symulacja 030 percentyle parametr nr2 element nr3 najlepsza symulacja 024 percentyle parametr nr2 element nr4 najlepsza symulacja 030 percentyle parametr nr3 element nr1 najlepsza symulacja 030 percentyle parametr nr3 element nr2 najlepsza symulacja 030 percentyle parametr nr3 element nr3 najlepsza symulacja 024 percentyle parametr nr3 element nr4 najlepsza symulacja 030 Elementy w percentylach 1-T2M; 2-T2M_00; 3-T2M_12; 4-TPREC Ocena parametry: SRNN SRNX SRXN SRXX ocena_bis parametry: SRN0 SRN20 SRX0 SRX25 zakres parametry: SRTN SRTX SRTX-TN opad parametry: SRO1 SRO10 SRO20 SRO30 percentyle parametry: pctl50 pctl75 pctl90 Powyższe analizy w zasadzie wskazują jako najlepszy zestaw II, czyli symulacje z rozdzielczością 10 km i parametryzacją konwekcji ak, chociaż dla reprezentacji samego opadu najlepsze wydają się symulacje z rozdzielczością 20 km i parametryzacją gas. Porównywano również pola obliczonych wartości perecyntyli Q 1 (25%), Q 2 (50%), Q 3 (75%) dla wyników symulacji RegCM: A. rozdzielczość pozioma 10 km parametryzacja ak B. rozdzielczość pozioma 10 km parametryzacja gas C. rozdzielczość pozioma 25 km parametryzacja ak D. rozdzielczość pozioma 25 km parametryzacja gas i danych z reanaliz ERA40 i NCEP. W przypadku opadu lepszy wydaje się wybór parametryzacji konwekcji gas (rys ). Dla temperatury nie ma istotnych różnic między symulacjami.

91 Rys Diagram Taylora dla pól mediany Q 2 (50%) dla opadu i temperatury. Ze względu na niejasność w wyborze konkretnej konfiguracji modelu niezbędne była kontynuacja weryfikacji inną metodą. Obliczono wartości średnie różnic dla obszaru Polski, ich odchylania standardowe oraz mediany. Wartości te przedstawia tab Tab Wartości średnie, odchylenia standardowe i mediany różnic między średnimi polami opadu i temperatury dla symulacji testowych i danych ECAD dla okresu (wytłuszczono 5 najlepszych wartości dla każdego parametru). symulacja wartość średnia odchylenie standardowe mediana opad temp. opad temp. opad temp. 024_run_test_ ,34 0,20 0,18 0,29 1,36 0,20 025_run_test_ ,999 0,15 0,18 0,29 0,999 0,16 026_run_test_ ,18 0,29 0,22 0,34 1,23 0,28 027_run_test_ ,38 0,14 0,17 0,27 1,39 0,14 028_run_test_ ,92 0,22 0,22 0,34 0,91 0,21 029_run_test_ ,02 0,10 0,16 0,27 1,01 0,10 030_run_test_ ,26 0,398 0,28 0,23 1,27 0,41 031_run_test_ ,35 0,04 0,41 0,19 2,27 0,07 032_run_test_ ,88 0,34 0,28 0,23 0,91 0,36 033_run_test_ ,14 0,095 0,25 0,18 1,15 0,11 034_run_test_ ,08-0,05 0,14 0,21 1,09-0,04 Oparto się na następujących kryteriach: - wartość różnicy jak najmniejsza) - wartość mediany jak najbliższa wartości średniej, co gwarantuje rozkład normalny różnic - jak najniższe odchylenie standardowe, co gwarantuje jak najmniejszy rozrzut wartości Wykonano 11 testowych symulacji dla okresu referencyjnego. Odrzucając więcej niż 50%, czyli 6 symulacji z największymi różnicami dla opadu i temperatury pozostają nam dwie, które mają spełnione pierwszy warunek jednocześnie dla temperatury i opadu symulacje 029 i 034. Dokonując analogicznej procedury dla odchylenia standardowego dokonujemy

92 ostatecznego wyboru symulacji 034. Symulacje 029 i 034 mają również wartości mediany bliskie wartościom średnim (warunek trzeci) jednak na korzyść symulacji 034 przemawia niższa wartość odchylenia standardowego dla temperatury. Pola średnich wartości różnic między wynikami wybranych symulacji a danymi ECA&D przedstawia Rys Na rys Rys Pola średnich wartości różnic między wynikami symulacji a danymi ECAD dla opadu (prawy panel) i temperatury (lewy panel) dla okresu dla symulacji 028 (lewa górna), 030 (prawa górna), 031 (lewa dolna) i 034 (prawa dolna). Rys Domena symulacji 034 wybranej jako symulacja referencyjna.

93 Zmiany wybranych elementów meteorologicznych w okresie w stosunku do okresu referencyjnego Dla symulacji referencyjnej (lata ) oraz symulacji scenaruiszowych A2, A1B oraz B1 (lata ) zostały policzone średnie roczne 20-sto-letnie, sezonowe średnie 20- sto-letnie oraz miesięczne średnie 20-sto-letnie dla średniej dobowej temperatury na 2 metrach, dobowej temperatury maksymalnej na 2 metrach oraz dobowej temperatury minimalnej na 2 metrach. Policzone zostały również różnice w/w wielkości scenariuszowych w stosunku do symulacji referencyjnej. Zostały policzone także wybrane wskaźniki klimatyczne dla całego badanego okresu oraz dla poszczególnych sezonów. Również w przypadku wskaźników klimatycznych policzone zostały różnice ich wartości z symulacji scenariuszowych a symulacją referencyjną. Dla całego badanego okresu dla każdego węzła policzono liczbę dni dla której temperatura maksymalna (T max ) przekraczała 25 o C (summer days, sd) oraz maksymalną liczbę dni kiedy T max >25 o C (consequence summer days, csd); liczbę dni dla której temperatura minimalna (T min była poniżej 0 o C (frost days, fd) oraz maksymalną liczbę dni kiedy T min <0 o C Rys Średnioroczna różnica temperatury średniej na 2 m pomiędzy symulacjami scenariuszowymi (od góry scenariusz A2, A1B i B1) a symulacją referencyjną (panele lewe dla całej domeny, panele prawe dla obszatu Polski

94 (consequence frost days, cfd); liczbę dni dla której T max była poniżej 0 o C (ice days, id) oraz maksymalną liczbę dni kiedy T max <0 o C (consequence ice days, cid); liczbę dni dla której T min przekraczała 20 oc (tropical nights, tn); maksymalną amplitudę temperatury czyli różnicę pomiędzy T max i T min (dt). Dla sezonu zimowego policzono fd, id i dt, dla letniego sd, tn i dt a dla wiosennego i jesiennego sd, fd, id i Td. Scenariusz A2 okazał się najzimniejszy (rys ), prognozujący spadek wartości temperatury średniej (T sr ) w Polsce centralnej i południowej, spadek wartości T max na większości obszaru Polski oraz spadek T min w Polsce południowo-zachodniej. Najceplejszym okazał się scenariusz B1, prognozujący na obszarze Polski wzrost T sr o 0,3 0,4 o C, T max o 0,2 0,3 o C a wzrost T min dochodzący do 0,5 0,6 o C na wschodzie Polski. Scenariusz A1B pokazuje równomierny wzrost wartości zarówno T sr, T max jak i T min o ok. 0,2 o C. Każdy ze scenariuszy prognozuje większy wzrost T min niż T max. Dla wiosny wszystkie scenariusze prognozują spadek wartości T sr i T max, a w przypadku T min jedynie scenariusz B1 prognozuje niewielki wzrost o 0,2-0,4 o C. Najsilniejsze spadki pokazuje scenariusz A2, który prognozuje spadek T sr o około 1 o C dla większości obszaru Polski, spadek T max o więcej niż 1 o C - największy dla Polski południowo-zachodniej, oraz najsłabszy, bo o około 0,5 o C, spadek T min. Prognoza na podstawie scenariusza A1B również pokazuje najsilniejszy spadek T max (o około 0,6-0,8 o C), trochę mniejszy spadek T sr (o około 0,4-0,6 o C), i najmniejszy spadek T min (0,2-0,4 o C). Najmniejsze zmiany temperatur pokazuje prognoza na podstawie scenariusza B1, natomiast i w tym przypadku najsilniejsze spadki dotyczą T max (na większości obszaru Polski o 0,2-0,4 o C), niewielkie spadki T sr (do 0,2 o C w Polsce), oraz niewielki ( do 0,4 o C) wzrost T min, najsilniejszy dla Polski płn.. - wsch

95 Rys Średnioroczna różnica temperatury średniej na 2 m dla poszczególnych sezonów, pomiędzy symulacjami scenariuszowymi a symulacją referencyjną Prognozy okresu letniego na podstawie wszystkich scenariuszy pokazują wzrost temperatur, najsilniejszy T min, najmniejszy T max. Największe zmiany są w prognozie na podstawie scenariusza A2 (wzrost T min prawie o 1 o C dla całej Polski z wyjątkiem Wielkopolski, wzrost T sr o 0,4-0,6 o C dla Polski zachodniej oraz o 0,6-0,8 o C dla Polski wschodniej, oraz wzrost T max o 0,4-0,6 o C na większości obszaru Polski za wyjątkiem Polski północno - wschodniej, gdzie wzrost ten oscyluje w granicach 0,6-0,8 o C). Prognoza na podstawie scenariusza A1B pokazuje wzrost T sr, T max i T min o około 0,4-0,6 o C na obszarze całego kraju. Prognoza na podstawie scenariusza B1 pokazuje trochę większy wzrost T min niż prognoza na postawie scenariusza A1B, szczególnie dla Polski północnej, gdzie obserwowany jest wzrost temperatury nawet o 0,8 o C, natomiast wzrost T sr i T min dla tej prognozy jest najmniejszy ze wszystkich prognoz. Prognozy jesieni również pokazują wzrost wszystkich temperatur, lecz mniejszy niż dla lata. Największe wzrosty obserwowane są dla scenariusza A1B (o 0,2-06 o C), trochę mniejsze dla scenariusza B1, natomiast dla scenariusza A2 wzrost oscyluje w przedziale 0-0,2 o C. Najbardziej zróżnicowane prognozy są dla okresu zimowego. Prognoza na podstawie scenariusza B1 pokazuje silne wzrosty każdej z temperatur o 0,6-1 o C, największe dla T min. Prognoza na podstawie scenariusza A1B pokazuje wzrosty temperatur od 0 do 0,8 o C, najmniejsze zmiany dla Polski południowej, największe dla Polski północnej. Natomiast

96 prognoza na podstawie scenariusza A2 pokazuje spadki temperatur nawet do 0,4 o C dla Polski płd. wsch. oraz wzrosty do 0,6 o C (a nawet o 0,8 o C dla Tmax) dla Polski płn. - zach. Dla prognoz na podstawie scenariuszy A2 i A1B obserwuje się niewielki wzrost sd na większości obszaru Polski (2-3 dni w roku), natomiast dla prognozy na podstawie scenariusza B1 - spadek sd o 3-4 dni w roku (rys , kolumna I). Wzrost csd pokazuje właściwe jedynie prognoza na podstawie scenariusza A1B, według której długość okresu z Tmax>25 o C wzrasta nawet o 11 dni dla Polski centralno - wschodniej. Pozostałe prognozy pokazują skrócenie długości tego okresu, dochodzący do 4 dni dla Polski południowo - wschodniej dla scenariusza B1 (rys , kolumna II). Rys Średnia 20-letnia różnica sd (kolumna I) i fd (kolumna III) oraz maksymalna 20-letnia różnica csd (kolumna II) i cfd (kolumna IV), popomiędzy symulacjami scenariuszowymi a symulacją referencyjną Największy spadek fd obserwuje się dla prognozy na podstawie scenariusza B1 (10-11 dni w roku na obszarze całej Polski), trochę mniejszy dla prognozy na podstawie scenariusza A1B ( 4-7 dni w roku), natomiast na podstawie scenariusza A2 dla Polski północnej - spadek o 1 do 4 dni w roku, natomiast dla Polski południowej - wzrost o 1 do 4 dni w roku (rys , kolumna III). Inaczej kształtuje się rozkład cfd - dla prognozy na podstawie scenariusza A2 obserwuje się wzrost długości okresu z Tmin<0 o C C od 10 do 25 dni, a dla prognoz na podstawie scenariuszy A1B i B2 skrócenie długości okresu z Tmin<0 o C o 10 do 20 dni, a dla reszty kraju dość nieregularnie rozłożone wzrosty bądź skracanie się tego okresu do 10 dni (rys , kolumna IV). Prognoza na podstawie scenariusza B1 pokazuje spadek id na obszarze całej Polski, nawet do

97 5 dni w roku na Pojezierzu, prognoza na podstawie scenariusza A2 - wzrost id - największy dla Polski południowo - wschodniej dochodzący do 5dni w roku. Natomiast prognoza na podstawie scenariusza A1B - spadek id o 1-2 dni w roku dla Polski północno - wschodniej oraz wzrost do 4-5 dni dla Polski południowo - zachodniej (rys , kolumna I). Analogicznie wygląda rozkład cid - prognoza długości ciągłego okresu z Tmax<0 o C najbardziej skraca się na podstawie scenariusza B1 (nawet o 12 dni), a najbardziej wydłuża na podstawie scenariusza A2, także o 12 dni (rys , kolumna II). Rys Średnia 20-letnia różnica id (kolumna I) i tn (kolumna III) oraz maksymalna 20-letnia różnica isd (kolumna II) oraz amplituda temperatur (kolumna IV), popomiędzy symulacjami scenariuszowymi a symulacją referencyjną Zmiana wskaźnika tn dla prognozy na podstawie scenariusza A1B jest dodatnia, natomiast dla pozostałych - ujemna. Jest ona jednak bardzo niewielka, oscylująca w granicy -0,3 do +0,3 dnia na rok (rys , kolumna III). Również rozkład spadków i wzrostów maksymalnej amplitudy temperatur dla badanego okresu dla prognoz na podstawie wszystkich scenariuszy jest dość nieregularny na obszarze Polski, dla scenariusza A1 dominuje zmniejszenie się amplitudy (do 8 o C), dla A1B - wzrost dochodzący do 8 o C, i dla B1 także wzrost, ale mniejszy, do 6 o C (rys , kolumna IV). Analizując zmiany wskaźników klimatu w podziale na poszczególne sezony, obserwujemy spadek sd dla jesieni (rys , kolumna IV). dla prognoz na podstawie wszystkich scenariuszy, oraz dość duży spadek sd dla lata dla prognozy na podstawie

98 scenariusza B1 ( o 2-3 dni w roku). Prognozy na podstawie scenariuszy A2 i A1B pokazują niewielki wzrost sd dla lata (o 1-2 dni w roku) (rys , kolumna I). Wszystkie prognozy pokazują bardzo niewielki wzrost sd dla wiosny (rys , kolumna III).. Analiza tn dla lata jest identyczna z tą dotyczącą całego roku, co oczywiście wynika z położenia geograficznego Polski, nie zdarzają się raczej dni z Tmin>20 o C wiosną ani jesienią (rys , kolumna II). Rys Średnia 20-letnia różnica sd dla lata (kolumna I), dla wiosny (kolumna III) i jesieni (kolumna IV) oraz tn dla lata (kolumna II), popomiędzy symulacjami scenariuszowymi a symulacją referencyjną Dla zimy wszystkie prognozy pokazują spadek fd, nawet do 7-8 dni na rok (rys , kolumna I). Spadek fd obserwujemy także dla jesieni dla prognoz na podstawie scenariuszy A1B i B1, a dla scenariusza A2 - niewielki wzrost ( do 2 dni na rok) (rys , kol. IV). Dla wiosny niewielki spadek fd obserwujemy dla prognozy na podstawie scenariusza B1, natomiast dla pozostałych scenariuszy prognozowany jest wzrost fd (nawet do 5 dni w roku dla A2) (rys , kol. III). Rozkład id dla zimy jest bardzo zbliżony do rozkładu id dla całego roku. Spadek liczby dni z Tmax<0 o C obserwujemy dla całej Polski dla scenariusza B1, oraz dla Polski północnej na podstawie scenariuszy A2 i A1B (rys , kol. II).

99 Rys Średnia 20-letnia różnica fd dla zimy (kolumna I), dla wiosny (kolumna III) i jesieni (kolumna IV) oraz id dla zimy (kolumna II), popomiędzy symulacjami scenariuszowymi a symulacją referencyjną Dla wiosny wszystkie prognozy pokazują wzrost id (rys , kolumna I), natomiast dla jesieni spadek lub niewielki wzrost (o 1 dzień w roku) (rys , kolumna II). Rys Średnia 20-letnia różnica id dla wiosny (kolumna I) i dla jesieni (kolumna II), pomiędzy symulacjami scenariuszowymi a symulacją referencyjną Analiza maksymalnej amplitudy temperatury pokazała jej zmniejszenie latem - dla wszystkich scenariuszy - nawet o 6 o C (rys , kolumna II), jesienią - również dla wszystkich scenariuszy - nawet 10 o C (rys , kolumna IV), wiosną zarówno zmniejszenie (głównie dla Polski wschodniej) jak i zwiększenie (Wielkopolska) (rys ,

100 kolumna III), zimą - głównie wzrost amplitudy nawet o 10 o C (rys , kolumna I). Rys Maksymalna 20-letnia różnica amplitudy temperatur dla zimy (kolumna I), lata (kolumna II), wiosny (kolumna III) i jesieni (kolumna IV), popomiędzy symulacjami scenariuszowymi a symulacją referencyjną Liczba wystąpień i maksymalna długość okresów bezopadowych. Opis dni bezopadowych wykonany został za pomocą wskaźnika ECA_CDD ( Consecutive dray days index per time period). Obliczenia były przeprowadzane w obszarze otaczającym Polskę w każdym punkcie siatki. Pole ilości okresów bezopadowych najbardziej różni się dla scenariusza B1, dla którego zaobserwowano największe odchylenie standardowe w analizowanym obszarze. W poniższym rysunku maksymalna wartość dla funkcji gęstości w okresie referencyjnym jest niższa ale występuje powyżej 30 dni. Dla scenariuszy maksimum występuje dla wartości o klasę niższych ale za to jest znacznie wyższe, co oznacza że w scenariuszach występuje dużo więcej ale nieznacznie krótszych okresów bezdeszczowych. Histogramy dla tego pola (rys ) pokazują, ze w okresie referencyjnym największą częstotliwość wykazują opady do 20 mm. Dla scenariuszy A1B i B1 największą częstotliwość przypisana jest do następnego przedziału ( do 30 mm ). W przypadku scenariusz A2 najczęstszy jest ten sam przedział co dla okresu referencyjnego jednak jego liczność jest niższa oraz bardzo zbliżona do liczności następnego przedziału ( do 30 mm ). Sugeruje to częstsze występowanie większy opadów w okresie scenariuszowym.

101 Rys Histogramy maksymalnej długości okresów bezopadowych (lewy panel) oraz wielkości maksymalnego opadu dobowego (prawy panel) w scenariuszach A1B, A2, B1 dla lat i w okresie referencyjnym Następnie analizie został poddany parametr określający liczbę wystąpień opadów trwających co najmniej pięć dni iż suma opadów co najmniej 50 mm. Na rys przedstawiono rozkład przestrzenny tego parametru. Dla scenariusza A2 daje się zauważyć wzrost obszaru gdzie liczba takich sytuacji nie przekracza 50 ( w centralnym obszarze Polski zachodniej). Co jest potwierdzone obszarem w kolorze niebieskim na rys przedstawiającym zmiany w stosunku do okresu referencyjnego. Natomiast w scenariuszach A1B i B2 rozszerzył się obszar na krańcach południowo wschodnich gdzie liczba wystąpień rozpatrywanych sytuacji przekracza 200. Dla tych scenariuszy na rys przeważają kolory ciepłe (od seledynowego do czerwieni) oznaczające dodatni kierunek zmian. Dla scenariusza A2 na rys przeważają kolory niebieski i morski odpowiadające przeciwnemu kierunkowi zmiana.

102 Rys Liczbę wystąpień opadów trwających co najmniej pięć dni iż suma opadów co najmniej 50 mm dla symulacji referencyjnej i trzech scenariuszy (lewy panel) oraz zmiany scenariuszowe w stosunku do okresu referencyjnego (prawy panel). Analiza zmian wybranych parametrów meteorologicznych dla poszczególnych województw Dokonano regionalizacji zmian wybranych parametrów meteorologicznych poprzez ich wyliczenie dla obszarów 16 województw. Rys przedstawia względną zmianę wielkości opadu w stosunku do okresu referencyjnego dla poszczególnych województw i scenariuszy B1, A1B i A2. Rys Względne zmiany wielkości opadu w stosunku do okresu referencyjnego dla poszczególnych województw i scenariuszy B1, A1B i A2.

103 Dla przeważającej większości województw i wszystkich scenariuszy zmiany te są dodatnie. Największe dla województwa małopolskiego, najmniejsze dla kujawsko-pomorskiego. Będzie to skutkowało zarówno wzrostem częstotliwości opadów ekstremalnych, szczególnie w Polsce płd.-wsch. jak i spadkiem liczby dni bezdeszczowych na większości obszaru kraju (rys ). Rys Jak wyżej, ale względna zmiana liczby dni z opadem powyżej 20mm (górny rysunek) i względna zmiana liczby dni bezdeszczowych (dolny rysunek)

104 Korekta scenariuszy wybranych elementów meteorologicznych Metodologia: Modele nie opisują rzeczywistości w idealny sposób. Wartości obserwowane różnią się zawsze od symulowanych. Zatem konieczne jest wprowadzenie odpowiednich poprawek. Zwykle korekcji podlegają dane uśrednione po czasie - średnie miesięczne lub sezonowe. Procedura polega na porównaniu danych węzłowych, które reprezentują średnie powierzchniowe (dla powierzchni odpowiadającej polu węzła) z danymi obserwowanymi na stacjach, które reprezentują warunki klimatyczne w punkcie. Z tego powodu nie należy porównywać bezpośrednio danych symulowanych z wartościami obserwacyjnymi z najbliższego posterunku obserwacyjnego. Korelacja przestrzenna między danymi symulowanymi jest znacznie silniejsza niż danych obserwowanych, szczególnie w przypadku opadów. Jednocześnie dane obserwacyjne są znacznie mniej regularnie rozłożone niż węzłowe, zwykle też ich gęstość jest mniejsza (Déqué, 2007). To wszystko powoduje, że klimat symulowany jest bardziej wygładzony niż rzeczywisty, niskie ekstrema są przeszacowane (zawyżone) a wysokie niedoszacowane (zaniżone). By porównać średnie klimatyczne obserwowane z symulowanymi zastosowano metodę proponowaną przez Déqué (2007). Wartości obserwowane i symulowane są w niej uśrednione w kołach o ustalonym promieniu w okolicy badanego punktu. W zależności od gęstości stacji obserwacyjnych zastosowano promienie wynoszące 50 lub 75 km. Te średnie stanowią podstawę do wyznaczenia różnicy między wartością średnią obserwowaną, a wartością średnią symulowaną. W okresie referencyjnym liczona jest średnia z modelu i średnia z obserwacji w kole o zadanym promieniu wokół punktu, dla którego ma być opracowana prognoza. Zakłada się, że w okresie, na który przygotowywana jest prognoza różnica między średnią z modelu a wartością prognozowaną będzie taka sama. Metodę stałości różnic zastosowano dla takich elementów meteorologicznych jak średnia, maksymalna i minimalna temperatura, ciśnienie atmosferyczne, prędkość wiatru. W przypadku wielkości takich jak suma opadu atmosferycznego, czy pokrywa śnieżna przyjęto, że stały powinien być stosunek wielkości symulowanej i obserwowanej (Widmann i in., 2003). Różnice średnich i stosunki wyznaczono osobno dla każdego punktu, dla którego przygotowywano prognozę i każdego sezonu. Dla oceny ekstremalnych zdarzeń pogodowych konieczne jest prognozowanie nie tylko wartości średnich, ale całych rozkładów. Jak wyżej wspomniano modele wygładzają wszelkie ekstrema, co przejawia się wyraźnym przeszacowaniem minimów (wartości minimalne z

105 symulacji są wyższe od obserwowanych) i niedoszacowaniem maksimów (wartości maksymalne z symulacji są niższe od obserwowanych). Déqué (2007) oraz Boé i in. (2007) proponują zastosowanie metody kwantylowej. Polega ona na porównaniu skumulowanych funkcji rozkładu (dystrybuant) wartości obserwowanych i symulowanych w okresie referencyjnym. A następnie w okresie, dla którego opracowywana jest prognoza każdej wartości symulowanej przyporządkowywane jest prawdopodobieństwo wystąpienia wartości nie większej i odczytywana wartość prognozowana z wykresu dystrybuanty. Metodę prezentuje rys (Boé i in., 2007) Rys Zasada korekcji wykorzystująca metodę porównania kwantyli. CDF jest empiryczną skumulowaną funkcją rozkładu (dystrybuantą). Indeksy f, c, o oznaczają odpowiednio wartości dla scenariusza klimatycznego, symulacji kontrolnej (w okresie referencyjnym) i obserwowanej. Wartości x f (d) zmiennej x w scenariuszu dla dnia d odpowiada sezonowa dystrybuanta P c (x f (d)), gdzie P(x) = Pr{X d}jest poszukiwaną empiryczną dystrybuantą symulacji kontrolnej. Wartość x, taka że P o (x)=p c (x f (d)) odczytujemy z dystrybuanty wartości obserwowanych. I jest to skorygowana wartość prognozowana. Wartości dystrybuanty dla wartości obserwowanych i symulowanych wyznaczono dla zbioru wartości danego elementu meteorologicznego ze wszystkich punktów w obrębie poprzednio opisanych kół, a nie ich wartości średnich, ponieważ wykorzystanie średnich spowodowałoby wygładzenie ekstremów (Déqué, 2007). Z praktycznego punktu widzenia wyznaczono 99 percentyli dla obu rozkładów (wartości obserwowanych i symulowanych) dla każdej zmiennej, pory roku i punktu, dla którego przygotowywano prognozę. Dla każdej wartości symulowanej w okresie, na który przygotowywano prognozę wartości percentyli interpolowano między dwoma sąsiednimi. Natomiast w przypadku wartości skrajnych (mniejszych od pierwszego percentyla i większych od dziewięćdziesiątego dziewiątego) przyjęto wartości poprawki stałe, takie jak dla pierwszego lub dziewięćdziesiątego dziewiątego percentyla odpowiednio.

106 Przeprowadzono prognozę warunków klimatycznych, która obejmowała liczbę dni z temperaturą poniżej -4 C, średnią miesięczną sumę opadu deszczu i średnią miesięczną pokrywę śnieżną w okresie od grudnia do kwietnia. Scenariusze wykonano dla trzech scenariuszy emisji A1B, B1 i A2. Dla każdego z siedmiu ośrodków narciarskich wybrano wszystkie dostępne stacje meteorologiczne z danymi w okresie referencyjnym leżące w odległości nie większej niż 50 km i na wysokości nie różniącej się bardziej niż o 200 m. Tab przedstawia zestawienie analizowanych ośrodków i posterunków meteorologicznych, z których dane wykorzystano do opracowania prognozy. Tab Wykaz posterunków meteorologicznych, z których dane wykorzystano do opracowania prognozy dla poszczególnych ośrodków narciarskich. ośrodek narciarski Czantoria Kamianna Kasprowy Wierch Kiczera Siepraw Śnieżnica Spytkowice stacje meteorologiczne Bielsko-Biała, Bieruń, Międzybrodzie, Katowice, Pszczyna Barwinek, Krościenko, Limanowa, Łącko, Muszyna, Nowy Sącz, Piwniczna Witów, Zakopane Baligród, Barwinek, Iwonicz, Komańcza, Lesko Limanowa, Łącko, Maków Jabłonka, Krościenko, Limanowa Jabłonka, Limanowa, Zawoja Wartości temperatury przeliczano do wysokości analizowanego punktu zgodnie z zasadą, że średnia miesięczna temperatura obniża się o 0,6 C na każde 100 m wzniesienia. Niestety brak było podobnych zależności dla opadu i pokrywy śnieżnej. Wartości temperatury skorygowano przyjmując, że różnice między danymi symulowanymi, obserwowanymi w okresie referencyjnym są takie same jak różnice między symulacjami na okres , a scenariuszami. Wartości opadu deszczu i pokrywy śnieżnej skorygowano przyjmując, że stosunki danych symulowanych do obserwowanych w okresie referencyjnym są równe stosunkom między symulacjami na okres , a scenariuszami. Policzono scenariusze klimatu obejmujące takie zmienne meteorologiczne jak średnią, maksymalną i minimalną dobową temperaturę, dobową sumę opadu, pokrywę śnieżną i wilgotność względną. Wartości symulowane liczono jako średnie z punktów węzłowych leżących w kołach o promieniu 50 km wokół 54 wybranych stacji (tab ). Wartości temperatury skorygowano przyjmując, że różnice między danymi symulowanymi, obserwowanymi w okresie referencyjnym są takie same jak różnice między symulacjami na

107 okres , a scenariuszami. Wartości opadu deszczu, pokrywy śnieżnej i wilgotności względnej skorygowano przyjmując, że stosunki danych symulowanych do obserwowanych w okresie referencyjnym są równe stosunkom między symulacjami na okres , a scenariuszami. Korygowano dane dobowe. Policzono scenariusze składników klimatycznego bilansu wodnego w skali miesięcznej dla 54 wybranych stacji (tab ): temperatury, opadu, wilgotności względnej, promieniowania i prędkości wiatru. Wartości symulowane liczono jako średnie z punktów węzłowych leżących w kołach o promieniu 50 km wokół 54 wybranych stacji. Wartości nie korygowano, żeby nie naruszać fizycznych związków miedzy zmiennymi, koniecznych do właściwego szacowania KBW. Korekcji powinny podlegać wartości KBW, porównanie KBW obliczonego na podstawie danych obserwowanych i symulowanych w okresie referencyjnym pozwoli na korektę KBW prognozowanego na lata Tab Wykaz stacji, dla których dokonano prognozy warunków meteorologicznych na lata lp x y stacja lp x y stacja Kołobrzeg Siedlce Koszalin Terespol Ustka Zielona Góra Łeba Legnica Lębork Leszno Hel Wrocław Elbląg Kalisz Kętrzyn Wieluń Suwałki Łódź Świnoujście Sulejów Szczecin Lublin Resko Włodawa Szczecinek Jelenia Góra Piła Kłodzko Chojnice Opole Toruń Racibórz Mława Katowice Olsztyn Kraków Mikołajki Kielce Ostrołęka Tarnów Białystok Rzeszów Gorzów Wlkp Sandomierz Słubice Zamość Poznań Bielsko-Biała Koło Zakopane Płock Nowy Sącz Warszawa Lesko

108 Scenariusze zmian temperatury w okresie Szczegółowe scenariusze zmian temperatury opracowano dla obszaru E oraz N obejmującego całą Polskę z rozdzielczością poziomą W okresie referencyjnym dla każdego punktu węzłowego tej sieci policzono dystrybuanty rozkładu średniej, maksymalnej i minimalnej dobowej temperatury dla danych symulowanych w modelu i danych obserwowanych osobno dla każdej pory roku. Do obliczania dystrybuanty z danych symulowanych wykorzystano wszystkie wartości w punktach węzłowych zawartych w kole o promieniu 75 km wokół każdego punktu węzłowego nowej sieci. Wartości te przeliczono do wysokości tego punktu węzłowego. Do obliczania dystrybuanty z danych obserwowanych wykorzystano wszystkie wartości z punktów obserwacyjnych zawartych w kole o promieniu 75 km wokół każdego punktu węzłowego nowej sieci, także po przeliczeniu do wysokości tego punktu. Wartość promienia koła wybrano tak, by wszystkie punkty węzłowe leżące na obszarze Polski znajdowały się w odległości mniejszej niż ten promień od co najmniej jednej stacji meteorologicznej, z której dane posiadano. W opracowaniu wykorzystano dane ze 126 stacji, wszystkich dostępnych z obszaru Polski. Policzone w ten sposób dystrybuanty, a właściwie percentyle od pierwszego do dziewięćdziesiątego dziewiątego wykorzystano do wyznaczenia danych dobowych (średnich, maksymalnych i minimalnych) temperatury dla okresu prognozy dla wszystkich trzech scenariuszy emisji (A1B, A2 i B1) według metody opisanej w punkcie 2. Na podstawie tych danych policzono średnie miesięczne i sezonowe temperatury w Polsce dla wszystkich trzech scenariuszy emisji. Ponieważ lata , na które opracowywana jest prognoza, przypadają na okres, w którym scenariusze emisji nie różnią się jeszcze od siebie znacznie, to różnice miedzy poszczególnymi scenariuszami również nie są wielkie. Dla oceny zmian częstości występowania zdarzeń ekstremalnych policzono percentyle, od pierwszego do dziewięćdziesiątego dziewiątego, wartości prognozowanych temperatury dla poszczególnych sezonów i scenariuszy emisji. Ponadto policzono liczby dni charakterystycznych: z temperaturą maksymalną 25 C (dni gorące), 30 C (dni upalne), 0 C (dni mroźne) i -10 C (dni bardzo mroźne). A także z temperaturą minimalną 18 C (noce tropikalne), 0 C (dni przymrozkowe) i -10 C (noce mroźne). Wyraźny jest spadek liczby dni i nocy zimnych oraz wzrost liczby dni gorących i upalnych oraz tropikalnych nocy.

109 Promieniowanie ultrafioletowe Pobrano zrekonstruowane dane historyczne oraz prognozę ozonu dla okresu z bazy ozonowej AC&C/SPARC dla kuli ziemskiej. Dane zapisane są na siatce z rozdzielczością 5 w szerokości i długości geograficznej na poziomach ciśnienia: 1000, 850, 700, 600, 500, 400, 300, 250, 200, 150, 100, 80, 70, 50, 30, 20, 15, 10, 7, 5, 3, 2, 1.5, 1 hpa w postaci średnich miesięcznych. Następnie, zawarte w zbiorach, w formacie netcdf profile ozonu przekształcono obliczając średni miesięczny ozon całkowity w kolumnie atmosfery dla każdego punktu siatki. W celu ułatwienia formatowania danych wejściowych do modeli transferu promieniowania słonecznego uruchomiono relacyjną bazę danych PostgreSQL. Do utworzonej bazy danych wprowadzono uzyskane dane ozonu całkowitego. Przygotowywano dane do parametryzacji modelu transferu promieniowania słonecznego: - średnie miesięczne głębokości optycznej aerozoli dla 308nm (UV) na siatce RegCM, - dane określające typ powierzchni (maska, landuse) oraz wysokość terenu nad poziom morza na siatce RegCM, - ozon całkowity na siatce RegCM. Dane o aerozolach, ozonie całkowitym, typie powierzchni i wysokości nad poziom morza zostały wprowadzone do utworzonej relacyjnej bazy danych. Do przyspieszenia obliczeń modelem transferu promieniowania słonecznego wykorzystano metodę tablic podręcznych (LUT). Za pomocą modelu transferu uvspec z pakietu libradtran obliczono wartości promieniowania UV-B, UV-A, promieniowanie UV z funkcjami skuteczności erytemalnego, witaminy-d, DNA, Plant, Plant2003, Eye, SCUP oraz promieniowanie dla pięciu długości fal: 300, 305, 320, 340, 380 nm. Wielowymiarową tablicę podręczną wykonano dla następujących parametrów wejściowych: ozon całkowity od 200 do 500 DU z krokiem co 10 DU, głębokość optyczna od 0.05 do 0.90 co 0.05, kąt zenitalny od 10 do 87 co 0.5. albedo w klasach zgodnych z opisem modelu RegCM, wysokości 0 i 2 km n.p.m. Przygotowywano oprogramowanie do obliczeń promieniowania UV dla okresu referencyjnego oraz okresu obejmującego scenariusze. Oprogramowanie korzysta z danych z RegCM, tablic średnich miesięcznych aerozolowej głębokości optycznej, średnich ozonu całkowitego dla każdego miesiąca oraz tablic opisujących albedo i wysokość nad poziom morza. Dla każdego węzła siatki wyznaczany jest przebieg dzienny promieniowania UV dla bezchmurnego nieba. Obliczenie to wykonuje się poprzez wyszukiwanie wielkości promieniowania UV w przygotowanych wcześniej tabelach podręcznych (LUT). Z przebiegów dziennych promieniowania UV oblicza się dawki dzienne promieniowania UV.

110 Następnie korzystając z algorytmu rekonstrukcji promieniowania UV oraz danych o promieniowaniu całkowitym z RegCM oblicza się dawkę dzienną promieniowania UV. Wykonywano obliczenia zrekonstruowanego promieniowania UV dla okresu referencyjnego oraz dla scenariuszy A1B, A2 i B1 z RegCM przy założonych trzech scenariuszach zmian ozonu całkowitego dla okresu W wyniku obliczeń otrzymano dla każdego dnia w wymienionych okresach w każdym węźle siatki wartości promieniowania UV-B, UV-A, promieniowania UV z funkcjami skuteczności erytemalnej, witaminy-d, DNA, Plant, Plant2003, Eye, SCUP oraz promieniowania dla pięciu długości fal: 300, 305, 320, 340, 380 nm. Metodyka Stosując model rekonstrukcji promieniowania UV opisywany w raporcie z 2009 roku przystosowany do obliczeń na dawkach dobowych promieniowania wykonano obliczenia promieniowania UV w okresie referencyjnym oraz okresie obejmującym scenariusze z RegCM. Obliczenia wykonano dla każdego dnia i każdego węzła założonej do analizy domeny. Do przeprowadzenia obliczeń modelem transferu promieniowania słonecznego wykorzystano średnie miesięczne głębokości optycznej aerozoli opracowane dla potrzeb Akcji COST726 przez Natalię Chubarovą z Państwowego Uniwersytetu Moskiewskiego. Głębokość optyczna aerozoli została dostosowana do siatki RegCM. Założono że w danym miesiącu, w danym węźle siatki aerozole będą opisywane przez taką samą głębokość optyczną dla każdego roku. Przykładową mapę rozkładu aerozoli dla czerwca przedstawiono na rys Kolejną istotną wielkością podczas obliczeń modelem transferu w zakresie UV jest ozon całkowity. Do obliczeń wykorzystano dane o ozonie z AC&C/SPARC Ozone Database ( pokrywające cały glob od 1850 do 2100 roku. Na rys przedstawiono uśrednione po całym globie dane ozonu całkowitego pokrywające okres referencyjny i okres scenariuszy. W wyniku obliczeń uzyskano dawki dobowe promieniowania UV o okresach referencyjnym i scenariuszy. Jednak, do dalszych analiz będą używane jedynie dawki miesięczne, kwartalne lub roczne, gdyż nie ma sensu oczekiwać że da się przewidzieć jakie będzie promieniowanie UV w dowolnym dniu w przyszłości.

111 Rys Rozkład głębokości optycznej aerozoli dla 308nm na siatce RegCM dla czerwca. Rys Średnie ozonu całkowitego dla globu (analiza + scenariusze). Charakterystyka osiągniętych wyników W wyniku obliczeń otrzymano dla każdego dnia w wymienionych okresach w każdym węźle siatki wartości promieniowania UV-B, UV-A, promieniowania UV z funkcjami skuteczności erytemalnej, witaminy-d, DNA, Plant, Plant2003, Eye, SCUP oraz promieniowania dla pięciu

112 długości fal: 300, 305, 320, 340, 380 nm. Obliczenia wykonano dla okresu referencyjnego oraz okresu obejmującego scenariusze. Analizę otrzymanych wielkości promieniowania UV planuje się przeprowadzić w następnym okresie rozliczeniowym i umieścić ją w końcowym raporcie. 5. Analiza zgodności z założonymi celami oraz informacje o ewentualnych opóźnieniach wraz z wyjaśnieniem ich przyczyn W takcie realizacji zadania napotkano następujące problemy: opóźnienie w udostępnieniu zasobu dyskowego 4TB na macierzy dyskowej NetApp niezbędnego do przechowywania wyników symulacji dla okresu referencyjnego i scenariuszy problemy z kolejkowaniem modelu RegCM na superkomputerze AURA i wynikające stąd opóźnienie zakończenia przygotowywania symulacji referencyjnych brak zweryfikowanych danych obserwacyjnych dla okresu referencyjnego. Kłopot z oceną pokrywy śnieżnej i opadu na obszarach górskich. Pojawia się potrzeba określenia gradientów opadu i pokrywy śnieżnej (zmiany z wysokością npm.) brak miejsca na dyskach do prawidłowej i kompletnej archiwizacji pracy Pomimo tego prace wykonano zgodne z założonymi celami i harmonogramem. 6. Propozycje dotyczące praktycznego wykorzystania wyników badań Wyniki symulacji scenariuszowych stanowią źródło danych dla innych zadań projektu KLIMAT dotyczących opracowania scenariuszy zmian warunków biotermicznych, bazy węzłowej, modeli klimat-ekonomia, klimat-rolnictwo, klimat-gospodarka np. w zakresie sektora rejestrowanych usług turystycznych oferowanych sezonowo i całorocznie oraz ruchu turystycznego czy zmian plonowania. Pozwoli to na sformułowanie wniosków końcowych zawierających wpływ zmian klimatu na: rolnictwo, żeglugę, transport, lasy i gospodarkę, ocena skutków ekonomicznych przewidywanych zmian klimatu a w efekcie określenie sposobów adaptacji środowiska, gospodarki i społeczeństwa do negatywnych skutków zmian klimatu. W ramach samego podzadania RegCM w następnym roku realizacji na podstawie wyników symulacji planowane są:

113 analiza fal mrozów i opadów atmosferycznych przygotowywanie publikacji wyznaczenie, z użyciem modelu transferu promieniowania słonecznego współczynników korekcyjnych promieniowania UV w celu uwzględnienia informacji o pokrywie śnieżnej z RegCM przygotowanie scenariuszy zmian promieniowania UV przygotowanie narzędzi do analizy porównawczej zrekonstruowanego promieniowania UV w okresach scenariuszy A1B, A2, B1 i w okresie referencyjnym przygotowanie dynamicznych scenariuszy wiązkowych analiza porównawcza scenariuszy klimatycznych dynamicznych i statystycznoempirycznych 7. Wykaz przygotowanych publikacji Adam Jaczewski, Scenariusze zmian klimatu Polski w latach z wykorzystaniem dynamicznego regionalnego modelu klimatu RegCM3, Środowiskowe Seminarium Zakładu Fizyki Atmosfery, Instytut Geofizyki UW, , Warszawa Adam Jaczewski, Barbara Brzóska, Zmiany częstości zjawisk ekstremalnych w świetle scenariuszy zmian klimatu w latach na podstawie symulacji regionalnym dynamicznym modelem klimatu, Sympozjum Globalne zmiany klimatu i ich implikacje dla rzeźby Polski, , Warszawa 8. Literatura wykorzystana w opracowaniu Boé, J., Terray, L., Habets, F., Martin, E., 2007, Statistical and dynamical downscaling of the Seine basin climate for hydro-meteorological studies. Int. J. of Climatol., 27: Déqué M Frequency of precipitation and temperature extremes over France in an anthropogenic scenario: model results and statistical correction according to observed values. Global and Planetary Change 57: 16 26, DOI: /j.gloplacha European Climate Assessment & Dataset (ECA&D), Piani, C., J. O. Haerter, and E. Coppola, 2010, Statistical bias correction for daily precipitation in regional climate models over Europe, Theor. Appl. Climatol., 99: DOI /s Widmann, M., C. S. Bretherton, and E. P. Salathé Jr., 2003: Statistical precipitation downscaling over the Northwestern United States using numerically simulated precipitation as a predictor. J. Clim, 16(5):

114 Dickinson, R. E., A. Henderson-Sellers, and P. J. Kennedy, 1993: Biosphere-atmosphere transfer scheme (bats)version 1e as coupled to the ncar community climate model, Tech. rep., National Center for Atmospheric Research. Elguindi, N.; Bi, X.; Giorgi, F.; Nagarajan, B.; Pal, J.; Solmon, F.; Rauscher, S. & Zakey, A. (2007). RegCM Version 3.1, User s Guide, pp. Kiehl, J. T., J. J. Hack, G. B. Bonan, B. A. Boville, B. P. Breigleb, D.Williamson, and P. Rasch, 1996: Description of the ncar community climate model (ccm3), Tech. Rep. NCAR/TN-420+STR, National Center for Atmospheric Research. New M, Hulme M, Jones P (2000) Representing twentieth-century space-time climate variability. Part II: Development of monthly grids of terrestrial surface climate. J of Climate 13(13): Roeckner, 2005: IPCC MPI-ECHAM5_T63L31 MPI-OM_GR1.5L40 20C3M_all run no.1: atmosphere monthly mean values MPImet/MaD Germany. World Data Center for Climate. cera- T63L31_OM_20C3M_1_MM Taylor, K.E.: Summarizing multiple aspects of model performance in a single diagram. J. Geophys. Res., 106, , 2001 (also see PCMDI Report 55, Uppala, S.M. et al., 2005: The ERA-40 re-analysis. Quart. J. R. Meteorol. Soc., 131, doi: /qj Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych prac mgr Barbara Brzóska mgr Aleksander Curyło dr Adam Jaczewski przetwarzanie wstępne przygotowanie warunków początkowych i brzegowych, przetwarzanie wyników symulacji, analiza, walidacja, wizualizacja wyników modelu promieniowanie ultrafioletowe: prace merytoryczne, programowanie, obliczenia, opracowanie danych AM5 i porównanie otrzymanych wartości z wartościami zmierzonymi koordynacja podzadania dotyczącego scenariuszy dynamicznych, instalacja modelu RegCM na superkomputerze, wykonanie symulacji RegCM, wizualizacja wyników symulacji, przygotowywanie raportów mgr inż. Krystyna Konca- Kędzierska mgr inż. Krystyna Pianko- Kluczyńska dr hab. Joanna Wibig przetwarzanie wstępne przygotowanie warunków początkowych i brzegowych, przetwarzanie wyników symulacji, analiza, walidacja, wizualizacja wyników modelu przetwarzanie wstępne przygotowanie warunków początkowych i brzegowych, przetwarzanie wyników symulacji, analiza, walidacja, wizualizacja wyników modelu koncepcja metodyczna analizy wyników zadania, przetwarzanie wyników symulacji, analiza, walidacja, wizualizacja wyników modelu, korekta danych scenariuszowych

115 10. Informacje o sposobie odbioru zadań składowych i trybie koordynacji prac Prace wykonuje wyżej wymieniony Zespół. Ustalenia w sprawie poszczególnych zadań cząstkowych są dyskutowane i omawiane na spotkaniach roboczych Zespołu oraz za pomocą poczty elektronicznej. Do wymiany informacji i koordynacji prac stworzona została również lokalna strona www dedykowana zadaniu. Wykonawcy przygotowują cząstkowe raporty miesięczne, na podstawie których tworzone są raporty zbiorcze całego Zespołu, następnie przesyłane do koordynatora Zadania 1 projektu KLIMAT. Rezultaty prac podzadania są przechowywane u kierownika Zakładu Modelowania Klimatycznego i Prognoz Sezonowych IMGW dr Adama Jaczewskiego PODZADANIE 1.3 Stworzenie baz danych zawierających informacje o spodziewanych zmianach klimatu Polski w regularnej siatce przestrzennej na potrzeby strategii adaptacyjnych 1. Cel badań Głównym celem podzadania jest stworzenie bazy danych klimatologicznych zawierających prognozowane wartości poszczególnych elementów meteorologicznych pochodzących ze scenariuszy klimatycznych. Baza ta ma stanowić podstawę do opracowywania różnych strategii adaptacyjnych oraz innych celów badawczych oraz aplikacyjnych. Celowi temu służy realizacja następujących zadań: o ocena i wybór najlepszych metod interpolacji przestrzennych, o opracowanie koncepcji szczegółowej bazy danych gridowych, o opracowanie metod konwersji danych pochodzących z modelu RegCM, o opracowanie i wdrożenie systemu poboru danych z bazy danych gridowych scenariuszy statystyczno-empirycznych. o 2. Zakres wykonywanych prac W 2010 wykonywano 2 zasadnicze rodzaje prac obejmujące wypracowanie najlepszych metod interpolacji przestrzennej poszczególnych elementów klimatu oraz służące stworzeniu bazy danych gridowych dla wybranych scenariuszy klimatu Polski wraz z tzw. okresem referencyjnym. Obok typowych działań informatycznych zmierzających do stworzenia

116 specjalistycznego oprogramowania bazy danych podjęto prace w celu opracowania najlepszej metody zagęszczenia punktów otrzymywanych z modelu RegCM. Opracowano kilka wersji metody zwiększenia rozdzielczości danych otrzymywanych z modelu (rozdzielczość punktów km w punktach nieregularnych) do 10 km (punkty rozmieszczone w siatce regularnej). W szczególności w 2010 roku wykonywano następujące szczegółowe prace: o testowano różne metody interpolacji przestrzennej dla podstawowych elementów klimatu; objęły one średnie miesięczne, sezonowe i roczne wartości poszczególnych elementów, o zaimportowano i przeanalizowano dla obszaru Polski wyniki modelu RegCM dla lat obejmujące opady atmosferyczne, temperaturę średnią, temperaturę maksymalną, temperaturę minimalną, o zaimportowano dla obszaru Polski wyniki modelu RegCM dla lat w zakresie opadów atmosferycznych, temperatury średniej, temperatury maksymalnej, temperatury minimalnej dla 3 scenariuszy, o utworzono warstwę LandUse wykorzystywaną przez model RegCM (na podstawie pliku tekstowego przestawiającego zakodowane formy użytkowania i na podstawie pliku Head zawierającego współrzędne narożnika obszaru). Przeanalizowano parametry użytkowania wykorzystanych przez model, o konstruowano rozkłady przestrzenne temperatury powietrza z wybranych dni, miesięcy oraz lat okresu na podstawie danych pochodzących z modelu RegCM, o opracowywano algorytmy i pisano procedury do oprogramowania związanego z interpolacja wyników modelu, o konstruowano również mapy rozkładów przestrzennych kluczowych elementów klimatu dla obszaru Polski. Wykorzystano kilka sprawdzonych już wcześniej metod interpolacji przestrzennej z wykorzystaniem danych o różnej rozdzielczości przestrzennej i czasowej, o wykonywano rutynowe obliczenia do powstającej bazy danych gridowych, o wyznaczone zostały średnie dobowe z 20-lecia dla temperatury średniej, maksymalnej i minimalnej dla zmniejszonej domeny do obszaru Polski, o dla rozpatrywanych w zadaniu elementów meteorologicznych wykonano także porównanie średnich dobowych z 20-lecia referencyjnego z modelu z analogicznymi danymi pochodzących z obserwacji dla kilku stacji w Polsce, o analizowano numeryczny model terenu użyty w modelu RegCM,

117 o ze względu na nowe wersje danych z modelu RegCM, które będą dostępne na początku 2011 roku a także na ostateczne ustalenia dotyczące bazy danych prace zostały w drugiej części okresu sprawozdawczego zmodyfikowane, opracowano nowe zależności pomiędzy siatką 10 km a zagęszczonymi przez program wynikami modelu, o importowano nowe skorygowane wyniki modelu dla 3 scenariuszy w zakresie temperatury średniej, o przekonwertowano do warstw GIS zaimportowane nowe skorygowane wyniki modelu dla 3 scenariuszy w zakresie temperatury średniej. 3. Opis metodyki badań W roku 2010 zaimportowano wyniki modelu dla próbnych symulacji oraz dla symulacji nr 34, która według zapewnień wykonawców jest ostateczną. Przygotowano pliki z następującymi parametrami: TSRD - średnia dobowa temperatura powietrza, TMAX - maksymalna dobowa temperatura powietrza, TMIN - minimalna dobowa temperatura powietrza, OPAD - dobowa suma opadów atmosferycznych, dla następujących okresów: lata tzw. okres referencyjny lata dla scenariuszy A1B, A2, B1 Wyniki modelu pobrano z plików RegCM i za pomocą skrzynki narzędziowej pakietu ArcGis v9.3 firmy ESRI przekonwertowano do plików typu shape. Każdy scenariusz, każdy rok i każdy parametr znajduje się w oddzielnym pliku. Ponieważ domena obliczeń modelu zawierała się w zakresie 2.42 E do E i N do N do dalszych prac zawężono ją do zakresu 14 E - 25 E i 49 N - 55 N. Rys przedstawia obszar Polski wraz z punktami reprezentującymi wyniki modelu po zmniejszeniu domeny.

118 Rys Punkty reprezentujące wyniki modelu po zmniejszeniu domeny do obszaru Polski Dalsze analizy wyników modelu związane były z wyznaczeniem średnich dobowych z 20- lecia dla okresu referencyjnego i scenariuszy. Należało tu dokonać połączenia wszystkich zaimportowanych plików z okresu 20 dla poszczególnych parametrów. Następnie wykorzystując pole związane z datą pomiaru wyznaczono średnie dobowe dla 20-lecia Zastosowano tu możliwości ModelBuildera, które jest specjalistycznym narzędziem GIS do zaawansowanych analiz i modelowania. Poniżej, na rys przedstawiono przykładowy fragment modelu wykonany w ModelBuilderze. Rys Przykład ModelBuildera do analiz przestrzennych i tabelarycznych warstw typu shape Efektem niniejszego zadania ma być m.in. interpolacja (zagęszczanie) wyników modelu i przedstawienie ich w regularnej siatce o rozdzielczości 10 km x 10 km. Dlatego utworzono warstwę punktową w układzie prostokątnym PUWG 92 (Rys ).

119 Rys Punkty, dla których będą przedstawione wyniki modelu po procesie interpolacji Do interpolacji wyników modelu wykorzystano specjalnie do tego celu napisany program zagęszczający punkty siatki. Program napisany w języku Delphi uwzględnia wypracowane wcześniej doświadczenia w tym zakresie. Zasadę działania programu przedstawiono schematycznie na Rys Rys Schemat przedstawiający zasadę interpolacji (zagęszczania) wyników modelu Interpolacja punktów pośrednich (a) została wykonana interpolacją liniową w płaszczyznach poziomych a finalna wartość środkowa w kolejnym kroku interpolując liniowo w płaszczyźnie pionowej, (b) przedstawia 3-wymiarową ilustrację procesu

120 Rys Rozkład średniej dobowej temperatury powietrza dla 1 stycznia ( ); na podstawie na danych otrzymanych z modelu (lewa strona), po przeprowadzeniu interpolacji (prawa strona) Dla rozpatrywanych w zadaniu elementów meteorologicznych wykonano także porównanie średnich dobowych z 20-lecia referencyjnego z modelu analogicznymi danymi pochodzących z obserwacji dla kilku stacji w Polsce. Porównanie wyników z modelu z danymi rzeczywistymi W celu oceny wyników danych z modelu porównano je z danymi rzeczywistymi tj. ze stacji synoptycznych. Pod uwagę wzięto 5 stacji, które były położone w bezpośrednim sąsiedztwie punktów gridowych. We wszystkich przypadkach uzyskano bardzo podobne różnice, które niestety były znaczące. W miesiącach letnich wartości z modelu były znacznie niższe niż z obserwacji, w okresie zimowym odwrotnie. Zależności te prezentuje przykładowy rysunek dla stacji Tarnów i odpowiedniego punktu gridowego. Δ T (Tś r-ta) C 3,0 T arnów 2,0 1,0 0, ,0-2,0 mie s iąc e