World Weather Attribution コラボレーションからの経験
8 つのステップのうちの 1 つに過ぎないということでした。以下に対処する方法が必要でした。
ハザード合成: 観測情報とモデル情報を組み合わせる
脆弱性と暴露の傾向の分析、および
各ステップについて順番に説明します。
検索する：
極端な出来事の帰属における経路と落とし穴
2021年5月13日
World Weather Attribution コラボレーションからの経験: 私たちは極端な事象の帰属と呼ばれる方法を使用して、観測された事象の可能性と強度が地球の気候の人為的な変更により変化したかどうか、およびどの程度変化したかという質問に答えようとします。
これは過去 15 年間に発展した比較的新しい科学分野ですが、これらの関係を計算するグループは数多くあります。World Weather Attribution (WWA) コラボレーションにおける私たちのアプローチは、次の 2 つの点で異なります。イベント後できるだけ早く結果を準備するように努めることと、外部の世界から提起された質問に可能な限り対応するように努めることです。どちらのアプローチも、アトリビューション スタディをより有用なものにすることを目的としています。災害を調査するための委員会は通常、数か月以内に実施され、原因とされているイベントが災害を引き起こした側面に可能な限り近いかどうかを評価します。大規模なイベントの後、多数の視聴者に届くメディアの関心は、数週間から数か月で低下します。
私たちは、2015 年の夏のパリでの熱波の最中に、最初の物理的な会議でイベントの帰属を開始し、それ以来実行した 20 以上の調査から多くの教訓を学びました。これらは、2021 年 4 月に公開された科学論文「極端な出来事の帰属における経路と落とし穴」に要約されています。この記事は科学論文の要約です。これらすべての教訓から得られた方法論のさらに詳細な説明は、確率的極限イベント属性分析のプロトコルとして公開されています。主な教訓は、2015 年に最も注目された実際のアトリビューション ステップは、8 つのステップのうちの 1 つに過ぎないということでした。以下に対処する方法が必要でした。
ハザード合成: 観測情報とモデル情報を組み合わせる
脆弱性と暴露の傾向の分析、および
各ステップについて順番に説明します。
1. 分析トリガー
地球は広く、毎日のようにどこかで異常気象が発生しています。これらのイベントのうち、属性調査に値するものはどれですか? WWA では、社会に大きな影響を与えるイベント、または社会で強い議論を引き起こしたイベントを優先して、回答が多くの視聴者にとって役立つようにしています。これらは多くの場合、赤十字が国際的なアピールを発行するイベントです。より身近な小さな出来事や、多くの人々に影響を与えなかった気象記録でさえも、帰属の質問に対する科学的に有効な答えを得るために努力を費やすのに十分な関心を生み出すように見えることがあります. トリガー基準のイベントに対する気候変動の予想される影響を明示的に含めません。イベントが気候変動の影響を受けなかった、または可能性が低くなったという結果、
2. イベント定義
イベントを定義することは、帰属科学を開始したときに考えていたよりもはるかに難しく、重要であることが判明しました. 例として、最初に発表された極端な出来事の帰属に関する研究では、ヨーロッパで 2003 年の非常に暑い夏が分析されました ( Stott et al, 2004）。イベントの定義として、ヨーロッパ全体の季節平均気温を採用しましたが、その影響は、都市での10日間の最も暑い時期に数万人の死亡者でした. 大陸平均や季節平均のような大規模なイベントの定義には、気候モデルがそれをより適切に表現できるという利点があり、信号対雑音比は通常、局所的な短い時間スケールの定義よりも優れています。ただし、損害を引き起こしたのはイベントではなく、WWA では、属性の質問を影響に関連付けようとしているため、通常、影響にできるだけ近いイベントの定義を選択します。
ただし、気温、湿球温度、降水量、河川流量などの気象学的または水文学的な量に固執し、死亡者数や経済的損害などの実際の影響は考慮していません。その理由は、異常気象から影響への変換は、通常、天候の複雑で不確実な機能であるためです。また、時間の経過とともに変化します。2003 年と 2006 年の壊滅的な熱波の後、ヨーロッパで暖房計画が導入されたことで、気温 1 度あたりの死亡者数が 2 分の 1 または 3 分の 1 に減少しました。同様に、自然地域に住む家屋が増えると山火事による被害のリスクが高まり、海岸沿いの家屋が嵐の被害にさらされるようになりました。私たちはこれらの変化を考慮に入れる専門知識を持っていないため、これらの例では熱、火災の天候リスク、風の指標に限定しています。
イベント定義の選択に関する最終的な考慮事項は、選択された量が長期にわたる信頼できる観測を持ち、気候モデルによって表されなければならないということです。
実際には、次の定義を使用します。熱波については、年間の地域最高日最高気温が、インドなどの屋外労働者の健康リスクを捉える標準的な尺度です。ヨーロッパと北アメリカでは、最も脆弱な人口が屋内にいるため、最大 3 日間の平均気温がより適切であるように思われます。湿度が影響する場合は、代わりに湿球温度を使用できます。寒波については、風の寒さを測定するのが難しいため、温度のみを使用します。局地的な 1 日最大降水量は通常、鉄砲水に関係します。大規模な洪水の場合は、河川流域全体で平均するか、水文学モデルを使用して河川流量を計算します。干ばつには、雨不足から水不足まで多くの定義があり、最も関連性の高いものを選択するには細心の注意を払う必要があります。
実際には、変数の推定値が大きく異なる可能性があるため、実際に何が起こったのかを知ることは容易ではないことに注意してください。例を図 1 に示します。これは、異なる観測システムからのハリケーン ハービーによるヒューストン周辺の 3 日間平均降水量の非常に異なる推定値を示しています。GHCN-Dのステーションデータを使用しました。
図 1: 2017 年 1 月から 9 月にかけてテキサス沿岸で観測された 3 日間の平均降雨量の最大値 (mm/日)。a) GHCN-D v2 雨量計、b) CPC 25 km 分析、c) NOAA 校正レーダー (8 月 25 ～ 30 日に最大)、d) NASA GPM/IMERG 衛星分析。ヴァン・オルデンボルグらから。（2017）。
3. 観察傾向分析
WWA では、観察結果の分析が極端な事象の帰属の重要な部分であると考えています。観測データセットは、少なくとも 1950 年代までさかのぼる必要がありますが、できれば 19 世紀までさかのぼり、可能な限り均質である必要があります。最も代表的な観測結果を選択するために、私たちは通常、どの時系列が最も信頼性が高く、気候変動以外の要因 (観測所の変化、灌漑、都市の暑さなど) の影響が最も少ないかを知っている地元の専門家と協力します。
観測分析は 2 つの情報を提供します: 現在の気候でイベントがどの程度まれであるか、および観測期間中にこれがどれだけ変化したかです。
現在の状況における確率は、これが対処できるイベントの種類であるかどうかを政策立案者に知らせるために非常に重要です。一例として、 2014 年 1 月にジャカルタを麻痺させた洪水は、わずか 4 年から 13 年で再現される降水イベントによって引き起こされたことが判明し、洪水に対する脆弱性が非常に高いことを示しています (これはよく知られています)。逆に、2015 年 12 月のチェンナイの洪水は、 600 年から 2500 年の推定再現期間を持つ降雨によって引き起こされました。
気候変動は現在非常に強いため、観察された極端な現象の時系列の多くは明確な傾向を示しています。変化を定量化する効率的な方法は、極端な値の分布にデータを適合させることです。これは、理論的には、年間で最も暑い日のようなブロックの最大値、または 20% の乾燥した年のようなしきい値を超える超過を表します。4 年間の平滑化された全球平均地上気温 (GMST) を使用して分布をシフトまたはスケーリングすることにより、気候変動の影響を説明します。この量は人為起源の強制力に比例し、推定値はリアルタイムで入手できます。平滑化は、長期的な傾向とは関係のないエルニーニョやその他の天候の影響を取り除くのに役立ちます。これらの近似における仮定は、温度に対する一定の変動性、
実際には、熱波には非常に明確な傾向があることがわかりますが、これらは土地利用の変化、灌漑、大気汚染などの非気候要因によっても強く影響を受けます. 寒波も今では大きな傾向を示していますが、冬の天候の変動性が大きいため、信号対雑音比は熱波ほど良くありません. 1 日または 1 日未満の極端な降水量も明確な傾向を示すことが多く、より長い期間のものはより複雑です。干ばつは長期的な現象であり、独立したサンプルが多くないため、干ばつの傾向を観測で確認することは非常に困難です。干ばつは通常、異常が平均に比べて大きい場合にのみ問題になります。これは通常、傾向に比べて大きいことを意味するため、信号対雑音比が低くなります。すべての干ばつ研究で、境界線を示したのは1つだけでした降水量の顕著な傾向。
図 2 は、極端な暑さ (オランダのデ ビルトでの最高の日平均気温) の傾向を示しています。これは、すでに目で明らかな傾向を示しており、GEV が適合する米国湾岸沿いの 3 日間の極端な降水量ですすべての強度が同じ割合で増加するという仮定の下で、有意な傾向を示しています。
図 2: a,c) 1901 年から 2018 年までの期間におけるオランダのデビルト (均質化) での年間最高日平均気温。a) GMST の関数として、および c) 1900 年と 2018 年の気候で。 b,d) 少なくとも 80 年のデータと 2° 離れた 13 の観測所の米国湾岸沿いの最大 3 日間平均降水量と同じ、4 年間の平滑化された GMST でスケーリングする GEV に適合。climexp.knmi.nl から、(b,d) も Van Oldenborgh らから。（2017）。
4. 気候モデルの評価
観測だけでは、傾向の原因を示すことはできません。観察された傾向が地球温暖化に起因するかどうかを判断するには、気候モデルを使用する必要があります。これらは、次の日から数週間の天気を予測するために使用する気象モデルに似ていますが、次の数日間の特定の天気を予測する代わりに、その統計を予測します。計算された天気で極端なイベントが発生する頻度気候モデル。ただし、これらの極値が現実的にシミュレートされている場合にのみ、気候モデルの出力を使用できます。実際には、次の 3 つの基準を使用して、気候モデルのアンサンブルを選択します。
モデルは原理的に極端を表すことができますか?
気候モデルにおける極端な事象の統計的分布は、観測されたものと互換性があり、偏りの修正が可能ですか?
モデル内のこれらの極値につながる気象学は、観測結果と似ていますか?
最初の基準は通常、解像度と含まれるメカニズムに関するものです。200 km グリッドの比較的粗い解像度モデルでも熱波を十分に表現できるかもしれませんが、やや現実的な熱帯低気圧については、50 km よりも優れた解像度が必要です。灌漑が重要な地域の熱を研究する場合、極端な気温に対する冷却の影響をモデルに含めたいと考えています。
2 番目の基準では、観測値と同じ極値関数に分布の裾を当てはめ、ばらつきと裾の形状が両立するかどうかを確認します。合意が間違った理由によるものではないことを確認するために、極端な現象の背後にある気象学をチェックしようとします。いずれにせよ、これには季節サイクルと空間パターンが含まれますが、関連する場合は、エルニーニョのテレコネクションまたは降水源にも関係する可能性があります. 多くの気候モデルでは、降水量の多さに非物理的な制限があることもわかりました (図 3)。これらは、この種のイベントの帰属 (または予測) には使用できません。
図 3: 10 個のアンサンブル メンバーを含む 2 つの CMIP5 気候モデル (CSIRO-Mk3.6.0 および CNRM-CM5) と、非物理的なカットオフを示す属性モデル (HadGEM3-A N216) における、インドのチェンナイにおける極端な降雨量の回帰時間プロット極端な降水量で。水平線は、2015 年 12 月 1 日のチェンナイ市全体の平均を表します (van Oldenborgh et al., 2016)
気候モデルは現実の不完全な表現であるため、帰属分析に十分なモデルを少なくとも 2 つ、できればそれ以上必要とします。これらのモデルの広がりは、モデルの不確実性を示しています。
5. 気候モデル分析
次のステップは、元の帰属ステップです。モデルごとに、温室効果ガスとエアロゾルの人為的排出により、極端なイベントがどの程度発生する可能性が高くなったか、または激しさを増したかを計算します。これは、2 つの方法のいずれかで実行できます。最初の提案は、世界を 2 回シミュレートすることでした。1 回目は現在の気候について、もう 1 回は現在の気候と同じであるが人為的な気候の改変がない反事実的な気候についてです。気候ごとに、気象のシミュレーションを多数実行し、極値の数をカウントまたはフィッティングします。2 つの値の違いは、両極端の可能性がどれだけ高いか (または低いか) を示します。
別の方法は、過去の気候のシミュレーションを行うことです。通常は、現在の年までの気候シナリオの 1 つの下で、数年間の気候で拡張されます (これらは 2040 年まで非常に接近しています)。これらの過渡シミュレーションは、観測とまったく同じ方法で分析できます。これは、自然強制力 (太陽放射の変動や火山噴火) の影響が、通常は人為的なものに比べて小さいことを前提としています。
気候モデルには通常偏りがあるため、イベントをその振幅ではなく、その再現期間によって定義します。したがって、観察分析で 100 年の再現期間が得られた場合、モデルでは 100 年のイベントもカウントまたはフィッティングします。これは、振幅を指定してバイアス補正を明示的に実行するよりも、観察結果によく対応することがわかります。これは、極値分布に上限がある場合 (極端な暑さで通常発生する場合)、または極端な降水量で見られる非常に太い尾部がある場合です。 .
各モデルについて、帰属ステップは、人為的な気候変動によって極端な現象が発生する確率の変化、または同等に、特定の強度に対する強度の変化を示します。
6.ハザード合成
次のステップは、観測と複数のモデルからの情報を組み合わせて、物理的な極端なイベントの確率と強度がどのように変化したかを説明することです。これについては「ハザード」という用語を使用します。総「リスク」には、極限状態にさらされる量と、人やシステムの脆弱性も含まれるためです。これについては、次のステップで対処します。
この情報をどのように最適に組み合わせるかは、現在も活発に研究されている分野です。私たちの現在の方法は、すべての観測推定値を、同じ一連の気象の同じ観測値に基づいているため、それらが高度に相関しているという仮定の下で結合することです。モデルの推定値は、各モデルの天気が異なるため、相関関係がないという仮定の下で結合されます。ただし、モデルの広がりは、天候の変動性のみに基づいて予想されるよりも大きくなる可能性があり、その場合、モデルの不確実性項を平均に追加します。最後に、観察とモデルを組み合わせます。彼らが同意する場合、これは加重平均になる可能性がありますが、同意しない場合は、不確実性を高めるか、帰属を完全にあきらめる必要があります.
図 4: a) 2018 年 1 月 18 日の嵐フリーデリケ地域における風の強さの変化の確率比 (PR) (Vautard et al., 2019)、b) 1 日平均 3 日間の最高値の PR の合成プロットオランダのデビルトでの年間平均気温 (Vautard et al., 2020) および c) セーヌ川流域で平均化された 4 月から 6 月の極端な 3 日平均降水量の PR (Philip et al., 2018a)。観察結果は青、モデルは赤、平均は紫で表示されます。追加のモデルの不確実性項は、黒いアウトライン ボックスとして追加されます。
後者の例は、2018 年 1 月にヨーロッパを襲った冬の嵐に関する私たちの研究です(図 4a)。気候モデルでは、気温の上昇による確率のわずかな増加が計算されますが、観測では大幅な減少が示されています。後者は、建物、樹木、さらには風力タービンの増加により、地表の凹凸が増加したことが原因であると考えられます。これは気候モデルに含まれていないため、将来の暴風雨の強度について信頼できる予測を与えることは期待できません。
北西ヨーロッパの熱波では、それほど深刻ではない不一致が見られます（図4b）。モデルは、観察結果よりもはるかに低い傾向をシミュレートします。これは、人間が引き起こした気候変動による確率と強度の変化の下限しか与えられないことを意味します。同じことがオーストラリア南東部にも当てはまります。
他の研究では、観測とモデルはよく一致しており、たとえば2016 年のセーヌ川流域の降雨量など、すべての情報の組み合わせに基づいて正確な帰属ステートメントを提供できます(図 4c)。
7.脆弱性と露出
災害は、次の 3 つの要因の組み合わせによって発生します。
水文気象学的ハザード：人命の損失、負傷またはその他の健康への影響、財産の損害、生計とサービスの喪失、社会的および経済的混乱、または環境の損害を引き起こす可能性のある、大気、水文学的または海洋学的性質のプロセスまたは現象、
被ばく: 潜在的な損失の対象となる危険ゾーンに存在する人、財産、システム、またはその他の要素、および
脆弱性: ハザードの有害な影響を受けやすくするコミュニティ、システム、または資産の特性と状況。
アトリビューション調査では、脆弱性と露出についても議論することが不可欠であると考えています。これらは、極端な天候の影響を判断するために前のステップで計算した物理的な極端な変化と組み合わされるだけでなく、それ自体が重要な傾向を持っている可能性があります.
例として、2014 年から 2015 年にかけてブラジルのサンパウロで発生した干ばつは、気候変動によって悪化することはありませんでした。代わりに、分析では、20 年間で都市の人口が約 20% 増加し、1 人あたりの水使用量がさらに急速に増加しているにもかかわらず、貯蔵および供給システムの相応の更新によって対処されていないことが示されました。したがって、この場合、脆弱性と暴露の傾向が、都市の重大な水不足の主な要因でした。
これらの要因の傾向を説明する標準化されたデータや文献が不足しているため、このセクションはしばしば定性的なものでなければなりませんが、異常気象が社会や他のシステムにどのように影響するかという観点に、異常気象を入れることが非常に重要であると考えています. 気候変動の阻止は長期的なプロジェクトであり、今後数十年にわたって一般的により強い影響が予想されるため、曝露または脆弱性を変更することは、近い将来の同様の影響から保護する方法でもあります。たとえば、2003 年と 2006 年の熱波に対応して熱計画が策定された後、ヨーロッパでは熱波による死傷者数が 2 倍または 3 分の 1 に減少しました。現在、同様のアプローチが世界中で行われています。したがって、脆弱性と暴露を含めることは、分析を気候適応計画に関連させるために不可欠です。
ref
この記事が気に入ったらサポートをしてみませんか？