跳到内容

地图的背后

数据来源

互动地图上的所有数据均来自 CORDEX-CORE 框架,这是一个区域气候模式输出的标准化框架。我们目前使用的是 REMO2015 和 REGCM4 区域气候模式。REMO2015 和 REGCM4 是 CORDEX-CORE 中仅有的两个在所有域上运行过的区域气候模式,CORDEX-CORE 将 CMIP5 全球气候模式集合中的多个 GCM 数据进行了降尺度处理。我们将继续考虑纳入更多可用的模型。

升温1℃时超过32℃(90℉)的天数

超过32℃(90℉)的天数
  • 0
  • 1-7
  • 8-30
  • 31-90
  • 91-180
  • 181-365

这两张地图描述了一般环流模型(GCM)和区域气候模型(RCM)之间的数据分辨率差异。大多数GCM的网格单元大小约为250公里。区域气候模型使用GCM的数据作为输入,然后使用区域特定的动力学对该数据进行降尺度。这导致模型输出具有更高的分辨率。RCM的网格单元通常在10至50公里的范围内。数据来源:CMIP5, Cordex-Core, REMO2015和RegCM4。由Woodwell气候研究中心处理。

地理覆盖面

  • 您可能会注意到的第一件事是,大多数Probable Futures 地图都缺少北极、南极洲和所有大洋的数据。CORDEX-CORE 不包括北极、南极洲和一些岛屿的输出数据。此外,我们选择不显示海洋数据,以提高地图 "后端 "的效率,并改善用户体验。在极少数情况下,由于模型输出或地理覆盖范围异常,我们会删除个别单元格中的数据。在干旱地图中,我们选择省略沙漠上的数据,因为沙漠终年干旱。

地图风格

  • 球形地球的每一种二维表现形式都会有失真。有一些地图可以更好地减少失真,例如 "等地投影"(Equal Earth Projection)。在展示静态地图时,我们通常使用等地投影法。对于交互式地图,我们使用墨卡托投影法。这种投影法通过迫使弯曲的纵线直上直下,将球形地球变成长方形。由此产生的变形会将远离赤道的地区描绘得比实际面积大得多。例如,格陵兰岛和南美洲看起来大小大致相同。实际上,南美洲比格陵兰大 8 倍。我们还在互动地图中提供了全球视图。

气候变暖的情景

  • 基线对于作为过去的参考点,以及了解地球变暖时的变化规模和速度是很重要的。气候科学和国际气候政策的一个标准基线时间段是1850-1900年。这个范围通常被称为 "工业化前的温度"。0.5、1、1.5、2、2.5或3℃的 "变暖情景 "代表了相对于工业化前平均温度的全球平均温度。
  • Probable Futures 使用CORDEX-CORE数据,该数据可用于1970-2100年。由于1971-2000年的全球平均地表温度比工业化前的温度高0.5°C,该时间段是我们地图的一个良好基线。 
  • 每个高于0.5°C的变暖情景代表了21年的时间跨度。有几个原因要从特定情景两侧的几年中获取数据。首先,它提供了一个围绕每个阈值的温度范围。这个范围是有价值的,因为即使气候 "处于 "某个平均温度,在这个平均温度周围也会有变化,例如,较温暖和较寒冷的年份。第二,定期发生但不是每年发生的强大现象,最明显的是厄尔尼诺和拉尼娜,往往每2至7年发生一次,可能持续不到一年或多年。通过包括阈值年两侧的10年,我们的结果将包括每个基础模型的一些厄尔尼诺和拉尼娜事件。 

网格单元

  • Probable Futures 地图背后的数据以 22 千米的方格表示,称为 "网格单元"。大多数网格单元显示三个数值,有助于概括该单元内模型模拟的分布情况。平均值是整个分布的平均值。中值是分布的中点,即一半的结果高于或低于这个数值。中位数代表我们最期望在该变暖水平下看到的结果。第 5 百分位数和第 95 百分位数可以看作是不常见的结果,提供了可能结果的范围。需要强调的是,可能的结果范围超出了这些值。例如,模拟年份中有 5%的数值低于(高于)所示的第 5(95)百分位值。可能产生巨大影响的极端结果超出了第 5 个和第 95 个百分位值。

这张澳大利亚的地图显示了气候模型中用来预测局部条件的网格单元方法。澳大利亚大陆被划分为每边250公里的网格单元,每个单元显示每个单元后面的数值分布的平均值。换句话说,模型预测每个单元中 "32℃以上的天数 "有许多不同的结果。你在这里看到的是每个单元在升温1℃时的这些结果的平均值。

  • 这些模型计算出每个22平方公里区域的平均条件。例如,如果一个网格单元覆盖了部分山区和相邻的山谷,或者同时跨越了陆地和海洋,那么该网格单元的数值就代表了这两种不同气候条件的平均值。
  • 认为每个网格单元中的具体数值并不精确,而是表明变化的方向和幅度。任何一年都会出现自然气候变异,结果可能高于或低于平均水平,包括可能出现超出地图上所描绘的范围的极端事件。在考虑气候变化时,极端事件是至关重要的,但气候模型更擅长模拟平均数而不是极端数。 

钥匙

  • 钥匙位于每张地图的左下角。它解释了数据中的数值和地图上的颜色之间的关系。 
  • Probable Futures地图上的颜色并不是您想象中代表高温或降水等气候现象的颜色。这种选择是有意为之的。首先,我们不希望向用户发出什么颜色是 "好 "或 "坏 "的微妙信号。我们每个人在看地图时都会带着内涵和偏见,并将不同的颜色与不同的想法和感觉联系起来。我们选择了不容易与常见偏见相对应的颜色。其次,我们选择的颜色要适合许多看颜色有困难的人。第三,我们寻求能让观众看到区别和变化的色彩组合。我们希望调色板能鼓励您仔细观察并阅读辅助资源,从而更好地理解数据。
  • 每张地图都有一个信息按钮,在地图的下拉框旁边。这个按钮提供了每张地图背后特定数据集的背景和方法。

导航

  • 我们鼓励你从全球视角出发。我们的气候是一个全球系统,任何地点的天气都与系统的其他部分相联系。同样,我们生活在一个全球化的世界里,一个特定地区的气候变化的影响很可能会对其他地区产生影响。 
  • 接下来,放大到一个大区域,也许是你所熟悉的区域。在变暖的情况下移动,观察趋势与地形、靠近水体和其他自然特征之间的关系。
  • 然后,点击一个单元格,了解其背后的数值分布。也许对周围的单元格做同样的事情,观察它们有多大的相似或不同,以及什么可能影响这些差异。很少有人经历过雨林或苔原,但我们鼓励你研究这些地区的变化,因为它们对我们气候的稳定性至关重要。 

考虑

  • 我们可以把地球划分为温度和降水的模式,称为气候区。例如,一些地方可能彼此相距甚远,但却有着非常相似的气候条件(如北加州、澳大利亚沿海地区和南非部分地区)。相反,两个地方在地图上可能非常接近,但一条山脉可能将它们分开。在这种情况下,一个热带地区可能紧挨着一个沙漠地区。这些气候区稳定了1万多年,但它们已经在转变。气候变化将继续改变温度和天气的模式,因为温暖的条件从赤道向北移动。考虑随着当地气候的根本性变化可能会发生什么。思考气候变化将如何挑战植物、动物、基础设施和农业,以及植物、动物和人类可能如何适应或迁徙。
  • 从一个地区到另一个地区,气候可能因地形和其他因素而有很大的不同。然而,重要的是要考虑到各地区是高度一体化的,往往共享人口、基础设施、政府、经济的相互依赖性和其他联系。在Probable Futures 地图上出现的任何区域的变化都会产生超出其特定区域的影响。

想象一下

  • 在你探索的过程中,考虑社会中那些有期限的因素--或依赖于长期规划的因素,如学校、房屋或农场,或抵押贷款或条约等义务。然后,想象一下气候变化可能直接或间接地影响这些东西的方式。
  • 你也可以从阈值的角度来考虑。人类健康有生存能力门槛,道路或电网等基础设施有工程门槛,生态系统包含关键的干扰门槛。许多这些阈值是特定于某个社区或地区的,而考虑这些阈值的最佳人选是具有当地知识的人。 
  • 我们希望花时间在Probable Futures ,将鼓励你接触你周围的人,包括负责健康、生态、基础设施和政府的人,以及拥有这方面专业知识的人。加强社区也许是气候准备的最好形式。