Raport Zadanie 1 - klimat - Instytut Meteorologii i Gospodarki Wodnej

Transkrypt

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 2010 - 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
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 1951-2007.
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 1951-2008.
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.
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 1951-2007
#EOFs
EOF1
EOF2
EOF3
EOF4
EOF5
EOF6
EOF7
EOF8
EOF9
EOF10
EOF11
ROK
15
20.55
10.74
8.05
4.95
4.41
3.24
2.39
1.87
1.74
1.56
1.43
ZIMA
19
20.65
10.05
7.19
4.47
3.24
3.07
2.62
2.45
2.28
2.12
1.91
WIOSNA
21
18.12
11.05
8.55
4.05
3.78
3.37
2.78
2.63
2.36
2.12
1.94
LATO
14
24.44
12.44
8.92
7.1
5.74
3.68
2.5
1.74
1.7
1.66
1.32
JESIEŃ
15
21.66
13.16
6.49
6.09
5.26
3.49
2.63
2.37
1.71
1.65
1.45
EOF12 EOF13 EOF14 EOF15 EOF16 EOF17 EOF18 EOF19 EOF20 EOF21 SUMA SUMA 1-5
ROK
1.28
1.17
1.11
1.04
ZIMA
1.7
1.55
1.41
1.3
1.24
1.21
1.08
1.03
WIOSNA
1.66
1.66
1.46
1.43
1.24
1.19
1.12
1.04
LATO
1.26
1.18
1.06
JESIEŃ
1.28
1.27
1.16
1.15
1.03
1.03
65.53
48.7
70.57
45.6
73.61
45.6
74.74
58.6
70.82
52.7
ZIMA
WIOSNA
LATO
JESIEN
Rys. 2. Wektory własne SST (1-szy EOF – po lewej, 2-gi EOF – po prawej) w sezonach 1951-2007
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 1971-1990.
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. 3. 1-sza (u góry) i 2-ga (na dole) para map kanonicznych SST i pola średniej miesięcznej temperatury
powietrza w Polsce – ZIMA – 1971-1990
Rys. 4. 1-sza (u góry) i 2-ga (na dole) para map kanonicznych SST i pola średniej miesięcznej temperatury
powietrza w Polsce – LATO – 1971-1990
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 19711990.
CCA1 CCA2 CCA3 CCA4 CCA5 CCA6 CCA7 CCA8 CCA9 CCA10 CCA11 CCA12 CCA13 CCA14 CCA15 ∑var
ROK
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
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
Rys. 5. 1-sza (u góry) i 2-ga (na dole) para map kanonicznych SST i sumy opadu w Polsce– ZIMA – 1971-1990
Rys. 5. 1-sza (u góry) i 2-ga (na dole) para map kanonicznych SST i sumy opadu w Polsce – LATO – 1971-1990
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 (1971-1990) oraz walidacyjnego (1951-2007)
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
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
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
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 (1971-1990),
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 1951-2008 w zasadzie
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 1951-2008. 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
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.1923-1950
Kalnay E. et al., 1996, The NCEP/NCAR 40-Year Reanalysis Project, BAMS, s. 437-470
Kaszewski B.M., 2001, Wykorzystanie typologii cyrkulacji atmosfery w badaniach
klimatologicznych, Rocznik Fizycznogeograficzny, t.VI, UG, 13-26
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.513
9. Wykaz głównych wykonawców wraz z krótką informacją o rodzaju wykonywanych
prac
dr Michał Marosz
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
dr hab. Mirosław Miętus, prof. koncepcja analizy, konsultacje merytoryczne, autor
ndzw.
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.
PODZADANIE 1.2
Scenariusze zmian klimatu Polski w latach 2010-2030 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 2011-2030 oraz
2081-2100.

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%CO2 do 2xCO2,

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 2011-2030 i 2081-2100 (model CCA i RDA).
Scenariusze zmian warunków termicznych w Polsce zostały opracowane w
odniesieniu do okresu referencyjnego 1971-1990 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:
Model
ECHAM-5
HadCM3
B1
Run 1, 3
Run 1
Scenariusz emisyjny
A1B
Run 1, 2, 4
Run 1
A2
Run 1, 2, 3
Run 1
Zmiany warunków termicznych opracowano dla całego XXI wieku ze szczególnym
uwzględnieniem okresu 2011-2030 oraz 2081-2100. Scenariusze opracowano dla wszystkich
skal czasowych (rok, sezony, miesiące), koncentrując
się jednak przede wszystkim na
zmianach spodziewanych 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 (1971-1990) wartości z reanalizy NCEP (danych
rzeczywistych). W oparciu o tak przygotowaną serię danych dokonano rekonstrukcji
warunków termicznych w Polsce dla okresu referencyjnego 1971-1990 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.
Scenariusze wiązkowe zostały opracowane dla każdego z wykorzystanych scenariuszy
emisyjnych dla dwóch wieloleci tj. 2011-2030 oraz 2081-2100.
4.1 Średnia temperatura powietrza
Scenariusz wiązkowy wskazuje, iż średnia roczna temperatura powietrza w Polsce w
latach 2011-2030 nie zmieni się znacząco w stosunku do okresu referencyjnego 1971-1990
(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 0,100,15°C). Znacznie większe zmiany temperatury powietrza są przewidywane dla wielolecia
2081-2100 (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. 1.1. Scenariusz wiązkowy zmian średniej rocznej temperatury powietrza (anomalie w °C
w stosunku do okresu referencyjnego 1971-1990)
Dla sezonu zimowego w okresie 2011-2030 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°
na północnym wschodzie. Pod koniec XXI wieku zmiany będą znacznie wyraźniejsze (rys.
1.2). Dla okresu 2081-2100 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. 1.2. Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie zimowym
(anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
W sezonie wiosennym w okresie 2011-2030 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 2081-2100 (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 2011-2030 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
2081-2100 średnia temperatura powietrza latem będzie już znacząco wyższa niż w okresie
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. 1.3. Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie wiosennym
Rys. 1.4. Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie letnim
Dla sezonu jesiennego zmiany temperatury w okresie 2011-2030 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 2081-2100 (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 0,40,5°C), zmniejszając się w kierunku południowym do około 0,2°C.
Rys. 1.5. Scenariusz wiązkowy zmian średniej temperatury powietrza w sezonie jesiennym
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 2011-2030 nieznacznie
wzrośnie w stosunku do okresu referencyjnego 1971-1990 (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 2081-2100. 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 1971-90.
B1
A1B
A2
Łeba
Łeba
Ustka
Łeba
Hel
Lębork
Ustka
KołobrzegKoszalin
Elbląg
Suwałki
Kętrzyn
Resko
Szczecin
Mława
Toruń
Szczecinek
Resko
Mikołajki
Olsztyn
Chojnice
Białystok
Ostrołęka
Piła
Mława
Toruń
Koło
Koło
Legnica
Wrocław
Włodawa
Sulejów
Lublin
Wieluń
Legnica
Wrocław
Jelenia Góra
Zamość
Kielce
Kraków
Kłodzko
Kraków
Racibórz
Rzeszów
Tarnów
Katowice
Rzeszów
Tarnów
Nowy Sącz
Lesko
Lesko
Lesko
Zakopane
Zakopane
Zakopane
Łeba
Ustka
Łeba
Łeba
Hel
Lębork
Ustka
Elbląg
Ustka
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Elbląg
Szczecinek
Mikołajki
Olsztyn
Chojnice
Resko
Szczecin
Szczecinek
Resko
Piła
Mława
Toruń
Piła
Białystok
Ostrołęka
Gorzów Wlkp
Mława
Toruń
Koło
Warszawa
Koło
Siedlce
Koło
Legnica
Wrocław
Jelenia Góra
Sandomierz
Włodawa
Legnica
Wrocław
Sandomierz
Opole
Wrocław
Kielce
Zamość
Katowice
Tarnów
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko-Biała
Bielsko-Biała
Zamość
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko-Biała
Nowy Sącz
Nowy Sącz
Nowy Sącz
Lesko
Lesko
Zakopane
Sandomierz
Opole
Kłodzko
Katowice
Rzeszów
Lublin
Wieluń
Jelenia Góra
Kielce
Zamość
Kłodzko
Kraków
Siedlce
Łódź
Kalisz
Sulejów
Lublin
Wieluń
Jelenia Góra
Kielce
Opole
Kłodzko
Racibórz
Warszawa
Terespol
Leszno
Włodawa
Sulejów
Lublin
Białystok
Zielona Góra
Łódź
Kalisz
Sulejów
Wieluń
Ostrołęka
Terespol
Leszno
Włodawa
Legnica
Mława
Płock
Siedlce
Warszawa
Zielona Góra
Łódź
Kalisz
Toruń
Poznań
Słubice
Terespol
Leszno
Mikołajki
Gorzów Wlkp
Płock
Poznań
Słubice
Zielona Góra
Suwałki
Kętrzyn
Olsztyn
Chojnice
Piła
Białystok
Ostrołęka
Gorzów Wlkp
Płock
Poznań
Szczecinek
Szczecin
Szczecin
Słubice
Elbląg
Świnoujście
Mikołajki
Olsztyn
Chojnice
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Resko
Rzeszów
Tarnów
Bielsko-Biała
Nowy Sącz
Nowy Sącz
Kraków
Racibórz
Bielsko-Biała
Bielsko-Biała
KołobrzegKoszalin
Zamość
Sandomierz
Opole
Katowice
Katowice
Racibórz
Lublin
Wieluń
Zamość
Sandomierz
Opole
Kłodzko
Kłodzko
Wrocław
Jelenia Góra
Kielce
Kielce
Sandomierz
Siedlce
Warszawa
Łódź
Kalisz
Włodawa
Lublin
Wieluń
Białystok
Terespol
Leszno
Łódź
Kalisz
Sulejów
Opole
Ostrołęka
Zielona Góra
Leszno
Jelenia Góra
Mława
Płock
Terespol
Zielona Góra
Sulejów
Legnica
Toruń
Siedlce
Warszawa
Terespol
Łódź
Włodawa
2011-2030
Piła
Poznań
Koło
Siedlce
Warszawa
Mikołajki
Słubice
Zielona Góra
Kalisz
Suwałki
Kętrzyn
Olsztyn
Chojnice
Gorzów Wlkp
Płock
Poznań
Słubice
Leszno
Szczecinek
Białystok
Ostrołęka
Gorzów Wlkp
Słubice
Elbląg
Świnoujście
Szczecin
Płock
Poznań
2081-2100
Suwałki
Kętrzyn
Szczecin
Piła
Gorzów Wlkp
Hel
Lębork
KołobrzegKoszalin
Elbląg
Świnoujście
Mikołajki
Olsztyn
Chojnice
Szczecinek
Hel
Lębork
KołobrzegKoszalin
Świnoujście
Resko
Ustka
Zakopane
Lesko
Zakopane
Rys. 2.1. Scenariusz wiązkowy zmian kwantyla 95% maksymalnej rocznej temperatury
powietrza (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
Zimą w okresie 2011-2030 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 1971-1990. 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 2081-2100 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).
B1
A1B
Łeba
Ustka
Lębork
KołobrzegKoszalin
Ustka
Elbląg
Ustka
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Szczecinek
Mikołajki
Olsztyn
Chojnice
Resko
Szczecin
Szczecinek
Mława
Toruń
Resko
Piła
Białystok
Ostrołęka
Mława
Toruń
Koło
Koło
Koło
Lublin
Legnica
Włodawa
Sulejów
Lublin
Wieluń
Legnica
Wrocław
Jelenia Góra
Kielce
Lublin
Wieluń
Wrocław
Jelenia Góra
Kielce
Zamość
Kielce
Zamość
Sandomierz
Opole
Kłodzko
Zamość
Sandomierz
Opole
Kłodzko
Kłodzko
Katowice
Katowice
Kraków
Racibórz
Łódź
Kalisz
Włodawa
Wrocław
Sandomierz
Siedlce
Warszawa
Terespol
Leszno
Łódź
Kalisz
Sulejów
Wieluń
Białystok
Zielona Góra
Leszno
Opole
Ostrołęka
Terespol
Zielona Góra
Włodawa
Jelenia Góra
Mława
Płock
Siedlce
Warszawa
Terespol
Łódź
Sulejów
Legnica
Toruń
Poznań
Słubice
Siedlce
Warszawa
Zielona Góra
Kalisz
Mikołajki
Gorzów Wlkp
Płock
Poznań
Słubice
Leszno
Olsztyn
Chojnice
Piła
Białystok
Ostrołęka
Gorzów Wlkp
Słubice
Szczecinek
Szczecin
Płock
Poznań
Suwałki
Kętrzyn
Świnoujście
Mikołajki
Olsztyn
Chojnice
Elbląg
Suwałki
Kętrzyn
Szczecin
Piła
Gorzów Wlkp
Hel
Lębork
KołobrzegKoszalin
Elbląg
Świnoujście
Resko
2011-2030
A2
Łeba
Łeba
Hel
Rzeszów
Tarnów
Kraków
Racibórz
Bielsko-Biała
Katowice
Rzeszów
Tarnów
Kraków
Racibórz
Nowy Sącz
Bielsko-Biała
Nowy Sącz
Lesko
Nowy Sącz
Lesko
Zakopane
Rzeszów
Tarnów
Bielsko-Biała
Lesko
Zakopane
Zakopane
Łeba
Ustka
Ustka
Elbląg
Ustka
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Szczecinek
Mikołajki
Olsztyn
Chojnice
Resko
Szczecin
Szczecinek
Piła
Mława
Toruń
Resko
Piła
Mława
Toruń
Koło
Warszawa
Koło
Siedlce
Warszawa
Koło
Legnica
Wrocław
Sandomierz
Legnica
Sandomierz
Opole
Wrocław
Kielce
Zamość
Katowice
Tarnów
Rzeszów
Kraków
Racibórz
Tarnów
Kraków
Racibórz
Rzeszów
Nowy Sącz
Lesko
Lesko
Tarnów
Bielsko-Biała
Nowy Sącz
Nowy Sącz
Zakopane
Zamość
Katowice
Rzeszów
Bielsko-Biała
Bielsko-Biała
Sandomierz
Opole
Kłodzko
Katowice
Kraków
Lublin
Wieluń
Jelenia Góra
Kielce
Zamość
Kłodzko
Racibórz
Włodawa
Sulejów
Wrocław
Kielce
Opole
Kłodzko
Siedlce
Łódź
Kalisz
Lublin
Wieluń
Jelenia Góra
Jelenia Góra
Warszawa
Terespol
Leszno
Włodawa
Sulejów
Lublin
Białystok
Zielona Góra
Łódź
Kalisz
Sulejów
Wieluń
Ostrołęka
Terespol
Leszno
Włodawa
Legnica
Mława
Płock
Siedlce
Zielona Góra
Łódź
Kalisz
Toruń
Poznań
Słubice
Terespol
Leszno
Mikołajki
Gorzów Wlkp
Płock
Poznań
Słubice
Zielona Góra
Olsztyn
Chojnice
Piła
Białystok
Ostrołęka
Gorzów Wlkp
Płock
Poznań
Szczecinek
Szczecin
Białystok
Ostrołęka
Gorzów Wlkp
Suwałki
Kętrzyn
Świnoujście
Mikołajki
Olsztyn
Chojnice
Elbląg
Suwałki
Kętrzyn
Szczecin
Słubice
Hel
Lębork
KołobrzegKoszalin
Elbląg
Świnoujście
Resko
2081-2100
Łeba
Łeba
Hel
Lębork
KołobrzegKoszalin
Lesko
Zakopane
Zakopane
Rys. 2.2. Scenariusz wiązkowy zmian kwantyla 95% maksymalnej temperatury powietrza w
sezonie zimowym (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
Wiosną w okresie 2011-2030 według wszystkich scenariuszy emisyjnych kwantyl
95% temperatury maksymalnej powinien być większy niż w trakcie wielolecia 1971-90.
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 2011-2030 będzie o 0,6°C wyższa niż
w latach 1971-1990.
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.
B1
A1B
Ustka
Hel
Lębork
KołobrzegKoszalin
Elbląg
Szczecinek
Szczecinek
Mikołajki
Olsztyn
Chojnice
Piła
Mława
Toruń
Piła
Białystok
Ostrołęka
Mława
Toruń
Piła
Białystok
Ostrołęka
Płock
Poznań
Koło
Koło
Kraków
Rzeszów
Tarnów
Bielsko-Biała
Nowy Sącz
Lesko
Lesko
Zakopane
Łeba
Ustka
Hel
Elbląg
Resko
Szczecinek
Mikołajki
Olsztyn
Chojnice
Resko
Szczecin
Szczecin
Piła
Mława
Toruń
Piła
Mława
Toruń
Koło
Warszawa
Siedlce
Warszawa
Sandomierz
Włodawa
Sulejów
Legnica
Lublin
Wieluń
Legnica
Wrocław
Sandomierz
Opole
Tarnów
Rzeszów
Bielsko-Biała
Sandomierz
Opole
Zamość
Katowice
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko-Biała
Bielsko-Biała
Nowy Sącz
Nowy Sącz
Nowy Sącz
Lesko
Zakopane
Kielce
Zamość
Kłodzko
Katowice
Kraków
Lublin
Wieluń
Wrocław
Jelenia Góra
Kielce
Zamość
Kłodzko
Racibórz
Łódź
Kalisz
Włodawa
Jelenia Góra
Kielce
Siedlce
Terespol
Leszno
Łódź
Kalisz
Sulejów
Lublin
Wieluń
Opole
Warszawa
Zielona Góra
Leszno
Wrocław
Białystok
Terespol
Zielona Góra
Kłodzko
Ostrołęka
Koło
Siedlce
Terespol
Włodawa
Sulejów
Jelenia Góra
Mława
Płock
Słubice
Koło
Łódź
Kalisz
Toruń
Poznań
Słubice
Zielona Góra
Mikołajki
Gorzów Wlkp
Płock
Poznań
Słubice
Suwałki
Kętrzyn
Olsztyn
Chojnice
Piła
Białystok
Ostrołęka
Gorzów Wlkp
Płock
Poznań
Elbląg
Szczecinek
Szczecin
Białystok
Ostrołęka
Gorzów Wlkp
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Mikołajki
Olsztyn
Ustka
Elbląg
Świnoujście
Świnoujście
Chojnice
Łeba
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Rzeszów
Tarnów
Nowy Sącz
Zakopane
Łeba
Lębork
Kraków
Racibórz
Bielsko-Biała
Lesko
KołobrzegKoszalin
Zamość
Sandomierz
Katowice
Kraków
Nowy Sącz
Legnica
Kielce
Opole
Katowice
Racibórz
Bielsko-Biała
Leszno
Wrocław
Zamość
Sandomierz
Kłodzko
Rzeszów
Tarnów
Lublin
Wieluń
Jelenia Góra
Kielce
Opole
Katowice
Szczecinek
Legnica
Wrocław
Zamość
Kłodzko
Racibórz
Resko
Sulejów
Lublin
Wieluń
Jelenia Góra
Kielce
Kłodzko
Ustka
Włodawa
Sulejów
Legnica
Wrocław
Sandomierz
Łódź
Kalisz
Włodawa
Lublin
Opole
Siedlce
Warszawa
Terespol
Leszno
Łódź
Kalisz
Sulejów
Jelenia Góra
Białystok
Zielona Góra
Leszno
Wieluń
Ostrołęka
Terespol
Zielona Góra
Włodawa
Legnica
Mława
Płock
Siedlce
Warszawa
Terespol
Łódź
Kalisz
Toruń
Poznań
Koło
Siedlce
Warszawa
Zielona Góra
Leszno
Mikołajki
Słubice
Słubice
Słubice
Suwałki
Kętrzyn
Olsztyn
Gorzów Wlkp
Gorzów Wlkp
Płock
Poznań
Elbląg
Szczecinek
Chojnice
Szczecin
Zakopane
2081-2100
Resko
Szczecin
Gorzów Wlkp
Hel
KołobrzegKoszalin
Suwałki
Kętrzyn
Lębork
Świnoujście
Resko
Szczecin
2011-2030
Elbląg
Świnoujście
Mikołajki
Olsztyn
Chojnice
Ustka
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Resko
A2
Łeba
Łeba
Łeba
Ustka
Lesko
Lesko
Zakopane
Zakopane
sezonie wiosennym (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
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 2011-2030 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
2081-2100 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 2011-2030.
B1
A1B
Łeba
Ustka
Lębork
KołobrzegKoszalin
Ustka
Elbląg
Ustka
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Elbląg
Olsztyn
Mikołajki
Mława
Ostrołęka
Chojnice
Szczecinek
Szczecinek
Olsztyn
Mikołajki
Mława
Ostrołęka
Chojnice
Resko
Toruń
Piła
Białystok
Toruń
Koło
Koło
Siedlce
Warszawa
Lublin
Wieluń
Legnica
Wrocław
Lublin
Wieluń
Rzeszów
Tarnów
Kraków
Racibórz
Bielsko-Biała
Nowy Sącz
Lesko
Lesko
Zakopane
Łeba
Ustka
Hel
Elbląg
Ustka
Elbląg
Suwałki
Kętrzyn
Resko
Mikołajki
Resko
Szczecin
Szczecin
Piła
Mława
Toruń
Piła
Mława
Toruń
Białystok
Ostrołęka
Koło
Koło
Siedlce
Warszawa
Koło
Włodawa
Sulejów
Lublin
Wieluń
Tarnów
Kielce
Zamość
Sandomierz
Opole
Kłodzko
Katowice
Kraków
Wrocław
Jelenia Góra
Zamość
Sandomierz
Opole
Kłodzko
Racibórz
Lublin
Wieluń
Kielce
Zamość
Kłodzko
Legnica
Wrocław
Jelenia Góra
Kielce
Sandomierz
Łódź
Kalisz
Sulejów
Legnica
Wrocław
Opole
Siedlce
Warszawa
Terespol
Leszno
Włodawa
Lublin
Jelenia Góra
Białystok
Zielona Góra
Łódź
Kalisz
Sulejów
Wieluń
Ostrołęka
Terespol
Leszno
Włodawa
Legnica
Mława
Płock
Siedlce
Warszawa
Zielona Góra
Łódź
Kalisz
Toruń
Poznań
Słubice
Terespol
Leszno
Mikołajki
Gorzów Wlkp
Płock
Poznań
Słubice
Zielona Góra
Suwałki
Kętrzyn
Olsztyn
Chojnice
Piła
Gorzów Wlkp
Płock
Poznań
Elbląg
Szczecinek
Szczecin
Białystok
Ostrołęka
Gorzów Wlkp
Słubice
Hel
Świnoujście
Mikołajki
Olsztyn
Chojnice
Szczecinek
Lębork
KołobrzegKoszalin
Świnoujście
Świnoujście
Chojnice
Łeba
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Olsztyn
Rzeszów
Tarnów
Nowy Sącz
Zakopane
Łeba
Lębork
Kraków
Racibórz
Bielsko-Biała
Lesko
KołobrzegKoszalin
Zamość
Sandomierz
Katowice
Rzeszów
Tarnów
Nowy Sącz
Zakopane
Szczecinek
Kielce
Opole
Kłodzko
Katowice
Kraków
Lublin
Wieluń
Wrocław
Zamość
Sandomierz
Opole
Kłodzko
Bielsko-Biała
Ustka
Legnica
Jelenia Góra
Kielce
Zamość
Katowice
Resko
Terespol
Włodawa
Sulejów
Wrocław
Jelenia Góra
Kielce
Sandomierz
Siedlce
Warszawa
Łódź
Kalisz
Włodawa
Kłodzko
Racibórz
2081-2100
Koło
Leszno
Łódź
Kalisz
Sulejów
Opole
Białystok
Zielona Góra
Leszno
Włodawa
Sulejów
Legnica
Ostrołęka
Terespol
Zielona Góra
Łódź
Jelenia Góra
Mława
Płock
Siedlce
Warszawa
Terespol
Zielona Góra
Kalisz
Toruń
Poznań
Słubice
Słubice
Leszno
Mikołajki
Gorzów Wlkp
Płock
Poznań
Słubice
Suwałki
Kętrzyn
Olsztyn
Chojnice
Piła
Białystok
Gorzów Wlkp
Płock
Poznań
Szczecinek
Szczecin
Szczecin
Piła
Gorzów Wlkp
Elbląg
Świnoujście
Resko
Szczecin
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Resko
2011-2030
A2
Łeba
Łeba
Hel
Katowice
Katowice
Rzeszów
Kraków
Racibórz
Bielsko-Biała
Rzeszów
Tarnów
Kraków
Racibórz
Rzeszów
Tarnów
Bielsko-Biała
Bielsko-Biała
Nowy Sącz
Nowy Sącz
Nowy Sącz
Lesko
Lesko
Lesko
Zakopane
Zakopane
Zakopane
sezonie letnim (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
Scenariusz wiązkowy zmian kwantyla 95% maksymalnej temperatury powietrza
jesienią wskazuje na wzrost wartości elementu zarówno w okresie 2011-2030 jak i 2081-2100
w stosunku do wielolecia 1971-90 (rys. 2.5). W okresie 2011-2030 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
Ustka
Ustka
Hel
Lębork
KołobrzegKoszalin
Elbląg
Szczecinek
Resko
Szczecinek
Piła
Mława
Toruń
Resko
Piła
Mława
Toruń
Koło
Warszawa
Koło
Siedlce
Warszawa
Legnica
Lublin
Wieluń
Sandomierz
Legnica
Lublin
Wieluń
Tarnów
Rzeszów
Bielsko-Biała
Sandomierz
Legnica
Lublin
Wieluń
Wrocław
Kielce
Zamość
Sandomierz
Opole
Kłodzko
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko-Biała
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko-Biała
Nowy Sącz
Nowy Sącz
Lesko
Zakopane
Włodawa
Jelenia Góra
Kielce
Opole
Katowice
Kraków
Łódź
Kalisz
Sulejów
Wrocław
Zamość
Kłodzko
Racibórz
Siedlce
Terespol
Leszno
Włodawa
Jelenia Góra
Kielce
Opole
Warszawa
Zielona Góra
Łódź
Kalisz
Sulejów
Wrocław
Kłodzko
Białystok
Terespol
Leszno
Włodawa
Sulejów
Jelenia Góra
Ostrołęka
Koło
Siedlce
Zielona Góra
Łódź
Kalisz
Mława
Płock
Słubice
Terespol
Leszno
Toruń
Poznań
Słubice
Zielona Góra
Mikołajki
Gorzów Wlkp
Płock
Poznań
Słubice
Suwałki
Kętrzyn
Olsztyn
Chojnice
Piła
Białystok
Ostrołęka
Gorzów Wlkp
Płock
Poznań
Szczecinek
Szczecin
Białystok
Ostrołęka
Gorzów Wlkp
Elbląg
Świnoujście
Mikołajki
Olsztyn
Chojnice
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Szczecin
Szczecin
2011-2030
Elbląg
Świnoujście
Mikołajki
Olsztyn
Chojnice
Ustka
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Resko
A2
Łeba
Łeba
Łeba
Nowy Sącz
Lesko
Zakopane
Lesko
Zakopane
Zamość
Ustka
Hel
Lębork
Szczecinek
Mikołajki
Mława
Ostrołęka
Szczecinek
Olsztyn
Mikołajki
Mława
Ostrołęka
Chojnice
Resko
Toruń
Piła
Białystok
Toruń
Płock
Poznań
Koło
Warszawa
Koło
Siedlce
Warszawa
Koło
Legnica
Wrocław
Sandomierz
Tarnów
Rzeszów
Bielsko-Biała
Sandomierz
Nowy Sącz
Wrocław
Kielce
Zamość
Sandomierz
Opole
Zamość
Kłodzko
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko-Biała
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko-Biała
Nowy Sącz
Lesko
Zakopane
Lublin
Wieluń
Jelenia Góra
Kielce
Opole
Kłodzko
Kraków
Legnica
Wrocław
Zamość
Katowice
Racibórz
Włodawa
Sulejów
Lublin
Wieluń
Jelenia Góra
Kielce
Opole
Kłodzko
Siedlce
Łódź
Kalisz
Włodawa
Sulejów
Lublin
Jelenia Góra
Warszawa
Terespol
Leszno
Łódź
Kalisz
Sulejów
Wieluń
Białystok
Zielona Góra
Leszno
Włodawa
Legnica
Ostrołęka
Terespol
Zielona Góra
Łódź
Kalisz
Mława
Płock
Siedlce
Terespol
Leszno
Toruń
Poznań
Słubice
Słubice
Zielona Góra
Mikołajki
Gorzów Wlkp
Płock
Poznań
Suwałki
Kętrzyn
Olsztyn
Chojnice
Piła
Białystok
Gorzów Wlkp
Słubice
Szczecinek
Szczecin
Szczecin
Piła
Elbląg
Świnoujście
Resko
Gorzów Wlkp
Hel
Lębork
KołobrzegKoszalin
Suwałki
Kętrzyn
Świnoujście
Olsztyn
Szczecin
2081-2100
Elbląg
Suwałki
Kętrzyn
Chojnice
Ustka
Hel
Lębork
KołobrzegKoszalin
Elbląg
Świnoujście
Resko
Łeba
Łeba
Łeba
Ustka
KołobrzegKoszalin
Nowy Sącz
Lesko
Zakopane
Lesko
Zakopane
sezonie jesiennym (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
4.3. Kwantyl 5% temperatury minimalnej powietrza
Wartość kwantyla 5% temperatury minimalnej w Polsce w latach 2011-2030,
podobnie jak w przypadku temperatury średniej również nie zmieni się znacząco w stosunku
do okresu referencyjnego 1971-1990 (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 2081-2100 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 1971-90, 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 1971-90.
B1
20112030
A1B
A2
20812100
Rys. 3.1. Scenariusz wiązkowy zmian kwantyla 5% minimalnej rocznej temperatury
powietrza (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
Zimą w okresie 2011-2030 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 2081-2100 zmiany
będą mniejsze w stosunku do okresu 1971-90 (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
A2
20112030
20812100
Rys. 3.2. Scenariusz wiązkowy zmian kwantyla 5% minimalnej temperatury powietrza w
sezonie zimowym (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
Wiosną w okresie 2011-2030 według wszystkich scenariuszy kwantyl 5% temperatury
minimalnej powinien być średnio o ponad 0,5°C większy niż w trakcie wielolecia 1971-90.
Spodziewana zmiana powinna być w całym kraju dodatnia, lecz jej wartość będzie silnie
zróżnicowana przestrzennie. Największy wzrost wartości omawianego elementu winien
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 2081-2100. 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
A2
20112030
20812100
sezonie wiosennym (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
Przewidywane zmiany wartości kwantyla 5% temperatury minimalnej latem w Polsce
w okresie 2011-2030 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 20812100 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
oparte na symulacjach ECHAM-5 i HadCM3 różnią się pod względem wartości, jak i znaku
anomalii.
B1
A1B
A2
20112030
20812100
sezonie letnim (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
Scenariusz wiązkowy zmian kwantyla 5% minimalnej temperatury powietrza jesienią
wskazuje na wzrost wartości elementu w okresie 2011-2030 w stosunku do wielolecia 197190 (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,
nawet o ponad 0,5°C w rejonie Przedgórza Sudeckiego i Sudetów, za to w Polsce PółnocnoZachodniej należy oczekiwać stabilizacji temperatury, bądź bardzo niewielkiego ochłodzenia.
W okresie 2081-2100 ocieplenie w Polsce winno ulec intensyfikacji. W całej Polsce wartości
anomalii są dodatnie.
B1
A1B
A2
20112030
20812100
sezonie jesiennym (anomalie w °C w stosunku do okresu referencyjnego 1971-1990)
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.
Osiągnięte w okresie rozliczeniowym rezultaty są zgodne z harmonogramem prac zawartym
we wniosku i planowanymi do osiągnięcia celami etapowymi.
Strategie adaptacji do zmian klimatu
Biernacik D., Filipiak J., Miętus M., Wójcik R., 2010. Zmienność warunków termicznych w
Polsce po roku 1951. 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, 9-21.
Biernacik D., Wójcik R., Marosz M., Jakusik E., Pilarski M., Owczarek M., Miętus M., 2010.
Zmienność klimatu Polski od połowy XX wieku. Rezultaty projektu KLIMAT. Materiały z
Konferencji „Badania klimatu w różnych skalach przestrzennych”, Warszawa, 10-11.12.2010
r. (w przygotowaniu)
prac
dr hab. Mirosław Miętus
Koordynator całości prac w zadaniu i podzadaniu,
prof.ndzw.
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.
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 2011-2030 oraz
2081-2100.

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)
Scenariusze zmian warunków pluwialnych w Polsce zostały opracowane w
odniesieniu do okresu referencyjnego 1971-1990 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:
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 2011-2030 oraz 2081-2100. 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 (1971-1990) wartości z reanalizy NCEP (danych
rzeczywistych). W oparciu o tak przygotowaną serię danych dokonano rekonstrukcji
warunków pluwialnych w Polsce dla okresu referencyjnego 1971-1990 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.
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).
Wyniki wskazują na nieznaczne (poniżej 5%) zmiany sum opadów w skali roku w
Polsce (rys. 1.1). Wg modelu ECHAM-5 w okresie 2011-2030 wystąpi nieznaczny wzrost
sum opadów w stosunku do okresu referencyjnego, natomiast w okresie 2081-2100 –
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 2011-2030 w południowo- zachodniej
części kraju wystąpi wzrost sum opadów o ponad 10%, z kolei w okresie 2081-2100 wzrost
opadów obejmie obszar całego kraju (zmiany rzędu 10-15%). W oparciu o symulację
HadCM3 scenariusze wskazują na niewielki spadek opadów w okresie 2011-2030 oraz nadal
niewielkie, acz zróżnicowane co do znaku zmiany w okresie 2081-2100.
Rys. 1.1. Scenariusz zmian sum opadów w skali roku oparty na symulacji globalnej ECHAM5 i HadCM3 (zmiany w % w stosunku do okresu referencyjnego 1971-1990, run 1)
Rys. 1.2. Scenariusz zmian sum opadów w sezonie zimowym oparty na symulacji globalnej
ECHAM-5 i HadCM3 (zmiany w % w stosunku do okresu referencyjnego 1971-1990, run 1)
Znaczną zgodność scenariuszy dla okresu 2011-2030 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 2081-2100, 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. 1.3. Scenariusz zmian sum opadów w sezonie wiosennym oparty na symulacji globalnej
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 2011-2030 oraz do 30% w okresie
2081-2100 w centralnej Polsce. Z kolei wg HadCM3 w okresie 2011-2030 nastąpi znaczny
wzrost sum opadów na Pomorzu (ponad 20% wg scenariusza B1). Dla wielolecia 2081-2100
z kolei uzyskano bardzo zróżnicowany przestrzennie i mało wiarygodny obraz zmian,
zwłaszcza w pasie nizin (zmiany od -15% do +50%).
Rys. 1.4. Scenariusz zmian sum opadów w sezonie letnim oparty na symulacji globalnej
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 2081-2100, 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. 1.5. Scenariusz zmian sum opadów w sezonie jesiennym oparty na symulacji globalnej
W przypadku liczby dni z opadem wyniki wskazują, iż w skali roku w okresie 20112030 wystąpią niewielkie zmiany (nieprzekraczające 4%), głównie o charakterze wzrostu. Dla
wielolecia 2081-2100 zaznaczają się znaczne rozbieżności pomiędzy modelami globalnymi –
wg ECHAM-5 zmiany nadal będą nieznaczne, z kolei wg HadCM3 nastąpi dość wyraźny
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 2081-2100). 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 2011-2030 wystąpią stosunkowo
niewielkie zmiany (± 2%), jedynie na wybrzeżu nastąpi wzrost o 6-8%. W okresie 2081-2100
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 2011-2030 nastąpi znaczne zwiększenie liczby dni z opadem,
przede wszystkim w zachodniej i północnej Polsce (rzędu 10-15%). W okresie 2081-2100
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 2011-2030 zmiany będą jeszcze
niewielkie (do 4%), natomiast w okresie 2081-2100 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.
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.
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.
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)
prac
dr hab. Mirosław Miętus
prof. ndzw.
mgr Robert Wójcik
dr Michał Marosz
mgr Michał Pilarski
Koordynator całości prac w zadaniu i podzadaniu,
współautor koncepcji realizacji podzadania. Autor
procedur numerycznych i programów obliczeniowych.
Autor koordynujący ostatecznej wersji raportu.
Opracowanie
scenariuszy
zmian
warunków
pluwialnych w Polsce w skali XXI wieku,
opracowanie wyników, wizualizacja wyników
Opracowanie
scenariuszy
zmian
warunków
Opracowanie
scenariuszy
zmian
warunków
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 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 2011-2030
oraz 2081-2100, 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.

Obliczenie miesięcznych wartości liczby dni pogodnych.

Obliczenie funkcji własnych liczby dni pogodnych w Polsce w okresie 1971-90 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 1971-90.

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.
Model statystyczno-empiryczny liczby dni pogodnych:
- 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 1971-1990 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:
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 nefologicznych opracowano dla całego XXI wieku ze szczególnym
uwzględnieniem okresu 2011-2030 oraz 2081-2100. 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.
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 1971-1990.
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
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
1971-1990
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
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
varDNIP
62,03
7,58
5,43
4,38
79,42
varSLP
11,92
12,71
9,56
4,39
38,58
r
0,83
0,65
0,48
0,35
0,31
×
Zima
varDNIP
49,94
17,84
3,93
5,92
3,61
81,24
varSLP
15,40
16,44
6,80
3,71
10,81
53,16
r
0,66
0,63
0,45
0,34
0,25
×
Wiosna
varDNIP
51,41
20,10
3,71
4,31
2,71
82,24
varSLP
13,16
7,62
17,48
8,28
12,40
58,94
r
0,81
0,59
0,52
0,26
0,23
×
Lato
varDNIP
63,74
3,97
6,07
4,31
7,84
85,93
varSLP
18,26
5,31
14,47
17,53
9,10
64,67
r
0,81
0,70
0,58
0,29
×
Jesień
varDNIP
61,92
9,07
2,60
3,16
76,75
varSLP
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 1971-1990
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
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 1971-90 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 1971-90 (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
podokresów XXI wieku, tj. wieloleciu 2011-2030, wszystkie trzy analizowane scenariusze
ukazują negatywne zmiany omawianego elementu, z kolei w późniejszym z podokresów, tj.
wieloleciu 2081-2100 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 1971-1990 w świetle
rezultatów symulacji modelem ECHAM5, wartości przed korektą ze względu na dryft ciśnienia.
SEZON/WIELOLECIE
A1B
A2
B1
ROK /2011-2030
-0,5
-0,5
-0,6
ROK /2081-2100
-0,1
-0,4
-0,4
ZIMA /2011-2030
-0,3
-0,1
-0,4
ZIMA / 2081-2100
-0,4
-0,8
-0,5
WIOSNA /2011-2030
-1,1
-0,9
-0,6
WIOSNA /2081-2100
-1,0
-0,8
-0,9
LATO /2011-2030
-0,6
-1,1
-1,1
LATO /2081-2100
+0,7
+0,6
+0,4
JESIEN /2011-2030
+1,4
+1,0
+0,9
JESIEN / 2081-2100
+1,8
+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 1971-90 (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 1971-1990 w świetle
rezultatów symulacji modelem ECHAM5, wartości po korekcie ze względu na dryft ciśnienia.
SEZON/WIELOLECIE
A1B
A2
B1
ROK /2011-2030
-0,1
0,0
-0,1
ROK /2081-2100
+0,3
+0,1
+0,1
ZIMA /2011-2030
+0,3
+0,5
+0,2
ZIMA / 2081-2100
+0,2
-0,2
+0,2
WIOSNA /2011-2030
-0,7
-0,5
-0,2
WIOSNA /2081-2100
-0,7
-0,4
-0,5
LATO /2011-2030
+0,5
0,0
-0,1
LATO /2081-2100
+1,7
+1,6
+1,4
JESIEN /2011-2030
+0,3
-0,2
-0,3
JESIEN / 2081-2100
+0,6
+0,9
+0,3
A2
A1B
2081-2100
2011-2030
B1
Rys. 3. Spodziewana zmiana liczby dni pogodnych w Polsce w roku w wybranym wieloleciu w stosunku do
okresu 1971-1990 (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.
A2
A1B
2081-2100
2011-2030
B1
Rys. 4. Spodziewana zmiana liczby dni pogodnych w Polsce zimą w wybranym wieloleciu w stosunku do okresu
1971-1990 (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia.
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 2011-2030, jak i podokresu
2081-2100 w stosunku do wielolecia referencyjnego 1971-90. Wartości odchylenia są
stosunkowo mało zróżnicowane na obszarze kraju.
A2
A1B
2081-2100
2011-2030
B1
Rys. 5. Spodziewana zmiana liczby dni pogodnych w Polsce wiosną w wybranym wieloleciu w stosunku do
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 2081-2100 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 1971-90.
A2
A1B
2081-2100
2011-2030
B1
Rys. 6. Spodziewana zmiana liczby dni pogodnych w Polsce latem w wybranym wieloleciu w stosunku do
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
2081-2100
2011-2030
B1
Rys. 7. Spodziewana zmiana liczby dni pogodnych w Polsce jesienią w wybranym wieloleciu w stosunku do
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 19711990 w świetle rezultatów symulacji modelem ECHAM5, wartości przed korektą ze względu na dryft
ciśnienia.
SEZON/WIELOLECIE
A1B
A2
B1
ROK /2011-2030
+0,4
+0,3
+0,4
ROK /2081-2100
-1,2
-0,4
-0,2
ZIMA /2011-2030
-0,4
+1,0
+0,6
ZIMA / 2081-2100
-0,7
+1,0
+1,4
WIOSNA /2011-2030
+6,8
+6,2
+5,3
WIOSNA /2081-2100
+6,4
+5,3
+5,8
LATO /2011-2030
+0,5
+2,4
+1,3
LATO /2081-2100
-4,7
-4,2
-4,3
JESIEN /2011-2030
-0,2
+0,8
+0,6
JESIEN / 2081-2100
-0,5
-1,2
+0,1
Tab. 6. Spodziewana zmiana stopnia zachmurzenia ogólnego w Polsce (w %) w stosunku do okresu 19711990 w świetle rezultatów symulacji modelem ECHAM5, wartości po korekcie ze względu na dryft ciśnienia.
SEZON/WIELOLECIE
A1B
A2
B1
ROK /2011-2030
+0,2
+0,1
+0,1
ROK /2081-2100
-1,4
-0,6
-0,5
ZIMA /2011-2030
-2,2
-0,8
-1,2
ZIMA / 2081-2100
-2,5
-0,74
-0,4
WIOSNA /2011-2030
+2,7
+2,1
+1,2
WIOSNA /2081-2100
+2,4
+1,2
+1,7
LATO /2011-2030
-0,9
+1,1
-0,0
LATO /2081-2100
-6,0
-5,5
-5,6
JESIEN /2011-2030
-0,8
+0,2
+0,0
JESIEN / 2081-2100
-1,1
-1,8
-0,5
Scenariusze oparte na modelu ECHAM5 wskazują, iż średnie roczne zachmurzenie
ogólne w Polsce w latach 2011-2030 nie zmieni się znacząco w stosunku do okresu
referencyjnego 1971-90 (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 2081-2100. W całym kraju średnie zachmurzenie powinno być
mniejsze od 1 do 2%. Największy spadek nastąpi w południowo-zachodniej części kraju.
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.
A2
A1B
2081-2100
2011-2030
B1
Rys. 8. Spodziewana zmiana zachmurzenia ogólnego w Polsce w roku (w %) w wybranym wieloleciu w
stosunku do okresu 1971-1990 (według modelu ECHAM5), wartości po korekcie ze względu na dryft
ciśnienia.
Zimą w okresie 2011-2030 według wszystkich scenariuszy opartych na symulacji
modelem ECHAM5 nastąpi niewielki spadek stopnia zachmurzenia ogólnego w całym kraju.
W okresie 2081-2100 zmiany będą silniejsze w stosunku do okresu 1971-90 (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.
A2
A1B
2081-2100
2011-2030
B1
Rys. 9. Spodziewana zmiana zachmurzenia ogólnego w Polsce zimą (w %) w wybranym wieloleciu w stosunku
do okresu 1971-1990 (według modelu ECHAM5), wartości po korekcie ze względu na dryft ciśnienia.
W sezonie wiosennym w okresie 2011-2030 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 2081-2100 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.
A2
A1B
2081-2100
2011-2030
B1
Rys. 10. Spodziewana zmiana zachmurzenia ogólnego w Polsce wiosną (w %) w wybranym wieloleciu w
ciśnienia.
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
2011-2030 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 2081-2100 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.
A2
A1B
2081-2100
2011-2030
B1
Rys. 11. Spodziewana zmiana zachmurzenia ogólnego w Polsce latem (w %) w wybranym wieloleciu w
ciśnienia.
Scenariusze A1B i B1 zmian zachmurzenia ogólnego jesienią przypadku obydwu
symulacji są zgodne i wskazują na spadek wartości elementu w okresie 2011-2030 w
stosunku do wielolecia 1971-90 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 2081-2100
w Polsce nastąpi bądź spadek stopnia zachmurzenia (A1B i B1 obydwie symulacje oraz A2
symulacja modelem ECHAM5), bądź wzrost (A2 symulacja modelem HadCM3). Wartość
bezwzględna anomalii będzie największa w południowo-zachodniej części kraju.
A2
A1B
2081-2100
2011-2030
B1
Rys. 12. Spodziewana zmiana zachmurzenia ogólnego w Polsce jesienią (w %) w wybranym wieloleciu w
stosunku do okresu 1971-1990 (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 19711990 w świetle rezultatów symulacji modelem HadCM3, wartości przed korektą ze względu na dryft
ciśnienia.
SEZON/WIELOLECIE
A1B
A2
B1
ROK /2011-2030
-0,5
-0,1
-0,1
ROK /2081-2100
-0,8
-0,1
+0,0
ZIMA /2011-2030
+0,9
+0,3
-0,6
ZIMA / 2081-2100
+0,2
-0,3
+0,3
WIOSNA /2011-2030
+8,5
+7,8
+10,0
WIOSNA /2081-2100
+8,6
+9,9
+8,8
LATO /2011-2030
+9,0
+10,6
+11,9
LATO /2081-2100
+7,3
+8,7
+9,1
JESIEN /2011-2030
-0,7
+0,0
+1,2
JESIEN / 2081-2100
+1,0
+1,7
+0,8
Tab. 8. Spodziewana zmiana stopnia zachmurzenia ogólnego w Polsce (w %) w stosunku do okresu 19711990 w świetle rezultatów symulacji modelem HadCM3, wartości po korekcie ze względu na dryft ciśnienia.
SEZON/WIELOLECIE
A1B
A2
B1
ROK /2011-2030
+0,1
+0,5
+0,5
ROK /2081-2100
-0,1
+0,5
+0,6
ZIMA /2011-2030
-0,5
-1,1
-2,0
ZIMA / 2081-2100
-1,1
-1,7
-1,0
WIOSNA /2011-2030
+1,2
+0,6
+2,8
WIOSNA /2081-2100
+1,4
+2,7
+1,5
LATO /2011-2030
+1,3
+3,0
+4,2
LATO /2081-2100
-0,4
+1,1
+1,5
JESIEN /2011-2030
-1,8
-1,1
+0,1
JESIEN / 2081-2100
-0,1
+0,6
-0,3
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.
W dalszej kolejności na podstawie opracowanych scenariuszy skonstruowane zostaną
scenariusze wiązkowe spodziewanej zmienności warunków nefologicznych w Polsce.
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, 25.11.2010.
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.
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.
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).
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.

Obliczenie funkcji własnych prężności pary wodnej i wilgotności względnej powietrza w
Polsce w okresie 1971-90 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 1971-90.

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 2011-30 i 2081-2100 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 1971-90; 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
skorygowanych anomalii parametrów prężności pary wodnej i wilgotności względnej
powietrza w latach 2011-30 i 2081-2100.
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 1971-1990 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:
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 higrycznych opracowano dla całego XXI wieku ze szczególnym
uwzględnieniem okresu 2011-2030 oraz 2081-2100. 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
wystąpił również w symulacji dla lat 2001-2100. 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 2011-30 i 2081-2100, a także całość XXI wieku.
Prężność pary wodnej – model statystyczno-empiryczny
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
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.
1 EOF
2 EOF
3 EOF
Rys.1. Przestrzenna zmienność anomalii wektorów własnych prężności pary wodnej w roku w Polsce w okresie
1971-1990.
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.
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
varPPAR
65,08
22,92
4,57
2,91
95,48
varSLP
34,41
10,02
10,32
13,78
68,53
r
0,89
0,55
0,42
×
Zima
varPPAR
85,73
6,58
6,60
98,91
varSLP
37,49
12,88
10,86
61,23
r
0,71
0,52
0,50
0,26
×
Wiosna
varPPAR
31,56
29,74
31,76
2,69
95,75
varSLP
18,34
8,00
14,18
10,16
50,68
r
0,83
0,67
0,47
0,35
×
Lato
varPPAR
49,88
15,63
18,42
8,50
92,43
varSLP
5,14
24,21
8,17
9,43
46,95
r
0,66
0,56
0,41
×
Jesień
varPPAR
31,96
51,23
12,20
95,39
varSLP
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 1971-1990
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.
Tabela 3a. Uśrednione anomalie parametru prężności pary wodnej dla obszaru Polski w okresie 2011-2030.
2011-30
Scenariusz
Zima
Wiosna
Lato
Jesien
Rok
ECHAM-5 A1B run 2
ECHAM-5 A1B run 4
ECHAM-5 A2 run 1
ECHAM-5 A2 run 2
ECHAM-5 A2 run 3
0,20
0,11
0,03
0,11
0,01
0,00
0,02
-0,07
-0,07
0,09
-0,15
0,07
-0,04
-0,11
0,19
0,07
0,10
-0,06
0,05
0,10
0,07
0,04
-0,05
0,03
0,07
ECHAM-5 B1 run 1
ECHAM-5 B1 run 3
HadCM-3 A1B run 1
HadCM-3 A2 run 1
HadCM-3 B1 run 1
0,19
-0,02
-0,26
-0,20
-0,32
-0,11
0,21
-0,61
-0,83
-0,72
-0,05
0,02
-1,32
-1,35
-1,26
-0,07
-0,12
2,20
2,17
2,10
-0,01
0,03
-0,26
-0,26
-0,20
Tabela 3b. Uśrednione anomalie parametru prężności pary wodnej dla obszaru Polski w okresie 2081-2100.
2081-2100
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 2011-30 oraz 2081-2100 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 2011-30 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 2011-30 średnio o 0,7 hPa, pod koniec wieku o 0,4 hPa, a także latem –
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 2081-2100 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 2011-30 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).
2011-2030
2081-2100
Rys. 3. Anomalie parametru prężności pary wodnej w Polsce według poszczególnych scenariuszy opartych o
symulację globalną HadCM-3 w latach 2011-2030 i 2081-2100.
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
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
2011-2030
2081-2100
HadCM-3
2011-2030
2081-2100
Rys. 4. Spodziewana zmiana prężności pary wodnej w Polsce według scenariusza A1B run 1 w ujęciu
średniorocznym.
Wilgotność względna powietrza – model statystyczno-empiryczny
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%.
Tab.4. Wariancja (%) wyjaśniana przez kolejne wektory własne wilgotności
Sezon EOF1 EOF2 EOF3 EOF4 EOF5 EOF6 EOF7 EOF8
ROK
64,46 8,80
5,42
2,76
1,81
1,62
1,23
1,09
Zima
49,47 13,01 8,23
4,23
3,87
2,76
2,18
1,78
Wiosna 64,08 11,01 5,09
3,01
1,96
1,62
1,46
1,21
Lato
70,90 7,38
5,46
2,70
1,81
1,50
1,28
Jesień
68,83 8,35
4,23
2,67
1,74
1,66
1,27
1,25
względnej w roku i sezonach w
EOF9 EOF10 EOF11 Suma
1,05
86,10
1,53
1,39
1,23 83,74
1,07
1,07
88,24
91,04
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 1971-1990.
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.
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
varWILG
7,95
27,85
25,56
3,62
64,98
varSLP
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
varWILG
17,28
13,26
22,50
16,41
2,35
4,48
3,83
80,11
varSLP
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
varWILG
23,80
24,10
16,31
5,74
3,19
2,34
5,12
80,60
varSLP
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
varWILG
59,98
5,97
7,45
5,74
5,36
3,99
88,49
varSLP
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
varWILG
6,44
19,84
41,75
2,51
2,39
2,02
74,95
varSLP
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 1971-1990.
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.
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 2011-30.
2011-30
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 2081-2100.
2081-2100
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 2011-30 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.
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 2011-30, 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.
2011-2030
2081-2100
Rys. 6. Anomalie wilgotności względnej powietrza w Polsce według scenariusza A1B (run 1) w latach 20112030 i 2081-2100
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
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
2011-2030
2081-2100
HadCM-3
2011-2030
2081-2100
Rys. 7. Spodziewana zmiana wilgotności względnej powietrza w Polsce według scenariusza A1B (run 1) dla
wartości średniorocznych.
ECHAM-5
2011-2030
2081-2100
HadCM-3
2011-2030
2081-2100
Rys. 8. Spodziewana zmiana wilgotności względnej powietrza w Polsce według scenariusza A1B run 1 w
sezonie letnim.
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.
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.
Brak
Lorenc H., 2005. 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.
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.
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.

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
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 1966-2008

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 (1971-1990) 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 2011-2030 w
odniesieniu do okresu referencyjnego 1971-1990, wg scenariusza emisyjnego A1B.
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 1951-2008 (dla fal ciepła i chłodu – 1966-2008) charakteryzowano
z użyciem metody empirycznych funkcji własnych (EOF). Opracowano modele statystyczno-
empiryczne analizowanych parametrów metodą kanonicznych korelacji (CCA) i analizy
redundancyjnej (RDA). Skonstruowane modele charakteryzują zmienność analizowanych
parametrów w latach 1971-1990 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 2030.
Obliczenia wskaźników biotermicznych przeprowadzono z użyciem modelu MENEX_ 2005
(Błażejczyk 2005).
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)
Rozewie
Łeba
Ustka
Lębork
4
Hel
Gdynia
Gdańsk Świbno
KołobrzegKoszalin
Elbląg
Kościerzyna
Suwałki
Świnoujście
Resko
Mikołajki
Olsztyn
Chojnice
3
Szczecin
Białystok
Toruń
Gorzów Wlkp.
2
Płock
Poznań
Słubice
Legionowo
Kórnik
Koło
Warszawa
Siedlce
Zielona Góra
Kalisz
Łódź
Włodawa
Legnica
Wieluń
1
Lublin
Wrocław
Jelenia Góra
Kielce
Sandomierz
Opole
0
Kłodzko
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko Biała
NowySącz
Lesko
Zakopane
-1
-2
1951 1956 1961 1966 1971 1976 1981 1986 1991 1996 2001 2006
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),
1951-2008
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
3
Hel
Gdynia
Gdańsk Świbno
KołobrzegKoszalin
Elbląg
Kościerzyna
Suwałki
Świnoujście
Resko
Mikołajki
Olsztyn
Chojnice
Szczecin
2
Białystok
Toruń
Gorzów Wlkp.
Płock
Poznań
Słubice
Legionowo
Kórnik
Koło
Warszawa
Siedlce
1
Zielona Góra
Kalisz
Łódź
Włodawa
Legnica
Wieluń
Lublin
Wrocław
Jelenia Góra
0
Kielce
Sandomierz
Opole
Kłodzko
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko Biała
NowySącz
Lesko
-1
Zakopane
-2
1951 1956 1961 1966 1971 1976 1981 1986 1991 1996 2001 2006
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), 1951-2008
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.
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)
Rozewie
Łeba
Ustka
Lębork
Hel
Gdynia
Gdańsk Świbno
KołobrzegKoszalin
Elbląg
Kościerzyna
Suwałki
Świnoujście
Resko
Mikołajki
Olsztyn
Chojnice
Szczecin
Białystok
Toruń
Gorzów Wlkp.
Płock
Poznań
Słubice
Legionowo
Kórnik
Koło
Warszawa
Siedlce
Zielona Góra
Kalisz
Łódź
Włodawa
Legnica
Wieluń
Lublin
Wrocław
Jelenia Góra
Kielce
Sandomierz
Opole
Kłodzko
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko Biała
NowySącz
Lesko
Zakopane
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, 1971-1990
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.
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
Gdańsk Świbno
KołobrzegKoszalin
Elbląg
Kościerzyna
Suwałki
Świnoujście
Resko
Mikołajki
Olsztyn
Chojnice
Szczecin
Białystok
Toruń
Gorzów Wlkp.
Płock
Poznań
Słubice
Legionowo
Kórnik
Koło
Warszawa
Siedlce
Zielona Góra
Kalisz
Łódź
Włodawa
Legnica
Wieluń
Lublin
Wrocław
Jelenia Góra
Kielce
Sandomierz
Opole
Kłodzko
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Bielsko Biała
NowySącz
Lesko
Zakopane
Rys. 4 Pierwsza para map kanonicznych regionalnego pola ciśnienia (SLP) oraz częstości występowania
(%) odczucia cieplnego „bardzo zimno” w okresie GRUDZIEŃ-LUTY w Polsce, 1971-1990
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)
a)
b)
Hel
Ustka
Suwałki
Świnoujście
Olsztyn
Chojnice
Szczecin
Białystok
Toruń
Poznań
Słubice
Warszawa
Łódź
Włodawa
Lublin
Wrocław
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, 1971-1990
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.
a)
b)
Hel
Ustka
Suwałki
Świnoujście
Olsztyn
Chojnice
Szczecin
Białystok
Toruń
Poznań
Słubice
Warszawa
Łódź
Włodawa
Lublin
Wrocław
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, 1971-1990
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 1971-1990 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).
GRUDZIEŃ-LUTY
CZERWIEC-SIERPIEŃ
Rozewie
Łeba
Ustka
Rozewie
Łeba
Hel
Gdynia
Lębork
Ustka
Hel
Gdynia
Lębork
Gdańsk Świbno
KołobrzegKoszalin
Gdańsk Świbno
Elbląg
Kościerzyna
KołobrzegKoszalin
Suwałki
Świnoujście
Elbląg
Kościerzyna
Suwałki
Świnoujście
Resko
Mikołajki
Olsztyn
Chojnice
Resko
Szczecin
Mikołajki
Olsztyn
Chojnice
Szczecin
Białystok
Toruń
Białystok
Toruń
Gorzów Wlkp.
Gorzów Wlkp.
Płock
Poznań
Kórnik
Koło
Płock
Poznań
Legionowo
Słubice
Słubice
Zielona Góra
Legionowo
Kórnik
Siedlce
Warszawa
Koło
Siedlce
Warszawa
Zielona Góra
Kalisz
Kalisz
Łódź
Łódź
Włodawa
Legnica
Wieluń
Włodawa
Lublin
Legnica
Wrocław
Jelenia Góra
Wieluń
Lublin
Wrocław
Jelenia Góra
Kielce
Kielce
Sandomierz
Opole
Sandomierz
Opole
Kłodzko
Kłodzko
Katowice
Katowice
Kraków
Racibórz
Rzeszów
Tarnów
Kraków
Racibórz
Bielsko Biała
Rzeszów
Tarnów
Bielsko Biała
NowySącz
NowySącz
Lesko
Lesko
Zakopane
Zakopane
a) scenariusz A1B_r1 (z korektą)
Rozewie
Łeba
Ustka
Rozewie
Łeba
Hel
Gdynia
Lębork
Ustka
Hel
Gdynia
Lębork
Gdańsk Świbno
Gdańsk Świbno
KołobrzegKoszalin
Elbląg
Kościerzyna
KołobrzegKoszalin
Suwałki
Elbląg
Kościerzyna
Suwałki
Świnoujście
Świnoujście
Resko
Mikołajki
Olsztyn
Chojnice
Resko
Mikołajki
Olsztyn
Chojnice
Szczecin
Szczecin
Białystok
Toruń
Białystok
Toruń
Gorzów Wlkp.
Gorzów Wlkp.
Płock
Poznań
Słubice
Koło
Płock
Poznań
Legionowo
Kórnik
Słubice
Legionowo
Kórnik
Siedlce
Warszawa
Koło
Siedlce
Warszawa
Zielona Góra
Zielona Góra
Kalisz
Kalisz
Łódź
Łódź
Włodawa
Włodawa
Legnica
Wieluń
Lublin
Legnica
Wrocław
Jelenia Góra
Wieluń
Lublin
Wrocław
Jelenia Góra
Kielce
Kielce
Sandomierz
Opole
Sandomierz
Opole
Kłodzko
Kłodzko
Katowice
Katowice
Kraków
Racibórz
Rzeszów
Tarnów
Kraków
Racibórz
Rzeszów
Tarnów
Bielsko Biała
Bielsko Biała
NowySącz
NowySącz
Lesko
Lesko
Zakopane
Zakopane
b) scenariusz B1_r1 (z korektą)
Rozewie
Łeba
Ustka
Lębork
Rozewie
Łeba
Hel
Gdynia
Ustka
Lębork
Hel
Gdynia
Gdańsk Świbno
KołobrzegKoszalin
Gdańsk Świbno
Elbląg
Kościerzyna
KołobrzegKoszalin
Suwałki
Świnoujście
Elbląg
Kościerzyna
Suwałki
Świnoujście
Resko
Mikołajki
Olsztyn
Chojnice
Resko
Szczecin
Mikołajki
Olsztyn
Chojnice
Szczecin
Białystok
Toruń
Gorzów Wlkp.
Białystok
Toruń
Gorzów Wlkp.
Płock
Poznań
Słubice
Koło
Warszawa
Płock
Poznań
Legionowo
Kórnik
Słubice
Zielona Góra
Legionowo
Kórnik
Siedlce
Koło
Warszawa
Siedlce
Zielona Góra
Kalisz
Kalisz
Łódź
Łódź
Włodawa
Legnica
Wieluń
Lublin
Wrocław
Jelenia Góra
Włodawa
Legnica
Wieluń
Jelenia Góra
Kielce
Kielce
Sandomierz
Opole
Lublin
Wrocław
Sandomierz
Opole
Kłodzko
Kłodzko
Katowice
Katowice
Kraków
Racibórz
Tarnów
Rzeszów
Kraków
Racibórz
Bielsko Biała
Tarnów
Rzeszów
Bielsko Biała
NowySącz
NowySącz
Lesko
Lesko
Zakopane
Zakopane
c) scenariuszA2_r1 (z korektą)
Rys. 7 Spodziewana zmiana częstości występowania
(%) odczucia cieplnego „gorąco lub bardzo gorąco”
w okresie CZERWIEC-SIERPIEŃ w Polsce,
lata 2011-2030 w odniesieniu do okresu
referencyjnego 1971-1990
Rys. 8 Spodziewana zmiana częstości występowania
(%) odczucia cieplnego „bardzo zimno” w okresie
GRUDZIEŃ-LUTY w Polsce, lata 2011-2030 w
odniesieniu do okresu referencyjnego 1971-1990
Tab. 1 Zmiana częstości występowania rodzaju i intensywności stresu termofizjologicznego (PhS) w
Polsce według danych RegCM w latach 2011-2030 dla scenariusza A1B w odniesieniu do symulacji
referencyjnej 1971-1990
stacja
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
Silny
stres gorąca
-0.03
0.00
-0.01
0.01
-0.01
-0.01
0.11
-0.03
0.00
0.01
0.03
0.08
0.08
-0.01
0.05
0.07
0.01
0.03
0.04
-0.01
0.07
0.00
0.01
0.08
-0.01
-0.01
-0.03
Umiarkowany
stres gorąca
-0.07
0.16
-0.03
0.01
0.03
0.03
0.00
0.08
0.18
0.10
-0.08
0.15
0.07
0.77
0.21
0.01
0.01
0.27
0.00
0.00
0.12
0.01
0.45
0.05
0.30
-0.09
0.12
0.08
0.21
0.05
0.10
0.12
0.05
0.03
0.29
0.27
0.05
0.03
0.03
0.10
0.10
0.36
-0.01
0.00
0.05
0.15
0.00
0.15
0.08
0.07
Warunki
termoneutralne
0.01
0.51
-0.01
0.14
-0.03
0.56
0.08
1.14
0.47
0.37
-0.70
0.81
0.15
3.87
0.21
0.14
0.05
0.45
0.12
0.07
0.60
1.53
-0.05
0.26
2.05
-3.47
0.81
0.53
0.41
0.23
0.25
0.48
0.25
1.93
0.00
0.27
0.41
0.51
-0.47
0.47
0.85
0.16
-0.10
0.16
-4.15
0.40
0.19
1.04
0.99
-5.54
Umiarkowany
stres zimna
0.04
-0.45
0.77
-0.12
0.52
0.22
0.79
-1.42
-0.92
-0.05
0.49
-1.20
-0.21
-5.11
-0.89
0.93
1.30
-0.88
0.55
0.75
-0.99
-0.88
-0.68
-0.38
-0.89
-7.28
-1.05
-0.52
-0.60
-0.42
0.04
-0.40
1.03
-9.92
-0.93
-1.40
-1.07
0.22
0.45
0.75
0.66
-1.29
-0.52
1.30
-8.67
-0.73
-0.63
0.16
-0.93
-6.37
Silny
stres zimna
0.07
-0.29
-0.68
-0.04
-0.52
-0.77
-0.86
0.19
0.31
-0.47
0.31
0.22
0.00
0.37
0.51
-1.05
-1.31
0.15
-0.66
-0.79
0.31
-0.73
0.21
0.10
-1.67
10.76
-0.10
-0.03
-0.01
0.16
-0.36
-0.23
-1.27
7.91
0.56
0.81
0.64
-0.74
-0.01
-1.27
-1.55
0.64
0.62
-1.42
12.72
0.19
0.42
-1.34
-0.26
11.87
Ekstremalny
stres zimna
-0.03
0.07
-0.04
0.01
0.00
-0.04
-0.01
0.01
-0.03
0.04
-0.03
0.04
-0.01
-0.01
0.00
-0.03
-0.05
-0.01
-0.03
-0.07
0.05
0.04
-0.03
0.12
0.01
0.22
-0.07
0.00
-0.03
-0.03
0.04
-0.05
0.05
0.03
-0.03
-0.05
-0.04
-0.04
-0.04
-0.04
0.05
0.01
-0.04
0.03
-0.01
-0.07
0.00
0.14
-
Liczba fal ciepła ulegnie do 2030 roku nieznacznym zmianom w stosunku do lat 19711990. 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.
Roczna liczba fal chłodu w większości przypadków zmniejszy się w odniesieniu do
lat 1971-1990. 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
2011-2030 w odniesieniu do serii referencyjnej z lat 1971-1900. 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.
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).
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 2081-2100 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.
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.
Błażejczyk K, Błażejczyk M, 2006 MENEX , model
www.igipz.pan.pl/geoekoklimat/blaz/menex
Kalnay E. et.al., 1996 The NCEP/NCAR 40-year Reanalysis Project, Bulletin of American
Meteorological Society, 77, 437-471
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 1881-1980,
Wiadomości Instytutu Meteorologii i Gospodarki Wodnej, t. XIV(XXXV), z. 1-4,
127-136
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.
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.

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 1970-1990, preprocessing,
przygotowanie danych ICBC, uruchomienie i kontrola przebiegu

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 2010-2030,
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 20112030

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 2011-2030 dla
SGH i IUNG

przygotowanie scenariuszy warunków śniegowych (pokrywy, opadu deszczu i liczby dni
z temperaturą średnią poniżej -4°C) na lata 2011-2030 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 2011-2030 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 2011-2030 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 1970 – 1990 oraz dla scenariuszy A1B, A2 i B1 z RegCM przy
założonych trzech scenariuszach zmian ozonu całkowitego dla okresu 2010 – 2030 w celu
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 1971-1990 dla wykonawców innych
zadań

przygotowywanie sprawozdań miesięcznych, kwartalnego i rocznego
Symulacje klimatyczne dla Polski przeprowadzono w oparciu o wyniki eksperymentu EH5T63L31_OM-GR1.5L40 wykonanego w ramach obliczeń dla potrzeb czwartego raportu IPCC
AR4 w Instytucie Maxa-Plancka w Hamburgu. Symulacją referencyjną (RF) dla okresu 19711990 jest eksperyment 20C3M, natomiast projekcje dla okresów 2011-2030 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.1.2.1.
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 2010-2030 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.
Tab.1.2. 1. Parametry wykonanych symulacji.
nazwa symulacji/okres
symulacji
liczba
węzłów N-S
001_run_test_1974
002_run_test_1974
003_run_test_1974
004_run_test_1974
005_run_test_1974
006_run_test_1974
007_run_test_1974
008_run_test_1974
009_run_test_1974
010_run_test_1974
011_run_test_1974
012_run_test_1976
013_run_test_1976
014_run_test_1976
015_run_test_1976
016_run_test_1987
017_run_test_1987
018_run_test_1987
019_run_test_1987
020_run_test_1989
021_run_test_1989
022_run_test_1974
023_run_test_1976
024_run_test_1970-1990
025_run_test_1970-1990
026_run_test_1970-1990
027_run_test_1970-1990
028_run_test_1970-1990
029_run_test_1970-1990
030_run_test_1970-1990
031_run_test_1970-1990
032_run_test_1970-1990
033_run_test_1970-1990
034_run_test_1970-1990
36
36
36
36
30
30
30
90
90
180
90
180
180
90
90
180
180
90
90
96
168
180
69
69
69
50
76
50
76
36
87
36
87
140
liczba rozdzielczość
liczba
węzłów W-E przestrzenna podwęzłów
(km)
48
50
1
48
50
2
48
50
1
48
50
2
40
60
1
40
60
3
40
60
6
120
20
1
120
20
2
240
10
1
120
20
1
240
10
1
240
10
1
120
20
1
120
20
1
240
10
1
240
10
1
120
20
1
120
20
1
112
50
1
224
10
1
240
10
1
48
50
1
48
50
1
48
50
1
36
70
1
54
45
1
36
70
1
54
45
1
39
25
1
96
10
1
39
25
1
96
10
1
96
25
1
typ
konwekcji
ak
ak
gas
gas
ak
ak
ak
ak
ak
ak
gas
ak
gas
ak
gas
ak
gas
ak
gas
gas
gas
gas
gas
ak
gas
ak
ak
gas
gas
ak
ak
gas
gas
gas
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.
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
(http://cmip-pcmdi.llnl.gov/cmip5/forcing.html#ozone_forcing) 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.
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 1971-1990
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; tnntemperatura minimalna;
tnx- najwyższa temperatura minimalna;
txn-
temperatura maksymalna;
txx-najwyższa temperatura maksymalna;
tnpc50,
najniższa
najniższa
tnpc75,
tnpc90 – odpowiednio percentyl 50, percentyl 75 i percentyl 90 dla temperatury minimalnej
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.
char
srtn
srtx
srtx-n
tnn
tnx
txn
txx
tnpc50
tnpc75
tnpc90
txpc50
txpc75
txpc90
t2mpc50
t2mpc75
t2mpc90
tprec50
tprec75
tprec90
tprec<1
tprec>10
tprec>20
tprec>30
Tab.1.2. 2. Ranking scenariuszy dla wybranych lat.
I
II
III
IV
70
347
42
21
142
152
144
42
95
271
72
42
244
109
57
70
102
129
125
124
322
66
39
53
172
72
176
60
59
339
45
37
69
320
45
46
72
255
60
93
166
154
114
46
180
105
124
71
151
66
192
71
176
213
39
52
128
222
50
80
118
169
82
111
381
300
442
317
403
374
351
312
356
445
319
320
0
0
114
6
2
1
89
28
26
21
41
32
51
18
31
20
Wskazanie
II
I
II
I
II
I
III
II
II
II
I
I
III
II
II
II
III
I
II
III
III
III
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 1971-1990
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 .
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 1971-1990 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
oraz
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
ocena
ocena
ocena
ocena_bis
ocena_bis
ocena_bis
ocena_bis
zakres
zakres
zakres
opad
opad
opad
opad
percentyle
percentyle
percentyle
percentyle
parametr nr1
parametr nr2
parametr nr3
parametr nr4
parametr nr1
parametr nr2
parametr nr3
parametr nr4
parametr nr1
parametr nr2
parametr nr3
parametr nr1
parametr nr2
parametr nr3
parametr nr4
parametr nr1
parametr nr1
parametr nr1
parametr nr1
element nr1 najlepsza symulacja 025
percentyle
percentyle
percentyle
percentyle
percentyle
percentyle
percentyle
percentyle
parametr nr2
parametr nr2
parametr nr2
parametr nr2
parametr nr3
parametr nr3
parametr nr3
parametr nr3
Elementy w percentylach 1-T2M;
Ocena parametry:
ocena_bis parametry:
zakres parametry:
opad parametry:
percentyle parametry:
SRNN
SRN0
SRTN
SRO1
pctl50
2-T2M_00;
3-T2M_12;
SRNX
SRN20
SRTX
SRO10
pctl75
4-TPREC
SRXN
SRX0
SRTX-TN
SRO20
pctl90
SRXX
SRX25
SRO30
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 Q1(25%), Q2(50%), Q3(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.1.2. 1). Dla temperatury nie ma istotnych różnic między
symulacjami.
Rys.1.2. 1. Diagram Taylora dla pól mediany Q2(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.1.2. 3.
Tab.1.2. 3. Wartości średnie, odchylenia standardowe i mediany różnic między średnimi polami opadu i
temperatury dla symulacji testowych i danych ECAD dla okresu 1971-1990 (wytłuszczono 5 najlepszych
wartości dla każdego parametru).
symulacja
024_run_test_1970-1990
025_run_test_1970-1990
026_run_test_1970-1990
027_run_test_1970-1990
028_run_test_1970-1990
029_run_test_1970-1990
030_run_test_1970-1990
031_run_test_1970-1990
032_run_test_1970-1990
033_run_test_1970-1990
034_run_test_1970-1990
wartość średnia
opad
temp.
1,34
0,20
0,15
0,999
1,18
0,29
1,38
0,14
0,22
0,92
1,02
0,10
1,26
0,398
2,35
0,04
0,34
0,88
1,14
0,095
1,08
-0,05
odchylenie standardowe
opad
temp.
0,29
0,18
0,29
0,18
0,22
0,34
0,27
0,17
0,22
0,34
0,27
0,16
0,28
0,23
0,41
0,19
0,28
0,23
0,25
0,18
0,14
0,21
mediana
opad temp.
1,36 0,20
0,999 0,16
1,23 0,28
1,39 0,14
0,91 0,21
1,01 0,10
1,27 0,41
2,27 0,07
0,91 0,36
1,15 0,11
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
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.1.2. 2. Na rys
Rys.1.2. 2. Pola średnich wartości różnic między wynikami symulacji a danymi ECAD dla opadu (prawy
panel) i temperatury (lewy panel) dla okresu 1971-1990 dla symulacji 028 (lewa górna), 030 (prawa
górna), 031 (lewa dolna) i 034 (prawa dolna).
Rys.1.2. 3. Domena symulacji 034 wybranej jako symulacja referencyjna.
Zmiany wybranych elementów meteorologicznych w okresie 2011-2030 w stosunku do
okresu referencyjnego
Dla symulacji referencyjnej (lata 1971 – 1990) oraz symulacji scenaruiszowych A2, A1B oraz
B1 (lata 2011 – 2030) zostały policzone średnie roczne 20-sto-letnie, sezonowe średnie 20sto-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 (Tmax) przekraczała 25oC (summer days, sd) oraz maksymalną liczbę dni kiedy
Tmax>25oC (consequence summer days, csd); liczbę dni dla której temperatura minimalna
(Tmin była poniżej 0oC (frost days, fd) oraz maksymalną liczbę dni kiedy Tmin<0oC
Rys.1.2. 4. 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
(consequence frost days, cfd); liczbę dni dla której Tmax była poniżej 0oC (ice days, id) oraz
maksymalną liczbę dni kiedy Tmax<0oC (consequence ice days, cid); liczbę dni dla której Tmin
przekraczała 20oC (tropical nights, tn); maksymalną amplitudę temperatury czyli różnicę
pomiędzy Tmax i Tmin (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.1.2. 4), prognozujący spadek wartości
temperatury średniej (Tsr) w Polsce centralnej i południowej, spadek wartości Tmax na
większości obszaru Polski oraz spadek Tmin w Polsce południowo-zachodniej. Najceplejszym
okazał się scenariusz B1, prognozujący na obszarze Polski wzrost Tsr o 0,3 – 0,4 oC, Tmax o
0,2 – 0,3 oC a wzrost Tmin doChodzący do 0,5 – 0,6 oC na wschodzie Polski. Scenariusz A1B
pokazuje równomierny wzrost wartości zarówno Tsr, Tmax jak i Tmin o ok. 0,2 oC. Każdy ze
scenariuszy prognozuje większy wzrost Tmin niż Tmax.
Dla wiosny wszystkie scenariusze prognozują spadek wartości Tsr i Tmax, a w przypadku Tmin
jedynie scenariusz B1 prognozuje niewielki wzrost o 0,2 - 0,4oC. Najsilniejsze spadki
pokazuje scenariusz A2, który prognozuje spadek Tsr o około 1oC dla większości obszaru
Polski, spadek Tmax o więcej niż 1oC - największy dla Polski południowo-zachodniej, oraz
najsłabszy, bo o około 0,5oC, spadek Tmin. Prognoza na podstawie scenariusza A1B również
pokazuje najsilniejszy spadek Tmax (o około 0,6 - 0,8oC), trochę mniejszy spadek Tsr (o około
0,4 - 0,6oC), i najmniejszy spadek Tmin (0,2- 0,4oC). Najmniejsze zmiany temperatur pokazuje
prognoza na podstawie scenariusza B1, natomiast i w tym przypadku najsilniejsze spadki
dotyczą Tmax (na większości obszaru Polski o 0,2 - 0,4oC), niewielkie spadki Tsr (do 0,2oC w
Polsce), oraz niewielki ( do 0,4oC) wzrost Tmin, najsilniejszy dla Polski płn.. - wsch
Rys.1.2. 5. 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 Tmin, najmniejszy Tmax. Największe zmiany są w prognozie na podstawie
scenariusza A2 (wzrost Tmin prawie o 1 oC dla całej Polski z wyjątkiem Wielkopolski, wzrost
Tsr o 0,4 - 0,6 oC dla Polski zachodniej oraz o 0,6 - 0,8 oC dla Polski wschodniej, oraz wzrost
Tmax o 0,4 - 0,6 oC na większości obszaru Polski za wyjątkiem Polski północno - wschodniej,
gdzie wzrost ten oscyluje w granicach 0,6 - 0,8 oC). Prognoza na podstawie scenariusza A1B
pokazuje wzrost Tsr, Tmax i Tmin o około 0,4 - 0,6 oC na obszarze całego kraju. Prognoza na
podstawie scenariusza B1 pokazuje trochę większy wzrost Tmin niż prognoza na postawie
scenariusza A1B, szczególnie dla Polski północnej, gdzie obserwowany jest wzrost
temperatury nawet o 0,8 oC, natomiast wzrost Tsr i Tmin 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 oC), trochę mniejsze dla
scenariusza B1, natomiast dla scenariusza A2 wzrost oscyluje w przedziale 0 - 0,2 oC.
Najbardziej zróżnicowane prognozy są dla okresu zimowego. Prognoza na podstawie
scenariusza B1 pokazuje silne wzrosty każdej z temperatur o 0,6 - 1 oC , największe dla Tmin.
Prognoza na podstawie scenariusza A1B pokazuje wzrosty temperatur od 0 do 0,8 oC,
najmniejsze zmiany dla Polski południowej, największe dla Polski północnej. Natomiast
prognoza na podstawie scenariusza A2 pokazuje spadki temperatur nawet do 0,4oC dla Polski
płd. – wsch. oraz wzrosty do 0,6 oC (a nawet o 0,8 oC 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.1.2. 6, kolumna I). Wzrost csd pokazuje
właściwe jedynie prognoza na podstawie scenariusza A1B, według której długość okresu z
Tmax>25 oC 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.1.2. 6, kolumna II).
Rys.1.2. 6. 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.1.2. 6,
kolumna III). Inaczej kształtuje się rozkład cfd - dla prognozy na podstawie scenariusza A2
obserwuje się wzrost długości okresu z Tmin<0 oC C od 10 do 25 dni, a dla prognoz na
podstawie scenariuszy A1B i B2 skrócenie długości okresu z Tmin<0 oC o 10 do 20 dni, a dla
reszty kraju dość nieregularnie rozłożone wzrosty bądź skracanie się tego okresu do 10 dni
(rys.1.2. 6, kolumna IV).
Prognoza na podstawie scenariusza B1 pokazuje spadek id na obszarze całej Polski, nawet do
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.1.2. 7, kolumna I).
Analogicznie wygląda rozkład cid - prognoza długości ciągłego okresu z Tmax<0 oC
najbardziej skraca się na podstawie scenariusza B1 (nawet o 12 dni), a najbardziej wydłuża na
podstawie scenariusza A2, także o 12 dni (rys.1.2. 7, kolumna II).
Rys.1.2. 7. 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.1.2. 7, 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 oC), dla A1B - wzrost
dochodzący do 8 oC, i dla B1 także wzrost, ale mniejszy, do 6 oC (rys.1.2. 7, kolumna IV).
Analizując zmiany wskaźników klimatu w podziale na poszczególne sezony,
obserwujemy spadek sd dla jesieni (rys.1.2. 8, kolumna IV). dla prognoz na podstawie
wszystkich scenariuszy, oraz dość duży spadek sd dla lata dla prognozy na podstawie
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.1.2. 8, kolumna I). Wszystkie prognozy
pokazują bardzo niewielki wzrost sd dla wiosny (rys.1.2. 8, 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 oC wiosną ani jesienią (rys.1.2. 8, kolumna II).
Rys.1.2. 8. 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.1.2. 9,
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.1.2. 9, 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.1.2. 9, kol. III). Rozkład id dla zimy jest bardzo zbliżony do rozkładu id dla
całego roku. Spadek liczby dni z Tmax<0 oC obserwujemy dla całej Polski dla scenariusza
B1, oraz dla Polski północnej na podstawie scenariuszy A2 i A1B (rys.1.2. 9, kol. II).
Rys.1.2. 9. 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.1.2. 10, kolumna I),
natomiast dla jesieni spadek lub niewielki
wzrost (o 1 dzień w roku)
(rys.1.2. 10,
kolumna II).
Rys.1.2. 10. 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 oC (rys.1.2. 11, kolumna II), jesienią - również dla
wszystkich scenariuszy - nawet 10 oC
(rys.1.2. 11, kolumna IV), wiosną zarówno
zmniejszenie (głównie dla Polski wschodniej) jak i zwiększenie (Wielkopolska) (rys.1.2. 11,
kolumna III), zimą - głównie wzrost amplitudy nawet o 10 oC (rys.1.2. 11, kolumna I).
Rys.1.2. 11. 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.1.2. 12) 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.
Rys.1.2. 12. Histogramy maksymalnej długości okresów bezopadowych (lewy panel) oraz wielkości
maksymalnego opadu dobowego (prawy panel) w scenariuszach A1B, A2, B1 dla lat 2011-2030 i w okresie
referencyjnym 1970-1990.
Następnie analizie został poddany parametr określający liczbę wystąpień opadów trwających
co najmniej pięć dni iż suma opadów co najmniej 50 mm. Na rys.1.2. 13 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.1.2. 13 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.1.2. 13 przeważają kolory ciepłe (od
seledynowego do czerwieni) oznaczające dodatni kierunek zmian. Dla scenariusza A2 na
rys.1.2. 13 przeważają kolory niebieski i morski odpowiadające przeciwnemu kierunkowi
zmiana.
Rys.1.2. 13. 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.1.2. 14 przedstawia względną zmianę
wielkości opadu w stosunku do okresu referencyjnego dla poszczególnych województw i
scenariuszy B1, A1B i A2.
Rys.1.2. 14. Względne zmiany wielkości opadu w stosunku do okresu referencyjnego dla poszczególnych
województw i scenariuszy B1, A1B i A2.
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.1.2. 15).
Rys.1.2. 15. Jak wyżej, ale względna zmiana liczby dni z opadem powyżej 20mm (górny rysunek) i
względna zmiana liczby dni bezdeszczowych (dolny rysunek)
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
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.1.2. 16 (Boé i in., 2007)
Rys.1.2. 16. 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
xf(d) zmiennej x w scenariuszu dla dnia d odpowiada sezonowa dystrybuanta Pc(xf(d)), gdzie P(x) =
Pr{X≤d}jest poszukiwaną empiryczną dystrybuantą symulacji kontrolnej. Wartość x, taka że
Po(x)=Pc(xf(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.
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.1.2. 4 przedstawia zestawienie
analizowanych ośrodków i posterunków meteorologicznych, z których dane wykorzystano do
opracowania prognozy.
Tab.1.2. 4. Wykaz posterunków meteorologicznych, z których dane wykorzystano do opracowania
prognozy dla poszczególnych ośrodków narciarskich.
ośrodek narciarski
Kasprowy Wierch
stacje meteorologiczne
Bielsko-Biała, Bieruń, Międzybrodzie, Katowice, Pszczyna
Barwinek, Krościenko, Limanowa, Łącko, Muszyna, Nowy Sącz,
Piwniczna
Witów, Zakopane
Kiczera
Baligród, Barwinek, Iwonicz, Komańcza, Lesko
Siepraw
Limanowa, Łącko, Maków
Śnieżnica
Jabłonka, Krościenko, Limanowa
Spytkowice
Jabłonka, Limanowa, Zawoja
Czantoria
Kamianna
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 2011-2030, 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 2011-2030, 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.1.2. 5). Wartości
temperatury skorygowano przyjmując, że różnice między danymi symulowanymi,
obserwowanymi w okresie referencyjnym są takie same jak różnice między symulacjami na
okres 2011-2030, 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 2011-2030, a
scenariuszami. Korygowano dane dobowe.
Policzono scenariusze składników klimatycznego bilansu wodnego w skali miesięcznej dla 54
wybranych stacji (tab.1.2. 5): 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 2011-2030.
Tab.1.2. 5. Wykaz stacji, dla których dokonano prognozy warunków meteorologicznych na lata 2011-2030
lp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
x
15.58
16.15
16.87
17.53
17.75
18.82
19.43
21.37
22.95
14.23
14.62
15.40
16.69
16.75
17.53
18.58
20.35
20.42
21.58
21.57
23.17
15.28
14.60
16.50
18.64
19.69
20.98
y
54.18
54.20
54.58
54.75
54.55
54.60
54.17
54.07
54.13
53.92
53.40
53.77
53.71
53.13
53.72
53.03
53.10
53.77
53.78
53.08
53.10
52.75
52.35
52.50
52.20
52.54
52.17
stacja
Kołobrzeg
Koszalin
Ustka
Łeba
Lębork
Hel
Elbląg
Kętrzyn
Suwałki
Świnoujście
Szczecin
Resko
Szczecinek
Piła
Chojnice
Toruń
Mława
Olsztyn
Mikołajki
Ostrołęka
Białystok
Gorzów Wlkp
Słubice
Poznań
Koło
Płock
Warszawa
lp
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
x
22.27
23.62
15.53
16.20
16.53
16.88
18.08
18.58
19.45
19.87
22.56
23.54
15.73
16.62
17.91
18.20
19.03
19.80
20.70
20.99
22.05
21.75
23.25
19.00
19.95
20.70
22.33
y
52.18
52.07
51.93
51.20
51.83
51.10
51.76
51.22
51.77
51.35
51.25
51.54
50.90
50.43
50.67
50.05
50.23
50.08
50.82
50.01
50.10
50.68
50.70
49.80
49.29
49.62
49.47
stacja
Siedlce
Terespol
Zielona Góra
Legnica
Leszno
Wrocław
Kalisz
Wieluń
Łódź
Sulejów
Lublin
Włodawa
Jelenia Góra
Kłodzko
Opole
Racibórz
Katowice
Kraków
Kielce
Tarnów
Rzeszów
Sandomierz
Zamość
Bielsko-Biała
Zakopane
Nowy Sącz
Lesko
Scenariusze zmian temperatury w okresie 2011-2030
Szczegółowe scenariusze zmian temperatury opracowano dla obszaru 13°-24°E oraz 48°55°N obejmującego całą Polskę z rozdzielczością poziomą 0.25° × 0.25°. 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 2011-2030, 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.
Promieniowanie ultrafioletowe
Pobrano zrekonstruowane dane historyczne oraz prognozę ozonu dla okresu 1850 -2100 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.
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
1970 – 1990 oraz dla scenariuszy A1B, A2 i B1 z RegCM przy założonych trzech
scenariuszach zmian ozonu całkowitego dla okresu 2010 – 2030. 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.1.2. 17.
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
(http://cmip-pcmdi.llnl.gov/cmip5/forcing.html#ozone_forcing) pokrywające cały glob od
1850 do 2100 roku. Na rys.1.2. 18 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.
Rys.1.2. 17. Rozkład głębokości optycznej aerozoli dla 308nm na siatce RegCM dla czerwca.
Rys.1.2. 18. 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
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
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.
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:
 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
statystyczno-
empirycznych
Adam Jaczewski, „Scenariusze zmian klimatu Polski w latach 2011-2030 z wykorzystaniem
dynamicznego regionalnego modelu klimatu RegCM3”, Środowiskowe Seminarium Zakładu
Fizyki Atmosfery, Instytut Geofizyki UW, 26.11.2010, Warszawa
Adam Jaczewski, Barbara Brzóska, Zmiany częstości zjawisk ekstremalnych w świetle
scenariuszy zmian klimatu w latach 2011-2030 na podstawie symulacji regionalnym
dynamicznym modelem klimatu”, Sympozjum Globalne zmiany klimatu i ich implikacje dla
rzeźby Polski, 1.12.2010, Warszawa
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: 16431655.
Déqué M. 2007. 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:
10.1016/j.gloplacha.2006.11.030.
European Climate Assessment & Dataset (ECA&D), http://eca.knmi.nl/.
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:
187–192. DOI 10.1007/s00704-009-0134-9.
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): 799-816.
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 1901-1996 monthly grids of terrestrial surface
climate. J of Climate 13(13): 2217-2238
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-www.dkrz.de/WDCC/ui/Compact.jsp?acronym=EH5T63L31_OM_20C3M_1_MM
Taylor, K.E.: Summarizing multiple aspects of model performance in a single diagram. J.
Geophys. Res., 106, 7183-7192, 2001 (also see PCMDI Report 55,
http://wwwpcmdi.llnl.gov/publications/ab55.html)
Uppala, S.M. et al., 2005: The ERA-40 re-analysis. Quart. J. R. Meteorol. Soc., 131, 29613012.doi:10.1256/qj.04.176
prac
mgr Barbara Brzóska
przetwarzanie wstępne – przygotowanie warunków początkowych i
brzegowych, przetwarzanie wyników symulacji, analiza, walidacja,
wizualizacja wyników modelu
mgr Aleksander Curyło
promieniowanie ultrafioletowe: prace merytoryczne, programowanie,
obliczenia, opracowanie danych AM5 i porównanie otrzymanych
wartości z wartościami zmierzonymi
dr Adam Jaczewski
koordynacja podzadania dotyczącego scenariuszy dynamicznych,
instalacja modelu RegCM na superkomputerze, wykonanie symulacji
RegCM, wizualizacja wyników symulacji, przygotowywanie raportów
mgr inż. Krystyna KoncaKędzierska
mgr inż. Krystyna PiankoKluczyńska
dr hab. Joanna Wibig
koncepcja metodyczna analizy wyników zadania, przetwarzanie
wyników symulacji, analiza, walidacja, wizualizacja wyników
modelu, korekta danych scenariuszowych
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
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
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
20-30 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
1971-1990 obejmujące opady atmosferyczne, temperaturę średnią, temperaturę
maksymalną, temperaturę minimalną,
o zaimportowano dla obszaru Polski wyniki modelu RegCM dla lat 2011-2030 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 1971-1990 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,
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.
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 1971-1990 – tzw. okres referencyjny
–
lata 2011- 2030 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 36.88°E i 36.29°N do 67.53°N do dalszych prac zawężono
ją do zakresu 14°E - 25°E i 49°N - 55°N. Rys. 1.3.1 przedstawia obszar Polski wraz z
punktami reprezentującymi wyniki modelu po zmniejszeniu domeny.
Rys. 1.3.1. Punkty reprezentujące wyniki modelu po zmniejszeniu domeny do obszaru Polski
Dalsze analizy wyników modelu związane były z wyznaczeniem średnich dobowych z 20lecia 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. 1.3.2 przedstawiono przykładowy
fragment modelu wykonany w ModelBuilderze.
Rys. 1.3.2. 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. 1.3.3).
Rys. 1.3.3. 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. 1.3.4.
Rys. 1.3.4. 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
Rys. 1.3.5. Rozkład średniej dobowej temperatury powietrza dla 1 stycznia (1971-1990); 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
T a rn ó w
3,0
2,0
1,0
0,0
1
2
3
4
5
6
7
-1,0
-2,0
mie s ią c e
8
9
10
11
12
6,0
Δ T (Tś r-TA)°C
4,0
2,0
0,0
1
11
21
31
41
51
61
71
81
91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241 251 261 271 281 291 301 311 321 331 341 351 361
-2,0
-4,0
-6,0
-8,0
dni roku
Rys. 1.3.6. Różnica średniej dobowej i średniej miesięcznej temperatury powietrza w roku
pomiędzy danymi obserwowanymi ze stacji Tarnów oraz z najbliższego punktu gridowego
(1971-1990).
Osiągnięte w okresie sprawozdawczym wyniki obejmują opracowanie bazy danych
gridowych oraz testowe jej wypełnienie danymi ze scenariuszy. Temu podstawowemu
wynikowi towarzyszy cały szereg wypracowanych drugorzędnych elementów, które powstały
w poszczególnych etapach prac. Za najważniejsze z nich należy uznać:
- wypracowanie najlepszych metod interpolacji dla średnich temperatur dobowych,
temperatur maksymalnych i minimalnych oraz średnich dobowych sum opadu,
- wypracowanie najlepszych metod interpolacji oraz gridowania dla wybranych elementów
klimatu dla wartości średnich miesięcznych i sezonowych,
- opracowywanie algorytmów i procedur do oprogramowania związanego z interpolacją
wyników modelu.
W toku realizacji prac napotkano na liczne problemy, z których za najpoważniejsze należy
uznać:
- dużą liczbę danych wejściowych (elementy x liczba dni) zapisanych w osobnych plikach,
- duże rozmiary plików pośrednich i wyjściowych,
- bardzo długi czas potrzebny na konwersję danych z formatu netCDF do formatu
„wspólnego” (dBase); format dBase wybrano ze względu na możliwość jego wykorzystania
w programach stosowanych w dalszych obliczeniach (ArcGIS, programy autorskie w języku
Delphi),
- czasochłonny proces interpolacji i „zagęszczania” siatki gridowej wynikający z dużej liczby
danych wejściowych i konieczności wytworzenia jeszcze większej liczby danych
wyjściowych,
W okresie sprawozdawczym nie nastąpiły żadne opóźnienia oraz trudności, które
uniemożliwiłyby osiągnięcie zamierzonych celów. Niektóre prace i obliczenia były
wykonywane
kilkukrotnie
w
związku
z
aktualizowanymi
danymi
wejściowymi
otrzymywanymi ze scenariuszy. Nieobecność, z powodu choroby, jednego z wykonawców
przez 4 miesiące została zrekompensowana większym zaangażowaniem pozostałych
członków zespołu.
Zadanie jest typowo aplikacyjnym i usługowym. Głównym celem jest stworzenie bazy
danych dla użytkowników zewnętrznych. Dlatego też bezpośredni wynik będzie dostępny w
postaci danych oraz podstawowego oprogramowania, za pomocą którego dane będą mogły
być pobrane i wstępnie przedstawione.
Ponadto uzyskane w trakcie realizacji projektu doświadczenia posłużą przygotowaniu
artykułu do czasopisma naukowego jak też będą prezentowane na konferencjach.
W 2010 roku przygotowano 2 manuskrypty artykułów, które powinny być opublikowane w
2011 roku.
Allen D.W., 2009, GIS Tutorial II: Spatial Analysis Workbook , ESRI Press, 416 pages,
ISBN: 9781589482012.
Cantu M., 2003, Delphi - Praktyka programowania, Mikom, Warszawa.
Łupikasza E., Ustrnul Z., Czekierda D., 2007, Rola zmiennych objaśniających w interpolacji
przestrzennej wybranych elementów klimatu, Roczniki Geomatyki, t. 5, z. 5, 55-64.
Maguire D., Batty M., Goodchild M., 2005, GIS, Spatial Analysis and Modeling, ESRI
Press, 498 pp. ISBN: 1-58948-130.
McCoy J., 2001-2004, Geoprocessing in ArcGIS, ESRI.
Mitchell A., 1999, ESRI Guide to GIS Analysis, Volume 1: Geographic Patterns and
Relationships; ESRI.
NetCDF User’s Guide for Fortran 90, An Access Interface for Self-Describing, Portable Data
Version 3.5March 2002
w: http://www.unidata.ucar.edu/software/netcdf/
Pasławski A., 2000, Programowanie w Delphi, wyd.Edition, Kraków.
Tveito O.E., Bertalanic R., Bihari Z., Dobesch H., Dolinar M., Domenkiotis Ch., Dumolard
P., Helminen J., Hoelzle M., Mensink C., Moita S., Müller-Westermaier G.,
Lhotellier R., Luna Y., Paul F., Patriche C.V., Salzmann N., Schöner W., Silva A.,
Szentimrey T., Tran H.V., Ustrnul Z., 2008, Spatialisation of climatological and
meteorological information with the support of GIS, [in:] The use of Geographic
Information Systems in climatology and meteorology, COST Office, Luxemburg, pp.
36-151.
Ustrnul Z., 2006, Spatial differentiation of air temperature in Poland using circulation types
and GIS, International Journal of Climatology, 26, 1529-1546.
Ustrnul Z., Czekierda D., 2006, Struktura rozkładu temperatury powietrza w Polsce z
wykorzystaniem Geograficznego Systemu Informacji, [w:] Współczesne problemy
klimatu Polski – fakty i niepewności, Rozdział 5, 61-84.
Ustrnul Z., Czekierda D., 2006, Metody analizy przestrzenno-czasowej w badaniach
klimatologicznych (na przykładzie Polski), Roczniki Geomatyki, T. 4, Z. 2, 147-156.
prac
prof. dr hab. Zbigniew Ustrnul inwentaryzacja metod interpolacji, walidacja oraz
opracowywanie koncepcji bazy, kierownictwo zespołem
mgr Danuta Czekierda
walidacja metod interpolacji dla różnych skal
przestrzennych i czasowych
mgr inż. Danuta Kubacka
konwersja danych do pakietów GIS-wych, analiza
uzyskiwanych pól, prace koncepcyjne i programistyczne
nad interpolacją danych
mgr inż. Piotr Kilar
opracowanie algorytmów interpolacyjnych
mgr Robert Pyrc
walidacja metod interpolacji oraz wstępna analiza danych
W ramach podzadania 1.3 koordynacja prac przebiega w sposób ciągły, tzn. wzajemne
konsultacje pomiędzy wykonawcami podzadania odbywały się na bieżąco (dla wszystkich
wykonawców miejscem pracy jest Oddział Krakowski IMGW). Średnio raz w tygodniu (z
wyjątkiem
okresu
wakacyjnego)
następowało
merytorycznych i formalno-administracyjnych.
omawianie
bieżących
problemów
PODZADANIE 1.4
Określenie wpływu zmian klimatu na plonowanie
głównych roślin uprawnych w Polsce. Model klimatrolnictwo.
1. Cel pracy
W ramach podzadania 1.4 realizowane są następujące tematy badawcze:
A1) “Określenie wpływu zmian klimatu na plonowanie głównych roślin uprawnych w
Polsce oraz opisanie wykorzystywanego modelu klimat-plonowanie”
Głównym celem jest ocena wpływu zmian klimatycznych na plonowanie głównych
roślin uprawnych w Polsce z wykorzystaniem modeli typu „pogoda-plon” (Górski 1997)
opisujących kompleksowy wpływ przebiegu warunków meteorologicznych na poziom
plonowania następujących roślin uprawnych: pszenicy (forma jara i ozima), jęczmienia
(forma jara), buraka cukrowego, ziemniaka, kukurydzy i plonów siana łąkowego. Symulacje
zostaną wykonane dla poszczególnych lat okresu bazowego oraz przyjętej perspektywy
scenariuszy zmian klimatu na lata 2011-2030
Do wykonania symulacji modele pogoda-plon wykorzystują dane meteorologiczne
(dekadowe i miesięczne) takie jak: temperatura powietrza, suma opadów atmosferycznych,
wilgotność względna powietrza z godz. 13, suma promieniowania (lub usłonecznienia), liczba
dni z pokrywą śnieżną. Dla uwzględnienia przesunięć cyklu rozwojowego roślin do
wykonania zadania konieczne są dane o rozdzielczości dobowej. Modele pogoda-plon były
wykorzystywane we wcześniejszych opracowaniach IUNG-PIB dotyczących wpływu zmian
klimatycznych na rolnictwo, a ostatnio w analizach wykonanych dla województwa
Podlaskiego (Sadowski i inni 2009), gdzie wykorzystywano dane o rozdzielczości
przestrzennej około 50 km na 50 km.
A2) “Ocena kosztów ekonomicznych zmian planowania bez uwzględnienia podjęcia
działań adaptacyjnych”
Ocena kosztów ekonomicznych zmian plonowania z przyczyn klimatycznych zostanie
wykonana z wykorzystaniem cen skupu płodów rolnych notowanych w Polsce w ostatnich
latach oraz indeksów pogodnych określających spadki plonów w poszczególnych latach dla
okresu odniesienia i dla scenariuszy klimatycznych.
 Podpisanie umowy na wykonanie zewnętrznej usługi badawczej – 18 maja 2010 r.
 Przygotowanie danych przez członków personelu badawczego z podzadania 1.2 i
przekazanie ich Wykonawcy usługi
prac
dr hab. Mirosław Miętus prof. IMGW
Koordynator podzadania, kontakt z
podwykonawca, konsultacje metodyczne.
Instytut Nawożenia i Gleboznawstwa Zespół wykonawców pod kierunkiem dr.
Państwowy Instytut Badawczy
Jerzego Koryzy.
dr Adam Jaczewski
Przygotowanie danych scenariuszowych dla
wykonawcy opracowań na rzecz zad.1.4 oraz
zad.4.
Mgr Dawid Biernacik
Przygotowanie danych historycznych i dla
Mgr Robert Wójcik
wykonawcy opracowań na rzecz zad.1.4 oraz
zad.4.
Określenie wpływu zmian klimatu na wybrane sektory
gospodarki narodowej. Model klimat-ekonomia.
PODZADANIE 1.5
1. Cel pracy
W ramach podzadania 1.5 realizowane są następujące tematy badawcze:
Podzadanie 1.5 uwzględnia następujące tematy badawcze:
1)
„Analizę skutków ekonomicznych zmian klimatycznych w wybranych
gałęziach przemysłu”,
Wykonawca opracuje model klimat-ekonomia uwzględniający wpływ poszczególnych
wskaźników charakteryzujących zmiany klimatu i zjawiska pochodne na funkcjonowanie
poszczególnych sektorów gospodarki (w wybranych przypadkach: procesów i/lub
technologii) na podstawie identyfikacji wskazującej sektory wrażliwe, z obowiązkowym
uwzględnieniem następujących działów gospodarki (wg PKD):
a)
wytwarzanie
i
zaopatrywanie
w
energię
elektryczną,
i gorącą wodę,
b)
górnictwo węgla kamiennego i brunatnego,
c)
produkcja koksu i produktów rafinacji ropy naftowej,
d)
produkcja wyrobów chemicznych,
e)
produkcja wyrobów ceramicznych,
f)
produkcja cementu,
g)
produkcja metali,
h)
budownictwo (zmiany dynamiki i struktury sektora),
gaz,
parę
wodną
Wykonawca uwzględnieni dodatkowo inne sektory gospodarki niż wymienione pod lit. a-h, w
zależności od wyników identyfikacji sektorów wrażliwych. Wykonawca wykona badania na
reprezentatywnej próbie przedsiębiorstw. Analiza nie będzie obejmować następujących
sektorów: rolnictwo, leśnictwo, gospodarka wodna (gospodarowanie zasobami wodnymi),
ochrona przyrody (zmiany w ekosystemach), ochrona zdrowia, gospodarstwa domowe,
usługi.
2)
„Analizę skutków ekonomicznych zmiany klimatu w sektorze rejestrowanych
usług turystycznych oferowanych sezonowo i całorocznie oraz w ruchu turystycznym”,
Wykonawca
opracuje
model
uwzględniający
wpływ
poszczególnych
wskaźników
charakteryzujących zmiany klimatu i zjawiska pochodne na ruch turystyczny oraz
funkcjonowanie samego sektora usług turystycznych, z uwzględnieniem zależności sektora od
samych usługobiorców – ruchu turystycznego i potencjalnego bezpośredniego wpływu
skutków zmian klimatycznych na świadczenie usług turystycznych oraz rejestrowanych
ruchów (przepływów) turystów według różnych form i kierunków turystyki z wyłączeniem
aktywności niezależnych (lub zależnych w stopniu nieistotnym) od warunków pogodowych.
Wykonawca określi zmiany w ruchu turystycznym w oparciu o dane historyczne oraz
opracowanie prognozy dla wybranych scenariuszy zmian klimatycznych, z wykorzystaniem
w szczególności turystycznego indeksu klimatycznego (TCI) i jego wpływu na popyt na
usługi turystyczne. Wykonawca uzależni wartość indeksu TCI od następujących parametrów:
maksymalne i średnie temperatury dla danego regionu, wilgotność, wielkość i częstotliwość
opadów, liczba dni słonecznych, średnia prędkość wiatru. Wykonawca wyliczy indeks TCI
dla poszczególnych regionów Polski (w układzie NUTS2).
3) Określenie wpływu zmian klimatu na wybrane sektory gospodarki
narodowej. Model klimat-ekonomia: Określenie skutków ekonomicznych
zmiany klimatu Polski na przykładzie wybranych stacji narciarskich”
Analiza obejmuje wykonanie następujących prac
A.
Zdefiniowanie próby badawczej odbędzie się przy wykorzystaniu doświadczenia
eksperckiego, współpracy z branżą realizowaną poprzez redakcję czasopisma „Resort
Narciarski,” Stowarzyszenie Polskich Stacji Narciarskich i Turystycznych oraz dedykowane
konferencje właścicieli stacji.
B.
Dobór próby. Dobór będzie miał charakter warstwowo- celowy. Najważniejszym
kryterium będzie wysokość npm, niezależnie od rozmieszczenia geograficznego na terenie
Polski. Obszarem badawczym będzie obszar całego kraju, w praktyce Polski południowej.
Drugim kryterium będzie charakter ośrodka narciarskiego, można tu wymienić: podmiejski,
górski całosezonowy, górski weekendowy. Ostatecznym kryterium będzie dostępność
danych, wyrażona poprzez skłonność ośrodków do ich udostępnienia.
Rozwiązaniem poprawnym byłby dobór ośrodków położnych co 200 m wysokości
bezwzględnej.
C.
Przeprowadzenie analizy rentowności ośrodków (wykonana przy współpracy z
właścicielami
wybranych
ośrodków
narciarskich
z
pełnym
uwzględnieniem
ich
zróżnicowanej specyfiki)
D
Oszacowanie wpływu ocieplenia klimatu na istniejące resorty, określenie zmian
położenie granicy opłacalności ośrodka definiowanej w wysokości n.p.m – ocena możliwości
i opłacalności działania;
E
Określenie podjęcia koniecznych i wskazanych działań adaptacyjnych przez ośrodki
narciarskie (dywersyfikacja działalności, zwiększenie zakresu śnieżenia, relokacja na stoki
północne),
4) Określenie wpływu zmian klimatu na wybrane sektory gospodarki
narodowej. Model klimat-ekonomia: Zmiany klimatu i ich wpływ na
środowisko naturalne Polski oraz określenie ich skutków ekonomicznych w
sektorze gospodarki wodnej (zaopatrzenie w wodę i oczyszczanie ścieków)”
Analiza obejmuje wykonanie następujących prac:
1) Przygotowanie założeń do wprowadzenia modelu zlewniowego systemu opłat za pobór
wód z uwzględnieniem przewidywanych niedoborów,
2) Przygotowanie próby badawczej obejmującej operatorów wod-kan. o liczebności min
70% rynku tych usług mierzonych objętością dostarczanej wody, odbieranych ścieków
3) Analiza konsekwencji wzrostu niedoborów wody i potencjalnych metod dostosowania
mechanizmów rynkowych i administracyjnych do tego zjawiska
4) Określenie zbiorowości operatorów ponoszących skutki zmian dostępności zasobów i
konsekwencji kosztowych,
5) Określenie wzrostu kosztów zaopatrzenia w wodę (w zł/m3 oraz w %),
6) Określenie konsekwencji dla podstawowych odbiorców –gospodarstw domowych; zmiana
obciążeń finansowych, skala reakcji popytowych,
7) Konsultacja przy budowie modelu całej gospodarki wodnej (sektor komunalny,
energetyka, ochrona p-pow i inne formy korzystania z wód) dla zlewni Raby,
8) Przegląd metod wyceny wybranych elementów środowiska,
9) Analiza i rekomendacje dla konkretnych przypadków

Podpisanie umów na wykonanie zewnętrznych usług badawczyc

Przygotowanie danych przez członków personelu badawczego z podzadania 1.2 i
przekazanie ich Wykonawcy usługi
prac
dr hab. Mirosław Miętus prof. IMGW
Koordynator podzadania, kontakt z
podwykonawcami
Szkoła Główna Handlowa, indywidualni Zespół wykonawców opracowań 1)-2)
specjaliści, koordynator dr Maciej
Cygler
dr hab. Jadwiga Berbeka prof. UE w
Krakowie
Wykonawca opracowania 3)
dr hab. Krzysztof Berbeka prof. UE w
Krakowie
Wykonawca opracowania 4)
mgr Robert Pyrc
Przygotowanie danych historycznych dla
wykonawcy opracowania 3)
Przygotowanie danych scenariuszowych dla
wykonawcy opracowania 3)
Przygotowanie danych historycznych i
scenariuszowych dla wykonawcy opracowań 1)2)
dr Adam Jaczewski
mgr Dawid Biernacik
mgr Robert Wójcik

Raport Zadanie 1 - klimat - Instytut Meteorologii i Gospodarki Wodnej

Transkrypt

Podobne dokumenty

DPD Dodatkowe zalecenia - elektronika i sprzęt RTV AGD

Rysunek architektoniczno