[論文レビュー] CMIP3 ensemble spread, model similarity, and climate prediction uncertainty

Stephen Jewson, Ed Hawkins|ArXiv.org|Sep 10, 2009

Climate variability and models参考文献 3被引用数 7

ひとこと要約

本稿では、モデルの類似性と共通する構造的欠陥のため、CMIP3モデルアンサンブルのばらつきが真の気候予測不確実性を低く見積もっていると主張している。相関を仮定した多変量正規分布モデルを用い、アンサンブルばらつきの数学的インフレーション係数を導出。相関が高いほど、より広がり、現実的になる不確実性推定が得られ、予測のばらつきを危いアンサンブルばらつきを超えて改善するフレームワークを提供する。

ABSTRACT

The CMIP3 multi-model ensemble spread most likely underestimates the real model uncertainty in future climate predictions because of the similarity, and shared defects, of the models in the ensemble. To generate an appropriate level of uncertainty, the spread needs inflating. We derive the mathematical connection between an assumed level of correlation between the model output and the necessary inflation of the spread, and illustrate the connection by making temperature predictions for the UK for the 21st century using four different correlation scenarios.

研究の動機と目的

• CMIP3モデルアンサンブルばらつきが、モデル間の依存関係と共通する構造的欠陥のため、真の気候予測不確実性を低く見積もっている理由を調査すること。
• モデルを独立とみなさず、仮定されたモデル相関に基づいてアンサンブルばらつきを調整する統計的フレームワークを構築すること。
• 真の気候結果の分布を反映するように、アンサンブル不確実性をインフレートする方法を提供すること。
• 恣意的なばらつきインフレートの代替手段として、相関に基づく数学的モデルに裏付けられた不確実性調整を提供すること。

提案手法

• モデルの温度予測を、未知の平均 μ と未知の相関行列 Σ を持つ多変量正規分布からの相関サンプルとみなす。
• 平均の最尤推定はアンサンブル平均であるが、構造的相関行列を仮定したもとでの分散推定が行われる。
• 特定の相関構造を仮定する：すべてのモデルペアが同じ相関 r を持つことから、相関行列 C = (1−r)I + r1 が得られる。
• この相関行列の逆行列は解析的に導出され、C⁻¹ = αI + β1 と表され、ここで α = 1/(1−r) および β = r/[(r−1)(1−r+rn)] である。
• 得られた分散推定は相関を考慮しており、r が大きいほど推定分散が大きくなり、不確実性がインフレートすることが示される。
• この手法は、4つの異なる相関シナリオ（r = 0, 0.2, 0.4, 0.6）におけるUKの21世紀気温予測に適用された。

実験結果

リサーチクエスチョン

• RQ1 モデル相関が、CMIP3アンサンブルばらつきを気候予測不確実性の指標として解釈する際にどのように影響を与えるか？
• RQ2 CMIP3モデル間の類似性が、真の予測不確実性の低く見積もられることにどの程度寄与しているか？
• RQ3 仮定されたモデル相関と必要なアンサンブルばらつきのインフレーションとの間には、どのような数学的関係があるか？
• RQ4 相関に基づくフレームワークは、原始的なアンサンブルばらつきを使用する場合と比較して、確率的気候予測をどのように改善できるか？
• RQ5 構造的相関仮定は、恣意的なばらつきインフレートよりも、不確実性評価の根拠をより説得力あるものにできるか？

主な発見

• CMIP3アンサンブルばらつきは、モデルの類似性と共通する構造的欠陥のため、真の気候予測不確実性を体系的に低く見積もっている。
• 仮定されたモデル相関 r は、アンサンブルばらつきの必要インフレーションを直接決定し、r が大きいほど顕著に広がった不確実性推定が得られる。
• アンサンブルサイズ n が一定のとき、分散推定は r とともに増加し、相関が不確実性を定量的にインフレートすることを示している。
• この手法は、中程度の相関（r = 0.4）ですでに独立モデル仮定（r = 0）と比較して顕著な不確実性インフレートを示している。
• このフレームワークは、恣意的なばらつきインフレートの代替手段として、モデル相関の統計的モデルに裏付けられた不確実性調整を提供する。
• このアプローチは、同じ平均を持つが不確実性レベルが異なる予測が等価ではないことを示唆しており、不確実性を考慮した意思決定の必要性を強調している。