このレッスンで使用される NetCDF ファイルは、ベースライン気候データと、将来的に予測される気候シナリオのマルチモデル アンサンブル (MME) の 2 つのカテゴリに分類されます。将来の気候シナリオの正式名称は、RCP 2.6/RCP 4.5/RCP 6.0/RCP 8.5 の排出シナリオについて、モデル参照期間 (1986 年~ 2005 年) と 2020 年~ 2039 年/2040 年~ 2059 年/2060 年~ 2079 年/2080 年~ 2099 年の年間/月間異常気温/降水量を比較するマルチモデル アンサンブルです。

これらの NetCDF ファイルには、いずれも分解能 1.0 度の連続的なグローバル データが含まれています。これを、ラスター レイヤー、フィーチャ レイヤー、またはテーブル ビューとして ArcGIS にインポートすることができます。各レコードについて緯度 (-90 度~ 90 度) と経度 (-180 度~ 180 度) の一意の組み合わせがあり、合計でそれぞれ 64,800 個のセル、ポイント、または行が生成されます。レイヤーを作成する場合は、WGS 1984 地理座標系を空間参照として使用します。

ベースライン データ

  • baseline_pr_annual_mean_1986_2005.nc: 1986 年~ 2005 年の平均年間降水量 (mm/年)。各年の一日降水量の合計と、その年間合計の平均を導き出すことで算出されます。
  • baseline_pr_monthly_mean_1986_2005.nc: 1986 年~ 2005 年の平均月間降水量 (mm/月)。各月の一日降水量の合計と、すべての年の各暦月の平均を導き出すことで算出されます。
  • baseline_tas_annual_mean_1986_2005.nc: 1986 年~ 2005 年の、地表 2 メートル地点の平均年間気温 (単位: 摂氏)。各年の一日平均気温の平均と、その年間平均の平均値を導き出すことで算出されます。
  • baseline_tas_monthly_mean_1986_2005.nc: 1986 年~ 2005 年の、地表 2 メートル地点の平均月間気温 (単位: 摂氏)。各月の一日平均気温の平均と、すべての年の各暦月の平均を導き出すことで算出されます。

これらのベースライン データセットは単なる観測データではなく、再解析データです。モデルと観測データを組み合わせ、1986 年から 2005 年までの気候の包括的な記録を作成しました。

推奨引用: Amman, C., Boehnert, J., and Wilhelmi, O. 2018. "World Climate Data CMIP5 Multi Model Ensemble". Research Applications Laboratory, National Center for Atmospheric Research, Boulder, Colorado. Obtained online <date> at https://learn.arcgis.com/en/projects/explore-future-climate-projections/.

MME データ

MME ファイルの命名規則には、CMIP5 の異常データであることと、MME から生成したものであることを示す規則があります。この名称には、可変要素 (pr: 降水量、tas: 地表 2 メートル地点の気温)、統計 (平均、標準偏差)、シナリオ (rcp26、rcp45、rcp60、rcp85)、そして予想される異常値が適用される将来の 20 年間の期間も含まれます。異常データは、ベースライン気候と将来予測との違いを表すため、比較的小さな値となります。将来の予測気温または降水レベルのレイヤーを作成するには、ArcGIS ジオプロセシング ツールを使用して、適切なベースライン データを異常値に追加します。

次の NetCDF ファイルが用意されています。

  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_pr_annual_mean_multi-model-ensemble_rcp85_2080-2099.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_pr_annual_stddev_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_pr_annual_stddev _multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_pr_annual_stddev _multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_pr_annual_stddev _multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_pr_annual_stddev _multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_pr_annual_stddev _multi-model-ensemble_rcp85_2080-2099.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_pr_monthly_mean_multi-model-ensemble_rcp85_2080-2099.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_pr_monthly_stddev_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_pr_monthly_stddev _multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_pr_monthly_stddev _multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_pr_monthly_stddev _multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_pr_monthly_stddev _multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_pr_monthly_stddev _multi-model-ensemble_rcp85_2080-2099.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_tas_annual_mean_multi-model-ensemble_rcp85_2080-2099.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_tas_annual_stddev_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_tas_annual_stddev _multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_tas_annual_stddev _multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_tas_annual_stddev _multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_tas_annual_stddev _multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_tas_annual_stddev _multi-model-ensemble_rcp85_2080-2099.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_tas_monthly_mean_multi-model-ensemble_rcp85_2080-2099.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp26_2020-2039.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp26_2040-2059.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp26_2060-2079.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp26_2080-2099.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp45_2020-2039.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp45_2040-2059.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp45_2060-2079.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp45_2080-2099.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp60_2020-2039.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp60_2040-2059.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp60_2060-2079.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp60_2080-2099.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp85_2020-2039.nc
  • cmip5_anomaly_tas_monthly_stddev_multi-model-ensemble_rcp85_2040-2059.nc
  • cmip5_anomaly_tas_monthly_stddev _multi-model-ensemble_rcp85_2060-2079.nc
  • cmip5_anomaly_tas_monthly_stddev _multi-model-ensemble_rcp85_2080-2099.nc

MME について

MME は、将来予測される気候に関する 10 個のモデルから導き出された、年間/月間気温および降水量の異常値の平均と標準偏差を示します。このアンサンブルで使われる 10 個のモデルは、RCP 2.6/RCP 4.5/RCP 6.0/RCP 8.5 の排出シナリオに関する、気候変動に関する政府間パネル (IPCC) 第 5 次評価報告書をもとに作成しました。

MME の年間/月間平均の異常値とは、すべてのモデルについて、20 年刻みの期間の各年または各月の平均気温または降水量の異常値を平均し、それを各モデルの参照期間 (1986 年~ 2005 年) と比較した値です。

MME には標準偏差も含まれています。これは、20 年刻みの期間における 10 モデルの変動量を、各モデルの参照期間 (1986 年~ 2005 年) と比較した値です。

MME の 10 モデルは、いずれも第 5 次結合モデル相互比較プロジェクト (CMIP5) の一部です。これらのモデルは、代表濃度経路 (RCP) と呼ばれるシナリオに基づく、将来予測される気温を表します。CMIP5 は気候実験の枠組みを提供し、大気に排出される温室効果ガス (GHG) RCP のさまざまな濃度によって、将来的に考えうるシナリオを想定します。RCP は、2100 年までの放射強制 (温室効果ガスの強度) のレベルに従って命名されています。この MME では、将来の気候予想を 4 つの期間 (2020 年~ 2039 年、2040 年~ 2059 年、2060 年~ 2079 年、2080 年~ 2099 年) に分類しています。これらの期間の平均値とは、当該期間 (20 年間) の平均値であるため、年単位で自然に起こりうる変化量が平準化されます。

低排出経路の放射強制力は、2100 年までに 1 平方メートルあたり 3 ワット (W/m2) 前後でピークに達します。これを RCP 2.6 と呼びます。放射強制力が 2100 年までに中位安定する経路は、6 W/m2 (RCP 6.0) と 4.5 W/m2 (RCP 4.5) です。また、高位安定する経路 (RCP 8.5) では、2100 年までに 8.5 W/m2 になります。

データの処理

リグリッド: 10 個のモデルのそれぞれについて、まず 1 度 x 1 度の共通グリッドにリグリッドしました。

気候学: 元データは、月単位の時系列で表されています。20 年間隔は、主な期間 (2020 年~ 2039 年、2040 年~ 2059 年、2060 年~ 2079 年、2080 年~ 2099 年) について計算されています。年間平均は、年間データをもとに計算しています。

異常値の計算: 各期間を現在 (1986 年~ 2005 年) と比較し、変化または異常値を算出します。

データ免責事項

本データの使用時には、National Center for Atmospheric Research (アメリカ大気研究センター、NCAR) および NCAR GIS プログラムに対して謝意を表すこととします。NCAR は National Science Foundation (アメリカ国立科学財団、NSF) の資金提供を受け、University Corporation for Atmospheric Research (大気研究大学連合、UCAR) が管理している機関です。

本レポートに記載のデータおよび情報は研究目的でのみ使用されます。レポートは現状のまま提供され、明示的であれ暗黙的であれ、いかなる表明や保証は行いません。表明や保証はすべて免責の対象となります。これには、商品性や特定目的適合性に関する暗黙的な保証が含まれますが、これに限りません。これまでの実績から、このような種類のレポートやモデルから生成されたデータの適時性、分解能、そしてデータが使用される方法は、人々や資産の安全性に関する即時的または短期的な決断を下す際に、データの効果的または確実な使用をサポートするわけではありません。データと情報の使用については、ユーザーがすべてのリスクを想定する必要があります。UCAR、またはデータや情報の作成、生成、表示に関与するその他の関係者は、直接的、特別、間接的、付随的、派生的な損害 (利益の損失を含む) の責任を負わないこととします。

ソース モデル

このアンサンブルで使われる 10 個のモデルは、RCP 2.6/RCP 4.5/RCP 6.0/RCP 8.5 の排出シナリオに関する、気候変動に関する政府間パネル (IPCC) 第 5 次評価報告書をもとに作成しました。

モデル名 モデル作成機関

ACCESS1.0

Commonwealth Scientific and Industrial Research Organization (CSIRO) および Bureau of Meteorology (BOM、オーストラリア気象局)。

これは歴史気候再現実験であり、1850 年から 2006 年までの世界の気候を、過去の強制力をもとにシミュレートしたものです。この実験は、ARC Centre of Excellence for Climate System Science (ARCCSS) が実施しました。このモデル シミュレーションは、CMIP5 に対して Australian Community Climate and Earth System Simulator Coupled Model (ACCESS-CM) が提供した情報の一部です。ACCESS-CM には、ACCESS1.0 と ACCESS1.3 の 2 つのバージョンがあります。

ACCESS1.0 では、英国気象庁の UM 大気モデル、GFDL MOM4p1 海洋モデル、LANL CICE4.1 海氷モデル、MOSES2 地表モデルを使用しています。歴史気候再現実験は 20 世紀の気候に関する長期的なシミュレーションであり、太陽、火山、成層圏エアロゾル、人為起源エアロゾル、排ガス、温室効果ガス濃度といった、すべての強制力が含まれます。温室効果ガス濃度とは、CO2、N2O、CH4、CFC11、CFC12、CFC113、HCFC22、HFC125、HFC134a の濃度を指します。シミュレーションの対象期間は 1850 年から 2005 年であり、産業革命前基準 (piControl) 実験の 351 年目から分岐しています。アンサンブルの要素は、特定の初期状態 (r)、初期化方法 (i)、摂動物理バージョン (p) を表す 3 つの整数によって定義されます。これらは、特定のモデルでのみ有効となるものです。すなわち、r2i1p1 は ACCESS1.0 の r1i1p1 シミュレーションと同じ初期化スキームと物理スキームがありますが、初期状態は異なります。

CanESM2

Canadian Centre for Climate Modelling and Analysis。Canadian Earth System Model (CanESM2) の第 2 世代は、物理的に結合した大気海洋モデル (CanCM4) を、陸域炭素モデル (CTEM) および海洋炭素モデル (CMOC) に結合したもので構成されます。

CCSM4

National Center for Atmospheric Research (アメリカ大気研究センター)。地球気候システムをシミュレートする結合気候モデル。地球の大気、海洋、地表、海氷を同時にシミュレートする 4 つの個別システムと、中央の結合コンポーネントで構成されます。

CESM1

Community Earth System Model Contributors。Community Earth System Model (CESM) は、地球気候システムをシミュレートする結合気候モデルです。地球の大気、海洋、地表、海氷を同時にシミュレートする 4 つの個別システムと、中央の結合コンポーネントで構成されます。

CMCC-CM

Centro Euro-Mediterraneo per I Cambiamenti Climatici。Centro Euro-Mediterraneo sui Cambiamenti Climatici Climate Model (CMCC-CM) は、大気海洋結合大循環モデルです。

CNRM-CM5

Centre National de Recherches Météorologiques/Centre Européen de Recherche et Formation Avancée en Calcul Scientifique (CERFACS)。CNRM-CM5 とは、気候シミュレーションを実行する地球システム モデルです。個別に策定された複数の既存モデルを、CERFACS で開発された OASIS ソフトウェアで結合しています。

GFDL-CM3

NOAA Geophysical Fluid Dynamics Laboratory。海氷、海洋、土地被膜、標高、陸域と水域の熱流、雲の種類、複数高度での大気化学の特徴、そして人為起源の強制力による近年の気候変動と長期的な自然起源の気候変動との比較を考慮に入れた大気大循環モデルです。

HADGEM2-ES

英国気象庁ハドレー気候予測研究センター (Instituto Nacional de Pesquisas Espaciais による HadGEM2-ES の実現モデル)。大気、海洋、海氷、地表を考慮に入れた、完全結合の地球システム モデル。HadGEM2-AO と新しい水文学方式 (湿地帯のメタン)。陸域生態系: 動的植生、土壌 C、TRIFFID、RothC。海洋生態系: NPZD、珪藻植物、非珪藻植物、Diat-HadOCC、エアロゾル: 硫酸塩、BC、OC、粉塵、海塩、既存のエアロゾル方式に改良を加えたもの。対流圏の化学的性質: オゾン、メタン、酸化体。UKCA

MPI-ESM-MR

Max-Planck-Institut für Meteorologie (Max Planck Institute for Meteorology)。MPI-ESM では、エネルギー、運動、水、二酸化炭素の交換を通じて、大気、海洋、地表を結合しています。MPI-ESM は科学コミュニティで自由に活用でき、ライセンスがあれば MPI-M モデル配布 Web サイトから入手可能です。

MRI-CGCM3

Meteorological Research Institute (気象研究所)。MRI-CGCM3 は、大気と陸域、エアロゾル、海洋と海氷のモデルで構成されます。産業革命前基準の実験、歴史気候再現実験、気候感度実験は MRI-CGCM3 で実施されています。産業革命前基準の実験では、少なくとも放射収支、地表付近の気温、海洋循環の主要指標については、モデルは気候変動なく非常に安定しています。海面水温 (SST) の変動は小さいですが、地表面では 1 Wm/2 の熱の不均衡が見られます。