Quasi-global, land-only, high-resolution and spatially averaged climate variables from downscaled CMIP6 models for climate impact research

今後数十年の間に気候がどのように変化するかを理解するために、科学者はグローバル・クライメート・モデル（地球規模気候モデル）と呼ばれる大規模なコンピュータ・シミュレーションに依拠しています。これらのプログラムは、地球のデジタルツインとして機能し、将来の天候パターンを予測するために、大気、海洋、陸地の複雑なダンスをシミュレートします。しかし、これらのモデルには重大な盲点があります。それは、彼らが詳細ではなく、大局的な全体像を見るように作られていることです。地球は非常に広大であるため、これらのモデルは地球を、しばしば数百マイルにも及ぶ大きな粗いグリッド・スクエア（格子状の区画）に分割します。各区画内では、モデルは平均気温や降水量を計算しますが、その過程で、現実世界の天候を非常に特殊なものにしている丘陵、谷、海岸線といった細部を平滑化してしまいます。特定の谷に住む農家や、特定の都市における感染症の発生を計画している公衆衛生当局にとって、この広範な平均値では不十分です。彼らは、大陸規模の地域についてではなく、自分たちの玄関先でどのような天候になるかを知る必要があるのです。

このグローバルな予測とローカルな現実との間のギャップこそが、インペリアル・カレッジ・ロンドンとリーズ大学の研究者らによって作成された新しいデータセットが取り組んでいる中心的な課題です。研究チームは、これらの粗いグローバル・クライメート・モデルを取り込み、わずか数マイルのスケールで日々の天候変化を示す高解像度の地図へと精緻化する手法を開発しました。彼らの研究は、気候変動性が高く、多くの感染症が蔓延する世界の熱帯地域に焦点を当てています。データをこれまでになかったレベルの詳細さへと精緻化することで、彼らは、温暖化する世界に関する一般的な警告から、特定のコミュニティに対する精密な予測へと研究者が移行することを可能にするツールを提供しました。

研究者たちは、人間の活動による異なるシナリオの下での将来の気候条件を投影するために科学者が用いる主要なツールである、6つの異なるグローバル・クライメート・モデルから着手しました。これらのモデルは、排出量が抑制される緩やかな未来を表すものと、化石燃料の使用が継続的に増加する高排出の未来を表すものという、2つの異なる経路を実行しています。生の出力は1985年から2100年までの期間をカバーしていますが、データは粗すぎて系統的な誤差が含まれています。例えば、あるモデルは、特定の地域において実際よりもわずかに暑すぎたり、湿りすぎたりすると一貫して予測してしまうことがあります。これを修正するために、チームは「ダブル・バイアス補正構成アナローグ（Double Bias-Corrected Constructed Analogues）」と呼ばれる高度な統計的手法を適用しました。この手法は、モデルの予測を、すでに実際に起こった天候の現実世界の観測結果と比較することによって機能します。これは本質的に、モデルに対して、現在の条件に似た過去の数日間を振り返り、それらの歴史的なパターンを用いてモデルのミスを修正するように求めるものです。このプロセスは、エラーを修正するだけでなく、欠落している詳細をも補完し、日々の気温、湿度、降水量の高解像度な画像を作り出します。

その結果、赤道から北緯60度から南緯60度の間の12の陸域地域をカバーする膨大なデータ・コレクションが得られました。このゾーンは、世界の熱帯および亜熱帯地域の大部分を含んでいます。データは0.1度という解像度で提供されており、これはおよそ6マイル（約9.6キロメートル）幅のグリッド・スクエアに相当します。これは、以前のデータセットがしばしば15 AU（天文単位）以上であったことと比較すると、大幅な改善です。チームは、日中の最高・最低気温、湿度レベル、総降水量を含む6つの主要な変数について、日次の天候記録を作成しました。彼らは、手法が機能することを確認するための歴史的期間（1985年から2014年）と、予測を提供するための将来の期間（2015年から2100年）の両方をカバーしました。決定権を持つ人々の多くは、グリッド・スクエアではなく政治的な境界線に沿ったデータを必要としていることを認識し、彼らは情報を集計するという重要なステップも踏みました。彼らは、110の国とそのサブリージョン（下位地域）の平均天候条件を算出し、その際、人々が実際に居住している場所に重み付けを行いました。これにより、データは単なる空き地ではなく、人口が経験する気候を反映することになり、保健介入や資源管理の計画に直接役立つものとなっています。

作業の品質を確保するために、研究者たちは新しいデータを現実世界の観測結果に対して厳格にテストしました。彼らは、1985年から2014年までのダウンスケールされた歴史的データと、人工衛星や地上観測所からの実際の天候記録を比較しました。その結果、生のモデルと比較して劇的な改善が見られました。元のモデルはしばしば大きな誤差を含んでおり、気温が数度ずれていたり、降水量が極端に不正確であったりすることがありました。補正プロセスを経た後、これらの誤差は大幅に縮小しました。新しいデータは、現実世界の季節サイクルにより密接に一致し、雨季のタイミングや熱波の強度をより高い精度で捉えていました。チームはまた、激しい雨や危険な高温の日といった極端な事象を、データがどの程度適切に表現できているかも確認しました。彼らは、補正されたデータがこれらの極端な日の頻度をうまく再現していることを見出しました。これは、洪水や熱ストレスなどのリスクを評価する上で極めて重要な要素です。

将来の予測を見ると、研究者たちは、気候変動の一般的な方向性は生のモデルと一致しているものの、詳細はより明確になっていることを見出しました。将来のシナリオにおいて、データは当該地域における温暖化傾向を示しましたが、高解像度マップは、この温暖化がさまざまな地形によってどのように変化するかを明らかにしました。例えば、アンデス山脈のような山岳地帯では、生のモデルは複雑な地形を表現することに苦戦し、しばしば独特の気候パターンを平滑化してしまっていました。新しいデータはこの領域を明確に解明し、これらの高標高地域における温暖化のシグナルが、実は周囲の低地よりも強度が低いことを示しました。同様に、降水量については、新しいデータは、広範な湿潤化または乾燥化の傾向は維持されているものの、局所的なパターンは粗いモデルが示唆したものよりもはるかに複雑であることを示しました。一部の沿岸部や山岳地帯では、新しいデータは、生のモデルとは異なる変化の方向さえも示しており、ローカルな地理がいかに地球規模の気候シフトの影響を変え得るかを浮き彫りにしました。

研究者たちは、このデータセットが大きな前進である一方で、完璧な水晶玉ではないことにも注意深く言及しています。この手法は、大規模な天候パターンと局所的な条件との関係が将来も同様に維持されるという仮定に基づいていますが、気候が劇的に変化した場合、この仮定は成立しない可能性があります。さらに、新しいデータの精度は、モデルを補正するために使用される現実世界の観測データの質に大きく依存します。気象観測所が乏しい遠隔地においては、依然として不確実性が存在します。しかし、チームは、彼らのアプローチが元のモデルに見られる系統的な誤差を正常に取り除き、日々の天候パターンのより現実的な視点を提供できることを実証しました。このデータを使いやすい形式で自由に入手可能にすることで、彼らは科学者や政策立案者にとっての大きな障壁を取り除きました。このリソースにより、研究者は病気の拡散、作物の成育、そして水資源の変化に関するより正確なモデルを構築することが可能となり、広範な気候警告を、実行可能なローカルな知識へと変えることができるのです。