ような大気中の環境(湿度や循環、成層の強さ)にまで視野を広げることもできます。そうすれば、雲フィードバックがどのような原因から生じているのか、見当を付けることができます。例えば、温暖化に伴い大気下層で成層が弱まっていれば、大気上層の乾いた空気と大気下層の湿った空気との混合が起こりやすくなるため、大気下層が乾燥化し、下層雲が生成・維持されにくい環境になっているとわかります。 このように、雲フィードバックを制御する要因を複数のモデルで調査し、相互比較することにより、モデル間に雲フィードバックの違いが生じている仕組みを明らかにできます。つまり、雲フィードバックの不確実性について理解が深まります。これが、CFMIPの目指す目標の第2段階です。 雲フィードバックの不確実性を理解できた場合、最後に問題となるのは、予測結果の信頼性が高いのはどのモデルか、ということです。通常であれば、モデルによるシミュレーション結果を観測と比較し、観測とよく一致するモデルほど信頼性が高い、と考えるところです。しかし、いま問題となっているのはCO2濃度を4倍に増加させた場合の雲フィードバックですので、シミュレーション結果と比較するべき観測データがありません。 このような場合は、雲フィードバックを制御する様々な要因の中から現在気候の観測可能な変数を探し出し、その変数に注目してシミュレーション結果と観測データを比較します。そして、観測データとの一致のよさを様々なモデルについて検討すれば、あまり一致しないモデルはよく一致するモデルと比べて信頼性が低いと考えることができます。信頼性の低いモデルを棄却すれば、モデル間のばらつきは狭まりますので、雲フィードバックの不確実性の低減につながります。これが、CFMIPの目指す目標の第3段階です。 このように、MIPはシミュレーションによる将来予測で避けることのできない不確実性について、定量化・理解することに役立ちます。さらに、上手くいけば不確実性を低減できる可能性もあります。
元のページ ../index.html#28