مدل‌های اقلیمی و ارزیابی آنها خلاصه‌ی اجرایی فصل حاضر ظرفیت مدل‌های اقلیمی جهانی به کار رفته در این گزارش را به منظور پیش‌بینی تغییرات اقلیمی آتی مورد ارزیابی قرار داده است. اعتماد به تخمین‌های انجام شده توسط مدل‌ها‌ پیرامون تکامل آتی اقلیم با پیشرفت‌های صورت گرفته از زمان انتشار سومین گزارش ارزیابیِ[1] IPCC (TAR) ارتقا یافته است. مدل‌های اقلیمی بر اساس اصول فیزیکی هستند که به خوبی بنا نهاده شده و نشان داده شده است که خصوصیات مشاهداتی اقلیم اخیر (به فصل‌های 8 و 9 مراجعه کنید) و تغییرات گذشته‌ی اقلیم (به فصل 6 مراجعه کنید) را بازتولید می‌کنند. اعتماد قابل توجهی وجود دارد که مدل‌های گردش عمومی اتمسفر-اقیانوس[2] (AOGCMs) تخمین‌های کمّی معتبری را از تغییرات اقلیمی آتی فراهم می‌آورند، بخصوص در مقیاس‌های قاره‌ای و بزرگ‌تر. اطمینان به این برآوردها برای برخی متغیرهای اقلیمی (برای مثال دما) بیشتر از دیگر متغیرها (برای مثال بارش) می‌باشد. این بخش به بررسی حیطه‌های پیشرفت از زمان TAR می‌پردازد: §  بررسی دقیق و پیشرفته‌ی مدل‌ها و آنالیز تشخیصی مبسوط رفتار مدل به طور فزاینده‌ای توسط تلاش‌های همکارانه‌ی بین‌الملی تسهیل شده است تا خروجی آزمایش‌های مدل انجام شده تحت شرایط معمول را جمع‌آوری و منتشر کند. این کار موجب ترغیب ارزیابی باز و جامع‌تر ارزیابی مدل‌ها شده است. تلاش برای ارزیابی مبسوط و دربر دارنده‌ی رویکرد‌های متنوع، موجب کم شدن احتمال عدم توجه به خطاهای معنی‌دار مدل می‌شود. §  مدل‌های اقلیمی تحت آزمون‌های جامع‌تر قرار می‌گیرند. از جمله‌ی این آزمون‌ها می‌توان به ارزیابی پیش‌بینی‌ها در مقیاس زمانی از روز به سال اشاره نمود. این مجموعه‌ی متنوع‌تر از آزمون‌ها موجب افزایش اعتماد به صحتی می‌شود که مدل‌ها با آن فرایندهایی را ارائه می‌دهند که بر پیش‌بینی‌های اقلیمی تأثیر می‌گذارند. §  پیشرفت‌های اساسی در درک تفاوت‌های داخلی مدل از لحاظ حساسیت اقلیمی تعادل صورت گرفته است. بازخورهای ابر به عنوان منبع اولیه‌ی این تفاوت‌ها مورد تأیید قرار گرفته‌اند، به گونه‌ای که ابرهای ارتفاع‌پایین بیشترین نقش را ایفا می‌کنند. شواهد بصری و مدل‌سازی‌های جدید قویاً از یک نرخ ترکیبی بخار آب-زوال پس‌خور حمایت می‌کنند که دارای قدرتی است که با قدرت مدل‌های چرخش عمومی قابل مقایسه می‌باشد (حدود  1 Wm-2 °C-1 که با حدود 50 درصد از افزایش میانگین گرمای جهانی مرتبط می‌باشد). بزرگی باز‌خورهای کریوسفری هنوز نامشخص است، که با دامنه‌ای از پاسخ‌های مدل‌های اقلیمی در ارتفاعات میانه تا بلند مرتبط می‌باشد. §  پیشرفت‌های مداومی در زمینه‌ی روش‌ها و پارامتری کردن‌های محاسباتی و تحلیلی صورت گرفته، و فرایندهای اضافی (برای مثال آئروسول‌های تعاملی) در بیشتر مدل‌های اقلیمی لحاظ شده‌اند. §  بیشتر AOGCMها دیگر از تنظیمات شار استفاده نمی‌کنند. تنظیمات شار پیش از این برای حفظ یک اقلیم پایدار مورد نیاز بود. در همین زمان، پیشرفت‌هایی در شبیه‌سازی بسیاری از جنبه‌های اقلیم کنونی صورت گرفته است. عدم قطعیت مرتبط با استفاده از تنظیمات شار کاهش یافته است، گرچه تمایل یک طرفه و تمایلات طویل‌مدت در شبیه‌سازی‌های کنترل AOGCM باقی مانده است. §  پیشرفت‌های صورت گرفته در شبیه‌سازی حالات مهم تغییرپذیری اقلیم موجب افزایش اعتماد کلی به نمایش فرایندهای اقلیمی مهم توسط مدل شده است. در نتیجه‌ی پیشرفت‌های استوار، برخی AOGCMها امروزه می‌توانند جنبه‌های مهمی از نوسان النینوی جنوبی[3] (ENSO) را شبیه‌سازی کنند. شبیه‌سازی نوسان مادن-جولین[4] (MJO) قانع کننده نمی‌باشد. §  توانایی AOGCMها در شبیه‌سازی رویدادهای کرانه‌ای به ویژه دوره‌های کوتاه سرما و گرما ارتقا یافته است. فراوانی و مقدار بارش نازل شده در رویدادهای شدید کمتر از مقدار واقعی تخمین زده می‌شود. §  شبیه‌سازی سیکلون‌های فراحاره‌ای پیشرفت نموده است. برخی مدل‌های استفاده شده برای پیش‌بینی تغییرات سیکلون حاره‌ای می‌توانند به طور موفقیت‌آمیزی فراوانی مشاهده شده و توزیع سیکلون‌های حاره‌ای را شبیه‌سازی کنند. §  تمایل‌های یک‌طرفه‌ی نظام‌مند در بسیاری از شبیه‌سازی‌های اقیانوس جنوبی مدل یافت می‌شوند. از آنجایی که اقیانوس جنوبی برای جذب گرمای اقیانوس حائز اهمیت می‌باشد، این امر منجر به عدم قطعیت در پاسخ اقلیمی گذرا می‌شود. §  این احتمال که ممکن است از سنجش‌های متریک مبتنی بر مشاهدات به منظور محدود کردن پیش‌بینی‌های مدل از تغییرات اقلیمی استفاده شود، برای اولین بار مورد کاوش قرار گرفت. این کار از طریق آنالیز مجموعه‌هایی از شبیه‌سازی‌های مدل انجام شد. با این وجود، مجموعه‌ای از سنجش‌های متریک‌ مدلِ اثبات شده که ممکن است به منظور باریک کردن دامنه‌ی پیش‌بینی‌های اقلیمی محتمل مورد استفاده قرار بگیرد، هنوز بایستی گسترش یابد. §  به منظور کاوش اهمیت بازخورهای چرخه‌ی کربن در سیستم اقلیم، رفتار آشکار چرخه‌ی کربن در چند مدل AOGCM اقلیمی و برخی مدل‌های سیستم زمین با پیچیدگی متوسط معرفی شد. §  مدل‌های سیستم زمین که دارای پیچیدگی متوسطی هستند عمیق‌تر از گذشته ارزیابی شدند. مقایسه‌های هماهنگ نشان داده‌اند که این مدل‌ها برای پاسخ به پرسش‌های مطرح در مقیاس‌های طویل‌مدت یا آنهایی که نیازمند تعداد زیادی شبیه‌سازی‌های مجموع یا آزمایش‌های حساسیت هستند، مفید می‌باشند. پیشرفت‌های صورت گرفته در فرمول‌بندی مدل پیشرفت‌های صورت گرفته در مدل‌های اتمسفری شامل دینامیک مجدداً فرمول‌بندی شده و طرح‌های انتقال، و تحلیل‌های فزاینده‌ی افقی و عمودی می‌باشد. مدول‌های آئروسول تعاملی در برخی مدل‌ها ادغام شده، و از طریق آنها، تأثیرات مستقیم و غیرمستقیم آئروسول‌ها امروزه بیشتر لحاظ می‌شود. پیشرفت‌های مهمی در نمایش فرایندهای زمینی صورت گرفته است. مؤلفه‌های مفرد از طریق ارزیابی نظام‌مند در برابر مشاهدات و در برابر مدل‌های جامع‌تر همچنان ارتقا می‌یابند. فرایندهای زمینی که ممکن است به طور معنی‌داری بر اقلیم بزرگ‌مقیاس طی چند دهه‌ی آینده تأثیر بگذارند، در مدل‌های اقلیمی فعلی لحاظ می‌شوند. برخی فرایندهای مهم در مقیاس‌های طویل‌مدت‌تر هنوز لحاظ نشده‌اند. پیشرفت مؤلفه‌ی اقیانوسی AOGCMs ادامه دارد. تحلیل‌ها افزایش یافته و مدل‌ها عموماً رفتار «درپوش سخت[5]» سطح اقیانوس را رها کرده‌اند. پارامتری کردن‌های فیزیکی شامل شارهای آب‌آزاد واقعی، طرح‌های اختلاط رود و دهانه‌ی رود پیشرفته، و استفاده از طرح‌های پهن‌رفت مثبت معین می‌باشند. طرح‌های اختلاط ایزوپیکنال آدیاباتیک امروزه به طور گسترده مورد استفاده قرار می‌گیرند. برخی از این پیشرفت‌ها منجر به کاهش عدم قطعیت مرتبط با استفاده از پارامتری‌ کردن‌هایی که دارای پیچیدگی کمتری هستند‌ (برای مثال شار واقعی نمک) می‌شود. پیشرفت‌های صورت گرفته در گسترش اجزای کریوسفریک AOGCM در مورد یخ دریا واضح‌ترین می‌باشد. امروزه تقریباً همه‌ی AOGCMها وضعیت فن شامل دینامیک یخ دریای پیچیده‌تر و تاحدودی شامل طبقات مختلف ضخامت یخ دریا و ترمودینامیک نسبتاً پیشرفته می‌باشند. پارامتری کردن‌ فرایندهای برف زمینی در AOGDMs دارای تغییرات قابل ملاحظه‌ای در فرمول‌بندی می‌باشد. ارزیابی نظام‌مند برف نشان می‌دهد که عدم تجانس مقیاس زیرشبکه برای شبیه‌سازی مشاهدات پوشش برف فصلی حائز اهمیت است. چند AOGCMs شامل دینامیک صفحه‌ی یخی می‌باشند؛ در کلیه‌ی AOGCMهای ارزیابی شده در این فصل و استفاده شده در فصل 10 برای پیش‌بینی تغییرات اقلیمی در قرن بیست و یکم، پوشش یخ تعیین شده است. در حال حاضر توافقی در مورد روش بهینه‌ی تقسیم منابع کامپیوتری وجود ندارد: شبکه‌های رقومی ریزتر که امکان شبیه‌سازی‌های بهتر را فراهم می‌آورند؛ تعداد بیشتر اعضای مجموعه که امکان تخمین‌های آماری بهتر عدم قطعیت را فراهم می‌آورند؛ و شمول مجموعه‌ی کامل‌تری از فرایندها (برای مثال بازخورهای کربن، کنش‌های متقابل شیمی اتمسفری). پیشرفت‌های صورت گرفته در شبیه‌سازی اقلیمی مدل الگوهای بزرگ‌مقیاس تغییرات فصلی در میدان‌های اتمسفری مهم متعدد امروزه توسط AOGCMs بهتر از زمانTAR  شبیه‌سازی می‌شوند. نکته‌ی قابل توجه این است که خطاهای صورت گرفته در شبیه‌سازی میانگین ماهانه، توزیع جهانی بارش، فشار در سطح دریا و دمای هوای سطحی همگی کاهش می‌یابند. در برخی مدل‌ها، شبیه‌سازی ابرهای کم‌عمق دریایی، که برای شبیه‌سازی صحیح دمای سطح آب و بازخور ابر حائز اهمیت می‌باشد، نیز پیشرفت کرده‌است. با این وجود، هنوز کمبودهای مهمی در شبیه‌سازی ابرها و بارش حاره‌ای وجود دارد (با تأثیرات منطقه‌ای و جهانی مهم‌شان). برخی تمایلات یک‌طرفه‌ی رایج مدل در اقیانوس جنوبی شناسایی شده است که منجر به برخی عدم قطعیت‌ها در جذب گرمای اقیانوسی و پاسخ اقلیمی گذرا می‌شود. شبیه‌سازی ترموکلاین، که بسیار ضخیم بود، و واژگونی آتلانتیک و انتقال گرما، که هر دو بسیار ضعیف بودند، در بسیاری از مدل‌ها ارتقا یافت. با وجود پیشرفت قابل توجه در ارتقای فرمول‌بندی یخ دریا، AOGCMs از زمان TAR تنها به پیشرفت اندکی در زمینه‌ی شبیه‌سازی یخ دریا‌ی مشاهده شده دست یافته است. این پیشرفت نسبتاً آهسته را می‌توان با این واقعیت توصیف نمود که ارتقای شبیه‌سازی یخ دریا نیازمند پیشرفت در هر دو مؤلفه‌ی اتمسفری و اقیانوسی به علاوه‌ی خود مؤلفه‌ی یخ دریا می‌باشد. از زمان TAR، پیشرفت‌های صورت گرفته در فرمول‌بندی AOGCM موجب ارتقای نمایش تغییرپذیری بزرگ‌مقیاس در دامنه‌ی وسیعی از مقیاس‌های زمانی شده است. مدل‌هایی که الگوهای فراحاره‌ای غالب تغییرپذیری را تسخیر کرده‌اند شامل مدل‌های سالانه‌ی شمالی و جنوبی، نوسان دهه‌ای اقیانوس آرام، الگوهای امریکای شمالی-اقیانوس آرام و اقیانوس سرد-سرزمین گرم می‌باشند. AOGCMها تغییرپذیری آتلانتیک چند دهه‌ای را شبیه‌سازی می‌کنند، گرچه نقش نسبی فرایندهای ارتفاع زیاد و کم در میان مدل‌ها متفاوت به نظر می‌رسد. در نواحی حاره‌ای، پیشرفت‌های کلی در شبیه‌سازی AOGCM الگوی مکانی و فراوانی ENSO صورت گرفته است، اما مشکلاتی در شبیه‌سازی قفل‌شدگی فاز فصلی آن و عدم تقارن بین ال‌نیتو و لا نینو باقی مانده است. تغییرپذیری برخی خصوصیات MJO توسط بیشتر AOGCMها مدل‌سازی شده است، اما رویدادها معمولاً بسیار کم‌تکرار و بسیار ضعیف می‌باشند. مدل‌های چرخش عمومی اتمسفری-اقیانوسی قادر به شبیه‌سازی دماهای گرم شدید، ظهور هوای سرد و روزهای مه‌آلود به خوبی می‌باشند. مدل‌های استفاده شده در این گزارش برای پیش‌بینی تغییرات سیکلون حاره‌ای قادر به شبیه‌سازی فراوانی کنونی و توزیع سیکلون‌ها می‌باشند. اما شدت با مطلوبیت کمتری شبیه‌سازی می‌شود. شبیه‌سازی بارش شدید وابسته به تحلیل، پارامتری کردن و حدآستانه‌ی انتخاب شده می‌باشد. به طور کلی، مدل‌ها تمایل دارند که چندین روز با بارش ضعیف (کمتر از 10 میلی‌متر در روز) و بارش بسیار کم در رویدادهای شدید (بیش از 10 میلی‌متر در روز) را تولید کنند. مدل‌های سیستم زمین که دارای پیچیدگی متوسط هستند، به منظور بررسی مسائل مطرح در تغییر گذشته و آتی اقلیم گسترش یافته‌اند که نمی‌توانند با AOGCMهای جامع توضیح داده شوند. این امر به دلیل هزینه‌ی محاسباتی بالای آنها می‌باشد. به دلیل تحلیل کاهیده‌ی EMICs و نمایش ساده‌ شده‌ی آنها از برخی فرایندهای فیزیکی، این مدل‌ها تنها اجازه‌ی استنباط مقیاس‌های بسیار بزرگ را فراهم می‌آورند. از زمان TAR، EMICs با استفاده از مقایسه‌ی مدل‌های هماهنگ مختلف ارزیابی شده‌ و این نتیجه حاصل شده است که در مقیاس‌های بزرگ، نتایج EMIC با داده‌های مشاهداتی و نتایج AOGCM به خوبی مقایسه می‌شوند. این امر موجب حمایت از این دیدگاه می‌شود که از EMICS می‌توان برای درک فرایندها و کنش‌های متقابل موجود در داخل سیستم اقلیمی استفاده کرد که در مقیاس زمانی فراتر از آنهایی که عموماً برای AOGCMهای فعلی قابل‌دسترس هستند تکامل می‌یابند. عدم‌قطعیت‌های موجود در پیش‌بینی‌های تغییر اقلیم طویل‌مدت نیز می‌تواند با استفاده از مجموعه‌های بزرگ EMIC مورد کاوش قرار گیرند. پیشرفت‌های صورت گرفته در روش‌های تحلیلی از زمان TAR، تلاش‌های بی‌سابقه‌ای به منظور ساختن نتایج مدل جدید قابل‌دسترس برای بررسی توسط دانشمندان خارج از مرکز مدل‌سازی آغاز شده است. هجده گروه مدل‌سازی مجموعه‌ای از آزمایش‌های استاندارد و هماهنگ را انجام داده، و خروجی مدل حاصل توسط صدها محقق در سراسر جهان تحلیل شده، و مبنای بیشتر ارزیابی‌های IPCC جاری نتایج مدل را تشکیل داده است. فواید مقایسه‌ی مدل هماهنگ شامل افزایش ارتباط میان گروه‌های مدل‌سازی، شناسایی سریع‌تر و اصلاح خطاها، پیدایش محاسبات مبنایی استاندارد شده و ثبت کامل‌تر و نظام‌مند فرایند مدل‌سازی می‌باشد. چند مدل اقلیمی برای تعیین توانایی پیش‌بینی مقدار اولیه، در مقیاس‌های زمانی مختلف همچون پیش‌بینی آب و هوایی (چند روزه) تا پیش‌بینی‌های فصلی (سالانه) مورد آزمون قرار گرفته‌اند. توانایی نشان داده شده توسط مدل‌ها تحت این شرایط موجب افزایش اطمینان از این موضوع می‌شود که آنها برخی از فرایندهای کلیدی و ارتباطات از راه‌دور در سیستم‌ اقلیم را شبیه‌سازی می‌کنند. پیشرفت‌های صورت گرفته در ارزیابی بازخورهای اقلیمی بازخور بخار آب مهم‌ترین بازخور افرایش دهنده‌ی حساسیت اقلیم می‌باشد. گرچه قدرت این بازخور در میان مدل‌ها تاحدودی متغیر است، لیکن تأثیر کلی آن بر انتشار حساسیت اقلیمی مدل با بازخور نرخ زوال کاهش می‌یابد، که تمایل دارد ضدهمبسته باشد. چندین مطالعه‌ی جدید نشان داده‌اند که رطوبت پایینی و بالایی تروپوسفری مدل‌سازی شده به تغییرپذیری فصلی و بین‌سالی، سردشدن القا شده توسط فعالیت‌های آتش‌فشانی و تمایلات اقلیمی به شیوه‌ای پاسخ می‌دهند که مطابق با مشاهدات می‌باشد. شواهد بصری و مدل‌سازی اخیر حمایت قوی اضافه‌ای را برای بازخور نرخ بخارآب-زوال ترکیبی فراهم نموده‌اند که حول و حوش قدرت یافت شده در AOGCMs می‌باشد. مطالعات اخیر تأیید نموده‌اند که انتشار تخمین‌های حساسیت اقلیمی در میان مدل‌ها در ابتدا از تفاوت‌های بین‌مدلی در بازخورهای ابر ناشی شده است. تأثیر موج‌کوتاه تغییرات در ابرهای مرز-لایه، و ابرهای سطح میانه، بیشترین نقش را در تفاوت‌های بین‌مدلی در بازخورهای ابر جهانی دارند. شبیه‌سازی نسبتاً ضعیف این ابرها در اقلیم کنونی دلیل برخی نگرانی‌ها می‌باشد. پاسخ به گرم شدن جهانی ابرهای همرفتی عمیق نیز منبع اساسی عدم قطعیت در پیش‌بینی‌ها می‌باشد. زیرا مدل‌های کنونی پاسخ‌های متفاوتی از این ابرها را پیش‌بینی می‌کنند. ارزیابی‌های مبتنی بر مشاهدات بازخورهای ابرها نشان می‌دهند که مدل‌های اقلیمی قدرت‌ها و ضعف‌های متفاوتی را نشان داده، و هنوز امکان‌پذیر نیست که بتوان تعیین نمود کدام تخمین‌های صورت گرفته از بازخور ابر تغییر اقلیم قابل اعتماد‌ترین می‌باشند. با وجود پیشرفت‌های صورت گرفته از زمان TAR، عدم قطعیت اساسی در بزرگی بازخور کریوسفری در داخل AOGCMs باقی مانده است. این امر به انتشار پاسخ اقلیمی مدل‌سازی شده ارتباط دارد، بخصوص در ارتفاعات بالا. در مقیاس جهانی، بازخور البیدوی سطحی در همه‌ی مدل‌ها مثبت می‌باشد، و در بین مدل‌ها بسیار کمتر از بازخورهای ابر متغیر است. درک و ارزیابی بازخورهای یخ دریا با جفت‌شدن قوی با فرایندهای ابر قطبی و گرمای اقیانوس و انتقال آب آزاد پیچیده شده است. کمیاب بودن مشاهدات مرتبط با مناطق قطبی نیز ارزیابی‌ را با مشکل مواجه می‌کند. تکنیک‌های جدیدی که بازخورهای البیدوی سطحی را ارزیابی می‌کنند، اخیراً گسترش یافته‌اند. عملکرد مدل در بازتولید چرخه‌ی فصلی مشاهده شده‌ی پوشش زمینی برف ممکن است ارزیابی غیرمستقیمی از بازخور البیدو-برف تحت تغییر اقلیم را فراهم آورد. مقایسه‌ی نظام‌مند مدل‌ها به بنا نهاده شدن فرایندهای کلیدی مسئول تفاوت‌های میان مدل‌ها در پاسخ اقیانوس به تغییرات اقلیم کمک کرده است. اهمیت بازخورهای گرفته شده از تغییرات شار سطحی به گردش واژگونی نصف‌النهاری در بسیاری از مدل‌ها لحاظ شده است. در حال حاضر، این بازخورها توسط مشاهدات موجود به محکمی محدود نشده‌اند. آنالیز فرایندهای درگیر در بازخورهای اقلیمی در مدل‌ها و مطالعات اخیر که بر مبنای مجموعه‌های بزرگی از مدل‌ها هستند نشان می‌دهند که در آینده ممکن است بتوان از مشاهدات به منظور کاهش انتشار کنونی در پیش‌بینی‌های مدلی تغییر اقلیم استفاده نمود. 1-8 مقدمه و مرور کلی        هدف این فصل ارزیابی توانایی و محدودیت‌های مدل‌های اقلیمی جهانی استفاده شده در هر جایی از این بررسی می‌باشد. تعدادی فعالیت ارزیابی مدل در فصول مختلفی از گزارش حاضر توصیف شده است. این بخش زمینه‌ای را برای آن مطالعات فراهم آورده و راهنمایی جهت هدایت خوانندگان به فصول مربوطه می‌باشد. 1-1-8 منظور از ارزیابی چیست؟ یک پیش‌بینی ویژه بر مبنای مدل غالباً می‌تواند صحیح یا غلط باشد، اما به خود مدل باید همواره از دید انتقادی نگریسته شود. این امر برای پیش‌بینی آب و هوا و پیش‌بینی اقلیم هر دو صحیح می‌باشد. پیش‌بینی‌های آب‌وهوایی بر یک اساس منظم تولید می‌شوند، و می‌توانند به سرعت در برابر آنچه واقعاً روی می‌دهد مورد آزمون قرار گیرند. در طول زمان، آمارهایی می‌توانند جمع شوند که اطلاعاتی را پیرامون عملکرد یک مدل خاص یا سیستم پیش‌بینی ارائه دهند. از سوی دیگر، در شبیه‌سازی‌های تغییر اقلیمی، از مدل‌ها می‌توان به منظور پیش‌بینی تغییرات آتی ممکن در مقیاس زمانی چند دهه‌ای و برای رویدادهایی که هیچ مشابه قدیمی در گذشته نداشته‌اند استفاده نمود. از طریق شبیه‌سازی اطلاعات ثبت شده‌ی تاریخی و اقلیم گذشته می‌توان اعتماد به مدل را کسب نمود، اما چنین فرصت‌هایی بسیار محدود کننده‌تر از فرصت‌هایی هستند که در پیش‌بینی آب و هوا موجود می‌باشند. این فرصت و دیگر فرصت‌ها در بخش بعد مورد بحث و بررسی قرار می‌گیرند. 2-1-8 روش‌های ارزیابی یک مدل اقلیمی عبارت از یک سیستم بسیار پیچیده، با مؤلفه‌های زیاد می‌باشد. مدل باید در سطح سیستم مورد آزمون قرار گیرد. برای این کار بایستی کل مدل اجرا شده و نتایج حاصل با مشاهدات مقایسه شوند. چنین آزمون‌هایی مشکلات را آشکار می‌کنند، اما منبع آنها غالباً به دلیل پیچیدگی مدل پنهان می‌ماند. به همین دلیل، لازم است که مدل در سطح مؤلفه‌ها نیز مورد آزمون قرار گیرد. این کار با جداسازی مؤلفه‌های خاص و آزمودن آنها به صورت مستقل از مدل کامل انجام می‌شود. ارزیابی مدل‌های اقلیمی در سطح مؤلفه رایج می‌باشد. روش‌های رقومی در آزمون‌های استاندارشده بررسی می‌شوند، و از طریق فعالیت‌هایی مانند کارگاه‌های شبه‌‌دوساله پیرامون معادلات افتراقی جزئی کره سازمان‌دهی می‌شوند. پارامتری کردن‌ فیزیکی ‌استفاده شده در مدل‌های اقلیمی، از طریق مطالعات موردی متعدد مورد بررسی قرار می‌گیرند (برخی بر اساس مشاهدات و برخی به صورت ایده‌آل)، و از طریق برنامه‌هایی همچون برنامه‌‌ی سنجش تابش اتمسفری[6] (ARM)، سیستم ابر اروپایی[7] (EUROCS) و انرژی جهانی و آزمایش‌های چرخه‌ی آب[8] (GEWEX) مطالعه‌ی سیستم ابر[9] (GCSS)  سازمان‌دهی می‌شوند. این فعالیت‌ها برای یک دهه یا بیشتر است که در حال انجام بوده، و بخش بزرگی از نتایج منتشر شده‌اند (برای مثال راندال و همکاران[10]، 2003). ارزیابی در سطح سیستم بر خروجی مدل کامل تمرکز دارد (برای مثال شبیه‌سازی‌های مدل از متغیرهای اقلیمی مشاهده شده‌ی خاص). روش‌های خاص در بخش بعد به صورت تفضیلی مورد بحث قرار خواهند گرفت. 1-2-1-8 مقایسه‌ی مدل‌ها و گروه‌ها فعالیت‌های مرتبط با مقایسه‌ی جهانی مدل که اواخر دهه‌‌ی 1980 (با کار سس و همکاران[11]، 1989) آغاز شد، و با پروژه‌ی مقایسه‌ی مدل‌های اتمسفری[12] (AMIP) ادامه یافت، امروزه بسط داده شده و شامل پروژه‌های مرتبط با مقایسه‌ی چندین و چند مدل می‌باشد که کلیه‌ی مؤلفه‌های مدل اقلیمی و پیکربندی‌های متعدد مدل‌های جفت شده را پوشش می‌دهد (برای کسب اطلاعات بیشتر به سایت .cliver.org/science/mips.phphttp://www مراجعه کنید). تاکنون بلندپروازانه‌ترین تلاشی که به منظور جمع‌آوری و آنالیز خروجی مدل چرخش عمومی اقیانوسی-اتمسفری (AOGCM) از آزمایش‌های استاندار شده انجام گردیده است، مربوط به چند سال اخیر می‌باشد (برای کسب اطلاعات بیشتر به سایت http://www-pcmdi.llnl.gov/ipcc/about_ipcc.php مراجعه کنید). این متفاوت از مقایسه‌های مدل‌های قبلی است که در آنها مجموعه‌ی کامل‌تری از آزمایش‌ها انجام می‌شد، از جمله شبیه‌سازی‌های کنترل غیراجباری، شبیه‌سازی‌هایی که تلاش می‌کنند تا تغییرات اقلیمی مشاهده شده را در طول دوره‌ی ابزاری و شبیه‌سازی‌های تغییرات اقلیمی آتی بازتولید کنند. همچنین از این لحاظ متفاوت می‌باشد که برای هر آزمایش، شبیه‌سازی‌های مضاعفی توسط برخی مدل‌های منفرد انجام می‌شود تا جدا کردن سیگنال‌های تغییر اقلیم از تغییرپذیری داخلی در درون سیستم اقلیمی ساده‌تر شود. شاید مهم‌ترین تغییر با تلاش‌های اولیه عبارت از جمع‌آوری یک مجموعه‌ی جامع‌تر از خروجی‌های مدل باشد، که به صورت مرکزی در برنامه لحاظ می‌شود تا تشخیص و مقایسه‌ی مدل اقلیمی[13] (PCMDI) را انجام دهد. این بایگانی که در این جا به عنوان «مجموعه‌ی داده‌های چند مدلی در PCMDI» مورد اشاره قرار می‌گیرد، به صدها محقق خارج از گروه مدل‌سازی این امکان را می‌دهد تا مدل‌ها را از دیدگاه‌های مختلفی مورد بررسی دقیق قرار دهند. پیشرفت‌های صورت گرفته در آنالیز تشخیصی نتایج مدل‌های اقلیمی نشان دهنده‌ی گام مهمی به سمت جلو از زمان سومین گزارش ارزیابی (TAR) می‌باشد. به طور کلی، فعالیت‌های مرتبط با مقایسه‌ی قوی و مداوم موجب افزایش ارتباط میان گروه‌های مدل‌سازی شده است، امکان شناسایی و تصحیح خطاهای مدل‌سازی را فراهم آورده و پیدایش محاسبات مبنایی استاندارد شده و همچنین ثبت کامل‌تر و نظام‌مند فرایند مدل‌سازی را تشویق نموده است. مجموعه‌های مدل‌ها منبع جدیدی را برای مطالعه‌ی دامنه یا پاسخ‌های اقلیمی محتمل به یک نیروی  خاص نشان می‌دهند. چنین مجموعه‌هایی می‌توانند با جمع‌آوری نتایج از دامنه‌ای از مدل‌ها از مراکز مدل‌سازی مختلف (مجموعه‌های چندمدلی)، یا با تولید نسخه‌های مضاعفی از مدل در یک ساختار مدل ویژه توسط پارامترهای مدل داخلی متغیر در یک دامنه‌ی محتمل (مجموعه‌های فیزیک آشفتگی) تولید شوند. رویکردها به طور تفضیلی در بخش 5-10 مورد بحث و بررسی قرار خواهند گرفت. 2-2-1-8 سنجش متریک قابلیت اعتماد مدل دقت یک شبیه‌سازی مدل اقلیمی از اقلیم گذشته یا فعلی چه چیزی را در مورد دقت پیش‌بینی تغییر اقلیم بیان می‌دارد؟ این پرسش در مراحل ابتدایی پاسخ‌گویی بوده، و مجموعه‌های قابل دسترس و جدیدی از مدل‌ها در حال بررسی می‌باشند. تعدادی از سنجش‌های متریک متفاوت مبتنی بر مشاهدات به منظور ارزیابی قابلیت اعتماد مدل‌های دخیل در زمان انجام پیش‌بینی‌های احتمالی مورد استفاده قرار گرفته‌اند (برای کسب اطلاعات بیشتر به بخش 4-5-10 مراجعه کنید). برای هر سنجش متریک، لازم است که بررسی شود نتایج مدل چقدر برای پیش‌بینی تغییر اقلیم آتی مناسب می‌باشد. این موضوع را نمی‌توان به صورت مستقیم مورد آزمون قرار داد. زیرا هیچ دوره‌ی مشاهده شده‌ای با تغییرات اجباری دقیقاً مشابه با آنهایی که در قرن بیست و یکم انتظار می‌رود وجود ندارد. اما روابط میان سنجش‌های متریک قابل مشاهده و کمیت پیش‌بینی شده‌ی مورد نظر (برای مثال حساسیت اقلیم) می‌توانند توسط مجموعه‌ی ‌مدل‌ها مورد کاوش قرار گیرند. شوکلا و همکاران[14] (2006) سنجشی از صحت دمای سطحی شبیه‌سازی شده در قرن بیستم را با تغییر دمای قرن بیست و یکم شبیه‌سازی شده در یک مجموعه‌ی چندمدلی ارتباط دادند. آنها دریافتند مدل‌هایی که دارای کمترین خطای قرن بیستم هستند، افزایش نسبتاً بزرگ‌ دمای سطحی در قرن بیست و یکم را موجب شدند. کنوتی و همکاران[15] (2006) با استفاده از یک مجموعه‌ی فیزیکی متفاوت و آشفته نشان دادند مدل‌هایی که دارای چرخه‌ی فصلی قوی در دمای سطحی هستند، تمایل دارند که دارای حساسیت اقلیمی بزرگ‌تری نیز باشند. سنجش‌های متریک پیچیده‌تری نیز بر اساس مشاهدات مضاعف در اقلیم کنونی گسترش یافته، و نشان داده شده است که دارای پتانسیل کاهش عدم قطعیت حساسیت اقلیمی در یک مجموعه مدل مشخص می‌باشند (مورفی و همکاران[16]، 2004؛ پیانی و همکاران[17] 2005). مطالعات فوق نشان می‌دهند که سنجش‌های متریک کمّی برای احتمال پیش‌بینی مدل ممکن است گسترش یابند، اما از آنجایی که گسترش سنجش‌های متریک قوی هنوز در مراحل اولیه است، لذا ارزیابی مدل‌هایی که در این بخش ارائه شده است اصولاً بر مبنای تجربه و منطق فیزیک می‌باشند، همان‌گونه که در قدیم چنین بوده است. حیطه‌ی مهم پیشرفت از زمان TAR در بنا نهادن و تعیین کمّی فرایندهای بازخور می‌باشد که پاسخ تغییر اقلیم را تعیین می‌کند. دانش این فرایندها رویکردهای سنتی و مبتنی بر سنجش متریک که نسبت به ارزیابی مدل وجود دارد را تأیید می‌کند. برای مثال، هال و کیو[18] (2006) یک سنجش متریک را برای بازخور بین دما و البیدو در مناطق پوشیده شده از برف، بر مبنای شبیه‌سازی چرخه‌ی فصلی ارائه دادند. آنها دریافتند مدل‌هایی که دارای بازخور قوی بر اساس چرخه‌ی فصلی می‌باشند، دارای بازخور قوی تحت شرایط افزایش گازهای گل‌خانه‌ای می‌باشند. مقایسه با تخمین‌های مشاهده شده‌ی چرخه‌ی فصلی نشان می‌دهد که بیشتر مدل‌ها در MMD قدرت این بازخور را کمتر از مقدار واقعی تخمین می‌زنند. در بخش 6-8 در مورد بازخورهای مختلفی بحث خواهد شد که در سیستم یخ اتمسفر-زمین سطح-دریا کار می‌کنند تا حساسیت اقلیمی را تعیین نمایند. در بخش 2-3-8 فرایندهایی مورد بحث قرار خواهد گرفت که برای جذب گرمای اقیانوس (و در نتیجه پاسخ اقلیمی گذرا) حائز اهمیت می‌باشند. 3-2-1-8 آزمودن مدل‌ها در برابر اقلیم حال و گذشته آزمودن توانایی مدل‌ها در شبیه‌سازی اقلیم کنونی (شامل تغییرپذیری و کرانه‌ها) بخش مهمی از ارزیابی مدل می‌باشد (بخش 3-8 تا 5-8، و فصل 11 را برای مطالعه‌ی ارزیابی‌های منطقه‌ای ویژه مرور کنید). در این کار به گزینه‌های عملی ویژه‌ای نیاز می‌باشد، برای مثال بین یک مجموعه‌ی زمانی طولانی یا میانگین از یک اجرای کنترل با نیروی تابشی ثابت (غالباً پیش‌صنعتی به جای امروز)، یک سری زمانی کوتاه‌تر و گذرا از شبیه‌سازی قرن بیستم شامل تغییرات تاریخی در نیرو. چنین تصمیماتی توسط محققین و بسته به مشکل خاصی که تحت مطالعه است اتخاذ می‌شود. تفاوت میان مدل و مشاهدات باید مهم قلمداد شود، اگر شرایط زیر برقرار باشد: 1.     اگر در داخل تغییرپذیری درونی غیرقابل پیش‌بینی باشد (برای مثال دوره‌ی مشاهداتی حاوی تعداد غیرعادی از رویدادهای ال‌نینو)؛ 2.     اگر در داخل تفاوت‌های مورد انتظاری از نیرو باشد (برای مثال مشاهداتی برای دهه‌ی 1990 در مقایسه با اجرای کنترلی مدل پیش‌صنعتی)؛ یا 3.     اگر در داخل عدم‌قطعیت‌های میدان‌های مشاهده شده باشد. بحث پیرامون مسائل فوق به صورت تفضیلی برای هر متغیر اقلیمی خارج از حوصله‌ی کتاب حاضر می‌باشد، اما در ارزیابی‌های کلی در نظر گرفته می‌شوند. شبیه‌سازی مدل اقلیم کنونی در مقیاس زیرقاره‌ای در فصل حاضر مورد بحث قرار خواهد گرفت، در حالی که جزئیات منطقه‌ای را می‌توانید در فصل 11 بیابید. از مدل‌ها به طور گسترده به منظور تخمین تغییر اقلیم مشاهده شده در طول قرن بیستم استفاده می‌شود. چنین آزمون‌هایی به طور کامل پاسخ آتی به تغییرات اجباری را محدود نمی‌کنند. کنوتی و همکاران (2002) نشان دادند که در یک مجموعه‌ی فیزیکی آشفته از مدل‌های سیستم زمینی که دارای پیچیدگی متوسطی هستند، شبیه‌سازی‌های انجام شده توسط مدل‌هایی با دامنه‌ای از حساسیت‌های اقلیمی منطبق بر دمای هوای سطحی مشاهده شده و داده‌های ثبت شده از محتوای گرمای اقیانوس استفاده می‌شوند، این امر در صورتی است که نیروی ائروسول‌ها اجازه داشته باشد که در داخل دامنه‌ی عدم‌قطعیت‌اش تغییر کند. با وجود این محدودیت‌های بنیادین، ارزیابی شبیه‌سازی‌های قرن بیستم در برابر مشاهدات تاریخی محدودیت‌هایی را برای پاسخ‌های اقلیم آتی ایجاد نمی‌کند (برای مثال کنوتی و همکاران 2002). این موضوعات به تفضیل در فصل 9 مورد بحث و بررسی قرار خواهند گرفت. 4-2-1-8 دیگر روش‌های ارزیابی شبیه‌سازی موقعیت‌های اقلیمی از گذشته‌های دورتر این امکان را به مدل‌ها می‌دهد که در رژیم‌هایی ارزیابی شوند که به طور معنی‌داری متفاوت از امروز می‌باشند. چنین آزمون‌هایی ارزیابی اقلیم کنونی و اقلیم دوره‌ای سودمند را تکمیل می‌کنند. زیرا تغییرات اقلیمی قرن 21 در مقایسه با تغییرات آتی مورد انتظار تحت سناریوی اجبار مشتق شده از گزارش ویژه‌ی IPCC پیرامون سناریوهای تابش کوچک بوده است. محدودیت‌های آزمون‌های اقلیم‌گذشته این است که عدم‌قطعیت‌های موجود در متغیرهای اجبار و اقلیم واقعی (معمولاً مشتق شده از نمایندگاه) تمایل دارند که بزرگ‌تر از دوره‌ی ابزاری باشند، و تعداد متغیرهای اقلیمی که برای آنها خوب هستند، محدود می‌باشد. علاوه‌براین، موقعیت‌های اقلیمی ممکن است به قدری متفاوت باشند (برای مثال صفحات یخی در آخرین ماکزیمم انجماد) که فرایندهای تعیین کننده‌ی کمیت‌هایی مانند حساسیت اقلیم متفاوت از آنهایی باشند که احتمال دارد در قرن بیست و یکم عمل کنند. در نهایت، مقیاس‌های زمانی تغییر به قدری طولانی هستند که مشکلاتی در رابطه‌ با طراحی آزمایش‌ها وجود دارد، حداقل برای مدل‌های گردش عمومی). این مسائل به طور عمیق در فصل شش مورد بررسی قرار خواهند گرفت. مدل‌های اقلیمی می‌توانند از طریق پیش‌بینی‌های مبتنی بر شرایط اولیه آزموده شوند. مدل‌های اقلیمی دارای رابطه‌ی نزدیکی با مدل‌هایی می‌باشند که به طور معمول برای پیش‌بینی رقومی آب و هوا استفاده می‌شوند؛ و به طور فزاینده‌ای برای پیش‌بینی دامنه وسیع در مقیاس‌های زمانی فصلی تا بین‌سالی. اما معمولاً مدل‌های استفاده شده در پیش‌بینی رقومی آب و هوا در وضوح بالاتری نسبت به آنچه برای شبیه‌سازی‌های اقلیمی امکان‌پذیر است اجرا می‌شوند. ارزیابی چنین پیش‌بینی‌هایی نمایش مدل از برخی فرایندهای کلیدی در اتمسفر و اقیانوس را مورد آزمون قرار می‌دهد، گرچه پیوندهایی بین این فرایند و پاسخ اقلیمی طویل‌مدت همواره برقرار نشده است. باید به یاد داشته باشید که کیفیت یک پیش‌بینی ارزش اولیه وابسته به فاکتورهای متفاوتی می‌باشد که فراتر از خود مدل رقومی می‌باشد (برای مثال تکنیک‌های همانندسازی داده‌ها، روش تولید مجموعه) و این فاکتورها ممکن است دارای ارتباط کمتری با پیش‌بینی پاسخ اجباری طویل‌مدت سیستم اقلیمی به تغییر اجبار تابشی باشد. مقالات بسیار زیادی در این رابطه منتشر شده است، اما برای متمرکز ماندن بر هدف فصل حاضر، بحث‌های مطرح شده در این جا محدود به تعداد نسبتاً کمی مطالعه می‌باشد که با استفاده از مدل‌هایی انجام شده است که دارای رابطه‌ی بسیار نزدیکی با مدل‌های اقلیمی استفاده شده برای پیش‌بینی‌ها می‌باشد (به بخش 11-4-8 مراجعه کنید). 3-1-8 مدل‌ها چگونه ساخته می‌شوند؟ مبنایی که مدل‌های اقلیمی بر اساس آنها ساخته می‌شوند، از زمان TAR تاکنون تغییر نکرده است، گرچه پیشرفت‌های ویژه‌ی بسیاری صورت گرفته است (به بخش 2-8 مراجعه کنید). مدل‌های اقلیمی از قوانین فیزیکی بنیادین مشتق شده‌اند (مانند قانون نیوتون در مورد حرکت)، که سپس تحت تخمین‌های فیزیکی مناسب برای سیستم‌های اقلیمی بزرگ‌مقیاس قرار گرفته، و سپس از طریق محاسبات ریاضی بیشتر تخمین زده شدند. محدودیت‌های محاسباتی موجب محدود شدن وضوحی می‌شود که در معادلات ممکن می‌باشد، و به برخی نمایش‌های تأثیرات بزرگ‌مقیاس فرایندهای حل نشده نیاز می‌باشد (مسئله‌ی پارامتری کردن). 1-3-1-8 انتخاب پارامترها و میزان‌سازی[19] پارامتری کردن‌ها معمولاً بر مبنای مدل‌های فیزیکی ساده‌ شده‌ی فرایندهای حل نشده می‌باشند. پارامتری کردن همچنین شامل پارامترهای رقومی می‌باشد که به عنوان ورودی اختصاصی می‌باشند. برخی از این پارامترها می‌توانند سنجش شوند، حداقل از لحاظ اصول، در حالی که دیگر پارامترها نمی‌توانند مورد سنجش واقع شوند. کار رایجی که انجام می‌شود، تنظیم کردن مقادیر پارامترها می‌باشد (که احتمالاً از توزیع‌های قبلی انتخاب می‌شود) تا شبیه‌سازی مدل از متغیرهای خاص بهینه شود، یا تعادل جهانی گرما بهبود یابد. این فرایند غالباً تحت عنوان «میزان‌سازی» شناخته می‌شود. این موضوع در محدوده‌ای توجیه‌پذیر است که دو شرط زیر وجود داشته باشد: 1.     محدودیت‌های مبتنی بر مشاهده که در دامنه‌ی پارامترها وجود دارد تجاوز نکنند. توجه کنید که در برخی موارد این امر ممکن است محدودیت محکمی را برای مقادیر پارامترها فراهم نیاورد (برای مثال مقاله‌ی هیمسفیلد و دونر[20] 1990). 2.     تعداد درجه‌ی آزادی در پارامترهای تنظیم‌پذیر کمتر از درجه‌ی آزادی در محدودیت‌های مشاهداتی استفاده شده در ارزیابی مدل می‌باشد. این موضوع برای بیشتر GCMها صادق می‌باشد (برای مثال مدل‌های اقلیمی به طور صریح تنظیم نمی‌شوند تا نمایش خوبی از تغییرپذیری نوسان آتلانتیک شمالی را به دست دهند) اما هیچ مطالعه‌ای تا به حال انجام نشده است که به طور رسمی این پرسش را پاسخ دهد. اگر مدل به گونه‌ای تنظیم شود که نمایش خوبی از یک کمیت مشاهده‌ شده‌ی خاص ارائه دهد، آنگاه موافقت با آن مشاهده نمی‌تواند برای ساختن اعتماد به آن مدل مورد استفاده قرار بگیرد. اما مدلی که تنظیم شده است تا نمایش خوبی از مشاهدات کلیدی مشخص ارائه دهد، ممکن است در مقایسه با یک مدل مشابه (شاید دیگر اعضای یک مجموعه فیزیک آشفته) که با دقت کمتری تنظیم شده است، دارای احتمال بیشتری برای ارائه‌ی یک پیش‌بینی خوب باشد (این موضوع در بخش 2-2-1-8 و فصل 8 بیشتر توضیح داده خواهد شد). اگر زمان محاسبه‌ی کافی وجود داشته باشد، دستورالعمل تنظیم می‌تواند از لحاظ اصول خودکار شود، این کار با استفاده از دستورالعمل‌های همانندسازی داده انجام می‌شود. اما تاکنون این کار تنها برای EMICs (هارگریوز و همکاران[21] 2004) و GCMs وضوح کم (انان و همکاران، 2006؛ ج.نز و همکاران 2005؛ سوریجنز و هازلگر 2005[22]) اجرا شده است. روش‌های مجموعه‌ای همواره یک سری از بهترین پارامترهای منحصر به فرد را برای یک سنجش خطای مشخص تولید نمی‌کنند. 2-3-1-8 طیف مدل یا سلسله‌مراتب ارزش استفاده از دامنه‌ای از مدل‌ها (یک طیف یا سلسله‌مراتب) با پیچیدگی‌های مختلف در TAR (بخش 3-8 و 8-8) مورد بررسی قرار می‌گیرد. مدل‌های ارزان‌تر محاسباتی همچون EMICs امکان کاوش کامل‌تر و بیشتر فضای پارامتر را فراهم آورده، و برای درک پاسخ‌های ویژه‌ی مدل ساده‌تر آنالیز می‌شوند. مدل‌هایی که دارای پیچیدگی کمتری هستند در این گزارش بیش از TAR مورد استفاده قرار گرفته، و ارزیابی آنها در بخش 8-8 مورد بررسی قرار گرفته است. مدل‌های اقلیمی منطقه‌ای نیز می‌توانند به عنوان بخش شکل‌‌دهنده‌ی یک سلسله مدل‌سازی اقلیمی نگریسته شوند. 2-8 پیشرفت‌های صورت گرفته در مدل‌سازی از زمان TAR پیشرفت‌های بسیاری در زمینه‌ی مدل‌سازی صورت گرفته است. بررسی جامع کلیه‌ی تغییرات صورت گرفته طی چند سال گذشته در بیست و سه  AOGCMs (که در این گزارش به طور گسترده استفاده شد) خارج از حوصله‌ی کتاب حاضر می‌باشد (به جدول 1-8 مراجعه کنید). اما پیشرفت‌های صورت گرفته در مدل را می‌توان به سه طبقه تقسیم‌بندی کرد. ابتدا هسته‌‌ی دینامیک (پهن‌رفت و غیره) پیشرفت نمود، و رزولوشن افقی و عمودی بسیاری از مدل‌ها افزایش یافت. دوم، فرایندهای بیشتری در مدل‌ها ادغام شد، به ویژه در مدل‌سازی آئروسول‌ها، و فرایندهای سطح زمین و یخ دریا. سوم، پارامتری کردن فرایندهای فیزیکی ارتقا یافت. برای مثال، همان‌طور که در بخش 7-2-8 بیشتر توضیح داده خواهد شد، بیشتر مدل‌ها دیگر از تنظیمات شار به منظور کاهش دریفت اقلیمی استفاده نمی‌کنند (مانابه و استوفر 1988؛ ساسن و همکاران[23] 1988). این پیشرفت‌ها به خوبی در مدل‌های اقلیمی استفاده شده در گزارش حاضر نشان داده شده‌اند. با وجود پیشرفت‌های بسیاری که صورت گرفته است، مسائل رقومی هنوز باقی مانده‌اند. بسیاری از فرایندهای مهمی که پاسخ یک مدل به تغییرات نیروهای تابشی را تعیین می‌کنند توسط شبکه‌ی مدل حل نمی‌شوند.   [1] Third Assessment Report [2] Atmosphere-Ocean General Circulation Models [3] El Nino-Southern Oscillation [4] Madden-Julian Oscillation [5] Rigid Lid [6] Atmospheric Radiation Measurment [7] EUROpean Cloud System [8] Global Energy and Water cycle Experiment [9] Cloud System Study [10] Randall et al. [11] Cess et al. [12] Atmospheric Model Intercomparision Project [13] Climate Model Diagnosis and Intercomparision [14] Shukla et al. [15] Knutti et al. [16] Murphy et al. [17] Piani et al. [18] Hall and Qu [19] Tuning [20] Heymsfield and Donner [21] Hargreaves et al. [22] Annan et al., Jones et al., Severijns and Hazeleger [23] Manabe and Stouffer, Sausen et al. 

شیراز، خیابان برق کوچه1-موسسه علمی تحقیقات چشم انداز

شماره تماس:

07132341477

شماره همراه:

09382252774

پست الکترونیک:

Sjavizadeh@yahoo.com

وب سایت:

Www.gisland.org

برای دانلود جزوات و فیلم های رایگان در زمینه GIS وRS به وب سایت زیر مراجعه نمایید:

https://gisland.org/