End-to-end emergent constraintによる極端降水量将来変化予測の不確実性低減（令和 8年度）

End-to-end emergent constraint on uncertainty of extreme precipitation changes

気候変動によって極端降水量は将来増大すると考えられているが、気候モデル間で予測の差が大きく、不確実性の低減が求められている。人為起源CO2排出から極端降水量変化の間には、㋐炭素循環の変化、㋑世界平均気温変化（ΔT）、㋒ΔTに比例する極端降水量変化、㋓ΔTに比例しない極端降水量変化というプロセスがあり、それぞれが不確実性要因になっている。これまで各プロセスの不確実性を低減するEmergent constraint (EC)研究が活発に行われてきたが、4つ不確実性要因を同時に制約して人為起源CO2排出に対する極端降水量応答の予測不確実性を一気に低減するEnd-to-end EC (EEEC)の研究は行われてこなかった。本課題では、世界で初めてEnd-to-end EC手法を開発し、極端降水量変化予測の不確実性を低減し、より確かな将来予測の知見を得て次期IPCC評価報告書などへ貢献することを目的とする。

• 主たるもの：基礎科学研究
• 従たるもの：応用科学研究

本研究の目的は、EEEC手法を開発し、極端降水量の将来変化予測の不確実性を低減することである。これによって次期IPCC報告書(AR7)に貢献する科学的知見を創出するとともに、影響評価研究者や政策決定者により精度の良い気候変動予測情報を提供する。
予測実験にはCO２排出量を与えて気候モデル内でCO２濃度をシミュレートするCO２排出量駆動実験と、決められたCO２濃度変化を気候モデルに与えるCO２濃度駆動実験の２種類があるが、両者を比較することで炭素循環の影響を定量化できる。「㋐炭素循環の不確実性」の研究では、CO２排出量駆動実験を実施するモデル数（10モデル程度）がCO２濃度駆動実験を行うモデル数（30モデル以上）に比べて少ないことがネックになってきた。しかし、CMIP7で両実験が主要実験となったことから、2026-2027年の間に数十モデルの実験データが入手できるものと期待される。2026年度はCMIP6のデータを用いた手法開発と初期解析を進めながらCMIP7のデータを収集し、2027年度と2028年度にCMIP7のデータを含めた解析を行う。

CMIP6のデータを用いた手法開発と初期解析を進める。

筑波大学　Irina Melnikova (irina.melnikova.fn@u.tsukuba.ac.jp)