Zoeken
Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.
Boekenmand
Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).
RSS
Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.
nieuwe zoekopdracht
Probabilistic projections of El Niño Southern Oscillation properties accounting for model dependence and skill
Olson, R.; Kim, S.-K.; Fang, Y.; An, S.-I. (2022). Probabilistic projections of El Niño Southern Oscillation properties accounting for model dependence and skill. NPG Scientific Reports 12(1): 22128. https://dx.doi.org/10.1038/s41598-022-26513-3
In: Scientific Reports (Nature Publishing Group). Nature Publishing Group: London. ISSN 2045-2322; e-ISSN 2045-2322
|   |
| Auteurs | | Top |
- Olson, R.
- Kim, S.-K.
- Fang, Y.
- An, S.-I.
|
|
|
| Abstract |
The El Niño – Southern Oscillation (ENSO) is a dominant mode of global climate variability. Nevertheless, future multi-model probabilistic projections of ENSO properties have not yet been made. Main roadblocks that have been hindering making these projections are climate model dependence and difficulty in quantifying historical model performance. Dependence is broadly defined as similarity between climate model output, assumptions, or physical parameterizations. Here, we propose a unifying metric of relative model performance, based on the probability density function (PDF) of ENSO paths. This metric is applied to assess the overall skill of Climate Model Intercomparison Project phase 6 (CMIP6) climate models at capturing ENSO. We then perform future multi-model probabilistic projections of changes in ENSO properties (from years 1850–1949 to 2040–2099) under the shared socioeconomic pathway scenario SSP585, accounting for model skill and dependence. We find that future ENSO will likely be more seasonally locked (89% chance), and have a longer period (67% chance). Yet, the jury is still out on future ENSO amplification. Our method reduces uncertainty by up to 37% compared to a simple approach ignoring model dependence and skill. |
IMIS is ontwikkeld en wordt gehost door het VLIZ.
