Hittegolven worden erger en modellen kunnen het niet bijhouden

Hotspots voor hittegolven, dat zijn plekken waar de temperatuur nog veel hoger komt dan wat logisch is binnen de gangbare klimaatmodellen. En dat is een probleem, want waardoor het komt dat het op sommige plekken veel heter wordt dan voorspeld, is niet helemaal duidelijk. 

Het onderzoek, gepubliceerd in PNAS, laat een groot verschil zien tussen waarnemingen in de echte wereld en de voorspellingen van geavanceerde klimaatsimulaties. De onderzoekers zagen dat in grote delen van West-Europa, China, delen van Canada en de meest noordelijke arctische gebieden de warmste dagen van het jaar aanzienlijk sneller opwarmen dan gemiddeld. Deze hotspots zijn niet zomaar afwijkingen en zijn over de hele wereld zichtbaar met grote gevolgen voor ecosystemen en samenlevingen.

Hotspots in West-Europa
De onderzoekers analyseerden temperatuurextremen over een periode van 65 jaar en concentreerden zich op de bovenste regionen van de temperatuurverdeling, wanneer de gemiddelde tuinthermometer bijna niet meer verder kan. De onderzoekers ontdekten dat extreme hitte in verschillende regio’s de modellen met een factor vier overtrof, terwijl de gematigde tendens van opwarming wel overeenkomt met de voorspelling van klimaatmodellen. In West-Europa zijn de warmste dagen bijvoorbeeld twee keer zo snel opgewarmd als de gemiddelde zomerdagen.

Ondanks dat niet helemaal duidelijk is waardoor het komt, zien de onderzoekers wel bepaalde interacties die ertoe kunnen leiden dat het heter wordt dan voorspeld. Zo zijn er allerlei complexe interacties tussen bodemvocht, atmosferische circulatie en hogedruksystemen. Deze factoren versterken de hitte meer dan de mondiale modellen kunnen simuleren en laten ook zien dat de huidige klimaatwetenschap nog cruciale informatie mist binnen de voorspellingen.

Credit Adapted from Kornhuber et al., PNAS 2024
Regio’s waar de waargenomen hittegolven de trends van klimaatmodellen overschrijden. De omkaderde gebieden met de donkerste rode kleuren zijn het meest extreem; de lagere rode en oranje kleuren overtreffen de modellen, maar niet zo veel. Gelen komen ongeveer overeen met modellen, terwijl groenen en blauwen lager zijn dan wat modellen zouden voorspellen. Afbeelding: Kornhuber et al., PNAS 2024

Waarom schieten modellen tekort?
Klimaatmodellen zijn hulpmiddelen om broeikasgassen te begrijpen, maar ze zijn niet perfect. Ze zijn gebaseerd op aannames en gemiddelden die lokale, extreme gebeurtenissen niet altijd weergeven. Een reden voor deze tekortkomingen is de manier waarop modellen omgaan met regionale dynamiek, zoals terugkoppelingen tussen land en atmosfeer en hogedrukweerpatronen die warmte kunnen vasthouden.

In 2021 verbrijzelde bijvoorbeeld record na record in het noordwesten van Canada en de VS. Dit werd veroorzaakt door een combinatie van aanhoudende atmosferische ruggen en droge omstandigheden. Deze extreme omstandigheden blijven lastig te voorspellen omdat modellen de intensiteit en het voortduren van deze weerpatronen vaak onderschatten.

Wat betekent dit voor de toekomst?
Naarmate hittegolven vaker voorkomen en ernstiger worden, zal hun impact op de gezondheid, infrastructuur en ecosystemen toenemen. De hittegolf van de zomer van 2022 in West-Europa zorgde al voor meer dan 60.000 aan hitte gerelateerde doden. Ook in het Amazonegebied was in 2023 sprake van temperatuurextremen die grote impact hadden op de ecosystemen en de bewoners van de gebieden.

Dit onderzoek, dat een eerste overzicht biedt over de hele wereld van regio’s met extreme hittegolven, laat zien dat ze plaatsvinden over de hele wereld, behalve, vooralsnog, op Antarctica. Nauwkeurige voorspellingen zijn volgens de onderzoekers dan ook nodig om hittebestendige infrastructuur te ontwerpen en belangrijke water- en energiebronnen te beheren tijdens hittegolven.

De weg vooruit
De onderzoekers pleiten in hun artikel voor een tweeledige aanpak, namelijk het verbeteren van klimaatmodellen en het verminderen van de uitstoot van broeikasgassen. Simulaties op nog hogere resolutie kunnen mogelijk helpen bij het vastleggen van wat voor lokale systemen zorgen voor de extreme hitte.

Met behulp van machine learning en kunstmatige intelligentie hopen de onderzoekers dat modellen in de toekomst beter verfijnd kunnen worden en dat historische patronen beter doorgrond kunnen worden.

In hun conclusie benadrukken de onderzoekers nogmaals dat “de beste manier om zowel de onzekerheid in als de blootstelling aan klimaateffecten te verminderen een snelle overgang nodig is van relevante maatschappelijke sectoren om af te stappen van fossiele brandstoffen om de wereldwijde temperatuurstijging te stabiliseren”. Met andere woorden: stop zo snel mogelijk met olie en steenkool.

 

Bronmateriaal

Fout gevonden?

Voor jou geselecteerd