Original Title: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization
Source: doi.org/10.5194/gmd-9-1937-2016
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ទិដ្ឋភាពទូទៅនៃការរចនា និងការរៀបចំការពិសោធន៍នៃគម្រោងប្រៀបធៀបគំរូអាកាសធាតុរួមបញ្ចូលគ្នា ដំណាក់កាលទី ៦ (CMIP6)

ចំណងជើងដើម៖ Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization

អ្នកនិពន្ធ៖ Veronika Eyring (Deutsches Zentrum für Luft- und Raumfahrt), Sandrine Bony (Laboratoire de Météorologie Dynamique), Gerald A. Meehl (National Center for Atmospheric Research), Catherine A. Senior (Met Office Hadley Centre), Bjorn Stevens (Max-Planck-Institute for Meteorology), Ronald J. Stouffer (Geophysical Fluid Dynamics Laboratory/NOAA), Karl E. Taylor (Program for Climate Model Diagnosis and Intercomparison)

ឆ្នាំបោះពុម្ព៖ 2016 Geoscientific Model Development

វិស័យសិក្សា៖ Climate Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយតម្រូវការក្នុងការរៀបចំឡើងវិញនូវរចនាសម្ព័ន្ធនៃគម្រោងប្រៀបធៀបគំរូអាកាសធាតុ (CMIP) ដើម្បីឆ្លើយតបទៅនឹងសំណួរវិទ្យាសាស្ត្រដែលកាន់តែទូលំទូលាយ និងដើម្បីកាត់បន្ថយបន្ទុកប្រព័ន្ធប្រតិបត្តិការដល់មជ្ឈមណ្ឌលបង្កើតគំរូអាកាសធាតុជុំវិញពិភពលោក។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកនិពន្ធបានដាក់ចេញនូវរចនាសម្ព័ន្ធថ្មីមួយដែលមានលក្ខណៈជាសហព័ន្ធជាងមុន សម្រាប់ដំណាក់កាលទី ៦ នៃគម្រោង (CMIP6) ដោយផ្អែកលើការពិគ្រោះយោបល់យ៉ាងទូលំទូលាយជាមួយសហគមន៍វិទ្យាសាស្ត្រអន្តរជាតិ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
AMIP (Atmospheric Model Intercomparison Project)
ការពិសោធន៍វាយតម្លៃគំរូអាកាសធាតុ ដោយប្រើសីតុណ្ហភាពផ្ទៃសមុទ្រជាក់ស្តែង
ងាយស្រួលក្នុងការវាយតម្លៃសមាសធាតុបរិយាកាស និងផ្ទៃដី ដោយសារវាប្រើប្រាស់ទិន្នន័យសមុទ្រដែលបានសង្កេតជាក់ស្តែង។ មិនអាចឆ្លុះបញ្ចាំងពីអន្តរកម្មពេញលេញរវាងមហាសមុទ្រ និងបរិយាកាសនោះទេ ដោយសារមហាសមុទ្រមិនត្រូវបានក្លែងធ្វើដោយសេរី។ ផ្តល់នូវការវាយតម្លៃអាកាសធាតុប្រកបដោយភាពជឿជាក់សម្រាប់ចន្លោះឆ្នាំ ១៩៧៩ ដល់ ២០អា១៤។
piControl (Pre-industrial control)
ការក្លែងធ្វើត្រួតពិនិត្យអាកាសធាតុមូលដ្ឋានមុនយុគសម័យឧស្សាហកម្ម
បង្កើតបានជាខ្សែកោងមូលដ្ឋាន (Baseline) ដ៏ល្អមួយ សម្រាប់វាស់ស្ទង់បម្រែបម្រួលអាកាសធាតុតាមបែបធម្មជាតិ សុទ្ធសាធ។ ទាមទារពេលវេលាដំណើរការយូររហូតដល់រាប់រយឆ្នាំ ដើម្បីឱ្យប្រព័ន្ធអាកាសធាតុឈានដល់តុល្យភាព (Spin-up period)។ ផ្តល់នូវទិន្នន័យមូលដ្ឋានអប្បបរមាចំនួន ៥០០ឆ្នាំ សម្រាប់ប្រៀបធៀបជាមួយការពិសោធន៍ផ្សេងៗទៀត។
Idealized CO2 (abrupt-4xCO2 & 1pctCO2)
ការពិសោធន៍បង្កើនឧស្ម័ន CO2 បែបស្រមើស្រមៃ
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការស្វែងយល់ពីភាពរសើបនៃអាកាសធាតុ (Climate Sensitivity) និងយន្តការឆ្លើយតបយ៉ាងឆាប់រហ័ស។ ជាការពិសោធន៍ដោយការសន្មត់ ដែលមិនឆ្លុះបញ្ចាំងពីលំហូរឧស្ម័នផ្ទះកញ្ចក់ក្នុងប្រវត្តិសាស្ត្រពិតប្រាកដនោះទេ។ កំណត់រោគវិនិច្ឆ័យកម្លាំងរុញច្រានវិទ្យុសកម្ម និងភាពរសើបនៃអាកាសធាតុប្រកបដោយប្រសិទ្ធភាពខ្ពស់។
CMIP6 Historical Simulations
ការក្លែងធ្វើទិន្នន័យអាកាសធាតុក្នុងប្រវត្តិសាស្ត្រ (១៨៥០-២០១៤)
អនុញ្ញាតឱ្យមានការប្រៀបធៀបដោយផ្ទាល់នូវដំណើរការរបស់គំរូ ជាមួយនឹងទិន្នន័យសង្កេតជាក់ស្តែងក្នុងពេលកន្លងមក។ មានភាពស្មុគស្មាញក្នុងការបំបែកកត្តាជម្រុញនីមួយៗ (ឧ. ភ្នំភ្លើង បម្រែបម្រួលព្រះអាទិត្យ) បើមិនមានការពិសោធន៍បន្ថែម។ បង្កើតបានជាការវាយតម្លៃដ៏ទូលំទូលាយពីការប្រែប្រួលអាកាសធាតុដែលបង្កឡើងដោយមនុស្ស និងធម្មជាតិចាប់តាំងពីឆ្នាំ ១៨៥០។

ការចំណាយលើធនធាន (Resource Cost)៖ ការដំណើរការគំរូអាកាសធាតុសកល CMIP6 ទាមទារធនធានកុំព្យូទ័រខ្នាតយក្ស និងប្រព័ន្ធរក្សាទុកទិន្នន័យដ៏មហិមា។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សា និងការចងក្រងទិន្នន័យនេះត្រូវបានធ្វើឡើងនៅកម្រិតសកលលោក ដោយផ្តោតខ្លាំងលើមជ្ឈមណ្ឌលស្រាវជ្រាវធំៗនៅអឺរ៉ុប និងសហរដ្ឋអាមេរិក។ ទិន្នន័យគំរូអាកាសធាតុសកល (GCMs) ជាទូទៅមានក្រឡាចត្រង្គ (Resolution) ធំៗ ដែលមិនអាចចាប់យកលក្ខណៈអាកាសធាតុលម្អិតនៃប្រទេសតូចៗ។ សម្រាប់ប្រទេសកម្ពុជា នេះមានន័យថាទិន្នន័យទាំងនេះត្រូវការឆ្លងកាត់ដំណើរការបង្រួមមាត្រដ្ឋាន (Downscaling) ជាមុនសិន ទើបអាចយកមកប្រើប្រាស់ផ្ទាល់បានដោយសុក្រឹត។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាមានដែនកំណត់ផ្នែកមាត្រដ្ឋានក្ដី លទ្ធផលពី CMIP6 មានសារៈសំខាន់បំផុតសម្រាប់ការសិក្សា និងវាយតម្លៃហានិភ័យអាកាសធាតុនៅកម្ពុជា។

តាមរយៈការពឹងផ្អែកលើការបង្រួមមាត្រដ្ឋានទិន្នន័យ តួអង្គពាក់ព័ន្ធនៅកម្ពុជាអាចប្រែក្លាយទិន្នន័យអាកាសធាតុសកលនេះ ទៅជាយុទ្ធសាស្ត្រការពារហានិភ័យប្រកបដោយភាពច្បាស់លាស់នៅថ្នាក់មូលដ្ឋាន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះអាកាសធាតុ និងភាសាកម្មវិធី: និស្សិតត្រូវចាប់ផ្តើមរៀនភាសាកម្មវិធី Python ដោយផ្តោតលើបណ្ណាល័យសំខាន់ៗដូចជា Xarray, Pandas, និង NetCDF4 ដែលចាំបាច់បំផុតសម្រាប់ការអាន និងវិភាគទិន្នន័យអាកាសធាតុពហុវិមាត្រ។
  2. ចូលទាញយកទិន្នន័យពីប្រព័ន្ធអន្តរជាតិ: បង្កើតគណនីនៅលើប្រព័ន្ធ Earth System Grid Federation (ESGF) ដើម្បីទទួលបានសិទ្ធិទាញយកទិន្នន័យនៃការពិសោធន៍ DECK និងទិន្នន័យប្រវត្តិសាស្ត្ររបស់ម៉ូដែលនានាដោយឥតគិតថ្លៃ។
  3. អនុវត្តការវាយតម្លៃម៉ូដែលដោយប្រើឧបករណ៍ស្តង់ដារ: ដំឡើង និងសាកល្បងប្រើប្រាស់កម្មវិធី ESMValTool ដើម្បីរៀនវាយតម្លៃភាពត្រឹមត្រូវនៃគំរូអាកាសធាតុ ដោយប្រៀបធៀបវាទៅនឹងទិន្នន័យសង្កេតជាក់ស្តែង (obs4MIPs)។
  4. រៀនបង្រួមមាត្រដ្ឋានទិន្នន័យ (Downscaling): ចូលរួមប្រើប្រាស់ និងវិភាគទិន្នន័យពីគម្រោង CORDEX របស់វិទ្យាស្ថានអន្តរជាតិ ដើម្បីបម្លែងទិន្នន័យអាកាសធាតុសកល ឱ្យទៅជាទិន្នន័យអាកាសធាតុកម្រិតតំបន់អាស៊ីអាគ្នេយ៍ ដែលស័ក្តិសមសម្រាប់កម្ពុជា។
  5. បង្កើតគម្រោងស្រាវជ្រាវថ្នាក់ជាតិ: ប្រើប្រាស់ទិន្នន័យទិដ្ឋភាពអនាគតពី ScenarioMIP ដើម្បីសរសេរនិក្ខេបបទស្តីពី ផលប៉ះពាល់នៃការប្រែប្រួលអាកាសធាតុទៅលើទិន្នផលកសិកម្ម ឬគ្រោះមហន្តរាយទឹកជំនន់នៅប្រទេសកម្ពុជា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Earth System Models (ESMs) ម៉ូដែលកុំព្យូទ័រស្មុគស្មាញដែលគណនាពីអន្តរកម្មរូបវិទ្យា គីមីវិទ្យា និងជីវវិទ្យា រវាងបរិយាកាស មហាសមុទ្រ ផ្ទៃដី និងជីវមណ្ឌល រួមទាំងដំណើរការស្រូបនិងបញ្ចេញឧស្ម័នផ្ទះកញ្ចក់ដោយស្វ័យប្រវត្តិដើម្បីទស្សន៍ទាយអាកាសធាតុ។ ដូចជាការសាងសង់ភពផែនដីសិប្បនិម្មិតមួយនៅក្នុងកុំព្យូទ័រ ដែលចេះដកដង្ហើម និងមានអន្តរកម្មដូចធម្មជាតិពិតៗ។
Radiative Forcing ការវាស់ស្ទង់ពីអតុល្យភាពនៃថាមពលដែលស្រូបចូលដោយផែនដី និងថាមពលដែលភាយចេញទៅវិញ ដែលបង្កឡើងដោយកត្តាខាងក្រៅ (ឧទាហរណ៍ ឧស្ម័នផ្ទះកញ្ចក់ ឬបន្ទុះភ្នំភ្លើង) ជាកម្លាំងរុញច្រានធ្វើឱ្យអាកាសធាតុប្រែប្រួល។ ដូចជាការដណ្ដប់ភួយក្រាស់មួយជាន់ទៀតលើខ្លួនយើង ដែលធ្វើឱ្យកម្ដៅមិនអាចភាយចេញក្រៅបាន ហើយធ្វើឱ្យរាងកាយក្ដៅឡើងៗ។
piControl (Pre-industrial control simulation) ការពិសោធន៍កុំព្យូទ័រដែលរក្សាកត្តាអាកាសធាតុ (ដូចជាកំហាប់ CO2) ឱ្យនៅថេរក្នុងកម្រិតឆ្នាំ ១៨៥០ (មុនយុគសម័យឧស្សាហកម្ម) ដើម្បីបង្កើតជាបន្ទាត់គោលសម្រាប់វាស់វែងពីបម្រែបម្រួលដែលបង្កដោយមនុស្សនាពេលបច្ចុប្បន្ន។ ដូចជាការថ្លឹងទម្ងន់ដើមរបស់យើងមុនពេលចាប់ផ្តើមរបបអាហារ ដើម្បីយកមកប្រៀបធៀបមើលថាតើយើងឡើង ឬស្រកគីឡូកម្រិតណានៅពេលក្រោយ។
Spin-up period រយៈពេលដំបូងនៃការដំណើរការម៉ូដែលអាកាសធាតុ ដែលគេទុកឱ្យកម្មវិធីរត់កាត់រាប់រយឆ្នាំសិន រហូតដល់សមាសធាតុទាំងអស់ (ជាពិសេសមហាសមុទ្រទឹកជ្រៅ) ដើរចូលដល់សភាពនឹងនរ (Equilibrium) មុននឹងចាប់ផ្តើមការកត់ត្រាទិន្នន័យផ្លូវការសម្រាប់ការពិសោធន៍។ ដូចជាការបញ្ឆេះម៉ាស៊ីនឡានចោលមួយសន្ទុះឱ្យម៉ាស៊ីនក្តៅស្រួល និងដើរស្មើល្អ មុននឹងចាប់ផ្តើមបើកបរចេញទៅ។
Climate Sensitivity រង្វាស់ដែលបញ្ជាក់ថា តើសីតុណ្ហភាពជាមធ្យមរបស់ផែនដីនឹងកើនឡើងប៉ុន្មានអង្សារ ប្រសិនបើកំហាប់ឧស្ម័នកាបូនិច (CO2) នៅក្នុងបរិយាកាសកើនឡើងទ្វេដង ឬបួនដងធៀបនឹងកម្រិតធម្មតា។ ដូចជាការវាស់ស្ទង់មើលថាតើស្បែករបស់យើងនឹងឡើងក្រហម ឬរលាកកម្រិតណា ប្រសិនបើយើងឈរហាលថ្ងៃយូរជាងមុនពីរដង។
Internal climate variability ការប្រែប្រួលនៃអាកាសធាតុដែលកើតឡើងដោយឯកឯងតាមលក្ខណៈធម្មជាតិ (ឧទាហរណ៍ បាតុភូត El Niño) នៅក្នុងប្រព័ន្ធអាកាសធាតុ ដោយមិនមានការរុញច្រានពីកត្តាខាងក្រៅដូចជាការបញ្ចេញឧស្ម័នពុលដោយមនុស្សឡើយ។ ដូចជាចង្វាក់បេះដូងរបស់មនុស្សដែលជួនកាលលោតញាប់ ជួនកាលលោតយឺតបន្តិចបន្តួចដោយឯកឯង ទោះបីជាយើងកំពុងអង្គុយស្ងៀមមិនមានអ្វីមករំខានក៏ដោយ។
Downscaling ដំណើរការយកទិន្នន័យអាកាសធាតុសកលដែលមានក្រឡាចត្រង្គធំៗ (ភាពច្បាស់ទាប) មកធ្វើការគណនាបំបែកបន្ត ដើម្បីទាញយកទិន្នន័យអាកាសធាតុក្នុងកម្រិតតំបន់ ឬថ្នាក់មូលដ្ឋានដែលមានភាពលម្អិត និងច្បាស់លាស់ជាងមុន។ ដូចជាការប្រើប្រាស់កែវពង្រីក ដើម្បីមើលផែនទីពិភពលោកមួយផ្ទាំងធំ ឱ្យឃើញលម្អិតដល់ផ្លូវ និងផ្ទះនៅក្នុងស្រុក ឬខេត្តរបស់យើង។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖