Bedömning av uppvärmningsbias i CMIP6-modeller: rollerna för snabba svar och kumulativa effekter av externa tvingningar

Varför modellernas ”värme” är viktig för alla

När världen närmar sig 1,5 grader Celsius uppvärmning förlitar sig regeringar och samhällen på klimatmodeller för att planera för översvämningar, torka, värmeböljor och havsnivåhöjning. Men några av de senaste modellerna blir varmare än andra och projicerar större framtida uppvärmning än vad observationer tycks stödja. Denna studie introducerar ett nytt, enklare sätt att kontrollera om en modell tenderar att vara för varm eller för kall, genom att använda hur jordens temperatur reagerar både snabbt och långsamt på mänsklig påverkan.

På jakt efter en bättre termometer för modeller

Hittills har forskare främst bedömt modellernas ”värme” med två mått kallade transient climate response och equilibrium climate sensitivity. Dessa beskriver hur mycket planeten värms när koldioxiden stiger, men de är svåra att beräkna och förknippade med stora osäkerheter. De säger heller inte mycket om regionala förändringar som är viktiga för lokal planering. Författarna vänder sig istället till hur global temperatur varierar över tiden och behandlar klimatet som ett komplext system som kommer ihåg sitt förflutna och reagerar i olika hastigheter.

Snabba reaktioner och kvarvarande minnen

Studien delar upp global yttemperatur i två delar. Den ena delen är det snabba svaret, som fångar hur snabbt temperaturen hoppar inom ungefär en månad när människoskapade växthusgaser eller andra externa krafter förändras. Den andra delen är ett långt minne, som representerar hur oceaner, havsis och andra långsamma delar av klimasystemet lagrar och frigör värme över många år. Två enkla tal sammanfattar dessa beteenden: a mäter styrkan i det snabba svaret, och H fångar hur starkt klimatet minns sitt förflutna, det vill säga hur länge tidigare förhållanden fortsätter att påverka dagens temperatur.

Test av dagens ledande klimatmodeller

Med hjälp av globala temperaturregister från HadCRUT5-estimerade författarna verkliga värden för a och H, och jämförde dem med resultat från 21 allmänt använda CMIP6-klimatmodeller. Många modeller visar ett starkare långtidsminne än observationerna, vilket innebär att de överdriver hur mycket tidigare förändringar fortsätter att driva temperaturerna uppåt. Samtidigt visar de flesta modeller ett svagare snabbt svar än det verkliga klimatet. Intressant nog verkar varje modell göra en kompromiss mellan dessa två tendenser: de som minns mer tenderar att reagera långsammare, och de som minns mindre reagerar snabbare, ändå reproducerar många fortfarande den övergripande historiska uppvärmningstrenden.

En enkel karta över varmare och kallare bias

Forskarna undrade därefter om paret av tal (a och H) kunde flagga modeller som sannolikt är för varma eller för kalla. De byggde en referenskurva från observationerna som visar alla kombinationer av a och H som matchar den historiska temperaturserien. Modeller som hamnar på ena sidan av denna kurva tenderar att ge mindre uppvärmning än observerat, medan de på andra sidan tenderar att värma mer. När de jämförde dessa positioner med de faktiska uppvärmningstrenderna simulerade mellan 1970 och 2000 var överensstämmelsen slående: avståndet från referenskurvan följde tätt hur mycket varje modell underskattade eller överskattade den tidigare uppvärmningen.

Vad som styr modellernas värme

För att se vilken komponent som spelar störst roll körde teamet känslighetstester där det snabba svaret och minnets styrka varierades. De fann att både ett starkare snabbt svar och ett starkare minne ökar långtidsuppvärmningen, men inte på samma sätt. Förändringar i det snabba svaret leder till ungefär linjära förändringar i uppvärmning, medan förändringar i långtidsminnet kan få en kraftigt ökande effekt när H blir stor. Eftersom många CMIP6-modeller överdriver detta minne drar studien slutsatsen att överdrivna kumulativa effekter av tidigare tvingningar är en nyckelfaktor bakom deras varma bias. Modeller som klassificeras som ”varmare” med denna metod tenderar också att ha högre traditionella känslighetsmått, vilket knyter de nya indexen till välkända koncept inom klimatvetenskapen.

Hur detta hjälper framtida prognoser

För icke-specialister är huvudbudskapet att tillförlitligheten i klimatprojektioner kan kontrolleras med hjälp av enkla fingeravtryck från tidigare data. Genom att fokusera på hur snabbt klimatet reagerar och hur länge det minns får forskare ett effektivt verktyg för att sortera modeller som sannolikt är för varma eller för kalla utan att köra dyra extra simuleringar. Samma tillvägagångssätt kan tillämpas inte bara på global temperatur utan även på specifika regioner, vilket hjälper till att förfina verktygen som styr anpassningsbeslut i en varmare värld.

Citering: Yan, J., Yuan, N. & Franzke, C.L.E. Assessing the warming biases in CMIP6 models: the roles of fast response and cumulative effects to external forcings. npj Clim Atmos Sci 9, 117 (2026). https://doi.org/10.1038/s41612-026-01390-z

Nyckelord: klimatmodeller, global uppvärmning, klimatsensitivitet, temperaturtrender, CMIP6