Climate Change Modeling and Prediction of Economic Impact

Globale klimaendringer er nå anerkjent som en av de største samfunns-utfordringene i vår tid, og har allerede hatt en stor påvirkning på land, lokal-samfunn og individer verden over. Å takle denne utfordringen på best mulig måte krever gode og nøyaktige svar på følgende spørsmål: (1) Hva er effekten av klimagass-utslipp på det fysiske klimasystemet, og (2) Hvilke økonomiske konsekvenser har endringer i det fysiske klimasystemet. Globale klimamodeller og modeller for de økonomiske effektene av klimaendringer (IAM'er) har de de siste tiårene blitt utviklet for å gi svar på disse to spørsmålene. Begge typer modell-verktøy har blitt kraftig forbedret de senere år, men kan likevel ikke alene gi fullstendige svar på de to spørsmålene ovenfor. I dette prosjektet var målet å redusere denne hindringen for pålitelige estimater av fremtidige klima-endringer og deres påvirkning på samfunnet. Vi har gjort nye beregninger av klimasystemets følsomhet for økninger av drivhusgasser i atmosfæren på en ny og banebrytende måte, basert på en tverrfaglig tilnærming som anvender tidsserie-analyse som er vanlig innen økonometri på klima-data. Denne metoden sammenligner observerte og modellerte klima-variabler på en ny måte, og gjør det dermed enklere å identifisere modeller som reproduserer historiske klima-endringer ved hjelp av kansellerende modell-svakheter. Dette arbeidet gir oss et nytt observasjons-basert estimat for klima-følsomheten, med mindre tilhørende feilmargin. Vi har også koplet en spesifikk klimamodell, nærmere bestemt den den norske NorESM2 modellen, og en ny og forbedret IAM, i den hensikt å skape et nytt og mer fullstendig modell-verktøy for beregninger av fremtidige klimaendringer og deres økonomiske konsekvenser. Dette modell-verktøyet er nå ferdigstilt og klart for bruk i nye og mer helhetlige beregninger av de økonomiske konsekvensene av globale klimaendringer. Resultater fra prosjektet er allerede publisert i Geophysical Research Letters (2018) og i Journal of Econometrics (2019). Sistnevnte artikkel fikk også mye medie-omtale. Resultatene tyder på at klimafølsomheten (målt i såkalt transient klima respons) er noe høyere enn hva man tidligere har trodd. Dette fremkom av analyse som anvendte økonometriske metoder (en type statistikk som typisk anvendes på økonomisk data) på ca. 50 år med observasjoner av temperatur, stråling og klimagass-konsentrasjoner. Analysen er dermed helt uavhengig av de globale klima-modellene som man tradisjonelt har hentet kunnskap om klimafølsomhet fra. Analysen støtter opp om de høyeste estimatene av klimafølsomhet fra globale klimamodeller, og tyder på at hvis man skal nå målene satt i Paris-avtalen i 2015 (dvs en begrensning av global oppvarming til 1.5-2 grader celsius) må klimagass-utslippene reduseres enda raskere enn tidligere antatt. Ytterligere to artikler fra prosjektet ble nylig publisert; den ene (i Journal of Climate) anvender maskin-læring for å fylle hull i observasjons-tidsseriene nevnt ovenfor, den andre ble publisert i den prestisjetunge journalen Nature Geoscience og viser at klimafølsomheten ikke er konstant i tid, men derimot øker jo varmere det blir.

Prosjektets viktigste virkninger er at det har utviklet et nytt tverrfaglig modell-rammeverk for beregninger av de økonomiske konsekvensene av globale klima-endringer. Rammeverket er det første av sitt slag, og har potensiale til å transformere hvordan man utvikler klima-fremskrivinger i fremtiden. Basert på dette rammeverket er også et såkalt INTPART prosjekt finansiert, for å anvende det forsknings-baserte nye rammeverket i undervisning og formidling. Videre har prosjektet utviklet en ny (økonometrisk) metode for observasjons-basert beregning av global klima-følsomhet. Klimafølsomheten er et mål på hvor mye varmere kloden blir for en gitt økning av klimagasser i atmosfæren, og er derfor en helt avgjørende faktor for beregninger av fremtidens klima. Den nye metoden er komplementær til mer tradisjonelle beregninger basert på global klima-modeller, og er dermed velegnet for å teste hvordan disse samsvarer med observasjoner på en ny måte. Begge de to hoved-virkningene i prosjektet er direkte knyttet til effekter gjennom resultatenes viktige bidrag til kunnskapsgrunnlaget for klima-tiltak. Særlig er resultatene relevante for samfunnets forutsetning for å utvikle tiltak for å begrense global oppvarming, og for å tilpasse seg de fremtidige klima-endringene som er uunngåelig. To doktorgrader er gjennomført innenfor dette prosjektet, begge med en sterkt tverrfaglig profil. Denne typen tverrfaglighet er avgjørende for a kunne takle noen av de største samfunns-utfordringene, særlig relatert til bærekraft og klima, og derfor etterspurt i dagens arbeidsmarked. Prosjektet er gjennomført i tett samarbeid med to internasjonalt ledende universiteter (Yale University i USA og ETH-Zürich i Sveits), og har dermed styrket det internasjonale nettverket for de norske deltagerne og åpnet nye karriere-muligheter for de to PhD studentene .

Global warming is widely recognized as one of the defining issues of our time, presenting one of the biggest challenges facing humanity in the 21st century, affecting lives, communities, and countries worldwide. To address this challenge, estimates of the impact of greenhouse gas emissions on Earth's climate and predictions of the responding climatic impact on society are an imperative prerequisite to successfully guide governmental and inter-governmental policies. Global Climate Models (GCMs) and Integrated Assessment Models (IAM) are designed to simulate the physical climate system and the economic impacts of climate change, respectively. While both modeling tools have evolved tremendously in recent years, GCMs still rely on IAMs for future emission scenarios, while IAMs rely on GCMs for key properties of the climate system. Each modeling tool is thus incomplete and suffers from its own shortcomings. In the proposed research, we seek to address the above issues, which currently preclude reliable estimates of future climate change and its economic impacts. Specifically, we aim to firstly constrain Earth's climate sensitivity through a cross-disciplinary approach that applies econometric analysis to climate data, and confronts GCMs with observational data in a new and innovative way which is more likely to reveal which models suffer from compensating errors that allow them to reproduce past observations for the wrong reasons. Secondly, we intend to couple a state-of-the-art GCM with a recently developed gridded IAM, and ultimately calculate economic damage using functions that can take climate variables beyond surface temperature into account. The proposed research will be centered around two hypotheses, which we seek to test using the cross-disciplinary research approach outlined above. The project brings together climate scientists and economists with a record of successful cross-disciplinary collaboration, increasing the likelihood of a successful outcome.