Metodutveckling och analyser av klimatscenarier enligt FWI-modellen för framtida brandrisk i vegetation

Transkript

1 Peter Berg, Thomas Bosshard och Wei Yang RAPPORT NR Metodutveckling och analyser av klimatscenarier enligt FWI-modellen för framtida brandrisk i vegetation

2 SMHI-# Pärmbild. Projicerad förändring i antal dagar för brandrisksäsong definierad för FWIX 4, 5, eller 6, mot slutet av århundradet med en ensemble av klimatscenarier för RCP8.5.

3 Författare: Peter Berg, Thomas Bosshard och Wei Yang MSB RAPPORT NR Uppdragsgivare: Granskningsdatum: Granskare: Dnr: Version: Elin Sjökvist 2016/2209/10.4 Metodutveckling och analyser av klimatscenarier enligt FWI-modellen för framtida brandrisk i vegetation Uppdragstagare SMHI Norrköping Uppdragsgivare MSB Myndigheten för samhällsskydd och beredskap Karlstad Projektansvarig Peter Berg peter.berg@smhi.se Kontaktperson Leif Sandahl leif.sandahl@msb.se Distribution Klassificering Allmän Nyckelord Brandrisk, Skogsbrand, FWI, RCP-scenarier Övrigt

4

5 Sammanfattning Förändringar i skogsbrandrisk under framtida klimatscenarier har studerats med hjälp av FWImodellen, på uppdrag från MSB. Rapporten är en kompletterande studie till rapporten Framtida perioder med hög risk för skogsbrand enligt HBV-modellen och RCP-scenarier (Sjökvist m.fl., 2016). För klimatstudier är FWI-modellen är mer komplicerad än HBV-Skogsbrand på grund av att den använder fler ingående parametrar, vardera med olika känslighet för systematiska avvikelser (bias) i klimatmodellen jämfört med observationer. I en förstudie (Berg m.fl., 2016) konstaterades en hög känslighet för relativ luftfuktighet, och en metod för att utföra en robust klimatstudie föreslogs. Med utgångspunkt från föreslagen metodik (Berg m.fl., 2016) appliceras FWI-modellen med olika metoder för biaskorrektur. Det visar sig att det endast är nödvändigt att korrigera den relativa luftfuktigheten, vilken har en mycket stor bias mot våta förhållanden i den aktuella modellensemblen. Korrektioner av ytterligare parametrar bidrar endast marginellt till slutresultatet och undviks därför enligt filosofin att hålla sig så nära den ursprungliga klimatmodellen som möjligt. En ensemble med fem medlemmar, vardera med två utsläppsscenarier (RCP4.5 och RCP8.5) studeras. I förhållande till tidigare analyser med HBV-Skogsbrand är det en mindre ensemble, men utförda studier av spridningen av klimatförändringar i för skogsbrand relevanta parametrar ger en god täckning av osäkerheter enligt den större ensemblen. Perioder med hög brandrisk studeras och det visar sig att brandrisken generellt minskar i större delen av landet, främst i norr mot slutet av århundradet. Däremot ökar brandrisken längs Sveriges syd- och sydostkust. Starten av brandrisksäsongen ser inte ut att ändras nämnvärt, men säsongen ser ut att fortsätta längre in på hösten i de södra kustområdena, medan den blir kortare i norr. Längden på brandrisksäsongen, frekvensen av högriskperioder och längden på högriskperioderna följer ungefär samma regionala mönster. Den projicerade ökningen av brandrisk i södra Sveriges kustområden stämmer i stora drag väl med HBV-Skogsbrand, men resultaten för norra Sverige går i stark kontrast eftersom HBV- Skogsbrand visar på ökad brandrisk även där. Resultaten för FWI-modellen följer sannolikt av en ökning i antalet våta dagar, ökning av den relativa luftfuktigheten (särskilt för torra tillfällen), samt en minskning av antalet torra perioder. Detta motverkar den ökning som projiceras för temperaturen med ökad avdunstning som följd. FWI-modellen simulerar en kombination av antändnings- och spridningsrisk, och dess känslighet för relativ luftfuktighet kan vara av avgörande betydelse för det avvikande resultatet från HBV-Skogsbrand, som endast simulerar antändningsrisk. De två modellernas känslighet för förändringar i temperatur och nederbörd kan även det påverka om brandrisken ökar eller minskar i olika delar av landet. 1

6 2

7 Innehållsförteckning 1 BAKGRUND SYFTE METODIK FWI skogsbrandriskmodell Klimatscenarier Biaskorrektur Definition av högriskperioder Analysmetod RESULTAT Säsongsförskjutning av högriskperioder Brandrisksäsongens längd Förekomst av högriskperioder Längsta period med högrisk SKILLNADER MOT ANALYSER MED HBV SKOGSBRAND SLUTSATSER REFERENSER BILAGOR 3

8 4

9 1 Bakgrund I ett tidigare uppdrag från MSB studerades skogsbrandrisk i ett framtida klimat med hjälp av modellen HBV-Skogsbrand som simulerar antändningsrisk (Sjökvist m.fl., 2016). I SMHIs operationella verksamhet används även FWI-modellen som kombinerar brand- och spridningsrisk i ett index. Eftersom klimatmodeller har systematiska avvikelser (bias) från det observerade klimatet har så kallad biaskorrektur använts för att ta bort sådan påverkan. För HBV-Skogsbrand biaskorrigerades de ingående parametrarna dygnsmedeltemperatur och dygnsnederbörd, vilka båda har en god observationsbas. FWI tar de fyra parametrarna dygnsnederbörd, samt klockan 12 (UTC)-värdena av temperatur, vindstyrka och relativ luftfuktighet, varav det observationella stödet för de tre senare parametrarna är relativt svagt. En förstudie av olika metoder för att biaskorrigera och utföra klimatsimulationer med FWImodellen (Berg m.fl., 2016) gav underlag för studien av klimatförändringar i brandrisk som presenteras här. 2 Syfte Studiens syfte är att ge ett ytterligare perspektiv på de framtida brandriskscenarier som presenterats med HBV-Skogsbrand i Sjökvist m.fl. (2016). Liknande analysmetoder av framtida högriskperioder appliceras därför på FWI-modellen driven av en ensemble av klimatscenarier. Presentationen av studien är i möjligaste mån kompatibel med Sjökvist m.fl. (2016). 3 Metodik SMHIs operationella version av FWI appliceras här för att studera framtida skogsbrandrisk baserat på en ensemble av fem olika globala klimatprojektioner med vardera två olika utsläppsscenarier, som nedskalerats med SMHIs regionala modell RCA4. Analysen fokuserar på högriskperioder varav aspekter så som start, slut, längd, längsta period samt förekomstfrekvens studeras. Presentationen efterliknar Sjökvist m.fl. (2016), men med vissa skillnader för ökad tydlighet. Skillnader och likheter mellan studierna diskuteras löpande i resultatdelen. 3.1 FWI skogsbrandriskmodell FWI (The Canadian Forest Fire Weather Index System; van Wagner, 1987) är en modell för brandrisk utvecklad för skogsbränder i Kanadensiska förhållanden och för en standardiserad skogstyp. Modellen bygger på empiriska samband mellan markfuktighet och meteorologiska parametrar, härledda under Kanadensiska förhållanden. Marken är uppdelad i tre skikt med olika responstid. FFMC (Fine Fuel Moisture Code), DMC (Duff Moisture Code) och DC (Drought Code). FFMC är det ytligaste tunna (ca 1 cm) skiktet med förna eller mossa och svarar snabbt på luftfuktigheten. DMC motsvarar mossa, förna och humus lite djupare i ytskiktet (ca 7 cm) och kan hålla maximalt 15 mm vatten. DC beskriver djupare mer kompakta humuslager med långsam variation av fukthalten. Modellens brandriskindex FWI (Fire Weather Index) beräknas från fukthalten i de tre skikten och består av två delindex: BUI (BuildUp Index) och ISI (Initial Spread Index). BUI bestäms av de två djupare markskikten DMC och DC, och visar på det tillgängliga brännbara materialet. ISI bestäms av vindhastigheten och FFMC och beskriver spridningshastigheten i en eventuell brandsituation. FWI beräknas genom att kombinera BUI och ISI. I Sverige beräknas ett brandriskindex från FWI-värden enligt Figur 1, vilket följer samma skala som HBV-Skogsbrand (Sjökvist m.fl., 2016). 5

10 FWI grundvärde FWIX - brandrisk 28 FWI 6 (5e) Extremt stor 22 FWI < 28 5 Mycket stor 17 FWI < 22 4 Stor 7 FWI < 17 3 Normal 1 FWI < 7 2 Liten FWI < 1 1 Mycket liten Figur 1 (till vänster) FWI-modellens struktur. (till höger) Gränsvärden för brandriskindex. De meteorologiska parametrarna som behövs i FWI är dygnsnederbörden samt temperatur, relativ luftfuktighet och vindhastighet klockan 12:00 UTC. SMHIs operativa FWI-modell startas från antingen ett standardtillstånd under vintern, eller vid snötäckt mark från ett blött initialtillstånd då snön smält bort. I tidigare projekt har modellen startats från blöta förhållanden den första januari varje år (Gardelin m.fl., 2011). Ingen snöinformation tas alltså med i beräkningarna. I konsultation med en internationell kollega som studerat snötäcket i olika regionala klimatmodeller fick vi rådet att inte använda snöinformation på grund av stora bias och även drift i många regionala klimatmodeller. Istället implementeras rekommenderade start- och slutvillkor för brandrisksäsongen: säsongen startar när temperaturen klockan 12:00 UTC är över 12 C under tre dagar i sträck, och säsongen slutar när temperaturen går under 12 C tre dagar i sträck (Lawson och Armitage, 2008). Valet att följa en temperaturgräns istället för givet datum är att en förändring av snötäcket kan tänkas följa framtida temperaturförändringar på ett liknande sätt. 3.2 Klimatscenarier En utförlig beskrivning av utsläppsscenarier av typen RCP (Representative Concentration Pathways) som använts för den senaste rapporten från FNs klimatpanel (IPCC-AR5, 2013) gavs i Sjökvist m.fl. (2016). Här studeras RCP4.5 och RCP8.5, där siffran anger förändringen i atmosfärens strålningsdrivning i W/m 2 år RCP8.5 är således ett utsläppsscenario med starkare klimatförändringspotential, det vill säga en högre global uppvärmning. Inget av dessa RCPer kan väntas uppnå målet i det så kallade Parisavtalet med en begränsning av den globala temperaturen under två grader Celsius (med önskan att begränsa till under 1,5 grader) jämfört med förindustriell nivå. Översättningen av utsläppsscenarierna till klimatscenarier sker här i två steg. Först har globala klimatmodeller med horisontell upplösning på 100 till 300 km simulerat klimatet. Sedan har en regional klimatmodell (RCA4) använts för att nedskalera den globala klimatmodellens resultat till en upplösning på ca 12x12 km 2. Observera att vi här använder en högre upplösning på de regionala modellerna än vad som använts i Sjökvist m.fl. (2016). Detta har gjort på grund av den bättre överensstämmelsen i upplösning med den information som appliceras för FWImodellen i operativ drift på SMHI. Det vill säga den upplösningen som FWI-modellen är anpassad för. Användningen av den högre upplösningen gör att något färre klimatscenarier är tillgängliga för analysen: fem av de nio regionala klimatmodellerna från Sjökvist m.fl. (2016) används här. För att ge en idé om hur den mindre ensemblen påverkar resultaten har en mindre studie av 6

11 huvudparametrarna relaterade till brandrisk undersökts i jämförelse med de fyra utelämnade klimatmodellerna i kapitel Fel! Hittar inte referenskälla Biaskorrektur FWI-modellens känslighet för systematiska avvikelser (bias) med hänseende på brandrisknivåerna (FWIX), studerades i Berg m.fl. (2016). Studien visade en låg känslighet för temperatur- och nederbördsbias, något större känslighet för högsta brandrisknivån (FWIX=6) för bias i vindstyrka, men störst känslighet visade sig för relativ luftfuktighet. I den här studien fokuserar vi på högriskperioder, enligt definitioner i 3.4. Huvudparten av indexen som studeras är baserade på FWIX>=4, vilket minskar känsligheten för vissa bias (Berg m.fl., 2016). Studier har utförts på biaskorrektur mot två olika dataset, samt olika kombinationer av biaskorrigerade variabler för att se hur bias påverkar brandrisksimuleringarna. Bäst resultat gav en biaskorrektur mot endast relativ luftfuktighet med MESAN (Häggmark m.fl., 2010) som referensdata, vilket även är det datasettet som används för SMHIs operationella verksamhet med FWI-modellen. Övriga variabler lämnades okorrigerade. 3.4 Definition av högriskperioder Definitionen av högriskperioder följer den definition som getts i Sjökvist m.fl. (2016) för HBVskogsbrandmodell, som använder samma brandrisknivåer som FWI. Två olika grader av högriskperiod har använts. Dels sammanhängande perioder med FWIX 4, 5 eller 6 och dels sammanhängande perioder med enbart FWIX 6. Följande minimigränser har använts för att klassa en period som en högriskperiod: FWIX=4 under minst tio dagar, FWIX=5 under minst sex dagar, och FWIX=6 under minst fyra dagar. Tillfälliga avvikelser under maximalt två dagar med lägre index tillåts utan att högriskperioden avbryts. 3.5 Analysmetod Tre tidsperioder studeras: historisk period , en nära framtid , och en period mot slutet av århundradet Referensperioden skiljer sig från den som använts i Sjökvist m.fl. (2016), d.v.s , på grund av att klimatsimulationerna som använts här startade först i slutet av 1960-talet. Det innebär sannolikt en marginellt lägre temperaturökning i den här studien jämfört med Sjökvist m.fl. (2016), men det beror på enskilda modeller och deras interna variabilitet. Alla data har tagits fram på ett gridnät av ca 12x12 km 2, men resultaten i figurerna har interpolerats på motsvarande sätt som i Sjökvist m.fl. (2016) för att bättre synliggöra dem. I resultatdelen presenteras ensemblemedelvärdet, och ytterligare information om ensemblens spridning ges i bilagan med 25:e och 75:e percentilen för ett urval avresultaten. 4 Resultat Kartorna som presenteras visar medelvärdet över alla fem klimatscenarierna för tidsperioderna , och Percentiler av ensemblestatistiken återfinns i bilagan. 4.1 Säsongsförskjutning av högriskperioder Brandrisksäsongens start definieras som första dagen i den första högriskperioden varje år. Brandrisksäsongens slut definieras som den sista dagen i den sista högriskperioden varje år. Kartorna i Figur 2 visar medelvärdet för alla trettio åren. Brandrisksäsongen startade under referensperioden ( ) vanligen omkring april-maj i söder och med ett skifte mot maj-juni norrut. Starten är tidigare i kustregionerna än i inlandet. 7

12 Framtida projektioner visar ingen signifikant förändring i starttiden för brandrisksäsongen. Ett svagt skifte mot senare starttider kan ses i norr. Det är sannolikt relaterat till en ökning mot generellt blötare förhållanden under hela året i norr och under vinterhalvåret i söder. Detta är i stark kontrast till den tydliga förskjutningen av brandrisksäsongen mot tidigare start i HBV- Skogsbrandanalyser (Sjökvist, m.fl., 2016). Figur 2 Tidsutvecklingen av brandrisksäsongens start för FWI-index 4, 5, eller 6. Varje karta visar ett medelvärde av fem klimatscenarier. 8

13 För referensperioden avslutas brandrisksäsongen vanligtvis under juli till september i söder och under juli till augusti i norr (Figur 3). I de södra delarna syns ett tydligt skifte mot senare avslut, speciellt mot slutet av århundradet och för det kraftigare utsläppsscenariot RCP8.5 med ett skifte på ett par veckor. I det här fallet stämmer FWI och HBV-skogsbrandscenarierna väl överens. Figur 3 Tidsutvecklingen av brandrisksäsongens slut för FWI-index 4, 5, eller 6. Varje karta visar ett medelvärde av fem klimatscenarier. 9

14 4.2 Brandrisksäsongens längd Brandrisksäsongens längd definieras som antalet dagar mellan starten och slutet på brandrisksäsongen. Under referensperioden har de södra och sydöstra kustområdena upp till Stockholm längst brandrisksäsong på ungefär 80 till 100 dagar (Figur 4). Den är något kortare längs sydvästkusten och de inre delarna av Götaland (ungefär 60 till 80 dagar) och kortast i norr (0 till 70 dagar i gradient från väst till öst). Generellt är brandrisksäsongen längre enligt FWImodellen än HBV-skogsbrand. Figur 4 Tidsutvecklingen av brandrisksäsongens längd för FWI-index 4, 5, eller 6. Varje karta visar ett medelvärde av fem klimatscenarier. 10

15 Klimatscenarierna visar inte på någon markant förändring i längden på brandrisksäsongen fram till mitten av århundradet, men en viss ökning i de södra delarna utom västkusten mot slutet av århundradet för båda utsläppsscenarierna (Figur 5). Ökningen är på ungefär en till två veckor och är främst relaterade till ett senare avslut av brandrisksäsongen. I de norra delarna och västkusten visar klimatscenarierna på en kortare brandrisksäsong med ett par veckor. Detta är i kontrast till HBV-skogsbrandresultaten som även visade på en förlängning av brandrisksäsongen i norr mot slutet av århundradet. Figur 5 Förändring av brandrisksäsongens längd för FWI-index 4, 5, eller 6 jämfört med referensperioden

16 4.3 Förekomst av högriskperioder Förekomsten av högriskperioder visas här som frekvensen av år med minst en högriskperiod. Detta är ett mildare villkor än definitionerna av start, slut och längd av brandrisksäsongen, vilket leder till fler definierade punkter. De senare behöver minst två högriskperioder under ett och samma år för att vara definierade. Frekvensen är högre i söder och längst kusterna (Figur 6 och Figur 7). Klimatscenarierna visar på en minskad frekvens i norr, liknande förhållanden längs västkusten och ökad frekvens längs syd- och sydostkusten. Den ökning som HBV-Skogsbrand visat på i norr kan vi alltså inte se i FWI-resultaten. Figur 6 Frekvens av år då det förekommer minst en högriskperiod med FWI-index 4, 5 eller 6. Varje karta visar ett medelvärde av fem klimatscenarier. 12

17 Figur 7 Frekvens av år då det förekommer minst en högriskperiod med FWI-index 6. Varje karta visar ett medelvärde av fem klimatscenarier. 13

18 4.4 Längsta period med högrisk Definitionen av längsta period med högrisk är maximalt antal sammanhängande dagar med högrisk för varje år. FWI-modellen visar på liknande längd på högriskperioderna som HBVskogsbrand för FWI-index på 4, 5 eller 6 (Figur 8), men har mycket kortare perioder med FWIindex 6 (Figur 9). Klimatscenarierna visar tendenser mot längre perioder i söder och kortare perioder i norr. Detta är återigen i kontrast mot HBV-Skogsbrand som visar på längre perioder även i norr under framtida klimat. Figur 8 Tidsutvecklingen av längsta sammanhängande högriskperiod med FWI-index 4, 5, eller 6. Varje karta visar ett medelvärde av fem klimatscenarier. 14

19 Figur 9 Tidsutvecklingen av längsta sammanhängande högriskperiod med FWI-index 6. Varje karta visar ett medelvärde av fem klimatscenarier. 15

20 5 Skillnader mot analyser med HBV Skogsbrand Det är stora skillnader i modellstrukturen för HBV-Skogsbrand och FWI-modellen och dessutom studeras här FWI-indexet som är en kombination av antändnings- och spridningsrisk vilket kan skilja sig från HBV-Skogsbrands antändningsrisk. För klimatprojektioner kan man förvänta sig störst påverkan från de olika variablerna som används för att driva vardera modellen. HBV-Skogsbrand använder endast dygnsmedeltemperatur och dygnsnederbörd, medan FWI-modellen drivs av dygnsnederbörd samt temperatur, vindstyrka och relativ luftfuktighet klockan 12:00 UTC. Ytterligare en skillnad är att FWI-modellen inte beräknar snötäcke, utan definierar brandrisksäsongen enligt en temperaturtröskel. Det kan förklara delar av skillnaderna i speciellt norra Sverige. Vardera modellen har ett komplicerat samspel mellan olika variabler, vilket gör det komplicerat att förklara de olika resultaten från ett modellperspektiv. De två modellerna har dessutom drivits med olika dataset. HBV-Skogsbrand drevs med en ensemble av nio klimatscenarier med den regionala modellen RCA4 med en upplösning på ungefär 50 km. En biaskorrektur (DBS) applicerades sedan mot griddade observationer (PTHBV) med en nedskalningskomponent till 4 km upplösning (se Sjökvist m.fl. (2016) för detaljer). För FWI-modellen har vi istället använt RCA4-nedskalningar mot den högre upplösningen av ungefär 11 km, vilket passar väl med den upplösning som den operationella versionen av FWI-modellen använder. Ingen statistisk nedskalning genom biaskorrekturmetodiken är därmed nödvändig. Därigenom är det möjligt att endast applicera biaskorrektur på de variabler som har för stor bias för att ge rimliga FWI-simuleringar. Det visade sig att endast bias i relativ luftfuktighet var avgörande för användingen av FWImodellen. Genom användandet av den högre upplösta RCA4-ensemblen var tillgången till nedskalade globala klimatscenarier mindre och studien fick begränsas till fem av de nio modellerna som använts till respektive utsläppsscenario för HBV-Skogsbrand. En mindre studie av klimatförändringar i ett par nyckelvariabler relaterade till brandrisk har därför analyserats för att sätta de fem ensemblemedlemmarna i kontrast till den större ensemblen, samt för att jämföra den högre upplösningen mot den lägre. Figur 10 visar projicerad klimatförändring i tempertur i genomsnitt för hela Sverige för de olika ensemblerna. Spridningen i den mindre ensemblen täcker mycket väl in den större ensemblen. Detta är viktigt eftersom temperaturen har en stor påverkan på uttorkning av ytliga markskikt. Den högre upplösningen ger en något högre klimatförändring i temperaturen än de andra ensemblerna. Figur 10 Förändring i medeltemperatur för (vänster) RCP4.5 och (höger) RCP8.5 jämfört med referensperioden Resultaten är presenterade som medelvärde för hela Sverige. 16

21 Figur 11 visar antalet våta dagar, samt antalet torra perioder för de olika ensemblerna. Spridningen i förändringen av antalet våta dagar är underskattad i den mindre ensemblen för mitten av århundradet, men representerar spridningen väl mot slutet av århundradet. Den högre upplösningen ligger generellt mot mitten eller lite högre i ökningen av antalet våta dagar, men med stora skillnader beroende på utsläppsscenario och tidsperiod. Antalet torra perioder (Figur 11) visar på en minskning i snitt över Sverige och signalerna är liknande i den mindre och den större ensemblen. Däremot är minskningen generellt kraftigare i den högre upplösta ensemblen. Figur 11 Förändring i (överst) antal våta dagar (dagar med nederbörd över 1mm) och (underst) antal torra perioder (perioder med minst fem torra dagar i rad) för (vänster) RCP4.5 och (höger) RCP8.5 jämfört med referensperioden Resultaten är presenterade som medelvärde för hela Sverige. För relativ luftfuktighet ser vi i Figur 12 en generell ökning i framtida klimat. Ökningen är även större för de torraste tillfällena, vilket sannolikt har stor påverkan på brandrisken. Den mindre ensemblen representerar den större ensemblen relativt väl, men den högre upplösta ensemblen visar på en något svagare förändring mot våtare förhållanden. 17

22 Figur 12 Förändring i (överst) medelvärdet av relativ luftfuktighet och (underst) de 10% torraste dagarna för (vänster) RCP4.5 och (höger) RCP8.5 jämfört med referensperioden Resultaten är presenterade som medelvärde för hela Sverige. Sammanfattningsvis speglar den högupplösta ensemblen ganska väl den spridning vi ser i den större grövre upplösta ensemble som använts till HBV-Skogsbrandanalysen. 18

23 6 Slutsatser Framtida klimatscenarier för brandrisk har modellerats med FWI-modellen. Modellen har drivits av klimatscenarier från fem olika globala klimatmodeller, vardera med två olika utsläppsscenarier, och alla nedskalerade med den regionala modellen RCA4 till en horisontell upplösning på ungefär 11 km. Tidigare analyser (Berg m.fl., 2016) har visat att FWI-modellen är känslig för bias i klimatmodellerna och olika metoder har undersökts för att få en så rättvisande bild som möjligt. Det visade sig att bias i relativ luftfuktighet har den största påverkan på resultaten och bias i klimatmodellerna är så stor att i stort sett ingen brandrisk med index över FWIX=4 simuleras med okorrigerade klimatdata. En korrektion av endast relativ luftfuktighet gav mycket bra resultat; i god överensstämmelse med den vid SMHI operationella modellen driven med MESAN data. Ytterligare korrektion av temperatur, nederbörd, vind, eller kombinationer av dem gav ingen signifikant ytterligare förbättring. För att hålla osäkerheterna i modellprojektionerna så låga som möjligt gjordes valet att endast korrigera relativ luftfuktighet i den slutgiltiga versionen. Generellt visar klimatprojektionerna på en något längre brandrisksäsong i södra kustområdena, medan säsongen blir kortare i norr. Ökade nederbördsmängder och frekvens under hela året i norra Sverige och under vinterhalvåret i södra Sverige är troliga förklaringar till den kortare brandrisksäsongen. Detta motverkar en förväntad ökning av uttorkning av markskikt i och med ökande temperaturer. Frekvensen och längden på högriskperioder förändras på liknande sätt, det vill säga mot kortare och färre högrisperioder i norr och längre och mer frekventa i de södra kustområdena. Jämförelser med framtidsprojektioner med HBV-Skogsbrand visar på en stor känslighet för valet av brandriskmodell. FWI-modellens projektioner är därför ett viktigt komplement till den tidigare rapporten (Sjökvist m.fl., 2016). 19

24 7 Referenser Berg, P., Bosshard, T. och Yang, W. (2016) Förstudie för metodutveckling av klimatscenarier för brandrisk enligt FWI-modellen, SMHI-Rapport Gardelin, M., Andréasson, J., Olsson, J., Sahlberg, J., Stensen, B., och Yang, W. (2011) Scenarier för framtida skogsbrandrisk, SMHI-Rapport Hāggmark, L., Ivarsson, K. I., Gollvik, S., och Olofsson, P. O. (2000). Mesan, an operational mesoscale analysis system. Tellus A, 52(1), IPCC-AR5, 2013: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovern-mental Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 pp. Lawson, B.D., and Armitage, O.B. (2008) Weather guide for the Canadian forest fire danger rating system, Natural Resources Canada, Canadian Forest Service: Edmonton, AB. Sjökvist E., Björck, E., Tengdelius-Brunell, J., Johnell, A., och Sahlberg, J. (2016) Framtida perioder med hög risk för skogsbrand enligt HBV-modellen och RCP-scenarier, SMHI-Rapport van Wagner, C.E. (1987). Development and structure of the Canadian Forest Fire Weather Index system, Forestry Technical Report 35, Canadian Forest Service, Ottawa, Canada. 20

25 Bilagor Brandrisksäsongens start Figur 13 Tidsutvecklingen av brandrisksäsongens start för FWI-index 4, 5, eller 6. Panelerna till vänster visar 25:e percentilen av ensemblen och panelerna till höger visar 75:e percentilen. Brandrisksäsongens slut Figur 14 Tidsutvecklingen av brandrisksäsongens slut för FWI-index 4, 5, eller 6. Panelerna till vänster visar 25:e percentilen av ensemblen och panelerna till höger visar 75:e percentilen. 21

26 Brandrisksäsongens längd Figur 15 Tidsutvecklingen av brandrisksäsongens längd för FWI-index 4, 5, eller 6. Panelerna till vänster visar 25:e percentilen av ensemblen och panelerna till höger visar 75:e percentilen. 22

27 Förekomst av högriskperioder Figur 16 Frekvens av år då det förekommer minst en högriskperiod med FWI-index 4, 5, eller 6. Panelerna till vänster visar 25:e percentilen av ensemblen och panelerna till höger visar 75:e percentilen. Figur 17 Frekvens av år då det förekommer minst en högriskperiod med FWI-index 6. Panelerna till vänster visar 25:e percentilen av ensemblen och panelerna till höger visar 75:e percentilen. 23

28 Längsta period med brandrisk Figur 18 Tidsutveckling av längsta sammanhängande högriskperiod med FWI-index 4, 5, eller 6. Panelerna till vänster visar 25:e percentilen av ensemblen och panelerna till höger visar 75:e percentilen. Figur 19 Tidsutveckling av längsta sammanhängande högriskperiod med FWI-index 6. Panelerna till vänster visar 25:e percentilen av ensemblen och panelerna till höger visar 75:e percentilen. 24

29 25

30 Sveriges meteorologiska och hydrologiska institut NORRKÖPING Tel Fax

31 Sveriges meteorologiska och hydrologiska institut NORRKÖPING Tel Fax