全球気候モデル（GCM） モデルの不確実性に加えて、モデルの不確実性のもう 1 つの重要な要素は、地域気候モデル（RCM） パラメータ化スキームの内部不確実性 (つまり、RCM 内の物理プロセスの不確実性) を定量化することです。 RCM におけるパラメータ化スキームの選択は、極端な降雨量と気候変動シグナルの将来の予測に大きな影響を与える可能性があります 。 ただし、計算上の制約のため、GCM 用の CMIP6 で一般的に生成されるもののような、摂動物理 RCM アンサンブルを生成することは、現在 CORDEX タイプの実験では一般的ではありません。 有望な手段の 1 つは、異なる物理スキームに基づいて比較的短いタイムスライスの RCM シミュレーションを生成し、その後、スキームごとに個別の RCM エミュレーターをトレーニングすることです。 エミュレータ機能が他の GCM に十分に移転可能であれば、これらのエミュレータはそれぞれ、異なる GCM にわたる将来の気候予測に適用できます。 さまざまなパラメータ化スキームに関連付けられたこの将来予測のアンサンブルにより、将来予測の不確実性をよりよく理解できるようになります。 これは、特に将来の異常気象に関連する地域レベルの意思決定において、不確実性の定量化を拡張するための貴重なツールとして機能する可能性があります。
コメント：上記の方法の場合、物理スキーム（積雲対流パラメタリゼーション、雲微物理過程、境界層スキーム、その他）の全ての組み合わせでRCMエミュレータを作成する必要があり、計算効率が低下する可能性があります。まずRCMで再現性の良い物理スキームの組み合わせを見つけ出し、それをRCMエミュレータに採用する方が良いかもしれません。予報精度を向上させるために、できる限り不確実性を低減することも求められています。