Abstract There is now a large published literature on the strengths and weaknesses of downscaling methods for different climatic variables, in different regions and seasons. However, little attention is given to the choice of downscaling method when examining the impacts of climate change on hydrological systems. This review paper assesses the current downscaling literature, examining new developments in the downscaling field specifically for hydrological impacts. Sections focus on the downscaling concept; new methods; comparative methodological studies; the modelling of extremes; and the application to hydrological impacts. Consideration is then given to new developments in climate scenario construction which may offer the most potential for advancement within the ‘downscaling for hydrological impacts’ community, such as probabilistic modelling, pattern scaling and downscaling of multiple variables and suggests ways that they can be merged with downscaling techniques in a probabilistic climate change scenario framework to assess the uncertainties associated with future projections. Within hydrological impact studies there is still little consideration given to applied research; how the results can be best used to enable stakeholders and managers to make informed, robust decisions on adaptation and mitigation strategies in the face of many uncertainties about the future. It is suggested that there is a need for a move away from comparison studies into the provision of decision‐making tools for planning and management that are robust to future uncertainties; with examination and understanding of uncertainties within the modelling system. Copyright © 2007 Royal Meteorological Society

Evidence that extreme rainfall intensity is increasing at the global scale has strengthened considerably in recent years. Research now indicates that the greatest increases are likely to occur in short-duration storms lasting less than a day, potentially leading to an increase in the magnitude and frequency of flash floods. This review examines the evidence for subdaily extreme rainfall intensification due to anthropogenic climate change and describes our current physical understanding of the association between subdaily extreme rainfall intensity and atmospheric temperature. We also examine the nature, quality, and quantity of information needed to allow society to adapt successfully to predicted future changes, and discuss the roles of observational and modeling studies in helping us to better understand the physical processes that can influence subdaily extreme rainfall characteristics. We conclude by describing the types of research required to produce a more thorough understanding of the relationships between local-scale thermodynamic effects, large-scale atmospheric circulation, and subdaily extreme rainfall intensity.

Changes in precipitation extremes are occurring under climate change, but how they will manifest on sub-daily timescales is uncertain. This study used a high-resolution model, typically used for weather forecasting, to simulate hourly rainfall in the UK in the year 2100. The results confirmed previous findings of winter rainfall intensification and found that short-duration rainfall intensified in summer, increasing the risk of flash flooding. The intensification of precipitation extremes with climate change1 is of key importance to society as a result of the large impact through flooding. Observations show that heavy rainfall is increasing on daily timescales in many regions2, but how changes will manifest themselves on sub-daily timescales remains highly uncertain. Here we perform the first climate change experiments with a very high resolution (1.5 km grid spacing) model more typically used for weather forecasting, in this instance for a region of the UK. The model simulates realistic hourly rainfall characteristics, including extremes3,4, unlike coarser resolution climate models5,6, giving us confidence in its ability to project future changes at this timescale. We find the 1.5 km model shows increases in hourly rainfall intensities in winter, consistent with projections from a coarser 12 km resolution model and previous studies at the daily timescale7. However, the 1.5 km model also shows a future intensification of short-duration rain in summer, with significantly more events exceeding the high thresholds indicative of serious flash flooding. We conclude that accurate representation of the local storm dynamics is an essential requirement for predicting changes to convective extremes; when included we find for the model here that summer downpours intensify with warming.

Abstract. Mountains are essential sources of freshwater for our world, but their role in global water resources could well be significantly altered by climate change. How well do we understand these potential changes today, and what are implications for water resources management, climate change adaptation, and evolving water policy? To answer above questions, we have examined 11 case study regions with the goal of providing a global overview, identifying research gaps and formulating recommendations for research, management and policy. After setting the scene regarding water stress, water management capacity and scientific capacity in our case study regions, we examine the state of knowledge in water resources from a highland-lowland viewpoint, focusing on mountain areas on the one hand and the adjacent lowland areas on the other hand. Based on this review, research priorities are identified, including precipitation, snow water equivalent, soil parameters, evapotranspiration and sublimation, groundwater as well as enhanced warming and feedback mechanisms. In addition, the importance of environmental monitoring at high altitudes is highlighted. We then make recommendations how advancements in the management of mountain water resources under climate change could be achieved in the fields of research, water resources management and policy as well as through better interaction between these fields. We conclude that effective management of mountain water resources urgently requires more detailed regional studies and more reliable scenario projections, and that research on mountain water resources must become more integrative by linking relevant disciplines. In addition, the knowledge exchange between managers and researchers must be improved and oriented towards long-term continuous interaction.

Abstract. Most of the flow in the River Indus from its upper mountain basin is derived from melting snow and glaciers. Climatic variability and change of both precipitation and energy inputs will, therefore, affect rural livelihoods at both a local and a regional scale through effects on summer runoff in the River Indus. Spatial variation in precipitation has been investigated by correlation and regression analysis of long-period records. There is a strong positive correlation between winter precipitation at stations over the entire region, so that, for practical forecasting of summer runoff in some basins, a single valley-floor precipitation station can be used In contrast, spatial relationships in seasonal precipitation are weaker in summer and sometimes significantly negative between stations north and south of the Himalayan divide. Although analysis of long datasets of precipitation from 1895 shows no significant trend, from 1961–1999 there are statistically significant increases in winter, in summer and in the annual precipitation at several stations. Preliminary analysis has identified a significant positive correlation between the winter North Atlantic Oscillation (NAO) and winter precipitation in the Karakoram and a negative correlation between NAO and summer rainfall at some stations. Keywords: upper Indus basin, climate change, time series analysis, spatial correlation, teleconnections

As climate change research becomes increasingly applied, the need for actionable information is growing rapidly. A key aspect of this requirement is the representation of uncertainties. The conventional approach to representing uncertainty in physical aspects of climate change is probabilistic, based on ensembles of climate model simulations. In the face of deep uncertainties, the known limitations of this approach are becoming increasingly apparent. An alternative is thus emerging which may be called a 'storyline' approach. We define a storyline as a physically self-consistent unfolding of past events, or of plausible future events or pathways. No a priori probability of the storyline is assessed; emphasis is placed instead on understanding the driving factors involved, and the plausibility of those factors. We introduce a typology of four reasons for using storylines to represent uncertainty in physical aspects of climate change: (i) improving risk awareness by framing risk in an event-oriented rather than a probabilistic manner, which corresponds more directly to how people perceive and respond to risk; (ii) strengthening decision-making by allowing one to work backward from a particular vulnerability or decision point, combining climate change information with other relevant factors to address compound risk and develop appropriate stress tests; (iii) providing a physical basis for partitioning uncertainty, thereby allowing the use of more credible regional models in a conditioned manner and (iv) exploring the boundaries of plausibility, thereby guarding against false precision and surprise. Storylines also offer a powerful way of linking physical with human aspects of climate change.

Abstract Temperature data for seven instrumental records in the Karakoram and Hindu Kush Mountains of the Upper Indus Basin (UIB) have been analyzed for seasonal and annual trends over the period 1961–2000 and compared with neighboring mountain regions and the Indian subcontinent. Strong contrasts are found between the behavior of winter and summer temperatures and between maximum and minimum temperatures. Winter mean and maximum temperature show significant increases while mean and minimum summer temperatures show consistent decline. Increase in diurnal temperature range (DTR) is consistently observed in all seasons and the annual dataset, a pattern shared by much of the Indian subcontinent but in direct contrast to both GCM projections and the narrowing of DTR seen worldwide. This divergence commenced around the middle of the twentieth century and is thought to result from changes in large-scale circulation patterns and feedback processes associated with the Indian monsoon. The impact of observed seasonal temperature trend on runoff is explored using derived regression relationships. Decreases of ∼20% in summer runoff in the rivers Hunza and Shyok are estimated to have resulted from the observed 1°C fall in mean summer temperature since 1961, with even greater reductions in spring months. The observed downward trend in summer temperature and runoff is consistent with the observed thickening and expansion of Karakoram glaciers, in contrast to widespread decay and retreat in the eastern Himalayas. This suggests that the western Himalayas are showing a different response to global warming than other parts of the globe.

This paper describes the development of a weather generator for use in climate impact assessments of agricultural and water system management. The generator produces internally consistent series of meteorological variables including: rainfall, temperature, humidity, wind, sunshine, as well as derivation of potential evapotranspiration. The system produces series at a daily time resolution, using two stochastic models in series: first, for rainfall which produces an output series which is then used for a second model generating the other variables dependent on rainfall. The series are intended for single sites defined nationally across the UK at a 5 km resolution, but can be generated to be representative across small catchments (<1000 km2). Scenarios can be generated for the control period (1961–1990) based on observed data, as well as for the UK Climate Impacts Programme (UKCIP02) scenarios for three time slices (2020s, 2050s and 2080s). Future scenarios are generated by fitting the models to observations which have been perturbed by application of change factors derived from the UKCIP02 mean projected changes in that variable. These change factors are readily updated, as new scenarios become available, and with suitable calibration data the approach could be extended to any geographical region.

Abstract Regional climate projections are used in a wide range of impact studies, from assessing future flood risk to climate change impacts on food and energy production. These model projections are typically at 12–50-km resolution, providing valuable regional detail but with inherent limitations, in part because of the need to parameterize convection. The first climate change experiments at convection-permitting resolution (kilometer-scale grid spacing) are now available for the United Kingdom; the Alps; Germany; Sydney, Australia; and the western United States. These models give a more realistic representation of convection and are better able to simulate hourly precipitation characteristics that are poorly represented in coarser-resolution climate models. Here we examine these new experiments to determine whether future midlatitude precipitation projections are robust from coarse to higher resolutions, with implications also for the tropics. We find that the explicit representation of the convective storms themselves, only possible in convection-permitting models, is necessary for capturing changes in the intensity and duration of summertime rain on daily and shorter time scales. Other aspects of rainfall change, including changes in seasonal mean precipitation and event occurrence, appear robust across resolutions, and therefore coarse-resolution regional climate models are likely to provide reliable future projections, provided that large-scale changes from the global climate model are reliable. The improved representation of convective storms also has implications for projections of wind, hail, fog, and lightning. We identify a number of impact areas, especially flooding, but also transport and wind energy, for which very high-resolution models may be needed for reliable future assessments.