分辨率对降水影响的多模式比对：模拟和理论外文翻译资料

 2022-11-30 04:11

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

分辨率对降水影响的多模式比对：模拟和理论

摘要 为了评估分辨率对日降水量统计模拟的影响，在一个大型欧洲地区1961-2000年期间，以25和50km分辨率进行的6对RCM实验的集合进行了研究。非参数双样本Kolmorgorov-Smirnov检验测试两个样本的概率分布的位置和形状的差异，这表明在大多数陆地地区的两个模拟对夏季和冬季的日降水量的分布都是不同的，这在欧洲南部信号最强烈。二维直方图显示几乎整个区域的降水强度在冬季和夏季都随分辨率而增加。另外，25km的模拟比50km的模拟有更多的干燥天数。干燥天数随分辨率的增加表明在更高分辨率下模型性能有所改善，但是更高强度的降水值会高于观测值。在所有模式中，降水极值随分辨率的系统性增加表明，这种响应是模式制定的基础。简单的理论论证表明，流体的连续性以及水平风场的紧急标度特性，使得当网格间距减小时，分辨率的垂直输送量增加。随着网格间距的减小，分辨率相关垂直质量通量的这种增加加强了辐合和可分辨尺度降水。这一理论结果可能有助于解释在许多区域和全球模式中随着分辨率的增加而观测到的日益增多的，往往是异常大的层状云降水对总降水量的贡献。

关键词 区域气候模式 降水 模式分辨率

1 引言

为了理解气候变化风险，需要高时间频率的数据来构建评估极端事件的必要概率分布函数（PDFs）。由于气候模式是气候变化情景和概率产生的主要工具，因此，在亚季节时间尺度上评估气候模式输出的特征已成为头等重要的议题。一般来说，模式不能很好地模拟降水的日强度和频率，因为它们会产生过多的低强度降水（即毛毛雨），而高强度事件通常太弱。在一些模式模拟中缺乏高强度事件的原因归结于大多数全球气候模式（GCM）甚至区域气候模式（RCM）采用的相当粗糙的分辨率。在水平分辨率较低的情况下，模拟的垂直运动和降水率可能比实际情况弱，从而导致降水的时间平滑。当模式降水量与月或更长时间尺度的观测资料进行比较时，净结果可能是一个小偏差，但模式缺陷可能在日时间尺度上变得更加明显。

由于模式分辨率和降水模拟质量之间存在这种潜在的联系，越来越高的水平分辨率在改善气候模式中日时间尺度降水的空间和时间表示上已经显示出一定的前景，。这些研究表明降水强度在较高分辨率下会增加（即高强度事件增加），从而减少“毛毛雨”效应。例如，在美国分析的一组以T42，T170和T239分辨率下进行的CCM3模拟表明，在较高分辨率下，模拟的日降水加强（并且更加接近观测值），但整体强度仍然很低，即使在T239分辨率下也一样。Leung和Qian（2003）在比较美国西部40和15km分辨率RCM（MM5）模拟的研究中发现，在日时间尺度上，在奥林匹克山脉和加利福尼亚州沿海地区，分辨率越高，低强度降水越少和高强度降水越多。最近，Giorgi等人 （2014）比较了嵌套RCM实验在非洲、中美洲、南美洲、南亚和地中海地区日降水量的必要概率分布函数，发现RCM试验产生的高强度分布尾线比GCMs产生的更长，这在精细观察上有着更好的一致性。然而，在高分辨率下高强度事件的增加也会降低模式性能。Caldwell（2010）评估了RCMs和GCMs在模拟加利福尼亚州每月和每日冬季降水量方面的表现。他发现，所有RCMs和高分辨率GCM都过多预报了降水，高分辨率下极端事件强度的增加对这种过度预测作出了重大贡献。

最近的几项研究表明，这种降水强度的分辨率依赖性在大气模式中是系统性的。特别是，Li等人（2011b）显示降水必要概率分布函数的尾部随着城市大气模型（CAM）的分辨率系统地增加。在一篇相关论文中，Li等人（2011a）表明，极端降水对全球平均气温变化的敏感性本身可能与分辨率有关。杨等人（2014）在较新版本的CAM中发现类似结果。他们提供的证据表明，更高分辨率下降水极值的增加是由于垂直水汽通量强度分辨率的增加所致，并且他们认为这种分辨率依赖性是由于子网格垂直通量的代表性不足造成的。显然，模式分辨率对日降水量PDF的模拟有很大影响。

来自欧洲ENSEMBLES项目的RCM模拟集合以25和50公里的水平网格间距运行，但在所有其他方面相同，这为研究分辨率对多模式背景下的降水气候模式模拟的影响提供了极好的机会。对ENSEMBLES RCM中季节降水的分析表明，一般来说，对流（即模式对流参数化产生的降水）与总降水量的比率减少。然而，季节性时间尺度上更高分辨率下的性能增益似乎并不高，因为在夏季模式性能有所提高，但在冬季保持不变或甚至恶化。预计更高的分辨率对日降水量统计的影响要比季节性更大，但没有分辨率影响的系统的多模式研究支持这一假设。

在这里，我们利用ENSEMBLES RCM中的6个日降水量数据来研究与模式分辨率相关的日降水量的模拟差异。我们通过应用Kolmorgorov-Smirnov（K-S）检验和二维直方图来探讨日降水量分布的差异。我们使用例如雨天频率，降水分位数和极端事件降水量等指标，把25和50 km集合模式值和观测值进行比较，以便了解提高模式分辨率会如何影响其模拟的。最后，我们通过检验垂直速度和模型分辨率之间的关系来探究分辨率依赖性的起源。

2 方案

2.1 模式

在ENSEMBLES项目中，每个参与研究的机构在25和50公里（以下25和50公里）的两个不同网格间距上对共同欧洲区域进行了两次RCM模拟。我们评估了我们有足够数据的六种可用模式（表1），这些数据是由Rauscher等人（2010年）评估的。

表1 本研究中使用的模型

虽然各个模式的区域大小略有不同，但所有模式都有一个共同的最小域。其中五个模型旋转了纬度-经度坐标系统，使它们在公共最小域内具有相同的网格点规格。另一个模型ICTP RegCM3使用Lambert二次曲面正形投影，参考经度为30°E，参考纬度为30°N和60°N，这导致了不同的网格规格。初始和侧向边界条件由ERA-40再分析建立。模拟是在1961-2000年期间进行的，不包括起转周期，对于大多数模型来说长达1-2年。外部强迫（例如，土地覆盖，太阳常数和气溶胶强迫的估计）的应用在RCM之间有所不同，但不是在每个模式的25和50 km模拟之间。此外，除模式时间步骤外，所有模式设置对于每个RCM的50和25 km模拟都是相同的（即在更改分辨率时不执行调谐）。

这段时期（1961-2000）的日平均降水量数据（）被提交到丹麦气象研究所的ENSEMBLES数据库（http：// ensemblesrt3.dmi.dk/），以其原始本地模式网格。在日平均降水量分析中，我们利用了所有40年的数据。为了将所有模型绘制在一起（包括使用不同网格的ICTP RegCM），创建集合平均值，并与观测结果进行比较，我们使用双线性插值将每日降水数据重新定位到经常的0.25°纬度-经度网格。所有表面场都是内陆点指向陆地点和海洋指向海点。通过使用通用网格，我们的一些结果可以反映重新调整过程，而不是25和50公里之间的实际差异。在不同网格上比较模式模拟时，这是不可避免的。然而，在以前使用该数据集检查季节降水差异的工作中，调整对结果没有显着影响。我们还比较了我们使用已重新编制的数据和原生网格数据计算雨季频率的结果，发现几乎没有差异（未显示）。另外，Gong等人 （2003）表明，尽管空间聚合增加了AGCM模拟降水的性能，但是当相对大量的网格单元（gt; 15）被聚合时，结果依然几乎没有差异。在这里使用25和50公里的网格间距时，四个25公里的网格单元适合一个50公里的网格单元，这表明在聚合或分解时结果不可能发生显着变化。根据我们的分析，我们有信心所有数据内插到通用的0.25°网格不会对我们的结果产生重大影响。

除了降水，我们还研究了垂直速度，以阐明25和50公里每日降水分布差异的过程。对于这种分析，我们在0Z（瞬时输出）每日存档850 hPa omega（）和每日最大降水率（）。六个模型中的一个没有存档欧米茄，而另一个没有存档每日最大降水率，使得这部分分析中使用的模型总数达到四个。由于分析omega和每日最大降水率需要大量数据，我们利用了包括1991 - 2000年的10年数据子集。我们计算了850 hPa omega和每日最大降水量的体积统计数据，该模型不需要将模型输出插值到通用网格。

2.2 观测

为了评估模型的性能，我们采用了为ENSEMBLES项目生成的格网地块降水数据集。ENSEMBLES观测（EOBS）覆盖了21°N-75°N和49°W-68°E地区，尽管在北非和俄罗斯等地区的台站密度较低。整合到数据集中的台站数量随着时间的变化而变化，从1961年到2000年有1200到1900个台站。EOBS网格被用作RCM输出插值的目标网格。

3 结果

3.1 日降水量25和50 km分布的差异

3.1.1 K-S统计

我们首先研究25至50公里分辨率的日降水分布差异，而不考虑哪一组模拟与观测最接近，这一部分我们在第3.2节讨论。为了确定每日降水的分布之间是否存在统计差异，我们应用非参数二样本Kolmorgorov-Smirnov（K-S）检验，检验两个样本的概率分布的位置和形状的差异。该测试的零假设表明样本是从相同的分布中抽取的，而备选假设则表示样本来自不同的分布。检验统计量是两个经验累积密度函数（CDF）之间的最大差异。

图1a-b显示了六个模式中冬季（左图）和夏季（右图）显着性（P lt;0.05）K-S统计量的数量; 蓝色（红色）显示较高（较低）的模式数量。更多蓝色的存在表明更多的模式显示25和50公里每日降水分布具有统计学显着性差异。在冬季，50°N以南的大部分地区都显示出明显的差异，挪威和冰岛东部也是如此。在夏季，大多数陆地地区的日降水量分布差异明显，尽管该地区的南部地区也显示出最强烈的信号。值得注意的是，这些模式类似于对流降水与降水总量的季节差异，如图1c-d所示。蓝色表示对流降水与总降水量的比值在25公里模拟中相对于更多模型中的50公里降低。 随着分辨率的增加，RCM通过其可解析尺度显式方案产生更多降水（总体降水量略多），而对流降水保持不变，在平均范围内平均为plusmn;0.1 。这种转换显然会改变日降水的分布。请注意，这种开关（也出现在GCM中）并不一定表明模式性能有所改善：对于模式网格间距大于10km的情况，非对流降水不应该改变。我们在第4节回到可解析尺度与对流降水问题。

3.1.2 二维直方图

虽然K-S统计是明确检测强度光谱中与分辨率相关的差异的有力工具，但它的使用限制了对差异性质的洞察。例如，CDF在低强度，中强度或高强度范围内是否有分歧？CDF

图一 冬季（a）和夏季（b）在0.05显着性水平上显示显着的KS统计量的模式数量（6个）。 蓝色（红色）显示较高（较低）的模式数量。冬季（c）和夏季（d），25至50公里模拟的对流降水与总降水的比值差异。 蓝色表示在25公里处较少的对流降水（较高分辨率）

之间的整个强度范围内是否存在一个不变的差距，或者只是一个局部的差异？具有相同K-S统计量（最大间隙）的降水强度CDF可能代表降水强度谱中的非常不同的分辨率依赖性。可以使用25至50公里降水量的散点图来研究强度光谱中的这种差异，但所得散点往往很杂乱且难以解释。相反，这里我们使用二维直方图作为K-S统计量的补充工具。为了构建二维直方图，我们使用了40年的季节性日常数据。因此，冬季（DJF）时间序列长3600步，而夏季（JJA）时间序列长3680步。在每个网格点，数据按照强度进行排序，然后装箱到2-D直方图中。这类似于绘制每个单独网格点25和50千米强度的散点图并计算给定间隔或箱的点数。

作为二维直方图的一个例子，我们在图2 a-b中显示了夏季两个独立模式（KNMI和METNO）的二维直方图。显示这些特定的模型是因为它们是许多直方图共有的特征的明确例子，尽管直方图都是相似的。二维直方图与y = x线对齐的程度是两组模拟之间相似性的度量。二维直方图表明每个季节和模型在25到50公里强度之间存在相当线性的关系（即直脊），尽管存在一些差异。例如，y = x线以下的2-D直方图主脊的位移表示25公里处更加强烈天气过程的频率增加。这两个单独的模型显示了25公里处更强天气过程的频率增加。此外，即使所有模型在每个季节合并为一个直方图（图2 c-d），也会出现更强天气过程的频率增加。毛毛雨统计数据的变化也可以从直方图中收集。例如，在KNMI模拟（图2 a）中，y = x线上方的较大红色区域在约0-2 之间，表示50km处低强度天气过程的频率高于25km。在METNO模拟中，干燥天数随分辨率增加。这在图2 b中示出，其中二维直方图脊与零以上的y轴相交。

这些从50到25公里分布的变化—更高分辨率下有更强的降水和更少的下雨天数—似乎在更高的分辨率下会加大降水偏差（图3）。25和50公里的模拟都显示出降水偏差; 在冬季，全域（20°E-40°W和34°N-66°N）降水偏差在50公里时为19.4％，在25公里时为22.2％。在夏季，偏差较小，但仍为潮湿，50公里偏差为8.8％，25公里偏差为11.3％。这些一致的积极降水偏差部分可能是由于观测的不确定性。例如，风，蒸发，湿润损失，微量降水的未报告以及地形效应可能导致在仪表测量中降水偏低。尽管如此，我们的研究结果与最近Caldwell（2010）的工作一致，他们对北美区域气候变化评估计划（NARCCAP）的6个再

图二 50 -25公里降水量的二维直方图，a:KNMI夏天；b:METNO冬天；c:全模式冬天；d:全模式夏天。彩条上的比例是对数的。所有模型的组合（c，d）的直方图已通过模式（6）的数量归一化，以便轮廓间隔相同

分析驱动RCM和14个不同分辨率的GCM AMIP模拟的性能进行了检验。他发现，随着分辨率的提高，强降水事件增加，导致所有区域模式和最高分辨率GCM（50公里）产生湿偏差。

3.2 与观察结果的比较

直方图表明降水强度在25公里处增加，干燥天

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21826]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章