RealClimate标志


区域气候模拟和一些常见的疏漏

了下:- rasmus @ 2020年4月17日

对当地气候信息的需求日益增长,以更新我们对与变化的天气有关的风险的理解,并准备迎接新的挑战。这种需求一直是其背后的一个重要动机世界气象组织的(WMO)气候服务全球框架(gfc)。

随着时间的推移,为了满足这些需求,也开展了许多工作,但我不相信人们总是了解整个情况。

在缩小后台

出发点是,全球气候模型(这个模型)没有被设计成提供当地的气候特点的详细信息,但仍然能够重现大规模的现象相当不错。这些模型往往是用最少的熟练规模有关。

当地气候也与该地区的大型条件有关,该模型能够重现出色,以及当地地理因素的影响。

降尺度

当地气候对大规模情况的依赖性意味着它是可能的低档次的局部尺度的温度和降水信息betway体育手机版,基于对大尺度信息和地理效应的描述。

也有相当数量的活动与降低气候信息有关,特别是通过国际协调降尺度试验(CORDEX)下世界气候研究计划(WCRP)。

在CORDEX的主要重点是运行区域气候模型(rcm),在有限的区域内,使用GCMs在边界上的结果,但网格比GCMs更细。大气环流模式的网格大小一般为100公里,而大气环流模式的网格大小一般为10-50公里(有些会缩小到几公里)。

还有一些活动遵循不同的方法来运行RCMs,使用经验,统计降尺度(ESD),其中统计降尺度模型已根据观测数据进行校正。这种方法有许多共同之处人工智能(AI)。

这是很重要的使用这两个RCMs和ESD的缩减,因为两者的结合可以说明我们应该期待的结果的信心。betway体育手机版原因是这两种类型的降尺度都是利用了独立的信息来源前者基于表示动力学和热力学的编码方程推导出答案,而后者利用隐藏在经验数据中的信息。

ESD也很重要,因为它提供了一个缩小便宜的计算工具,这使得它适用于缩减大型多模型作为歌舞团等耦合模式比较计划IPCC报告中提出的CMIP实验。

三种不同的ESD方法

此外,ESD有三种方法,其中一种称为'完美的预后“(),其使用纯粹的观测结果用于校准模型,而第二种方法则称为“模型输出数据”(MOS),使用模型输出代表大型预测观察在校准阶段代表当地条件。我将回到第三种方法以后。

大多数可持续发展教育工作,迄今已试图复制结果与之类似的区域协调机制,其中包括缩减局部温度和降水在一天按一天的基础上类似于区域协调机制提供的输出上。我把这种方法称为“缩减天气”作为牛津大学研究百科全书。这种做法也构建了网络和项目,如the欧洲的经济价值工程和的实验协议CORDEX-ESD

有关最佳做法缩小分歧betway体育手机版

但是,是缩减天气的最佳方式?

我不相信。

对于初学者来说,这种方法往往要求预测组成一组不同的变量描述大规模的条件,如平均海平面压力、表面附近的温度和大气中的各级(例如500 hPa, 700 hPa和850 hPa),特定的湿度在不同高度和位势高度在一定的水平。

重要的是要记住,一旦统计模型被重新分析校准预测时,模型将其替换为对应的GCMs模拟数据进行预测。

我怀疑GCMs是否能够在典型的预测因子组合中再现所有变量之间的协方差结构,以足够的准确性给出可靠的结果。

对气候适应有用的资料

在另一方面,问题是什么类型的信息中,人们真正需要的?

很少有决策者我曾遇到需要一个时间序列,如果谁问的时间序列往往是影响研究者谁在影响模型使用它们作为输入。每日时间序列换句话说,作为中间结果。

最后,影响研究人员通常也会提供一些关于某些事件发生的风险或概率的信息。betway体育手机版

在许多情况下,概率密度函数(pdf文档)会做,特别是用于映射风险,我们真正需要的是预测如何,如图1中的PDF文件将在未来发生改变。

我和统计学家和数学家一起工作了很长时间,认识到尝试直接预测pdfs是可能的,无论是温度或降水(如图1),还是影响模型的输出。

图1.当地的气候最常见的变量是每天的温度和24小时的降雨。右图显示了正态分布可以表示温度异常,而左面板是指数分布可以表示湿天24小时的雨量(例如在天大于1毫米)。如果目标是预测其概率分布函数的变化(或累积概率函数),那么它没有涉及计算的长链。这里μ是平均值,σ是标准偏差。

因此,而不是缩减的天气,像大多数学者从事防静电,是有意义的缩减PDF文件,这是我作为另一种方式“气候比例缩减”。

在地方尺度上,气候可以被定义为描述诸如日温度和降水量等变量的pdfs,如图1所示。

降级气候方法有很多优点:

  1. 它允许使用平均季节性值作为代表大规模条件这是更容易从GCM模拟预测因子。

  2. 它需要较少的计算资源和更快。

  3. 统计特性通常比单一结果更可预测。

  4. 根据中心极限定理,季节均值更接近正态分布。

  5. 经验表明,只有一个变量通常需要作为预测,而不是一组许多的。

  6. 当局部谓词描述季节pdfs的参数时,它们也趋向于近似正态分布,因为它们是在样本上聚集的,这使得主成分分析(主成分分析)表示的有效且适当的方式。

第三种方法

此外,降级气候方法是理想的使用常见的EOF(看到以前的文章)来表示大规模的预测因子。当然,使用普通的EOF意味着你不再使用PP的办法,但PP-MOS混合的方法。这是除了上面描述的PP和MOS之外的第三种方法。

ESD社区对于如何对这些方法进行分类存在一些争论,但使用常用EOFs作为框架的统计模型校准涉betway体育手机版及到混合观测(再分析)和GCM结果来代表大尺度条件。

因此,它是与PP也不MOS没有定义一致。

对我来说,降低pdf的参数并使用常见的EOFs似乎是“无需动脑筋”的事情。ESD社区中很少有人使用这些方法,这有点奇怪。

使用共同的EOF的意味着匹配从再分析和GCM预测该问题大大减少,并且它们经常使缺乏其中GCM结果的评估。

此外,使用PCA来表示给定区域内的一组谓词似乎也比逐点缩小更优越,而且它确保了空间一致性,这通常是一个问题。

一个完整的画面是对气候服务的重要

看来,ESD社区被分割,而战略降级气候已被忽略或忽视。例如,它没有在欧洲赞赏成本价值项目。成本价值工程有时呈现为ESD一个包罗万象的项目,但我不与认同上述观点。

我参与的成本价值,但认为许多决定是由具有较强的意见和态度坚定地领导执行。许多建议被置之不理,该项目从未accomodated为降级气候策略或包括基于公共EOFs的评价方面。

尽管有这种限制,成本-价值项目可以在许多方面被视为产生了大量良好结果的成功努力。然而,它并没有提供ESD的全部情况。

我曾多次遇到的ESD发展的账目不全,甚至在最近的论文,其中的策略降级气候已经被忽视了。这种常见的遗漏可能会导致新一代的学者在降低尺度的社区中遗漏了一部分故事。

如果缩减的工作进行,那么它也是重要的考虑并承认做是为了使我们的知识的最佳出对气候服务和适应气候变化的所有相关工作。这是特别重要,这些天,作为一个新的IPCC报告于气候变化对全球和区域范围起草。

11对“区域气候模拟与一些常见遗漏”的回应

  1. 1
    B Eggen 说:

    我认为,在图1的左和右面板的说明已被混合起来。 - 左边是T和正确的雨。

  2. 2
    罗素 说:

    Rasmus,随着模型的缩小,改善区域参数真实性的前景是什么?

    一些有趣的变量是区域和seasonal-超出雪和植被,蒸发和蒸散明显的变化b上反应OTH长和短的时间尺度在地上,水,和树冠反照率气象学和生物学拉动转变。

    如何将在分辨率,光谱带宽,并从环境卫星和平台不断增长的星座数据密度的进步融入evolvong区域模型?

    而如何将全球模型反映可能出现rgional模型中,由于分辨率和光谱歧视完善新的反馈?

  3. 3.
    拉斯穆斯 说:

    好问题,罗素。我采取的是设计了一组实验,探讨这些问题。还有什么可利用的意见真正代表一个问题。这可能是一个好主意,不同的相关数据集,模型和方法结合起来。然后,我认为我们必须从法官案件情况下,如果我们有足够的信息/数据和娴熟的模型。

  4. 4

    感谢拉斯穆斯拟订就需要缩减,这往往是关于气候变化的评估在地方一级忽视。我想增加或扩大在几个主题,你提出的。

    ESD方法通常分为PP和MOS两类。虽然这是一个重要的区别,但它并没有涵盖所使用的非常广泛的方法。另一种分类方法可能包括以下几类技术:(1)分布的,(2)传递函数,(3)空间的,和(4)随机天气发生器。

    (1)是利用过去观测数据和模型数据的概率分布,以及对未来的模型预测,推导出未来的伪观测值的方法。不严格地说,目标是为未来“纠正”模型输出中的偏差,以便“纠正”在统计分布中的位置不同。有时这些被称为分位数映射技术。

    (2)是利用观测值与模型数据之间的传递关系进行映射的方法。它们可能包括从相对简单的线性回归方法到更为复杂的人工智能技术(如神经网络)。

    (3)是尝试使用空间信息的方法。这些往往涉及多变量技术如的EOF,SVD,等等。它们还包括其中一个寻求“天气图”从类似于那些气候模式对未来预期的观测历史记录模拟方法。

    (4)是一天到一天的天气变化统计学建模方法。一个显着的特点是,它们被用来生成气象序列变现的合奏。

    重要的是要注意,这些类之间没有严格的界限—一些技术可能属于不止一个类别,而ESD技术可能包含不止一个方法。我不会试图将任何特定的方法归类为“最佳”——在某些度量上表现良好的方法在其他度量上可能表现不佳。例如,来自(1)的方法可能更适合于评估各个位置可能的未来值的范围,例如超过某个阈值的事件。从第(3)项中得出的结果应该能更好地表示多变量场——因此它们将更适合于评估野火的风险——包括温度、湿度、风、太阳辐射等变量,以及它们在某一天的相互关系。如果你对天气有兴趣,那么(4)可能是首选。

    关于你所说的缩小天气和缩小气候的观点,我不betway体育手机版认为这两者必须相互排斥。人们可以应用缩小天气尺度的技术,将结果汇总成PDF格式。然而,我对您使用季节平均值作为预测因子和常用EOFs的方法不太betway体育手机版感兴趣,原因有几个。

    最根本的是,当您使用季节性或其他长时间平均预测时,您可能会失去捕捉短期变化范围,特别是极端变化范围的能力。假设你遭遇了连续4天的热浪,每天温度超过华氏100度,必威官网接下来这个月的天气很凉爽。在这种情况下,你的预测将接近正常。从影响的角度来看,热浪是最重要的。必威官网

    其次,是在隐含假定你是说,你正在结合(观察和GCMS)事物的协方差字段来自同一群体使用普通的EOF的危险。我认为,这不是一般的事实。否则,你最终混合“苹果和桔子”。

    你还提到了“降低气候变化”的其他优点,比如从GCMS获得的每日数据的可用性,使用较少的计算资源,以及具有高斯分布的变量。虽然在过去,前两个问题可能是问题,但考虑到当前的技术,它们不是一个大问题。考虑到气候系统的复杂性,我很犹豫是否要把它硬塞进高斯模型中。

    最后,我想赞美的成本价值工程与位在欧洲人是摆在我们面前的池塘北美侧羡慕的!我有点失望的是,它是如此严重面向朝着“展示和讲述”,但可能已经在第一刺不可避免的在这样一个艰巨的任务。我希望它会鞭策的ESD技术诊断,我认为这是一个被忽视的领域更多的工作。

  5. 5
    拉斯穆斯 说:

    谢谢你的评论。使用季节性汇总统计betway体育手机版数据作为预测指标的一种想法是,它可能包括每日数据的标准差、炎热天数或炎热期的平均持续时间。其中许多涉及到其他类型的分布,如泊松分布或几何分布,但是使用GLMs可以缓解这种情况。另一件事是,常见的EOFs在再分析和GCM结果的结合下工作得最好,部分原因是再分析涉及到使用大气模式。当然,我很欣赏你关于“最佳”方法的观点,因为它取决于具体情况。betway体育手机版

  6. 6
    布莱恩·詹姆斯 说:

    2020年4月18日塑造宇宙|宇宙的骗子

    观看《宇宙形状》第一部分:

    https://youtu.be/JQu8BPNDOOg

    https://youtu.be/XFeoWG3eAOc

  7. 7
    尼克O. 说:

    很抱歉我跑题了,但约翰·霍顿爵士几天前去世了。在下面的链接中有对他生平的简短回顾,包括对他在气象学和气候物理学方面的工作的一些评论,以及他最近作为IPCC创始编辑的角色:

    https://www.wunderground.com/cat6/climate-scientist-and-founding-ipcc-editor-sir-john-houghton-dies-at-88

  8. 8

    田纳西流域管理局(TVA)若干年前委托区域气候研究。当时,缩小是相当粗糙和突出了巨大的不确定性。什么可以做,不过,是要调查准许的范围似是而非的结果的特定地区的特定漏洞。对于TVA区域,例如,研究表明,在平均气温可能出现的变化倾向于赞成的树木和降水量的变化更南方的物种拥有什么仍然是一个充分灌溉区中的边际效应。

  9. 9

    约翰爵士的事我很难过betway体育手机版。我有一本他写的书——《大气的物理》,对我影响很大。当我写信给他索要电子表格时,他也毫不犹豫地寄了过去。一个好科学家,一个好男人。

  10. 10

    为什么不把EOFs仅仅看作一个地区内气候的驻波模式呢?

  11. 11
    巴里 说:

    淡水河谷,约翰霍顿。一个伟大的老师,沟通,和气候管家scienceand警监。