LASF/IAP区域气候模式CREM模拟1984-2004年华东地区夏季极端气温外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

LASF/IAP区域气候模式CREM模拟1984-2004年华东地区夏季极端气温

摘要：作者使用由LASG / IAP开发的名为CREM（区域Eta坐标模型的气候版本）的区域气候模型，研究了1984-2004年期间华东地区的极端夏季气温。结果表明，CREM很好的再现了华东夏季极端气温的主要特点，最低气温的再现要好于最高气温，特别是长江淮河流域（YHV）。模拟极端温度低于观测温度，特别是最高温度。极端温度的偏差与气候平均夏季表面空气温度的冷偏差一致，模拟极端温度年际变率的模型能力从北向南在增加，最低温度的模拟年际变化比最高温度更合理，对地表净太阳辐射的低估导致气候平均气温偏冷。此外，该模型低估了轻度和中度降水，同时高估了重度降水。这导致模拟的最低温度比最高温度更合理。

关键词：夏季极端气温，华东，CREM

引用：Zeng,X.-F., J.-W.刘,B.李,等,2012年:LASG/IAP区域气候模式CREM模拟1984-2004年华东夏季极端气温, Atmos.海洋科学.Lett.,5,68-73.

1 介绍

在1906-2005年期间，全球平均地表气温（SAT）增加了0.74°C（政府间气候变化专门委员会（IPCC），2007）。与世界许多其他地区一样，中国的区域变暖趋势也很明显（Yan et al，2002; Liu et al，2006; Fu et al，2008）。由于极端温度对社会的影响较大，人们对极端温度的变化比平均温度更关注（Li et al，2011）。观测分析表明，世界许多地区最低温度（T_min）的升温趋势比最高气温（T_max）更强（Zhai and Pan, 2003; Alexander et al, 2006）。

数值模型是气候变化研究中的有用工具。然而，全球耦合模型在模拟中国SAT变化的区域特征方面有偏差（Zhou，Yu，2006）。许多全球模式表现出有冷的偏差，特别是在西部地区（Li et al，2011）。 模拟的中国夏季T_min比T_max更合理（Wang et al，2008; Li et al，2011）。

与相对较低分辨率的全球模型相比，区域气候模式（RCM）可以在由全球模型或再分析数据导出的粗分辨率数据影响时提供精细分辨率特征。在不同区域对RCM设置各种物理参数是很容易的，而GCM只能使用统一的物理参数化（Giorgi and Mearns,1999; Leung et al，2004; Wang et al，2004; Giorgi et al，2009）。此外，RCM被广泛用于动态降低区域极端温度变化（Koo and Hong，2010; Gao et al，2001，2002）。

近年来，大气科学与地球物理流体动力学/大气物理研究所（LASG/IAP）数值模拟国家重点实验室正在致力于开发气候区域模式（气候模式）。该模型在模拟夏季气候平均降水和循环的空间分布（Shi et al，2009），ENSO衰变夏季降水模式（Zeng et al，2011），华东降水的季节性振荡（Zhao et al，2011）和极端降水（Liu et al，2012）时有很好的表现。然而，模型在模拟中国区域极端温度动态降低的表现是未知数。本文的主要动机是评估CREM在再现华东地区气候平均态和极端温度年际变化中的表现。

本文的其余部分组织如下：第2节包括了实验设计的简要介绍; 实验结果详见第3节; 第4节提供了一个总结。

2 实验设计

模型描述在以前的作品中已有详细描述（Shi et al，2009; Zeng et al，2011）。本研究中使用的区域包括了13-53°N，90-140°E，与Liu等人相同。（2012）。美国国家环境预测中心（NCEP-DOE）再分析（以下简称NCEP2）数据以2.5°times;2.5°和每天四次（Kanamitsu et al，2002）作为初始和 CREM侧向边界条件。海表面气温强迫数据来自每周最佳内插海面温度（OISST）数据，分辨率为1°times;1°（Reynolds et al，2002）。1984 - 2004年间的每个夏季，模型从4月到8月整合，6月到8月的日气温数据集被用于分析。

验证数据集包括以下内容：（1）在0.5°times;0.5°网格上观测温度数据集（Xu et al，2009）和（2）国际卫星云气候项目（ISCCP）分辨率为2.5°times;2.5°格点的月辐射数据集（Zhang，2004）。观测数据集的时期也是1984-2004年。

3 结果

3.1 气候平均

六月至八月（JJA）平均气温的气候分布情况如图1所示。在夏季，温暖的中心位于华东以南，40°N以南，105°E以东（图1a）。SAT在观测数据中的主要空间分布可以通过CREM进行再现（图1b）。然而，有两个冷偏带与观察数据形成对照。中国北方最明显的冷偏带大约为-3°C，而长江流域南部较弱的约为-1.5℃，如图1c所示。

根据Gong和Han（2004），我们以第10百分位数表示T_min，以日最高的第90百分位数排列的升序表示T_max。T_min和T_max的空间分布如图1所示。观察到的极端温度分布与气候SAT的分布类似（图2a和2b）。模型也可以表示出西藏高原的低值中心和长江-淮河流域的高值中心（YHV）（图2c和2d）。除了存在微小的暖偏差（图2e）外，模型也很好的模拟了32°N南部T_min的分布特征。主要的差异是37°N北部的极端气温存在冷偏差带，（图2e和2f），对应于气候平均温度下的冷偏差带（图1c）。32°N南部也有一个轻微T_max的冷偏差带（图2f）。一般来说，T_min比T_max模拟地更好。

华东不是一个统一的季风区，当地的气候特征在各个地区占主导地位。图3显示了1984-2004年期间模拟的华东三个地区气候平均夏季日气温的概率密度函数（PDF）：华北（NC，34-40°N，105-122°E），YHV（26-34°N），105-122°E）和华南（SC，20-26°N，105-122°E）的观测资料。可以看出，主要温度在SC中最高，从南向北减少。模式把他们的主要特征模拟的很好。在这三个区域中，模拟PDF与YHV观测数据最为一致（图3b）。NC和SC的低温被PDF轻微的高估，而高温被PDF有所低估（图3a和3c）。

本文还分析了华东不同地区CREM模拟极端温度的能力得分（表1）。从表中，模拟YHV的能力得分高于其他地区。与观测数据相比，模拟T_min的相关系数分别为0.818,0.922和0.918，NC，YHV和SC模拟T_max分别为0.908,0.931和0.871。对于T_min，根均方根误差（RMS）分别为3.925,0.846和0.883，NC，YHV和SC的模拟T_max分别为1.933,1.270和1.439。从相关系数比较，模拟T_min和T_max接近，而RMS的比较表明，除NC以外，T_min比T_max模拟的更合理。

3.2 极端气温的年际变化

华东三个地区夏季极端气温的年际变化情况如图4所示。模型很好地模拟出了这些变化。T_min在NC，YHV和SC模型和观察数据之间的相关系数分别为0.64,0.67和0.93，而T_max的相关系数分别为0.78,0.61和0.89。CREM和观测资料之间T_max的标准差的比值分别0.96,1.19和0.84和1.00,1.15和0.96，模型模拟年际变率的能力从北向南增加。在这三个地区中，YHV年际变化幅度大于观测资料，而其他两个地区的幅度均小于观测资料。大致来说，T_min的模拟年际变化比T_max更准确。

3.3 讨论

华东地区模拟极端温度的主要差异是冷偏差，与气候平均气温的冷偏相一致（图1c）。1984-2004时间段的六、七、八月模拟和观测数据的净太阳辐射偏差由图5所示，地表的模拟净短波通量的偏差远低于观测资料的-80Wbull;m-2，这可能是气候平均夏季SAT的冷偏差的原因。

什么原因导致表面净短波通量偏低？CREM中的夏季短波云辐射冷却效果比观测资料更强，大气顶部晴空短波净通量低于观测资料（Wu，2010）。 同时，CREM中使用的BATS1e（生物圈-大气转移方案1e）方案模拟了更多的潜热通量和更少的显热通量（Lee和Suh，2000; Winter et al，2009; Shi et al。，2009）。 所有这些因素导致模型表面的加热比观测数据弱得多。

模型低估了轻度和中度降水，高估了重度降水（Liu et al，2012）。重度降水对SAT有更大的冷却效果。 这可能导致模型相比观测数据表现出较暖的T_min和较冷的T_max。该结果也解释了为什么模拟T_min比T_max更准确。

4 总结

本研究评估了LASG/IAP区域气候模式CREM在模拟华东极端气温下的表现。主要研究结果总结如下：

（1）模型基本上再现了华东地区夏季极端气温的主要特征。模型模拟最低温度比最高气温更合理，特别是长江淮河流域。

（2）模拟夏季极端温度表现出冷偏差，特别是对于最高气温，与气候平均夏季地表气温的冷偏相一致。

（3）模型模拟​​极端温度年际变率的能力从北向南增加，相比最高温度，模型更合理地模拟出最低温度的年际变化。

（4）模拟出的气候平均夏季温度的寒冷偏差是由于低估了地表净太阳辐射。此外，该模型低估了轻度，中度降水，高估了重度降水，导致模拟的最低温度比最高温度更准确。

致谢 中国-瑞士适应中国气候变化项目（ACCC）-气候科学，海洋公共科技研究基金项目（201105019-3）以及中国科学院知识创新计划支持了这项工作（KZCX2-YW-Q11-04）。

参考文献：

Alexander, L. V., X. Zhang, T. C. Peterson, et al., 2006: Global observed changes in daily climate extremes of temperature and precipitation, J. Geophys. Res., 111, D05109, doi:10.1029/2005 JD006290.

Fu, C., Z. Jiang, Z. Guan, et al., 2008: Climate extremes and related disasters in China, in: Regional Climate Studies of China, C. Fu et al. (Eds.), Springer, Berlin, 313–344.

Gao, X., Z. Zhao, Y. Ding, et al., 2001: Climate change due to greenhouse effects in China as simulated by a regional climate model, Adv. Atmos. Sci., 18, 1225–1230.

Gao, X., Z. Zhao, and F. Giorgi, 2002: Changes of extreme events in regional climate simulations over East Asia, Adv. Atmos. Sci., 19, 927–942.

Giorgi, F., C. Jones, and G. R. Asrar, 2009: Addressing climate information needs at the regional level: The CORDEX framework, WMO Bull., 58, 175–183.

Giorgi, F., and L. O. Mearns, 1999: Introduction to special section: Regional climate modeling revisited, J. Geophys. Res., 104, 6335–6352.

Gong, D., and H. Han, 2004: Extreme cimate events in North China over the last 50 years, Acta Geog. Sinica (in Chinese), 59, 230– 238.

IPCC, 2007: Climate Change 2007: The Physical Science Basis. Summary for Policy Makers. Contributions of Working Group I to the Fourth Assessment Report of the Int

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25818]，资料为PDF文档或Word文档，PDF文档可免费转换为Word