利用降尺度方法评估模拟的全球变暖背景下梅雨带未来变化的模式间差异外文翻译资料

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

利用降尺度方法评估模拟的全球变暖背景下梅雨带未来变化的模式间差异

Hiroaki Kawase,1 Takao Yoshikane,2 Masayuki Hara,2 Fujio Kimura,2,3 Tetsuzo Yasunari,2,4
Borjiginte Ailikun,5 Hiroaki Ueda,6 and Tomoshige Inoue6

Received 26 January 2009; revised 10 August 2009; accepted 27 August 2009; published 31 December 2009.

摘要：梅雨带的变化是由全球变暖造成的,该全球变暖是利用降尺度方法(PGW-DS) 评估模拟的。PGW-DS与传统的动力降尺度方法是相似的，这种传统的动力降尺度方法使用了区域气候模型(RCM)，但是RCM边界条件的获得，是通过将由一般耦合环流模式(CGCMs)所模拟的有关未来和现在的气候差异添加到在一个控制周期内的每6小时的再分析数据中。我们分析得出，多模式的PGW-DS的运行是使用选定的耦合模式比较计划第三阶段(CMIP3)的多模式数据集进行的，在东亚6月份的时候会产生更好的性能，并且PGW-DS 的运行使用了多选择的CGCM模式的整体平均值(PGW-MME run)。PGW-MME和PGW-DS的运行显示了梅雨雨带降水位置向南移动的增加。PGW-MME运行与全部PGW-DS运行的平均值有很好的相似性。这一事实表明,多种PGW-DS运行的平均值能够被使用多选择的CGCM 整体平均值的单一PGW-DS运行所取代，以此来减少大量的计算费用。在与CGCM预测的比较中,PGW-DS运行减少了在梅雨带中由CGCMs自身造成的模式间的可变性。

引文：Kawase, H., T. Yoshikane, M. Hara, F. Kimura, T. Yasunari, B. Ailikun, H. Ueda, and T. Inoue (2009), Intermodel variability of future changes in the Baiu rainband estimated by the pseudo global warming downscaling method, J. Geophys. Res., 114,D24110, doi:10.1029/2009JD011803.

1、引言

正如在日本、中国、韩国被称作梅雨的雨期与亚洲夏季风(ASM)是密切相关的，并且在东亚的夏季可以带来大量的降水(以下称为梅雨带)[Kurashima and Hiranuma, 1971]。在梅雨时期的气候变化，不仅在东亚地区引起了频繁且严重的洪水灾害，而且偶尔也会导致干旱。政府气候变化委员会(IPCC) (2001、2007)报道称,温室气体的增加可能改变ASM强度和持续时间,从而导致未来梅雨带的变化。

由温室气体增加而导致的气候变化的调查是使用海洋大气耦合环流模型(CGCMs)来完成的。使用多种CGCM模式整体平均值的分析方法 (以下称为the MME mean）对于预测的改善是有效的。这个预测是由单一的耦合环流模式的偏差和不确定性的减少所引起的[如, Giorgi and Mearns, 2002]。在亚洲夏季风(ASM)期间，使用从耦合模式比较计划第三阶段(CMIP3)的世界气候研究计划（WCRP）的多模式数据集[Meehl et al., 2007] 中获得的the MME mean来研究气候变化[Min et al.,2004; Ueda et al., 2006; Kitoh and Uchiyama, 2006]。亚洲夏季风(ASM)的活动将加强南北反气旋环流强度的联系[Kimoto, 2005]，从而导致梅雨带的变化。

对于CGCMs来说，由于分辨率的缺失以及物理过程参数化的缺点使得梅雨带的模拟是极其困难的[Kang et al., 2002; Ninomiya et al., 2002]。Kawatani and Takahashi [2003]阐明从大尺度到中尺度，梅雨带前部的结构在网格大小约为110公里的高分辨率的AGCM中可以得到很好的模拟。高分辨率和中分辨率CGCMs的比较表明,在日本暖季的现代气候中，更高分辨率的版本能够更好地重现降水的平均状况以及降水的频率[Kimoto et al.，2005]。使用一个由日本气象厅(JMA)和气象研究所(MRI)所研发的、网格大小约为20公里的相当高分辨率的AGCM（以下称为MRI 20 km AGCM）来进行时间片段的实验[Mizuta et al., 2006]。与分辨率较低的模拟实验相比,MRI 20km AGCM在模拟关于地形降水的位置和雨量时有优势[Kusunoki et al., 2006]。

降尺度方法补充是一种用详细的时间和空间结构来补充GCM模拟的技术。已经提议了的两种主要的降尺度方法：一个是统计降尺度,另一个是动力降尺度(DDS)。传统的动力降尺度是由一个使用区域气候模型(RCM)的数值模拟所组成的。RCM将GCM的输出应用于初始和边界条件。Wang et al.[2004]阐明了动力降尺度(DDS)的发展历史。原始的RCMs 是使用静力学基本方程来进行的。随着计算机性能的发展, 一些RCMs 已经转化为非静力学方程基础上的模型。Kato et al. [2001]担心被GCM模拟的现代气候的复现性所主要影响的是区域气候的变化，并且表明当区域气候被DDSs详细评估时，GCM则应该有好的特性。

在A2排放场景的特别报道(SRES-A2)及政府气候变化专门委员会[2000]的场景之下，利用网格大小约为20公里的RCM，Kurihara et al.[2005]表明,在日本西部的暖季降水会增加 ,因为东太平洋反气旋环流的加强导致21世纪日本西部强的水分通量的辐合。使用非静力云分辨区域气候模式(NHM）来研究由全球变暖引起的更复杂的梅雨带的变化。根据SRES-A1B场景下MRI 20 km AGCM的输出来获得初始和侧边界条件(Yasunaga et al .,2006)。在全球气候变暖的情况下梅雨带的前部可能维持在日本群岛的南部并且在夏天将不再向北移动[Yoshizaki et al., 2005]。

被称为模拟的全球变暖背景下的降尺度方法(以下称为PGW-DS)是一个DDS的新概念，这一概念是由 Kimura和Kitoh在2007年提出的，并且适用于一些地区[Sato et al., 2007; Hara et al., 2008]。 PGW-DS与传统的DDS几乎是一样的,但是 RCM的边界条件是6小时再分析数据以及被CGCMs模拟的现在和未来气候之间变量的月平均值的复合体。在21世纪模拟的大气状态和海洋表面温度(SST)之下，Knutson等[2008]将类似的方法应用于大西洋飓风，并发现大西洋飓风和热带风暴发生频率在减少，而类暴风雨降水率则在大幅增加。Frei 等[1998]在欧洲较暖的气候中进行了一个类似DDS的 PGW-DS研究，以此来调查强降水过程,但他们认为在其他大气变量中只有统一的温度上升和相关变化的效果。

Kawase等[2008]把PGW-DS应用于过去的气候变化，该气候变化主要针对的是1960年代到1990年代的初夏中国梅雨带的分布。他们讨论了PGW-DS的两个优点。一个是在GCMs中包含的模型偏差的减少，另一个是由年际变化甚至如10年的更短的整合期引起的不确定性的避免。然而,评估在年际变率和干扰频率中的变化是困难的,因为PGW-DS假设，即使在未来气候中的变化性也是很小的。在可变性中的变化所引起的不确定性仍然是存在的。

在多种CGCMs之下PGW-DS很容易使多种DDSs成为可能，因为它只需要大气变量和海洋表面温度的月平均值，这两个比6小时数据更容易获得。这减少了对CGCM数据存档和访问的要求。本研究的目的是使用PGW-DS来评估梅雨带的未来变化。我们关注于6月份出现在中国南部和日本的稳定梅雨带。

1. 现代气候的复现性和CGCMs的预测

CGCMs在现代区域气候的模拟中已经有了不同的偏差,例如在东亚,这将导致由全球变暖引起的区域气候变化预测的大范围的不确定性。PGW-DS 依赖于由CGCMs模拟的现在和未来气候之间的差异。现代气高性能的CGCMs的选择对运行PGW-DS是至关重要,尽管这种方法与传统DDS相比在现代气候方面减少了CGCM偏差的影响。

泰勒在评估CGCM的性能时,于2001年提出了一种新型的图表(以后称为泰勒图)和技术评分。泰勒图与集中的均方根误差(RMSE)、模式的相关性和标准差有关。在亚洲之前的研究中已经有了泰勒图来评价CGCMs的性能的案例[Min et al., 2004; Kusunoki et al., 2006; Inoue and Ueda, 2009] 。泰勒图和技巧评分使评估由CGCMs模拟的梅雨带的位置和强度成为可能。

表1显示了具有必要的大气和地表变量的15 CGCMs去运行PGW-DS, 这对于CMIP3多模式数据集是可以获得的。 现在的气候是从20世纪耦合模式的气候模式(20 C3M)中获得的。降水和850 hPa风场的引用分别来自于降水的CPC合并分析(CMAP)[Xie and Arkin, 1997] 和ECMWF 40年的再分析数据(ERA40)[Uppala et al., 2005]。通过比较CMAP降水数据我们可以定义1980 - 1999年的分析阶段。分析面积区域,如图1所示 ，所有的模型将被内插到分辨率为2.5°*2.5°的网格中，以此作为引用的数据。S技巧评分被定义为

表1.拥有足够多的大气变量来进行PGW-DS的15 CMIP3 多模式数据集

其中R、R0和SDR分别是是相关系数和最大相关实现性，这等同于内部整体相关值的平均值，以及模型的标准差除以相应观测区域的标准差[Taylor, 2001]。在这里我们假设R0=1.0。高的技巧评分意味着CGCMs能够很好地模拟现实的气候的空间模式。在Taylor的工作中提供了更详细的信息[2001]。我们选择7个CGCMs，即CCCMA, CNRM, GFDL21, INGV, MIROCM, MIROCH和 MRI，他们比所有模式的平均值拥有更高的降水的技巧评分。MIROCM和MIROCH选择关注分辨率的差异,但我们只使用了一个较新的GFDL模型版本，GFDL21。

与其他CGCMs相比，七个所选的CGCMs显示了介于0.6和0.8之间的较高的降水的相关系数比(图2a)。然而,除了MIROCH和MRI,已选择的CGCMs的标准差小于参考数据。正如以前的研究所报道的那样，七个CGCMs总平均值的技巧评分(此后称为MME-CGCM)在图2中是最高的[e.g., Min et al., 2004]。

除了CCCMA,所选的CGCMs显示了相当高的相关系数，该相关系数是0.9的 850 hPa纬向风分量(图2 b)。然而,他们的标准差是分散的。MRI和GFDL的标准差与参考数据相比是类似的。与纬向风分量相比，对经向风分量而言，在泰勒图上绘制了更分散的所选的CGCMs(图2 c)。MME-CGCM显示了纬向风场、经向风场和降水的技巧评分最高。

图3显示了由MME-CGCM模拟的从2060年到2089年6月份30年的平均降水和七个所选的CGCMs 在SRES-A1B之下的场景。在MME-CGCM中梅雨对应的雨带位于从中国南部一直延伸到日本的地带(图3a)。MIROCM与MIROCH相似,但在MIRCOM中降水量远弱于在MIROCH中(图3 g和3 h)，这均取决于分辨率[Kawatani and Takahashi, 2003]。大多数CGCMs无法清晰地模拟梅雨带(图3 b-3g),但只有MIROCH可以(图3 h)。在现代气候中一些CGCMs不能准确模拟梅雨带(图未显示),导致在未来气候中梅雨带较模糊。考虑到在东亚，在CMIP3 多模式数据集中我们所选的CGCMs是拥有更高性能的,其他的CGCMs模拟的梅雨带更差。

图4显示了30年6月平均降水量在现代气候的20C3M(1970 - 1999)和未来气候的SRES-A1B场景(2060 - 2089)之间的差异。MME-CGCM表明在中高纬度地区，尤其是在梅雨带附近，降水在增加,而在低纬度地区,降水在减少(图4a)。然而,MME-CGCM降水的变化与个别CGCMs的变化有很大不同。GFDL和MRI显示降水减少(图4 c和4 e),然而CCCMA,MIROCM 和MIROCH显示在日本地区降水增加。只有INGV显示在中国北方降水减少(图4 d)。MIROCH和MIROCM设计了在降水中除降水量外类似的变化(图4 g和4h)。

图1：分析区域的地图。封闭地区中黑色、红色,蓝线分别代表模型领域,地区A和地区B

1. 模拟全球变暖背景下的降尺度方法

在控制时期，一个控制实验进行了一次梅雨带的模拟,这在1990年代的论文中出现过。我们使用2.2版本的天气研究和预测(WRF)模型的先进研究 [Skamarock et al

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25112]，资料为PDF文档或Word文档，PDF文档可免费转换为Word