北美区域气候变化评估计划的气候变化项目外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

北美区域气候变化评估计划的气候变化项目

L. O. Mearns amp; S. Sain amp; L. R. Leung amp; M. S. Bukovsky amp;

S. McGinnis amp; S. Biner amp; D. Caya amp; R. W. Arritt amp;W. Gutowski amp;E. Takle amp; M. Snyder amp; R. G. Jones amp; A. M. B. Nunes amp; S. Tucker amp;D. Herzmann amp; L. McDaniel amp; L. Sloan

摘要：我们调查了基于多个全球气候模型（GCMs）运行的关于北美季节性气温和降水变化的NARCCAP多区域气候模式（RCM）实验的主要结果。 我们关注两个主要问题：与那些母体GCMS不同，RCM是如何模拟气候变化,从而影响我们对北美气候变化的看法，以及RCM和GCM对不确定性的相对贡献有多重要（方差解释 ）不同季节和变量？ RCM结果倾向于产生更强的降水气候变化：与四大GCM推动区域模式和全套的CMIP3 GCM结果相比，冬季北部地区冬季增幅较大，夏季中部地区降幅较大。我们为变化强度的差异提出了一些可能的过程级机制，特别是在夏季。需要详细的流程层面的研究来建立这些结果的机制和可信度。GCM解释冬季气温和夏季气温的RCM方差。降水模式也是如此。因此，我们建议未来在该地区的RCM-GCM实验可以包括平衡数量的GCM和RCM。

1介绍

几十年来，气候科学和影响科学界一直在寻求人为排放量对区域气候变化的强力估计。 一种常见的方法是通过使用各种缩减技术来增加大气 - 海洋全球气候模式（GCM）的相对粗略的分辨率。 最有希望的技术之一是将动态区域气候模型（RCM）嵌入GCM，以获得更多的区域细节，并有望在特定的领域获得更多的细节。

几个主要的国际项目已经发现了使用这种技术在区域尺度上模拟未来气候的不确定性。 最值得注意的是两个已经结束的欧洲计划PRUDENCE（Christensen et al。2007a）和ENSEMBLES（Christensen等，2010）。 2006年启动的北美地区气候变化评估计划（NARCCAP，Mearns等，2009）是另一个相似的计划。

NARCCAP的主要是为几个国家在建立确定气候模拟的可信度，确定区域和全球模型在量化未来强制反应中的不确定性方面的相对重要性，制定影响和适应社区使用的区域气候情景，为气候研究界分析提供结果，以及提供开发更高分辨率气候模拟的边界条件而实行的。

在NARCCAP中体现的最重要的两个问题是：我们从RCM实验中了解到和北美气候变化相关的气候变化与我们从母体GCM或CMIP3模拟中获得的不同之处，以及RCM与GCM在气候变化不确定性方面的相对重要性是由全套模拟产生，我们讨论这两个问题，重点是两个季节（冬季和夏季）温度和降水量的变化。

2 NARCCAP实验

该计划包括两个主要阶段：在第一阶段，六个区域协调机构使用NCEP / DOE再分析二十五年（1980-2004年）的边界条件; 在第二阶段，边界条件由A2 SRES排放情景（Nakicenovic等人，2000年）的四个GCM为当前气候（1971 - 2000年）和未来气候（2041-2070年）提供。 RCM的模拟领域涵盖了墨西哥北部，美国48个州和加拿大大部分地区（图S1）

使用的六个RCM是：加拿大RCM（CRCM），中尺度模型版本5（MM5），HadRM3（缩写为HRM3），RegCM3（缩写为RCM3），实验气候预测中心（ECPC）区域光谱模型（RSM） 天气预报模型，WRF。 （见Mearns等人（2012）以及参考资料的补充材料。） 选择这些RCM来提供各种模型物理学，并使用已经进行多年气候变化实验的模型。 区域模型的主要特点总结在项目网站上.1其中两个（RSM和CRCM）使用频谱推移，它从主机GCM不仅在边界提供信息，还在整个模拟领域，因此直接限制这些RCM遵循主导模型。

在第二阶段，我们使用四个GCM的边界条件：NCAR-CCSM3（Collinset al。2006a），加拿大气候中心CGCM3（Scinocca和McFarlane 2004; Flatoet al.2000），Hadley Center HadCM3（Pope et al.2000 ; Gordon等人2000）和GFDL AOGCM，CM2.1（GFDL GAMDT GFDL全球大气模型开发小组2004）。 使用A2 SRES排放情景的模拟已经与所有这些模型一起执行，作为CMIP3,2的一部分，并且都以适合于主导RCM的6小时的间隔保存输出。

2.1实验设计

由于有限的资金排除了模拟所有24种可能的嵌套组合，我们采用了4times;6 RCM-GCM矩阵的平衡分数阶乘设计采样一半，以最大化实验获得的信息。 选择12个配对，使得每个GCM为三个不同的RCM提供边界条件，并且每个RCM嵌套在两个不同的GCM中。 表1显示了所得到的RCM-GCM配对矩阵。 这种平衡设计是NARCCAP和其他RCM-GCM程序之间的重要区别。

3 数据和方法

3.1数据

我们使用两个数据集的气候模型输出。 GCM数据来自世界气候研究计划（WCRP）耦合模型比较项目第三阶段（CMIP3）; 有关GCM的数据和进一步信息可以从气候模型诊断和比较（PCMDI）档案程序中获得.3 NARCCAP（GFDL，CCSM3和CGCM3）中使用的四种GCM中的三种是CMIP3数据集的一部分。 使用HadCM3Q0（Collins et al。2006b）模型稍微不同的版本，对NARCCAP进行了HadCM3的模拟。 这个更新版本包括通量调整和气溶胶循环，它们不在用于生成CMIP3数据的HadCM3版本中。 然而，在较大的区域尺度上，两种模型的模拟温度和降水结果与北美相似。

NARCCAP RCM数据全部内插到0.5times;0.5°网格。 虽然所有模型运行都以大致相同的空间分辨率执行，但每个模型都使用不同的地图投影，因此每个模型的网格不会并列。

3.2方法

3.2.1方差分析（ANOVA）方法

我们的方法是基于随机效应分析方差（ANOVA）统计模型（Kutner et al。2005; Sainetal。2010;另见Li等人2012年最近的工作），其重点是三个方差分量（变异来源）：RCM，GCM，以及错误或残差项。该统计模型假设RCM输出的总体变化可以分解为这三个术语，并利用共享RCM或GCM的模型运行之间的相关性。前两个方差分量的相对幅度分别是来自RCM和GCM的贡献的度量，较大的值表明更重要。相比之下，相对于其他方差分量的残差方差分量的大值表明：1）RCM-GCM组合以非常相似的方式应对气候变化情景，或2）气候系统的自然变率，如RCM足够大以抵制RCM或GCM的任何特定选择的影响。通过最大似然估计方差分量的值，其中通过ANOVA统计模型暗示的所有模型运行的联合分布的属性来考虑一对缺失的RCM-GCM模型运算。

我们的方法与Deacute;queacute;等人的方法不同 （2007年，2012年），我们是通过使用基于随机效应方差分析的正式统计模型以及NARCCAP设计的特征，在PRUDENCE和ENSEMBLES程序中使用。此外，这种统计模型激励了一个不完整的RCMGCM组合如何处理缺失的值，以及如何估计和解释方差分量，以及如何通过将误差项纳入统计模型来考虑不确定性。 有关方差分析的更多详细信息，请参见补充信息（SI）。

3.2.2气候变化意义和协商方式

Tebaldi等（2011）提出了一种简洁直观的方法，显示了整体平均气候变化图中模型之间的差异和一致，区分缺乏信号（在变化中）与模型不一致的信息不足。首先，对于每个当前和未来的模拟之间的差异，在网格点级别应用差异（t-test）的差异（未来气候与参考周期）的测试。如果小于50％的模型显示出显着差异（在.05级别），则格框保持原样。否则，应用符合协议的测试：如果75％以上的模型符合标准，则网格框是交叉阴影的，表示重要的一致性，如果不是，则填充白色，表示意义但意见不一致。我们将这种方法应用于三组模型模拟：使用A2排放情景的CMIP3模拟的全套17个模型，四个主机GCM（其中三个来自CMIP3）和十一个RCM模拟集4。

4 结果

4.1方差分析

图1显示了夏季/冬季温度/降水量的聚集到布科夫斯基地区的方差分析结果（见区域定义的补充材料）。对于夏季温度（左上图），我们看到一些非常明显的区域趋势。对于海洋地区，GCM的差异占主导地位。这是可以预期的，因为RCM模拟的海洋温度直接从GCM继承。西海岸地区也由GCM的差异主导。然而，这个趋势在内陆和落基山脉变化非常大。在这里，鉴于RCM中地形的分辨率和区域过程如对流降水和局部规模土壤水分在控制夏季温度中的重要性，RCMs的差异在解释模拟的变异性方面占主导地位。这种模式的一个例外是大湖区，区域和全球模式都不占主导地位，但相当可观的变化归因于剩余期限。这可能反映了由于表示湖泊或湖泊模型设置中的错误而发生的各种困难，即使对同一RCM的运行，对大湖区的处理也有些不一致。因此，在模拟中存在复杂的变异性，并不具体归因于RCM或GCM效应。

在冬天（右上图），我们看到了GCM效应与剩余术语的主导地位的组合。再次，GCM效应如预期般在海洋上占主导地位。它也在东南部地区和最远的北部地区占主导地位。鉴于在GCM遗传的大多数模型结果中，北部大量变暖的共同信号，这些偏远的分区在这些远北部地区是有意义的。然而，还有其他较大的领域，其余的术语占主导地位。这些结果难以解释，因为它们代表RCM或GCM的小额捐款，或者可能归因于内部变异性的剩余误差的大量贡献。方差分析不区分这两种情况。本质上它代表了在GCM和RCMs之间可能有相当一致的响应的区域，或某种形式的高变异性。区域协调中心的重要贡献仅限于北洛矶山脉，西北海岸，以及有限的北平原地区。

图1.布科夫斯基地区的夏季和冬季温度（上图）和夏季和冬季降水量（下图）为1个方差分析。 （有关区域描述，请参阅补充材料部分）。条形图表示每个区域的方差分量。 条被按区域缩放，因此特定区域的最大方差分量由最大的条显示，其值等于1。 蓝色表示RCM方差，红色GCM方差，白色残留项。

对于降水，我们看到与温度相似的夏季/冬季模式。夏季主要是RCM（参见Deacute;queacute;et al。2005）和冬季GCMs。有趣的是，GCM在冬季降水中的主导地位在全区域比温度更为明显，更为常见，相反的是 RCM优势的案例。

因此，我们看到夏季RCM在冬季主要是温度和降水以及GCM的总趋势。 这与夏季大规模（GCM规模）特征在冬季和更精细尺度（中尺度）特征的优势是一致的。

4.2意义/协议分析

我们专注于冬季和夏季降水（图2a，b），这三个模拟集合中呈现最明显的对比。对于冬季降水（图2a），CMIP3模型产生了被认为是北美未来强制降水变化的标准模式（Christensen等，2007b）。一般来说，北部降水增加，远南地区降水反应了风雨带北移和副热带高压扩张。但是，请注意，这种减少并不具有意义和一致性，而增加则同时具有两者。虽然美国大部分地区的增长幅度相对较小，但却缺乏意义;显着增长的面积几乎没有达到东北美国。推动NARCCAP模式的四个GCM（图2a，中间）在北部显示出更大范围的向北延伸的东西和西北地区，尽管平均百分比增长不是非常大（5-10％）。十一个区域协调机构遵循重大和同意的增长模式，与全面的CMIP3结果相反，这种增长看起来非常类似于四个GCM的范围，但增幅较大，主要在10-20％范围。对于气候变化相对较低的地区，气候变化带来的这种增长在影响方面尤为重要，尤其是在淹水事件增加方面。还要注意，与GCM相比，RCM中科罗拉多上游的冬季降水量增幅较大。虽然其统计学意义有限，但这种模式与Gao等一致。 （2012年），他们发现与RCM中的冬季风暴相关的瞬态涡流水分收敛增加，从而更好地解决高分辨率下的山体效应。

对于夏季降水（图2b），与全套CMIP3模型结果（5-10％）相比，11个RCM（下图）显示了降水减少（10-20％）的明显加深（图2b，顶部），以及四个驾驶GCM（也是5-10％）（中间面板），从美国西北部，横跨罗基斯，东部进入阿巴拉契亚人。重要协议领域分散在这一领域。这在CMIP3协议图或四个GCM图中并不明显。与驾驶GCM的变化相比，RCM经常表现出符号变化（主要是干燥）。在中部平原温度与降水变化的散点图（图3）中，这种趋势是清楚可见的。注意，例如，对于降水变化，由CCSM驱动的所有RCM（与CCSM相比）变干（与CCSM相比）朝向干燥，如CGCM3驱动的两个RCM的情况。然而，在HadCM3的情况下，我们看到GCM的降水量减少，但由HadCM3推动的MM5降水明显增加。这是与GCM相比，RCM产生降水增加的唯一情况。由GFDL驱动的人力资源管理3预计最大的减少，尽管在这种情况下，GCM的下降幅度也相当大。在该图中也存在强线性关系（R2 = 0.56），其中较大的降水减少与温度升高相关。 Trenberth和Shea（2005）发现观测资料中该地区温暖季节和降水之间呈负相关，表明RCM结果中的相关性在物理上是一致的。这种相关性在NCEP再分析驱动下由RCM正确复制（Mearns等，2012）。

图2.（a）冬季降水的平均变化的意

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27935]，资料为PDF文档或Word文档，PDF文档可免费转换为Word