抽象性
可靠的气候变化假想对西非至关重要,西非经济主要依赖农业,在这方面多模型集合被认为提供最强的气候变化信息。面向此目的,我们分析并交叉测试由两个全球气候模型驱动的四大区域气候模型的性能(共4种GM-RCM配对)模拟西非当前和未来气候结果表明,单机机成员及其组合使用相同的驱动场表现出不同偏差并显示优于GCM季节性温度和降水模拟结果参差参差,显示RCM对区域和地方过程的高度敏感度通过平均所有四种RM模拟来减少偏差并改进GCM模拟工作,表示基于不同驱动GCM多模型编集有助于补偿嵌套模型和驱动模型的系统错误这证实了多模式方法对提高气候变化预测稳健性的重要性。实例说明西萨赫勒未来气候预测大干燥,主要原因是季风雨峰值下降
开工导 言
解决西非气候变化问题对理解本地和区域温室效应影响是一个巨大挑战评估至关重要,因为半干旱区域大多覆盖以不可靠降水机制而闻名的半干旱区域,在季节内、年际和分叉时间尺度上高度变量[一号-3..可变性往往转化成严重干旱和洪涝4并可能严重影响粮食安全和水资源未来气候变化可能对区域造成重大威胁,特别是在资源贫乏的情况下,因为农业是加强粮食安全的突出工具,适应能力相对较低[5..
制作准确可靠的西非气候变化假想是一个大问题该区域常使用全球气候模型获取气候变化预测6,7..然而,尽管气候建模取得重大进展,但西非预测受至少两个因素的限制。第一,西非季风降水对人为气候变化的反应不确定8,九九因为在GCM预测中分布相当大一号,10,11..第二,典型GMS网格盒(100-400千米范围)不适宜计算地表异性,如植被变异性、复杂地形学和海岸线等,这些都是管理局部和区域气候变化信号物理响应的重要方面[12,13..
区域气候模型可动态缩放GCM输出,以说明精度强制并提供地方和区域级影响评估所需气候变化信息14-16..早期研究显示,RCM可充分代表西非季风气候学17-20码和变异性21号-23号并可能有用理解 影响季风的不同动态循环2,24码-27号..RCMs还被用于构建21世纪初晚的气候变化假想28码-30码sylla等研究土地使用变化和季风循环动态对未来气候的影响4,31号和水文学模型对温室气体变暖的反应32码,三十三..
在影响评估阶段,关键的问题是GCM和RCM结果都因不同源存在重大不确定性而受损34号-36号..此类源包括人为排放大规模区域/局部级变化敏感模型参数化和内部动态37号..因此,生成气候预测和描述相关不确定性的必要方法就是使用多模型组合实验[35码..Giorgi和Copola实战38号表示最少需要四到五模型获取稳健区域降水变化估计Paeth等最近对西非使用共通方法[30码使用九大RCM
本文介绍西非气候变化预测多模型组合分析,包括由2个不同的GCM驱动的4个RCM一号)我们先检查并交叉单个驱动GCMs和嵌套RCMs性能和预测变化,然后调查不同类型的子集(由相同GCM驱动的RCMs和由不同GCM驱动的RCMs合编)如何能够提高气候变化信号的稳健性组合中GCM/RCM双选样本(2至4模型)相对较小,因此本项研究应被视为提供示例方法实例,而不是全区域用于影响和适应研究的假想
下一节从RMS描述、边界强制和观察数据集开始用于基准验证
二叉模型描述观察数据集
组合式RCM实验在非洲不同领域实施,覆盖整个WestAmeraAMA区域45码上图一号内塞波列斯项目46号..一套十大RCM使用相同和不同的GCms边界条件并受A1B温室气体假想所强迫,目前和未来的气候条件都可在整个西非使用对于这些实验而言,边界远超出感兴趣区域,这使RMS开发内部域内自身动态模型域可能影响区域机模拟,但模型使用大域尺寸应尽量减少这种效果本研究的主要目的是评估当前模拟,但也评估西非未来中期预测在这方面,我们只考虑覆盖1981-2000全段(当前日期)和2031-2050全段(未来日期)的四个RCM模拟表格汇总一号连同驱动GCMs和引用注意本集中二架RMS由ECHAM5驱动,另二架由HadCM3强制驱动ECHAM5和HadCM3都实战模拟WAM循环中的大部分特征,包括区风剖面图,而大多数GCM通常不复制4,47..GMs和RCMs均单运行提供相同和不同的GCm边界强制使得有可能不仅评价每个区域配置的内部动态,而且还评价大规模条件的作用。我们应当强调,这些RCM首先受ERA-I临时重新分析驱动,因为通常在应用这些方法进行气候变化研究前都是这种情况14,42号..但这些模拟不在此分析包括全20年现时和未来周期
西非域和地形
子域
上文指出,考虑两个20年周期:今日(参考1981-2000)和未来(A1B:2031-2050)。当前气候模拟降水量比对观察数据集:GPCP 解决之道[48号CRU(气候研究单元,仅土地 解决之道[49号CMAP(气候预测中心合并降水分析 脱机[50码GPCC全球降水光学中心 解决之道[51号))模拟二米温度校验CRU观察ERA-40再分析 解决之道[52环境预测/大气研究中心 解决之道[53号和ERA-I临时重新分析 解决之道[54号,55号))风场和特定湿度与重新分析NCEP/NCARII、ERA-40和ERA-I临时比较6-9月周期即季风雨季峰值并互连GCMs和RCMs,并用相同的边界强制作用RCMs综合作用(下文称共和性)和所有RCMs共和性(下文称多模式共和性)。就此,除偏差空间模式外,我们还计算萨赫勒、几内亚和整个西非降雨量的量化度量(见图二)。1(b)划分子域,即平均偏差(或偏差)、root平均平方差(RMSD)和模式相关系数(PCC)。网络提供区域(或分区域一级)和网格点级信息因此,可视之为模型系统错误和性能的度量
3级结果和讨论
3.1.现日气候
6-9月(JJAS)现时(1981-2000年)西非平均温度分布2(a)-2(l)CRU观察2(a)ERA-40、NCEP和ERA-I临时重新分析2(b),2(c)并2(d)复文)、GCMECHAM5和HadCM32(e)并2(i)RCM3和REMO由ECHAM5驱动2(f)并2(g)RCA和HadRM3P两个RM2(j)并2(k)复文)驱动HadCM32(h)并2(l))CRU观察和重新分析显示,在北部(撒哈拉沙漠,萨赫勒)和几内亚湾最底层定位方面,特别是在几内亚高地山峰、Cameroun山和Jos Plateau山峰上达成了良好协议。注意后一种冷温度在NCEP缺失,从而确认再分析产品之间存在差异56号,57号..
JASCRU
JASERA-40
JASNCEP
JASERA-I临时
JASECHAM5
JAS RegCM3
JASERMO
JASEns/ECHAM5
JAShadCM3
JASRCA
JAShadRM3P
JJASEns/HCDM3
m)
模型捕捉空间温度分布基本特征但它们显示不同的模式和程度偏差RegCM3对撒哈拉沙漠和几内亚海岸、RCA和HadRM3P对萨赫勒带有冷偏差,REMO则大都比较热(图情图)3(a)-3(h))结果,ECHAM5驱动的RCM组合平均值优于单个RCM和GCM模拟,而HadCM3驱动的RCM组合则无法实现
ECHAM5-CRU
(b) RegCM3-CRU
ERMO-CRU
Ens/ECHAM5-CRU
hadCM3-CRU
RCA-CRU
hadRM3P-CRU
hs/hadCM3-CRU
i)
相应的雨量模式和对GPCP观察的偏差显示在图中4(a)-4(l)和图5(a)-5h..四组观察用于计算降水场不确定性(Sylla等2011c)事实上,各种观察产品之间的差异(表)2)可达10%区域水平,而在整个西非不超过5%虽然这些产品有某些差异,但其模式显示良好协议,PCC数超过0.97(表)。3)空间分布观察(CRU、GPCC、CCAP和GPCP)定位大夏雨区段8摄氏度前后倾斜带段,雨量向南和向北下降降水峰值位于几内亚高原或地块、Jos高原和Cameroun山关键差分显示CRU显示西非最大降水带不连续性,GPCP沿Cameroun/Nible高地海岸线强度低得多,结果几内亚湾两件产品每日1.3毫米以上产生RPD
JASCRU
JASGPCC
JAS芯片
JASGPCP
JASECHAM5
JAS RegCM3
JASERMO
JASEns/ECHAM5
JAShadCM3
JASRCA
JAShadRM3P
JJASEns/HCDM3
m)
ECHAM5-GPCP
RegCM3-GPCP(%)
REMO-GPCP(%)
Ens/ECHAM5-GPCP
hadCM3-GPCP(%)
RCA-GPCP(%)
hadRM3P-GPCP(%)
Ens/HadCM3-GPCP
i)
GMS(ECHAM5和HadCM3)模拟东大西洋和几内亚湾沿海较厚雨带和最大潮流发现RCM大相径庭一般来说,RegCM3和REMO分别低估和高估降水强度,与ECHAM5相似,显示宽雨带,但将最大雨量压倒或跨地理区域由HadCM3驱动的RCM实验中,RCA将大部分雨量限制在4-9摄氏度之间,从而显示低估以北区域,而HadRM3P显示的雨带定义要好得多,但向北扩展点,无法捕捉或分片大密度
gms和RCms的不同性能在区域一级突出显示于表4并5Bias、RMSD和PCC归纳萨赫勒、几内亚和整个西非单个模型GPCPPCC总体高(0.8以上)显示模型和观察之间有良好的协议4显示混合结果一方面,某些RCM系统误差(绝对值)通常高于GCM举例说,REMO和RCA对几内亚大区和萨赫勒的偏向分别达到观察值的62.58%和-31.97%ECHAM5和HadCM3的2.11%和-7.80%主要原因是这些RCM倾向于在或分区域产生过多雨量并向南移动雨带RegCM3和HadRM3P分别对萨赫勒和几内亚湾的驾驶场产生较低偏差区域模型显示,单个RCMs及其集合使用相同驱动场的RMSD大得多,几内亚区域值最高。问题与某些微量特征相关联,这些微量特征与RCMs中比GCMs中更能反映orragy
RCMs比驱动GCMs提供一些改进,但最优性能则以组合方式记录事实上,在空间模式和系统错误方面都优于单个RCM和驱动GCM技能(见表)。6并7并显示不同的缺陷ECHAM5驱动RCM组合中,降水强度空间分布极同观察结果一致(PCC大于0.9),尽管雨带比观察还要厚反之,RCM组合表示使用HadCM3驱动器,较锐雨带捕捉得很好,但Orphic最大值模拟不好突出个人模型技能在共性平均值性能中的重要性
几个因素对表内性能计量很重要4并5.计算后将所有字段升级为粗分辨率GPCP数据,这样比较就不会受跨数据集分辨率差的影响下表2显示观察数据集间有显著差异,有时与模型结果差等级这就意味着在评价与观察不确定性有关的模型时存在相当程度的不确定性。特别是,由于站密度低,观察数据集在非洲偏僻区域可能有特别高的不确定性特征。
850 hpa专用湿度和叠加风田的季节平均值见图6(a)-6(k)NCEP、ERA-40和ERA-I临时再分析、GCMs、RCMs及其合用法与NCE重新分析相比,所有模型都显示更强季风流和更大的特定湿度值,但接近ERA-40和ERA-I临时重新分析此外,RMS通常模拟更多深度对地驾驶场注意只有RegCM3比ECHAM5更接近再分析(ERA-40)ECHAM5驱动实验合用平均值提高ERMO,但恶化RegCM3模拟,尽管显示性能优于GCM反之,HadCM3驱动的RCM放大高估几内亚区域湿度
JASNCEP
JASERA-40
JASERA-I临时
JASECHAM5
JAS RegCM3
JASERMO
JASEns/ECHAM5
JAShadCM3
JASRCA
JAShadRM3P
JASEns/HadCM3
(l)
由此可见,驱动GCM和嵌套RCM之间以及由同一GCM驱动的RCM之间存在显著性能差异。这表明地方/区域进程代表性的重要性[47绑定内动态29..尽管有这些差异,REMO和ECHAM5以及HadRM3P和HadCM3模拟特湿类相似性仍被发现这表明,尽管RCM内部动态在模拟区域气候中发挥重要作用,但大尺度环境大都通过强制场描述,也影响模型求解法,特别是从边界对温度和水分作消解法换句话说,模型解决方案通过横向边界条件信息与内部模型物理/动态信息动态均衡获取,平衡取决于域大小、分辨率和横向缓冲区大小等特征14..
从分析中可以看出,基于同一GCM驱动的区域气候模型的组合平均值中,有些差错可相互补偿,但仍有边界强制偏差可保留另一种协同方法是考虑嵌入不同GCM的不同RCM集合图中举一例说明这一点7高山市 )-7 伴之以相应的雨温偏差图8高山市 )-8 .将多模型共通度与CRU观察比较显示,两者都更准确地复制季节平均温度空间分布,RCM多模型共通度捕捉更多与本地地形绑定的细节类似地,与GPCP降水相比,RCM组合性能明显优于GCM组合性以及单机成员,表现为更现实空间分布(PCC约0.95!表27并特别更清晰地定义雨带或地形峰值和雨量值接近观察值(小RMSD)。与叠加风向矢量特定湿度也发现相似的结论
因此,我们发现全合机模拟显示与单个模型或GCM相比最优性能这是因为不同的RCM模式有不同的偏差特征,部分平衡共和平均值单个模型在模拟雨量和温度空间模式时的差异可能大大影响模拟气候变化信号[29,58码,59号..下一节中,我们将研究这些差异在多大程度上影响多模型组合预测变化信号的大小和空间模式
3.2未来气候
3.2.1平均值修改
图解9(a)-9h显示温度变化(A1B减参考值)来自驱动GCMs、嵌套RCMs及其组合方式与GCM协议良好,RCM展示西非和北非总体变暖,最大值定位稍异RegCM3和REMO最大变暖分布于东北非(10°E-22°E!20°N-28°N)而HadCM3驱动模型显示西萨赫勒最大变暖核心北纬10至18度西萨赫勒的一个常见特征是存在温度大幅上升核心,该核心缺失于驱动场,并显然出自由RCM内部动态表示的地方进程和区域进程RCAHDRM3P及其组合均值中更多标注并连接到几内亚和萨赫勒区域总体热度GCMs、RCMs及其组合表示模拟持续变暖,但有不同大小和空间模式,给预测增加不确定性。
JASECHAM5
JAS RegCM3
JASERMO
JASEns/ECHAM5
JAShadCM3
JASRCA
JAShadRM3P
JJASEns/HCDM3
i)
预测雨量变化10(a)-10(h))持续变化信号模式在西非沿岸和西萨赫勒出现,包括除RCA外所有模型降水量明显下降(25%以上)。干燥条件大都与那里发现的较大变暖(达10-11K)相关联,这可能是蒸发性低冷却和云化的结果。GCM同意显示这一显著干燥和萨赫勒北部东南区域降水量增加hadRM3P严格复制空间分布更多细节,RgCM3和REMO显示萨赫勒以南区域无重大变化由ECHAM5驱动的RCM集合显示气候变化信号清晰可见,东萨赫勒雨量增加,西萨赫勒雨量下降由HadCM3驱动的RCM集合显示东区湿气,但西段干燥略为由RCA预测雨量增加所抵消
JASECHAM5
JAS RegCM3
JASERMO
JASEns/ECHAM5
JAShadCM3
JASRCA
JAShadRM3P
JJASEns/HCDM3
i)
驱动GCMs和嵌套RCM显示负变化主要受横向边界强制描述的大规模环境驱动反之,全球和区域模型预测对其他地区的显著差异突出显示本地条件在确定区域气候应对全球变暖方面的作用此外,RMS预测未来气候时的差异,即使由GCM驱动也表示预测敏感于模型的具体物理和内部变异性因此,这些不确定性表明,可能需要多模式组合法,同时涵盖RCMS和GCMs,以更好地评价全区域气候变化[30码,60码..
多模型共值变化计算所有四种区域气候模型(不论边界强制作用)均显示在图中11高山市 )-11高山市 )与单个成员预测一致的多模型组合显示地面空气温度总体上升,北非和中非最大变暖发生RCM共和预测比GCM平均温度高得多关于雨量变化问题,多模型组合确认正出现图象,即西萨赫勒夏季干燥加加大变暖Paeth等[30码发现潮流使用九大RCM因此,这似乎是一贯结果。
3.2.2.2变化周期
调查平均雨量下降与西萨赫勒季风之间的联系(例如图子域1(b)显示当前和未来气候区平均雨量和温度并显示此区域年均雨量循环图12单个GCM、嵌套RCM发现ECHAM5HadCM3和除RCA外所有RCMS未来年雨量曲线周期全年均低于当前时值,下降量在赛季峰值时较大(8月)。这表明这些模型预测干燥条件大都归因于峰季雨弱化和全区域略微缩小季节周期反向发现RCA投影以HadCM3为例,负变化大都归因于当前季风季节启动和安装阶段模拟降水量不强总的来说,这些结果显示降雨季节周期延迟,以响应温室气体日益集中[61号..温度年度循环图13未来气候全年持续热量提高,但5月至10月差异更大(与当前相比)。因此,这种变暖很可能是由于云覆盖减少4短波辐射强制并减少蒸发多模型编集分别使用四个RCM和两个驱动GCM显示结果相似于降水和温度年度变化的大多数模型14(a)并14(b))
带ECHAM5
带HadCM3
带ECHAM5
带HadCM3
降水量
温度
3.2.3时间序列
前几节发现,有趣的持续变化模式是西萨赫勒变暖相关最大干燥因此,从20世纪末到21世纪中叶审查该地区时间序列是有益的,以深入了解可能随这些平均值变化而变化的变异性时间序列以图显示15(a)并15(b).温度和降水均无模型显示年间变化显著变化,然而有趣的阈值效果显而易见,即变暖和干燥趋势仅在2020年后产生,此后变化微乎其微这表明阈值行为和多叉变均非线性效果可强烈影响气候变化信号,因此在开发气候变化假设时需要仔细考虑[34号..
温度
降水
4级摘要和结论
本文分析并对比西非区域单个全球和区域气候模型的性能和预测变化,并配有数组模型第一,我们发现RCM改进模拟气候模式结果参差参差,而GCM驱动法则相形见参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参以降水为例,GCM向南移季雨带和单个RCM显示由干偏向支配土地模式基于RMs集成使用相同的GCMs边界强制优于单个成员的某些特征和全球驱动气候模型然而,平均所有可用RCMs实现最佳性能时,由GCM驱动这是因为对差错反调 不同模型这表明使用多模型集合使用由不同GCM驱动的数类RCM或为提供西非气候变化假想提供最优方法此外,由同一GCM驱动的不同RCM可能有偏差,彼此不同并与GCM偏差比较显示,本地进程和相关参数分解对确定模型对边界强制响应很重要。
未来期间,GCM生产多为西萨赫勒干燥条件和几内亚湾以北区域湿润条件RCM预测持续干燥加之西区增温,但南方区降水量变化不大这一点再次显示,虽然GCM对边界的强制作用的确会影响RCM预测变化的方方面面,但RCM预测对本地进程和区域进程及其模型处理方式也很敏感。一致性结果,但用不同的量值使用不同的组合查找
并发现大多数模型模拟雨量下峰并放大温度峰值 未来季风季节跨年变异显示未来预测无大变化模拟温度和降水量变化大都显示阈值效果,2020年之前趋势可忽略不计,此后才产生更多可检测趋势
对我们工作的一些考量很重要优先同值平均值如果足够大,预期会滤出变异效应和可能影响单个模型响应的其他因素(例如具体偏差)。因此,它应提供强制变换信号的最佳估计值而在另一方面,真正的气候变化将只是一种认识,所以它会受多变影响并发模型之一实际正确性,因此共生平均值可能掩蔽模型并确实对变化作保守估计另一方面,迄今为止还真没有办法毫不含糊地确定模型投影与其他投影相比是否正确。唯一避免不确定性的方法就是提供传播量度(即不确定性),这也说明自然进化变异但由于我们所考虑的小团积,这在我们案例中实不可行第二,我们使用的两个GCM往往提供西非相似变化模式然而,其他GCM可能提供非常不同的模式[11并会影响RCM模拟
总体说来,结果显示不同的GCMs和RCM编集可改善西非雨温模拟并提供恒定的气候变化假想,但信号大小不一。这一点与这一方法对区域普遍适用性相关,特别是在即将到来的CORDEX(协调区域气候降级实验)活动框架内60码以大型多模型编集为基础制作区域上更强健的气候变化假想
感知感知
I.迪亚洛得到Abdus Salam国际理论物理中心通过桑威奇培训教程支持因此,作者感激地确认ICTP及其地球系统物理部分也多亏两位匿名评审员和编辑,