采用区域气候模式的中国夏季降雨数值模拟的注释外文翻译资料

 2022-12-05 16:46:09

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

采用区域气候模式的中国夏季降雨数值模拟的注释

崔雪锋[1]1, 黄刚[2]2，和陈文[3]2

[4]1英国利物浦大学地理系

[5]2中国科学院大气物理研究所，北京100029

（收稿日期2007年5月16日 2008年2月29日修订）

摘要：区域气候模式是区域气候模拟的主要工具，其产出主要用于气候影响研究。 注释来自中国夏季降水的一系列数值模拟和区域气候模式。 域大小和运行模式是主要焦点。 结果表明，由“完美”边界驱动的预报模式模型可以合理地代表年际差异：1998年长江的强降水和1997年的干旱条件。气候模式的模拟在更大程度上不同于观测或预测模式。 这可能是由于在气候模式中，它进一步偏离驱动场并且更多地依赖于内部模型动态过程。 气候模式中较小的领域胜过较大的领域。 鼓励在未来的研究中进一步开发包括动态植被的模型参数化。

关键词：区域气候模式REMO，中国夏季降水，运行模式，领域选择

1、介绍

中国夏季降水以东亚季风为特征（例如Webster et al。，1998），由于其相同的狭窄的经向尺度组织的中尺度对流系统（Chen et al。，1998）。它占一年的很大一部分总降水量主要产于亚热带前缘（中国玉林前）。夏季降水的变化可能对中国水灾造成巨大影响，威胁到社会，经济，农业和环境。例如，在中国至少一个主要江河流域发生了12次严重干旱（King et al。，2001，Wang et al。，2002）。仅在过去十年中，沿长江流域和中国东北地区，在1991年，1998年和1999年发生了三次破坏性洪水，1997年，1999年和2000年在华北地区发生持续干旱。 1998年在中国的灾难性洪水据估计造成直接经济损失超过230亿美元。全球变暖很可能对水文循环，因而对可利用的水资源，洪水和干旱的可能性以及农业生产力产生重大影响（IPCC，2001年）。

因此，了解全球变暖带来的降水变化和变化以及可能的预测是中国人口密度最大的地区之一和发展最快的经济区之一的主要要求。然而，东亚气候的变化特别复杂，很难正确预测长期，因为它是受热带中东太平洋的SST影响。这些SST与ENSO，西太平洋暖池，青藏高原的动力和热效应，欧亚大陆的积雪和土壤水分等（例如，Huang等人，2003）有关。考虑到现实的夏季降水模拟对GCM是一个巨大的挑战（King等，2001），过去十年的一个重大进步是应用区域气候模式（RCM）研究东亚季风系统（Leung et al。，2003）。气候影响研究通常基于RCM的产出，因为它可以为驱动的GCM提供更加逼真的温度和降水信号，特别是在中国等具有强烈中尺度强迫如地形，湖泊和陆地表面异质性的地区et al。，2004）。

中国和国际气候界已经尝试改进中国夏季降水的模拟。 季风亚洲综合区域研究（MAIRS; www.mairsessp.org）就是一个例子。 然而，由于降雨过程和模型不确定性和复杂性，许多问题仍然不清楚。本研究的总体目标是报告我们从区域气候模式进行的一系列实验的结果。 这包括模型对领域选择，运行模式，边界和表面条件的敏感性。 第2节将简要介绍模型和实验设置。 验证数据集在第3节中给出。我们讨论模型结果并与第4节中的观察结果进行比较。最后，第5节简要概述。

2.模型和实验设置

在位于汉堡的马克斯普朗克气象研究所开发了静水区域气候模式REMO（版本5.0）（Jacob和Podzun，1997）。在该研究中应用和评估了来自GCM ECHAM-4（Roeckner等人，1996）的物理参数化的集合，其已经应用于全世界的多个区域并且适合于从100到10km的电网规模。有限差分方程在一个地形内的一个Arakawa-C网格上求解-遵循混合坐标系（表面附近的sigma;坐标逐渐转换成压力坐标）。利用半隐式校正和Asselin-滤波器。辐射是使用两流近似计算的，其将频谱分成两个短波频带和六个长波频带。云和降水的参数化区分网格规模（Roeckner等，1996）和对流特性。有关模型的更多详细信息，请参考：http：//www.mpimet.mpg.de/en/wissenschaft/ueber-blick/atmosphaere-imdsystem/regionale-klimamo-dellierung.html。

发展区域气候模式的目的之一是模拟和分析区域尺度的异常气候变化，如干旱或潮湿的年份，对农业，水资源管理和自然灾害评估具有高度水文影响。在本研究中选择了三个案例研究，包括1996年（正常年），1997年（干年）和1998年（湿年）。这三种情况的详细情况将在后面分析第4节中的模型结果时讨论。大气初始和边界条件从欧洲中期天气预报中心（ECMWF）再分析（ERA，Gilbson et al，1997）。在模型运行期间，6小时数据在时间上线性内插。一般来说，REMO中的预后变量被调整到在横向边界处8个网格点的松弛区内的外部强迫。模型可以在“气候模式”或“预测模式”中操作。在“气候模式”中，从驾驶数据获得初始和边界条件。在整个整合期间，只有在横向边界，是被大规模信息所推动的模型。“预测模式”意味着连续短程天气预报（这里使用30小时）的结果用于分析周数量级的时间跨度。更多的讨论将在第4节中提供。表1列出了这些实验的详细信息，图1显示了不同的域。

3.验证数据集

Xie等人在东亚地区建立了一种特殊的基于计量的日降水量数据集。（2007）用于本研究（以下称为Xie）。该数据集涵盖从1978年到2003年的26年期间，具有0.5°纬度/经度网格。三个单独的数据集用于构建对东亚的基于计量的分析。这些是从1977年至今的由NOAA气候预测中心（CPC）归档的全球电信系统（GTS）每日摘要文件，在从1971年至今的700多个站点收集了中国日常观察（CHN）目前和中国黄河委员会（YRC）在超过1000个水文站的日常测量数据，为20世纪30年代至今。结合，在这个数据集的目标域（5°-60°N，65°-144°E）上可以获得超过3000个站的断裂（Xie et al。，2007）。该分析能够在大多数区域以良好的质量表示降水变化，并且其质量主要取决于计量网络密度。在东亚地区的大部分陆地区域都有测量覆盖，而沿黄河的网络密度非常高，因此可以在该区域创建具有可靠质量的高分辨率降水分析。

图1 三种类型的领域选择（控制：红色;更大：绿色;和更小：紫色）。 阴影是用于从AVHRR获得的具有0.5度水平分辨率的REMO中的分数植被（美国地质调查，2002）。

表1.分析的实验信息。 “F”表示预报模式，“C”表示气候模式; “CL”表示具有较大域的气候模式，而“CS”表示较小域。

4.结果

如果模型是完美的，模型行为，与现实的强制，理想地，应该，接近真实的大气。然而，这在现实中从来不是这样。由分析和观察驱动的模型实验之间的差异可以揭示主要由内部模型动力学和物理学引起的模型偏差。如前所述，降雨量是影响研究的最重要参数之一，因此将在本节着重介绍。

4.1气候异常
在夏季，大量的水分通过三个循环系统输送到东亚地区（例如，Liu等人，1996）。在东部边界上，太平洋副热带高压引起反气旋循环，从南缘带来水分，但从压力系统的北缘输送水分。结果，来自东部边界的净水分运输相对较低。在南部边界，一个跨赤道气流将水分带入该区域。然而，主要的水分来源是印度西风季风气流，它在西藏高原南端周围向西北方向旋转，然后由南向水流汇合。由于大气湿气转移是东亚夏季的重要水分来源，大型循环系统将对夏季降水格局和数量产生重要影响。在本节中，我们将讨论在由三个不同年代表的三个不同驱动系统下的预测模式（表1中的REMO-F96，REMO-F97和REMO-F98）中的REMO模拟的结果。

4.1.1 1998年湿年

由于缺乏观察到的数据，无法验证海洋上的降水，因此本研究没有解决这一问题。如图所示。如图2c所示，在该区域可以确定几个当地降雨中心。其中一个位于长江流域，最大长度达1300毫米，这是1998年夏季灾难性洪水造成巨大经济损失的原因。然而，与观测到的降水不同，REMO模拟的雨带在海岸附近比内陆更强（图2f）。该模型在中国东南部几乎所有的沿海地区模拟大量降水。 REMO合理地再现了位于青藏高原南部并延伸到印度东北部和印度洋半岛的第二降水中心的位置和大小。然而，仍然有一些地方差异。例如，中国南方的降水较少，而中国的中南部地区降水偏多，喜马拉雅山北部也出现降雨。 REMO再现了朝鲜半岛南部和日本的一小部分的当地观察中心。在中国北部，相对干燥的区域，REMO产生比在西北和东北部分观察到的更多的降雨。一般来说，REMO捕获了在这个湿润年的梅雨带的大致位置和强度。

图2. 1996年（上），1997年（中）和1998年（下）的观测（左）和模式输出（右）的累积夏季（JJA）降雨量比较。 左侧面板西边界的白色柱表示没有可用数据的区域。

4.1.2 1997年干燥年

1997年的降水特征与1998年的特征不同。如图2b所示，大雨带位于比1998年更远的南方（图2c），从青藏高原南部延伸到东亚，包括中国南部沿海地区和韩国南部， 日本。 与观测相比，REMO不仅在海岸地区，而且在华东大部分地区的降水量较大（图2e）。一般来说，REMO在1997年再现了梅雨雨带的相对合理的位置和大小。

4.1.3 1996年正常年

如图所示。 在图2a中，1996年所有东亚地区的降雨量比其他两年少。重型降雨带位于青藏高原南部和中国中部沿长江-淮河流域。REMO合理地再现了青藏高原南部和长江下游的降水中心（图2d）。 喜马拉雅山北坡的假降雨发生在三年中的每一年，这可能揭示模型中需要在未来研究中解决的不相关的地形降雨过程。

这三个实验都是以预报模式进行的，只有30小时的连续积分。因此，甚至内部域都可能受到驱动大规模数据的严重影响。在这样的实验设置中，REMO再现了观测降雨的不同特征，例如1998年长江流域的强降雨和1997年中国中北部的干旱条件。我们还注意到，在这三个实验中，REMO在1997年的表现优于其他两年，由东亚夏季雨带的位置和大小判断。然而，三个实验使用相同的表面条件设置，其从陆面参数的全局数据集中提取（Hagemann，2002）。它不包括植被的年际变化，并且被认为部分地限制了模型性能，特别是在降水，高度局部依赖的参数。在预测模式中，模型不能充分发展其自身的动力系统，由于短期连续整合，因此局部影响被削弱。三个实验之间的年际差异证实了这一假设。这种不准确的地表条件可能在气候模式中比在预测模式中具有更大的影响，这将在下一节中讨论。

4.2预报模式与气候模式

REMO可用于REMO-F96 / 7/8中使用的预报模式，或REMO-C / CL / CS中使用的气候模式。气候模式意味着连续运行长时间（高达几十年），仅更新侧向边界。在气候模式下使用REMO的模拟中，不可能预期每个天气事件在时间和空间上都是现实地计算的（Jacob et al。，2001）。然而，气候模式在模拟中尺度现象方面具有优势，由于粗水平分辨率导致的驱动场，或者例如通过区域模型中的更详细的地表表示来启动。在气候模式中，模型可以在模拟域内形成这样的中尺度现象，而在理论上没有来自外部的强约束。使用每30小时重新启动的预测模式，例如，在本研究中使用的，限制这些中尺度的寿命由模型动力过程发展的现象，因此保持更接近驾驶领域。在本节中，我们将比较两种运行模式与REMO之间的夏季降雨模拟的不同。

图3显示了REMO-C生产的1996 - 1998年累计夏季降雨量。 一般来说，他们同意在三个夏天只在几个地方观察。 1997年模拟的雨带位于沿海地区附近，与观测值相似。1998年，该模式不代表长江流域的强降水，而是代替中国中部的干旱和华北地区的湿润条件。 1996年，该模式在华南地区的降水比REMO-F96的预报模式要多，但仍然不同意观测。 与在预报模式中获得的模拟结果相比，气候模式下的REMO在再现东亚夏季降水年际变化方面的成效较差。我们的研究发现，预报模式的REMO优于气候模式，与其他研究（ Jacob et al.，2001）。

图3. REMO-C模拟的1996年，（b）1997年和（c）1998年累计夏季（JJA）降雨量

4.3域大小

由于RCM的主要目的是动态缩减，显然RCM输出应该包含外部数据中不存在的中尺度细节。RCM和提供的大规模数据之间的差异主要来自区域模型中地形和其他表面特征的更好表示，并且经常形成子网格过程的表示中的差异。可接受的偏差量来自外部数据的RCM是一个争论问题。由于外部数据通常仅提供在横向边

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25244]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章