CMIP5模式下中国极端降水指数。第二部分:概率投影外文翻译资料

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

CMIP5模型中中国极端降水指数 第二部分:概率预测

Zhi-Hong Jiang. Journal of Climate. Extreme Precipitation Indices over China in CMIP5 Models. Part II: Probabilistic Projection, 2015: 8603-8619.

摘要：本文是CMIP5模型中关于中国极端降水指数研究的第二部分，该模型参照1986-2005年期间对未来降水指数进行概率预测。这是通过基于排序的加权方法实现的。25个模型的排名是根据它们在模拟当今气候下的降雨指数方面的表现进行的。这些权重被用来形成未来气候预测的加权集合。结果表明，与未加权的原始集合相比，加权方案的投影更可信，因为加权后的指数信噪比(SNR)更大。从21世纪中叶开始，湿润指数以0.5的概率变化显著增加，特别是西部地区和黄淮河流域，湿润指数变化均超过10%，21世纪末西部地区的总降水量(PRCPTOT)增加可达20%，其中PRCPTOT和降水强度(SDII)的信噪比最高。这说明这些地区的降水有较高的信度变得更加极端。30°N以北最大连续干旱日数(CDD)减少，说明华北地区旱情将减少，华南地区旱情增加的可能性更大。然而，CDD的投影信噪比几乎在所有地方都小于1.0。这种情况似乎与东亚夏季风的加强和季风锋的北移有关。

介绍

1.引言

国际政府气候变化专门委员会(IPCC)的结论是，在过去100年(1906-2005)，全球平均地表温度上升了0.74plusmn;0.18℃。在全球变暖的背景下，极端事件发生的频率和强度也发生了变化，甚至比平均气候变化更为显著。从全球的角度来看，在平均降水量预计将增加的许多土地地区，极端潮湿天气预计将变得更加严重)。在地区范围内，气候变化的影响更为复杂，尤其是对中国来说，这个国家幅员辽阔，敏感且易受气候变化的影响。因此，在全球变暖的情况下对中国极端降水的预测对于制定任何国家减缓气候变化的政策都是非常重要的。

尽管全球气候模型是预测未来平均气候和极端事件的最重要工具，但巨大的不确定性仍然存在。引起气候变化的原因是多方面的，包括气候系统本身的性质所产生的复杂行为和巨大的内部变化。然而，人们认为，在气候模型中实现的物理参数化的不完善也造成了这种不确定性。后者可以通过使用多模型集成和探索不同模型之间的多样性来评估。因此，多模型集成(MME)方法被广泛用于预测未来的气候变化(Sillmann et al. 2013;Kharin et al. 2013;Thibeault and Seth 2014;，因为MME可以减少不确定性，提高预测的可靠性(Shongwe et al. 2009;Chang et al. 2012;Gao 2012;Villarini and Vecchi 2012)。对于中国地区，基于MME和CMIP3模型的预测研究较多(Li et al. 2011;Orlowsky and Seneviratne 2012;Kusunoki and Arakawa 2012)和CMIP5模型(Chen 2013;Li et al. 2013;Zhou et al. 2014)。例如, Jiang et al.(2012)利用CMIP3模型(专门用于IPCC AR4)计算极端指数，以预测21世纪极端情况的变化;他们指出，极端降水的频率和强度在中国各地都会增加，尤其是长江流域、东南沿海和青藏高原。Zhou et al.(2014)利用IPCC AR5最新模型输出研究了代表性浓度路径4.5和8.5 (RCP4.5 and RCP8.5)排放情景下的极端降水变化。它们表明，到21世纪末，极端降水将显著增加。他们还指出，不同模型之间的不确定性上升是在区域尺度上预测极端指数的一个关键问题。所有这些研究都使用简单的MMEs(未加权)，其中所有模型都被视为具有同等价值。

然而，人们已经注意到，在MME方法中，选择不当的模型会降低气候预报的总体技能，而更熟练的模型在结合结果时应该获得更多的权重(Murphy et al.2004;Schmittner et al. 2005;Furrer et al. 2007; Watterson 2008)。人们已经做了一些努力来给模特们一个整体的体重。将各种模型的结果进行组合的一种有趣的方法称为可靠性集成平均(REA)方法(Giorgi and Mearns 2002,2003;Giorgi and Bi 2005;(Moise and Hudson 2008)，它假设可以根据一组可靠性标准为每个模型分配一个权重。权重的计算采用了两个通用的可靠性标准:第一个是模型性能标准，该标准基于模型再现当今气候不同方面的能力;第二种是模型收敛准则，它是基于不同模型的仿真收敛性。Xu et al.(2010)提出了REA的增广版本，该版本进一步去掉了收敛准则，在计算权重时考虑了多个变量和统计量的集成。他们发现，更新后的方法往往比原来的方法产生更精细的尺度结构。Chen et al.(2011)提出了一种基于秩的权重方法，该方法首先根据模型的表现将模型排序为一个秩列表。与原始REA方法及其更新版本相比，基于排序的权重更容易实现，并且可以考虑模型性能的异构方面(包括平均状态和可变性)。但该方法只构造平均降水的概率投影。据我们所知，很少有研究报告对极端降水进行概率预测，并将其结果与经典的非加权方案进行比较。因此，我们采用了基于排序的加权方法，首次将绩效评价扩展到表征极端降水的指标。我们的工作旨在以概率的方式更可靠地预测中国的极端降雨指数，并为全球变暖相关的风险和成本评估提供有用的信息。

论文的提纲如下。Jiang et al.(2015，下文第一部分)描述的模型在模拟中国东部和西部极端指数方面的表现，可以用来得到模型的排名。进而构建21世纪RCP4.5情景下极端降水指数的概率投影。应该指出的是，我们在这里做了一个合理的假设，即与过去的气候达成更好的一致，会增强人们对模型未来预测可靠性的信心。本文组织如下:第2节简要描述了本文使用的数据集和方法。第3节介绍了21世纪末指数变化的概率预测。最后，第4节给出了一般性的讨论和结论。

表1模型机构识别(ID)，模型中心和国家，25个CMIP5全球气候的大气分辨率模型(缩略词的扩展可以在http://www.ametsoc.org/PubsAcronymList上找到)

2.数据和方法

1. 模型数据集

对于未来的排放情况，CMIP5推荐了在二十一世纪末期分别采用2.6、4.5、6.0和8.5 Wm^-2稳定化压力的代表性集中路径(RCPs)RCP2.6、RCP4.5、RCP6.0和RCP8.5。本文提供了21世纪RCP4.5(中等辐射强迫情景)下极端降水事件的概率预测。RCP4.5情景是指到2100年，辐射力稳定在4.5 W m22左右，相当于650ppm的CO2浓度，略高于CMIP3中SRES B1情景的550ppm。为了进行我们的分析，我们从ESGF门户网站下载了2006年至2100年的日降雨量以及RCP4.5下的25个耦合模型(详见表1)

与第一部分一样，我们将模型和观测的网格指数分为两部分:华东(1008E以东)和西部(1008E以西)。由于青藏高原西部(北纬37°N以南，西经92°E)仪器站较少，因此我们的分析不包括该分区。

1. 极端雨量指数

为了量化模型的降雨行为，本文采用了Frich et al.(2002)提出的4个降水指标。如表2所示，PRCPTOT和SDII是降水的两个基本统计变量;R95T描述极端降水部分;CDD描述了降雨的间断性特征。这些降水量指标可以用日降水量数据计算。为了便于相互比较，我们采用双线性插值方法将不同模型的极值指标插值到一个共同的18纬度318经度网格中。

表2 研究中所使用指标、缩写词

1. 概率投影方案

2. 剩余内容已隐藏，支付完成后下载完整资料

   ---

   CMIP5模型中中国极端降水指数 第二部分:概率预测

   Zhi-Hong Jiang. Journal of Climate. Extreme Precipitation Indices over China in CMIP5 Models. Part II: Probabilistic Projection, 2015: 8603-8619.

   摘要：本文是CMIP5模型中关于中国极端降水指数研究的第二部分，该模型参照1986-2005年期间对未来降水指数进行概率预测。这是通过基于排序的加权方法实现的。25个模型的排名是根据它们在模拟当今气候下的降雨指数方面的表现进行的。这些权重被用来形成未来气候预测的加权集合。结果表明，与未加权的原始集合相比，加权方案的投影更可信，因为加权后的指数信噪比(SNR)更大。从21世纪中叶开始，湿润指数以0.5的概率变化显著增加，特别是西部地区和黄淮河流域，湿润指数变化均超过10%，21世纪末西部地区的总降水量(PRCPTOT)增加可达20%，其中PRCPTOT和降水强度(SDII)的信噪比最高。这说明这些地区的降水有较高的信度变得更加极端。30°N以北最大连续干旱日数(CDD)减少，说明华北地区旱情将减少，华南地区旱情增加的可能性更大。然而，CDD的投影信噪比几乎在所有地方都小于1.0。这种情况似乎与东亚夏季风的加强和季风锋的北移有关。

   介绍

   1.引言

   国际政府气候变化专门委员会(IPCC)的结论是，在过去100年(1906-2005)，全球平均地表温度上升了0.74plusmn;0.18℃。在全球变暖的背景下，极端事件发生的频率和强度也发生了变化，甚至比平均气候变化更为显著。从全球的角度来看，在平均降水量预计将增加的许多土地地区，极端潮湿天气预计将变得更加严重)。在地区范围内，气候变化的影响更为复杂，尤其是对中国来说，这个国家幅员辽阔，敏感且易受气候变化的影响。因此，在全球变暖的情况下对中国极端降水的预测对于制定任何国家减缓气候变化的政策都是非常重要的。

   尽管全球气候模型是预测未来平均气候和极端事件的最重要工具，但巨大的不确定性仍然存在。引起气候变化的原因是多方面的，包括气候系统本身的性质所产生的复杂行为和巨大的内部变化。然而，人们认为，在气候模型中实现的物理参数化的不完善也造成了这种不确定性。后者可以通过使用多模型集成和探索不同模型之间的多样性来评估。因此，多模型集成(MME)方法被广泛用于预测未来的气候变化(Sillmann et al. 2013;Kharin et al. 2013;Thibeault and Seth 2014;，因为MME可以减少不确定性，提高预测的可靠性(Shongwe et al. 2009;Chang et al. 2012;Gao 2012;Villarini and Vecchi 2012)。对于中国地区，基于MME和CMIP3模型的预测研究较多(Li et al. 2011;Orlowsky and Seneviratne 2012;Kusunoki and Arakawa 2012)和CMIP5模型(Chen 2013;Li et al. 2013;Zhou et al. 2014)。例如, Jiang et al.(2012)利用CMIP3模型(专门用于IPCC AR4)计算极端指数，以预测21世纪极端情况的变化;他们指出，极端降水的频率和强度在中国各地都会增加，尤其是长江流域、东南沿海和青藏高原。Zhou et al.(2014)利用IPCC AR5最新模型输出研究了代表性浓度路径4.5和8.5 (RCP4.5 and RCP8.5)排放情景下的极端降水变化。它们表明，到21世纪末，极端降水将显著增加。他们还指出，不同模型之间的不确定性上升是在区域尺度上预测极端指数的一个关键问题。所有这些研究都使用简单的MMEs(未加权)，其中所有模型都被视为具有同等价值。

   然而，人们已经注意到，在MME方法中，选择不当的模型会降低气候预报的总体技能，而更熟练的模型在结合结果时应该获得更多的权重(Murphy et al.2004;Schmittner et al. 2005;Furrer et al. 2007; Watterson 2008)。人们已经做了一些努力来给模特们一个整体的体重。将各种模型的结果进行组合的一种有趣的方法称为可靠性集成平均(REA)方法(Giorgi and Mearns 2002,2003;Giorgi and Bi 2005;(Moise and Hudson 2008)，它假设可以根据一组可靠性标准为每个模型分配一个权重。权重的计算采用了两个通用的可靠性标准:第一个是模型性能标准，该标准基于模型再现当今气候不同方面的能力;第二种是模型收敛准则，它是基于不同模型的仿真收敛性。Xu et al.(2010)提出了REA的增广版本，该版本进一步去掉了收敛准则，在计算权重时考虑了多个变量和统计量的集成。他们发现，更新后的方法往往比原来的方法产生更精细的尺度结构。Chen et al.(2011)提出了一种基于秩的权重方法，该方法首先根据模型的表现将模型排序为一个秩列表。与原始REA方法及其更新版本相比，基于排序的权重更容易实现，并且可以考虑模型性能的异构方面(包括平均状态和可变性)。但该方法只构造平均降水的概率投影。据我们所知，很少有研究报告对极端降水进行概率预测，并将其结果与经典的非加权方案进行比较。因此，我们采用了基于排序的加权方法，首次将绩效评价扩展到表征极端降水的指标。我们的工作旨在以概率的方式更可靠地预测中国的极端降雨指数，并为全球变暖相关的风险和成本评估提供有用的信息。

   论文的提纲如下。Jiang et al.(2015，下文第一部分)描述的模型在模拟中国东部和西部极端指数方面的表现，可以用来得到模型的排名。进而构建21世纪RCP4.5情景下极端降水指数的概率投影。应该指出的是，我们在这里做了一个合理的假设，即与过去的气候达成更好的一致，会增强人们对模型未来预测可靠性的信心。本文组织如下:第2节简要描述了本文使用的数据集和方法。第3节介绍了21世纪末指数变化的概率预测。最后，第4节给出了一般性的讨论和结论。

   表1模型机构识别(ID)，模型中心和国家，25个CMIP5全球气候的大气分辨率模型(缩略词的扩展可以在http://www.ametsoc.org/PubsAcronymList上找到)

   机构ID 建模中心及国家 模型名称 大气分辨率 (lattimes;lon)

   CSIRO–BoM 澳大利亚联邦科学 ACCESS1.0 1.25°times;1.875° 及工业研究组织和气象局 ACCESS1.3 1.25°times;1.875° BCC 中国气象局 BCC_CSM1.1 2.8125°times;2.8125° 北京气候中心，中国 BCC_CSM1.1(m) 1.125°times; 1.12° GCESS 北京师范大学全球变化 BNU-ESM 2.8°times;2.8 ° 与地球系统科学学院，中国 CCCma 加拿大气候模型 CanESM2 2.8°times;2.8 ° 与分析中心，加拿大 NCAR 美国国家大气研究中心 CCSM4 1.25°times;0.94° CMCC 坎比蒙提·里特拉奇， CMCC-CM 0.75°times;0.75° 意大利 CMCC-CMS 1.875°times;1.875° CNRM–CERFACS 国家研究中心 CNRM-CM5 1.4°times;1.4° 欧洲研究气象和高级科学 计算培训中心，法国 LASG-IAP LASG，中国科学院大气物理 FGOALS-s2 2.8°times;1.4° 研究所，中国 NOAA/GFDL NOAA/地球物理流体动力学实 GFDL CM3 2.5°times;2.0° 验室，美国 GFDL-ESM2G 2.5°times;2.0° GFDL-ESM2M 2.5°times;2.0° MOHC 英国气象局哈德利中心 HadGEM2-CC 1.875°times;1.25° HadGEM2-ES 1.875°times;1.25° IPSL 皮埃尔-西蒙·拉普拉斯 IPSL-CM5A-LR 3.75°times;1.895° 研究所，法国 IPSL-CM5A-MR 2.5°times;1.27° MIROC 国立环境研究所， MIROC5 1.4062°times;1.4062° 东京大学，日本 MIROC-ESM 2.8125°times;2.8125° MIROC-ESM-CHEM 2.8125°times;2.8125° MPI-M 马克斯·普朗克气象 MPI-ESM-LR 1.875°times;1.875° 研究所，德国 MPI-ESM-MR 1.875°times;1.875° MRI 日本气象研究所 MRI-CGCM3 1.125°times;1.125° NCC 挪威气候中心，挪威 NorESM1-M 1.8725°times;2.58°

   2.数据和方法

   1. 模型数据集

   对于未来的排放情况，CMIP5推荐了在二十一世纪末期分别采用2.6、4.5、6.0和8.5 Wm^-2稳定化压力的代表性集中路径(RCPs)RCP2.6、RCP4.5、RCP6.0和RCP8.5。本文提供了21世纪RCP4.5(中等辐射强迫情景)下极端降水事件的概率预测。RCP4.5情景是指到2100年，辐射力稳定在4.5 W m22左右，相当于650ppm的CO2浓度，略高于CMIP3中SRES B1情景的550ppm。为了进行我们的分析，我们从ESGF门户网站下载了2006年至2100年的日降雨量以及RCP4.5下的25个耦合模型(详见表1)

   与第一部分一样，我们将模型和观测的网格指数分为两部分:华东(1008E以东)和西部(1008E以西)。由于青藏高原西部(北纬37°N以南，西经92°E)仪器站较少，因此我们的分析不包括该分区。

   1. 极端雨量指数

   为了量化模型的降雨行为，本文采用了Frich et al.(2002)提出的4个降水指标。如表2所示，PRCPTOT和SDII是降水的两个基本统计变量;R95T描述极端降水部分;CDD描述了降雨的间断性特征。这些降水量指标可以用日降水量数据计算。为了便于相互比较，我们采用双线性插值方法将不同模型的极值指标插值到一个共同的18纬度318经度网格中。

   表2 研究中所使用指标、缩写词

   指标 首字母缩写

   总降水量 PRCPTOT 降水强度 SDII 占重大事件总数的比例 R95T 最大连续干日数 CDD

   1. 概率投影方案

   2. 剩余内容已隐藏，支付完成后下载完整资料

      ---

      资料编号：[17467]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 气候系统模式BCC_CSM1.1对东亚高空对流层急流和相关瞬变涡流活动的模拟外文翻译资料
• 基于FAO Penman-Monteith方程与每日天气预报信息估算参考蒸散量研究外文翻译资料
• 稳定非饱和渗流条件下的无限大边坡稳定性外文翻译资料
• CMIP5模式下中国极端降水指数。第二部分:概率投影外文翻译资料
• 2013年2月8-9日东北部地区暴风雪过程的偏振雷达和微物理过程研究外文翻译资料
• 华南前汛期香港中尺度暴雨的研究外文翻译资料
• 边界层对极地春季臭氧损耗现象起止的影响外文翻译资料
• 一种利用神经网络从具有高光谱分辨率的红外光谱 反演温度信息的方法外文翻译资料
• 1961 ~ 2004年青藏高原夏季降水的时空分布外文翻译资料
• 中国中东部地区冬季雾——霾日的年际变化及其与东亚冬季风的关系外文翻译资料