英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
从Ⅱ型降尺度应用的区域气候模式评估
近地表温度，湿度和等效温度
S.C.Pryor and J.T.Schoof
摘要
大气 - 表面相互作用是局部和区域气候的重要组成部分，因为它们表明了能量传递的平衡和能量传递的分配。区域气候模式（RCM）真实代表这些过程的程度不完整，其捕获等温温度（Te）的驱动力和大小的能力也不完整。。这导致在当前和未来可能的气候状态下对近表面温度和湿度状况以及与人类健康相关的极端热事件的模拟中的不确定性。评估再分析嵌套RCM模拟以确定它们在美国中部的温度（T），露点温度（Td），比湿（q）和Te的概率分布的程度，Td | T的条件概率， T，q和Te与边界层内的土壤湿度和子午湿度平流的耦合（adv（Te））。来自所有RCM的输出相对于近地表T，q，Td和Te的观测衍生时间序列存在差异，并且相对于采用四层土壤模型的RCM，一个使用单层土壤湿度的RCM似乎并不显着降低近地表T的模拟 和q。 MM5I的输出对于本文应用的大多数技能度量表现出最高的保真度，并且重要地是最真实地模拟T和Td的耦合以及边界层adv（Te）和土壤湿度与近表面T和q的预期关系。
1.背景和动机
改进区域气候的模拟是气候科学的一个高优先事项，并且是使用有限面积模式（区域气候模式，RCM）和/或自适应网格或拉伸网格全球模型的理由[Mearnsetal，2014]。区域（和次区域）气候描述的改进是基于在现在和未来气候模拟中的当前模型技术和不确定性。这种分析可以表明需要模型改进的关键领域，也可以为分配适当的权重在发展多模型综合平均值上提供关键指导[TebaldiandKnutti，2007]。建立模型投影可预测性对于模型基准从过程层面上的估计是肯定的[Knutti，2008]。最后，提高对模型保真度的认识，为RCM输出的脆弱性，影响和适应练习提供了指导[Hewitt等人，2013]。大气 - 表面相互作用是地方和区域气候的重要驱动因素。净辐射，Bowen比率（可见光辐射热比，H / LE）和不同土地覆盖类型之间的巨大变化，导致近地表空气温度（T）和近表面湿度（例如，比湿，q）和大气边界层结构的实质差异[Adegoke等人，2007]。此外，RCM中使用的陆地表面模型（LSM）中的这些过程的描述的差异导致模拟的H和LE流体以及近地表温度的明显差异[Caietal，2014]。关于这个，土壤湿度是气候系统和大气“记忆” [Seneviratneetal，2010]，并且影响局部表面能量平衡的两个其他分量：反照率（直接和通过植被健康）和土壤的辐射率[Evett，2000]。大气 - 表面相互作用也与大规模循环过程相关联（Bryanetal，2015）。因此，土壤湿度异常是导致欧洲2003年大幅度和长时间夏季热浪的原因[Fischer et alet al，2007]热带和热带地区的土壤/陆地和土壤湿度描述，辐射和表面能量分配的准确性，以及由此产生的近地表T和q场是积极研究的主题。
几个研究已经注意到，单独的T提供较低的大气能量含量的不完全表示[例如，Fall等人，2010; Pielke等人，2004]，并主张使用等效温度（或密切相关的公制，湿焓）。等效温度（Te）是总静态能量含量的量度[Pielke等人，2004]，并由下式给出
其中T是空气温度（℃），L是估计为2.5times;106（Jkg -1）的蒸发潜热，q是特定的湿度（kgkg -1），c是恒压下的空气的比热（1005Jkg -1 K -1）。 因此Te是T和q的积分度量（与通过H和LE的表面净辐射的损失有关）。它代表空气样品如果其所有的潜热被同量地转化为感热则具有的T。因此，Te随着T线性增加，并且对于每千克空气每增加一克水蒸汽增加〜2.5℃。一项研究估计，人类死亡率在热浪期间增加约5％，并表明在美国东部城市地区压迫性热天数正在增加[Sheridanet al 。，2009]。极限温度仅表示有助于生理压力和人体温度调节降解的因素之一。由于升高的T，人类热应激被共同发生的高湿度所放大[Rodopoulou等，2015; Steadman，1984]。事实上，芝加哥1995年的热浪事件导致了800例过早死亡，与芝加哥记录的最高4天平均露点温度（Td）相关，但只有第三高的4天平均T [Kunkel等，1996]。然而，许多预测热浪的发生，强度和相关的健康负担忽略了由于湿度增加而导致的热应力升高，因此可能低估未来的风险，特别是由于大气增温导致近表面比湿（以及Td）上升的证据[HeldandSoden，2006]。因此，Te与来自健康社区的两个广泛使用的指数（生理等效温度和通用热气候指数[Jendritzky et al。，2011]）有关，但更易于从标准气象观测和RCM输出计算，也证明在发展热事件频率和相关健康风险的预测中[Peng et al。，2011; Pryor等人，2013]和侧重于人类对热极端的健康影响脆弱性评估是有用的[Fischer和Knutti，2013; Luber和McGeehin，2008]。相对较少的研究定量了RCM重现T和q（或Td）（Pr {q | T}或Pr {Td | T}），Te的联合概率或Te升高的周期发生的能力。因此，我们的目标是研究近表面T-Td耦合和T，Td和Te的概率分布及其变异性在应用于II型缩减的RCM中良好模拟的程度（即，当它们嵌套在观察到的横向边界条件（LBCs）在全球再分析中显示）[Castro等人，2005]。我们进一步寻求诊断不同的RCM行为可以由近表面T，q和Te变化的两个关键驱动力来解释的程度;土壤湿度（SM）和在边界层中的平流Te（adv（Te））
- 数据和方法
2.1研究区域
选择中原（图1）进行这一分析有三个主要原因：
1.这个地区的夏季通常以高T和Td为特征，结果是高T e [Fall et al。，2010]。 此外，有证据表明Td（和q）在美国东部近期出现大幅增长[Davey et al，2006]。 因此，以前的研究表明，在美国中部大陆/中西部地区夏季的时间趋势Te远大于T，特别是对于每日最大值[Schoof等人，2015]。
2.它经历了与大量生命损失相关的极端热事件[Kunkel等人，1996; Pryor et al，2013]，以及RCM嵌入大气 - 海洋气体循环模型的多模态组合表明，相对于1981-1998，2051-2069年研究区域每年最高气温的平均差值为3-5℃[Horton et al，2015] 。
3.它在土地覆盖方面（图1）和土壤湿度（部分原因是该地区灌溉用水量的增加）的使用情况呈现空间梯度[Lengetal。，2014]，主要表现为土壤湿度变化[Falletal，2010]。
这一地区的先前研究也表明，T，q和Te变率的关键驱动力是大平原低层射流的经向水平平流[Patricola和Cook，2013; Schoof et al。，2015]和局部/区域土壤湿度条件[Fall et al。，2010]。考虑到研究区域Te的强季节性[Fall et al。，2010]，这里我们只关注1981-2000年的夏季（6月 - 7月 - 8月（JJA））。
2.2原位观察
这里使用的原位测量来自七个站（得梅因（IA），莫林（IL），印第安纳波利斯（IN），圣路易斯（MO），Springfield（MO），Nashville（TN）和Memphis分布在中部平原（图1）。从NOAA综合表面数据库获得1981-2000年3小时间隔（以匹配RCM输出可用性）的原位测量。比湿（q）的测量不可用，因此观察到的Td用于导出蒸汽压力（e; hPa），并且用测站海拔压力数据（P; hPa）来估算特定湿度（q; gkg-1），然后用于计算Te。
本研究中选择的站点选择了长期时间序列及其组成部分的前瞻性研究[Schoofetal。，2015]，研究区域T，q和Te变异性的多样性变异性。对已知站点移动和仪器变化的影响的先前分析没有发现在这里使用的时间序列中不均匀性的证据[Schoof等人，2015]。观测性和基于RCM的时间序列分别表示夏季每日最大和最小Te（max（Te）和min（Te））的Moran的I估计（Tiefelsdorf和Boots，1995年）的空间关联（略微负的）空间关联很大程度上是独立的。
2.3区域气候模式模拟
本文分析的RCM模拟来自北美区域气候变化评估计划（NARCCAP）[Mearns等人，2012]，并且来自四个RCM，其以50times;50km的分辨率运行并且从“观察”再分析数据嵌套在LBC中（国家环境预测中心（NCEP） - 能源大气模型比较项目II再分析[Kanamitsuetal。，2002]）（即，NARCCAP实验方案[Mearnsetal。，2012] q，土壤湿度，q，T和850hPa风的子午分量（v））可以以3h的时间分辨率获得。使用2m处的T和q的模拟来计算Te并且使用以下近似来计算Pr {Td | T}的分析以导出Td：
其中Td以C给出，T= 273.15（K）。在前面的3h（adv（Te））期间边界层中Te的子午平流的估计是从
其中j表示网格单元的直接南侧的网格单元包含站（k）的网格单元，i是向北的网格单元，dn是两个网格单元质心（i和j）之间的球面距离（km），v是子午风速（msle;1）在包含站的网格单元（k）中的850hPa。
实验中使用的RCM应用[Mearnsetal。，2012]，四个可用于本文使用的变量：HRM3，MM5I，RCM3和WRFG（表1）。这些模型的每个网格的输出的时间序列在这里使用。这些模型跨越了一个模型制定范围以及在LSM和土壤湿度处理方面不同。因此，在这里我们使用嵌套的这四个RCM嵌套在对LBC的响应进行初步评估Pr {Td | T}和RC，模拟的T，q和Tecan差异的程度对土壤湿度/植被覆盖和/或子午湿度平流的差异处理边界层。不幸的是，在本文使用的四种RCM中，土壤湿度初始化并不完全一致;因此，从我们的分析中，我们排除了初始模型初始化（1年）后的第一年（即1980年），以允许更多的初始条件差异被缓和。注意，使用NOAH地表方案（MMI5和WRFG）的两个RCM，我们反对相同的初始条件强制。
3.结果与讨论
3.1评估模型绩效
1981年至2000年期间RCM模拟的夏季（JJA）平均T，Td和Te一般在所有七个地点的观测值计算的95％置信区间之外（图2a）。与先前分析一致，HRM3在平均夏季T表现出正偏差[Mearns等人，2012]和在所有站点的平均Td的负偏差。其他RCM趋于对平均Td负偏差，但是散布在平均值T的观测值周围。对Te的净影响是，来自HRM3的输出在来自观测值的95％置信区间内，印第安纳波利斯，斯普林菲尔德和纳什维尔，而对于平均Te（图2a），其余RCM均被偏置。对于大多数站，每个RCM的50km网格单元的平均高程相当接近地建立起来（在plusmn;40m内），除了对于哪个RCM显示比观测站更高的高度（近200m）（表2）。因此，虽然有些人认为考虑了减少差异，但对高程偏差的影响可能很小。此外，下面讨论的温度和湿度变量之间的耦合程度可能受到任何仰角偏移的影响较小。
我们的先验期望是，RCM中固有的空间平均值倾向于与相对于点观测的方差抑制相关联;然而，3小时T，Td和Te的经验分位数分位数（EQQ）曲线倾向于表明模拟值中的分散比在所有位点达到最大直线斜率gt; 1的观测值有更大的偏差（图2b-2d）。对于T只有HRM3对于一个或多个站点的所有百分位数（第5到第95）表现出正偏差，而MM5I在除孟菲斯之外的所有站的上百分位数中表现出最小的偏差（即与观测结果最大的一致）（图 2b）。 3小时Td的EQQ图表示除了HRM3输出之外的所有位点的整个分布上呈现负偏差。 HRM3在低于中值的情况下是负偏置的，而在上中心处是正偏置的（图2c），表明Td的建模范围超过了观察值。 Te的EQQ曲线表明，在所有站点的第5到第95百分位数的观察和HRM3输出之间存在良好的一致性，而所有其他模型显示最大百分比的负斜率超过1（图2d）。特别是来自MM5I的标记的输出，但对于90％以上的值具有较好的一致性。T和Td的联合概率在RCM之间差异很大，但是一直低估Td和T之间的耦合度（图2e和3以及支持信息中的图S1）。因此，不管是从下向左还是从右向下，都具有较小的正交第二关系（在观察中），相关性概率与主轴非常浅或甚至稍微负性（图2e和图3）取向相关。来自MM5I的模拟似乎以最现实的方式捕获耦合，并且联合概率的分布沿着在所有部位具有正斜率的主轴定向。相反，HRM3中的联合概率分布的主轴在七个站的五分之一处具有负斜率。从HRM3输出的T和Td的解耦可能似乎归因于土壤湿度可用性限制，这也可以作为T和Td中的负偏差的正偏差的解释，因为这也将是更大分割的感热交换的症状。在孟菲斯的T和Td之间的耦合在观测中特别明显，但在RCM中被低估，并且来自HRM3和WRFG的输出从包含该站的网格单元增加到T（图3）。尽管使用不同的LSM，植被类型和土壤湿度处理（表1），RCM3和WRFG显示了所有七个站的非常相似的联合概率分布图（图S1）。
当使用T和Td的日平均值产生联合概率图时，RCM更接近地观测，但是图3中所示的保留一般模式。 MM5I继续最接近地观测，并且来自HRM3的输出继续呈现其中等概率的轮廓的主轴在Springfield和Memphis处呈现负斜率的模式。有证据表明，T和q两个时期的升高都会造成不适当的健康负担，特别是当它们延长数天时（Mastrangeloetal。，2007）。[Mastrangeloetal。，2007]。更久的持续性
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[26874]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
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。
