A Quick Report on a Dynamical Downscaling Simulation over China Using the Nested Model

This paper describes a dynamical downscaling simulation over China using the nested model system, which consists of the modified Weather Research and Forecasting Model (WRF) nested with the NCAR Community Atmosphere Model (CAM). Results show that dynamical downscaling is of great value in improving the model simulation of regional climatic characteristics. WRF simulates regional detailed temperature features better than CAM. With the spatial correlation coefficient between the observation and the simulation increasing from 0.54 for CAM to 0.79 for WRF, the improvement in precipitation simulation is more perceptible with WRF. Furthermore, the WRF simulation corrects the spatial bias of the precipitation in the CAM simulation.     

基于MIROC/WRF嵌套模式的中国气候降尺度模拟

开展了基于嵌套的全球模式MIROC和区域气候模式WRF的动力降尺度模拟试验,检验该模式对中国气候的模拟性能,得到以下结论:全球气候模式MIROC和WRF都能较好地模拟出中国年平均地表气温(下文简称气温)分布。WRF模式对气温场的描述更为细致,模拟出了四川盆地高温和中国最北方区域的低温。两个模式总体上对南方降水模拟好于北方地区,东部地区好于西部地区。MIROC模式模拟的年平均和各季节降水与观测的 空间相关系数在0.79～0.83之间,表明它对降水的模拟较好。WRF模式模拟的降水空间分布好于MIROC模式。MIROC模式在青藏高原东南侧存在虚假降水中心,WRF能有效改进该地区降水的模拟。两个模式对年平均气温和降水年际变率的模拟能力均较差,WRF模式相对MIROC模式有一定改进。     

Simulation and Projection of Changes in Rainy Season Precipitation over China Using the WRF Model

The Weather Research and Forecasting (WRF) model is used in a regional climate model configuration to simulate past precipitation climate of China during the rainy season (May-September) of 1981-2000, and to investigate potential future (2041-2060 and 2081-2100) changes in precipitation over China relative to the reference period 1981-2000. WRF is run with initial conditions from a coupled general circulation model, i.e., the high-resolution version of MIROC (Model for Interdisciplinary Research on Climate). WRF reproduces the observed distribution of rainy season precipitation in 1981-2000 and its interannual variations better than MIROC. MIROC projects increases in rainy season precipitation over most parts of China and decreases of more than 25 mm over parts of Taiwan and central Tibet by the mid-21st century. WRF projects decreases in rainfall over southern Tibetan Plateau, Southwest China, and northwestern part of Northeast China, and increases in rainfall by more than 100 mm along the southeastern margin of the Tibetan Plateau and over the lower reaches of the Yangtze River during 2041-2060. MIROC projects further increases in rainfall over most of China by the end of the 21st century, although simulated rainfall decreases by more than 25 mm over parts of Taiwan, Guangxi, Guizhou, and central Tibet. WRF projects increased rainfall of more than 100 mm along the southeastern margin of the Tibetan Plateau and over the lower reaches of the Yangtze River and decreased rainfall over Southwest China, and southern Tibetan Plateau by the end of the 21st century.     

Assessment of Temperature Extremes in China Using RegCM4 and WRF

This study assesses the performance of temperature extremes over China in two regional climate models(RCMs),RegCM4 and WRF, driven by the ECMWF's 20 th century reanalysis. Based on the advice of the Expert Team on Climate Change Detection and Indices(ETCCDI), 12 extreme temperature indices(i.e., TXx, TXn, TNx, TNn, TX90 p, TN90 p,TX10 p, TN10 p WSDI, ID, FD, and CSDI) are derived from the simulations of two RCMs and compared with those from the daily station-based observational data for the period 1981–2010. Overall, the two RCMs demonstrate satisfactory capability in representing the spatiotemporal distribution of the extreme indices over most regions. RegCM performs better than WRF in reproducing the mean temperature extremes, especially over the Tibetan Plateau(TP). Moreover, both models capture well the decreasing trends in ID, FD, CSDI, TX10 p, and TN10 p, and the increasing trends in TXx, TXn, TNx, TNn, WSDI, TX90 p,and TN90 p, over China. Compared with observation, RegCM tends to underestimate the trends of temperature extremes,while WRF tends to overestimate them over the TP. For instance, the linear trends of TXx over the TP from observation,RegCM, and WRF are 0.53?C(10 yr)^-1, 0.44?C(10 yr)^-1, and 0.75?C(10 yr)^-1, respectively. However, WRF performs better than RegCM in reproducing the interannual variability of the extreme-temperature indices. Our findings are helpful towards improving our understanding of the physical realism of RCMs in terms of different time scales, thus enabling us in future work to address the sources of model biases.     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

统计降尺度法对华北地区未来区域气温变化情景的预估

迄今为止,大部分海气耦合气候模式（AOGCM）的空间分辨率还较低,很难对区域尺度的气候变化情景做合理的预测。降尺度法已广泛用于弥补AOGCM在这方面的不足。作者采用统计降尺度方法对1月和7月华北地区49个气象观测站的未来月平均温度变化情景进行预估。采用的统计降尺度方法是主分量分析与逐步回归分析相结合的多元线性回归模型。首先,采用1961～2000年的 NCEP再分析资料和49个台站的观测资料建立月平均温度的统计降尺度模型,然后把建立的统计降尺度模型应用于HadCM3 SRES A2 和 B2 两种排放情景, 从而生成各个台站1950～2099年1月份和7月份温度变化情景。结果表明:在当前气候条件下,无论1月还是7月,统计降尺度方法模拟的温度与观测的温度有很好的一致性,而且在大多数台站,统计降尺度模拟气温与观测值相比略微偏低。对于未来气候情景的预估方面,无论1月还是7月,也无论是HadCM3 SRES A2 还是B2排放情景驱动统计模型,结果表明大多数的站点都存在温度的明显上升趋势,同时7月的上升趋势与1月相比偏低。     

基于DERF的SD方法预测月降水和极端降水日数

针对动力气候模式对区域或更小空间尺度内的日降水预测技巧偏低的问题,应用最优子集回归 (OSR) 方法对国家气候中心业务化的月动力气候模式 (DERF) 输出的高度场、风场和海平面气压场进行降尺度处理用于降水预测,旨在提高预测准确率。1982—2006年交叉检验结果表明：OSR方法能显著提高降水预测技巧,其中11~40 d改善效果最为显著。在此基础上,应用一步法和两步法两种统计降尺度方法预测极端降水日数,交叉检验结果表明:两种方法均优于随机预测,冬季两步法预测技巧略高于一步法,夏季一步法略优于两步法。综合认为OSR,OSR结合随机天气发生器 (WG) 两种统计降尺度方法对月尺度降水或极端降水日数的预测均具有较高的技巧,可作为短期气候预测的重要参考信息。     

基于统计降尺度模型的江淮流域极端气候的模拟与预估

利用江淮流域29个代表站点1961--2000年逐日最高温度、最低温度和逐日降水资料,以及NCEP逐日大尺度环流场资料,引入基于多元线性回归与随机天气发生器相结合的统计降尺度模型SDSM（statistical downscalingmodel）,通过对每个站点建模,确立SDSM参数,并将该模型应用于SRESA2排放情景下HadCM3和cGcM3模式,得到了江淮流域各代表台站21世纪的逐日最高、最低温度和降水序列以及热浪、霜冻、强降水等极端气候指数。结果表明,当前气候下,统计降尺度方法模拟的极端温度指数与观测值有很好的一致性,能有效纠正耦合模式的“冷偏差”,如SDSM对江淮平均的冬季最高、最低温度的模拟偏差较CGCM3模式分别减少3℃和4．5℃。对于极端降水则能显著纠正耦合模式模拟的降水强度偏低的问题,如CGCM3对江淮流域夏季降水强度的模拟偏差为-60．6％,但降尺度后SDSM—CGCM3的偏差仅为-6％,说明降尺度模型SDSM的确有“增加值”的作用。21世纪末期在未来SRESA2情景下,对于极端温度,无论Had．CM3还是CGCM3模式驱动统计模型,江淮流域所有代表台站,各个季节的最高、最低温度都显著增加,且以夏季最为显著,增幅在2—4℃;与之相应霜冻天数将大幅减少,热浪天数大幅增多,各站点冬季霜冻天数减少幅度为5—25d,夏季热浪天数增加幅度为4～14d;对于极端降水指数,在两个不同耦合模式HadCM3和CGCM3驱动下的变化尤其是变化幅度的一致性比温度差,但大部分站点各个季节极端强降水事件将增多,强度增强,SDSM—HadCM3和SDSM-CGCM3预估的夏季极端降水贡献率将分别增加26％和27％。     

利用区域气候模式对我国南方百年气温和降水的动力降尺度模拟

本文采用NCAR的WRF3.5.1模式,以NOAA的20世纪再分析资料作为区域气候模式的初始场和侧边界场,对东亚地区进行了百年以上(1900~2010年)尺度、水平分辨率为50 km的动力降尺度数值模拟试验。通过与观测气候资料的对比,分析了驱动场(20世纪再分析资料)和区域气候模式对我国南方地区近50年(1961~2010年)气温和降水的气候平均态的模拟能力。结果表明:经过动力降尺度的区域气候模式试验结果能更好地模拟我国南方地区气温气候平均态和季节循环。WRF模式模拟的气温与观测的气温的空间相关系数均在0.97以上。年平均和夏季,WRF模式模拟的气温与观测的气温的偏差大多介于-1°C到+1°C之间。对于降水,WRF模式显著提高了我国南方降水的模拟能力。和驱动场相比,WRF模式模拟的降水与观测的偏差明显减小。夏季,WRF模式模拟的降水空间相关系数在0.5以上。由此延伸至对近百年我国南方地区三个子区域(华南地区、江淮地区和西南地区)四个时段(1914~1942年、1943~1971年、1972~2000年和2001~2010年)的分析,结果表明区域气候模式动力降尺度的结果在区域平均的气温和降水的模拟数值上与观测比较接近,夏季模拟能力有明显的提高,冬季存在气温模拟偏低的误差。对气温趋势分析表明,在20世纪40年代以后的两个时间段,区域气候模式明显提高了气温变化线性趋势的模拟性能。     

WRF_Lake湖气模式对我国太湖的湖温模拟应用评估

文章把一维热扩散湖模式成功地耦合到中尺度天气研究和预报模式WRF3.2中,建立了湖气耦合模式。并用太湖区梅梁湾获得的2010年8月11—28日的观测资料对该耦合模式模拟湖温的能力进行了初步评估。设计了3组方案进行对照试验,分别为:(1)没有加入湖模块的WRF模式试验(WRF);(2)没有对参数进行优化的原始耦合模式试验(WRF_Lake_Old);(3)对3个参数进行优化后的耦合模式试验(WRF_Lake_New)。结果表明耦合了湖泊模块并且参数优化后的湖气耦合模式(WRF_Lake_New)比没有包含湖面方案的WRF模式对太湖水温的模拟能力有了很大的改进。WRF_Lake_New能够合理地模拟出太湖梅梁湾上湖表温度的日变化,模拟的湖表温度误差范围平均在±1℃左右,模拟的空气温度平均误差范围在±0.5℃以内,模拟的感、潜热通量也与观测更为接近。该耦合模式在太湖的初步评估结果表明,该湖气耦合模式为下一步研究湖泊过程和湖气相互作用提供了重要的工具。     

Dynamical Downscaling of the Twentieth Century Reanalysis for China:Climatic Means during 1981–2010

This study presents a dynamically downscaled climatology over East Asia using the non-hydrostatic Weather Research and Forecasting(WRF) model, forced by the Twentieth Century Reanalysis(20CR-v2). The whole experiment is a 111-year(1900–2010) continuous run at 50 km horizontal resolution. Comparisons of climatic means and seasonal cycles among observations, 20CR-v2, and WRF results during the last 30 years(1981–2010) in China are presented, with a focus on surface air temperature and precipitation in both summer and winter. The WRF results reproduce the main features of surface air temperature in the two seasons in China, and outperform 20CR-v2 in regional details due to topographic forcing. Summer surface air temperature biases are reduced by as much as 1°C–2°C. For precipitation, the simulation results reproduce the decreasing pattern from Southeast to Northwest China in winter. For summer rainfall, the WRF simulation results reproduce the correct magnitude and position of heavy rainfall around the southeastern coastal area, and are better than 20CR-v2. One of the significant improvements is that an unrealistic center of summer precipitation in Southeast China present in 20CR-v2 is eliminated. However, the simulated results underestimate winter surface air temperature in northern China and winter rainfall in some regions in southeastern China. The mean seasonal cycles of surface air temperature and precipitation are captured well over most of sub-regions by the WRF model.     

A Hybrid Dynamical-Statistical Approach for Predicting Winter Precipitation over Eastern China

Correlation analysis revealed that winter precipitation in six regions of eastern China is closely related not only to preceding climate signals but also to synchronous atmospheric general circulation fields.It is therefore necessary to use a method that combines both dynamical and statistical predictions of winter precipitation over eastern China(herein after called the hybrid approach).In this connection,seasonal real-time prediction models for winter precipitation were established for the six regions.The models use both the preceding observations and synchronous numerical predictions through a multivariate linear regression analysis.To improve the prediction accuracy,the systematic error between the original regression model result and the corresponding observation was corrected.Cross-validation analysis and real-time prediction experiments indicate that the prediction models using the hybrid approach can reliably predict the trend,sign,and interannual variation of regionally averaged winter precipitation in the six regions of concern.Averaged over the six target regions,the anomaly correlation coefficient and the rate with the same sign of anomaly between the cross-validation analysis and observation during 1982-2008 are 0.69 and 78%,respectively.This indicates that the hybrid prediction approach adopted in this study is applicable in operational practice.     

CLDASSD: Reconstructing Fine Textures of the Temperature Field Using Super-Resolution Technology

Before 2008,the number of surface observation stations in China was small.Thus,the surface observation data were too sparse to effectively support the High-resolution China Meteorological Administration’s Land Assimilation System(HRCLDAS)which ultimately inhibited the output of high-resolution and high-quality gridded products.This paper proposes a statistical downscaling model based on a deep learning algorithm in super-resolution to research the above problem.Specifically,we take temperature as an example.The model is used to downscale the 0.0625°×0.0625°,2-m temperature data from the China Meteorological Administration’s Land Data Assimilation System(CLDAS)to 0.01°×0.01°,named CLDASSD.We performed quality control on the paired data from CLDAS and HRCLDAS,using data from 2018 and 2019.CLDASSD was trained on the data from 31 March 2018 to 28 February 2019,and then tested with the remaining data.Finally,extensive experiments were conducted in the Beijing-Tianjin-Hebei region which features complex and diverse geomorphology.Taking the HRCLDAS product and surface observation data as the"true values"and comparing them with the results of bilinear interpolation,especially in complex terrain such as mountains,the root mean square error(RMSE)of the CLDASSD output can be reduced by approximately 0.1℃,and its structural similarity(SSIM)was approximately 0.2 higher.CLDASSD can estimate detailed textures,in terms of spatial distribution,with greater accuracy than bilinear interpolation and other sub-models and can perform the expected downscaling tasks.     

近百年中国地表气温变化趋势的再分析

重新考虑了1950年前后器测资料的非均一性问题,统一采用最高温度和最低温度计算月平均温度,利用国际上通行的区域平均温度序列计算方法,建立了中国近100年的地表气温序列,并对气温变化趋势进行了再分析.结果表明,自1905年以来中国地表年平均气温明显增暖,升高幅度约为0.79℃,增温速率约为0.08℃/10 a,比同期全球或北半球平均略高.但是,20世纪80年代初以来的增温似乎不比30～40年代明显,而20世纪50～60年代地表气温的变冷却比全球或北半球显著得多.和全球平均温度变化一样,近100年来中国的增温也主要发生在冬季和春季,而夏季却有微弱变凉趋势.新的全国平均气温序列与以往的研究结果比较给出了更高的增温趋势估计值,这主要与采用新的月平均气温统计方法改善了原序列的均一性有关.另一方面,由于早期资料覆盖面积比例低和后期城市化影响等问题,这里给出的增温趋势估计仍然存在着较大的不确定性.     

复杂地形地区WRF模式四种边界层参数化方案的评估

为更加精确地模拟复杂地形地区大气边界层中气象要素,将NASA发布的SRTM3(约90 m分辨率)地形高度数据引入中尺度气象模式WRF(weather research and forecasting)中,结合四种边界层参数化方案(YSU、ACM2、MYN 2.5 level TKE(简称MYN)、Bougeault and Lacarrere TKE(简称BL))及模式自带地形数据GTOPO30(约1 km分辨率),模拟了2008年4月24－25日安徽黄山及周边地区大气边界层气象要素场变化特征,并对模式输出的2m气温、2m露点温度、10 m风速、湿度廓线与模拟区域内19个气象站及2个探空站数据进行比较.结果表明,无论采用哪种地形数据,四种边界层参数化方案中,YSU方案模拟的2m气温误差最小,ACM2方案模拟的2m露点温度和10m风速误差最小;采用SRTM3数据后,四种边界层参数化方案模拟的2 m气温平均均方根误差(root mean squared error,RMSE)分别降低了3.79％(YSU方案)、2.48％(ACM2方案)、3.8％(MYN方案)、0.87％(BL方案);对2 m露点温度模拟,除MYN方案模拟平均RMSE降低了0.59％外,其他三种方案模拟误差分别增加了1.39％(YSU方案)、0.49％(BL方案)、0.89％(ACM2方案);而对10m风速的模拟结果,除ACM2方案模拟平均RMSE降低了2.28％外,其他三种方案模拟误差分别增加了0.22％(YSU方案)、2.32％(MYN方案)、2.45％(BL方案);对2个探空站点湿度廓线的模拟显示,各边界层方案均能模拟出水汽的垂直变化趋势,但模拟效果总体表现为偏湿,采用SRTM3地形数据之后,ACM2方案模拟部分时刻的低层水汽廓线有所改善.     

高分辨率WRF模式中土壤湿度扰动对短期高温天气模拟影响的个例研究

本文利用WRFV3.6中尺度预报模式就土壤湿度扰动对2003年7月22~23日和29~30日短期高温天气过程的影响进行了高分辨率模拟研究。结果表明:(1)WRF模式地表气温对土壤湿度扰动有较强的敏感性,且随着土壤湿度的增加(减小)而降低(升高)。同时,模式中土壤湿度对地面气温影响的强度对模式分辨率具有较高的依赖性。(2)不同模式分辨率下气温随土壤湿度变化的规律一致;由于更高分辨率的地形资料的应用,提高分辨率可在较大程度上改善模拟效果。(3)不同土壤湿度试验模拟的地表感热、潜热通量可直接影响气温变化;(4)土壤湿度扰动通过间接影响高温发展的近地层各物理过程使得地表气温发生变化。这些过程中,对流(平流)过程在全天表现为增温(冷却)的作用,强度在白天均随土壤湿度的减小而增加。在较干的土壤条件下,非绝热增温在白天的主导地位加强;在夜间,非绝热冷却的强度减弱,且小于占据主导的对流绝热增温的强度。以上结果表明,在模拟和预报高温天气时土壤湿度非常重要,也意味着通过土壤湿度扰动的集合预报方法来改进模式高温模拟预报具有较大的潜力。     

基于印度洋海温信号的我国西北地区东部夏季降水组合降尺度预测方法研究

利用国家气候中心第二代气候模式预测业务系统(BCC-CPSv2)预测产品,引入印度洋海温信号,采用组合降尺度方法建立了西北地区东部汛期降水预测模型。该预测模型对1991—2017年西北地区东部夏季降水的回报技巧较BCC-CPSv2预测技巧显著提高,空间相关系数由0.42提高到0.75,均方根误差明显减小,最多下降达80%。预测模型对降水空间分布型的预测能力较好,很好地回报了典型年份（1987年和2010年）夏季的降水距平百分率分布。通过抓住气象变量的空间分布特征,组合降尺度方法可以修正动力模式产品的预测误差,为西北地区东部夏季降水预测提供科学依据和技术支持,具有较好的应用前景。     

区域气候模式REMO对中国气温和降水模拟能力的评估

采用泰勒图和偏差分析等统计方法,评估分析了德国区域气候模式（REMO）对中国1989-2008年气温和降水的模拟能力。结果表明：REMO气温模拟值与观测值空间相关系数为0.94,降水空间相关系数较低（0.42）,气温模拟结果明显优于降水;从空间偏差上看,在中国大部分地区,REMO模拟的气温高于观测值,偏差在±4℃以内,青藏高原整体有明显的-4～-2℃的冷偏差;模拟的降水值则高于观测值,空间偏差分布较均匀,中国大部分地区偏差在±300 mm之内;除青藏高原、华南和西南地区外,REMO能较准确地反映出中国气温和降水的空间分布特征,其中华北和东北地区模拟效果最好;REMO对夏季气温和冬季降水的模拟能力相对较好;REMO在地形起伏较大地区的模拟能力有待提高。     

用WRF模式中不同云微物理参数化方案对华南一次暴雨过程的数值模拟和性能分析

本文使用中尺度数值模式WRFV3.4中的8种不同云微物理过程参数化方案,模拟2010年5月6～7日华南一次暴雨事件,探讨不同云微物理方案对华南暴雨模拟的影响。结果表明:不同云微物理方案对不同量级降水模拟效果总体较好。WSM3方案对小到大雨和大暴雨的模拟效果最好,对暴雨的模拟最差;WDM5方案对暴雨模拟效果最好。结合TS评分和误差分析结果,整体效果最好的是WSM5方案,最差的是Lin方案。对于同一云微物理参数化方案,不同分辨率的降水模拟结果差异不大,但同一分辨率的不同云微物理参数化方案的降水结果差异较大,这说明云微物理过程比模式分辨率对暴雨模拟的影响更大。     

影响杭州城市高温因子的数值模拟研究

随着全球气候增暖和城市化进程的加剧,城市高温灾害的影响越来越突出。基于WRF/UCM模式,研究了西湖与城市化进程两个因子对杭州城市高温的影响。设计了三组试验:试验1为采用2010年土地利用数据的控制试验;试验2在试验1的基础上将西湖替换为水田;试验3与试验1相同,但采用2000年的土地利用数据。对比试验1与试验2,发现西湖的存在对杭州白天高温有减缓作用、夜间高温有促进作用,总体而言对杭州城市高温有正贡献;对比试验1与试验3,发现城市化进程所带来的热岛效应加剧了杭州高温,使高温区域面积显著增加;热岛效应对白天高温与夜间高温均有促进作用,但对白天高温的影响更为明显。