基于CMIP5模式的中国气候变化敏感性预估与分析

以CMIP5提供的26个全球气候系统模式的温度和降水数据为基础,采用区域气候变化指数(Regional Climate Change Index,RCCI)分析中国的不同区域对21世纪气候变化响应的敏感性。结果表明,三种排放情景(RCP 2.6、RCP 4.5、RCP 8.5)下,21世纪全期,气候变化最敏感的区域分布在西藏地区,其次为我国西北地区以及东北地区,气候变化敏感性最低的区域分布在我国内蒙古中东部、华北地区以及长江中下游一带,且高排放情景对应更高的气候变化敏感性。对RCCI指数贡献因子分析结果表明,对中国气候变化敏感性贡献的大小依次为Δσ_TΔσ_pΔRRWAF。冬夏两季温度变化的大值区与RCCI指数的大致区分布一致,RCCI大小的分布很大程度上由温度变化的敏感性决定。而夏季降水变化的大值区主要出现在西藏地区、华南地区和东北地区,冬季降水变化的大值区则主要出现在黄河以南长江以北的中原地区以及东北地区。     

概率密度分布法在“一带一路”地区极端月气温评估和预估中的应用

“一带一路”地区人口众多,气候类型复杂,亟待加强区域气候变化风险的认识。文中将该区分成10个区域,基于第五次耦合模式比较计划（CMIP5）中的31个全球模式模拟结果,应用概率密度分布（PDF）方法评估历史阶段（1986—2005年）各模式模拟暖月和冷月气温的能力,挑选并建立较优模式集合,用以预估21世纪中叶（2041—2060年）和21世纪末（2081—2100年）的极端月气温。结果表明,模式对观测中冷月气温距平PDF的模拟水平整体较暖月高。与多模式平均以及中位值相比,较优模式集合方法更适于极端暖/冷月气温的评估。在中等排放RCP4.5情景下,与低纬度地区相比,较优模式模拟中高纬地区未来极端暖/冷月气温的增温幅度的不确定性范围较大。21世纪中叶和21世纪末较优模式模拟的极端暖月气温在地中海增幅整体最大,东南亚增幅整体最小。对较优模式集合预估的极端冷月气温而言,无论是21世纪中叶还是世纪末,北欧增幅整体最大,东南亚增幅整体最小。     

协调大集合模拟下全球海表面温度对北极对流层早冬增暖的影响

本文使用六个不同的最新大气模式进行了协调数值集合实验,评估和量化了全球海表面温度(SST)对1982-2014年冬季早期北极变暖的影响.本研究设计了两组实验:在第一组(EXP1)中,将OISSTv2逐日变化的海冰密集度和SST数据作为下边界强迫场;在第二组(EXP2)中,将逐日变化的SST数据替换为逐日气候态.结果表明...     

CMIP5模式对辽宁省气温模拟能力及未来2℃升温阈值出现时间评估

利用全球气候模式、多模式集合和辽宁省气象观测数据,评估了不同典型浓度路径下19个全球气候模式和多模式集合对辽宁省气温变化模拟能力和可信度。结果表明:最优模式模拟结果优于多模式集合,具有较高的可信度。随着全球二氧化碳排放浓度增加,气温变化率和可信度呈增加趋势,首次达到2℃年份呈提前趋势,大部分站点出现在2011年之前,且出现年份越晚,升幅往往越高,反之亦然。大部分站点首次稳定到达2℃阈值开始年份在2022年之前,结束年份出现在2019—2026年,持续时间在13 a以下,开始年份均呈西早—东晚分布形势,结束时间和持续时间分布较均匀,且随着全球二氧化碳排放浓度增加,升温幅度呈上升趋势。不同典型浓度路径下各区域最高温、最低温和平均气温出现年份和变化特征均比较一致。     

多模式集合预估21世纪淮河流域气候变化情景

利用政府间气候变化委员会第四次评估报告(the Fourth Assessment Report of the Intergov-ernmental Panel on Climate Change,IPCC AR4)的14个全球气候耦合模式对中国淮河流域气温和降水的模拟能力进行了评估,预估了该地区21世纪的降水和气温变化。同时,还分析了14个气候模式对1961-1999年气温和降水的模拟能力,并且根据Taylor方法选取具有较好模拟能力的模式做集合分析。结果表明,不同的气候模式对淮河流域的气温和降水都具有一定的模拟能力,但大多数模式模拟的气温偏低、降水偏多;选取的模式集合可以明显改善模式的模拟能力,但是没有表现出明显的优势。对淮河流域降水和气温未来情景的预估表明,各模式给出的情景结果尽管存在一定的差异,但模拟的21世纪气候变化的趋势基本一致,即气温持续增加,降水出现区域性增加;还重点分析了14个模式集合的结果在2010-2039年、2040-2069年和2070-2099年3个时段的年平均、季节平均降水和气温变化及其时空变化特征,结果表明,3个时段的气温和降水在不同情景下都是逐渐增加的,A2情景下增幅最显著,B1情景下增幅最小。     

Current status of ENSO prediction skill in coupled ocean–atmosphere models

The overall skill of ENSO prediction in retrospective forecasts made with ten different coupled GCMs is investigated. The coupled GCM datasets of the APCC/CliPAS and DEMETER projects are used for four seasons in the common 22 years from 1980 to 2001. As a baseline, a dynamic-statistical SST forecast and persistence are compared. Our study focuses on the tropical Pacific SST, especially by analyzing the NINO34 index. In coupled models, the accuracy of the simulated variability is related to the accuracy of the simulated mean state. Almost all models have problems in simulating the mean and mean annual cycle of SST, in spite of the positive influence of realistic initial conditions. As a result, the simulation of the interannual SST variability is also far from perfect in most coupled models. With increasing lead time, this discrepancy gets worse. As one measure of forecast skill, the tier-1 multi-model ensemble (MME) forecasts of NINO3.4 SST have an anomaly correlation coefficient of 0.86 at the month 6. This is higher than that of any individual model as well as both forecasts based on persistence and those made with the dynamic-statistical model. The forecast skill of individual models and the MME depends strongly on season, ENSO phase, and ENSO intensity. A stronger El Niño is better predicted. The growth phases of both the warm and cold events are better predicted than the corresponding decaying phases. ENSO-neutral periods are far worse predicted than warm or cold events. The skill of forecasts that start in February or May drops faster than that of forecasts that start in August or November. This behavior, often termed the spring predictability barrier, is in part because predictions starting from February or May contain more events in the decaying phase of ENSO.     

台风风暴潮异模式集合数值预报技术研究及应用

台风风暴潮数值预报的准确性在很大程度上取决于台风路径预报和强度预报的精度以及风暴潮预报模型的计算精度。目前,国际上24/48 h台风路径预报平均误差分别约为120/210 km左右[1],对于走向异常的台风误差更大;更有,根据单一的台风路径和单族的风暴潮数值预报模式并不能保证获得可靠的风暴潮预报结果。考虑多重网格法原理具有在疏密不同的网格层上进行迭代以达到平滑不同频率的误差分量,使得计算快速收敛,精度提高的特性。在前期研究基础上基于业务化高分辨率(结构网格/有限差分算法)和精细化(非结构网格/有限元算法)台风风暴潮集合数值预报模型构建多模型台风风暴潮集合数值预报系统。采用"非同族"模型进行集合预报很大程度上降低了误差相似遗传的可能性。应用该方法对典型台风风暴潮过程进行了试应用,试报结果表明:该方法对风暴潮增、减水预报效果高于单一集合预报,具有一定的应用前景。     

MODES系统对贵州月气温、降水预测初步评估

通过对2013年1月—2015年6月(MODES)发布的最优月预测产品在贵州省月平均气温距平和降水距平百分率的预测检验评估,发现MODES对全省平均气温有较好的预报,分析时段内预测与实况的相关系数为0.24,距平同号率为65.5%,且对气温偏高预测的可参考性高于其对气温偏低的预测。相比于气温,MODES对降水预测能力较弱,参考性也相对较低,其中对贵州全省平均降水偏多趋势的预测技巧要优于对全省平均偏少趋势的预报技巧。逐站分析显示,MODES对贵州气温预测效果较好的地区在西部、北部和东部,对降水偏多的预测效果较好的地区位于除西北部和北部边缘地区外的其余大部地区。通过对MODES与预报员综合预报的结果评估发现,MODES月预测总体效果较预报员好,且稳定性高于预报员,可为预报员提供参考信息。     

A multi-model ensemble approach for assessment of climate change impact on surface winds in France

Statistical downscaling of 14 coupled atmosphere-ocean general circulation models (AOGCM) is presented to assess potential changes of the 10 m wind speeds in France. First, a statistical downscaling method is introduced to estimate daily mean 10 m wind speed at specific sites using general circulation model output. Daily 850 hPa wind field has been selected as the large scale circulation predictor. The method is based on a classification of the daily wind fields into a few synoptic weather types and multiple linear regressions. Years are divided into an extended winter season from October to March and an extended summer season from April to September, and the procedure is conducted separately for each season. ERA40 reanalysis and observed station data have been used to build and validate the downscaling algorithm over France for the period 1974–2002. The method is then applied to 14 AOGCMs of the coupled model intercomparison project phase 3 (CMIP3) multi-model dataset. Three time periods are focused on: a historical period (1971–2000) from the climate of the twentieth century experiment and two climate projection periods (2046–2065 and 2081–2100) from the IPCC SRES A1B experiment. Evolution of the 10 m wind speed in France and associated uncertainties are discussed. Significant changes are depicted, in particular a decrease of the wind speed in the Mediterranean area. Sources of those changes are investigated by quantifying the effects of changes in the weather type occurrences, and modifications of the distribution of the days within the weather types.     

地下水数值模拟不确定性分析研究进展

地下水数值模拟不确定性分析旨在提高研究区域地下水流的模拟精度。学者们将地下水数值模拟不确定性分析分为:模型的不确定性、参数的不确定性以及资料的不确定性三类,其中参数的不确定性分析在研究中是最为重要的。同时,对模型、参数、资料不确定性分析的研究进展和成果进行归纳总结,补充关于参数不确定性分析过程中的替代模型的一些研究成果以及模型不确定性分析的多模型分析;强调在地下水数值模拟的过程中,重视模型、资料的不确定性分析;展望未来,随着地下水数值模拟不确定性分析研究的深入,方法和应用会更加多样化。