Taylor图被广泛应用于数值模式的评估与比较研究中,是多模式评估的有力工具。但Taylor图只适用于标量场的评估。目前尚没有适用于矢量场的评估图表。此外,Taylor图评估的是模式对距平场的模拟能力。如果模式与观测的平均值存在差异,这一差异在Taylor图上不能很好地反映出来。

基于区域气候模式的动力降尺度方法,是获取未来高分辨率天气气候信息的重要途径。动力降尺度在气象、水文、农业、生态、风能、大气环境等研究与预测方面,有着十分广泛的应用前景和需求。针对未来区域气候变化预估,传统的动力降尺度方法直接采用全球模式的预测结果驱动区域模式,从而得到精细时空尺度上的区域气候变化信息。然而,这样做会将全球模式的误差传递到区域模式中,从而降低降尺度模拟的可信度。

针对Taylor图的这两点不足之处,中国科学院大气物理研究所的副研究员徐忠峰和韩瑛与南京大学的本科生侯兆禄(现为大气物理研究所研究生)、教授郭维栋合作,发展了适用于矢量场评估的图表。该研究定义了三个统计量:矢量场相似系数、矢量场均方根长度及矢量场之间的均方根差异。基于余弦定理,利用上述三个统计量构造了矢量场评估图。结果表明:VFE图表可以合理反映模拟与观测矢量场之间分布模态的相似程度、矢量场平均长度和变率的大小以及矢量场之间的差异。从VFE图表可以定性地看出,模拟矢量场的均方根误差有多少来源于矢量长度的误差,多少来源于矢量场分布模态的误差。比如:以夏季亚澳季风区矢量风场模拟能力评估为例,模式6与模式19的均方根误差基本相同,但模式6对风场空间分布模态的模拟好于模式19,模式6高估了风场的强度,模式19则低估了风场的强度。另外,VFE图表还可以定性地反映观测的不确定性对模式评估结果的影响。

基于以上原因,中国科学院大气物理研究所的徐忠峰、杨宗良在2012年发展了一个改进的动力降尺度方法。该方法首先对全球模式系统误差(气候平均态和年际变化的方差)进行订正,然后再驱动区域模式。通过4组30年的模拟试验证明,在不考虑区域模式系统误差的前提下,改进的动力降尺度方法不仅可以显著提高区域模式对气候平均态的模拟,还可以显著改善对极端天气气候事件统计特征的模拟能力。

VFE图表对Taylor图的推广体现在两方面:1、评估变量由标量场推广到矢量场;2、评估对象由对距平场推广到全场。当评估对象为1维变量且为距平场时,VFE图等同于Taylor图。该研究为矢量场(比如:风矢量、风应力、温度梯度)的多模式比较和评估提供了有力的工具(详情参见Xu
et al. 2016)。

考虑到区域模式同样存在显著的系统误差,徐忠峰和杨宗良在2012年工作的基础上,进一步发展了该动力降尺度方法:即在全球模式系统误差订正的基础上,在区域模式积分过程中引入谱逼近方法(spectral
nudging)。前者约束全球模式误差,后者约束区域模式误差。通过8个30年的动力降尺度模拟试验证明:全球模式误差和区域模式误差都会显著影响降尺度的模拟结果。当全球模式和区域模式误差同号时,会放大降尺度模拟的误差;当两个误差异号时会相互抵消,得到看似接近观测的结果。利用新的动力降尺度方法,即同时采用全球模式误差订正和区域模式谱逼近方法,可以有效限制全球模式和区域模式的系统误差。从图2可以看出,新的动力降尺度方法的均方根误差是所有以全球模式为驱动场的模拟结果中最小的。当单独采用全球模式误差订正时,降尺度结果在对流层低层仍存在较大误差;当单独采用谱逼近方法时,降尺度结果的误差也没有明显改善。可见,在动力降尺度过程中,需要同时限制全球模式和区域模式的误差(即采用全球模式系统误差订正+谱逼近方法),这样才能得到更接近于观测的降尺度模拟结果(图2中红色和蓝色实线)。新动力降尺度方法,同样可以显著改善对气候变率和极端天气气候事件统计特征的模拟。

论文信息:Xu Z., Z. Hou, Y. Han, W. Guo, 2016: A diagram for evaluating
multiple aspects of model performance in simulating vector fields,
Geoscientific Model Development
, doi:10.5194/gmd-2016-172.

论文信息:

论文链接

Zhongfeng Xu and Zong-Liang Yang, 2012: An Improved Dynamical
Downscaling Method with GCM Bias Corrections and Its Validation with 30
Years of Climate Simulations
. J. Climate, 25, 6271–6286.

summerwinter

Zhongfeng Xu and Zong-Liang Yang, 2015: A new dynamical downscaling
approach with GCM bias corrections and spectral nudging
. 威尼斯娱乐网站,J. Geophys.
Res. Atmos.
, doi:10.1002/2014JD022958.

威尼斯娱乐网站 1

文章链接:1 2

图: 亚澳季风区(10°S–40°N, 40°–140°E)
气候平均态(1979-2005年)850-hPa矢量风场的VFE图。图中红色圆圈代表19个CMIP5模式的historical模拟结果,蓝色加号代表6个再分析资料(NNRP,
NCEP2, ERA40, ERA-Interim, JRA25, and
JRA55)。所有数据与6个再分析资料的集合平均进行比较。
蓝色加号的离散程度反映“观测”数据的不确定性。

威尼斯娱乐网站 2

图1 几种动力降尺度方法所得到的日最高气温的频数分布。WRF_CAM:
传统的动力降尺度方法。WRF_CAMbc_ave:考虑了全球模式平均态误差订正。WRF_CAMbc_std:
同时考虑了全球模式平均态和年际变化振幅的误差订正。WRF_NNRP:
利用再分析资料作为驱动场的动力降尺度模拟。(Xu and Yang, 2012)

威尼斯娱乐网站 3

图2
不同动力降尺度模拟相对于北美区域再分析资料的年平均均方根误差。图中标注:WRF代表所用的区域模式,CAM代表驱动场为全球模式CAM,bc代表全球模式做了误差订正,Ng代表区域模式采用了谱逼近方法,NNRP:驱动场为NCEP-NCAR再分析资料,low1和low2:代表谱逼近的强度分别降低1个和2个量级。WRF_CAM:
传统动力降尺度方法;WRF_CAMbc.Nglow1是研究者推荐使用的新的动力降尺度方法;其余以此类推。(Xu
and Yang 2015)

发表评论

电子邮件地址不会被公开。 必填项已用*标注