极端气候事件的区域性变化:一种未来的气候现象外文翻译资料
2022-12-04 14:52:30
英语原文共 7 页,剩余内容已隐藏,支付完成后下载完整资料
极端气候事件的区域性变化:一种未来的气候现象
Jason L. Bell, Lisa C. Sloan, and Mark A. Snyder
加利福利亚大学地球科学系,加利福利亚 桑塔 95064
摘要: 在这项研究中,采用区域气候模式来扩展未来气候变化的建模实验,以解决:(1)生长季节的时间和长度;(2)极端温度和降水的频率和强度。加利福尼亚州是一个气候复杂的地区,因其易受水量供应和水量分布影响而被作为气候研究的重点。 随着大气二氧化碳浓度的翻倍,日最高温度和最低温度在统计上也会显著增加。 日温度的增加将导致热浪期延长并且生长季节的长度也会增加。 降水总量和极端降水量的变化会根据地理位置而不同。
1.简介
长期温度和降水记录的分析表明,自工业革命以来,随着大气二氧化碳(CO2)水平的增加,平均气候状态正在发生变化(Easterling等人1997; Gaffen和Ross 1998; Plummer等人1999; Salinger和Griffiths 2001)。应用全球气候模式(GCMs)的研究表明未来气候状态潜在着更大变化(Cao等人1992; Zwiers和Kharin 1998; McGuffie等人1999; Yonetani和Gordon 2001)。我们已经发现平均气候状态的变化也影响极端气候事件的频率和强度(Mearns等人1984; Katz和Brown 1992; Groisman等人1999; Meehl等人2000)。极端温度和降水对社会的许多重要方面,包括作物产量,能源消耗和生产以及人类健康有重要影响(Easterling等2000; Meehl等2000; Walther等2002)。必须在区域和地方层面应对和解决气候变化以及减轻负面影响,以便采取有效行动;因此,以一级评估来判断气候的潜在变化是很重要的。
区域气候变化是高度可变的,目前尚不能由GCM(全球气候模式)充分模拟出来。 这中间存在的不可能性需要使用区域气候模式(RCM)来解决区域尺度上的潜在气候变化。 Snyder等人(2002)使用RCM来证明由于大气CO2水平加倍,加利福尼亚地区平均气候可能会有显著变化。 本研究旨在解决同一区域和同一CO2 含量情景下极端日温度和降水事件的频率和强度的可能变化情况。
2.模型描述和实验设计
模型描述和实验设计类似于Snyder等人(2002)做的研究,但其中的几个关键地方有差异。Snyder 等人使用有限集合方法对加利福尼亚CO2加倍时的气候进行了敏感性研究。有限集合方法利用相同的GCM边界条件与多个RCM模拟, 比较了两个不同浓度的二氧化碳情景,每个情景包括三个长度为5年的集合成员。 虽然这种方法在限制计算成本方面是成功的,但结果表明GCM造成了大部分的变异性。 Snyder等人发现,给定模拟中的年际变率远大于集合成员之间的变异性。 基于这些结论,我们对每个CO2情景使用单个15年模拟,并基于模型每日两次的输出呈现结果。
我们使用国家大气研究中心(NCAR)社区气候模型3.6.6版(CCM3)(Kiehl等人1998)作为我们区域模型的全球驱动因素。 我们首先使用CCM3的一个版本和平板海洋 - 热力学海冰模型来进行两个15年的模拟。 两种模拟仅在大气CO2浓度方面不同,CO2浓度分别为280ppm(工业前水平)和560ppm(以下分别称为1xCO2和2xCO2情景)。 由于模型输出结果需按月保存,所以计算的海面温度(SST)用于驱动第二组CCM3模拟。 这些模拟使用规定的SST用于相应的CO2浓度,运行22年并且每12小时保存结果。 每个模拟的前四年作为平衡时间删除,剩余的18年的结果用于驱动RCM。
这项研究采用RegCM2 RCM(Giorgi和Shields1999)(以下简称RegCM2.5)的修改版本,如Snyder等人所述. RegCM2.5以40km的水平分辨率运行,并且控制加利福尼亚为中心的区域。 我们进行了两个18年的模拟,前三年作为平衡时间被删除。这些模拟仅在指定的大气CO2浓度(280和560ppm)下变化。
3.验证
当我们讨论在更多的区域和地方进行对气候变化和影响的尺度研究,才能够证明这种研究的能力时,这种验证是很重要的。我们证明(1)区域模型能够充分获取现代区域性气候的一般的数据(温度和降水)和特定的数据(日间温度范围(DTR),生长季节长度,极端事件的频率和强度)特征,以及(2)目前区域模型比全球模型更适合这种类型分析。其中 Mearns et al(1999)在Nebraska为中心的区域对RegCM2进行了类似的验证,而Snyder等人 (2002)对加利福尼亚进行了更一般的验证。
a. 现代气候
在这里我们比较一个现代区域气候模拟和观察的结果。 当前条件的模型模拟在设计上类似于1xCO2和2xCO2情景。 CCM3这个模型运用单个气候逻辑年的海表面温度(从1950年到1979年的观察结果计算)作为数据运行了22年。前四年作为平衡年被删除,将最近18年用于驱动RegCM2.5。RegCM2.5模拟的前三年作为平衡年被删除,将最后的15年数据用来分析现在的情况。两种模型中的大气CO2浓度都为360ppm。
所使用的观测数据是西部区域气候中心(2003年)收集的历史气象站数据。 可用数据的类型和范围取决于我们所研究的气候特征。 在与每个模型结果比较之后,我们将所有数据以尽可能相似的方式处理。 对于季节性温度和降水的分析,我们使用从1971年到2001年的最少22年的数据来计算气候数据。对于更具体的分析(DTR,生长季节和极端),可用数据范围从27到100年的长度(平均49.4年) 在1901年至2001年期间。我们用555站的数据进行分析,由于可用数据的体积缩小到站,因此其中实际高程和模型导出的高程差异不超过 100米。 剩余的16个站,表示在加利福尼亚州范围广泛的纬度,经度和海拔。
总体上,现代区域模式结果与气象台数据的比较非常好。 特别是考虑到数据记录比模型模拟长得多,因此数据记录能提供更大的样本总体。此外,气象站提供点数据,而模型结果从具有40km水平分辨率的单个网格单元导出。 仍然有因为模型结果产生的一些问题,特别是对于DTR和降水的季节性。
区域模型充分抓住了温度的季节变化以及年平均温度。 平均来说,RCM所得数据只比平均值低0.7℃,在不同的季节里也不会超过平均值2.4℃(表1)。相较冬季(12月-2月)与春季(3月-5月)的温度数据而言,RCM更能很好的抓住夏季(6月-8月)和秋季(9月-11月)的温度。 DTR所得到的结果往往不够准确,会比年际或季节性的数据小5-6℃(表1)。 生长季如果以平均16.5天开始太快,以13.8天结束又太慢。对于极端情况,该模型模拟了一年之内的太少的热天(平均32.2℃)以及太少的冷天(平均0℃)(表1)。虽然模型模拟太少的极端事件,但它并没有高估模拟极端事件的强度。 模型模拟的历史1天事件将会落入较长观测记录中的历史事件的范围内(表1)。
区域模型在中午和午夜每天输出两次温度。 这些温度代替每日最大值和最小值的,而不是实际的最大和最小温度。 结果,代替的最高温度太冷,代替的最低温度太热,结果抑制了DTR的准确性。 使用代替的最小值也影响计算的生长季节的开始和结束日期。由于使用代替的最低温度,生长季节似乎开始和结束的更早了。最后,使用这些代替后的温度导致的极端事件就不像观察记录中的那些极端记录具有代表性。
每年的区域模式略高估总降水( 3.8厘米/年),很难抓住降水的季节性特征。 模式高估了冬季和春季降水,低估了夏季和秋季降水(表1)。 该模型还模拟太多的轻降水日/年(lt;1.27厘米/天)而对于中等(1.27至2.54cm /天)和较重(gt; 2.54cm /天)的降雨天,模型预测的更准确(表1)。该模型每年模拟太多的轻降水,却只考虑了全年大概0.2%的重度降水。该模型在考虑样本差异的情况下模拟了历史性一天的事件,这种模拟能得到很好的结果。模型中的平均1天高度模拟值比观测值小1.3cm(表1)。
表1 直接观察(obs)与用RegCM2.5(rcm)模拟的现代气候的比较汇总
<td
剩余内容已隐藏,支付完成后下载完整资料</td
资料编号:[25343],资料为PDF文档或Word文档,PDF文档可免费转换为Word
观察值 |
RCM值 |
观察值-RCM值 |
|
温度 |
|||
年平均值(℃) |
32.7 |
32.0 |
0.7 |
冬(℃) |
25.3 |
23.9 |
1.4 |
春(℃) |
31.4 |
29.0 |
2.4 |
夏(℃) |
40.4 |
40.8 |
-0.4 |
秋(℃) |
33.6 |
34.1 |
-0.5 |
温度大于32.2℃(天数) |
71.4 |
43.8 |
27.6 |
温度大于0℃(天数) |
68.5 |
38.2 |
30.3 |
一天最大温度(℃) |
44.1 |
40.1 |
4.0 |
一天最低温度(℃) |
-15.2 |
-12.9 |
-2.3 |
DTR |
|||
续表1 |
|||
|
观察值 |
RCM值 |
观察值-RCM值 |
年平均值(℃) |
15.4 |
9.7 |
5.7 |
冬(℃) |
12.2 |
6.0 |
6.2 |
春(℃) |
15.0 |
9.2 |
5.8 |
夏(℃) |
18.3 |
13.4 |
4.9 |
秋(℃) |
15.9 |
10.2 |
5.7 |
降水 |
|||
年平均值(℃) |
52.9 |
56.7 |
-3.8 |
冬(℃) |
26.6 |
31.6 |
-5.0 |
春(℃) |
13.9 |
16.6 |
-2.7 |
夏(℃) |
2.2 |
0.5 |
1.7 |
秋(℃) |
8.6 |
8.1 |
0.5 |
小雨(天数) |
88.9 |
97.1 |
-8.2 |
中雨(天数) |
12.3 |
13.3 |