动力降尺度预测
嵌套的rcm提供模型层次结构的一个重要组成部分。它们使区域气候过程的可预测性研究在更大的空间细节,并提供一种手段让一个缩减规模季节性气raybet雷竞技最新候预测
-
- 图2.7。观察(实线)和RSM模拟(虚线)干旱指数的季节February-March-April旱作农业地区的西阿拉。它们之间的时间相关性为0.74(太阳et al . 2007年)
阳离子。动力降尺度的GCM气raybet雷竞技最新候预测已经在几个地区(Diez et al . 2005;德鲁et al . 2002;Fennessy和舒克拉2000;墨菲1999;太阳et al . 2006;Syktus et al . 2003年)。它们中的大多数都是实验的预测。据我们所知,第一个和唯一的操作气候动力降尺度预测系统是发达的巴西东北部(太阳et al . 2006年)。raybet雷竞技最新操作降尺度预测已经发布了2001年12月以来巴西东北部。NCEP RSM 60公里的分辨率和ECHAM4.5 GCM (T42)这个预测系统的核心。 This is a two-tiered prediction system. SST forecasts are produced first, which then serve as the lower boundary condition forcing for the ECHAM4.5 GCM-NCEP RSM nested system.
预计两个SST的场景。第一个海温异常海温场景持续观察到最近完成的日历月并将它们添加到观察季节循环。动态预测海温异常使用坚持只运行一个赛季进入未来。第二场情况是预测海温异常对即将到来的6个月。混合动力和统计模型被用来构造对海温预测,由热带海洋盆地,不同阻尼的持久性和3个月e-folding时间已被用于温带海洋。
动态地缩减规模预测2002 - 2004年期间一直在验证使用排名概率技能分数(rp)。整个降雨预测能力是在多数Nordeste积极。预测能力随季节。天气预报技巧通常是高March-April-May (MAM)和AMJ季节比JFM和菲利普-马萨的季节(图2.8)。
检查RSM预测的附加值,技能比较缩减规模预测和推动全球模型进行预测。ECHAM4.5 GCM概率预测是使用相同的方法生成
48“40 W 44°W”W 3我'W 32 * W 48“W 44 'W 40 W * 36 * W 32“W
图2.8。rp的地理分布(%)的平均月领先预测在2002 - 2004;整个赛季的意思;b JFM季节;c菲利普-马萨的季节;d老妈的季节;e AMJ季节
48“40 W 44°W”W 3我'W 32 * W 48“W 44 'W 40 W * 36 * W 32“W
图2.8。rp的地理分布(%)的平均月领先预测在2002 - 2004;整个赛季的意思;b JFM季节;c菲利普-马萨的季节;d老妈的季节;e AMJ季节
RSM预测。的ECHAM4.5 GCM概率预测线性插值到RSM网格为了计算rp使用高分辨率观测。GCM预测分数为整个Nordeste聚合。如表2.2所示
表2.2。月铅RSM预测和驾驶技能比较ECHAM GCM预测。数(%)聚合Nordeste地区
JFM FMA老妈AMJ
ECHAM RSM ECHAM RSM ECHAM RSM ECHAM RSM
表2.2。月铅RSM预测和驾驶技能比较ECHAM GCM预测。数(%)聚合Nordeste地区
JFM FMA老妈AMJ
ECHAM RSM ECHAM RSM ECHAM RSM ECHAM RSM
2002年 |
7.1 |
4.5 |
5.2 |
10.1 |
14.9 |
23.5 |
1.2 |
16.9 |
2003年 |
-6.1 |
-3.2 |
-2.6 |
7.2 |
9.4 |
15.3 |
5.4 |
12.2 |
2004年 |
25.7 |
-7.4 |
-0.8 |
0.4 |
-5.7 |
28.6 |
5.8 |
18.5 |
RSM预测的分数高于驾驶GCM预测对于大多数季节,暗示小空间尺度降雨产生的RSM熟练。
技能分数是基于12个预测。因此,这里的结果可能受到抽样可变性很高。更可靠的技能应该获得使用大样本的预测。
巴西东北部的动力降尺度预测系统不断发展,反映出持续改进。一个新的预报产品,天气指数在2005年1月发布。天气指数使用每日降雨时间序列来衡量的严重性干旱和洪水条件。它已经成功地证明了作物产量旱作农业地区是高度相关的天气指数和降尺度预测系统的预测这个索引(太阳et al . 2007年)。NCAR CCM3和基社盟区域大气建模系统(公)也将被添加到这个降尺度预报系统,和multimodel合奏方法将巩固降尺度预测在2006年实现。
未来的发展方向2.5.1
改进的模型物理参数化问题
参数化方案是基于光谱之间的尺度网格对模型参数化和得到解决。因此,所有参数化方案模型分辨率相关的。然而,大多数参数化区域模型模型中使用的相同。这些可能不是一个充分表示区域的物理过程模型和气候学和气候漂移可能导致不正确的模型,它抵消区域模型的高分辨率的影响。raybet雷竞技最新例如,假设对流反应迅速大规模的变化,慢慢地进化循环适合对流参数化模型,但是它可能不适合大多数中尺度对流系统在地区的模拟模型,网格spac-ings 10 - 50公里(弗兰克和科恩1987)。到达更一般的混合方案,可以应付各种各样的模型分辨率相关的动力降尺度是一个关键问题。
土地初始化
传统上,土地条件区域模型初始化的驾驶GCM土地条件使用一个插值方案。然而,粗分辨率GCM和高分辨率RCM“看见”不同的土地由于陆地表面的异质性。这种初始化错误介绍该地区地表营力模型。这是一样重要的限制动力降尺度模型的缺陷。的主要问题在于土地,因为土地的异质性和非常有限的观察。现在主要发展被提出是原位监测和生成高分辨率的土地再分析数据。因为土地包含时间尺度的“记忆”超过几周后,在提高土地初始化是最重要的动力降尺度在季节性的时间尺度。
嵌套策略
对于传统的单向嵌套方法,完整的大规模流通领域提供从GCM区域模型的间隔3 - 12小时。错误的大规模发行量GCM被传输到嵌套RCM开车,这往往导致贫穷RCM的模拟或预测。例如,ECHAM GCM产生一个强大的散度偏差低对流层东非。当使用传统的嵌套方法,这个GCM偏见RCM抑制对流发展,和结果在干燥RCM降雨预测偏差。驾驶大型领域减少错误,异常嵌套方法引入了。这个嵌套方法是基于系统误差的前提下可以通过替换消除驾驶GCM气候学与观察到的气候学。动力降尺度的案例研究季节性气候在南美揭示了可观的收益,实现通过嵌套异常(Misra和Kanamitsraybet雷竞技最新u 2004)。需要更多的测试方法。减少错误的驾驶GCM字段可以显著提高区域模型的性能。
降尺度预测——链接预测和应用程序
目前预测产品普遍缺乏空间,时间和元素特异性用户寻求他们的特定的决策需求,预测通常为3个月的赛季,大型地区超过1000公里宽,平均气温和降水总量。动力降尺度显示潜力提高气候预测用户的需要。raybet雷竞技最新降尺度预报系统的发展,特别是发展中国家,帮助设计的政策来减少气候脆弱性的最需要的人群。raybet雷竞技最新
继续阅读:考虑预测技能的结合作物气候建模系统raybet雷竞技最新
这篇文章有用吗?