中国区域气候情景数据介绍

5    第二章 数据介绍 1.格点观测数据 气候数据是开展气候变化检测、归因、模拟、评估和预估的必要数据，同 时也是大气、气候、水文、生态模式所需的重要输入参数。目前，我国已经积 累了大量的站点观测数据，但是受气象观测站点空间分布的不均一、时间序列 长短不一，观测台站环境变迁等影响，在气候分析和数值模拟等研究中，不能 完全真实代 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 区域气候变化的特征，在实际应用中面临着诸多的限制。随着国 家气候科学研究工作的纵深开展,站点资料已不能完全满足用户的需求,通过空间 插值技术进行格点化气象要素数据集的研制和服务日益迫切。格点数据利用了 空间插值技术将离散的站点资料转化为空间连续的、规则的网格点序列，可以 有效的反映气候要素的空间信息，大大提高了气候数据序列在对应网格范围的 气候代表性。 本数据集提供的气候观测数据为中国地区 1961－2005 年，空间分辨率为 0.5°×0.5°的日平均格点数据，变量包括平均温度、最高温度、最低温度（Xu et al.，2009）；以及降水（Xie et al., 2007） 1.1 资料来源 本套格点数据的平均温度、最高温度、最低温度变量，基于原始的 751个站 观测资料为中国气象局国家气象信息中心提供的中国地区日平均气候观测数据 （SURF_CLI_CHN_MUL_DAY ver4.0，2006年04月26）。数据开始时间为1951 年 01 月 01 号，截止日期为 2005 年 12 月 31 日，其中包含 70 多个气候变量的数 据。此观测数据在 20 世纪 50 年代中实际可用的站点数量变化较大，而 1961 年 到 2005 年可用的站点数量维持在 624 到 693 之间，并且此时段在气候模式模拟 研究中也较常用。降水数据则是来自 Xie et al., 2007 研制的基于不同数据源的 2200 个观测站的东亚地区降水数据。 6    1.2 资料处理 由于各种空间分析 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 基于不同的地理假设和不同的数据建模方法，对于 众多的空间数据分析方法而言，没有绝对最优的空间插值方法，只有特定条件 下的最优方法。 本数据集提供的格点化气温观测数据，在将站点数据插值到格点上时，采 用的方法基本是参照在气候研究中经常使用的 CRU（Climate Research Units）数 据的处理方法，在此称之为“距平方法”。 具体方法是：首先计算得到 1971~2000 年 30 年的每个站点逐日的平均数 据，即是每个站点 365 天的 30 年平均值；再利用 0.5°×0.5°的中国地区地形高程 数 据 （ http://www.cru.uea.ac.uk/~timm/grid/CRU_TS_2_1.html ） 和 澳 大 利 亚 ANUSPLIN （Hutchinson，1995，1999）软件插值得到 1971~2000 年中国地区的 气候平均场；然后采用距离权重方法（ADW，Angular distance weighting）方法 插值得到 1961~2005 年各个格点上逐日距平场资料；最后，气候平均场与距平 场相互叠加，得到中国地区 1961~2005 年平均温度、最高温度、最低温度的分 辨率为 0.5°×0.5°的逐日格点资料（以下称为 CN05 资料）。 降水数据的格点化方法参见 Xie er al. ， 2007 年发表在 American Meteorological Society 上的“A Gauge-based Analysis of Daily Precipitation over East Asia”。 2.全球气候模式预估数据 全球气候模式是开展气候模拟和气候变化研究，获得未来气候变化情景的 重要工具。气候变化研究中，各个全球气候模式对不同地区的模拟效果不尽相 同，许多科学家的研究证明多个模式的平均效果优于单个模式的效果。因此， 国家气候中心对参与 IPCC 第四次评估报告的 20 多个不同分辨率的全球气候系 统模式的模拟结果经过插值降尺度计算，将其统一到同一分辨率下，对其在东 亚地区的模拟效果进行检验，分别采用简单平均方法和可靠性加权平均法（REA, Reliability Ensemble Averaging）进行多模式集合，制作成两套 1901～2100 年全 球气候模式预估数据，提供给从事气候变化影响研究的科研人员使用。 Administrator 高亮 7    本数据集提供的全球气候模式预估数据空间范围覆盖全中国(60°E～149°E； 0.5°N～69.5°N)，但只包括陆地范围，海洋范围内为缺测值（-999.00）；空间分 辨率为 1°×1°，时间序列为 1901～2100 年的月平均集合预估数据。根据多模式 集合方法的不同，命名为全球模式集合预估数据_算术平均和全球模式集合预估 数据_加权平均，变量包括平均气温和降水，包括的排放情景为 SRES A1B， A2，B1。 2.1 资料来源 原始数据源自 IPCC PCMDI（The Program for Climate Model Diagnosis and Intercomparison），各全球气候模式模拟预估数据以及模式说明可从如下网页上 获取：https://esg.llnl.gov:8443/index.jsp。对于不同排放情景，全球模式集合预 估数据采取的模式数量如表 1。 表 1 不同排放情景下的全球模式集合预估数据的模式数量 SRES A1B（17） SRES A2（16） SRES B1（17） CCCMA_3-T47 BCCR_BCM2_0 BCCR_BCM2_0 CNRMCM3 CCCMA_3-T47 CCCMA_3-T47 CSIRO_MK3 CNRMCM3 CNRMCM3 GFDL_CM2_0 CSIRO_MK3 CSIRO_MK3 GFDL_CM2_1 GFDL_CM2_0 GFDL_CM2_0 GISS_AOM GFDL_CM2_1 GISS_AOM GISS_E_H GISS_E_R GISS_E_R IAP_FGOALS1.0 INMCM3 IAP_FGOALS1.0 INMCM3 IPSL_CM4 INMCM3 IPSL_CM4 MIROC3 IPSL_CM4 MIROC3 MIUB_ECHO_G MIROC3 MIROC3_H MPI_ECHAM5 MIROC3_H MIUB_ECHO_G MRI_CGCM2 MIUB_ECHO_G MPI_ECHAM5 NCAR_CCSM3 MPI_ECHAM5 MRI_CGCM2 NCAR_PCM1 MRI_CGCM2 NCAR_CCSM3 UKMO_HADCM3 NCAR_CCSM3 UKMO_HADCM3 UKMO_HADCM3 全球气候模式预估数据中的平均气温指近地面（通常为 2 m 高处）的气温， 单位为℃。降水量包括所有类型（降水、降雪、大尺度降水、对流降水等），单 位是：mm/day。 8    2.2 集成方法 广泛的数值模拟和预测研究工作证实，多模式集合是减少模式结果不确定 性的办法之一。在不改进模式的情况下，采用多成员和多模式的集合模拟可以 大大降低单个模式、单个样本的模拟误差和不确定性。现在这种模式集合方法 已得到广泛的应用，如在 IPCC AR4 的关于未来气候变化的预估结果，即建立 在集合模拟之上（IPCC，2007）。 目前的多模式平均方法主要为算数平均和加权平均。 （1） 算术平均 对多个模式进行算术平均时，所有模式的集合平均为： ∑ = Δ=Δ Ni iN TT ,1 1 N 为模式的个数， TΔ 是多模式平均的未来要素的预估。 （2）加权平均 加权平均方法使用了一个在实际中广泛应用的假设：模式对当前气候模拟 的优劣将有可能影响对未来气候变化的预估结果。其要点为首先对单个模式对 于当代气候的模拟能力进行检验，包括模式对当前气候平均态和气候变率的检 验。在此基础上，定义一个权重因子系数，对当前气候模拟较好的模式得到的 权重系数较大，模拟不好的权重系数较小，对未来预估结果的贡献也就较小。 以气温和降水为例，简单介绍一个加权平均的方法–可靠性加权平均 (Reliability Ensemble Averaging)(Giorgi and Mearns, 2003; Ying Xu, Xuejie Gao, Filippo Giorgi, 2009 )。 而在加权平均时，未来气温或者降水的变化则由 T~Δ 给出， T~Δ 由下式得 到： ∑ ∑ Δ =Δ=Δ i i i ii R TR TAT )(~~ 9    Ri是每个模式的权重系数，定义为： ⎪⎭ ⎪⎬ ⎫ ⎪⎩ ⎪⎨ ⎧ ⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡ ⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡=×= n iT T m iT Tn iD m iBi DabsBabs RRR )()( ])()[( ,, ,, εε RB,i 是测量模式可靠性的一个因子，主要由单个模式对于当代气候的模拟偏 差决定，较高的偏差表示模式具有较低的可靠性，较低的偏差表示模式具有较 高的可靠性，RD,i 则是另一个测量模式可靠性的因子，由模式的收敛程度决 定。 通过上面的公式可以得到模式对温度、降水、大尺度环流场等模拟的可靠 性，最后得到每个模式的权重因子。利用这些权重因子对多个模式的模拟结果 进行加权平均，得到未来某个地区的未来预估情景。在此基础上，再得到某个 地区未来气候变化预估的不确定范围， TTT Δ+Δ=Δ + δ~~ ； TTT Δ−Δ=Δ δ ~~ _ ，其 中： [ ] 2 1 2 1 2 2 )~( )~(~~ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ Δ−Δ =Δ−Δ= ∑ ∑ Δ i i i ii iT R TTR TTAδ 3. 区域模式预估数据 3.1 RegCM3预估数据 RegCM 是意大利国际理论物理中心（The Abdus Salam International Center for Theoretical Physics）发展的区域气候模式 RegCM 系列模式的最新版 RegCM3（Pal et al., 2007）。 RegCM3 目前提供的情景数据包括：全球模式 FvGCM 驱动 RegCM3 得到的 1961-1990 年和 SRES A2 情景下的 2071-2100 年 2 个 30 年的中国区域气候情景 数据（简称 FvGCM-RegCM）；全球模式 MIROC3.2_hires 驱动 RegCM3 得到的 SRES A1B 情景下 1951-2100 年 150 年的中国区域气候情景数据（简称 MIROC-RegCM）。情景数据的空间分辨率为 0.25°×0.25°的逐日数据，包括变量为 平均气温、最高气温、最低气温、降水。 （1） FVGCM-RegCM3 模拟 10    试验中，选择以 35 °N、107 °E 为中心，南北方向的格点数取为 275，东西 方向的格点数为 360，在包含整个中国区域的情况下向外进行了一定的扩展， RegCM在中国应用的区域见图 2.1。水平分辨率取为 20 km。模式垂直方向分 18 层，顶层高度为 100 hPa。 图 2.1 区域模式的模拟范围及地形分布（单位：m） 辐射采用 NCAR CCM3 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 、海表通量参数化方案使用 Zeng 方案、行星边 界层使用 Holtslag 方案、积云对流参数化方案选择基于 Fritsch&Chappell 闭合假 设的 Grell 方案、大尺度降水采用 SUBEX 方案。 模式使用的地形由美国地质勘探局（United States Geological Survey，USGS） 制作的 10’×10’（经度×纬度）地形资料插值得到，植被覆盖资料在中国区域内， 使用中国农科院遥感中心提供的实测资料，中国区域外使用美国地质调查局 （USGS）基于卫星观测反演的 GLCC（Global Land Cover Characterization）资料。 初始场和侧边界值均由全球环流模式FvGCM得到，其选择的温室气体排放情景 为 A2。侧边界场采用指数松弛边界方案，每 6 h 输入模式一次。海温的选取与 FvGCM 相同。 模式的积分时间分为两段，一段是从 1960年 1月 1日到 1990年 12月 31日， 另一段是从 2070 年 1 月 1 日到 2100 年 12 月 31 日，各为 31 年，其中 1960 年和 2070 年作为模式初始化时段，不进行分析。时间积分步长一般取做 30s。 （2）MIROC3.2_hires-RegCM3 模拟 11    试验中模式中心点取为 35°N、109°E，东西方向格点数为 288，南北方向为 219，模式的水平分辨率取为 25 km，范围覆盖整个中国及周边地区（图 2.2）。 模式垂直方向分 18 层，顶层高度为 10 hPa。 图 2.2 区域模式的模拟范围及地形分布（单位: m） 模拟中的辐射采用 NCAR CCM3 方案，陆面过程使用 BATS1e（生物圈–大 气圈传输方案），行星边界层方案使用 Holtslag 方案，积云对流参数化选择基于 Fritsch–Chappell 闭合假设的 Grell 方案，大尺度降水采用 SUBEX 方案。缓冲区 设为 24 个格点。此外，参照 MM5 模式的做法，引入了地表发射率。 模式使用的地形由美国地质勘探局（United States Geological Survey）制作的 10′×10′（经度×纬度）地形资料插值得到。植被覆盖在中国区域内使用由中国农 业科学院遥感中心基于文献制作的实测资料，中国区域外使用 USGS 基于卫星 观测反演的 GLCC（Global Land Cover Characterization）资料。初始场和侧边界 值由全球模式MIROC得到，其选择的温室气体排放情景为A1B，侧边界场采用 指数松弛边界方案，每 6h 输入模式一次。 试验的积分时间为 1948 年 1 月 1 日到 2100 年 12 月 31 日，共计 153 年，其 中 1948~1950 年 3 年做为模式初始化时段，不予分析。 12    3.2 PRECIS 预估数据 PRECIS (Providing Regional Climates for Impacts Studies)是英国 Hadley 气候 预测与研究中心发展的区域气候模式系统，其主要目的一是发展区域水平的、 高分辨率的气候情景，二是为影响评估工作提供高分辨率的气候情景数据。 目前版本的PRECIS包含了 IPCC 2000年发布的《排放情景特别报告》（SRES） A2、B2、A1B 情景下的全球气候情景数据、RCM 本身和运行 RCM 所需的各种 数据库。PRECIS 的核心部分（RCM）为 Hadley 中心的最新区域气候模式 HadRM3，其大气部分应用静力平衡方程，水平分辨率为纬度 0.44°×经度 0.44°(旋转坐标系)，在中纬度地区水平格点间距约为 50 km，图 2.3 是 PRECIS 应用在中国区域时的模拟区域（红色扇形区域），东西方向格点数为 288，南北 方向为 219。 图 2.3 PRECIS 应用于中国的模拟区域范围（扇形区域） 格点数为 145×112，其中■为 PRECIS 格点 模拟的积分时间步长为 5 min，输出气候变量的时间分辨率最小可为小时 值。垂直方向采用 σ 坐标，分为 19 层，最上层为 0.5 hPa。水平方向计算应用 Arakawa B 网格（Arakawa and Lamb., 1977），应用水平扩散项控制非线性不稳 定。PRECIS 包含硫化物气溶胶辐射作用的选项（即含硫化物作业和不含硫化物 作业）。 13    模式侧边界采用松弛边界条件，陆地边界层应用的是 MOSES(Met Office Surface Exchange Scheme)方案（Jones et al., 2004），每 6 小时输入模式一次。对 海洋下垫面的处理为：气候基准时段（1961-1990 年）的模拟使用 1°网格的海表 面温度(SST)和海冰的观测数据，未来情景下则是将 GCM 在相应情景相应时段 模拟的 SST 和海冰相对于基准时段模拟结果的变化值叠加到基准时段 SST 和海 冰的观测值上。PRECIS 的物理过程的详细介绍参见 Cox et al., 1999。 PRECIS 目前提供的情景数据包括：利用 GCM-HadAM3（HadCM3 的大气部 分）驱动 PRECIS 得到的 SRES 系列 A2, B2 情景的 1961-1990 年，2071-2100 年 的气候情景数据（简称 HadAM3P-PRECIS）；利用 GCM-HadCM3 驱动 PRECIS 得到的 SRES 系列 A1B 情景的 1961-2099 年的气候情景数据（简称 HadCM3Q0-PRECIS）。