作为东亚冬季风的关键系统,西伯利亚高压的变化对欧亚大陆冬季天气及气候异常产生重要影响。本文系统地评估了美国国家环境预测中心第二代气候预测系统(NCEP-CFSv2,National Center for Environment Prediction-Climate Forecast System...作为东亚冬季风的关键系统,西伯利亚高压的变化对欧亚大陆冬季天气及气候异常产生重要影响。本文系统地评估了美国国家环境预测中心第二代气候预测系统(NCEP-CFSv2,National Center for Environment Prediction-Climate Forecast System,version 2)对冬半年(11~2月)及逐月西伯利亚高压强度的预测效能。结果表明,NCEP-CFSv2模式仅对11月西伯利亚高压强度的预测效能较好,研究其成因发现11月西伯利亚高压强度主要受该地区热力、动力过程以及西伯利亚地区积雪状况的影响。在热力过程方面,NCEP-CFSv2模式可以较好地再现11月西伯利亚高压强度及其相联的该地区表层土壤温度、对外长波辐射等热力因素;在动力过程方面,模式能较好地再现11月西伯利亚高压强度及其相联的该地区对流层低层辐散环流、中高层下沉运动;同时,模式也能较好地再现11月西伯利亚高压强度与该地区积雪覆盖率之间的相互作用。因此,与11月西伯利亚高压相联的热力、动力过程和该地区积雪状况可能是11月西伯利亚高压强度的可预测来源,且NCEP-CFSv2模式能较好地再现这些可预测来源。展开更多
基于耦合模式比较计划第6阶段(CMIP6)中的全球气候模式的模拟结果,采用考虑模式性能和独立性结合(Climate model Weighting by Independence and Performance,ClimWIP)的加权方案进行中国区域气候的多模式集合预估及不确定性研究。结果...基于耦合模式比较计划第6阶段(CMIP6)中的全球气候模式的模拟结果,采用考虑模式性能和独立性结合(Climate model Weighting by Independence and Performance,ClimWIP)的加权方案进行中国区域气候的多模式集合预估及不确定性研究。结果表明,ClimWIP方案在历史阶段的模拟优于等权重方案,降低了多模式模拟的气候态偏差。温度指数的未来预估不确定性较大的区域主要集中在中国北方和青藏高原,而降水指数主要集中在华北和西北地区。ClimWIP方案的预估不确定性与等权重方案相比有所降低。ClimWIP方案预估的温度指数的增温大值区主要集中在中国北方和青藏高原;降水指数在西北和青藏高原增加最为显著。全球额外0.5℃增暖时,中国区域平均的温度指数变化更强,平均高于全球0.2℃,最低温在东北部分地区的额外增温甚至是全球平均的3倍;总降水额外增加5.2%;强降水额外增加10.5%。全球增暖2℃下,中国大部分区域温度指数较当前气候态增加可能超过1.5℃(概率>50%),在中国北方和青藏高原的部分地区增温超过1.5℃的可能性更大(概率>90%);总降水,强降水和连续干日在西北和华北增加幅度有可能超过10%、25%和-5 d(概率>50%)。展开更多
文摘作为东亚冬季风的关键系统,西伯利亚高压的变化对欧亚大陆冬季天气及气候异常产生重要影响。本文系统地评估了美国国家环境预测中心第二代气候预测系统(NCEP-CFSv2,National Center for Environment Prediction-Climate Forecast System,version 2)对冬半年(11~2月)及逐月西伯利亚高压强度的预测效能。结果表明,NCEP-CFSv2模式仅对11月西伯利亚高压强度的预测效能较好,研究其成因发现11月西伯利亚高压强度主要受该地区热力、动力过程以及西伯利亚地区积雪状况的影响。在热力过程方面,NCEP-CFSv2模式可以较好地再现11月西伯利亚高压强度及其相联的该地区表层土壤温度、对外长波辐射等热力因素;在动力过程方面,模式能较好地再现11月西伯利亚高压强度及其相联的该地区对流层低层辐散环流、中高层下沉运动;同时,模式也能较好地再现11月西伯利亚高压强度与该地区积雪覆盖率之间的相互作用。因此,与11月西伯利亚高压相联的热力、动力过程和该地区积雪状况可能是11月西伯利亚高压强度的可预测来源,且NCEP-CFSv2模式能较好地再现这些可预测来源。
文摘基于耦合模式比较计划第6阶段(CMIP6)中的全球气候模式的模拟结果,采用考虑模式性能和独立性结合(Climate model Weighting by Independence and Performance,ClimWIP)的加权方案进行中国区域气候的多模式集合预估及不确定性研究。结果表明,ClimWIP方案在历史阶段的模拟优于等权重方案,降低了多模式模拟的气候态偏差。温度指数的未来预估不确定性较大的区域主要集中在中国北方和青藏高原,而降水指数主要集中在华北和西北地区。ClimWIP方案的预估不确定性与等权重方案相比有所降低。ClimWIP方案预估的温度指数的增温大值区主要集中在中国北方和青藏高原;降水指数在西北和青藏高原增加最为显著。全球额外0.5℃增暖时,中国区域平均的温度指数变化更强,平均高于全球0.2℃,最低温在东北部分地区的额外增温甚至是全球平均的3倍;总降水额外增加5.2%;强降水额外增加10.5%。全球增暖2℃下,中国大部分区域温度指数较当前气候态增加可能超过1.5℃(概率>50%),在中国北方和青藏高原的部分地区增温超过1.5℃的可能性更大(概率>90%);总降水,强降水和连续干日在西北和华北增加幅度有可能超过10%、25%和-5 d(概率>50%)。