大型集合中模式不确定性的量化

《大型集合中模式不确定性的量化》由会员分享，可在线阅读，更多相关《大型集合中模式不确定性的量化（9页珍藏版）》请在金锄头文库上搜索。

1、大型集合中模式不确定性的量化综合性全球气候模式是解释进程中复杂集合的唯一工具，这个进程决定全球和局地气候的未来变化。由于在建模过程中，模式过于大型，没有量化不确定性，所以策划者面对的是各种不知道预测质量的模式对气候变化的预测。这些不确定性基于变化模型参数构造的 53 个集合模式成员，在这里，我们报告一种系统性的尝试，确定与这些不确定性有关的一系列气候变化。我们估计由于CO2 加倍引起气候敏感性的概率密度函数，2.45.4C 对应 595 %的可能性。我们的概率密度函数受制于不同模式相对可靠性的客观估计，模式参数的选取和不确定性范围听取专家意见。我们的集合相比基于个体模拟的传统方法可以得到更广泛

2、的局地变化。人为气候变化的详细预测和多变量预测可以影响评估，只有综合性三维全球气候模式(GCMs)能够提供这样的信息。通过模拟其中的关键物理过程，这个模式可以表征复杂的非线性相互作用，这种相互作用可以影响局地气候 变化，包括，具有破坏性风暴和其他极端事件的频率变化。然为当前的 GCM 预测受制于模式过程中的不确定性，以至于对于特定区域的预测信号，不同模式的结果都不一致。因此，为了在计划缓解和适应策略中获取有用数据，GCM 预测中的定量估计和不确定性是关键。模型的不确定性来自建立 GCM（例如，网格分辨率） 时作出的根本 选择和尚未解决的网格尺度（例如，云的形成）中过 程的参数化。 这里，我们通

3、过变化 GCM 参数设置，对模式不确定性提供一个系统性调查，这 个参数值无法精确的从观测值 中获取。得到的 预测范围应该作为一个下限，一旦这个方法推广到 对于由于分辨率的选取引起的模式不确定的采 样， 这个下限可以增加，包含在模式中的进程和基本假定的参数化是有根据的。除了 CO2 含量加倍，假定其他外界 强迫没有变化，我 们专 注于平衡响应的不确定性。大气环流模式包含与海洋混合层耦合的大气模式 HadAM3，使在数十年内集成达到平衡。这使我们能够以忽视海洋环流反馈为代价增加集合大小。由模式专家鉴别的 29 个参数子集控制大气和表面次网格尺度过程中的关键物理特性。我 们一次 扰动一个与 GCM

4、标准版本有关的物理特性，创造 53 个模式版本的 扰动物理集合用于模拟当今气候和 CO2 加倍的气候。根据全球平均表面温度的一系列可能变化，局地气候 变化的不确定性由 测量单一的GCM 模拟得到的 变化估计得出。我 们通过合成响应模式集合 评估这种方法，其中用相 对于STD 每个 PPE 成员的气候敏感性的 52 个比值测量 STD 模式。合成和模拟的集合标准差随后会比较（图 1 中黑色和红色曲线）。 测量单一集合成员模式未能反映局地 变化范围的模拟结果，尤其对于除了表面温度的其他 变量（我们用降水和海平面气 压体现变化）。例如，扑捉热带降水变化中少于 10%的变 化的测量方法。这对于气候预测

5、的方法有着根本含义。单一的未来气候预测和最复杂的 GCM 将被限制用于影响评估。只有具备最广泛的模式不确定范围的大型 GCM 预测集合可以提供可靠的局地变化质量指标。从 PPE 获得变化传播受来自随机气候变化的过程不确定性和内部 变化影响。我 们发现表面变暖预测的转播又过程不确定性控制（图 1 中黑色和红色曲线）。对降水和海平面气压，内部变化作出了更大的贡献，尤其是在 热带以外地区。 缩小由于内部 变化引起的不确定性需要开始于不同初始条件的模拟集合，而 过程不确定性的最小 值需要 GCMs 中更加精确的参数化。PPE 也使我 们能够获得对于模式不确定性可信的模拟稳健 变化定量估计（图 2）。对

6、于表面温度，稳健性几乎无处不在，但是对于降水位置和海平面气 压，变化很大。图 1 和 2 显示的信息类型为建设气候情景提供了一个基础，在 这个情景中，预期的局地变化信号从自然变异的噪声中可靠地分离出来，从而为规划者提供改良过的合适的回 应战略基础。我 们强调来自 PPE 的局地 变化传输，实质 上更大的变化是根据测量成 员中的一个模式推断出来的（见上文），一旦更全面采样模型不确定性成 为可能，它就会增 强 。图 1：倍增的 CO2 平衡响应下，在 300 X 300 km2 的网格模型框中集合 标准偏差带状均值。 值显示了 20 年间从 12 月到 2 月的平均地表气温，降水和平均海平面 压力

7、。 红色曲线显示，扰动物理集合(PPE)在其传播过程中的不确定性和内部变化而产生的结果。蓝色曲线显示传播仅仅从内部变化开始的，这是通 过当前正在运行 600 年和倍增的 CO2 的 STD(标准模型版本)集合,和计算组成的 20 年间的标准偏差估计得出的。黑色曲线显示了，根据在文本中描述的其他 52 位 PPE 成员的全球气候敏感度， 试图测量 STD 响应 模式重现红色曲线。人为气候变化的一个重要基准就是气候敏感性，它被定义为 由于 CO2 加倍，全球年平均表面温度的均衡响应。当今气候和能决定气候的反馈线性合并，假定个别参数扰动，我们为来自 53 个 PPE 成员的气候敏感性估计出随机密度函

8、数(PDFs)。假 设每个带有专家估计值的参数均匀分布，可形成带有随机 选取的多参数扰动，包含 4 106 个模式版本的更加大型的集合，我们可以预测出其结果（ 见方法）。假定 4 106 敏感性 预测结果都是可靠的，图 3 的蓝色曲线就能显示出一个 PDF。它给出了中值 1.9-5.3C（与 5-95%的概率分布相一致）。图 2：倍增的 CO2 响应下地表气温，降水和平均海平面压力的模 拟变化的稳健性。地 图显示，在 20 年里 12 月到 2 月的平均气候改变，平均超 过 GCM 版本的 PPE 并且通过集合标准差改变进行划分。在范围2(黑色轮廓着重显示) 以外的值用来表示一个强有力的响应。

9、GCM 集合成员之间相同可靠性的假设在气候预测中是标准的，因为模式之间的质量变化被忽略，这个假设代表着一个 难点。 这里我们介绍一种气候 预测指标(CPI) ，是一个客 观的可靠性测量，可以根据估计的相 对可能性用于加权不同的 GCMs，这种可能性可以正确预测出现实世界的气候变化。核对 上世纪潜在的气候变化或者假定与近期相符的固定气候可以量化可靠性。我们的实验设计 排除了前种方法，所以我 们以当今气候 变化（图 4 和补充信息）的宽广领域为基础。大多数 PPE 成员宁可占据一个狭窄的 CPI 值范围，虽然这个范围比它的组件要宽，尤其是与云、辐 射、湿度有关。我 们在一个“完美模式”中，用 CP

10、I 权重气候变化预测，在这个模式中，有一对 PPE 成员互相比较，一个成员代表观测的气候体统，另一个是模式模拟。对每个可能性的组 合，我 们计算 CPI 评分和气候敏感性模拟值和观测值的差异量级。在观测响应中比较差的预测 （高于中数的敏感性差异）中，CPI 差评（高于中值）是好评的2.7 倍，在观测响应中比较好的 预测（低于中数的敏感性差异）中，结果也是一样。通过估计 4 106 个模式版本（用蓝色曲线标记）的 CPI，根据 exp(-0.5CPI2)加权他们的敏感性预测（见方法），我们可以得到一个加 权过的气候敏感性 PDF 可能性（图 3 红色曲线）。这导致的 5-95%概率范围缩小 2.

11、45.4 C，中值增加 3.5C。之前，气候敏感性 PDFs 根据探测更简单的气候模型预测范围获得， 这种模式与短暂气候 变化和强迫得到的不确定性相一致。而我们的 PDFs（就我们掌握的知识）是根据系统探测决定气候敏感性 进程中的复杂变化的不确定性首先获得的。他们 表明一个敏感性为 2C 的更小概率，或者比与简单模式、GCMs 模 拟相比的 观测历史变化研究暗示的更少。在构建我 们的 GCM 时，利用 线性预测计划，PDFs 是根据结构选取、观测 限制的选取和应用已经扰动参数的选取变化的。他们也取决于假定的参数值分布，尽管我 们发现扩大专家设定的范围 只能适度影响 5-95%的概率范围（与我们

12、 CPI 加 权过的 PDF 有关）。我们的实验设计没有设计 海洋环流反馈或者是当今 SST的模拟偏差影响。然而，运用 对全球气候敏感性的适度影响是可能的。忽略 结构模式不确定性的影响不能被量化，而未加权的 PDF 获得的范围包含了气候敏感性的范围(2.05.1C)，这从 15 个 GCM 的集合中被发现， 这 15 个 GCM 在不同的模型中 间发展并且含有结构变化。图 3：气候敏感度的概率分布。这些分布通过 GCM 预测的线性统计估计获得，而 GCM 预测的结果很可能是从一个大的，为广泛取样模型参数空间而设计的 PPE 中产生，带有(红色)和不带有( 蓝色) 权重取决于估计基于气候预测指数

13、(CPI)的模型版本的可靠性。详细信息见文本。图 4：PPE 中气候预测指数(CPI)值( 红色框和栏)和它的 组件( 黑色框和栏)。这 32 个组件代表了地表和大气变量，是当前气候平均模式模 拟值和观测值 的 r.m.s.偏差除以模拟的年代际变化 r.m.s 标准偏差值得到的。 图中显示了分别计算的每年每个季 节的平均值。 栏显示了全部范围的集合分布值，框显示了范 围内包含的第 5 和第 95 个百分点，并且每个方 块的横线显示中位数。对于给定的集合成 员， CPI 作为 32 个组件的 r.m.s.值被计算。除了云盖的 9 个区域获得三分之一的权重，其他所有 组件同等加权，因 为高、中、低

14、云的观测值在给定的范围内是相互依赖的。LW, 长波; SW, 短波；TOA, 大气层顶; MSLP, 平均海平面气压。PPE方法将进一步改造以获得用于评估相关气候风险 的时间依赖局地变化的PDFs ，这需要20和21世纪气候的模拟集合， 这些集合用HadAM3 与海洋综合成分的耦合版本，还要考虑海洋热惯性、环流变化、过程不确定性的影响，需要多重参数扰动，因为我们假定个别扰动的线性合并在局地是无效的。在公众和商业成员拥有的个人 电脑上模拟运行，其 结果如果包含在内，可以增大集合规格 (见参考文献29, 30和khttp:/l)。我们也鼓励建立气压气候模型获得与GCMs相似的集合实验。 这与我们的

15、结合起来创造超级集合对结构不确定性取样。方法GCM的集成与参数的扰动对每个集合成员来说，控制 (即现如今)并且加倍CO 2 GCM集成，用来运行以平衡气候统计随后的20年的生成。GCM 使用 带有热传输的混合层海洋，从而保证当时的平均表层海水温度仍接近观察到的控制模拟中气候的值。然而，表层海水温度被允许无节制的响应天然的和被迫的变化。参数扰动的选择 被设计用来取样在各式各 样的进程中的不确定性， 这些各式各样的进程没有作出一个推理性的假设，该假设是关于不同气候的改 变所产生的反馈相对重要性。扰动影响了大范围的云和降水，对流，辐射，动力学，边界层运输， 陆面过程以及海冰。扰动的参数可以通过改变

16、一个逻辑开关，或 设置一个系数，或由专家指定最小的，中间的，最大的正在STD中使用的 阈值中的一个(通常是中间值，不过并不是都这样)。有关详细信息，请参阅补充信息。加权集合成员的预测我们根据现如今气候的模拟与观测相一致的可能性，寻求加权气候敏感度的模型预测。一个模拟变量m属于人口平均 观测值o和标准偏差 的概率与exp-0.5(m-o) 2/2假设高斯统计成正比。原则上，模型可以被得到的可能性，可通过计算所有模型变量联合概率，考虑到他们的协方差，并容许校验的 误差。在 实践中，所需的错误统计数据不可用，因为我们的模型版本不能运行足够长的时间来估计其协防差矩阵和并不因CPI中包含的大多数变量而被知晓的观测误差。因此，我们做出简化的建设，以获得一个基础可能性的权重。我们的选择是exp(-0.5CPI 2)，它代表了一种可能性的估计，通过模拟的年际变化方差，来标准化模拟气候中的误差方差，然后在大范 围的气候变量中平均已标准化