阿尔卑斯山的降水极值和区域气候模式的相关天气条件： 当今和未来气候情景外文翻译资料

英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料

阿尔卑斯山的降水极值和区域气候模式的相关天气条件：

当今和未来气候情景

C.Boroneant¹,G.Plaut²,F.Giorgi³,和X.Bi³

15张图

2004年12月17日收稿;2005年5月24日修订后;2005年9月1日接受，

于2006年7月25日网上公布＃施普林格出版社2006年

摘要

我们使用嵌套时间片大气环流模型试验中的RegCM区域气候模式探讨全球气候变化导致法国滨海阿尔卑斯山强、极端降水的可能变化。这里是个地形复杂、在过去几十年中严重和（或）长期降水引起特大洪涝灾害的区域。从现今气候的30年模拟（1961〜1990年）输出先分析，并与NCEP再分析资料的700百帕位势高度（Z700）和高山气候降水日降水量观测（1966年至1999年）进行比较。使用以IPCC 2071-2100年A2，B2排放方案作为强迫条件的两个模拟结果来研究我们感兴趣的这个区域极端降水的预期变化。一般情况下，该模型高估了降水量的年度周期。气候变化预测表明降水量有所增加，主要是外B2情景暖期，有的增加了A2情景的年降水量总计的变化。该模型再现了大西洋欧洲区域Z700场中的EOF空间第一模态的主要观测型。模拟大尺度环流（LSC）的变化和EOF在同一区域计算提供的再分析数据不会显著不同。两个相似LSC簇对应于暴雨天确定了模拟和观测数据及其模式不会在气候变化情形下显著改变。对极端指数频率直方图的分析表明，控制模拟系统性地低估了观测到的强降水（用除夏季外其他季节的降水日数的第90个百分位来表示），并较好地再现了最大的5日累积降水。滨海阿尔卑斯山的主要水文变化的预测包括冬季的场景和秋季的B2场景增加最强的雨期降水。强降水事件的案例研究表明，RegCM模式能够重现我们感兴趣区域强降水的物理机制。

1.简介

极端天气和气候事件在过去几年中受到越来越多的关注，因为它们对人的生命，民用基础设施和自然生态系统有潜在严重不利影响（Easterling等，2000；Meehl等，2000；Solman和Nunez，1999）。由于全球变化的影响，区域气候可能会更加多变或极端，从而引起了对极端天气的关注（Frei和Shar，2001）。

区域研究表明在一些地区，比如斯堪的纳维亚半岛（Forland，1998），美国大陆（Karl和Knight，1998），英国（Osborn等，2000），瑞士（Frei和Shar，2001），印度（Rakhecha和Soman，1994），日本（Iwashima和Yamamoto，1993）和澳大利亚（Suppiah和Hennessy，1998）在本世纪降水量有所增加。在另一方面，某些地区极度干旱，如俄罗斯西北部和东南部欧洲（Lloyd-Hughes和Saunders，2002）。在中高纬度的许多地区中观察到的降水增加强度与全球变暖的条件下水循环加强的想法是一致的（Frei等，1998；Groisman等，1999）。

最近的区域研究中（Goodess和Jones，2002；Haylock和Goodess，2004）已经涉及到极端强降水和大尺度环流模式之间的联系，报告中提出了几种方法来探讨这样的联系。其中,聚类分析(CA)是作为许多多变量分析的技术之一,已被用于将各种变量进行分类和识别特性，这有助于增进了解相关的现象。

CA现在被公认为是一种有效的统计工具，它可以用来处理像将站点分组为相同气候的区域（区位化）或者将时间周期（天、年等）分为可以反映天气事件（型）出现的集群这样的问题。Gong和Richman（1995）编制了气象学中CA研究的应用，可分为五类：1）根据具体参数对一定区域进行气候区划；2）通过使用多种气象参数进行气候区划；3）大规模的大气环流和天气模式分析；4）大气基本成分的研究；5）水文气象的研究（尤其是对分水岭）。

自1995年以来,基于不同层次、无分层或模糊方法的CA已被开发用于气象研究。(Vautard，1990；Kimoto和Ghil，1993a，b；Michelangeli等，1995；Robertson和Ghil，1999；Romero等，1999 a，b；Plaut和Simonnet，2001；Plaut等，2001；Simonnet和Plaut，2001；Huth，2001；Solman和Menendez，2003；Stehlik和Bardossy，2003；Straus和Molteni，2004)。这些研究绝大多数是在观测基础上对与强降水事件相关的大尺度循环（LSC）和天气型进行分类。

与此同时，在过去的十年中，区域气候模式（RCMs）越来越多地用作生成区域尺度上的气候信息（Giorgi和Mearns，1999；Giorgi等，2001）。特别是用来评估欧洲区域与温室气体浓度增加相联系的可能变化的区域气候实验已经完成（如Jones等，1997；Raisanen等，2004；Giorgi等，2004a，b；Christensen等，2001；Huntingford等，2003；Bell等，2004）。新一代的实验已经作为PRUDENCE项目*的一部分开始进行（Christensen等，2002）。

本次研究中，我们分析了欧洲3个地区数十年内置哈德雷中心全球大气模式HadAM3HD（Pope等，2000；Jones等，2001）的RegCM区域模式（Giorgi等，1993a，b；Pal等，2000）的模拟，评估了模型模拟法国阿尔卑斯山子区域极端降水时的性能。法国滨海阿尔卑斯山位于地中海沿岸阿尔卑斯山的南侧，这个地区的海拔从海平面变化到3000多米的南阿尔卑斯马尔康杜山(图1中RegCM最北部的两个网格)。在过去的几十年中，滨海阿尔卑斯地区经历了漫长而频繁森林火灾的干旱夏季，以及特别是在秋季发生的多次洪水。对于未来极端事件的增多和对人口高度密集的法国里维埃拉地区城市（戛纳，尼斯，摩纳哥）的供水，人们给予了高度的关注。

*定义欧洲的气候变化风险和影响区域的情况和不确定性的预测：项目evk-ct2001-00132在欧盟第五框架计划对能源、环境和可持续发展。

图1 滨海阿尔卑斯山脉地区。大圆圈代表在本次分析考虑的REGCM陆地格点。正方形代表阿尔卑斯山降水气候数据集的网格点;最接近每个模型格点的观测值进行平均来获得与之比较的4个降水模拟观察值（详见文）

在分析中，我们使用动态聚类算法（Michelangeli等，1995）来对该区域强降水相关的LCSs进行分类。该算法被应用于模拟当今气候实验的日常数据（1961–1990）和两个未来气候变化情景模拟（2071–2100）。所谓大尺度，我们通常指比天气在欧洲—大西洋板块还要大的尺度。在实践中，大尺度对应于(~10)700hPa位势高度(Z700)主要经验正交函数(EOFs)的第一模态。

为了评估模型再现的极端降水事件和估计极端事件模拟变化的能力，我们进行了一些极端降水指数的计算和分析：每个季节的降水日数的第九十百分位（PQ90）和每个季节最大5日累积降水量（p5dmax）。

第2节中描述了分析中所使用的数据和方法，我们还讨论了强降水事件的定义（HPES），简要描述了动态聚类算法，定义极端指数。第3节验证了区域模型在模拟阿尔卑斯海岸的极端降水事件的有效性，对模式现阶段1961-1990年的相关天气型进行分类。最后我们在第4节讨论了该地区未来2071-2100年期间极端降水变化的预测。第5节中给出总结和结论在。

2.数据和方法

2.1数据

在目前的工作中使用的RegCM区域气候模式最初是由Giorgi等人（1993a，b）开发的，然后通过Giorgi和Mearns（1999）和Pal等人（2000）描述改善的版本。全球大气模型为RegCM模拟提供了边界场，是哈德雷中心的全球模型HadCM3模拟高分辨率的版本（Pope等，2000；Jones等，2001）。RegCM运行的水平分辨率为50times;50公里，包括从39°W到70°E和16.5°到65°N的欧洲和大西洋。模拟涵盖1961—1990年期间及2071至2100年期间IPCC A2和B2排放情景迫使下气候变化情景。参考和场景模拟的结果分别在实验设计和总体分析在Giorgi（2004a，b）等人的研究中体现。

将观测和模拟数据用于CA，如上文所述，我们使用Z700（仅为前10个的EOF模态）对大尺度环流进行分析。对于模拟降水数据的分析，我们使用窗口在滨海阿尔卑斯山(6.0–8.0°E; 43.0–44.0°N)选择四个土地网格点。

Frei和Shar（1998）针对该模型模拟评估观察到的降水量数据是高山降水气候学（APC）的一个子集。该数据基于世界各地复杂地形的密集雨量计网超过6600多个站（包括高山国家在内的高分辨率网络）的日常观察。台站数据被内插到一个空间分辨率为0.22纬度times;0.3经度,对应网格大小约24公里的网格，每个网格是6站的总平均。在Plaut等人（2001）的描述中，滨海阿尔卑斯山包括14个APC格点：14个格点的中心位置是图1中的黑色小正方形，日常格点数据可用于1966—1999年期间。为了实现观察结果和RegCM控制运行结果之间更有意义的对比, 我们需要用某种方式将APC网格里的数据聚合到相应的RegCM网格(图1中中心有黑色圈的4个细线矩形)。这样的方法很直观：我们将分配在每个网格里的四个模型的平均降水相应的分配到APC矩形区域内，用这种方法，聚合尺度大致与观测和RegCM数据相同，这种聚合过程在定义HPES之前进行。最后，为了进一步避免观测和模拟数据之间尺度的不匹配，极端降水指数计算四个REGCM格点上的平均降水（相当于14个APC格点）。

从NCEP/NCAR再分析资料集提取（Kalnay等，1996）700百帕位势高度观测资料。我们用一个矩形窗口覆盖北大西洋和欧洲（60°W—70°E，30—80°N）的区域。NCEP/NCAR Z700数据的空间分辨率为2.5纬度times;2.5经度。

由于区域模型的范围（39°W—70°E；16.5—65°N）在北大西洋的一些关键区域（亚速尔群岛和格陵兰岛）降低了空间向西和向北的延伸，在与再分析数据比较时，我们也会对区域大小对Z700变量的第一模态造成的影响进行评估。为此，我们对Z700的NCEP/NCAR再分析场进行了两个EOF分析，一个用于RegCM范围，另一个用于上面提到的扩展的北大西洋—欧洲窗口，分析模式的差异和第一三经验正交函数的解释方差。区域模式重现观测大尺度环流变量的能力是用比较Z700的EOF分析的第一模态、它们的可释方差与相对应同样区域适应于Z700的NCEP/NCAR作为区域模型再分析的场与可释方差。

2.2 HPEs的定义

HPEs在阿尔卑斯山常常会影响小的子区域，故需要使用一些客观标准来定义。考虑到滨海阿尔卑斯山降水机制的特点，Plaut等（2001）定义，当14个观测格点上至少有一个的日降水观测值超过40毫米时称为强降水事件。这是一个临界值，大致相当于这个事件在区域产生一些灾害，由于在APC的每个网格包含超过6个台站的平均信息，我们的标准排除了6个台站中强降水日数只有一天或两天台站。这是我们找出潜在的破坏性事件目标的优势，因为通常局部强降水的水文影响有限。

另一方面，当降水观测数据聚集在粗RegCM网格上时，为了维持HPES数这个阈值需要降低到30mm/天。RegCM运行时发现HPES基于相同的阈值与观测得到的频率是不一致的，因为RegCM运行更趋向于比观测到的降水更加频繁但是强度偏弱。因此为了便于使用RegCM数据，我们用较低的阈值(25mm)来定义HPEs而使HPEs每年总数相似(Plaut等,2001)。在这方面需要注意的是，集群重心与用于定义HPEs的阈值精确度是独立的。

2.3 LSC型的分类

天气型（WR）通常与空间上大尺度和环流型的低频（周期超过10天以上）变化有关，它们可以用间断或短暂出现的LSC异常进行说明，将这些异常分类成一个有限状态，需要大量的假设。基于他们不同的属性，在过去的20年里已经发现了各种定量方法来定义和分类：反复性，持久性和准平稳性（(Michelangeli等，1995）。

在反复的情况中，WR的被定义为具有最高出现概率的大气状态。对此，WRs有时被认为是某一相空间中概率密度函数（PDF）状态的最大值（木本和吉尔，1993a，b；苏泰拉，1986）。这些重复的模式往往通过CA寻找（米凯兰杰利等，1995；Plaut和西蒙内，2001）。

2.3 LSC模式分类

天气机制（WR）通常与大空间尺度和低频（周期超过10天以上）的环流形势的变化有关。它们可以在出现间断地或短暂地LSC异常方面进行说明。将这些异常分类成一个有限状态，需要大量的假设。基于他们不同的属性在过去的20年里已经发展了各种定量方法来定义和分类：反复性，持久性和准平稳性（Michelangeli等，1995）。

在反复的情况中，WR的被定义为具有最高出现概率的大气状态。对此，WRs有时被认为是某一相空间中概率密度函数（PDF）状态的最大值（Kimoto和Ghil，1993a，b；苏泰拉，1986）。这些重复的模式往往通过CA寻找（Michelangeli等，1995；Plaut和Simonnet，2001）。

由于持久性天气机制通常是通过搜索一些关键地区持续异常相关的模式来定义的，仅基于持久性准则识别WAR是困难的，因为持久性本身是一个主观概念，需要时间尺度假设（Molteni等，1990）。

根据准平稳的特性，WR被定义为大型运动在一些统计意义上固定状态的量，更确切地说，是寻求大规模模式的一个平均时间导数。Vautard（1990）从统计的角度，在对主PC

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31356]，资料为PDF文档或Word文档，PDF文档可免费转换为Word