有什么方法来分析未来气候极端用气候模型的结果吗?

Question

什么是公认的方法来预测未来气候极端用气候模型的结果吗?

我最近读到一份报告极端气候条件考虑气候变化(老鼠,2002)。报告说,研究人员安装极值分布(广义极值,广义帕累托)的强度预测,未来气候行动,例如,雨,雪,风。应用这些模型,与一个大事件重现期是用来评估气候变化的影响。此外,奥格尔曼最近的有一个自然的文章也涉及未来的极端事件,尤其是雪。

考虑到预测(预测场景)可以只在概率。我想知道这些预测,他们使用的是什么方法?我的意思是实际的气候数据,而不是极端值(统计)分析。对于极值分析,年度或更频繁的最大值可以/可以使用。很可疑的气候模型预测月度或年度maxima雨/雪的某些地区,到本世纪末(或气候模型如此复杂?)。有人告诉我,在这个网站(地球系统电网联合会)有一个例子的日常预测雪数据(这可以下载)。

所以,我的主要问题是这些数据,这些预测。模型的基本假设是什么?这些100年长模拟可以用来预测极端事件在100年到1000年重现期(这些都是常见的工程实践)。

据我所知,气候模型包含“准确”模型(微分方程描述的现象)和近似的模型(经验模型使用)。我想实际的降水量对于一个给定的地区属于后者;在这种情况下如何确定这些模型吗?(肯定准确的模型有很大的不确定性,但或许更少)。

---

我有一个工程背景和我感兴趣的极端气候事件的影响在结构的可靠性;特别是考虑到气候变化。为了研究这一点,这将是伟大的了解有多可靠的气候预测极端事件。如果概率分布(或更复杂的操作)的概率模型,给出结构的可靠性(系统)可以直接计算。不过,我很怀疑极端气候模型的预测。

很难浏览上千页报告和发现可能一页长节会回答我的问题。我高度欣赏如果有人可以解释方法论的主要方面,基本假设或点我具体引用,关于原始问题欢迎任何帮助。

---

老鼠(2002)。造型极端气候的影响。描述的工作

奥格尔曼Paul a .。(2014)。对比对气候变化响应均值和极端的降雪。大自然。512卷。7515年。p . 416 - 418。

---

扩展的问题:

极端气候模型可以准确预测气象?

Answer 1

你的问题是相当广泛的,有点模糊的所以我不知道如果我将能够回答它。如果你想任何澄清,让我知道。

预测是怎么做成的呢?

的基本过程通常用于概率预测全球气候是类似的:

1. 把一个或多个大气环流模型(GCMs)和运行多个模拟投影。
   • 这个模型是模型,试图复制气候系统的物理,包括陆地和海洋的过程。他们不能复制物理完全,因为:
     1. 他们操作的至少几百米,所以物理过程(通常操作多小尺度)更大的规模的扩大和parameterised工作;和
     2. 因为一些物理过程(特别是那些必须parametrised较大的尺度),没有足够的数据来充分满足他们。通常,当这一切发生的时候,这些模型参数校准——大量的运行,对这些参数不同的值,然后选择最佳参数值。
   • 通常,你运行模型投影前一段时间,这样你就可以比较,观察(向上的时期)。
   • 您需要提供输入数据到模型中。大多数情况下,这只是由太阳能迫使(太阳输出的变化),以及预期的温室气体(GHG)排放,和气溶胶排放(包括人类和火山)。
   • 模拟输出相同的格式作为观测数据,和一般包括所有重要的变量——温度、降水等。
2. 把所有的模拟了一个整体。
   • 通常,模拟“偏差纠正”,这通常意味着他们改变模型平均匹配观察平均投影前一段时期内,这可能是30 - 40年了。这是用来允许模型漂移(主要是混乱的,可以发生在任何方向)。
   • 系综分布的模拟是用来创建概率预测。例如,每个模拟意味着全球年度温度。你可以假设模拟的错误通常是分布式(整体),所以使估计的分布,并以此来进行概率估计。这基本上是说如果~ 50%的模型都是在一定的温度,你认为(假设模型、输入数据和假设他们是基于可靠的*)有50%的几率,全球每年地球的温度将会在这温度。类似的过程可用于最高温度,或任何其他变量,和任何统计数据,包括极端指数。这些预测是一个值——他们总是概率,虽然它仅仅可能是很常见的均值分布报告。
   • 如何将信息从模拟合奏的多少取决于你。的基本方法是如上所述,使用最小的假设数据。也是常见的研究人员使用加权的方法来估计总体的意思是,例如绩效权重,模型,在此期间表现更好在投影加权更高之前,假设他们也会在投射期间表现更好。或者你可以重量基于模型独立(如果您正在使用多个模型),通过权重模型,更像其他模型更高,为了减少偏见从特定类型的模型(例如主教,2013年)。(此刻我有一篇论文在回顾调查这些方法的效果,我将链接到它的时候)
   • 这个过程可以预测1000年事件的变化吗?是的,有可能,即使投影周期通常是更像100年。这是因为1在1000年的事件实际上是定义反向—也就是说,他们被认为有0.1%的机会发生在任何一年。如果你的合奏项目超过100年,但是有100个模拟,还有10000年,1可能发生在1000年。如果你看到它发生20次,或者4次,那么你可能会怀疑事情正在改变。你可能需要更多获得统计上显著的结果,但是有集合体真的大(如et al。斯塔恩弗斯,2005年,2578年总计超过100000模拟模拟,我认为的一些ClimatePrediction.net有成千上万的模拟)。即使没有这些大型乐团,如果假设特定分布的极端事件,极端的概率是一个简单的函数(例如对数正态分布分布或类似),那么你可以说说大极端基于行为的极端事件的变化。不幸的是,我不知道有任何实验,看看可能非常极端事件的变化。

*模型可靠性显然是一个相当活跃的辩论和研究领域。吮吸和史密斯(2012)表明,GCM-based乐团比基本的统计模型,但目前可能不会比一些更高级的统计模型。然而,这仍然意味着他们至少起来跟我们预测的最佳选项,除非你在看鸡肠。

引用

• 主教,h &阿布拉莫维茨,G。,2013年。地球气候模型依赖和复制模式。气候动力学,41 (3 - 4),pp.885 - 900。可以在:http://link.springer.com/article/10.1007/s00382 - 012 - 1610 - y(2013年9月17日通过)。
• Stainforth, D.A. et al ., 2005。不确定性的预测气候应对不断上升的温室气体的含量。自然,433 (7024),pp.403 - 406。可以在:http://www.nature.com/nature/journal/v433/n7024/abs/nature03301.html。
• 吮吸,E.B. &史密斯,洛杉矶,2013年。年代际预测概率的评价最先进的气候模型。气候学报,26 (23),pp.9334 - 9347。可以在:http://journals.ametsoc.org/doi/abs/10.1175/jcli - d - 12 - 00485.1(2015年1月8日访问)。