我一直在看CMIP6模型输出的“hur”(相对湿度/RH)，我看到它们没有缩放到1到100之间(单位是百分比)。
为什么会这样?这只是一个疏忽，每个人都知道他们需要设置高于100到100的值，还是有一个重要的原因不扩展数据?从这里阅读其他答案，这可能是由于过饱和，但我的印象是，这不应该特别普遍..我从cmip6中看到的1月份气候学的例子在俄罗斯、格陵兰岛和加拿大的大片地区的数值为>100。
\ begingroup美元
\ endgroup美元
添加评论
|
1回答
\ begingroup美元
\ endgroup美元
这也是CMIP5的一个特点，CMIP6的数据请求文件提到了它:
．.．虽然140%的近地表相对湿度值原则上在空间和时间点上是真实的，但CMIP5档案中的许多高值(代表时间和网格单元的平均值)很可能是由处理错误造成的。因此上限设置为100.001 %，并归类为
建议，相比之下，海冰范围的上限为100.001 %
Juckes等人(2020):CMIP6数据请求(DREQ，版本01.00.31)，geoosci。型号开发，13,201-224，https://doi.org/10.5194/gmd-13-201-2020
因此，建模中心被允许将数据剪辑到100.001 %，但据推测，许多建模中心选择不这样做。这篇论文引用了Ruosteenoja等人(2017)CMIP5的分析，他们提出了几个原因:
- 在一些模型中，过饱和源于模型算法的核心
- 在另一些地区，它们只是在形成地表空气湿度场的阶段形成的
- 在一些模型中，这两个因素都起作用:在动态计算中出现了一定程度的过饱和，但在建立地表空气湿度场时，过高的相对湿度进一步被放大
- 等压水平场[不]表示实际的内在模型数据，而是从模型混合水平给出的值中插值出来的
他们还联系了模特小组，他们给出了各种各样的答案，分为三类:
- 相对于冰而不是液态水的相对湿度的定义
- 近地表比湿和空气温度测定中的矛盾
- 饱和比湿度与温度的非线性关系
这篇论文是开放获取的(我认为)，值得一读，以了解所有这些观点的更多细节。同样值得指出的是，CMIP数据有很多古怪的特征，考虑到数据量、后处理链的复杂性和运行模型的费用，这是不可避免的。每一轮都会变得更好，但总会有一些奇怪的地方。重要的是做你正在做的事情，质疑任何看起来不正确的事情，而不是只看表面。
