这个问题与我之前关于预测未来极端气候的方法的问题有关。
虽然这个问题的答案很详细,信息量很大,但我还是不清楚用于全球气候(GC)模拟的模型是否可以预测罕见的(~1000年回归期事件)。
- 我知道如果我们有几千个模拟,我们可以计算出0.1%的分位数,但我不知道应用的模型是否能可靠地预测罕见事件。所谓可靠,我指的是与观测到的极端值或从观测数据中统计推断出的极端值在某种程度上一致。
- 到目前为止,我看到的所有关于气候变化导致的极端事件的论文,都认为20年的回归期事件是最大的并将模拟结果与观测到的分位数进行比较。这是我怀疑地球环流模型可靠性的一个来源。
- 气相色谱量表是否校准到观察到的平均值或多个分位数?使用日、月、年等平均数?在校准、验证过程中采用较大区域或网格点的平均值(对应于应用的分辨率)?在校准中通常使用的目标参数是什么?
- 这里有一个例子让它更清楚:一个人想要从日常测量/模拟结果中确定给定位置的极端风速的概率分布函数。问题是:如果我们以1950-2000年期间的一个模拟为例,并暂时假设模型的不确定性与气候变率相比可以忽略不计,那么我们是否可以将模拟数据作为一个样本,其置信度与对应于同一时期的实际观测数据的置信度大致相当,从而推断出大的回归期极端值?
检查这一点的一种方法是比较从观测数据和多个模拟中推断出的大回报期极端值,我还没有看到任何论文对20年以上的回报水平进行比较。我知道我们不能期望非常精确的模型,例如1000年的极端,因为我们不能可靠地校准和验证gcm:
- 可用的测量数据来自100-200年的观测周期(最多);
- 我们没有太多来自不同气候条件的数据(目前的模型中可能没有(或没有充分)考虑到一些现象,我们在某种程度上受到了观测到的前100年条件的偏差。
欢迎任何帮助,想法,参考,链接。