使用气候模式的结果来分析未来极端气候的方法是什么?

Question

使用气候模式的结果预测未来极端气候的公认方法是什么?

我最近读了一篇关于考虑到气候变化的极端气候(老鼠,2002)。报告称，研究人员拟合了极值分布(广义极值，广义帕累托)到预测的未来气候活动的强度，例如雨、雪、风。应用这些模型，事件具有较大的影响重现期用于评估气候变化的影响。此外，奥戈尔曼最近在《自然》杂志上发表了一篇文章，也谈到了未来的极端事件，尤其是降雪。

考虑到预测(每个场景的预测)只能以概率的形式进行。我想知道这些预测是如何做出的，他们用的是什么方法?我指的是实际的气候数据，而不是它们的极值(统计)分析。对于极值分析，可以使用年度或更频繁的最大值。气候模型能否预测到本世纪末某个地区每月或每年的最大雨雪量是相当可疑的(还是气候模型如此复杂?)有人告诉我在这个网站上(地球系统网格联盟)，以每日预测降雪数据为例(可下载)。

所以，我的主要问题是这些数据，这些预测是如何产生的。这些模型的基本假设是什么?这些长达100年的模拟能否用于预测100到1000年回归周期内的极端事件(这些在工程实践中很常见)?

据我所知，气候模型包括“精确”模型(用微分方程描述现象)和“近似”模型(使用经验模型)。我猜一个地区的实际降水量属于后者;在这种情况下，这些模型的不确定性有多大?(当然，“准确”的模型也有很大的不确定性，但可能更小)。

---

我有工程背景，我对极端气候事件对结构可靠性的影响感兴趣;尤其是考虑到气候变化。为了研究这一点，最好能知道关于极端事件的气候预测有多可靠。如果给出了概率分布(或更复杂的动作概率模型)，就可以直接计算结构(系统)的可靠性。然而，我对气候模型所预测的极端情况持怀疑态度。

要在上千页的报告中找到能回答我问题的大概一页长的部分是相当困难的。如果有人能解释一下方法论的主要方面，基本假设或给我指出具体的参考文献，我将非常感激，任何关于原始问题的帮助都是欢迎的。

---

老鼠(2002)。模拟极端气候的影响．工作描述

保罗·a·奥戈尔曼。(2014)。平均降雪和极端降雪对气候变化的响应对比．大自然。512卷。7515.p . 416 - 418。

---

问题的引申:

气候模型能可靠地预测极端气象吗?

Answer 1

你的问题相当宽泛，而且有点模糊，所以我不知道是否能一口气回答出来。如果您需要任何澄清，请告诉我。

预测是如何做出的?

一般用于全球气候概率预测的基本过程如下:

1. 采用一个或多个一般环流模型(gcm)，并在投影期间运行多个模拟。
   • gcm是一种试图复制气候系统物理过程的模型，包括陆地和海洋过程。它们无法复制物理过程完全,因为:
     1. 它们至少在几百米的尺度上运行，所以物理过程(通常在多更小的尺度)被放大和参数化，以在更大的尺度上工作;而且
     2. 因为对于一些物理过程(特别是那些必须参数化到更大范围的过程)，没有足够的数据来充分地适应它们。当这种情况发生时，那些模型参数通常是校准使用不同的参数值进行大量的运行，然后选择最佳参数值。
   • 通常，您在预测期之前运行模型一段时间，以便您可以将其与观测结果(自旋上升期)进行比较。
   • 您需要为模型提供输入数据。大多数情况下，这只包括太阳强迫(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)。
   • 模拟输出与观测数据格式相同，通常包括所有重要变量——温度、降水等。
2. 把所有这些模拟放在一个整体中。
   • 通常，模拟是“偏差校正”的，这通常意味着它们被改变，以便模型平均值与预测期之前某段时期的观测平均值相匹配——这可能是过去30-40年。这是为了允许模型漂移(大部分是混乱的，并且可能发生在任何方向)。
   • 模拟在集合中的分布被用来创建概率投影。例如，每个模拟都有一个全球年平均温度。你可以假设模拟中的误差是正态分布的(在集合上)，然后对这个分布进行估计，并使用它来进行概率估计。这基本上是说，如果~50%的模型超过某个温度，你预计(假设模型、输入数据和它们所基于的假设是可靠的*)全球年气温超过该温度的可能性为50%。类似的过程可以用于最高温度，或任何其他变量，以及任何统计数据，包括极端指数。这些预测都不是一个单一的值——它们总是概率性的，尽管只报告分布的平均值可能是很常见的．
   • 如何在集成中结合来自模拟的信息在某种程度上取决于您。基本方法如上所述，并对数据使用最小的假设。对于研究人员来说，使用加权方法来估计集合平均值也是很常见的，例如基于性能的加权，其中在预测之前表现更好的模型被赋予更高的权重，并假设它们在预测期间也会表现得更好。或者你可以基于模型独立性进行加权(如果你使用多个模型)，通过对与其他模型不太相似的模型进行加权，以最小化来自特定类型模型的偏差(例如Bishop和Abramowitz 2013)。[目前我有一篇论文正在审查，调查了其中一些方法的有效性，当它出来时，我会链接到它]
   • 这个过程能预测1000年事件的变化吗？是的，有可能，即使预测周期通常是100年。这是因为1000年一遇的事件实际上是反向定义的——也就是说，它们被认为有0.1%的几率发生在任何一年里．如果你的整体计划超过100年，但有100次模拟，那么有10000年的时间，1000分之一的概率可能会发生。如果你看到它出现了20次或4次，那么你可能会怀疑事情正在发生变化。你可能需要更多的数据才能得到一个统计上显著的结果，但确实有这样的集合真的(例如，Stainforth等人，2005年，有2578个模拟，总共超过10万模拟年，我认为一些ClimatePrediction.net有数以万计的模拟)。即使没有这些大的集合，如果你假设极端事件的特定分布，其中概率是一个简单的极端函数(例如对数正态分布或类似的分布)，那么你可能可以根据不太极端事件的行为变化来描述大的极端事件。不幸的是，我还没有听说过任何研究极端事件可能发生变化的实验。

*模型可靠性显然是一个相当活跃的辩论和研究领域。Suckling和Smith(2012)指出，基于gcm的集合优于基本统计模型，但目前可能并不比一些更高级的统计模型好太多。然而，这仍然意味着它们至少与我们预测的最佳选择相当，除非你喜欢读鸡内脏。

参考文献

• 毕晓普，C.H.和阿布拉莫维茨，G.， 2013。气候模式依赖和复制地球范式。气候变化与生态学报，34 (4)，pp.885-900。可以在:http://link.springer.com/article/10.1007/s00382-012-1610-y[2013年9月17日访问]。
• 斯坦福斯，D.A.等人，2005年。温室气体水平上升对气候反应预测的不确定性。自然杂志，433(7024)，第403 - 406页。可以在:http://www.nature.com/nature/journal/v433/n7024/abs/nature03301.html．
• 萨克林，E.B.和史密斯，洛杉矶，2013年。最先进的气候模式对年代际概率预测的评价。生态学报，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]。