摘要:全球气候模型 (GCM) 是理解气候系统及其在情景驱动排放路径下演变趋势预测的重要工具。其输出结果被广泛应用于气候影响研究,用于模拟气候变化的当前和未来影响。然而,与气候影响研究所需的高分辨率气候数据相比,气候模型输出结果仍然较为粗糙,并且相对于观测数据也存在偏差。在现有的全球尺度上经过偏差调整和降尺度处理的气候数据集中,分布尾部的处理是一个关键挑战;许多此类数据集使用了分位数映射技术,而这些技术已知会抑制或放大尾部的趋势。在本研究中,我们应用分位数增量映射 (QDM) 方法 (Cannon 等,2015) 进行偏差调整。在偏差调整之后,我们应用一种名为“分位数保留局部模拟降尺度”(QPLAD)的新型空间降尺度方法,该方法旨在保留分布尾部的趋势。这两种方法都集成到一个透明且可重复的软件流程中,我们将其应用于耦合模式比较计划第六阶段 (CMIP6) 实验 (O'Neill et al., 2016) 的历史实验和四种未来排放情景(从积极缓解到无缓解)的全球每日 GCM 地表变量输出(最高和最低温度以及总降水量),即 SSP1-2.6、SSP2-4.5、SSP3-7.0 和 SSP5-8.5 (Ri-
主要关键词