Marcus在过去20年中一直在CSIRO环境中与区域气候模型合作,目前领导CSIRO高分辨率气候建模团队。他领导了保形立方大气模型(CCAM)的发展,并具有为区域气候模型开发区域地球系统组件的兴趣。Marcus是WCRP协调区域气候缩减项目(CORDEX)的澳大利亚接触点,并且是GAW城市研究气象和环境SAT的成员。Marcus还参与了国家和州气候预测预测,最近的是澳大利亚气候服务。
摘要。了解模拟当前气候的区域气候模型(RCM)的能力,可为模型开发和气候变化评估提供信息。这是Narclim2.0的首次评估,这是由ECMWF重新分析v5(ERA5)驱动的七个天气铸造和研究RCMS的澳大利亚驱动的RCMS,其分辨率为20公里的分辨率为CORDEX-CMIP6 Australasia和Australia和东南澳大利亚的Contrection-Permitter-Permitter-Permitter-Permittit-Permitter-Permitter-Permitter-Permitter-Permitter-Permitter-permitts-permitmittits分辨率(4 KM)。对这七个ERA5 RCM(R1 – R7)的表现在模拟平均值以及极端最高和最低温度以及降水量中进行了评估,以针对年度,季节性和每日时间表的观察结果进行评估,并将其与先前一代cordex-CMIP5澳大利亚 - 澳大利亚-Ina-sia-Intera-Interim-Interim-Interim-Interim驱动的RCMS进行比较。ERA5 rcms与ERA-Interim rcms相比,均值和极高的脾气与ERA-Interim rcms的寒冷偏差大大减少,表现最佳的ERE5 RCM显示出较小的平均绝对偏见(ERA5-R5:0.54 K; ERA5-R1:0.81 K:分别为0.81 K),但没有为最低温度带来最低温度的改善。在20公里的决议中,ERA5 RCMS与ERA-Interim RCMS的平均降水和极端降水的改善主要在澳大利亚东南部显而易见,而在澳大利亚北部,强烈的偏见仍然存在。在澳大利亚东南部的对流 - 渗透量表上,ERA5 RCM合奏的平均降水的平均偏差约为79%,而模拟
由于地形和大气过程之间的复杂相互作用引起的摘要,气候建模在具有复杂地形(例如南亚)的地区可能具有挑战性。这项研究研究了南亚日常风速的高分辨率气候模拟的附加值差异,重点是创新的地形风速(W t)调整方法。通过应用分布增加值(DAV)和上尾PDF(95%)分析,我们会系统地评估区域气候模型(RCMS)和全球气候模型(GCMS)的性能。使用W t方法前后的DAV结果的比较揭示了调整对区域气候模型性能的影响。在几种模型中,例如IPSL-RCA,Noresm1-RCA和Canesm2-RCA,掺入W t导致了实质性改进,如正dav值所示。在上尾PDF分析中,改进更加一致,表明调整通常增强了极端风事件的表示。但是,某些模型(例如NoreSm1-RCA和Canesm2-RCA)通过描述正面DAV值在调整W t之前和之后始终如一。总体而言,结果表明W t有效地改善了大多数气候模型的风速表示。根据DAV分析,高分辨率模型在低分辨率模型中平均具有15%的正添加值。这项研究的贡献正在弥合南亚观察到的风速模式与气候模型输出之间的差距。由于这项研究,揭示了评估和调整模型的量身定制方法,强调了模型行为的复杂性。在次大陆的研究领域中,这项研究的结果为与气候相关的决策,风险评估和基础设施发展提供了关键见解。
未来几十年的气候预测受到未来温室气体浓度,对这些气体的区域气候反应以及自然气候变化的不确定性的影响。排放途径(请参阅温室气体排放事实表)从非常低到很高,并且基于关于未来人口统计学变化,社会经济发展,能源使用,土地使用和空气污染的合理假设。气候模型(请参阅气候模型事实表)是由温室气体和气溶胶浓度的预计变化驱动的,以估计区域气候的未来变化。有数十种气候模型,每种模型都会产生对未来气候的独特模拟。模拟包括自然气候变异性(请参阅气候变异性解释器)在一系列空间和时间尺度上,包括每日/当地天气以及由于ENSO等因素引起的每日/地区/区域气候极端。
未来几十年的气候预测受到未来温室气体浓度,对这些气体的区域气候反应以及自然气候变化的不确定性的影响。排放途径(请参阅温室气体排放事实表)的范围从非常低到非常高,并且基于关于未来人口变化,社会经济发展,能源使用,土地使用和空气污染的合理假设。气候模型(请参阅气候模型事实表)是由温室气体和气溶胶浓度的预计变化驱动的,以估计区域气候的未来变化。有数十种气候模型,每种模型都会产生对未来气候的独特模拟。模拟包括自然气候变异性(请参阅气候变异性解释器)在一系列空间和时间尺度上,包括每日/当地天气以及由于ENSO等因素引起的每日/地区/区域气候极端。
摘要。降低全球气候模型(GCMS)的范围是区域尺度上明智的决策所需的关键高分辨率数据。但是,没有选择最合适的GCM的统一方法。在东南亚(海)上,观察结果很少,并且具有较大的不确定性,使GCM选择复杂化,尤其是降雨。为了指导此选择,我们将标准化的基准测试框架选择CMIP6 GCM,以在海上进行Dy-Namical缩小缩小,以解决当前的观测局限性。该框架通过两步过程来识别用途模型:(a)选择在模拟降雨基本特征时满足最低性能要求的模型(例如偏见,规范模式,年度周期和趋势)和(b)从(a)中选择模型,以进一步评估是否捕获了可变性模式的关键降水驱动因素(季风)和远程连接,即厄尔尼诺 - 南方振荡(ENSO)和印度洋偶极子(IOD)。GCM通常表现出湿的偏见,尤其是在婚姻大陆的复杂地形上。从第一个步骤进行的评估确定了32个GCM中的19个,这些GCM符合我们在模拟降雨中的最低性能。这些模型还可以同意捕获大气循环和远程连接,并在该地区具有可变性模式,但高估了它们的强度。最终,我们确定了八个GCM,以达到我们的绩效期望。有明显的高 -
参与有关区域气候建模主题的国际科学项目,主要是塞西莉亚(Cecilia),UHI(城市热岛(Urban Heat Island),捷克气象研究所团队的成员),目前在foci项目中(https://wwwww.project-joct-foci.euu/wp/)。
表2。Goulburn地区关键气候变量的预测变化。 值来自澳大利亚范围内的组合和Narclim2.0〜4 km区域气候模型模拟,并显示了括号中的中位数和第10%至90%的范围。 更改是从1986 - 2005年的基线到2050年(2040–2059),2070(2060-2079)和2090(2080-2099)的计算。 对于温度变量,低样式,高温模型已被排除在中位数和范围之外(请参阅VCP24 TR的第2章),但对于高排放场景,用 *单独指示。Goulburn地区关键气候变量的预测变化。值来自澳大利亚范围内的组合和Narclim2.0〜4 km区域气候模型模拟,并显示了括号中的中位数和第10%至90%的范围。更改是从1986 - 2005年的基线到2050年(2040–2059),2070(2060-2079)和2090(2080-2099)的计算。对于温度变量,低样式,高温模型已被排除在中位数和范围之外(请参阅VCP24 TR的第2章),但对于高排放场景,用 *单独指示。