XiaoMi-AI文件搜索系统
World File Search System射偏
与云的CMIP6模型中的南大洋太阳反射偏见
补充文本S1：在某些情况下，日光或高度反射层可能会在信号上产生噪音，并使两个冷凝水相之间的区别复杂化。结果，像素可以分类为“未定义相”，通常对应于亚零温度下像素中液体和冰颗粒的混合物（Cesana等，2016）。在这项研究中，我们认为这些像素是液体主导的。Calipso-GOCCP云相V2.9的主要局限性与LIDAR衰减有关，这可能会导致对完全减弱的像素的误诊，因为是透明的天空，随后低估了表面附近的垂直云分数（1 km以下，Cesana等人，2016年，1 km以下）。但是，通过使用LiDAR模拟器在模拟中重现了这种低估。Cesana等人描述了本研究中使用的观察不确定性估计值。（2021）。
CMIP6模型中的南洋辐射偏置，云补偿错误和平衡气候灵敏度
使用已建立的云聚类方法分析摘要耦合模型对比项目阶段6（CMIP6）模型。这可以比较模型和观察中的云表示。显示南大洋上层云的模拟已显示出从早期模型中发生的很大变化。分析的CMIP6模型表明，在模拟中比国际卫星云气候项目（ISCCP）观测值更频繁地发生层云，但与云和地球的辐射能量系统（CERES）数据相比还不够明亮。这与“太少，太明亮”的问题形成鲜明对比，后者表征了层状云的先前模型模拟，尤其是在南大洋上。云簇还可以计算模型数据中的均值和补偿短波云辐射效应（SW CRE）错误。补偿错误显示出比平均误差大得多，表明CMIP6模型在其云表示方面仍然有很多改进。确定了南大洋的SW CRE中的平均值和补偿错误之间具有统计学意义的负相关关系。在其他地方观察到这种关系，但仅在南大洋中很重要。这意味着模型调整工作在该区域的云表示中隐藏了偏见。相对于CMIP5模拟， CMIP6模型的气候灵敏度（EC）具有较高的平衡气候灵敏度。CMIP6模型的气候灵敏度（EC）具有较高的平衡气候灵敏度。研究了ECS与SW CRE平均值与补偿错误之间的联系，但没有发现这些变量之间存在关系的证据。