XiaoMi-AI文件搜索系统
World File Search System降水
结合温度和降水以限制气溶胶
早期在线版本：该初步版本已被接受在《气候杂志》中出版，可以完全引用，并已分配DOI 10.1175/jcli-d-2 3 -0 347 .1。最终的排版复制文章将在发布时在上述DOI上替换EOR。
通过LightGBM机器学习改进了降水类型的诊断
摘要：现有的降水类型算法很难辨别出冰冻雨水和冰球的发生。这些固有的偏见不仅在操作预测中是有问题的，而且使基于模型的降水类型气候的发展变得复杂。为了解决这些问题，本文介绍了一种新型的轻梯度增强机（LightGBM）基于基于的机器学习降水型算法，该算法利用重新分析和表面观测。通过将其与布尔戈因降水类型算法作为基线进行比较，我们证明了我们的算法改善了所有检查的降水类型的关键成功指数（CSI）。此外，与重新分析中的降水类型诊断相比，我们的算法表现出降雪，冷冻雨和冰颗粒的F1评分。随后，我们利用该算法来计算美国东部的冻结气候。由此产生的气候模式与观察良好吻合；但是，观察到显着的平均偏见。我们将这种偏见解释为对算法本身和关于降水过程的假设的影响，包括与冻伤，降水发生和区域概要天气模式有关的偏见。为了减轻整体偏差，我们提出将降水量从0.04增加到0.25 mm H 2 1，因为它更好地反映了沉淀观测的精度。这种调整可大大减少整体偏差。最后，鉴于LightGBM在预测混合降水事件方面的出色表现，我们预计该算法可以在操作环境中有效利用，并在气候模型输出中诊断降水类型。
在变暖下对均值和极端降水的区域预测的约束
在当前气候模型中，全球变暖下的水文周期的预计变化仍然高度不确定。在这里，我们证明了观察性过去的变暖趋势可用于有效地在全球和区域尺度上的平均值和极端降水中有效地占领。这种约束的物理基础依赖于各个模型中相对恒定的气候灵敏度以及模型之间区域水文敏感性的合理一致性，这受大气湿度的增加而支配和调节。对于高排放情况，在全球平均水平上，预计的平均降水量变化从6.9降低至5.2％，而在极端降水中的降水量从24.5降低至18.1％，而间模型方差分别降低了31.0和22.7％。此外，约束可以应用于中间 - 高纬度地区的区域，特别是在土地上。这些约束会导致空间解决的校正，这些校正偏离了全局平均校正。本研究提供了全球范围内受到限制的水文反应，对特定区域的气候适应性有直接影响。
CMIP6模型中降水偏差的物理学
摘要：有条件的不稳定性和羽毛的浮力驱动潮湿对流，但在模型对流方案中具有多种代表性。垂直热力学结构信息来自大气辐射测量（ARM）位点和重新分析（ERA5），卫星来源的降水（TRMM3B42）以及与羽流浮力相关的诊断方法用于评估气候模型。以前的工作表明，CMIP6模型比其CMIP5对应物更准确地代表潮湿的对流过程。然而，对流发作的某些偏见在CMIP建模工作中仍然存在。我们诊断出每日产量的九个CMIP6模型的队列中诊断这些偏差，从而评估了等效温度，U e和饱和等效温度的条件不稳定性与羽毛模型相比，具有不同混合假设的羽状模型。大多数型号捕获了垂直结构的定性方面，包括与较低的自由对流层高度相当下降，并随着沉积空气的夹带而进行。我们定义了“伪进入”的诊断，该诊断结合了相结合的条件不稳定性，类似于小型建筑物近似值下的夹带会产生的条件不稳定性。这捕获了较大的衰减率（干空气的夹带）和小的饱和度（尽管夹带较高）之间的权衡。此伪进入诊断也是综合浮力开始降水的临界值的合理指标。模型（使用Tiedtke方案的变体的）模型或CAM5的夹带率较低，并且含量较低的模型（例如NASA-GISS）在此诊断中的观察范围内，均位于旁边。
日常热带降水的极端对流的极端
热带降水极端及其随着表面变暖的变化，使用全球风暴解析模拟和高分辨率观察结果进行了研究。模拟表明，对流的中尺度组织是不能以常规的全球气候模型来物理代表的过程，对于热带每日累积降水极端的变化很重要。在模拟和观察结果中，每日降水极端在更有条理的状态下增加，与较大但频繁的风暴有关。重复模拟以使气候变暖会导致每月均值每日降水极端的增长。较高的降水百分位数对对流组织具有更大的敏感性，预计随着变暖而增加。没有组织变化，热带海洋上最强烈的每日降水量以接近Clausius-Clapeyron（CC）缩放的速度增加。因此，在未来的温暖状态下，组织的增加，海洋的每日极端降水量最高的速度比CC缩放更快。
高级定量降水信息-AMS期刊
摘要：高级定量降水信息（AQPI）是一个协同的项目，结合了观察和模型，以改善旧金山湾地区的降水，水流和沿海洪水的监测和预测。作为一种实验系统，AQPI利用了十多年的研究，创新和实施，对全州，最先进的观察网络以及下一代天气和沿海预测模型的发展。AQPI是作为原型开发的，以响应水管理社区的要求，以改善有关降水，河流和沿海条件的信息，以告知其决策过程。在加利福尼亚沿海山脉山脉的复杂湾区景观中观察降水是一个具有挑战性的问题。但是，借助新的高级雷达网络技术，AQPI正在帮助填补这个人口稠密且脆弱的大都市地区的重要观察差距。原型AQPI系统由改进的天气雷达数据组成，以进行降水估算；降水，水流和土壤水分的其他表面测量；以及一套集成的预测建模系统，以提高人们对从天空到大海的当前和未来水状况的情境意识。这些工具将有助于改善紧急准备和公众反应，以防止极端暴风雨期间造成生命损失和财产损失，并伴随着大量降水和高沿海水位，尤其是高摩斯裂变的大气河流。湾区AQPI系统可能会在加利福尼亚州，美国和全球的其他城市地区复制。
预测基于温度变化的极端亚小时降水强化
摘要。极端的降水，通常是自然界的，能够触发自然灾害，例如流量和碎屑流。气候变化适应和弹性的关键组成部分是量化了以后的气候场景中次数极端降水超过历史水平的可能性。尽管如此，目前仍认为估计未来的次数极端沉淀水平是不足的。这样做的原因可以归因于两个因素：从对流 - 渗透气候模型（充分模拟亚小时降水的概念）中，数据的可用性有限，我们用来除去外推的极端预启发返回水平的统计方法不会捕获全球暖剂的物理学。我们提出了一种基于物理的新型统计方法，用于估计极端的次数沉淀回报水平。提出的模型，依赖于温度依赖的非反应统计模型（TENAX），基于一个简约的非固定和非反应理论框架，以企业的温度为例，以物理固定的方式将其作为协变量。我们首先解释理论并提出tenax模型。使用来自Switzer- Land的几个站点的数据作为案例研究，我们证明了该模型重现亚小时降水返回水平以及某些观察到的极端沉淀的特性。然后，我们插图如何利用该模型在未来温暖的气候中仅基于潮湿的日子的气候模型的投影以及预见的降水频率变化的情况下，在未来温暖的气候下进行了极端的降水量变化。
标准化的基准测试框架，用于评估降水降水模拟
摘要：目前，没有标准化的框架或指标来评估区域气候模型沉淀输出。因此，很难比较区域或研究之间的表现，或者与分辨率分辨率的全球气候模型进行比较。为了解决这个问题，我们介绍了建立动态但标准化的基准测试框架的第一个步骤，该框架可用于评估模型技能，以模拟降雨的各种特征。基准测试与典型的模型评估不同，因为它要求先验设定绩效期望。该框架在科学研究的基础上具有无数的应用，该研究通过提供结构化方法来评估模型发展的优先级，并提供援助利益相关者的决策，以识别用于气候风险评估和适应策略的方法模型模型模型。虽然该框架可以应用于任何空间域的区域气候模型模拟，但我们使用高分辨率（0.5 8 3 0.5 8 cordex-Australasia Ensemble中的仿真）证明了其对澳大利亚的有效性。我们提供建议根据框架的应用选择指标和实用基准标准阈值。这包括最低标准指标的顶级层，以建立正在进行的气候模型评估的最低基准标准。我们使用从潜在用户社区收到的反馈来介绍该框架的多个应用程序，并鼓励科学和用户社区通过量身定制基准并在其应用程序中提出其他指标，以基于此框架进行构建。