动态植被模型是研究植被变化对气候反馈和影响的重要模型工具。本文对耦合了动态植被(Dynamic Vegetation,DV)和碳氮(Carbon and Nitrogen,CN)模型的NCAR陆面过程模式CLM4.5(Community Land Model version 4.5)对青藏高原(以下简称高原...
详细信息
动态植被模型是研究植被变化对气候反馈和影响的重要模型工具。本文对耦合了动态植被(Dynamic Vegetation,DV)和碳氮(Carbon and Nitrogen,CN)模型的NCAR陆面过程模式CLM4.5(Community Land Model version 4.5)对青藏高原(以下简称高原)植被的模拟性能进行了评估,获得了定量化的偏差信息,并对高原植被和气候变化因子的关系进行了初步探讨。结果表明:模型能大致再现叶面积指数(Leaf area index,LAI)在历史时期的季节循环、长期变化趋势和空间分布,但空间变率较遥感资料大。模拟的乔木覆盖度偏大,草地覆盖度偏小,因此严重高估了植被高原南部和东部的LAI。与遥感观测相比,模拟的LAI呈现了1~2个月的滞后,这与模式本身的植被动力机制不完善和模式的降水驱动偏差有关。高原植被变化趋势的时空分布与表层土壤水和降水等气象因子的趋势变化显示出较好的一致性,表明在该研究时段,地表水循环的变化(主要是降水和土壤水含量)对高原植被生长可能起主导作用。
概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood Ensemble Probability based on Ensemble Agreement Scale,EAS_NEP),并在中国南方典型的梅雨锋暴雨中开展准确性和预报技巧的定量检验评估,以期验证该方法在此类过程中的适用性,并促进其在实际业务中的推广使用。联合扰动初始场、侧边界和物理过程所得到的集合预报能较好地表征实际的预报不确定性,进一步在此基础上比较了格点概率法、不同半径的邻域集合概率法以及EAS_NEP的优劣。试验结果表明,EAS_NEP能根据集合成员间的一致性程度,自适应地调整邻域半径,其在集中型降水中所确定的邻域半径通常大于分散型降水。动态调整的邻域半径既避免了半径过大时的过度平滑与关键信息丢失,又消除了半径较小所带来的奇异点,其空间分布呈阶梯型,空间连续性更优。此外,BS(布莱尔评分)、FSS(分数技巧评分)和ROC曲线(相对作用特征曲线)等定量评估结果也体现出EAS_NEP相比传统方法正的预报技巧,尤其是在分散型降水和高阈值检验时优势更明显。以上结果表明,EAS_NEP在梅雨锋暴雨的预报中具有较好的应用前景,运用在业务中能有效提升概率预报质量。
基于1998—2017年海南岛地区18个台站逐日降水观测数据、TRMM逐日降水数据和ERA5再分析数据集等资料,使用资料统计分析和数值模式模拟等方法,对海南岛地区秋汛期形成原因进行了研究。观测分析表明,海南岛地区的降水随季节的变化与华南及同纬度带的其他地区存在显著差异,降水季节峰期出现在秋季,主要集中于9—10月。秋季,西南夏季风开始向东北冬季风转换,受其影响,海南岛地区上空处于偏东气流带中,秋汛期降水分布明显东多西少,且降水中心位于山前迎风坡一侧,东风气流在钟形地形的阻挡抬升作用下,致使其东部降水增多。此时秋季南海海表温度仍较高,有利于维持和增强海南岛秋季降水。通过WRF v4.3(Weather Research and Forecast Version 4.3)一系列的数值敏感性试验,验证了海南岛地形、海陆热力差异及南海较高的海温对海南岛秋汛期的形成起着决定性作用。
暂无评论