利用降水事件识别与追踪诊断对流解析区域模式的附加价值
应用统计
2018-08-01 v1 地球物理
摘要
采用高分辨率区域气候模式的动力降尺度可能在气候模拟中真实再现降水与天气事件。随着分辨率降至公里量级，使用显式而非参数化对流可能提供更高的保真度。然而，这些提高的模型分辨率既允许也需要日益复杂的诊断来评估模型保真度。在本研究中，我们使用一套针对美国夏季的动力降尺度模拟（由 NCEP 驱动的 WRF），其在参数和对流处理上存在系统性变化，作为评估模型降水的测试用例。特别地，我们使用一种新颖的暴雨识别与追踪算法，该算法将几乎所有降雨分配给单个降水事件（Chang 等，2016）。该方法提供了多重见解，包括：至少在这些运行中，模型的湿偏差由降水事件过大的面积范围所驱动。偏差具有时间依赖性，产生过大的日循环振幅。我们表明，该效应并非由事件的新生成引起，而是由白天长寿命降水事件的过度扩张所致，并且在区域平均上，降水偏差最好表示为加性偏移。在所有评估的模型配置中，对流解析模拟最一致地减少了降水事件特征中的偏差。
引用
@article{arxiv.1712.04075,
title = {Diagnosing added value of convection-permitting regional models using precipitation event identification and tracking},
author = {Won Chang and Jiali Wang and Julian Marohnic and Rao Kotamarthi and Elisabeth J. Moyer},
journal= {arXiv preprint arXiv:1712.04075},
year = {2018}
}