地理采样对高分辨率气候模式极端降水评估的影响
应用统计
2020-06-03 v2
摘要
比较全球气候模式与观测数据产品的传统方法通常未能考虑底层气象站数据的地理位置。对于现代高分辨率模式而言，这是一个疏忽，因为很可能存在这样的网格单元：气候模式的物理输出是与统计插值量而非气候系统的实际观测进行比较。在本文中，我们量化了地理采样对高分辨率气候模式在表征美国本土（CONUS）北方冬季（DJF）降水极端值方面相对性能的影响，比较了来自CMIP6实验HighResMIP子项目的五次早期提交的模型输出。我们发现，恰当考虑气象站的地理采样可显著改变对模式性能的评估。在所考虑的模式中，忽略采样以不同方式（既有增加也有减少）影响不同度量（极端偏差、空间模式相关性以及空间变率）。我们认为，应当对气象站的地理采样加以考虑，以在模式和观测数据集之间产生更直接且恰当的比较，特别是对于高分辨率模式。虽然本文聚焦于CONUS，我们的结果对其他全球陆地区域（那里采样问题更为严重）具有重要意义。
引用
@article{arxiv.1911.05103,
title = {The effect of geographic sampling on evaluation of extreme precipitation in high resolution climate models},
author = {Mark D. Risser and Michael F. Wehner},
journal= {arXiv preprint arXiv:1911.05103},
year = {2020}
}