Более

Отображение пиков с помощью Tilemill и отображение только соответствующих пиков для каждого уровня масштабирования

Отображение пиков с помощью Tilemill и отображение только соответствующих пиков для каждого уровня масштабирования


Я хочу сделать карту с помощью Tilemill и показать названия горных вершин.

Что бы я хотел сделать:

Если пользователь уменьшает масштаб (скажем, уровень масштабирования 12), я хочу показать только самые высокие (наиболее важные) горы в определенной области. Если пользователь приблизит масштаб, я бы хотел показать больше пиков.

Данные, которые у меня есть, представляют собой импорт геофабрика данных OSM в базу данных postgres. Я надеялся найти такой тег, как «релевантность», который я мог бы использовать, но, похоже, его не существует ...

Есть ли способ сделать это только с данными OSM?


Нет, вы не можете сделать это только с данными OSM. Вам понадобится дополнительная информация, такая как данные о высоте, полученные из SRTM, и вы сможете рассчитать «релевантность» каждого пика для себя.


Подход, который я применил к той же проблеме, заключался в том, чтобы показать 5 самых высоких пиков в каждой плитке при увеличении <14, а затем показать все выше 14, что в большинстве случаев выглядит довольно хорошо. Этот подход действительно предполагает, что содержимое тега ele является допустимым, что часто бывает. Если вам нужны более высокие отметки, вы можете запустить какой-то скрипт для поиска высот для всех интересующих вас точек и заменить теги OSM ele этими данными.

Вот sql, который я использую для своего "пикового" слоя в tilemill.

SELECT * FROM (SELECT way, name, CASE WHEN ele ~ E '^ [ d .] + $' THEN CAST (ele :: float AS INTEGER) ELSE NULL END AS ele_meters, CASE WHEN ele ~ E '^ [  d .] + $ 'THEN CAST (ele :: float * 3.2808399 AS INTEGER) ELSE NULL END AS ele_feet FROM planet_osm_point ГДЕ z (! scale_denominator!)> 6 AND way &&! bbox! AND "natural" =' пик ') В КАЧЕСТВЕ ПРОМЕЖУТОЧНОГО ГДЕ ele_meters НЕ NULL ORDER BY ele_meters DESC LIMIT (CASE WHEN z (! Scale_denominator!)> = 14 THEN 200 ELSE 5 END)) КАК данные

Обратите внимание, что в этом запросе не пропущены какие-либо функции, у которых нет действительного тега ele.


Я предполагаю, что вам просто нужно создать соответствующий фильтр в своем стиле, который должен содержать тег «ele». Например:

Слой [zoom> = 12] [zoom <= 14] [natural = peak] {

[ele> 3500] {…}}

Слой [zoom> = 15] [zoom <= 16] {

[ele> 1500] {…}}

Этот подход помогает разделить все пики по уровням масштабирования. Обратите внимание, что столбец «ele» содержит строковые значения. Это означает, что прежде вам нужно преобразовать его в числовое значение.


Заблуждения относительно БПФ прямоугольной волны в теории, в масштабах и в моделировании

Ниже представлена ​​идеальная прямоугольная волна во временной области и ее гармонические составляющие в частотах. домен:

Как вы видите выше, прямоугольная волна состоит только из своих нечетных гармоник, так как между ними ничего не происходит.

А ниже - БПФ прямоугольной волны осциллографа:

Здесь мы видим две разные вещи. Прежде всего, приведенное выше БПФ состоит не из всплесков, а из расширенных кривых. Во-вторых, это непрерывно, а не дискретно.

Возможно, осциллограф может содержать некоторый шум, и ненулевое время нарастания прямоугольной волны может повлиять на результаты БПФ.

Поэтому вместо осциллографа давайте посмотрим, что LTspice показывает БПФ прямоугольной волны (в данном случае последовательность импульсов) со следующей настройкой:

Это тоже не очень хорошо. Поэтому я установил время нарастания намного короче, чем значение по умолчанию для LTspice, следующим образом:

Теперь БПФ стало лучше:

Теперь я вижу одну из проблем при просмотре БПФ прямоугольной волны или импульса в осциллографе: времена нарастания и спада никогда не равны нулю. Другая проблема - это некоторый шум.

Вот мой вопрос:

Вот чего я не понимаю ... Вначале я предоставил спектр идеальной прямоугольной волны, которая представляла собой дискретные нечетные гармоники в виде всплесков. Но как по объему, так и в LTspice БПФ является непрерывным.

Я сбит с толку. Приведу пример. На моем последнем графике выше частота импульсов составляет 100 Гц. Поэтому я ожидал, что он состоит из нечетных гармонических синусоид 300 Гц, 500 Гц, 700 Гц. так далее и так далее. Я бы не ожидал, что у него будет составляющая, например, 130 Гц или 102 Гц. Фактически, согласно последнему графику БПФ, есть составляющая на 102 Гц, и она даже больше, чем составляющая 300 Гц.

Любая идея, которая представляет здесь реальность? Что я неправильно понимаю?


Ключевые слова

Массимо Кандела Имеет степень магистра компьютерных наук Университета Рома Тре, Италия.

Его исследовательские интересы включают сетевые измерения, представление сетевых данных и геолокацию IP.

Некоторые из инструментов, над которыми он работал, - это ресурсы, к которым сетевые операторы могут обращаться, чтобы контролировать определенные аспекты производительности Интернета.

Валерио Лукони получил степень магистра и доктора философии. Степень в области компьютерной инженерии Пизанского университета в 2012 и 2016 годах соответственно. В настоящее время он является научным сотрудником IIT-CNR, Пиза. Его исследовательские интересы включают измерения Интернета, топологию Интернета, геолокацию IP, нейтралитет сети и мониторинг сети.

Алессио Веккьо доцент Пизанского университета, Италия.

Он принимал участие в нескольких национальных и финансируемых ЕС проектах (CONGAS, NeutMon, MECPerf).

В настоящее время он работает помощником редактора Pervasive and Mobile Computing и IEEE Access.

Он стал одним из организаторов и организаторов пяти семинаров PerMoby (семинар IEEE PerCom, посвященный мобильности людей). Он был председателем седьмого международного семинара IEEE по сенсорным сетям и системам для повсеместных вычислений (IEEE PerCom PerSeNS), а также в техническом комитете многих других международных мероприятий.


Издательский центр ACS

Хотя в этом документе представлена ​​основная информация о том, как подготовить и отправить рукопись, а также другую важную информацию о публикации, мы также рекомендуем авторам посетить Центр публикаций ACS для получения дополнительной информации обо всем, что необходимо для подготовки (и рецензирования) рукописей для Журналы ACS и партнерские журналы, такие как

    , в котором содержатся советы редактора по различным темам, в том числе о том, как сделать вашу статью научно эффективной, подготовить отличную графику и написать сопроводительные письма.
  • Ресурсы о том, как подготовить и отправить рукопись в ACS Paragon Plus, ACS Publications & rsquo, в среду для подачи рукописей и рецензирования, включая подробную информацию о выборе применимого соглашения о публикации журнала. с общественностью через программу открытого доступа ACS Publications. , бесплатный онлайн-курс, посвященный передовым методам экспертной оценки и связанным с ними этическим соображениям.

Предлагаемое правило запрашивает комментарии.

В соответствии с Законом о защите морских млекопитающих (MMPA) компания NMFS получила заявку от Аляскинской аэрокосмической корпорации (AAC) на получение разрешения на вывоз небольшого количества морских млекопитающих, связанных с запуском космических ракет-носителей и других небольших ракетных систем в комплексе Тихоокеанского космодрома Аляска (PSCA) на период с 15 марта 2017 г. по 14 марта 2022 г. NMFS предлагает правила, регулирующие это действие, и запрашивает комментарии по предлагаемым правилам.


Banzon V, Smith TM, Chin TM, Liu C, Hankins W (2016) Долгосрочная запись смешанной спутниковой и in situ температуры поверхности моря для мониторинга климата, моделирования и экологических исследований. Данные Earth Syst Sci 8: 165–176

Бао Дж, Фэн Дж, Ван И (2015) Моделирование динамического масштабирования и прогнозирование осадков над Китаем в будущем. J Geophys Res 120: 8227–8243. https://doi.org/10.1002/2015JD023275

Бонан Г.Б., Левис С., Кергоат Л., Олесон К.В. (2002) Пейзажи как участки функциональных типов растений: интегрирующая концепция для моделей климата и экосистем. Глобальные биогеохимические циклы 16: 5. https://doi.org/10.1029/2000GB001360

Бретертон К.С., Парк С. (2009) Новая параметризация влажной турбулентности в модели атмосферы сообщества. J Климат 22: 3422–3448

Букчиньяни Э., Монтесаркио М., Каттанео Л., Манзи М.П., ​​Меркольяно П. (2014) Моделирование регионального климата над Китаем с помощью COSMO-CLM: оценка эффективности и климатические прогнозы. Журнал J Geophys Res 119 (12): 151–112170

Ча Д-Х, Джин С.С., Мун Дж. Х., Ли Д.К. (2016) Улучшение моделирования регионального климата во время летних муссонов в Восточной Азии за счет совместного взаимодействия между воздухом и морем и крупномасштабного подталкивания. Int J Climatol 36: 334–345

Chan JC, Liu Y, Chow KC, DING Y, Lau WK, Chan KL (2004) Разработка региональной климатической модели для моделирования летних муссонных дождей в Южном Китае. J Meteorol Soc Jpn Ser II 82 (6): 1645–1665

Chen W, Jiang Z, Li L, Yiou P (2011) Моделирование регионального изменения климата по сценарию IPCC A2 на юго-востоке Китая. Clim Dyn 36: 491–507

Chen L, Liang X-Z, DeWitt D, Samel AN, Wang JXL (2016) Сезонный прогноз осадков и температуры в США с помощью вложенной системы CWRF-ECHAM. Clim Dyn 46: 879–896

Choi HI, Liang X-Z (2010) Улучшенное гидрологическое представление суши в мезомасштабных моделях земной поверхности. Журнал Гидрометеорол 11: 797–809.

Choi HI, Kumar P, Liang X-Z (2007) Трехмерная усредненная по объему модель переноса почвенной влаги с масштабируемой параметризацией подсеточной топографической изменчивости. Водные ресурсы Res 43: W04414. https://doi.org/10.1029/2006WR005134 15 с.

Choi HI, Liang X-Z, Kumar P (2013) Конъюнктивное представление поверхностно-подповерхностного потока для мезомасштабных моделей земной поверхности. Журнал Гидрометеорол, 14: 1421–1442.

Chou M-D, Suarez MJ (1999) Параметризация солнечного излучения для атмосферных исследований. [Последняя редакция в марте 2002 г.] Серия технических отчетов по глобальному моделированию и усвоению данных. М. Дж. Суарес (ред.), NASA / TM-1999-104606, Vol. 15, Центр космических полетов Годдарда, Гринбелт, Мэриленд, 42 стр.

Chou M-D, Suarez MJ, Liang X-Z, Yan MM-H (2001) Параметризация теплового инфракрасного излучения для атмосферных исследований. [Последняя редакция в июле 2002 г.] Серия технических отчетов по глобальному моделированию и усвоению данных, М.Дж. Суарес (ред.), NASA / TM-2001-104606, Vol. 19, Центр космических полетов Годдарда, Гринбелт, Мэриленд, 56 стр.

Chow KC, Tong H-W, Chan JCL (2008) Источники водяного пара, связанные с выпадением осадков в начале лета над Китаем. Clim Dyn 30: 497–517

Кристенсен Дж. Х., Картер Т. Р., Руммукайнен М., Аманатидис Г. (2007) Оценка эффективности и полезности региональных климатических моделей: проект PRUDENCE. Смена климата 81: 1–6

Дай Й, Зенг Х, Дикинсон Р. Э., Бейкер И., Бонан Г. Б., Босилович М. Г., Деннинг А.С., Дирмейер П.А., Хаузер П.Р., Ниу Г., Олесон К.В., Шлоссер К.А., Ян З.Л. (2003) Модель общей земли. Bull Am Meteorol Soc 84: 1013–1023

Dai Y, Dickinson RE, Wang Y-P (2004) Модель с двумя большими листьями для определения температуры растительного покрова, фотосинтеза и устьичной проводимости. J Climate 17: 2281–2299

Дейли К., Нилсон Р.П., Филлипс Д.Л. (1994) Статистико-топографическая модель для картографирования климатологических осадков над горной местностью. J Appl Meteorol 33: 140–158

Ди Д.П., Уппала С.М., Симмонс А.Дж., Беррисфорд П., Поли П., Кобаяши С., Андраэ У., Балмаседа М.А., Бальзамо Г., Бауэр П., Бехтольд П., Бельяарс АКМ, ван де Берг Л., Бидло Дж., Борман Н., Делсол К., Драгани Р., Фуэнтес М., Гир А.Дж., Хаймбергер Л., Хили С.Б., Херсбах Х., Хольм Э.В., Исаксен Л., Коллберг П., Келер М., Матрикарди М., МакНалли А.П., Монж-Санс Б.М., Моркретт Дж. de Rosnay P, Tavolato C, Thépaut JN, Vitart F (2011) Реанализ ERA-Interim: конфигурация и производительность системы усвоения данных. Quart J Meteorol Soc 137: 553–597

Fang YJ, Zhang YC, Huang AN, Li B (2013) Сезонные и внутрисезонные вариации летних муссонных осадков в Восточной Азии, смоделированные с помощью региональной модели, связанной с воздухом и морем. Adv Atmos Sci 30 (2): 315–329

Feng JM, Fu CB (2006) Межсравнение 10-летних осадков, смоделированных несколькими РКМ для Азии. Adv Atmos Sci 23: 531–542

Feng JM, Wang YL, Fu CB (2011) Моделирование экстремальных климатических явлений над Китаем с помощью различных региональных климатических моделей. Atmos Oceanic Sci Lett 4: 47–56

Fischer T, Menz C, Su B, Scholten T (2013) Смоделированные и спрогнозированные экстремальные климатические явления в бассейне реки Чжуцзян, Южный Китай, с использованием региональной климатической модели COSMO-CLM. Int J Climatol 33: 2988–3001

Fu CB, Wang SY, Xiong Z, Gutowski WJ, Lee DK, McGregor JL, Sato Y, Kato H, Kim JW, Suh MS (2005) Региональный проект взаимного сравнения климатических моделей для Азии. Bull Am Meteorol Soc 86: 257–266

Гао X-J, Zhao ZC, Ding YH, Huang RH, Giorgi F (2001) Изменение климата из-за парникового эффекта в Китае, моделируемое региональной климатической моделью. Adv Atmos Sci 18: 1224–1230

Gao X-J, Zhao ZC, Giorgi F (2002) Изменения экстремальных явлений в моделировании регионального климата в Восточной Азии. Adv Atmos Sci 19: 927–942

Gao X-J, Luo Y, Lin WT, Zhao ZC, Giorgi F (2003) Моделирование воздействия изменения землепользования на климат в Китае с помощью региональной климатической модели. Adv Atmos Sci 20: 583–592

Гао X-J, Xu Y, Zhao ZC, Pal JS, Giorgi F (2006) О роли разрешения и топографии в моделировании осадков в Восточной Азии. Theor Appl Climatol 86: 173–185

Gao X-J, Shi Y, Song R, Giorgi F, Wang Y, Zhang D (2008) Уменьшение будущих муссонных осадков над Китаем: сравнение моделирования RCM с высоким разрешением и управляющего GCM. Meteorol Atmos Phys. 100: 73–86.

Gao X-J, Shi Y, Giorgi F (2011) Моделирование изменения климата в Китае с высоким разрешением. Наука, Китай Наука о Земле 54 (3): 462–472

Gao X-J, Shi Y, Zhang D, Wu J, Giorgi F, Ji Z, Wang Y (2012) Неопределенности в прогнозах муссонных осадков над Китаем: результаты двух расчетов RCM с высоким разрешением. Clim Res 52: 213–226. https://doi.org/10.3354/cr01084

Гао X-J, Wang M-L, Giorgi F (2013) Изменение климата над Китаем в 21 веке, смоделированное с помощью BCC_CSM1.1-RegCM4.0. Atmos Oceanic Sci Lett 6: 381–386. https://doi.org/10.3878/j.issn.1674-2834.13.0029

Гао Ю., Сюй Дж., Чен Д. (2015) Оценка моделирования мезомасштабного климата WRF над Тибетским плато в период 1979–2011 гг. J Климат 28: 2823–2841

Gao X-J, Shi Y, Giorgi F (2016) Сравнение конвективных параметризаций в экспериментах RegCM4 над Китаем с CLM в качестве модели поверхности суши. Atmos Ocean Sci Lett. https://doi.org/10.1080/16742834.2016.1172938

Георгий Ф. (2006) Моделирование регионального климата: состояние и перспективы. Журнал Физики IV Франция 139: 101–118

Георгий Ф., Гутовски В.Дж. (2015) Динамическое масштабирование в регионах и инициатива CORDEX. Annu Rev Environ Resour 40: 467–490

Джорджи Ф., Маринуччи М.Р., Бейтс Г. (1993a) Разработка региональной климатической модели второго поколения (RegCM2). I. Пограничный слой и процессы переноса излучения. Mon Weather Rev 121: 2794–2813

Джорджи Ф., Маринуччи М.Р., Бейтс Дж., ДеКанио Дж. (1993b) Разработка региональной климатической модели второго поколения (RegCM2). II. Конвективные процессы и ассимиляция боковых граничных условий. Mon Weather Rev 121: 2814–2832

Джорджи Ф, Коппола Э, Солмон Ф, Мариотти Л., Силла М.Б., Би Х, Эльгинди Н, Диро GT, Наир В., Джулиани Дж., Турунчоглу У. У., Коццини С., Гюттлер I, О'Брайен Т.А., Тауфик А.Б., Шалаби А, Закей А.С., Штайнер А.Л., Стордал Ф., Л.К. Бранкович (2012) RegCM4: описание модели и предварительные тесты на нескольких доменах CORDEX. Climate Res 52: 7–29

Grell GA, Dudhia J, Stauffer DR (1994) Описание мезомасштабной модели Penn State / NCAR пятого поколения (MM5). NCAR Tech, Boulder (Примечание NCAR / TN-398 + STR), 121 стр.

Гу ХХ, Ван Г.Л., Ю З.Б., Мей Р., Тан Дж.П., Ван С.И. (2012) Оценка воздействия изменения климата на Восточную и Южную Азию с использованием региональной климатической модели RegCM4. Изменение климата 114 (7): 301–317

Гуо Дж, Хуанг Дж, Ван Х, Линь Кью (2017) Исследование будущих изменений количества осадков над Китаем с помощью ансамбля региональных климатических моделей с высоким разрешением. Будущее Земли. https://doi.org/10.1002/2016EF000433

Хан В., Чжай П., 2015: Три кластерных метода районирования температурных зон в Китае. Clim Environ Res, 20 (1): 111–118 (на китайском языке)

Holtslag AAM, Boville BA (1993) Локальная и нелокальная диффузия в пограничном слое в глобальной климатической модели. J Clim 6: 1825–1842

Holtslag AAM, De Bruijn EIF, Pan HL (1990) Модель преобразования воздушных масс с высоким разрешением для краткосрочного прогнозирования погоды. Mon Weather Rev 118: 1561–1575

Hu BY, Tang JP, Wang SY (2013) Оценка и прогноз экстремальных явлений над Китаем в соответствии со сценарием МГЭИК A1B с использованием модели MM5v3. Чин Дж. Геофиз 56 (7): 2195–2206 (на китайском)

Хуанг В-Р, Чан Дж.К.Л., Ау-Йунг АЙМ (2013) Моделирование регионального климата летних суточных колебаний осадков над Восточной Азией и Юго-Востоком Китая. Clim Dyn 40: 1625–1642. https://doi.org/10.1007/s00382-012-1457-2

Huang D, Zhu J, Zhang Y, Huang Y, Kuang X (2016) Оценка летних муссонных осадков, полученная на основе пяти наборов данных реанализа по Восточной Азии. QJR Meteorol Soc 142: 108–119. https://doi.org/10.1002/qj.2634

Хуэй П., Танг Дж., Ван С., Ву Дж., Кан Й., 2014 г .: Прогноз будущего климата в соответствии со сценарием МГЭИК A1B в районе истока реки Хуанхэ со сложной топографией с использованием RegCM3. J Geophys Res Atmos, 119 (11) 205–11222, https://doi.org/10.1002/2014JD021992

Hwang J-N, Lay S-R, Lippman A (1994) Непараметрическая многомерная оценка плотности: сравнительное исследование. IEEE Trans Signal Process 42 (10): 2795–2810

Ji Z, Kang S (2015) Оценка экстремальных климатических явлений с использованием региональной климатической модели для Китая. Int J Climtol 35: 888–902.

Кан Р.А., Гейтли Б.Дж., Мартончик Д.В., Дайнер Д.Д., Крин К.А., Холбен Б., 2005: Глобальная проверка оптической глубины аэрозолей с помощью многоугольного спектрорадиометра (MISR) на основе двухлетних совпадающих наблюдений с помощью сети Aerosol Robotic Network (AERONET). Журнал Geophys Res, 110, D10S04. https://doi.org/10.1029/2004JD004706

Кан Р.А., Гарай М.Дж., Нельсон Д.Л., Яу К.К., Булл М.А., Гейтли Б.Дж., Мартончик Дж.В., Леви Р.К. (2007) Оптическая глубина аэрозоля над темной водой, полученная со спутников MISR и MODIS: сравнение с AERONET и значение для климатологических исследований. Журнал Geophys Res 112: D18205. https://doi.org/10.1029/2006JD008175

Kang H-S, Hong S-Y (2008) Чувствительность моделируемой климатологии летнего муссона Восточной Азии к четырем схемам конвективной параметризации. J. Geophys Res 113: D15119. https://doi.org/10.1029/2007JD009692

Kang H-S, Cha D-H, Lee D-K (2005) Оценка совместной модели мезомасштабной модели / модели поверхности суши (MM5 / LSM) для моделирования летних муссонов в Восточной Азии. Журнал Geophys Res 110: D10105. https://doi.org/10.1029/2004JD005266

Киль Дж. Т., Хак Дж. Дж., Бонан Г. Б., Бовилл Б. А., Бриглеб Б. П., Уильямсон Д. Л., Раш П. Дж., 1996: Описание климатической модели сообщества NCAR (CCM3). NCAR Tech, Боулдер. 143 стр.

Кумар С.В., Райхле Р.Х., Петерс-Лидард С.Д., Костер Р.Д., Жан Х, Кроу В.Т., Эйландер Дж.Б., Хаузер П.Р. (2008) Структура ассимиляции данных о поверхности земли с использованием системы земельной информации: описание и приложения. Adv Water Resour 31: 1419–1432

Lee JW, Hong SY, Chang EC, Suh MS, Kang HS (2014) Оценка будущего изменения климата в Восточной Азии из-за сценариев RCP, уменьшенных GRIM-RMP. Clim Dyn 42 (3–4): 733–747.

Ли В., Го В., Сюэ И, Фу К., Цю Б. (2015) Чувствительность региональной климатической модели к схемам параметризации поверхности суши для моделирования летних муссонов в Восточной Азии. Clim Dyn. https://doi.org/10.1007/s00382-015-2964-8

Li Q, Wang S, Lee DK, Tang J, Niu X, Hui P, Gutowski WJ Jr, Dairaku K, McGregor JL, Katzfey J, Gao X, Wu J, Hong SY, Wang Y, Sasaki H (2016) Building Asian сценарий изменения климата по ансамблю мультирегиональных климатических моделей. Часть II: среднее количество осадков. Int J Climatol 36: 4253–4264

Лян X-Z, Чжан Ф. (2013) Система моделирования ансамбля облако-аэрозоль-излучение (CAR). Atmos Chem Phys 13: 8335–8364.

Liang X-Z, Kunkel KE, Samel AN (2001) Разработка региональной климатической модели для приложений Среднего Запада США. Часть 1: Чувствительность к обработке буферной зоны. J Clim 14: 4363–4378

Liang X-Z, Li L, Dai A, Kunkel KE (2004a) Моделирование региональной климатической модели суточного цикла летних осадков над Соединенными Штатами. Geophys Res Lett 31: L24208. https://doi.org/10.1029/2004GL021054

Liang X-Z, Li L, Kunkel KE, Ting M, Wang JXL (2004b) Моделирование региональной климатической модели осадков в США в период 1982–2002 годов. Часть 1: Годовой цикл. J Clim 17: 3510–3528

Liang X-Z, Choi H, Kunkel KE, Dai Y, Joseph E, Wang JXL, Kumar P (2005a) Граничные условия на поверхности для мезомасштабных региональных климатических моделей. Взаимодействие с Землей 9: 1–28

Liang XZ, Xu M, Gao W, Kunkel KE, Slusser J, Dai Y, Min Q, Houser PR, Rodell M, Schaaf CB, Gao F (2005b) Разработка основ параметризации альбедо земной поверхности на спектрорадиометре среднего разрешения (MODIS) данные. Журнал J. Geophys Res 110: D11107. https://doi.org/10.1029/2004JD005579

Лян X-Z, Xu M, Choi HI, Kunkel KE, Rontu L, Geleyn J-F, Müller MD, Joseph E, Wang JXL (2006) Разработка региональной модели климатических исследований и прогнозирования погоды (CWRF): обработка эффектов подсеточной топографии. В: Материалы 7-го ежегодного семинара пользователей WRF, Боулдер, Колорадо, 19–22 июня, 5 с.

Liang X-Z, Xu M, Kunkel KE, Grell GA, Kain J (2007) Моделирование региональной климатической модели летних осадков США и Мексики с использованием оптимального ансамбля из двух параметризаций кучевых облаков. J Clim 20: 5201–5207

Liang XZ, Xu M, Yuan X, Ling T, Choi HI, Zhang F, Chen L, Liu S, Su S, Qiao F, He Y, Wang JXL, Kunkel KE, Gao W, Joseph E, Morris V, Yu TW , Дудхия Дж., Михалакес Дж. (2012) Региональная модель климатических и погодных исследований и прогнозирования (CWRF). Bull Am Meteorol Soc 93: 1363–1387

Ling T-J, X-Z, Liang M, Xu Z, Wang, Wang B (2011) Многоуровневая модель смешанного слоя океана для двумерных приложений. Acta Oceanol Sin 33 (03): 1–10

Ling T-J, Xu M, Liang X-Z, Wang JXL, Noh Y (2015) Многоуровневая модель смешанного слоя океана, разрешающая суточный цикл: разработка и проверка. J Adv Model Earth Syst 7: 1680–1692

Лю С., Лян Х-З, Гао В., Чжан Х. (2008) Применение модели исследования и прогнозирования климата и погоды (CWRF) в Китае: оптимизация предметной области. Китайский журнал J Atmos Sci 32: 457–468

Лю С., Гао В., Сюй М., Ван Х, Лян Х-З (2009) Моделирование региональной климатической модели летних осадков в Китае с использованием оптимального ансамбля схем параметризации кучевых облаков. Front Earth Sci 3 (2): 248–257. https://doi.org/10.1007/s11707-009-0022-8

Лю С., Лян Х-З, Гао В., Хе И, Лин Т. (2011) Моделирование региональной климатической модели летнего наводнения в Китае 1998 года: зависимость от начальных и боковых граничных условий. Open Atmos Sci J 5: 96–105

Лю С., Гао В., Лян X-Z (2013). Региональная климатическая модель, уменьшающая проекцию будущего изменения климата в Китае. Clim Dyn 41: 1871–1884. https://doi.org/10.1007/s00382-012-1632-5

Лю Д., Ван Г, Мей Р., Ю З, Гу Х (2014) Диагностика силы связи суша-атмосфера в субсезонных и сезонных временных масштабах в Азии. Журнал Гидрометеорол 15: 320–339.

Лю С., Ван JXL, Лян X-Z, Моррис В., Файн С.С. (2016) Гибридный подход для улучшения навыков сезонного прогнозирования климата в США в региональном масштабе. Clim Dyn 46: 483–494

Ма Дж. Х., Ван Х. Дж., Фан К. (2015) Динамическое масштабирование прогнозов летних осадков над Китаем в 1998 г. с использованием WRF и CCSM4. Adv Atmos Sci 32 (5): 577–584

Марселла М.П., ​​Эльтахир Э.А.Б. (2012) Моделирование летнего климата Юго-Западной Азии: роль поверхностных процессов в формировании климата полузасушливых регионов. J Clim 25: 704–719

Мирнс Л.О., Арритт Р.В., Бинер С., Буковски М., МакГиннис С., Саин С., Кайя Д., Коррейя Дж., Флори Д., Гутовски В.Дж., Такле Е.С., Джонс Р., Леунг Р., Муфума-Окия В., МакДэниел Л., Нунес АМБ, Цянь Ю., Роудс Дж. О., Слоан Л., Снайдер М. (2012) Североамериканская региональная программа оценки изменения климата: Обзор результатов фазы I. Bull Am Meteorol Soc 93: 1337–1362

Никулин Г., Джонс С., Джорджи Ф., Асрар Г., Бюхнер М., Сересо-Мота Р., Кристенсен О. Б., Деке М., Фернандес Дж., Хэнслер А., ван Мейгаард Е., Самуэльссон П., Силла М. Б., Сушама Л. (2012) Климатология осадков в ансамбль моделирования регионального климата CORDEX-Africa. J Clim 25: 6057–6078

Niu X, Wang S, Tang J, Lee D-K, Gao X, Wu J, Hong S, Gutowski WJ, McGregor J (2015) Мультимодельная ансамблевая проекция осадков в восточном Китае при сценарии выбросов A1B. J Geophys Res Atmos 120: 9965–9980

Oh S-G, Park J-H, Lee S-H, Suh M-S (2014) Оценка RegCM4 над Восточной Азией и будущее изменение осадков, адаптированное к сценариям RCP. Журнал Geophys Res Atmos 119: 2913–2927. https://doi.org/10.1002/2013JD020693

Олесон К.В., Лоуренс Д.М., Бонан Б.Б., Древняк Б., Хуанг М., Ковен С.Д., Левис С., Ли Ф., Райли В.Дж., Субин З.М., Свенсон С.К., Торнтон П.Е., Бозбийик А., Фишер Р., Хилд С.Л., Клузек Е., Ламарк Дж.Ф. , Лоуренс П.Дж., Люн Л.Р., Липскомб В., Мусала С., Риччиуто Д.М., Сакс В., Сан Й., Тан Дж., Ян З.Л. (2013) Улучшения модели общинных земель и их влияние на гидрологический цикл. Техническая записка NCAR, Боулдер, (NCAR / TN-503 + STR), 420 стр.

Pal JS, Small EE, Eltahir EAB (2000) Моделирование водных и энергетических бюджетов регионального масштаба: представление подсеточных облаков и процессов выпадения осадков в RegCM. J Geophy Res 105: 29579–29594

Пал Дж. С., Джорджи Ф., Би Икс, Эльгинди Н., Солмон Ф., Гао Х, Раушер С. А., Франциско Р., Закей А., Винтер Дж., Ашфак М., Сайед Ф. С., Белл Д. Л., Диффенбо Н. С., Кармачарья Дж., Конаре А., Мартинес Д. , да Роша Р.О., Слоан Л.К., Стейнеранд А.Л. (2007) Моделирование регионального климата для развивающихся стран: ICTP RegCM3 и RegCNET. Bull Am Meteorol Soc 88: 1395–1409

Парк С., Бретертон С.С. (2009) Схемы мелкой конвекции и влажной турбулентности Вашингтонского университета и их влияние на моделирование климата с помощью модели атмосферы сообщества. J Climate 22: 3449–3469

Qiao F, Liang X-Z (2015) Влияние параметризации кучевых облаков на прогнозы летних паводков в центральной части США. Clim Dyn 45: 727–744

Qiao F, Liang X-Z, 2016a: Влияние закрытия параметризации кучевых облаков на моделирование летних осадков над прибрежными океанами Соединенных Штатов. J Adv Model Earth Syst, https://doi.org/10.1002/2015MS000621

Qiao F, Liang X-Z (2016b) Влияние закрытия параметризации кучевых облаков на моделирование летних осадков над континентальной частью США. Clim Dyn. https://doi.org/10.1007/s00382-016-3338-6

Reynolds RW, Smith TM, Liu C, Chelton DB, Casey KS, Schlax MG (2007) Ежедневный смешанный анализ с высоким разрешением для температуры поверхности моря. J Clim 20: 5473–5496

Rinke A, Dethloff K, Cassano JJ, Christensen JH, Curry JA, Du P, Girard E, Haugen JE, Jacob D, Jones CG, ltzow MK, Laprise R, Lynch AH, Pfeifer S, Serreze MC, Shaw MJ, Tjernström M , Wyser K, agar M (2006) Оценка ансамбля региональных климатических моделей Арктики: Пространственно-временные поля в течение года SHEBA. Clim Dyn 26: 459–472

Roads J, Chen S, Cocke S, Druyan L, Fulakeza M, LaRow T, Lonergan P, Qian JH, Zebiak S (2003) Сравнение региональных моделей Международного исследовательского института / центров прикладных исследований (IRI / ARC) по Южной Америке. Журнал Geophys Res 108 (D14): 4425. https://doi.org/10.1029/2002JD003201

Rontu L (2006) Исследование параметризации связанных с орографией потоков импульса в модели ЧПП синоптического масштаба. Теллус 58: 69–81

Sato T, Xue Y (2013) Проверка возможности масштабирования региональной климатической модели для летней муссонной межгодовой изменчивости в Восточной Азии. Clim Dyn 41: 2411–2426

Shi Y, Gao XJ, Wang YG et al (2009) Моделирование и проекция муссонных дождей и режима дождя над восточным Китаем в условиях глобального потепления с помощью RegCM3. Atmos Oceanic Sci Lett 2: 308–313

Ши П.Дж., Сунь С., Ван М., Ли Н, Ван Дж.А., Цзинь Й.Й., Гу XT, Инь В.Х. (2014) Регионализация изменения климата в Китае (1961–2010). Sci China: Earth Sci 44 (10): 2294–2306. https://doi.org/10.1007/s11430-014-4889-1 (на китайском)

Skamarock WC, Klemp JB, Dudhia J, Gill DO, Barker DM, Duda MG, Huang XY, Wang W, Powers JG (2008) Описание расширенного исследования WRF версии 3. NCAR Technical, Boulder, (Примечание, NCAR / TN -475 + STR), 113 п.

Субин З.М., Райли В.Дж., Миронов Д. (2012) Улучшенная модель озера для моделирования климата. J Adv Model Earth Syst 4: M02001. https://doi.org/10.1029/2011MS000072

Сан Й, Соломон С., Дай А., Портманн Р. В. (2006) Как часто идет дождь? J Климат 19: 916–934

Тан Дж., Ли Кью, Ван С., Ли Д.К., Хуэй П., Ню Х, Гутовски В.Дж., Дайраку К., Макгрегор Дж., Кацфей Дж. (2016) Построение азиатского сценария изменения климата с помощью ансамбля мультирегиональных климатических моделей. Часть I: температура приземного воздуха. Int J Climatol 36: 4241–4252

Тао В.К., Симпсон Дж., Бейкер Д., Браун С., Чжоу М.Д., Феррье Б., Джонсон Д., Хаин А., Ланг С., Линн Б., Ши К.Л., Старр Д., Суи К.Х., Ван Й., Ветцель П. (2003) Микрофизика, излучение и поверхностные процессы в модели ансамбля кучевых облаков Годдарда (GCE). Meteor Atmos Phys., 82, 97–137.

Taylor KE (2001) Обобщение нескольких аспектов производительности модели на одной диаграмме. J Geophys Res 106: 7183–7192

Tiedtke M (1989) Комплексная схема потока массы для параметризации кучевых облаков в крупномасштабных моделях. Mon Wea Rev 117: 1779–1800

Trenberth KE, Shea DJ (2005) Взаимосвязь между осадками и температурой поверхности. Geophys Res Lett 32: L14703. https://doi.org/10.1029/2005GL022760

Ван И, Сен О.Л., Ван Б. (2003) Модель регионального климата с высоким разрешением (IPRC-RegCM) и ее моделирование сильных осадков 1998 года над Китаем. Часть I: Описание модели и проверка моделирования. J Климат 16: 1721–1738

Ван Д., Менз С., Саймон Т., Симмер С., Олвейн С. (2013) Региональное динамическое масштабирование с помощью CCLM по Восточной Азии. Meteorol Atmos Phys. 121 (1-2): 39-53.

Wang X, Tang J, Niu X, Wang S (2015) Оценка осадков и температуры приземного воздуха над Китаем с помощью региональных климатических моделей. Front Earth Sci. https://doi.org/10.1007/s11707-015-0548-x

Wu J, Gao X-J (2013) набор данных ежедневных наблюдений по сетке над регионом Китая и сравнение с другими наборами данных. Китайский журнал J Geophys 56 (4): 1102–1111. https://doi.org/10.6038/cjg20130406

Wu J, Gao X-J, Xu Y-L, Pan J (2015) Анализ изменения регионального климата и неопределенности на основе четырех симуляций региональной климатической модели над Китаем. Atmos Oceanic Sci Lett 8 (3): 147–152

Wu F-T, Wang S-Y, Fu C-B, Qian Y, Gao Y, Lee D-K, Cha D-H, Tang J-P, Hong S-Y (2016) Оценка и прогноз экстремальных летних осадков над Восточной Азией в рамках проекта сравнения региональных моделей. Clim Res 69: 45–58

Сюй К.М., Рэндалл Д.А. (1996) Полуэмпирическая параметризация облачности для использования в климатических моделях. J Atmos Sci 53: 3084–3102

Xu M, Liang X-Z, Samel A, Gao W. (2014) согласованные спецификации параметров растительности MODIS и их влияние на моделирование регионального климата. J Climate 27: 8578–8596

Xue Y, Janjic Z, Dudhia J, Vasic R, De Sales F (2014) Обзор регионального динамического масштабирования в межсезонном и сезонном моделировании / прогнозировании и основных факторов, которые влияют на возможность масштабирования. Atmos Res 147–148: 68–85

Ян Х, Ван Б., Ван Б. (2012) Снижение систематических предубеждений при масштабировании регионального климата за счет воздействия на ансамбль. Clim Dyn 38: 655–665

Yang H, Jiang Z, Li L (2016) Предубеждения и улучшения в трех динамических моделях климата с уменьшением масштаба над Китаем. Clim Dyn. https://doi.org/10.1007/s00382-016-3023-9

Yu ET, Wang HJ, Sun JQ (2010) Краткий отчет о динамическом моделировании масштабирования по Китаю с использованием вложенной модели. Atmos Oceanic Sci Lett 3: 325–329

Yu ET, Sun J, Chen H, Xiang W (2015) Оценка исторического моделирования с высоким разрешением над Китаем: климатология и экстремальные явления. Clim Dyn 45: 2013–2031 гг.

Юань X, Лян X-Z (2011a) Оценка модели конъюнктивного поверхностно-подповерхностного процесса (CCSP) над прилегающей территорией Соединенных Штатов в регионально-локальном масштабе. J Гидрометеорология 12: 579–599

Юань X, Лян X-Z (2011b) Улучшение прогнозов осадков в холодный сезон с помощью вложенной системы CWRF-CFS. Geophys Res Lett 38: L02706. https://doi.org/10.1029/2010GL046104

Юань X, Лян X-Z, Wood EF (2012) Ансамбль WRF, понижающий масштаб сезонных прогнозов зимних осадков в Китае в период 1982–2008 годов. Clim Dyn 39: 2041–2058.

Zeng X, Zhao M, Dickinson RE (1998) Взаимное сравнение алгоритмов объемной аэродинамики для расчета потоков морской поверхности с использованием данных TOGA COARE и TAO. J Climate 11: 2628–2644

Zeng M-J, Lu W-S, Liang X-Z, Wang X-L (2008) Эксперимент по ансамблевому прогнозу осадков летом с помощью числовой модели CWRF. Метеорология плато 27 (6): 1–11

Zeng X-M, Wang M, Zhang Y, Wang Y, Zheng Y (2016) Оценка влияния пространственного разрешения на региональную климатическую модель, имитирующую летнюю температуру и осадки в Китае: тематическое исследование. Adv Meteorol 7639567: 12

Zhang Y, Xu Y, Dong W, Cao L, Sparrow M (2006) Будущий климатический сценарий региональных изменений в экстремальных климатических явлениях над Китаем с использованием климатической модели PRECIS. Geophys Res Lett 33: L24702. https://doi.org/10.1029/2006GL027229

Zhang F, Liang X-Z, Li J, Zeng Q (2013) Доминирующие роли подсеточных облачных структур в разнообразии моделей радиационных эффектов облаков. J Geophys Res 118: 7733–7749

Чжао Д.М. (2012) Эффективность региональной интегрированной системы моделирования окружающей среды (RIEMS) при моделировании температуры приземного воздуха над Восточной Азией. Atmos Ocean Sci Lett 5: 145–150

Чжао Д.М. (2013) Эффективность региональной интегрированной системы моделирования окружающей среды (RIEMS) при моделировании осадков над Восточной Азией. Clim Dyn 40 (7–8): 1767–1787.

Чжао Г., Джироламо Л.Д., Дей С., Джонс А.Л., Булл М. (2009) Исследование прямого загрязнения кучевыми облаками на оптической глубине аэрозоля, полученной с помощью MISR, и коэффициенте ангстрем над океаном. Geophys Res Lett 36: L13811. https://doi.org/10.1029/2009GL038549

Zheng JY, Bian JJ, Ge QS, Hao ZX, Yin YH, Liao YM (2013) Климатическая регионализация в Китае в 1981–2010 годах (на китайском языке). Chin Sci Bull 58: 3088–3099. https://doi.org/10.1360/972012-1491

Zhu J, Huang D-Q, Yan P-W, Huang Y, Kuang X-Y (2016) Могут ли наборы данных повторного анализа описать постоянные экстремальные температуры и экстремальные осадки над Китаем? Theor Appl Climatol. https://doi.org/10.1007/s00704-016-1912-9

Zou LW, Zhou TJ (2011) Чувствительность региональной модели, связанной с атмосферой и океаном, к параметризации конвекции в западной части северной части Тихого океана. Журнал J Geophys Res 116: D18106. https://doi.org/10.1029/2011JD015844

Zou LW, Zhou TJ (2013a) Изменения количества летних осадков в ближайшем будущем (2016–40 гг.) Над Китаем в соответствии с прогнозом региональной климатической модели (RCM) в рамках сценария выбросов RCP8.5: Сравнение между масштабированием RCM и ведущим GCM. Adv Atmos Sci 30 (3): 806–818

Zou LW, Zhou TJ (2013b) Может ли региональная модель, связанная с атмосферой и океаном, улучшить моделирование межгодовой изменчивости летнего муссона в западной части северной части Тихого океана? Adv Atmos Sci 30 (3): 806–818

Zou LW, Zhou TJ, Li L, Zhang J (2010) Изменчивость количества осадков летом в Восточном Китае в 1958–2000 годах: динамическое масштабирование с помощью AGCM с переменным разрешением. J Clim 23: 6394–6408

Zou LW, Qian Y, Zhou TJ, Yang B (2014) Настройка параметров и калибровка RegCM3 с использованием схемы параметризации кучевых облаков MIT – Emanuel в домене CORDEX в Восточной Азии. J Climate 27: 7687–7701

Zou LW, Zhou TJ, Peng D (2016) Динамическое масштабирование исторического климата в области CORDEX в Восточной Азии: сравнение региональной модели, связанной с атмосферой и океаном, с автономным моделированием RCM. Журнал J Geophys Res 121: 1442–1458


Заключение

Лучевая терапия - важный метод лечения пациентов со злокачественными новообразованиями грудной клетки. Чтобы правильно интерпретировать результаты визуализационного исследования, радиологи должны быть знакомы с современными технологиями доставки излучения, а также с результатами радиационно-индуцированной визуализации, которые можно увидеть в легких, средостении и грудной клетке.

Раскрытие информации о конфликте интересов.Д.Г.Действия, связанные с данной статьей: не раскрыло никаких взаимосвязей. Действия, не относящиеся к данной статье: Консультант консультативного совета Merck и AstraZeneca, грант или гранты ожидаются от Merck и AstraZeneca, оплата лекций от BMS, Varian и Reflexion. Другие занятия: не раскрыло никаких соответствующих отношений. B.W.C.Действия, связанные с данной статьей: не раскрыло никаких соответствующих отношений. Действия, не относящиеся к данной статье: гонорары за книги от Elsevier. Другие занятия: не раскрыло никаких соответствующих отношений. E.M.M.Действия, связанные с данной статьей: не раскрыло никаких соответствующих отношений. Действия, не относящиеся к данной статье: оплата лекций от Bristol-Myers Squibb и Boehringer Ingelheim. Другие занятия: не раскрыло никаких соответствующих отношений.


4 Исторические симуляции

4.1 Глобальная средняя температура поверхности, среднее состояние климата и сезонный цикл

Средняя глобальная приземная (2 м) температура воздуха является ключевым показателем для оценки характеристик климатической модели при моделировании исторических и будущих изменений климата. На рисунке 11a представлено сравнение смоделированных и наблюдаемых временных рядов глобальных средних приземных температур (SAT) и SST, показывающих, что обе температуры находятся в гораздо более близком соответствии с наблюдениями в HR, чем в LR. В частности, смоделированная SST в HR находится между двумя наборами данных долгосрочных наблюдений SST, HadISST2 (Titchner & Rayner, 2014) и ERSSTv5 (Huang et al., 2017), где первый теплее примерно на 0,3-0,4 ° C, чем последний. Моделирование HR SAT показывает еще более впечатляющее согласие с наблюдаемой температурой поверхности GISTEMPv4 (Lenssen et al., 2019). Напротив, глобальные средние значения SST и SAT в LR примерно на 1,0 ° C холоднее, чем в HR и наблюдениях. Глобальное среднее значение SST (SAT), усредненное за период 1870–2019 (1880–2019), составляет 18,26 ° C (14,04 ° C) для HadISST2 (GISTEMPv4), 17,89 ° C для ERSSTv5, 18,13 ° C (14,04 ° C) для HR. и 17,03 ° C (12,44 ° C) для LR соответственно. Среднеквадратичная ошибка (RMSE) HR SST (SAT) составляет 0,18 ° C (0,16 ° C) относительно HadISST2 (GISTEMPv4) и 0,27 для ERSSTv5, в то время как соответствующее RMSE LR SST (SAT) составляет 1,23 ° C. (1,61 ° C) для HadISST2 (GISTEMPv4) и 0,87 ° C для ERSSTv5 соответственно. Более холодный SST в LR не может быть просто объяснен разницей в чистом потоке тепла с поверхности в океан между HR и LR, потому что глобально усредненный чистый поток тепла с поверхности в океан в HR имеет значение -0,06 Вт · м -2 по сравнению с +0,26 Вт м -2 в LR за период 1877–2018 гг. (Поскольку поверхностные тепловые потоки выходили с 1877 г.), что указывает на то, что в LR перекачивается больше тепла, чем в HR. Следовательно, более теплая ТПМ в ЧСС может быть объяснена только различиями в океанических процессах между ЧСС и ЛП.

Мы предполагаем, что более теплая ТПМ в ЧСС, вероятно, вызвана усилением восходящего вертикального переноса тепла (OVHT) в верхних слоях океана. OVHT состоит из вертикального турбулентного переноса тепла и вертикального переноса тепла средними токами и вихрями. Как в HR, так и в LR, вертикальный турбулентный перенос тепла параметризуется с помощью параметризации K-профиля (KPP, Large et al., 1994). Однако вихревой вертикальный перенос тепла в HR и LR рассчитывается по-разному. В HR он вычисляется явно, тогда как в LR он неявно вычисляется с помощью параметризации мезомасштабных вихрей (GM, Gent & Mcwilliams, 1990) и параметризации субмезомасштабных вихрей (Fox-Kemper et al., 2008). Как указывает Гриффис и др. (2015), «мезомасштабные водовороты переносят тепло вверх, частично компенсируя (или компенсируя) нисходящий перенос тепла средними по времени токами». Следовательно, любые различия в явном и параметризованном вихревом вертикальном переносе тепла могут иметь значительное влияние на чистый OVHT. Гриффис и др. (2015) показывают, что чистый восходящий вертикальный перенос тепла средними течениями и вихрями (включая параметризованный субмезомасштабный вихревой перенос тепла в их моделях) в пределах верхних 50 м увеличился до

1,6 PW в модели 0,1 ° GFDL CM2.6, которая явно разрешает мезомасштабные вихри от

0,2 PW в модели 1,0 ° GFDL CM2.0, которая не разрешает вихри и вычисляет мезомасштабный вихревой перенос тепла с использованием параметризации GM (см. Рисунок 12 из Griffies et al., 2015). Предполагается, что именно это увеличение восходящей OVHT из-за явного, а не параметризованного вихревого переноса тепла является ключевым фактором, способствующим более теплой SST в HR, чем в LR.

На рис. 11b показаны временные ряды смоделированных и наблюдаемых аномалий средней глобальной приземной температуры относительно 30-летней средней температуры за базовый период 1951–1980 гг. Несмотря на значительный холодный сдвиг в LR, моделируемые временные изменения аномалий глобальной средней приземной температуры воздуха в HR и LR удивительно хорошо согласуются с длительными записями наблюдаемой приземной температуры воздуха. Прогнозируемые глобальные SAT в LR и HR также тесно связаны друг с другом. Однако это не означает, что в прогнозируемых SAT нет серьезных региональных различий. Мы обсудим эти региональные различия в разделе 5.1.

Хотя глобальное среднее значение SST в HR хорошо согласуется с наблюдениями с точки зрения средней разницы и показателей RMSE, все же существуют значительные региональные отклонения. Например, ТПМ вдоль Куросио и продолжения Гольфстрима, а также на фронтах Южного океана теплее, чем наблюдаемые (рис. 12b). Сильный теплый сдвиг, превышающий 3 ° C вдоль продолжения Гольфстрима, обнаружен в районе Северного круговорота рециркуляции как в HR, так и в LR (рис. 12a), предполагая, что оба моделирования страдают от превышения Гольфстрима, что приводит к проблеме Североатлантическое течение слишком зонально в модели. Однако по сравнению с LR смещение SST в HR, особенно смещение холода вдоль Гольфстрима, значительно снижено (Рисунок 12c). Тем не менее, увеличение разрешения океана с 1 ° до 0,1 ° по шкале ЧСС существенно не улучшает моделирование системы Гольфстрима и Североатлантического течения. Этот результат согласуется с недавним сравнительным исследованием моделей океана, которое показывает, что во многих моделях аналогичное увеличение горизонтального разрешения не устраняет смещения моделей в представлении Гольфстрима и Североатлантического течения (Chassignet et al., 2020). Помимо теплых смещений, холодные смещения преобладают над тропической Атлантикой и восточной тропической частью Тихого океана в ЧСС с амплитудой до 1 ° C. Смещение холода особенно ярко выражено над тропической Атлантикой и потенциально может оказать негативное влияние на моделирование Атлантического ТЦ (например, Hsu et al., 2019). Прямое сравнение между SST в HR и LR ясно показывает, что SST теплее в HR, чем в LR почти везде, кроме режимов вдоль восточной границы, таких как Калифорнийское течение, Перу-Чили и системы апвеллинга Бенгела, где теплые смещения в LR уменьшаются в ЧСС (Рисунок 12c). Механизм уменьшения теплого смещения вдоль режимов восточной границы обсуждался Small et al. (2014, 2015), которые демонстрируют, что улучшенное моделирование атмосферных низкоуровневых прибрежных струй за счет увеличения разрешения атмосферной модели является основной причиной уменьшения систематической ошибки. Другой отличительной особенностью карты различий HR-LR SST является тот факт, что сильное относительное потепление имеет тенденцию происходить вдоль регионов с сильными вихрями, включая Куросио и продолжение Гольфстрима, Бразильско-Мальвинское течение, Агульясское течение и ACC, что соответствует некоторым моделирование с высоким разрешением (например, Gutjahr et al., 2019). Этот вывод подтверждает гипотезу о том, что более теплые ТПМ в HR могут быть частично связаны с различием между явными и параметризованными тепловыми потоками океанических вихрей в HR и LR.

На рисунках 12d и 12f сравниваются среднегодовые погрешности осадков в HR и LR, рассчитанные относительно климатологии GPCPv2.3 (Adler et al., 2018) за период 1979–2018 годов. Среднее глобальное количество осадков составляет 1,95 мм d -1 для HR, 1,85 мм d -1 для LR и 1,72 мм d -1 в GPCPv2.3. Среднеквадратичное значение осадков составляет 6,53 мм d -1 для HR и 4,39 мм d -1 для LR относительно GPCPv2.3. Таким образом, общие систематические ошибки по осадкам усугубляются увеличением разрешения. Однако общая картина смещения аналогична для HR и LR (рисунки 12d и 12f), и оба демонстрируют двойное смещение ITCZ, за исключением того, что это смещение снижено по сравнению с восточной тропической частью Тихого океана в HR, что согласуется с предыдущим CESM1.1. результаты моделирования Small et al. (2014). Также аналогично открытию Small et al. (2014), количество осадков на севере ITCZ ​​в HR слишком велико, что указывает на сверхактивную ячейку Хэдли в HR. Есть также некоторые признаки того, что положение ITCZ ​​смещено по шкале HR на север, особенно над тропической Атлантикой (рис. 12f). Еще одно видимое различие в среднегодовых осадках между HR и LR - это увеличение количества осадков вдоль основных океанических фронтальных зон, таких как Куросио и продолжение Гольфстрима, Бразильско-Мальвинское течение, Агульясское течение и ACC, где теплее. SST видны в HR (рисунки 12c и 12f), что согласуется с выводом Kirtman et al. (2012). На некоторых континентальных территориях, таких как бассейн Амазонки, количество осадков значительно увеличивается в HR, что снижает региональную засушливость в LR. Другими регионами, в которых смещение по количеству осадков снижено в HR, являются западные США, а также центральный и западный Китай, где существует погрешность в отношении влажности как в HR, так и в LR. В целом, среднее глобальное количество осадков в ЧСС увеличивается на относительно небольшую величину (

5%) по сравнению с LR, несмотря на то, что HR значительно выше, чем LR (Рисунок 12c). Однако разделение параметризованных конвективных осадков и разрешенных крупномасштабных осадков показывает значительную разницу между HR и LR. В LR около 67% общего количества осадков приходится на конвективные осадки, в то время как в HR это число падает до 49%. Следовательно, наблюдается увеличение разрешенных крупномасштабных осадков в результате увеличения разрешения модели с 33% в LR до 51% в HR (Рисунок 13). Эти результаты согласуются с некоторыми недавними исследованиями, показывающими, что повышение разрешающей способности атмосферной модели может привести к увеличению разрешенных крупномасштабных осадков, способствуя увеличению количества экстремальных осадков (Куперман и др., 2018 О'Брайен и др., 2016 Раушер и др., 2016). Rauscher et al. (2016) утверждают, что усиление крупномасштабных осадков по мере уменьшения шага сетки обусловлено увеличением силы восходящего потока в зависимости от разрешения. Это различие в разделении конвективных и крупномасштабных осадков имеет значение для моделирования экстремальных явлений в HR и LR, как будет обсуждаться позже.

В дополнение к разнице в среднем климатическом состоянии, существует заметная разница между сезонным циклом ТПМ в ЧСС и ЛП, измеренным по размаху сезонного цикла (Рисунок 14). Это значение размаха до пика получается путем первого расчета месячной климатологии ТПМ в каждой точке сетки океана за период 1870–2018 годов, а затем определения самого теплого и самого холодного ТПО и значений до и после самого теплого и самого холодного месяца в климатологии. и, наконец, вычисление разницы между средним значением ТПМ трех теплых месяцев и трех ТПМ холодных месяцев. Очевидно, что во многих частях Мирового океана, особенно в Южном океане, сезонная вариация ТПО ослаблена более чем на 50% из-за увеличения горизонтального разрешения модели. Глобально усредненная сезонная вариация ТПО от пика до пика составляет 2,96 ° C для HR и 3,19 ° C для LR, соответственно. Более слабый сезонный цикл ТПО в ЧСС лучше согласуется с наблюдениями, особенно в Южном океане (рис. 14d и 14e). Глобально усредненное среднеквадратичное отклонение сезонной вариации ТПМ от пика до пика в HR и LR относительно HadISST2 составляет 0,78 ° C и 0,82 ° C, соответственно. Мы также вычислили амплитуду сезонного цикла SST, используя гармонический анализ, и результаты согласуются с анализом, показанным здесь. Этот улучшенный сезонный цикл SST в HR может быть частично связан с улучшением модели MLD, о которой будет сказано далее.

MLD, как индикатор степени вертикального перемешивания океана, является важной переменной в исследованиях климата, воздействуя на взаимодействие между воздухом и морем и поглощение тепла, а также влияя на сезонный цикл таких полей, как SST. Мы сравниваем смоделированные и наблюдаемые MLD, используя определение, описанное в Large et al. (1997), который определяет наименьшую глубину, на которой локальный градиент плотности такой же сильный, как и наибольший градиент объемной плотности (значение наибольшего градиента плотности от поверхности до некоторой глубины). Хотя существуют и другие определения MLD (например, метод и обзор см. В Holte & Talley, 2009), мы считаем этот метод градиента плотности полезным подходом для сравнения моделей и наблюдений по сезонам, отмечая, что Whitt et al. (2019) применили тот же метод к данным Арго, которые мы используем в качестве эталона наблюдений.

На рисунке 15 показано сравнение MLD между оценками, основанными на HR, LR и Argo. Период, использованный для моделирования и наблюдений MLD, составляет 2006–2020 и 2004–2017 годы, соответственно. Несколько разные периоды, рассматриваемые в сравнении, связаны с тем, что MLD не был сохранен должным образом для HR до 2006 года, а данные Арго доступны с 2004 по 2017 год. Летом (определяется как июль-август-сентябрь [JAS] и январь-февраль- Мартовское [JFM] среднее значение для NH и SH, соответственно, представляющее задержку между солнечным воздействием и реакцией океана), MLD обычно мелкая (от нескольких метров до 100 м), а в средних широтах в основном определяется сезонными и суточными циклами солнечная инсоляция и сила ветрового (и волнового) воздействия. Некоторые из самых глубоких MLD летом находятся в Южном океане под траекторией атмосферного шторма, который намного сильнее, чем траектория летнего шторма NH. HR имеет тенденцию улавливать эти более глубокие смешанные слои более реалистично, чем LR (Рисунок 15 слева), возможно, из-за улучшенной траектории шторма из-за увеличения разрешения атмосферы. Более глубокая MLD приводит к меньшему сезонному циклу SST.

Более существенные различия между ЧСС и ЛП наблюдаются в зимний период. Зимняя MLD (JFM и JAS для NH и SH, соответственно) в средних и высоких широтах обусловлена ​​сложным взаимодействием потери плавучести на поверхности, сильных ветров и волн и подвержена влиянию адвекции океанских течений и водоворотов, а также водоворотов. наличие градиентов ТПО. К северу от субантарктического фронта в Южном океане в результате сильной потери тепла с поверхности образуются глубокие смешанные слои. Потери тепла на поверхности обычно лучше представлены в моделях с более реалистичными фронтами SST, такими как HR. Кроме того, сильное смещение свежей поверхности в LR снижается (но не устраняется) в HR из-за изменений путей переноса солености (улучшения ретрофлексии Agulhas и т. Д.). Как следствие, очень мелкий смешанный слой в субантарктической зоне находится в LR, в то время как HR фиксирует основные особенности, наблюдаемые при наблюдениях (Рисунок 15, справа). Еще одна отличительная особенность HR - очень глубокие MLD вдоль южного края круговорота Уэдделла (рис. 15e), который связан с полыньями. Другие глубокие MLD наблюдаются вокруг северного и восточного края субполярного круговорота Северной Атлантики, включая Лабрадорское море и Гренландско-Исландско-Норвежское (GIN) моря во время северной зимы. LR имеет тенденцию иметь слишком глубокие MLD в слишком широкой области (Рисунок 15 справа), тогда как HR имеет более ограниченную область менее глубоких MLD, которые находятся в разумном согласии с наблюдениями. Это особенно верно в случае Лабрадорского моря, где океанские водовороты имеют решающее значение для определения места глубокого перемешивания (глубокое перемешивание происходит только вдали от сильных водоворотов, которые действуют для ограничения толщи воды), вызывая самое глубокое перемешивание только в небольшом участок на юго-западе Лабрадорского моря. Это видно в наблюдениях и HR, но не в LR.

Смоделированные среднегодовые концентрации морского льда в HR и LR показаны на рисунке 16 вместе с наблюдаемой концентрацией морского льда из Национального центра данных по снегу и льду (NSIDC Cavalieri et al., 1996) в NH и SH за период. 1979–2018 гг. В целом, HR склонны недооценивать концентрацию морского льда больше, чем LR в обоих полушариях. Это особенно очевидно вдоль южного круговорота Уэдделла, где язык области низкой сплоченности морского льда напоминает полыньи, показанные на Рисунке 3b. Это согласуется с выводом о том, что HR имеет сверхактивную полынью в круговороте Уэдделла (в период 1976–2015 гг. Полынья наблюдалась редко). Напротив, LR переоценивает концентрацию морского льда вдоль южного круговорота Уэдделла, что согласуется с отсутствием полыней в LR. Недооценка морского льда в HR дополнительно подтверждается сезонным циклом протяженности морского льда, показанным на нижних панелях рисунка 16. В NH амплитуда сезонного цикла протяженности морского льда хорошо моделируется как HR, так и LR. , но HR имеет отрицательное среднее смещение, которое соответствует 20% недооценке протяженности морского льда. В SH, однако, HR показывает не только отрицательное среднее смещение, но и недооценку амплитуды сезонного цикла. В целом согласие между LR и наблюдениями лучше. Однако большая протяженность морского льда в LR, вероятно, связана с более низкими температурами поверхности по сравнению как с HR, так и с наблюдениями. Тем не менее, существует значительная переоценка протяженности морского льда почти на 50% в течение южного лета в LR, и ни LR, ни HR не могут должным образом моделировать быструю скорость уменьшения площади морского льда во время сезона таяния SH. Различия в моделировании морского льда NH и SH между HR и LR могут иметь важное значение для степени полярного усиления, моделируемого двумя моделями в ответ на прогнозируемое антропогенное воздействие, которое будет дополнительно обсуждаться в разделе 5.1.

4.2 Режимы изменчивости климата

Тремя наиболее доминирующими режимами изменчивости климата в межгодовых и многодекадных временных масштабах, основанных на доступных длительных исторических записях ТПО, являются Эль-Ниньо-Южное колебание (ENSO), Тихоокеанское десятилетнее колебание (PDO) и AMV (Tung et al., 2019). Мы исследуем точность HR и LR HF-TNST в воспроизведении этих наблюдаемых режимов изменчивости климата.

ЭНСО - это наиболее доминирующий вид изменчивости климата в межгодовых временных масштабах и важный индикатор климатической модели. Как показано в Small et al. (2014), увеличение горизонтального разрешения CESM1.1 приводит к более реалистичной амплитуде ENSO по сравнению с моделированием CESM1.1 со стандартным разрешением, которое отображало сверхэнергетический цикл ENSO. Моделирование с высоким разрешением CESM1.3 подтверждает, что амплитуда ENSO в HR HF-TNST моделируется реалистично. Из рисунка 17 видно, что амплитуда Nino3.4 в ЧСС сопоставима с амплитудой ERSST и HadISST2. Стандартное отклонение для Nino3.4 без тренда в период 1920–2019 гг. Составляет 0,75 ° C для HR, 0,63 ° C для LR, 0,75 ° C для ERSST и 0,73 ° C для HadISST2. Мы отмечаем, что индексы Nino3.4, показанные на рисунке 17, не исключают тренда, так что долгосрочные изменения в моделировании можно сравнить с наблюдениями. Спектральный анализ, показанный на рисунке 17, дополнительно подтверждает близкое соответствие амплитуды Nino3.4 между наблюдениями и HR. Это также показывает, что смоделированный ENSO в HR имеет два доминирующих пика, один сосредоточен в районе 3 лет, а другой - в диапазоне 5–10 лет. Наблюдаемый спектр SST Nino3.4 показывает несколько спектральных пиков между 2 и 10 годами, один - между 2 и 3 годами, второй - между 3 и 4 годами, а третий - между 5 и 6 годами. Следовательно, моделируемый цикл ЭНСО в ЧСС имеет тенденцию иметь более длительный период, чем наблюдаемый. Визуальное сравнение аномалий Nino3.4 SST в HR и наблюдений также показывает, что моделируемое Эль-Ниньо в HR имеет тенденцию сохраняться слишком долго (Рисунок 17), что подтверждается анализом автокорреляции (не показан). Также стоит отметить, что тенденция потепления

0,77 ° C за столетие в HR, что отлично согласуется с трендом потепления 0,78 ° C за столетие по индексу ERSST Nino3.4, но значительно превышает тренд 0,12 ° C за столетие в HadISST2. Неопределенность наблюдаемого тренда ТПО в экваториальной части Тихого океана давно обсуждается в литературе (например, Deser et al., 2010).

В разделе 3 было показано, что сверхзаряженный IPO доминирует над изменчивостью глобального среднего значения SST на многомесячных временных масштабах в HR PI-CTRL (рисунок 2). Это отражено в спектре SST Nino3.4 в HR PI-CTRL (рис. 17e), где есть более сильный, чем наблюдаемый, спектральный пик, хотя и статистически незначимый, примерно через 40 лет. Такой многодесятилетний спектральный пик отсутствует в HR HF-TNST, где низкочастотная вариация Nino3.4 SST преобладает за трендом потепления (рисунок 17c), что указывает на гораздо более слабый IPO в HR HF-TNST. Однако изменчивость морского льда в Южном океане все еще демонстрирует заметные многомесячные колебания в течение исторического периода 1850–2018 гг. В HR HF-TNST (рис. 2a), что указывает на аналогичную многодесятилетнюю изменчивость полыньи Уэдделла, как и в HR PI-CTRL. Но в отличие от HR PI-CTRL, корреляция между глобальным средним значением SST и изменчивостью морского льда в Южном океане намного слабее в HR HF-TNST и ниже уровня статистической значимости. Кроме того, максимальная корреляция больше не возникает, когда морской лед Южного океана опережает среднюю глобальную ТПМ, а происходит при запаздывании = 0 (рис. 2b), что позволяет предположить, что полыньи Уэдделла больше не играют активной роли в многолетней глобальной изменчивости ТПМ в ЧСС. HF-TNST. Отсутствие сильного IPO, связанного с изменчивостью морского льда в Южном океане в HR HF-TNST, может быть связано с внешним воздействием климата, которое вызывает долговременные изменения в глобальном SST (Рисунок 11), нарушая сверхзарядный цикл IPO HR. PI-CTRL. Также интересно отметить, что при наличии многодесятилетнего пика в HR PI-CTRL спектральный пик ENSO через 5–6 лет слабее, чем в HF-TNST, что повышает вероятность того, что часть энергии IPO может быть объединена в более сильный и широкий пик ENSO между 5 и 10 годами в HR HF-TNST за счет нелинейных взаимодействий между ENSO и IPO. Однако мы предупреждаем, что спектральный анализ чувствителен к длине записи временного ряда, а спектральные характеристики ENSO на рисунке 17 могут быть неопределенными (например, Wittenberg, 2009). Совершенно очевидно, что необходимы дальнейшие исследования, чтобы понять взаимосвязь между ENSO, IPO и трендом потепления в тропической части Тихого океана.

В отличие от открытия Small et al. (2014), ENSO в LR HF-TNST показывает более слабую амплитуду, чем в HR и в наблюдениях (Рисунок 17). Спектр Nino3.4 в LR имеет широкий и слабый пик между 3 и 5 годами и еще один слабый пик примерно через 10 лет. По сравнению со спектральными пиками в HR HF-TNST, где низкочастотный пик (5-10 лет) преобладает над высокочастотным (3 года), низкочастотный пик (10 лет) в LR HF-TNST составляет только немного сильнее, чем 3-5-летний пик, и едва превышает статистическую значимость, что указывает на гораздо более слабую низкочастотную изменчивость ENSO в LR. SST Nino3.4 в LR также показывает тенденцию к потеплению на 0,73 ° C за столетие, аналогичную таковой в HR и ERSSTv5, но, как и в HR HF-TNST, пиков за несколько десятилетий не обнаружено. Интересно, что в LR PI-CTRL спектр Nino3.4 показывает более сильный одиночный спектральный пик примерно через 5 лет, что близко к наблюдаемому спектральному пику (Рисунок 17). Тем не менее, мы пришли к выводу, что увеличение горизонтального разрешения CESM не приводит к фундаментальным улучшениям (или различиям) в моделировании ЭНСО. Этот вывод отклоняется от Small et al. (2014), но согласуется с недавним исследованием Caldwell et al. (2019), в котором использовалась модель Energy Exascale Earth System Model версии 1 (E3SMv1) с аналогичной моделью атмосферных компонентов на основе SE-dycore CAM, но с другой моделью компонентов океана. Мы предполагаем, что это различие между нашим исследованием и Small et al. (2014) может быть связано с различиями в модели атмосферного компонента между CESM1.1 и CESM1.3 (см. Раздел 2.1), а также с продолжительностью моделирования в обоих исследованиях, которые могут быть слишком короткими для надежного документирования характеристик изменчивости ENSO (например, , Виттенберг, 2009).

Отзывы Бьеркнеса - ключ к успеху ENSO. Его сила может существенно повлиять на характеристики ЭНСО. Существует три основных элемента обратной связи Бьеркнеса: (1) обратная связь между SST и зональным ветровым напряжением, (2) обратная связь между зональным ветровым напряжением и термоклином и (3) обратная связь между термоклином и SST (Keenlyside & Latif, 2007). Мы анализируем и сравниваем эти три процесса обратной связи в HR, LR и наблюдениях. Рисунок 18 показывает, что HR и LR имеют больше общего между собой, чем с наблюдениями. Основное различие между HR и LR состоит в том, что в первом случае область максимальной обратной связи между зональным ветром и ТПО (элемент 1) смещается дальше на восток с большей силой по сравнению с таковой во втором. По сравнению с наблюдениями, обратная связь между термоклином и SST (элемент 3) не только недооценивается по силе как HR, так и LR, но также слишком ограничена в восточной экваториальной части Тихого океана. Напротив, обратная связь между зональными ветрами и термоклином (элемент 2) в HR и LR не распространяется достаточно дальше в восточную экваториальную часть Тихого океана. Эти структурные различия в обратной связи Бьеркнеса, вероятно, ответственны за систематические отклонения, такие как сдвиг на запад максимальных аномалий SST (не показаны) в моделируемых ENSO в HR и LR.

PDO - это преимущественно реакция смешанного слоя океана на воздействие поверхностного теплового потока, вызванное изменчивостью режима циркуляции Тихоокеанско-Северо-Американского (PNA), который является наиболее доминирующим типом изменчивости атмосферной циркуляции в северном Тихоокеанском секторе (Battisti et al., 2020 Wills et al., 2018), хотя есть также компонент, связанный с изменчивостью ENSO (Newman et al., 2016). На рисунке 19 (слева) показана PNA, захваченная ведущим EOF аномалий давления на уровне моря (SLP) в декабре-январе-феврале (DJF) над сектором северной части Тихого океана (от 120 ° в.д. до 120 ° з.д., от 20 ° до 85 °). N) в наблюдениях, HR и LR, соответственно, и соответствующие регрессии SST за февраль-март-апрель (FMA) на соответствующие ведущие основные компоненты. Как и ожидалось, результирующие паттерны регрессии SST очень похожи на паттерн PDO (Mantua et al., 1997 Newman et al., 2016). Двухмесячный лаг, используемый для регрессии SST, должен учитывать тот факт, что PNA имеет тенденцию опережать PDO примерно на 2 месяца (Newman et al., 2016). Очевидно, что существует общее согласие между наблюдаемыми и смоделированными PDO / PNA как в HR, так и в LR. Положение и форма аномалии Алеутского низа, которая характеризует PNA, особенно хорошо моделируются в HR, хотя амплитуда и объясненная дисперсия немного выше наблюдаемых значений. В LR форма аномалии Алеутского минимума более удлиненная, а ее амплитуда слабее по сравнению с наблюдениями, но объясненная дисперсия сопоставима с вариацией HR. Объясненная дисперсия

44% в наблюдениях соответственно за период 1920–2018 гг. Регрессированные SST также демонстрируют лучшее согласие между HR и наблюдениями, оба из которых показывают отрицательную аномалию SST, распространяющуюся вдоль северного фланга расширения Куросио, где мезомасштабная изменчивость SST, вызванная вихрями, сильна (Jing et al., 2019 Ma et al. ., 2015) и узкой прибрежной зоны потепления, протянувшейся вдоль побережья Аляски и Канады. Эти функции менее хорошо представлены в LR.

В отличие от PNA и PDO, большие расхождения между HR и LR обнаружены в представлении Северо-Тихоокеанского колебания (NPO) - второго EOF зимней изменчивости SLP в северной части Тихого океана (см. Linkin & Nigam, 2008 и ссылки в нем) - и соответствующий ответ SST. На рисунке 19 (справа) сравнивается наблюдаемая и смоделированная NPO и связанный с ней отклик SST в HR и LR с данными наблюдений, где NPO характеризуется диполем север-юг зимних аномалий SLP, центрированным над картиной PNA, представленной EOF1. Связанная с этим аномалия поверхностного теплового потока (не показана) имеет трехполюсную структуру, которая вызывает реакцию ТПО. В частности, южная часть NPO может оказывать влияние на тихоокеанские пассаты, которые, в свою очередь, создают аномалии поверхностного теплового потока и запускают обратную связь ветер-испарение-SST (WES) (Amaya et al., 2017 Chang et al., 1997 Xie & Philander, 1994) в субтропиках северной части Тихого океана. Результирующий отклик SST называется тихоокеанским меридиональным режимом (PMM Chiang & Vimont, 2004), который, как было показано, оказывает влияние на ENSO (Chang et al., 2007 Chiang & Vimont, 2004 Di Lorenzo et al., 2015). . Из рисунка 19 очевидно, что диполь-подобная аномалия SLP, напоминающая наблюдаемую NPO, присутствует в HR, за исключением того, что центр южной доли в модели смещен несколько на восток, а ее сила завышена. Соответствующий ответ SST в HR также находится в разумном согласии с наблюдениями в северной части Тихого океана. Напротив, аномалия NPO SLP в LR очень слабая и не очень похожа на наблюдаемую NPO. Соответствующий ответ SST также мало похож на наблюдаемую модель регрессии SST. Поскольку NPO и связанная с ними изменчивость PMM важны для связи внетропической изменчивости северной части Тихого океана с ENSO (Chang et al., 2007 Chiang & Vimont, 2004 Di Lorenzo et al., 2015), мы делаем вывод, что увеличение разрешения модели действительно приводит к улучшениям в моделировании. Изменчивость климата северной части Тихого океана в целом. Мы также предполагаем, что слабая NPO в LR может вносить вклад в слабую ENSO в LR, в то время как более сильная, чем наблюдаемая, изменчивость NPO может быть частично связана с повышенной низкочастотной изменчивостью ENSO в HR. Некоторые недавние исследования показывают, что фронт и водовороты ТПМ Куросио могут влиять на изменчивость траектории шторма в северной части Тихого океана (Foussard et al., 2019 Kuwano-Yoshida & Minobe, 2017 Ma et al., 2015, 2017 O'Reilly & Czaja, 2015) . В какой степени взаимодействие OMEA вдоль региона Kuroshio Extension способствует различию в PNA и NPO между HR и LR, требует дальнейшего углубленного анализа.

Длительные наблюдения за температурой показывают сильную многолетнюю изменчивость, сосредоточенную в Северной Атлантике во временных масштабах примерно 50–90 лет (Delworth & Mann, 2000 Tung & Zhou, 2013). Характеристики наблюдаемого AMV чувствительны к методу, используемому для его изоляции от внешнего принудительного потепления, которое доминирует в глобальных температурных рекордах с начала до середины двадцатого века (Frankignoul et al., 2017 Ting et al., 2009 Wu et al. ., 2011). Для предварительного просмотра AMV в моделировании HF-TNST мы применяем метод Тренберта и Ши (2006) и исследуем относительный индекс потепления в Северной Атлантике (AMV *, определяемый как усредненная по площади SST в области 75–7,5 ° з. 0–60 ° с.ш. минус глобально усредненная ТПМ в области от 60 ° до 60 ° с.ш.). Результирующие временные ряды AMV * из HR и LR сравниваются с наблюдениями ERSSTv5 на рисунке 20d. Оба моделирования демонстрируют анемию AMV * по сравнению с наблюдениями, но расхождение амплитуды улучшается примерно на 33% в HR (средние отклонения AMV * с фильтром нижних частот * в ERSSTv5, HR и LR составляют 0,14 ° C, 0,08 ° C и 0,05 ° С соответственно). Кроме того, имеется поразительное соответствие с наблюдаемым фазированием AMV * в HR HF-TNST (но не LR HF-TNST), начиная примерно с 1940 года, что намекает на роль внешнего воздействия в установлении времени фазовых переходов AMV * в поздних стадиях. двадцатого века, как утверждается в некоторых исследованиях (например, Booth et al., 2012). Относительный вклад внутренней и внешней изменчивости в HR HF-TNST по-прежнему невозможно установить, но запланированный набор симуляций HR HF-TNST должен прояснить соответствующие механизмы.

Глобальная регрессия SST на наблюдаемый (прошедший через фильтр нижних частот) индекс AMV * показывает знакомую подковообразную модель потепления над Северной Атлантикой с максимальной амплитудой в области субполярного круговорота (рис. 20c). Регрессия HR HF-TNST имеет аналогичную картину и амплитуду в Северной Атлантике, но также показывает значительные сигналы в тропической и западной части Тихого океана, которые лишь слабо присутствуют в наблюдаемых данных (рис. 20а). Это может быть связано с использованием метода Тренберта и Ши (2006), который может давать ложные сигналы в Тихом океане (Frankignoul et al., 2017). Картина регрессии в LR HF-TNST намного менее реалистична, чем в HR HF-TNST, с очень слабой амплитудой в субполярной Атлантике и чрезмерной изменчивостью в Гренландском и Норвежском морях. В целом, представление AMV в ЧСС значительно улучшилось по сравнению с LR с точки зрения амплитуды, временного масштаба и паттерна.

Количественное сравнение модельных профилей AMOC с профилем, основанным на данных RAPID на 26,5 ° с.ш., представлено на левой панели рисунка 21. Профили HR и LR представляют собой временные средние значения для периода 1986–2005 годов, а профиль RAPID равен для среднего с апреля 2004 г. по сентябрь 2018 г. Использование периода 1986–2005 годов, а не того же самого периода RAPID, из моделирования, чтобы избежать влияния воздействия RCP8.5 на моделируемый AMOC, который начинается с 2006 года. На верхних 1000 м, как HR, так и LR Переносы очень хорошо согласуются с профилем RAPID с обоими модельными переносами около 18 Зв в диапазоне наблюдений 17 ± 3,3 Зв, где диапазон представляет одно стандартное отклонение (Frajka-Williams et al., 2019 Smeed et al., 2018) . Ниже глубины около 2 км профиль LR лучше согласуется с наблюдениями. В частности, глубина проникновения NADW, измеренная по глубине перехода через ноль, лишь немного превышает 3000 м в HR, но около 4000 м в LR, что намного ближе к глубине проникновения примерно 4500 м в RAPID. . Более глубокое проникновение НАДВ в LR связано с параметризацией перелива, используемой для перелива Северного моря (Danabasoglu et al., 2010), которая не используется в HR. Таким образом, HR страдает от этого неглубокого смещения, свойственного многим грубым моделям и моделям высокого разрешения без надлежащего представления переполнений, особенно в координатах уровней (например, Danabasoglu et al., 2014 Gutjahr et al., 2019 Roberts, Jackson, et al. ., 2020). Сигнатура AABW - отрицательный перенос ниже глубины около 4500 м в RAPID - довольно слабая на этой широте. В LR AABW на самом деле не присутствует при зональной интеграции, как здесь. Напротив, максимальный перенос AABW около 4 Зв в ЧСС кажется слишком сильным по сравнению с наблюдениями. Среднее по времени меридиональное распределение теплопереноса в Атлантическом океане от HR и LR за тот же 20-летний период, что и выше, представлено на Рисунке 21 (справа). Для сравнения, рисунок также включает предполагаемые оценки переноса из Large and Yeager (2009), рассчитанные с использованием межгодовых потоков скоординированных эталонных экспериментов со льдом и океаном, фаза II (CORE-II), а также наблюдаемые ТПМ и морской лед для 1984–2006 гг. период, а также прямые оценки с их диапазоном неопределенности из Bryden and Imawaki (2001) и оценки из данных RAPID (Johns et al., 2011) за период с апреля 2004 года по февраль 2017 года. Максимальный перенос тепла 1,2 PW около 26 ° с.ш. в HR находится в удивительно хорошем соответствии с оценкой RAPID. Напротив, максимальная теплопередача LR

1.05 PW находится рядом с нижним диапазоном этих наблюдательных оценок. В то время как к югу от экватора перенос тепла LR и HR очень похож друг на друга, оба вблизи средних переносов наблюдений, перенос тепла HR к северу от экватора больше, чем в LR. Действительно, перенос HR даже больше, чем предполагаемый диапазон переноса между примерно 30 ° и 60 ° с.ш. Поскольку перенос AMOC очень похож между HR и LR, больший перенос тепла в HR обусловлен его вертикальной температурной структурой с теплым (холодным) смещением в северной (южной) текущей верхней (нижней) ветви ячейки NADW (рис. 1в). Противоположная и большая структура смещения в LR отвечает за его более низкий перенос тепла (рис. 1d).

Мы заканчиваем этот подраздел кратким сравнением наблюдаемой и смоделированной внутрисезонной дисперсии ЧСС и LR. Особый интерес представляет колебание Мэддена-Джулиана (MJO), которое является доминирующим режимом внутрисезонной (30–90 дней) изменчивости в тропической атмосфере. На рисунке 22 показаны спектры мощности зонального волнового числа-частоты по Уиллеру-Киладису (Wheeler & Kiladis, 1999) экваториально-симметричного суточного уходящего длинноволнового излучения (OLR) по данным наблюдений, HR и LR. Наблюдения ясно показывают сильную дисперсию в пределах 30–90-дневного частотного диапазона и зональных волновых чисел 1–2 в восточном направлении, обозначающих MJO. Смоделированная дисперсия MJO как в HR, так и в LR значительно слабее, чем наблюдаемая, несмотря на некоторое очевидное сходство в характеристиках частоты и волнового числа. Моделируемый MJO в HR примерно на 30% слабее, чем наблюдаемый MJO, и лишь немного сильнее, чем в LR, что указывает на то, что одно только увеличение горизонтального разрешения не приводит к значительным улучшениям в моделировании MJO. Недавние исследования в области моделирования показывают, что моделирование MJO может быть чувствительным к параметризации физики в атмосферных моделях. CESM2, который включает множество новых изменений параметризации атмосферной физики по сравнению с CESM1, показывает более реалистичное моделирование MJO, чем CESM1 (Danabasoglu et al., 2020). Hannah et al. (2020) также сообщают о значительно улучшенном моделировании MJO за счет использования суперпараметрической модели энергетической экзадачной системы Земли (SP-E3SM), которая включает двухмерную модель разрешения облаков (CRM) в каждом столбце сетки модели атмосферных компонентов, чтобы заменить обычную конвективная параметризация. И HR, и LR также недооценивают дисперсию наблюдаемых экваториальных волн Кельвина, хотя дисперсия волн Россби более реалистично моделируется в HR, чем в LR (рис. 22).

4.3 Экстремальные события

Экстремальные явления часто сильно зависят от местных физических условий и мелкомасштабных процессов, таких как конвекция и взаимодействие с крутым рельефом, которые плохо разрешаются климатическими моделями с низким разрешением. Поэтому мы ожидаем, что увеличение разрешения модели приведет к улучшению моделирования экстремальных явлений. Здесь мы рассматриваем два явления: (1) ОС в теплое время года и (2) ОС в холодное время года, оба из которых хорошо известны своей способностью производить экстремальные осадки. На рисунке 23 показаны глобальные треки TC, смоделированные HR и LR в течение 1877–2018 гг. (Поскольку 6-часовые переменные выводились с 1877 г., как указано в разделе 2.2), и их сравнение с наблюдениями. Для наблюдаемых следов ТЦ использовался международный архив лучших треков для управления климатом (IBTrACS) (Knapp et al., 2010) за период 1950–2018 гг. Наблюдаемый ТС определяется как имеющий максимальную постоянную скорость ветра в течение 1 минуты, равную 34 узлам (17,5 м / с) или выше. Смоделированные TC отслеживаются с использованием алгоритма TempestExtremes (Ullrich & Zarzycki, 2017 Zarzycki & Ullrich, 2017) с шестичасовыми выходными данными модели.

Наблюдаемое глобальное среднегодовое количество TC за период 1950–2018 годов составляет около 82 в год, а соответствующие значения составляют 112 и 25 в год, соответственно, в HR и LR HF-TNST. Рисунок 23 показывает, что годовое количество ТЦ в LR сильно занижено во всех бассейнах, кроме Южно-Тропической Атлантики (STA). Северная тропическая Атлантика (NTA) особенно сложна, где количество TC в LR составляет менее 1 в год по сравнению с 12 в год в наблюдениях. Это большое отрицательное смещение в LR согласуется с предыдущими исследованиями (Camargo, 2013 Tory et al., 2013). Даже в HR годовое число TC NTA составляет лишь половину от числа наблюдений. Недавнее исследование Roberts et al.(2020b) предполагает, что эта стойкая низкая систематическая ошибка является общей проблемой для многих климатических моделей с высоким разрешением. В дополнение к недооценке количеств ОС, существует явная предвзятость в развитии ОС NTA в ЧСС, где сильные ОС вместо формирования в глубоких тропиках, как правило, возникают в более высоких широтах. Что касается среднегодового числа ОС, ОС в западной части северной части Тихого океана (WNP) в HR показывают наиболее близкое согласие с наблюдениями, в то время как числа в других бассейнах, то есть в восточной части северной части Тихого океана (ENP), в северной части Индийского океана. (NIO), южная часть Индийского океана (SIO), южная часть тропической части Тихого океана (STP) и, возможно, в первую очередь STA, демонстрируют завышенную оценку HR. Сила TC также недооценивается как HR, так и LR, но в гораздо меньшей степени в HR, чем в LR. В то время как LR моделирует только несколько TC категории 1 и нет TC более сильных, чем категория 1, HR может создать небольшое количество TC категории 4, но почти не TC категории 5. Несмотря на эти проблемы, однозначно, что HR улучшает общее представление TC по сравнению с LR. В недавнем исследовании HighResMIP показано, что CESM является одной из моделей, симуляции TC которой очень чувствительны к разрешающей способности модели (Roberts et al., 2020b). Фактически, вклад CESM HighResMIP имеет наибольшее количество TC среди всех моделей HighResMIP, соответствующий вклад CESM низкого разрешения относится к тем, которые произвели наименьшее количество TC, на основе того же алгоритма отслеживания TempestExtremes. Как отмечают Робертс и др. (2020a, 2020b), идентификация и отслеживание TC могут зависеть от различных алгоритмов отслеживания, но мы не думаем, что это повлияет на эти общие результаты.

Хорошо известно, что ОС модулируются режимами изменчивости климата. Среди наиболее изученных - влияние ЭНСО на ТК (обзор и ссылки в нем см. В Lin et al., 2020). На рисунке 24 показаны регрессии аномалий плотности следов ОС (годовые общие числа ОС, проходящие через каждый прямоугольник 4 ° × 4 °) на индекс SST NINO3.4 с 1950 по 2018 г. в наблюдениях, а также в HR и LR HF-TNST. Во время теплой фазы ЭНСО деятельность ТЦ подавляется в NTA из-за увеличения вертикального сдвига ветра (Lin et al., 2020), но увеличивается в WNP. Эта функция хорошо известна HR. Напротив, LR не может показать какой-либо значимый ответный сигнал TC в NTA и ENP, потому что количество TC в этих регионах сильно недооценено. Обе модели, по-видимому, демонстрируют некоторые навыки моделирования сокращения ОС в SIO во время Эль-Ниньо и сдвига активности ОС в STP к экватору.

Известно также, что AMV влияет на TC в Атлантике. На рисунке 24 также показаны регрессии аномалий плотности треков TC на индекс AMV * (рисунок 20d) с 1950 по 2018 год в наблюдениях и с 1877 по 2018 год в HR и LR HF-TNST. Как можно видеть, как в наблюдениях, так и в ЧСС, наблюдается увеличение активности Атлантического ТК во время положительной фазы AMV (Chylek & Lesins, 2008 Goldenberg et al., 2001), хотя амплитуда ответа ТС в ЧСС значительно слабее. чем в наблюдениях, возможно, из-за сочетания факторов, заключающихся в недооценке вариабельности AMV и ОС NTA в ЧСС. Как и ожидалось, еще более слабый ответ ОС NTA на AMV обнаруживается в LR из-за еще более слабой активности TC в NTA и отсутствия многолетних вариаций SST в Северной Атлантике в LR (рис. 20d). За пределами Североатлантического сектора наблюдаемая реакция ОС на AMV показывает общее снижение активности ОС во всех бассейнах. Некоторый намек на это снижение наблюдается в HR, особенно в северной тропической части Тихого океана, но в LR ответ не показывает согласованной структуры. Мы предупреждаем, что эти анализы основаны на коротких записях. Учитывая многомесячный масштаб AMV, наблюдаемый рекорд с 1950 по 2018 год едва покрывает один полный цикл AMV.

АО представляют собой объекты синоптического масштаба, характеризующиеся длинными и узкими коридорами интенсивного бокового переноса водяного пара в нижней тропосфере из тропиков во внетропики. Возникновение AR часто связано с внетропическими циклонами в холодное время года, хотя взаимосвязь между ними очень сложна, и только часть внетропических циклонов сосуществует с AR (обзор и ссылки в нем см. В Payne et al., 2020). ). Синоптическая природа АО поднимает вопрос о том, адекватно ли они представлены в климатических моделях. В нескольких предыдущих исследованиях была предпринята попытка решить этот вопрос с использованием моделей только для атмосферы (например, Hagos et al., 2015). Здесь мы сравниваем некоторые простые статистические данные AR из HR, LR и наблюдений.

Наблюдаемые AR получены из набора данных анализа ERA-5 (Hersbach et al., 2020) за период с 1979 по 2005 год на основе отслеживания длинных и узких закрытых областей аномалий среднесуточного интегрированного переноса пара (IVT), превышающих пороговое значение IVT. значение 250 кг м −1 с −1 для всех сезонов по всему земному шару. Аномалии определяются как отклонения от среднего климатологического значения за период анализа. Замкнутые контуры порогового значения определяются как внешний край AR, а замкнутая область должна быть длиннее 2000 км и уже 1000 км, чтобы классифицироваться как AR (Gimeno et al., 2014 Zhu & Newell, 1998). Один и тот же период времени и алгоритм отслеживания применяются к HR и LR для идентификации смоделированных AR. Мы полностью осознаем тот факт, что отслеживание AR может быть чувствительным к различным алгоритмам отслеживания, и используемый здесь простой метод порогового значения IVT имеет свои ограничения при отслеживании AR в глобальном масштабе (например, Shields et al., 2018 Xu et al., 2020) . Однако порогового метода будет достаточно для нашего нынешнего намерения просто проиллюстрировать некоторые из основных различий AR между HR и LR в отличие от наблюдений. В будущем запланированы более подробные исследования чувствительности отслеживания AR.

На рисунке 25 (слева) показано среднее значение IVT, переносимое всеми обнаруженными AR по всему земному шару в наблюдениях, HR и LR, соответственно. Очевидно, что среднее значение IVT гораздо более реалистично моделируется в HR, чем в LR. По сравнению с наблюдениями, IVT в HR имеет схожие пространственные структуры и амплитуды как в NH, так и в SH, за исключением того, что сила IVT немного занижена примерно на 12% в северной части Тихого океана, но завышена примерно на 15% в других бассейнах в HR. . Напротив, значения IVT в LR сильно занижены во всех активных регионах АО с трехкратным занижением в северо-западной части Тихого океана. В соответствии с более высоким IVT, среднее количество осадков, совпадающее с AR в HR, также намного выше, чем в LR, и ближе к наблюдаемым осадкам (рис. 25 в середине). В активных регионах AR среднее количество осадков в LR составляет менее одной трети значения в HR. На рисунке наблюдаемые осадки взяты из набора данных «Оценка осадков на основе информации дистанционного зондирования с использованием искусственных нейронных сетей и записи климатических данных» (PERSIANN-CDR Ashouri et al., 2015), которая обеспечивает суточные оценки осадков с пространственным разрешением 0,25 °. в полосе широт от 60 ° ю.ш. до 60 ° северной широты с 1983 по 2005 гг. АО хорошо известны своим влиянием на осадки вдоль западного побережья Северной Америки, вызывая крупные наводнения в регионе. На рисунке 25 (справа) показано увеличенное изображение осадков вдоль западного побережья Северной Америки в наблюдениях, HR и LR, соответственно. Очевидно, что обильные осадки вдоль побережья, вызванные топографическим подъемом, гораздо более реалистично представлены в HR, чем в LR. Улучшенное моделирование в HR, вероятно, будет происходить как от улучшенного IVT, так и за счет лучшего разрешения топографии в HR (Рисунок 25 справа). Однако более подробный анализ AR и связанных с ними осадков в HR и LR и потенциальная причина различий требует будущих исследований. Здесь мы просто заключаем, что моделирование как AR, так и связанных с ними осадков значительно улучшилось за счет увеличения разрешения модели. Большая часть атмосферных осадков, связанных с АР, вызвана решившимися крупномасштабными осадками (не показаны). Следовательно, улучшение осадков, связанных с AR, тесно связано с увеличением разрешенных крупномасштабных осадков в HR, как обсуждалось ранее.


Абстрактный

Юго-западная часть Бохайского залива на северо-востоке Китая представляет собой мелководное побережье с длинным выходом для скопления воды, вызывающего сильный штормовой нагон при сильном ветре в экстремальных погодных условиях. Кроме того, береговая линия вдоль залива испытала значительное воздействие на окружающую среду в результате крупномасштабных портовых сооружений за последние два десятилетия. Следовательно, существует острая необходимость в лучшем понимании воздействия двух местных крупномасштабных последовательных сооружений гавани на штормовой нагон и уязвимость прибрежных зон в районе залива. Экстремальные холода 10-13 октября 2003 года нанесли ущерб в 1,31 миллиарда юаней. Модель Delft3D с двусторонней связанной приливно-нагонной волной используется для исследования влияния конструкций гавани с 2003 по 2016 год на взаимодействие приливов, штормовых нагонов и волн во время такого шторма. Поле ветра с помощью недавно выпущенного продукта глобального реанализа ветра ERA5 Европейского центра среднесрочных прогнозов погоды (ECMWF) было улучшено за счет ассимиляции с полевыми наблюдениями с более высоким разрешением, чем в предыдущей версии, и используется для управления приливами, нагонами и течениями. каркас волнового моделирования. Результаты модели показывают, что штормовой нагон в исследуемой области преобладает за счет ветрового нагона до и после строительства, тогда как максимальный вклад от нагона, вызванного волнами (волновая установка), увеличивается с 5% -15% до 8% - 20% за счет строительства гавани в период с 2003 по 2016 год. Установлено, что полусуточная модуляция штормовых нагонов вызвана нелинейным взаимодействием приливов и нагонов, которое в основном связано с локальным приливным ускорением в морской зоне и напряжением на дне в прибрежной зоне. соответственно. Сооружения гавани влияют на прибрежный штормовой нагон в основном за счет нелинейного взаимодействия приливно-нагонных волн и волн. Кроме того, четвертьсуточные колебания штормовых нагонов, вызванные сооружениями гавани, обусловлены влиянием сооружений гавани на местные четвертьсуточные приливные составляющие и их модуляцию передачи волнового импульса прибрежной циркуляции.


Создание социально-ориентированных карт, обогащенных событиями

С развитием технологий социального восприятия цифровые карты недавно стали свидетелями огромной эволюции с целью интеграции обогащенных семантических слоев из разнородных и разнообразных источников данных. Текущие поколения цифровых карт часто создаются краудсорсингом, позволяют интерактивное планирование маршрутов и могут содержать обновления в реальном времени, такие как данные о дорожных заторах. В этом контексте мы полагаем, что следующее поколение карт представит концепцию извлечения Интересные события (EoI) из краудсорсинговых данных и отображение их в различных пространственных масштабах в зависимости от их значимости. Эта статья вводит Хадат 1, масштабируемая и эффективная система, которая извлекает социальные события из потоков неструктурированных данных, например Twitter. Hadath применяет обработку естественного языка и методы многомерной кластеризации для извлечения релевантных интересующих событий в различных масштабах карты и для определения пространственно-временного масштаба обнаруженных событий. Hadath также реализует иерархическую схему пространственно-временной индексации в памяти, чтобы обеспечить эффективный и масштабируемый доступ к необработанным данным, а также к извлеченным кластерам событий. Первоначально пакеты данных обрабатываются для обнаружения событий в локальном масштабе, затем определяется надлежащий пространственно-временной объем и значимость обнаруженных событий в глобальном масштабе. В результате события в реальном времени могут отображаться с различным пространственно-временным разрешением, что обеспечивает плавный и уникальный просмотр. Наконец, чтобы проверить нашу предложенную систему, мы провели эксперименты с потоками в реальном времени и с историческими потоками в социальных сетях.

Это предварительный просмотр содержимого подписки, доступ через ваше учреждение.


Смотреть видео: Практика Режимы отображения ленты и масштабирование документа