Vairāk

Rādīt virsotnes, izmantojot Tilemill, un rādīt tikai atbilstošo maksimumu katram tuvināšanas līmenim

Rādīt virsotnes, izmantojot Tilemill, un rādīt tikai atbilstošo maksimumu katram tuvināšanas līmenim


Es vēlos izveidot karti, izmantojot Tilemill, un es gribu parādīt kalnu virsotņu nosaukumus.

Ko es gribētu darīt:

Ja lietotājs tuvina (teiksim, 12. tālummaiņas līmeni), es vēlos parādīt tikai augstākos (visatbilstošākos) kalnus noteiktā apgabalā. Ja lietotājs pietuvina tuvāk, es gribētu parādīt vairāk virsotņu.

Man pieejamie dati veido OSM datu ģeofabriku importēšanu postgres DB. Es cerēju atrast tādu tagu kā “atbilstība”, kuru varētu izmantot, taču tas, šķiet, neeksistē ...

Vai ir veids, kā to izdarīt tikai ar OSM datiem?


Nē, to nevar izdarīt tikai ar OSM datiem. Jums būs nepieciešama papildu informācija, piemēram, dati par augstumu, kas iegūti no SRTM, un aprēķiniet katra pīķa "atbilstību" sev.


Pieeja šai problēmai bija parādīt 5 augstākās virsotnes katrā flīzē ar tālummaiņu <14, un pēc tam parādīt visu virs 14, kas lielāko daļu laika izskatās diezgan labi. Šajā pieejā tiek pieņemts, ka ele taga saturs ir derīgs, un tas bieži vien ir. Ja jums ir nepieciešami labāki pacēlumi, varat palaist sava veida skriptu, lai uzmeklētu visu interesējošo punktu augstumus un aizstātu OSM ele tagus ar šiem datiem.

Šeit ir sql, ko izmantoju savam "pīķa" slānim tilemill

SELECT * FROM (SELECT veids, nosaukums, LIETAS, KAD ele ~ E '^ [ d .] + $' THEN CAST (ele :: float AS INTEGER) Cits NULL END AS ELE_meters, CASE WHEN ele ~ E '^ [  d .] + $ 'TAD CAST (ele :: float * 3.2808399 AS INTEGER) VĒL NULL BEIGS KĀ ele_feet NO planet_osm_point WHERE z (! scale_denominator!)> 6 AND way &&! bbox! AND "natural" =' peak ') KĀ starpprodukts KUR ele_meters NAV PILNĪGS PASŪTĪJUMS AR ele_meters DESC LIMIT (GADĪJUMS, KAD z (! Scale_denominator!)> = 14, TAD 200 VĒL 5 BEIGS)) AS dati

Ņemiet vērā, ka šajā vaicājumā netiek izlaistas visas funkcijas, kurām nav derīga ele taga.


Es pieņemu, ka jums vienkārši ir jāizveido atbilstošs filtrs jūsu stilā, kurā jābūt tagam "ele". Piemēram:

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

[ele> 3500] {…}}

Slānis [zoom> = 15] [zoom <= 16] {

[ele> 1500] {…}}

Šī pieeja palīdz atdalīt visas virsotnes pēc tālummaiņas līmeņiem. Ņemiet vērā, ka kolonnā "ele" ir virknes vērtības. Tas nozīmē, ka pirms jums tas jāpārvērš skaitliskā vērtībā.


Neskaidrības par kvadrātveida viļņu FFT teorijā, apjomā un simulācijā

Zemāk ir ideāls kvadrātveida vilnis laika apgabalā un tā harmoniskās sastāvdaļas frekvencēs. domēns:

Kā redzat augstāk, kvadrātveida vilnis sastāv tikai no tā nepāra harmonikām, jo ​​starp tiem nekas nav redzams.

Un zemāk ir osciloskopa kvadrātveida viļņu FFT:

Šeit mēs redzam divas atšķirīgas lietas. Pirmkārt, iepriekšminētais FFT sastāv nevis no tapām, bet gan paplašinātām līknēm. Otrkārt, tas ir nepārtraukts, nevis diskrēts.

Varbūt darbības sfērā var būt zināms troksnis, un kvadrātveida viļņa pieauguma laiks, kas nav nulle, var ietekmēt FFT rezultātus.

Tātad darbības jomas vietā ļauj aplūkot, ko LTspice parāda kvadrātveida viļņu (šajā gadījumā impulsa vilciena) FFT ar šādu iestatījumu:

Arī tas neizskatās labi. Tāpēc es iestatīju pieauguma laikus daudz īsākus nekā LTspice noklusējums šādi:

Tagad FFT kļuva labāks:

Tagad es redzu vienu no problēmām, skatot kvadrātveida viļņu vai impulsu FFT, pieauguma un krituma laiks nekad nav nulle. Otra problēma ir tā, ka tajā ir zināms troksnis.

Šis ir mans jautājums:

Lūk, ko es nesaprotu. Sākumā es sniedzu ideāla kvadrātveida viļņu spektru, kas bija diskrētas nepāra harmonikas kā tapas. Bet gan pēc apjoma, gan LTspice FFT ir nepārtraukta.

Šajā brīdī esmu apjukusi. Ļaujiet man minēt piemēru. Manā pēdējā attēlā iepriekš pulsa frekvence ir 100Hz. Tāpēc es varētu sagaidīt, ka to veido nepāra harmoniskie sinusoīdi 300Hz, 500Hz, 700Hz. tā tālāk un tā tālāk. Es necerētu, ka tam būs, piemēram, 130Hz vai 102Hz komponents. Faktiski saskaņā ar pēdējo FFT diagrammu ir komponents 102Hz frekvencē, un tas ir pat lielāks par 300Hz komponentu.

Vai ir kāda ideja, kura šeit pārstāv realitāti? Ko es zinu nepareizi?


Atslēgvārdi

Massimo Candela ir ieguvis maģistra grādu datorzinātnēs Romas Tre universitātē, Itālijā.

Viņa pētniecības intereses ietver tīkla mērījumus, tīkla datu attēlojumu un IP ģeogrāfisko atrašanās vietu.

Daži no rīkiem, ar kuriem viņš strādāja, ir tīkla operatoru resursi, lai uzraudzītu noteiktus interneta veiktspējas aspektus.

Valerio Lukoni saņēma maģistra un doktora grādu grādi datorzinātnēs Pizas universitātē attiecīgi 2012. un 2016. gadā. Pašlaik viņš ir IIT-CNR pētnieks Pizā. Viņa pētniecības intereses ietver interneta mērījumus, interneta topoloģiju, IP ģeogrāfisko atrašanās vietu, tīkla neitralitāti un tīkla uzraudzību.

Alessio Vecchio ir asociētais profesors Pizas universitātē, Itālijā.

Viņš ir bijis iesaistīts vairākos valstu un ES finansētos projektos (CONGAS, NeutMon, MECPerf).

Pašlaik viņš darbojas kā Pervasive and Mobile Computing un IEEE Access asociētais redaktors.

Viņš kopīgi uzsāka un organizēja piecus PerMoby semināra izdevumus (IEEE PerCom darbnīca, kas koncentrējas uz cilvēku mobilitāti). Viņš ir bijis TPC priekšsēdētājs septītajā IEEE starptautiskajā seminārā par sensoru tīkliem un sistēmām pervazīvai skaitļošanai (IEEE PerCom PerSeNS) un daudzu citu starptautisku pasākumu tehniskajā komitejā.


ACS izdevējdarbības centrs

Lai gan šis dokuments sniegs pamatinformāciju par to, kā sagatavot un iesniegt rokrakstu, kā arī citu kritisku informāciju par publicēšanu, mēs iesakām arī autorus apmeklēt ACS Publishing Center, lai iegūtu papildinformāciju par visu nepieciešamo, lai sagatavotu (un pārskatītu) rokrakstus ACS žurnāli un partneru žurnāli, piemēram,

    , kurā tiek dalīti redaktora padomi par dažādām tēmām, tostarp par to, kā padarīt papīru zinātniski efektīvu, izcilas grafikas sagatavošanu un pavadvēstules.
  • Resursi par to, kā sagatavot un iesniegt rokrakstu ACS Paragon Plus, ACS Publications & rsquo rokrakstu iesniegšanas un salīdzinošās pārskatīšanas vidē, tostarp informācija par piemērotā žurnāla izdevējdarbības līguma izvēli. ar sabiedrību, izmantojot ACS Publications brīvās piekļuves programmu. , bezmaksas tiešsaistes kursi, kas ietver labāko praksi salīdzinošai pārskatīšanai un ar to saistītos ētiskos apsvērumus.

Piedāvātais kārtulas pieprasījums pēc komentāriem.

NMFS ir saņēmusi Aļaskas Aviācijas un kosmosa korporācijas (AAC) pieteikumu saskaņā ar Jūras zīdītāju aizsardzības likumu (MMPA) par atļauju ņemt nelielu daudzumu jūras zīdītāju, kuri nejauši tiek palaisti kosmosa nesējraķetes un citas mazākas raķešu sistēmas Klusā okeāna kosmosa ostas kompleksā. Aļaska (PSCA) laikposmam no 2017. gada 15. marta līdz 2022. gada 14. martam. NMFS ierosina noteikumus, kas reglamentētu šo uzņēmumu, un pieprasa komentārus par ierosinātajiem noteikumiem.


Banzon V, Smith TM, Chin TM, Liu C, Hankins W (2016) Ilgtermiņa jaukto satelītu un in situ jūras virsmas temperatūras ieraksts klimata uzraudzībai, modelēšanai un vides pētījumiem. Earth Syst Sci Data 8: 165–176

Bao J, Feng J, Wang Y (2015) Dinamiskā samazināšanas simulācija un nokrišņu prognoze nākotnē Ķīnā. J Geophys Res 120: 8227–8243. https://doi.org/10.1002/2015JD023275

Bonan GB, Levis S, Kergoat L, Oleson KW (2002) Ainavas kā augu funkcionālo tipu plāksteri: integrējoša klimata un ekosistēmas modeļu koncepcija. Globālie Biogeochem cikli 16: 5. https://doi.org/10.1029/2000GB001360

Bretherton CS, Park S (2009) Jauna mitras turbulences parametru noteikšana Kopienas atmosfēras modelī. J Klimats 22: 3422–3448

Bucchignani E, Montesarchio M, Cattaneo L, Manzi MP, Mercogliano P (2014) Reģionālā klimata modelēšana Ķīnā ar COSMO-CLM: veiktspējas novērtējums un klimata prognozes. J Geophys Res 119 (12): 151–112170

Cha D-H, Jin CS, Moon JH, Lee DK (2016) Austrumāzijas vasaras musonu reģionālās klimata simulācijas uzlabošana, apvienojot gaisa un jūras mijiedarbību un liela mēroga virzību. Int J Climatol 36: 334–345

Chan JC, Liu Y, Chow KC, DING Y, Lau WK, Chan KL (2004) Reģionālā klimata modeļa izstrāde Dienvidķīnas vasaras musonu nokrišņu simulācijai. J Meteorol Soc Jpn Ser II 82 (6): 1645–1665

Chen W, Jiang Z, Li L, Yiou P (2011) Reģionālo klimata pārmaiņu simulācija saskaņā ar IPCC A2 scenāriju Ķīnas dienvidaustrumos. Clim Dyn 36: 491–507

Chen L, Liang X-Z, DeWitt D, Samel AN, Wang JXL (2016) ASV nokrišņu un temperatūras sezonālā prognozēšana ar ligzdoto CWRF-ECHAM sistēmu. Clim Dyn 46: 879–896

Choi HI, Liang X-Z (2010) Uzlabota zemes hidroloģiskā attēlošana zemes mēroga zemes virsmas modeļos. J Hydrometeorol 11: 797–809

Choi HI, Kumar P, Liang X-Z (2007) Trīsdimensiju vidējais augsnes mitruma transporta modelis ar tilpumu un vidējo lielumu ar mērogojamu apakšgrupu topogrāfiskās mainības parametru noteikšanu. Ūdens Resour Res 43: W04414. https://doi.org/10.1029/2006WR005134 15 lpp.

Choi HI, Liang X-Z, Kumar P (2013) Konjunktīvas virsmas-pazemes virsmas plūsmas attēlojums zemes mēroga zemes virsmas modeļiem. J Hydrometeorol 14: 1421–1442

Chou M-D, Suarez MJ (1999) Saules radiācijas parametru noteikšana atmosfēras pētījumiem. [Pēdējā redakcija 2002. gada martā] Tehnisko ziņojumu sērija par globālo modelēšanu un datu asimilāciju. M. J. Suarez (Red.), NASA / TM-1999-104606, Vol. 15, Godarda kosmosa lidojumu centrs, Greenbelt, MD, 42 lpp

Chou M-D, Suarez MJ, Liang X-Z, Yan MM-H (2001) Termiskā infrasarkanā starojuma parametru noteikšana atmosfēras pētījumiem. [Pēdējā redakcija 2002. gada jūlijā] Technical Report Series on Global Modeling and Data Assimilation, M. J. Suarez (Red.), NASA / TM-2001-104606, Vol. 19, Godarda kosmosa lidojumu centrs, Greenbelt, MD, 56 lpp

Chow KC, Tong H-W, Chan JCL (2008) Ūdens tvaiku avoti, kas saistīti ar agras vasaras nokrišņiem virs Ķīnas. Clim Dyn 30: 497–517

Christensen JH, Carter TR, Rummukainen M, Amanatidis G (2007) Reģionālo klimata modeļu veiktspējas un lietderības novērtēšana: PRUDENCE projekts. Klimata pārmaiņas 81: 1–6

Dai Y, Zeng X, Dickinson RE, Baker I, Bonan GB, Bosilovich MG, Denning AS, Dirmeyer PA, Houser PR, Niu G, Oleson KW, Schlosser CA, Yang Z-L (2003) Kopīgais zemes modelis. Bull Am Meteorol Soc 84: 1013–1023

Dai Y, Dickinson RE, Wang Y-P (2004) Divu lielu lapu modelis nojumes temperatūrai, fotosintēzei un stomatāla vadītspējai. J Klimats 17: 2281–2299

Daly C, Neilson RP, Phillips DL (1994) Statistiski-topogrāfisks modelis klimatoloģisko nokrišņu kartēšanai kalnainā apvidū. J Appl Meteorol 33: 140–158

Dee DP, Uppala SM, Simmons AJ, Berrisford P, Poli P, Kobayashi S, Andrae U, Balmaseda MA, Balsamo G, Bauer P, Bechtold P, Beljaars ACM, van de Berg L, Bidlot J, Bormann N, Delsol C, Dragani R, Fuentes M, Geer AJ, Haimberger L, Healy SB, Hersbach H, Hólm EV, Isaksen L, Kållberg P, Köhler M, Matricardi M, McNally AP, Monge-Sanz BM, Morcrette JJ, Park BK, Peubey C, de Rosnay P, Tavolato C, Thépaut JN, Vitart F (2011) ERA-Interim reanalysis: datu asimilācijas sistēmas konfigurācija un veiktspēja. Quart J Meteorol Soc 137: 553–597

Fang YJ, Zhang YC, Huang AN, Li B (2013) Austrumāzijas vasaras musonu nokrišņu sezonālās un starpsezonu variācijas, kas modelētas ar reģionālu gaisa un jūras savienotu modeli. Adv Atmos Sci 30 (2): 315–329

Feng JM, Fu CB (2006) 10 gadu nokrišņu starpsalīdzinājums, ko simulēja vairāki Āzijas RCM. Adv Atmos Sci 23: 531–542

Feng JM, Wang YL, Fu CB (2011) Ekstrēmo klimata notikumu simulācija virs Ķīnas ar dažādiem reģionālajiem klimata modeļiem. Atmos Oceanic Sci Lett 4: 47–56

Fischer T, Menz C, Su B, Scholten T (2013) Simulētas un prognozētas klimata galējības Džudzjanas upes baseinā, Dienvidķīnā, izmantojot reģionālo klimata modeli 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) Āzijas reģionālā klimata modeļa salīdzināšanas projekts. Bull Am Meteorol Soc 86: 257–266

Gao X-J, Zhao ZC, Ding YH, Huang RH, Giorgi F (2001) Klimata pārmaiņas siltumnīcas efektu dēļ Ķīnā, kā simulē reģionālais klimata modelis. Adv Atmos Sci 18: 1224–1230

Gao X-J, Zhao ZC, Giorgi F (2002) Ārkārtēju notikumu izmaiņas reģionālajās klimata simulācijās virs Austrumāzijas. Adv Atmos Sci 19: 927–942

Gao X-J, Luo Y, Lin WT, Zhao ZC, Giorgi F (2003) Zemes izmantošanas izmaiņu simulācija uz Ķīnas klimatu ar reģionālu klimata modeli. Adv Atmos Sci 20: 583–592

Gao X-J, Xu Y, Zhao ZC, Pal JS, Giorgi F (2006) Par izšķirtspējas un topogrāfijas lomu Austrumāzijas nokrišņu simulācijā. Theor Appl Climatol 86: 173–185

Gao X-J, Shi Y, Song R, Giorgi F, Wang Y, Zhang D (2008) Nākamo musonu nokrišņu samazināšana virs Ķīnas: augstas izšķirtspējas RCM simulācijas un braukšanas GCM salīdzinājums. Meteorol Atmos Phys 100: 73–86

Gao X-J, Shi Y, Giorgi F (2011) Augstas izšķirtspējas klimata pārmaiņu simulācija Ķīnā. Sci China Earth Sci 54 (3): 462–472

Gao X-J, Shi Y, Zhang D, Wu J, Giorgi F, Ji Z, Wang Y (2012) Neskaidrības musonu nokrišņu projekcijās virs Ķīnas: divu augstas izšķirtspējas RCM simulāciju rezultāti. Clim Res 52: 213–226. https://doi.org/10.3354/cr01084

Gao X-J, Wang M-L, Giorgi F (2013) Klimata pārmaiņas pār Ķīnu 21. gadsimtā, kā to simulē BCC_CSM1.1-RegCM4.0. Atmos Oceanic Sci Lett 6: 381–386. https://doi.org/10.3878/j.issn.1674-2834.13.0029

Gao Y, Xu J, Chen D (2015) WRF mezoskala klimata simulāciju novērtējums Tibetas plato laikā 1979. – 2011. J Klimats 28: 2823–2841

Gao X-J, Shi Y, Giorgi F (2016) Konvektīvo parametru salīdzinājums RegCM4 eksperimentos virs Ķīnas ar CLM kā zemes virsmas modeli. Atmos Ocean Sci Lett. https://doi.org/10.1080/16742834.2016.1172938

Giorgi F (2006) Reģionālā klimata modelēšana: statuss un perspektīvas. J Phys IV Francija 139: 101–118

Giorgi F, Gutowski WJ (2015) Reģionālā dinamiskā samazināšana un CORDEX iniciatīva. Annu Rev Enourour Resour 40: 467–490

Giorgi F, Marinucci MR, Bates G (1993a) Otrās paaudzes reģionālā klimata modeļa (RegCM2) izstrāde. I. Robežslāņa un starojuma pārneses procesi. Pirmdienas laika apstākļi Atkl 121: 2794–2813

Giorgi F, Marinucci MR, Bates G, DeCanio G (1993b) Otrās paaudzes reģionālā klimata modeļa (RegCM2) izstrāde. II. Konvektīvie procesi un sānu robežnosacījumu asimilācija. Pirmdiena Laiks 121: 2814–2832

Giorgi F, Coppola E, Solmon F, Mariotti L, Sylla MB, Bi X, Elguindi N, Diro GT, Nair V, Giuliani G, Turuncoglu UU, Cozzini S, Güttler I, O'Brien TA, Tawfik AB, Shalaby A, Zakey AS, Steiner AL, Stordal F, LC Brankovic (2012) RegCM4: modeļa apraksts un provizoriski testi vairākos CORDEX domēnos. Klimata Res 52: 7–29

Grell GA, Dudhia J, Stauffer DR (1994) Piektās paaudzes Penn State / NCAR Mesoscale Model (MM5) apraksts. NCAR Tech, laukakmens (piezīme NCAR / TN-398 + STR), 121 lpp

Gu HH, Wang GL, Yu ZB, Mei R, Tang JP, Wang SY (2012) Novērtējums par klimata pārmaiņu ietekmi uz Austrumu un Dienvidāziju, izmantojot RegCM4 reģionālo klimata modeli. Klimata pārmaiņas 114 (7): 301–317

Guo J, Huang G, Wang X, Lin Q (2017) Nākamo nokrišņu izmaiņu izpēte Ķīnā, izmantojot augstas izšķirtspējas reģionālo klimata modeļu ansambli. Zemes nākotne. https://doi.org/10.1002/2016EF000433

Han W, Zhai P, 2015: Trīs kopu metodes temperatūras zonu reģionalizācijā Ķīnā. Clim Environ Res, 20 (1): 111–118 (ķīniešu valodā)

Holtslag AAM, Boville BA (1993) Vietējā pret lokālo robežu slāņa difūziju globālā klimata modelī. J Clim 6: 1825–1842

Holtslag AAM, De Bruijn EIF, Pan HL (1990) Augstas izšķirtspējas gaisa masas transformācijas modelis tuvu laika apstākļu prognozēšanai. Pirmdiena Laiks Rev 118: 1561–1575

Hu BY, Tang JP, Wang SY (2013) Ārkārtēju notikumu pār Ķīnu novērtēšana un prognozēšana saskaņā ar IPCC A1B scenāriju pēc MM5v3 modeļa. Zods Džeofijs 56 (7): 2195–2206 (ķīniešu valodā)

Huang W-R, Chan JCL, Au-Yeung AYM (2013) Vasaras diennakts nokrišņu variāciju reģionālās klimata simulācijas Austrumāzijā un Ķīnas dienvidaustrumos. 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) Vasaras musonu nokrišņu novērtējums, kas iegūts no piecām reanalīzes datu kopām virs Austrumāzijas. QJR Meteorol Soc 142: 108–119. https://doi.org/10.1002/qj.2634

Hui P, Tang J, Wang S, Wu J, Kang Y, 2014: Nākotnes klimata prognoze saskaņā ar IPCC A1B scenāriju Dzeltenās upes avota reģionā ar sarežģītu topogrāfiju, izmantojot RegCM3. J Geophys Res Atmos, 119 (11) 205–11222, https://doi.org/10.1002/2014JD021992

Hwang J-N, Lay S-R, Lippman A (1994) Neparametrisks daudzveidīgo blīvuma novērtējums: salīdzinošais pētījums. IEEE signālu process 42 (10): 2795–2810

Ji Z, Kang S (2015) Ekstrēmo klimata notikumu novērtējums, izmantojot Ķīnas reģionālo klimata modeli. Int J Climtol 35: 888–902

Kahn RA, Gaitley BJ, Martonchik JV, Diner DJ, Crean KA, Holben B, 2005: Multiangle Imaging Spectroradiometer (MISR) globālā aerosola optiskā dziļuma validācija, pamatojoties uz 2 gadu sakritīgu Aerosol Robotic Network (AERONET) novērojumiem. J Geophys Res, 110, D10S04. https://doi.org/10.1029/2004JD004706

Kahn RA, Garay MJ, Nelson DL, Yau KK, Bull MA, Gaitley BJ, Martonchik JV, Levy RC (2007) Satelīta iegūts aerosola optiskais dziļums virs tumša ūdens no MISR un MODIS: salīdzinājumi ar AERONET un ietekme uz klimatoloģiskajiem pētījumiem. J Geophys Res 112: D18205. https://doi.org/10.1029/2006JD008175

Kang H-S, Hong S-Y (2008) Imitētās Austrumāzijas vasaras musonu klimatoloģijas jutīgums pret četrām konvekcijas parametru shēmām. J Geophys Res 113: D15119. https://doi.org/10.1029/2007JD009692

Kang H-S, Cha D-H, Lee D-K (2005) Mezoskalu modeļa / zemes virsmas modeļa (MM5 / LSM) apvienotā modeļa novērtējums Austrumāzijas vasaras musonu simulācijām. J Geophys Res 110: D10105. https://doi.org/10.1029/2004JD005266

Kiehl JT, Hack JJ, Bonan GB, Boville BA, Briegleb BP, Williamson DL, Rasch PJ, 1996: NCAR kopienas klimata modeļa (CCM3) apraksts. NCAR Tech, laukakmens. 143 lpp

Kumar SV, Reichle RH, Peters-Lidard CD, Koster RD, Zhan X, Crow WT, Eylander JB, Houser PR (2008) Zemes virsmas datu asimilācijas ietvars, izmantojot zemes informācijas sistēmu: apraksts un lietojumi. Adv Water Resour 31: 1419–1432

Lee JW, Hong SY, Chang EC, Suh MS, Kang HS (2014) Nākotnes klimata pārmaiņu novērtējums Austrumāzijā sakarā ar RCP scenārijiem, ko GRIMs-RMP samazināja. Clim Dyn 42 (3–4): 733–747

Li W, Guo W, Xue Y, Fu C, Qiu B (2015) Reģionālā klimata modeļa jutīgums pret zemes virsmas parametru noteikšanas shēmām Austrumāzijas vasaras musonu simulācijai. 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) Āzijas ēka klimata pārmaiņu scenārijs, ko veic vairāku reģionu klimata modeļu ansamblis. II daļa: vidējais nokrišņu daudzums. Int J Climatol 36: 4253–4264

Liang X-Z, Zhang F (2013) Cloud-Aerosol-Radiation (CAR) ansambļa modelēšanas sistēma. Atmos Chem Phys 13: 8335–8364

Liang X-Z, Kunkel KE, Samel AN (2001) Reģionālā klimata modeļa izstrāde ASV Midwest lietojumiem. 1. daļa: Jutība pret buferzonas apstrādi. J Clim 14: 4363–4378

Liang X-Z, Li L, Dai A, Kunkel KE (2004a) Reģionālā klimata modeļa vasaras nokrišņu diennakts cikla simulācija Amerikas Savienotajās Valstīs. Geophys Res Lett 31: L24208. https://doi.org/10.1029/2004GL021054

Liang X-Z, Li L, Kunkel KE, Ting M, Wang JXL (2004b) ASV nokrišņu reģionālā klimata modeļa simulācija 1982. – 2002. 1. daļa: Gada cikls. J Clim 17: 3510–3528

Liang X-Z, Choi H, Kunkel KE, Dai Y, Joseph E, Wang JXL, Kumar P (2005a) Virsmas robežu nosacījumi mēroga mēroga reģionālajiem klimata modeļiem. Zemes mijiedarbība 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) dati. J Geophys Res 110: D11107. https://doi.org/10.1029/2004JD005579

Liang X-Z, Xu M, Choi HI, Kunkel KE, Rontu L, Geleyn J-F, Müller MD, Joseph E, Wang JXL (2006) Reģionālā klimata un laika pētījumu un prognozēšanas modeļa (CWRF) izstrāde: Apakšrežģa topogrāfijas efektu ārstēšana. In: Proceedings of the 7th Annual WRF User’s Workshop, Boulder, CO, 19. – 22. Jūnijs, 5 lpp.

Liang X-Z, Xu M, Kunkel KE, Grell GA, Kain J (2007) ASV un Meksikas vasaras nokrišņu reģionālā klimata modeļa simulācija, izmantojot optimālu divu gubu parametru apvienojumu. 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 , Dudhia J, Michalakes J (2012) Reģionālais klimata un laika pētījumu un prognozēšanas modelis (CWRF). Bull Am Meteorol Soc 93: 1363–1387

Ling T-J, X-Z, Liang M, Xu Z, Wang, Wang B (2011) Daudzlīmeņu okeāna jaukta slāņa modelis 2-dimensiju lietojumiem. Acta Oceanol Sin 33 (03): 1–10

Ling T-J, Xu M, Liang X-Z, Wang JXL, Noh Y (2015) Daudzlīmeņu okeāna jaukta slāņa modelis, kas atrisina diennakts ciklu: izstrāde un validācija. J Adv Model Earth Syst 7: 1680–1692

Liu S, Liang X-Z, Gao W, Zhang H (2008) Klimata un laika pētījumu un prognozēšanas modeļa (CWRF) pielietojums Ķīnā: domēna optimizācija. Ķīniešu J Atmos Sci 32: 457–468

Liu S, Gao W, Xu M, Wang X, Liang X-Z (2009) Ķīnas vasaras nokrišņu reģionālā klimata modeļa simulācija, izmantojot optimālu gubu parametru noteikšanas shēmu ansambli. Priekšējā Zemes zinātnes zinātne 3 (2): 248–257. https://doi.org/10.1007/s11707-009-0022-8

Liu S, Liang X-Z, Gao W, He Y, Ling T (2011) 1998. gada vasaras Ķīnas plūdu reģionālā klimata modeļa simulācijas: Atkarība no sākotnējiem un sānu robežas apstākļiem. Atvērt Atmos Sci J 5: 96–105

Liu S, Gao W, Liang X-Z (2013) Reģionāls klimata modeļa samazināšanas prognoze par Ķīnas nākotnes klimata pārmaiņām. Clim Dyn 41: 1871–1884. https://doi.org/10.1007/s00382-012-1632-5

Liu D, Wang G, Mei R, Yu Z, Gu H (2014) Zemes un atmosfēras savienojuma stipruma diagnosticēšana Āzijas apakšsezonas un sezonas laika skalā. J Hydrometeorol 15: 320–339

Liu S, Wang JXL, Liang X-Z, Morris V, Fine SS (2016) Hibrīda pieeja, lai uzlabotu ASV sezonālās klimata perspektīvas prasmes reģionālā mērogā. Clim Dyn 46: 483–494

Ma JH, Wang HJ, Fan K (2015) Vasaras nokrišņu prognozēšanas dinamiskā samazināšana virs Ķīnas 1998. gadā, izmantojot WRF un CCSM4. Adv Atmos Sci 32 (5): 577–584

Marcella MP, Eltahir EAB (2012) Dienvidrietumu Āzijas vasaras klimata modelēšana: Zemes virsmas procesu nozīme semiarīdu reģionu klimata veidošanā. J Clim 25: 704–719

Mācās LO, Arritt RW, Biner S, Bukovsky M, McGinnis S, Sain S, Caya D, Correia J, Flori D, Gutowski WJ, Takle ES, Jones R, Leung R, Moufouma-Okia W, McDaniel L, Nunes AMB, Qian Y, Roads JO, Sloan L, Snyder M (2012) Ziemeļamerikas reģionālā klimata pārmaiņu novērtēšanas programma: I posma rezultātu pārskats. Bull Am Meteorol Soc 93: 1337–1362

Nikulin G, Jones C, Giorgi F, Asrar G, Büchner M, Cerezo-Mota R, Christensen OB, Déqué M, Fernandez J, Hänsler A, van Meijgaard E, Samuelsson P, Sylla MB, Sushama L (2012) Nokrišņu klimatoloģija CORDEX-Āfrikas reģionālo klimata simulāciju ansamblis. 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) Multimodeļu nokrišņu projekcija Ķīnas austrumos saskaņā ar A1B emisijas scenāriju. J Geophys Res Atmos 120: 9965–9980

Oh S-G, Park J-H, Lee S-H, Suh M-S (2014) RegCM4 novērtējums Austrumāzijā un turpmākās nokrišņu izmaiņas, kas pielāgotas RCP scenārijiem. J Geophys Res Atmos 119: 2913–2927. https://doi.org/10.1002/2013JD020693

Olesons KW, Lawrence DM, Bonan GB, Drewniak B, Huang M, Koven CD, Levis S, Li F, Riley WJ, Subin ZM, Swenson SC, Thornton PE, Bozbiyik A, Fisher R, Heald CL, Kluzek E, Lamarque JF , Lawrence PJ, Leung LR, Lipscomb W, Muszala S, Ricciuto DM, Sacks W, Sun Y, Tang J, Yang ZL (2013) Kopienas zemes modeļa uzlabojumi un to ietekme uz hidroloģisko ciklu. NCAR tehniskā piezīme, laukakmens, (NCAR / TN-503 + STR), 420p

Pal JS, Small EE, Eltahir EAB (2000) Reģionāla mēroga ūdens un enerģijas budžetu simulācija: Apakšrežģa mākoņu un nokrišņu procesu attēlojums RegCM. J Geophy Res 105: 29579–29594

Pal JS, Giorgi F, Bi X, Elguindi N, Solmon F, Gao X, Rauscher SA, Francisco R, Zakey A, Winter J, Ashfaq M, Syed FS, Bell JL, Diffenbaugh NS, Karmacharya J, Konaré A, Martinez D , da Rocha RO, Sloan LC, Steinerand AL (2007) Reģionālā klimata modelēšana jaunattīstības valstīm: ICTP RegCM3 un RegCNET. Bull Am Meteorol Soc 88: 1395–1409

Park S, Bretherton CS (2009) Vašingtonas universitātes seklās konvekcijas un mitras turbulences shēmas un to ietekme uz klimata simulācijām ar Kopienas atmosfēras modeli. J Klimats 22: 3449–3469

Qiao F, Liang X-Z (2015) Kumulus parametru parametru ietekme uz vasaras plūdu prognozēm ASV centrālajā daļā. Clim Dyn 45: 727–744

Qiao F, Liang X-Z, 2016a: Kumulus parametru slēgšanas ietekme uz vasaras nokrišņu simulāciju virs Amerikas Savienoto Valstu piekrastes okeāniem. J Adv Model Earth Syst, https://doi.org/10.1002/2015MS000621

Qiao F, Liang X-Z (2016b) Kumulus parametru slēgšanas ietekme uz vasaras nokrišņu simulācijām ASV kontinentālajā daļā. Clim Dyn. https://doi.org/10.1007/s00382-016-3338-6

Reynolds RW, Smith TM, Liu C, Chelton DB, Casey KS, Schlax MG (2007) Ikdienas augstas izšķirtspējas jauktas jūras virsmas temperatūras analīzes. 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, Žagar M (2006) Arktikas reģionālo klimata modeļu ansambļa novērtējums: Spatiotemporal lauki SHEBA gadā. Clim Dyn 26: 459–472

Ceļi J, Chen S, Cocke S, Druyan L, Fulakeza M, LaRow T, Lonergan P, Qian J-H, Zebiak S (2003) Starptautiskā pētniecības institūta / Lietišķo pētījumu centru (IRI / ARC) reģionālā modeļa salīdzinājums Dienvidamerikā. J Geophys Res 108 (D14): 4425. https://doi.org/10.1029/2002JD003201

Rontu L (2006) Pētījums par ar orogrāfiju saistītu impulsu plūsmu parametrizēšanu sinoptiska mēroga NWP modelī. Tellus 58: 69–81

Sato T, Xue Y (2013) Apstiprinot reģionālā klimata modeļa samazināšanas spēju Austrumāzijas vasaras musonu starpgadu mainīgumam. Clim Dyn 41: 2411–2426

Shi Y, Gao XJ, Wang YG et al (2009) Musonu nokrišņu un lietus modeļu simulācija un prognozēšana virs Ķīnas austrumiem saskaņā ar RegCM3 globālo sasilšanu. Atmos Oceanic Sci Lett 2: 308–313

Shi PJ, Sun S, Wang M, Li N, Wang JA, Jin YY, Gu XT, Yin WX (2014) Klimata pārmaiņu reģionalizācija Ķīnā (1961–2010). Sci China: Earth Sci 44 (10): 2294–2306. https://doi.org/10.1007/s11430-014-4889-1 (ķīniešu valodā)

Skamarock WC, Klemp JB, Dudhia J, Gill DO, Barker DM, Duda MG, Huang XY, Wang W, Powers JG (2008) Advanced Research WRF 3. versijas apraksts. NCAR Technical, Boulder, (Piezīme, NCAR / TN -475 + STR), 113 lpp

Subins ZM, Railijs WJ, Mironovs D (2012) Uzlabots ezera modelis klimata simulācijām. J Adv Model Earth Syst 4: M02001. https://doi.org/10.1029/2011MS000072

Sun Y, Solomon S, Dai A, Portmann RW (2006) Cik bieži līst? J Klimats 19: 916–934

Tang J, Li Q, Wang S, Lee DK, Hui P, Niu X, Gutowski WJ, Dairaku K, Mcgregor J, Katzfey J (2016) Āzijas klimata pārmaiņu scenārija veidošana ar vairāku reģionu klimata modeļu ansambļa starpniecību. I daļa: virsmas gaisa temperatūra. Int J Climatol 36: 4241–4252

Tao WK, Simpson J, Baker D, Braun S, Chou MD, Ferrier B, Johnson D, Khain A, Lang S, Lynn B, Shie CL, Starr D, Sui CH, Wang Y, Wetzel P (2003) Mikrofizika, radiācija un virsmas procesi Goddard Cumulus Ensemble (GCE) modelī. Meteor Atmos Phys, 82, 97–137

Teilore KE (2001) Apkopojot vairākus modeļa veiktspējas aspektus vienā diagrammā. J Geophys Res 106: 7183–7192

Tiedtke M (1989) Visaptveroša masas plūsmas shēma gubu parametru noteikšanai liela mēroga modeļos. Mon Wea Rev 117: 1779–1800

Trenberth KE, Shea DJ (2005) Sakarības starp nokrišņiem un virsmas temperatūru. Geophys Res Lett 32: L14703. https://doi.org/10.1029/2005GL022760

Wang Y, Sen OL, Wang B (2003) Ļoti atrisināts reģionālais klimata modelis (IPRC-RegCM) un tā simulācija par 1998. gada spēcīgo nokrišņu daudzumu virs Ķīnas. I daļa: Modeļa apraksts un simulācijas pārbaude. J Klimats 16: 1721–1738

Wang D, Menz C, Simon T, Simmer C, Ohlwein C (2013) Reģionālā dinamiskā samazināšana ar CCLM virs Austrumāzijas. Meteorol Atmos Phys 121 (1–2): 39–53

Wang X, Tang J, Niu X, Wang S (2015) Nokrišņu un virsmas gaisa temperatūras novērtējums virs Ķīnas pēc reģionālajiem klimata modeļiem. Front Earth Sci. https://doi.org/10.1007/s11707-015-0548-x

Wu J, Gao X-J (2013) režģota ikdienas novērojumu datu kopa virs Ķīnas reģiona un salīdzinājums ar citām datu kopām. Ķīnietis Dž. Geofijs 56 (4): 1102–1111 https://doi.org/10.6038/cjg20130406

Wu J, Gao X-J, Xu Y-L, Pan J (2015) Reģionālo klimata pārmaiņu un nenoteiktības analīze, kuras pamatā ir četras reģionālās klimata modeļa simulācijas virs Ķīnas. 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) Vasaras ekstremālo nokrišņu novērtējums un projekcija virs Austrumāzijas reģionālā modeļa savstarpējās salīdzināšanas projektā Clim Res 69: 45–58

Xu K-M, Randall DA (1996) Semiemiriska mākoņainības parametru noteikšana izmantošanai klimata modeļos. J Atmos Sci 53: 3084–3102

Xu M, Liang X-Z, Samel A, Gao W (2014) MODIS konsekventas veģetācijas parametru specifikācijas un to ietekme uz reģionālajām klimata simulācijām. J Climate 27: 8578–8596

Xue Y, Janjic Z, Dudhia J, Vasic R, De Sales F (2014) Pārskats par reģionālo dinamisko samazināšanu starp sezonu sezonālā simulācijā / prognozēšanā un galvenajiem faktoriem, kas ietekmē samazināšanas iespējas. Atmos Res 147–148: 68–85

Yang H, Wang B, Wang B (2012) Sistemātisku aizspriedumu samazināšana reģionālā klimata samazināšanā, izmantojot ansambļa piespiešanu. Clim Dyn 38: 655–665

Yang H, Jiang Z, Li L (2016) Aizspriedumi un uzlabojumi trijās dinamiskās samazināšanas klimata simulācijās virs Ķīnas. Clim Dyn. https://doi.org/10.1007/s00382-016-3023-9

Yu ET, Wang HJ, Sun JQ (2010) Ātrs ziņojums par dinamisku samazināšanas simulāciju virs Ķīnas, izmantojot ligzdoto modeli. Atmos Oceanic Sci Lett 3: 325–329

Yu ET, Sun J, Chen H, Xiang W (2015) Augstas izšķirtspējas vēsturiskas simulācijas novērtējums Ķīnā: klimatoloģija un galējības. Clim Dyn 45: 2013–2031

Yuan X, Liang X-Z (2011a) Konjunktīvā virsmas-pazemes procesa modeļa (CCSP) novērtējums blakus esošajās Amerikas Savienotajās Valstīs reģionālā un vietējā mērogā. J hidrometeoroloģija 12: 579–599

Yuan X, Liang X-Z (2011b) Aukstās sezonas nokrišņu prognozēšanas uzlabošana ar ligzdoto CWRF-CFS sistēmu. Geophys Res Lett 38: L02706. https://doi.org/10.1029/2010GL046104

Yuan X, Liang X-Z, Wood EF (2012) WRF ansambļa mērogošanas sezonālās Ķīnas ziemas nokrišņu prognozes 1982. – 2008. Clim Dyn 39: 2041–2058

Zeng X, Zhao M, Dickinson RE (1998) Masveida aerodinamisko algoritmu salīdzināšana jūras virsmas plūsmu aprēķināšanai, izmantojot TOGA COARE un TAO datus. J Klimats 11: 2628–2644

Zeng M-J, Lu W-S, Liang X-Z, Wang X-L (2008) Ansambļa prognozēšanas eksperiments ar nokrišņiem vasarā, izmantojot CWRF skaitlisko modeli. Plato meteoroloģija 27 (6): 1–11

Zeng X-M, Wang M, Zhang Y, Wang Y, Zheng Y (2016). Novērtējot telpiskās izšķirtspējas ietekmi uz reģionālo klimata modeli, simulēta vasaras temperatūra un nokrišņi Ķīnā: gadījumu izpēte. Adv Meteorol 7639567: 12

Zhang Y, Xu Y, Dong W, Cao L, Sparrow M (2006) Nākotnes klimata scenārijs par reģionālām izmaiņām ekstremālos klimata notikumos virs Ķīnas, izmantojot PRECIS klimata modeli. Geophys Res Lett 33: L24702. https://doi.org/10.1029/2006GL027229

Zhang F, Liang X-Z, Li J, Zeng Q (2013) Apakšrežģa mēroga mākoņu struktūru dominējošās lomas mākoņa radiatīvo efektu modeļu daudzveidībā. J Geophys Res 118: 7733–7749

Zhao DM (2012) Reģionālās integrētās vides modelēšanas sistēmas (RIEMS) veiktspēja virszemes gaisa temperatūras simulācijā virs Austrumāzijas. Atmos Ocean Sci Lett 5: 145–150

Zhao DM (2013) Reģionālās integrētās vides modelēšanas sistēmas (RIEMS) veiktspēja nokrišņu simulācijās virs Austrumāzijas. Clim Dyn 40 (7–8): 1767–1787

Zhao G, Girolamo LD, Dey S, Jones AL, Bull M (2009) Tiešā gubu piesārņojuma pārbaude uz MISR iegūto aerosola optisko dziļumu un angstroma koeficientu virs okeāna. Geophys Res Lett 36: L13811. https://doi.org/10.1029/2009GL038549

Zheng JY, Bian JJ, Ge QS, Hao ZX, Yin YH, Liao YM (2013) Klimata reģionalizācija Ķīnā 1981. – 2010. Gadam (ķīniešu valodā). 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) Vai reanalīzes datu kopas var raksturot Ķīnas pastāvīgās temperatūras un nokrišņu galējības? Teorors Appl Climatol. https://doi.org/10.1007/s00704-016-1912-9

Zou LW, Zhou TJ (2011) Reģionālā okeāna un atmosfēras modeļa jutīgums pret konvekcijas parametru noteikšanu virs Klusā okeāna ziemeļu rietumiem. J Geophys Res 116: D18106. https://doi.org/10.1029/2011JD015844

Zou LW, Zhou TJ (2013a) Tuvākajā nākotnē (2016-40) vasaras nokrišņu daudzums mainīsies uz Ķīnu, kā to prognozē reģionālais klimata modelis (RCM) saskaņā ar RCP8.5 emisiju scenāriju: RCM samazināšanas un braukšanas GCM salīdzinājums. Adv Atmos Sci 30 (3): 806–818

Zou LW, Džou TJ (2013b) Vai reģionālais okeāna un atmosfēras modelis var uzlabot Klusā okeāna ziemeļu rietumu vasaras musonu starpgadu mainīguma simulāciju? Adv Atmos Sci 30 (3): 806–818

Zou LW, Zhou TJ, Li L, Zhang J (2010) Austrumķīnas vasaras nokrišņu mainīgums 1958. – 2000. Gadā: Dinamiska samazināšana ar mainīgas izšķirtspējas AGCM. J Clim 23: 6394–6408

Zou LW, Qian Y, Zhou TJ, Yang B (2014) RegCM3 parametru pielāgošana un kalibrēšana ar MIT – Emanuel gubu parametru noteikšanas shēmu virs CORDEX Austrumāzijas domēna. J Klimats 27: 7687–7701

Zou LW, Zhou TJ, Peng D (2016) Vēsturiskā klimata dinamiskā samazināšana virs CORDEX Austrumāzijas domēna: reģionālā okeāna un atmosfēras modeļa salīdzinājums ar atsevišķām RCM simulācijām. J Geophys Res 121: 1442–1458


Secinājums

Radiācijas terapija ir svarīga modalitāte, ārstējot pacientus ar ļaundabīgiem krūšu audzējiem. Lai pareizi interpretētu attēlveidošanas pētījumu rezultātus, radiologiem jāpārzina modernās radiācijas piegādes tehnoloģijas, kā arī radiācijas radītie attēlveidošanas atklājumi, kurus var redzēt plaušās, videnes zarnās un krūšu sienās.

Interešu konfliktu atklāšana.D.G.Darbības, kas saistītas ar šo rakstu: neatklāja nekādas attiecīgas attiecības. Darbības, kas nav saistītas ar šo rakstu: Merck un AstraZeneca konsultatīvās padomes konsultants, Merck un AstraZeneca dotācija vai vēl neizlemtas dotācijas, samaksa par BMS, Varian un Reflexion lekcijām. Citas aktivitātes: neatklāja nekādas attiecīgas attiecības. B.W.C.Darbības, kas saistītas ar šo rakstu: neatklāja nekādas attiecīgas attiecības. Darbības, kas nav saistītas ar šo rakstu: grāmatu autoratlīdzība no Elsevjē. Citas aktivitātes: neatklāja nekādas attiecīgas attiecības. E.M.M.Darbības, kas saistītas ar šo rakstu: neatklāja nekādas attiecīgas attiecības. Darbības, kas nav saistītas ar šo rakstu: samaksa par Bristol-Myers Squibb un Boehringer Ingelheim lekcijām. Citas aktivitātes: neatklāja nekādas attiecīgas attiecības.


4 Vēsturiskās simulācijas

4.1. Globālā vidējā virsmas temperatūra, vidējais klimata stāvoklis un sezonas cikls

Globālā vidējā virsmas (2 m) gaisa temperatūra ir galvenais rādītājs, lai novērtētu klimata modeļa veiktspēju vēsturisko un nākotnes klimata pārmaiņu simulācijā. 11.a attēlā parādīts simulēto un novēroto vidējās virszemes gaisa temperatūras (SAT) un SST laika reižu salīdzinājums, parādot, ka abas temperatūras daudz ciešāk saskan ar novērojumiem HR nekā LR. Simulētais SST HR ir starp diviem ilglaicīgi novērotiem SST datu kopumiem HadISST2 (Titchner & Rayner, 2014) un ERSSTv5 (Huang et al., 2017), kur pirmais ir siltāks par aptuveni 0,3 līdz 0,4 ° C nekā pēdējā. Imitētais HR SAT parāda vēl iespaidīgāku vienošanos ar novēroto virsmas temperatūru GISTEMPv4 (Lenssen et al., 2019). Turpretī vidējais globālais SST un SAT LR ir aptuveni par 1,0 ° C vēsāks nekā HR un novērojumos. Globālais vidējais SST (SAT) vidējais rādītājs 1870–2019 (1880–2019) periodā ir 18,26 ° C (14,04 ° C) HadISST2 (GISTEMPv4), 17,89 ° C ERSSTv5, 18,13 ° C (14,04 ° C) HR un 17.03 ° C (12.44 ° C) attiecīgi LR. HR SST (SAT) vidējā kvadrāta kļūda (RMSE) ir 0,18 ° C (0,16 ° C) attiecībā pret HadISST2 (GISTEMPv4) un 0,27 līdz ERSSTv5, savukārt atbilstošā LR SST (SAT) RMSE ir 1,23 ° C (1,61 ° C) līdz HadISST2 (GISTEMPv4) un 0,87 ° C līdz ERSSTv5. Vēsāku SST LR nevar vienkārši izskaidrot ar neto virsmas siltuma plūsmas starpību okeānā starp HR un LR, jo visā pasaulē vidēji tīrā virsmas siltuma plūsmas okeānā HR vērtība ir –0,06 W m −2, salīdzinot ar +0,26 W m −2 LR laika posmā no 1877. līdz 2018. gadam (jo virsmas siltuma plūsmas tika izvadītas no 1877. gada un turpmāk), kas norāda, ka LR okeānā tiek iesūknēts vairāk siltuma nekā HR. Tāpēc siltāku SST HR var attiecināt tikai uz okeāna procesu atšķirībām starp HR un LR.

Mēs izvirzām hipotēzi, ka siltāku SST HR, iespējams, izraisa pastiprināts okeāna vertikālais siltuma transports (OVHT) okeāna augšdaļā. OVHT sastāv no vertikālas turbulentas siltuma transportēšanas un vertikālas siltuma transportēšanas ar vidējām strāvām un virpuļiem. Gan HR, gan LR vertikālo turbulentu siltuma transportu parametrizē ar K profila parametru noteikšanu (KPP, Large et al., 1994). Tomēr virpuļojošā vertikālā siltuma transports HR un LR tiek aprēķināts atšķirīgi. HR gadījumā tas ir tieši aprēķināts, turpretī LR tas netieši tiek aprēķināts, izmantojot mezoskopa-virpuļstrāvas parametrizācijas (GM, Gent & Mcwilliams, 1990) un submesoskal-virpuļstrāvas parametrizācijas (Fox-Kemper et al., 2008). Kā norādīja Griffies et al. (2015), “mesoskalu virpuļi darbojas, lai siltumu nogādātu uz augšu tādā veidā, kas daļēji kompensē (vai kompensē) siltuma transportēšanu uz leju no laika vidējām strāvām.” Tādēļ jebkurām atšķirībām izteiktā un parametriskā virpuļveida vertikālā siltuma transportā var būt būtiska ietekme uz neto OVHT. Griffies u.c. (2015) liecina, ka neto augšupvērstā vertikālā siltuma transports ar vidējām strāvām un virpuļiem (ieskaitot savos modeļos parametrizētu zemūdens mēroga virpuļveida siltuma transportu) augšējos 50 m palielinājās līdz

1,6 PW 0,1 ° GFDL CM2,6 modelī, kas nepārprotami izšķir mezoskala virpuļus no

0,2 PW 1,0 ° GFDL CM2.0 modelī, kas neatrisina virpuļus un aprēķina mezoskala virpuļvada siltuma transportēšanu, izmantojot GM parametru noteikšanu (skat. Griffies et al., 2015. Attēlu 12). Tiek uzskatīts, ka šis augšupejošā OVHT pieaugums skaidra, nevis parametrizēta virpuļveida siltuma transporta dēļ tiek uzskatīts par galveno faktoru, kas veicina siltāku SST HR, nevis LR.

11.b attēlā parādīts simulēto un novēroto pasaules vidējās virsmas gaisa temperatūras anomāliju laikrindas salīdzinājumā ar 30 gadu vidējo temperatūru bāzes periodā no 1951. līdz 1980. gadam. Neskatoties uz ievērojamo aukstuma novirzi LR, gan pasaules, gan vidējās virszemes gaisa temperatūras anomāliju simulētā laika attīstība gan HR, gan LR ļoti labi saskan ar ilgo novēroto virsmas gaisa temperatūru. Prognozētais globālais SAT LR un HR arī cieši seko viens otram. Tomēr tas nenozīmē, ka prognozētajos SAT nav lielu reģionālu atšķirību. Šīs reģionālās atšķirības mēs apspriedīsim 5.1. Sadaļā.

Lai gan vidējais SST rādītājs HR vidēji atbilst novērojumiem attiecībā uz vidējo atšķirību un RMSE rādītājiem, joprojām pastāv ievērojama reģionāla aizspriedumi. Piemēram, SST gar Kuroshio un Golfa straumes pagarinājumu, kā arī dienvidu okeāna frontēs ir siltāks nekā novērots (12.b attēls). Smaga siltā novirze, kas pārsniedz 3 ° C gar Golfa straumes pagarinājumu, ir sastopama Ziemeļu recirkulācijas Giras reģionā gan HR, gan LR (12.a attēls), kas liek domāt, ka abas simulācijas cieš no Golfa straumes pārsniegšanas, kas rada problēmu Ziemeļatlantijas straume modelī ir pārāk zonāla. Tomēr, salīdzinot ar LR, SST novirze no sirds, īpaši aukstā novirze gar Golfa straumi, ir ievērojami samazināta (12.c attēls). Neskatoties uz to, okeāna izšķirtspējas palielināšana no 1 ° līdz 0,1 ° HR būtiski neuzlabo Golfa straumes un Ziemeļatlantijas pašreizējās sistēmas simulāciju. Šis atklājums saskan ar neseno okeāna modeļu salīdzināšanas pētījumu, kas parāda, ka daudzos modeļos līdzīgi pieaugoša horizontālā izšķirtspēja nenovērš modeļa aizspriedumus Golfa straumes un Ziemeļatlantijas straumes attēlojumā (Chassignet et al., 2020). Līdztekus siltajām tendencēm virs tropiskās Atlantijas okeāna un Klusā okeāna tropu austrumu daļas HR ir amplitūda līdz 1 ° C. Aukstā neobjektivitāte ir īpaši izteikta tropu Atlantijas okeānā un, iespējams, var negatīvi ietekmēt Atlantijas okeāna TC simulācijas (piemēram, Hsu et al., 2019). Tiešs salīdzinājums starp SST HR un LR skaidri parāda, ka SST ir HR siltāks nekā LR gandrīz visur, izņemot gar austrumu robežas augšupejošajiem režīmiem, piemēram, Kalifornijas straumes, Peru-Čīles un Benguela mājokļu sistēmas, kur siltas novirzes LR ir samazināti HR (12.c attēls). Silto neobjektivitātes samazināšanas mehānismu gar austrumu robežu režīmiem ir apsprieduši Small et al. (2014, 2015), kuri parāda, ka atmosfēras modeļa izšķirtspējas palielināšanās dēļ atmosfēras zema līmeņa piekrastes strūklu uzlabota simulācija ir galvenais novirzes samazināšanas cēlonis. Vēl viena atšķirīga iezīme no HR-LR SST atšķirību kartes ir fakts, ka spēcīga relatīvā sasilšana mēdz notikt spēcīgos virpuļojošos reģionos, tostarp Kuroshio un Golfa straumes pagarinājumā, Brazīlijas / Malvinas straumē, Agulhas straumē un ACC, kas atbilst dažiem augstas izšķirtspējas modeļu simulācijas (piemēram, Gutjahr et al., 2019). Šis atklājums pastiprina hipotēzi, ka siltāks SST HR var būt daļēji saistīts ar atšķirību starp izteiktām un parametrizētām okeāna virpuļvada siltuma plūsmām HR un LR.

Gada vidējās nokrišņu novirzes HR un LR ir salīdzinātas 12.d un 12.f attēlā, aprēķinot attiecībā pret GPCPv2.3 (Adler et al., 2018) klimatoloģiju 1979. – 2018. Globālais vidējais nokrišņu daudzums ir 1,95 mm d −1 HR, 1,85 mm d −1 LR un 1,72 mm d −1 GPCPv2.3. Nokrišņu RMSE ir 6,53 mm d −1 HR un 4,39 mm d −1 LR attiecībā pret GPCPv2.3. Tāpēc izšķirtspējas palielināšanās pastiprina kopējo nokrišņu novirzi. Tomēr kopējais novirzes modelis starp HR un LR ir līdzīgs (12.d un 12.f attēls), un abiem ir divkāršs ITCZ ​​slīpums, izņemot to, ka šī novirze tiek samazināta virs Klusā okeāna austrumu daļas austrumu daļā HR, kas atbilst iepriekšējam CESM1.1 simulācijas rezultāti, ko veica Small et al. (2014). Arī līdzīgs atradumam Small et al. (2014), ziemeļu ITCZ ​​nokrišņu daudzums HR ir pārāk liels, kas liecina par Hadley šūnu pārmērīgu aktīvo darbību HR. Ir arī dažas norādes, ka ITCZ ​​stāvoklis HR ir novirzīts uz ziemeļiem, it īpaši virs tropiskās Atlantijas okeāna (12.f attēls). Vēl viena redzama gada vidējo nokrišņu atšķirība starp HR un LR ir nokrišņu skaita palielināšanās gar galvenajām okeāna frontālajām zonām, piemēram, Kuroshio un Golfa straumes pagarinājumu, Brazīlijas / Malvinas straumi, Agulhas straumi un ACC, kur siltāks SST ir redzami HR (12.c un 12.f attēls), saskaņā ar Kirtman et al. (2012). Dažos kontinentālos apgabalos, piemēram, Amazones baseinā, nokrišņu daudzums ievērojami palielinās HR, kas darbojas, lai samazinātu reģionālo sauso novirzi LR. Citas jomas, kurās HR samazinās nokrišņu novirze, ir Amerikas Savienoto Valstu rietumi un Ķīnas centrālā un rietumu daļa, kur gan HR, gan LR pastāv slapja novirze. Kopumā vidējais HR nokrišņu daudzums pasaulē tiek palielināts par salīdzinoši nelielu daudzumu (

5%) salīdzinājumā ar LR, neskatoties uz to, ka HR ir ievērojami siltāks nekā LR (12.c attēls). Tomēr parametrizētā konvekcijas nokrišņu un atrisināto liela mēroga nokrišņu sadalīšana uzrāda būtisku atšķirību starp HR un LR. LR aptuveni 67% no kopējā nokrišņu daudzuma ir saistīti ar konvekcijas nokrišņiem, savukārt šis skaitlis HR samazinās tikai līdz 49%. Tāpēc modeļa izšķirtspējas palielināšanās rezultātā novēro atrisināto liela mēroga nokrišņu daudzumu no 33% LR līdz 51% HR (13. attēls). Šie atklājumi ir saskaņā ar dažiem nesenajiem pētījumiem, kas parāda, ka atmosfēras modeļa izšķirtspējas palielināšanās var izraisīt atrisinātu liela mēroga nokrišņu daudzumu, kas veicina nokrišņu galējību pieaugumu (Kooperman et al., 2018 O'Brien et al., 2016 Rauscher et al., 2016). Raušers un citi. (2016) apgalvo, ka pastiprinātu liela mēroga nokrišņu daudzumu, samazinoties tīkla atstarpei, nosaka augšupielādes spēka pieaugums, kas atkarīgs no izšķirtspējas. Šī konvekcijas un liela mēroga nokrišņu sadalījuma atšķirība ietekmē ekstremālu notikumu simulāciju HR un LR, kā tiks apspriests vēlāk.

Papildus vidējā klimata stāvokļa atšķirībai pastāv ievērojama atšķirība starp SST sezonālo ciklu HR un LR, ko mēra pēc sezonas cikla maksimuma līdz maksimālajai vērtībai (14. attēls). Šo vērtību no maksimuma līdz maksimumam iegūst, vispirms aprēķinot SST mēneša klimatoloģiju katrā okeāna režģa punktā 1870. – 2018. Gada periodā un pēc tam identificējot siltāko un aukstāko SST un vērtības pirms un pēc siltākā un aukstākā mēneša klimatoloģijā. un, visbeidzot, ņemot starpību starp trīs silto mēnešu SST un trīs aukstā mēneša SST vidējo vērtību. Ir skaidrs, ka daudzās pasaules okeāna daļās, jo īpaši Dienvidu okeānā, sezonālās SST variācijas ir vājinātas par vairāk nekā 50%, pateicoties modeļa horizontālās izšķirtspējas palielinājumam. Pasaulē vidēji SST sezonālās svārstības no maksimuma līdz maksimumam ir attiecīgi 2,96 ° C HR un 3,19 ° C LR. Vājākais SST sezonālais cikls HR labāk saskan ar novērojumiem, it īpaši Dienvidu okeānā (14.d un 14.e attēls). SST sezonālās svārstības no maksimuma līdz maksimumam SST vidējā RMSE attiecībā pret HadISST2 ir attiecīgi 0,78 ° C un 0,82 ° C. Mēs arī aprēķinājām SST sezonas cikla amplitūdu, izmantojot harmonisko analīzi, un rezultāti atbilst šeit parādītajai analīzei. Šis uzlabotais SST sezonālais cikls HR var būt daļēji saistīts ar MLD modeļa uzlabošanu, kas tiks apspriests nākamreiz.

MLD kā okeāna vertikālās sajaukšanās apjoma rādītājs ir svarīgs mainīgais klimata pētījumos, kas darbojas, lai modulētu gaisa un jūras savienojumu un siltuma uzņemšanu, un ietekmē tādu lauku sezonālo ciklu kā SST. Mēs salīdzinām simulēto un novēroto MLD, izmantojot definīciju, kas aprakstīta Large et al. (1997), kas identificē seklāko dziļumu, kurā vietējais blīvuma gradients ir tikpat spēcīgs kā lielākais tilpuma blīvuma gradients (lielākā blīvuma gradienta vērtība no virsmas līdz kādam dziļumam). Lai gan pastāv arī citas MLD definīcijas (piem., Metodi un pārskatu sk. Holte & Talley, 2009), mēs uzskatām, ka šī blīvuma gradienta metode ir noderīga pieeja modeļu un novērojumu salīdzināšanai dažādos gadalaikos, atzīmējot, ka Whitt et al. (2019) Argo datiem izmantoja to pašu metodi, kuru mēs izmantojam kā novērošanas etalonu.

15. attēlā parādīts MLD salīdzinājums starp HR, LR un Argo balstītajām aplēsēm. Modelētajam un novērotajam MLD tiek izmantots attiecīgi 2006. – 2020. Un 2004. – 2017. Nedaudz atšķirīgi salīdzinājumā aplūkotie periodi ir saistīti ar faktu, ka MLD netika pienācīgi saglabāta HR līdz 2006. gadam, un Argo dati ir pieejami no 2004. līdz 2017. gadam. Vasarā (definēts kā jūlijs-augusts-septembris [JAS] un janvāris-februāris- Marta [JFM] vidējais rādītājs attiecīgi NH un SH, kas atspoguļo atpalicību starp saules piespiešanu un okeāna reakciju), MLD parasti ir sekla (no dažiem metriem līdz 100 m), un vidējā platumā to galvenokārt regulē sezonālais un diennakts cikls. saules insolācija un vēja (un viļņu) piespiešanas stiprums. Daži no dziļākajiem MLD vasarā atrodas Dienvidu okeānā zem atmosfēras vētras ceļa, kas ir daudz spēcīgāks nekā NH vasaras vētras celiņi. HR mēdz uztvert šos dziļākos jauktos slāņus reālāk nekā LR (15. attēls pa kreisi), iespējams, pateicoties pastiprinātai vētras celiņam atmosfēras izšķirtspējas palielināšanās dēļ. Dziļāka MLD rada mazāku SST sezonas ciklu.

Būtiskākas atšķirības starp HR un LR notiek ziemas sezonā. Ziemas MLD (attiecīgi JFM un JAS attiecībā uz NH un SH) vidēja un augsta platuma grādos virza sarežģīta virsmas peldspējas zuduma, stipra vēja un viļņu mijiedarbība, un to ietekmē okeāna straumju un virpuļu, kā arī SST gradientu klātbūtne. Uz ziemeļiem no subantarktiskās frontes dienvidu okeānā, reaģējot uz spēcīgiem virsmas siltuma zudumiem, veidojas dziļi jaukti slāņi. Virsmas siltuma zudumi parasti ir labāk attēloti modeļos ar reālākām SST frontēm, piemēram, HR. Turklāt sāļuma transportēšanas ceļu izmaiņu dēļ (uzlabojumi Agulhas retrofleksijā utt.) HR samazinās (bet netiek noņemts) spēcīgs virsmas svaigs novirze LR. Tā rezultātā sub-Antarktikas zonā ļoti sekls jaukts slānis ir atrodams LR, savukārt HR uztver galvenās novērojumos redzamās pazīmes (15. attēls, pa labi). Vēl viena atšķirīga HR iezīme ir ļoti dziļi MLD pa Weddell Gyre dienvidu malu (15.e attēls), kas ir saistīts ar polinijām. Citi dziļi MLD ir redzami ap Ziemeļatlantijas subpolārā žirga ziemeļu un austrumu loku, ieskaitot Labradoras jūru un Grenlandes-Islandes-Norvēģijas (GIN) jūru boreālajā ziemā. LR mēdz būt pārāk dziļa MLD pārāk plašā apgabalā (15. attēls pa labi), turpretī HR ir ierobežotāks mazāk dziļu MLD reģions, kas pamatoti saskan ar novērojumiem. Tas jo īpaši attiecas uz Labradoras jūru, kur okeāna virpuļiem ir izšķiroša nozīme, nosakot dziļas sajaukšanās vietu (dziļa sajaukšanās notiek tikai prom no spēcīgiem virpuļiem, kas darbojas ūdens kolonnas pārkvalificēšanai), kas visdziļāko sajaukšanos rada tikai nelielā vietā. plāksteris Labradoras jūras dienvidrietumos. Tas redzams novērojumos un HR, bet ne LR.

Imitētās gada vidējās jūras un ledus koncentrācijas HR un LR ir parādītas 16. attēlā kopā ar novēroto jūras un ledus koncentrāciju no Nacionālā sniega un ledus datu centra (NSIDC Cavalieri et al., 1996) NH un SH periodā. gada 1979. – 2018. Kopumā HR mēdz nenovērtēt jūras un ledus koncentrāciju vairāk nekā LR abās puslodēs. Tas ir īpaši acīmredzams pie dienvidu Weddell žirona, kur mēle ar zemu jūras un ledus koncentrācijas reģionu atgādina 3.b attēlā redzamās polinjas. Tas saskan ar secinājumu, ka HR ir pārmērīgi aktīva polinija Weddell žirgā (polīniju reti novēroja laikposmā no 1976. līdz 2015. gadam). Turpretī LR pārvērtē jūras un ledus koncentrāciju pie dienvidu Weddell gyre, kas atbilst poliniju trūkumam LR. Jūras ledus nepietiekamu novērtējumu HR apstiprina arī jūras un ledus apjoma sezonālais cikls, kas parādīts 16. attēla apakšējos paneļos. NH NH un jūras un ledus apjoma sezonālā cikla amplitūdu labi simulē gan HR, gan LR , bet HR ir negatīva vidējā novirze, kas atbilst 20% jūras-ledus apjoma nepietiekamai novērtēšanai. SH tomēr HR parāda ne tikai negatīvu vidējo novirzi, bet arī sezonas cikla amplitūdas nenovērtēšanu. Kopumā vienošanās starp LR un novērojumiem ir labāka. Tomēr, iespējams, lielāks jūras-ledus daudzums LR ir saistīts ar vēsāku virsmas temperatūru, salīdzinot gan ar HR, gan ar novērojumiem. Neskatoties uz to, Austrālijas vasarā LR ir ievērojami pārvērtēts jūras ledus apjoms par gandrīz 50%, un ne LR, ne HR nespēj pienācīgi simulēt jūras ledus apjoma strauju samazināšanās ātrumu SH kušanas sezonā. NH un SH jūras un ledus simulāciju atšķirībām starp HR un LR var būt svarīga ietekme uz polārā amplifikācijas pakāpi, ko simulē abi modeļi, reaģējot uz prognozēto antropogēno piespiešanu, kas tiks tālāk apspriests 5.1.

4.2. Klimata mainīguma režīmi

Trīs dominējošie klimata mainīguma veidi starp gadu un daudzu desmitu laika skalā, pamatojoties uz pieejamajiem garajiem vēsturiskajiem SST ierakstiem, ir El Niño-Southern Oscillation (ENSO), Pacific Decadal Oscillation (PDO) un AMV (Tung et al., 2019). Mēs pārbaudām HR un LR HF-TNST uzticamību, atkārtojot šos novērotos klimata mainīguma veidus.

ENSO ir dominējošākais klimata mainīguma veids starp gadu laika skalā un ir svarīgs klimata modeļa rādītājs. Kā parādīts Small et al. (2014), palielinot CESM1.1 horizontālo izšķirtspēju, tiek panākta reālāka ENSO amplitūda salīdzinājumā ar standarta izšķirtspējas CESM1.1 simulāciju, kas parādīja pārāk enerģisku ENSO ciklu. Augstas izšķirtspējas CESM1.3 simulācija apstiprina, ka reāli tiek simulēta ENSO amplitūda HR HF-TNST. No 17. attēla redzams, ka Nino3.4 amplitūda HR ir salīdzināma ar ERSST un HadISST2. Standartnovirze nominālajam Nino3.4 1920. – 2019. Gada periodā ir 0,75 ° C HR, 0,63 ° C LR, 0,75 ° C ERSST un 0,73 ° C HadISST2. Mēs atzīmējam, ka Nino3.4 indeksi, kas parādīti 17. attēlā, netiek samazināti, tāpēc laicīgās izmaiņas simulācijās var salīdzināt ar novērojumiem. Spektrālā analīze, kas parādīta 17. attēlā, vēl vairāk apstiprina Nino3.4 amplitūdas ciešo vienošanos starp novērojumiem un HR. Tas arī atklāj, ka imitētajam ENSO HR ir divas dominējošās virsotnes, viena centrēta ap 3 gadiem, bet otra 5-10 gadu diapazonā. Novērotais Nino3.4 SST spektrs parāda vairākas spektra virsotnes no 2 līdz 10 gadiem, vienu no 2 līdz 3 gadiem, otro no 3 līdz 4 gadiem un trešo no 5 līdz 6 gadiem. Tāpēc imitētajam ENSO ciklam HR parasti ir ilgāks periods nekā novērotajam. Vizuāls salīdzinājums starp Nino3.4 SST anomālijām HR un novērojumiem arī norāda, ka imitētajam El Niño HR ir tendence pastāvēt pārāk ilgi (17. attēls), ko apstiprina automātiskās korelācijas analīzes (nav parādīts). Ir arī vērts atzīmēt, ka sasilšanas tendence

0,77 ° C uz gadsimtu HR, kas lieliski atbilst sasilšanas tendencei 0,78 ° C uz gadsimtu ERSST Nino3.4 indeksā, bet ievērojami augstāka nekā tendence 0,12 ° C uz gadsimtu HadISST2. Par nenoteiktību novērotajā ekvatoriālajā Klusā okeāna reģiona SST tendencē literatūrā jau sen tiek diskutēts (piemēram, Deser et al., 2010).

3. sadaļā tika parādīts, ka HR PI-CTRL daudzdecadu laika skalā globālā vidējā SST mainīgums dominē ar pārāk uzlādētu IPO (2. attēls). Tas atspoguļojas Nino3.4 SST spektrā HR PI-CTRL (17.e attēls), kur aptuveni 40 gadu laikā ir spēcīgāks nekā novērotais spektrālais pīķis, kaut arī statistiski nenozīmīgs. Šāda daudzdecadu spektra pīķa nav HR HF-TNST, kur zemfrekvences Nino3.4 SST variācijā dominē sasilšanas tendence (17.c attēls), kas norāda uz daudz vājāku IPO HR HF-TNST. Tomēr Dienvidu okeāna jūras un ledus mainīgums joprojām parāda ievērojamu daudzdecadu svārstību vēsturiskajā periodā no 1850. līdz 2018. gadam HR HF-TNST (2.a attēls), kas norāda uz līdzīgu daudzdecadu Weddell polynya mainīgumu kā HR PI-CTRL. Bet atšķirībā no HR PI-CTRL, korelācija starp globālo vidējo SST un okeāna dienvidu jūras un ledus mainīgumu ir daudz vājāka HR HF-TNST un ir zemāka par statistiskās nozīmības līmeni. Turklāt maksimālā korelācija vairs nenotiek, kad Dienvidu okeāna jūras ledus noved pie vidēji vidējā SST, bet notiek ar nobīdi = 0 (2.b attēls), kas liek domāt, ka Weddell polynyas vairs nespēlē aktīvu lomu daudzdecadu globālā SST mainīgajā HR HF-TNST. Spēcīga IPO neesamība ar savienojumu ar okeāna dienvidu jūras un ledus mainīgumu HR HF-TNST var saistīt ar ārējā klimata piespiešanu, kas rada laicīgas izmaiņas globālajā SST (11. attēls), izjaucot pārmērīgi uzlādēto HR IP PI-CTRL. Interesanti ir arī atzīmēt, ka ar HR PI-CTRL daudzu desmitu pīķa klātbūtni ENSO spektra pīķis 5–6 gados ir vājāks nekā HF-TNST. spēcīgākā un plašākā ENSO maksimumā no 5 līdz 10 gadiem HR HF-TNST, izmantojot nelineāru mijiedarbību starp ENSO un IPO. Tomēr mēs piesardzīgi vērtējam, ka spektrālā analīze ir jutīga pret laika rindu ieraksta garumu un ENSO spektra raksturlielumi, kas parādīti 17. attēlā, var būt pakļauti nenoteiktībai (piemēram, Wittenberg, 2009). Lai saprastu attiecības starp ENSO, IPO un tropiskā Klusā okeāna sasilšanas tendenci, nepārprotami nepieciešami turpmāki pētījumi.

Pretstatā Small et al. (2014), ENSO LR HF-TNST parāda vājāku amplitūdu nekā HR un novērojumos (17. attēls). Nino3.4 spektram LR ir plaša un vāja virsotne starp 3 un 5 gadiem un vēl viena vāja virsotne ap 10 gadiem. Salīdzinot ar HR HF-TNST spektrālajām virsotnēm, kur zemfrekvences pīķis (5–10 gadi) dominē pār augstfrekvences pīķi (3 gadi), LR HF-TNST zemfrekvences pīķis (10 gadi) ir tikai nedaudz spēcīgāka par 3 līdz 5 gadu maksimumu un gandrīz neiztur statistisko nozīmīgumu, kas norāda uz daudz vājāku zemas frekvences ENSO mainīgumu LR. Nino3.4 SST LR uzrāda arī sasilšanas tendenci 0,73 ° C gadsimtā, līdzīgi kā HR un ERSSTv5, bet tāpat kā HR HF-TNST, daudzdecadu pīķi netiek atrasti. Interesanti, ka LR PI-CTRL gadījumā Nino3.4 spektrs aptuveni 5 gadu laikā parāda spēcīgāku viena spektra maksimumu, kas ir tuvu novērotajam spektrālajam maksimumam (17. attēls). Tomēr mēs secinām, ka CESM horizontālās izšķirtspējas palielināšana nenodrošina būtiskus uzlabojumus (vai atšķirības) ENSO simulācijās. Šis secinājums atšķiras no Small et al. (2014), bet tas ir saskaņā ar neseno pētījumu, kuru veica Caldwell et al. (2019), kurā tika izmantota Energy Exascale Earth System Model 1 versija (E3SMv1) ar līdzīgu SE-dycore CAM balstītu atmosfēras komponentu modeli, bet citu okeāna komponentu modeli. Mēs spekulējam, ka šī atšķirība starp mūsu pētījumu un Small et al. (2014) var attiecināt uz atmosfēras komponentu modeļa atšķirībām starp CESM1.1 un CESM1.3 (sk. 2.1. Sadaļu), kā arī ar simulācijas garumiem abos pētījumos, kas var būt par īsu, lai pamatoti dokumentētu ENSO mainīguma raksturlielumus (piemēram, , Wittenberg, 2009).

Bjerknesa atsauksmes ir ENSO atslēga. Tās stiprums var būtiski ietekmēt ENSO īpašības. Bjerknes atgriezeniskajai saitei ir trīs būtiski elementi: (1) atgriezeniskā saite starp SST un zonālo vēja spriegumu, (2) atgriezeniskā saite starp zonālo vēja stresu un termoklinu un (3) atgriezeniskā saite starp termoklīnu un SST (Keenlyside & Latif, 2007). Mēs analizējam un salīdzinām šos trīs atgriezeniskās saites procesus HR, LR un novērojumos. 18. attēlā parādīts, ka HR un LR ir vairāk līdzīgu nekā novērojumi. Būtiska atšķirība starp HR un LR ir tāda, ka pirmajā maksimālās zonālās vēja-SST atgriezeniskās saites reģions (1. elements) tiek virzīts tālāk uz austrumiem ar lielāku spēku, salīdzinot ar pēdējo. Salīdzinot ar novērojumiem, atgriezenisko saiti starp termoklīnu un SST (3. elements) ne tikai nepietiekami novērtē gan HR, gan LR stiprums, bet arī pārāk ierobežots Klusā okeāna austrumu daļā. Turpretī atgriezeniskā saite starp zonālajiem vējiem un termoklīnu (2. elements) HR un LR nepietiekami sniedzas Klusā okeāna austrumu daļā. Šīs strukturālās Bjerknesa atgriezeniskās saites atšķirības, iespējams, ir atbildīgas par sistemātiskām novirzēm, piemēram, maksimālo SST anomāliju pārvietošanos uz rietumiem simulētajā ENSO HR un LR.

ACVN galvenokārt ir okeāna jauktā slāņa reakcija uz virsmas siltuma plūsmu, ko izraisa Klusā okeāna – Ziemeļamerikas (PNA) cirkulācijas modeļa mainīgums, kas ir dominējošākais atmosfēras cirkulācijas mainīguma modelis Klusā okeāna ziemeļu sektorā (Battisti et al., 2020 Wills et al., 2018), lai gan ir arī komponents, kas saistīts ar ENSO mainīgumu (Newman et al., 2016). 19. attēlā (pa kreisi) parādīta PNA, ko fiksēja vadošās EOF decembra-janvāra-februāra (DJF) jūras līmeņa spiediena (SLP) anomālijas virs Klusā okeāna ziemeļu sektora (120 ° E līdz 120 ° W, 20 ° Z līdz 85 ° N) novērojumos attiecīgi HR un LR, kā arī atbilstošās februāra-marta-aprīļa (FMA) SST regresijas uz attiecīgajiem vadošajiem galvenajiem komponentiem. Kā gaidīts, iegūtie SST regresijas modeļi ļoti līdzinās ACVN modelim (Mantua et al., 1997 Newman et al., 2016). Divu mēnešu nobīdei, ko izmanto SST regresijā, jāņem vērā fakts, ka PNA mēdz novest ACVN aptuveni par 2 mēnešiem (Newman et al., 2016). Acīmredzot ir vispārēja vienošanās starp novēroto un imitēto ACVN / PNA gan HR, gan LR. PLE raksturojošās Aleutian Low anomālijas stāvoklis un forma ir īpaši labi imitēta HR, lai gan amplitūda un izskaidrotā dispersija ir nedaudz augstāka nekā novērotās vērtības. LR Aleutian Low anomālijas forma ir vairāk iegarena, un tās amplitūda ir vājāka salīdzinājumā ar novērojumiem, bet izskaidrotā dispersija ir salīdzināma ar HR. Izskaidrotā dispersija ir

Novērojumos attiecīgi par 44% laika posmā no 1920. līdz 2018. gadam. Regresētie SST parāda arī labāku vienošanos starp HR un novērojumiem, no kuriem abi parāda negatīvu SST anomāliju, kas stiepjas gar Kuroshio pagarinājuma ziemeļu sānu, kur ir spēcīga mezoskala virpuļa izraisīta SST mainība (Jing et al., 2019 Ma et al. ., 2015) un šauru piekrastes sasilšanas zonu, kas stiepjas gar Aļaskas un Kanādas krastu. Šīs funkcijas LR ir pārstāvētas mazāk.

Atšķirībā no PNA un ACVN, tiek konstatētas lielas neatbilstības starp HR un LR, atspoguļojot Klusā okeāna ziemeļu svārstības (NPO) - otro ziemas SLP mainīguma Klusā okeāna ziemeļu EOF (sk. Linkin & Nigam, 2008 un atsauces uz to) - un atbilstošo SST atbildi. 19. attēlā (pa labi) salīdzināts novērotais un simulētais NPO un ar to saistītā SST atbilde HR un LR ar novērojumiem, kur NPO raksturo ziemeļu-dienvidu ziemas SLP anomāliju dipols, kas centrēts virs PNA modeļa, ko attēlo EOF1. Saistītajai virsmas siltuma plūsmas anomālijai (nav parādīta) ir trīspolāra struktūra, kas virza SST reakciju. Jo īpaši NPO dienvidu daiva var ietekmēt Klusā okeāna valstu tirdzniecības vējus, kas savukārt rada virsmas siltuma plūsmas anomālijas un izraisa vēja iztvaikošanas-SST (WES) atgriezenisko saiti (Amaya et al., 2017 Chang et al., 1997 Xie & Philander, 1994) Klusā okeāna ziemeļu subtropikā. Rezultātā iegūtā SST atbilde tiek saukta par Klusā okeāna meridionālo režīmu (PMM Chiang & Vimont, 2004), kurai ir pierādīts, ka tā ietekmē ENSO (Chang et al., 2007 Chiang & Vimont, 2004 Di Lorenzo et al., 2015) . No 19. attēla redzams, ka dipolveida SLP anomālija, kas līdzinās novērotajam NPO, ir sastopama HR, izņemot to, ka modeļa dienvidu daivas centrs ir nedaudz novirzīts uz austrumiem un tā spēks ir pārvērtēts. Saistītā SST atbilde HR arī pamatoti piekrīt novērojumam Klusā okeāna ziemeļos. Turpretī NPO SLP anomālija LR ir ļoti vāja un labi neatgādina novēroto NPO. Atbilstošajai SST atbildei arī ir maz līdzības ar novēroto SST regresijas modeli. Tā kā NPO un ar to saistītā PMM mainība ir svarīga, saistot ekstratropisko Klusā okeāna ziemeļu daļu mainīgumu ar ENSO (Chang et al., 2007 Chiang & Vimont, 2004 Di Lorenzo et al., 2015), mēs secinām, ka modeļa izšķirtspējas palielināšana palīdz uzlabot simulēšanu Klusā okeāna ziemeļu klimata mainīgums kopumā. Mēs arī pieļaujam, ka LR vājais NPO var veicināt vājo ENSO LR, savukārt spēcīgāku nekā novēroto NPO mainīgumu var daļēji vainot par pastiprinātu zemas frekvences ENSO HR mainīgumu. Daži nesenie pētījumi rāda, ka Kuroshio SST priekšpuse un virpuļi var ietekmēt Klusā okeāna ziemeļu vētras mainīgumu (Foussard et al., 2019 Kuwano-Yoshida & Minobe, 2017 Ma et al., 2015, 2017 O'Reilly & Czaja, 2015) . Cik lielā mērā OMEA mijiedarbība Kuroshio paplašināšanas reģionā veicina PNA un NPO atšķirības starp HR un LR, ir nepieciešama turpmāka padziļināta analīze.

Ilgi novērotie temperatūras ieraksti atklāj spēcīgu daudzu desmitu mainīgumu, kas koncentrējas Atlantijas okeāna ziemeļdaļā aptuveni 50–90 gadu laika skalā (Delworth & Mann, 2000 Tung & Zhou, 2013). Novērotās AMV īpašības ir jutīgas pret metodi, ko izmanto, lai izolētu to no ārēji piespiedu sasilšanas, kas dominē globālajā temperatūras rekordā, sākot ar divdesmitā gadsimta sākumu un vidu (Frankignoul et al., 2017 Ting et al., 2009 Wu et al. ., 2011). Lai sākotnēji aplūkotu AMV HF-TNST simulācijās, mēs pieņemam Trenberta un Šīa (2006) metodi un pārbaudām relatīvo Ziemeļatlantijas sasilšanas indeksu (AMV *, kas definēts kā apgabala vidējais SST apgabalā 75–7,5 ° W, 0–60 ° N, atņemot vidēji SST visā apgabalā no 60 ° S līdz 60 ° N). Rezultātā iegūtās AMV * reizes reizes no HR un LR tiek salīdzinātas ar ERSSTv5 novērojumiem 20.d attēlā. Abās simulācijās ir anēmiska AMV *, salīdzinot ar novērojumiem, bet amplitūdas neatbilstība ir uzlabojusies par aptuveni 33% HR (zemas caurlaidības filtrētu AMV * standartnovirzes ERSSTv5, HR un LR ir 0,14 ° C, 0,08 ° C un 0,05 ° C). Turklāt ir pārsteidzoša atbilstība novērotajai AMV * pakāpenībai HR HF-TNST (bet ne LR HF-TNST), sākot ar 1940. gadu, kas norāda uz ārēju piespiešanas lomu, nosakot AMV * fāzes pāreju laiku vēlīnā divdesmitajā gadsimtā, kā tika apgalvots dažos pētījumos (piemēram, Booth et al., 2012). HR HF-TNST iekšējās un ārēji uzspiestās mainības relatīvo ieguldījumu joprojām nav iespējams noteikt, bet plānotajam HR HF-TNST simulāciju kopumam vajadzētu precizēt attiecīgos mehānismus.

Globālā SST regresija uz novēroto (zemas caurlaidības filtrētu) AMV * indeksu atklāj pazīstamu pakavu modeli, kas sasilst virs Atlantijas okeāna ziemeļiem ar maksimālu amplitūdu subpolārā žirāna reģionā (20.c attēls). HR HF-TNST regresijai ir līdzīgs modelis un amplitūda Atlantijas okeāna ziemeļdaļā, taču tropiskajā un Klusā okeāna rietumos tas parāda arī nozīmīgus signālus, kas novērotajos datos ir tikai vāji (20.a attēls). Tas varētu būt saistīts ar Trenberta un Šīa (2006) metodes izmantošanu, kas var dot viltus signālus Klusajā okeānā (Frankignoul et al., 2017). LR HF-TNST regresijas modelis ir daudz mazāk reāls nekā HR HF-TNST, ar ļoti vāju amplitūdu subpolārajā Atlantijā un pārmērīgu mainīgumu Grenlandes un Norvēģijas jūrās. Kopumā AMV attēlojums šķiet daudz uzlabojies HR, salīdzinot ar LR, amplitūdas, laika skalas un modeļa ziņā.

Kvantitatīvs modeļa AMOC profilu salīdzinājums ar profilu, kas balstīts uz RAPID datiem 26,5 ° N, ir sniegts 21. attēla kreisajā panelī. HR un LR profili atspoguļo laika periodu no 1986. līdz 2005. gadam, un RAPID profils ir no 2004. gada aprīļa līdz 2018. gada septembrim. Periodā 1986–2005, nevis vienā un tajā pašā RAPID periodā, simulācijās jāizvairās no RCP8.5 piespiešanas ietekmes uz simulēto AMOC, kas sākas no 2006. gada. Augšējā 1000 m augstumā gan HR, gan LR pārvadājumi ļoti labi saskan ar RAPID profilu ar abiem aptuveni 18 Sv modeļu pārvadājumiem novērošanas diapazonā 17 ± 3,3 Sv, kur diapazons ir viena standartnovirze (Frajka-Williams et al., 2019 Smeed et al., 2018) . Zem aptuveni 2 km dziļuma LR profils labāk saskan ar novērojumiem. Jo īpaši NADW iespiešanās dziļums, mērot ar nulles šķērsošanas dziļumu, HR ir tikai nedaudz dziļāks par 3000 m, bet LR - aptuveni 4000 m, kas ir daudz tuvāk apmēram 4500 m iespiešanās dziļumam RAPID . Dziļāka NADW iespiešanās LR ir saistīta ar pārplūdes parametru noteikšanu, ko izmanto Ziemeļjūras pārplūdēm (Danabasoglu et al., 2010), kas netiek izmantota HR. Tādējādi HR cieš no šīs seklās novirzes, kas raksturīga daudziem rupjiem un augstas izšķirtspējas modeļiem bez pienācīgas pārpildes attēlošanas, it īpaši līmeņa koordinātās (piemēram, Danabasoglu et al., 2014 Gutjahr et al., 2019 Roberts, Jackson, et al. ., 2020). AABW paraksts - negatīvais transports zem RAPID aptuveni 4500 m dziļumā - šajā platuma grādos ir diezgan vājš. LR AABW patiesībā nav, ja to integrē zonāli, kā tas ir izdarīts šeit. Turpretī maksimālais AABW transports, kas ir aptuveni 4 Sv HR, šķiet pārāk spēcīgs salīdzinājumā ar novērojumiem. Atlantijas okeāna vidējie meridiālās siltuma transporta sadalījumi no HR un LR tajā pašā 20 gadu periodā, kā norādīts iepriekš, parādīti 21. attēlā (pa labi). Salīdzinājumam attēlā ir iekļauti arī implicētie transporta aprēķini no Lielā un Jeagera (2009), kas aprēķināti, izmantojot Coordinated Ocean-ice Reference Experiments II fāzes (CORE-II) starpgadu plūsmas un novērotos SST un jūras ledus 1984. – 2006. periods, kā arī tiešie aprēķini ar to nenoteiktību svārstās no Bridena un Imawaki (2001) un RAPID datu (Johns et al., 2011) aplēses par 2004. gada aprīļa līdz 2017. gada februāra periodu. Maksimālais siltuma pārnesums 1,2 PW ap 26 ° N HR ir ļoti labi saskaņojams ar RAPID novērtējumu. Turpretī LR maksimālais siltuma pārvadājums

1,05 PW ir tuvu zemākajam šo novērojumu aprēķinu diapazonam. Kamēr uz dienvidiem no ekvatora, gan LR, gan HR siltuma pārvadājumi ir ļoti līdzīgi viens otram, gan tuvu novērošanas vidējiem pārvadājumiem, bet HR siltuma transports uz ziemeļiem no ekvatora ir lielāks nekā LR. Patiešām, HR transports ir pat lielāks par paredzēto transporta diapazonu no aptuveni 30 ° līdz 60 ° Z. Tā kā AMOC pārvadājumi ir ļoti līdzīgi starp HR un LR, lielāks siltuma pārvads HR ir saistīts ar tā vertikālo temperatūras struktūru ar siltu (aukstu) novirzi NADW šūnas plūstošajā augšējā (apakšējā) atzarā uz ziemeļiem (dienvidiem) (attēls) 1.c). Pretēja un lielāka novirzes struktūra LR ir atbildīga par zemāku siltuma transportēšanu (1.d attēls).

Mēs pabeidzam šo apakšnodaļu, īsi salīdzinot novēroto un simulēto starpsezonu dispersiju HR un LR. Īpaša interese ir Madden-Julian oscilācija (MJO), kas ir dominējošais starpsezonu (30–90 dienu) mainīguma veids tropu atmosfērā. 22. attēlā parādīti Wheeler-Kiladis zonālo viļņu skaitliskās frekvences jaudas spektri (Wheeler & Kiladis, 1999), kas ir ekvatoriski simetrisks dienas izejošais garo viļņu starojums (OLR) no novērojumiem, HR un LR. Novērojumi skaidri atklāj spēcīgu dispersiju 30–90 dienu frekvenču joslā un zonālos viļņu skaitļus 1–2 uz austrumiem, kas apzīmē MJO. Modelētā MJO dispersija gan HR, gan LR ir ievērojami vājāka nekā novērotā, neraugoties uz zināmu šķietamo līdzību frekvences un viļņu skaitļa raksturojumos. Imitētais MJO HR ir par aptuveni 30% vājāks nekā novērotais MJO un ir tikai nedaudz spēcīgāks nekā LR, kas norāda, ka horizontālās izšķirtspējas palielināšana vien nenozīmē būtiskus MJO simulāciju uzlabojumus. Jaunākie modelēšanas pētījumi liecina, ka MJO simulācijas var būt jutīgas pret fizikas parametru noteikšanu atmosfēras modeļos. CESM2, kas ietver daudzas jaunas izmaiņas atmosfēras fizikas parametru noteikšanā attiecībā pret CESM1, parāda reālistiskāku MJO simulāciju nekā CESM1 (Danabasoglu et al., 2020). Hannah un citi. (2020) ziņo arī par ievērojami uzlabotu MJO simulāciju, izmantojot Super-Parameterized Energy Exascale Earth System Model (SP-E3SM), kas katrā atmosfēras komponentu modeļa režģa kolonnā iekļauj 2-D mākoņu izšķiršanas modeli (CRM), lai aizstātu parasto konvekcijas parametru noteikšana. Gan HR, gan LR arī nepietiekami novērtē novēroto ekvatoriālo Kelvina viļņu dispersiju, lai gan Rossby viļņu dispersija ir reālāk simulēta HR nekā LR (22. attēls).

4.3 Ārkārtīgi notikumi

Ekstrēmi notikumi bieži ir ļoti atkarīgi no vietējiem fiziskajiem apstākļiem un maza mēroga procesiem, piemēram, konvekcijas un mijiedarbības ar stāvo topogrāfiju, ko rupjas izšķirtspējas klimata modeļi nav labi atrisinājuši. Tāpēc mēs sagaidām, ka modeļa izšķirtspējas palielināšanās ļaus uzlabot ekstremālu notikumu simulāciju. Šeit mēs aplūkojam divas parādības: (1) TC siltos gadalaikos un (2) AR aukstajos gadalaikos, kas abi ir labi pazīstami ar spēju radīt ārkārtējus nokrišņus. 23. attēlā parādīti globālie TC sliežu ceļi, kurus 1877. – 2018. Gadā simulēja HR un LR (jo no 1877. gada tika izvadīti 6 stundu mainīgie, kā norādīts 2.2. Sadaļā) un to salīdzinājums ar novērojumiem. Novērotajām TC trasēm tika izmantots starptautiskais labākais trases arhīvs klimata pārvaldības (IBTrACS) datu kopai (Knapp et al., 2010) laika posmā no 1950. līdz 2018. gadam. Novērotais TC ir definēts kā 1 min maksimālais ilgstošā vēja ātrums 34 kt (17,5 m s -1) vai lielāks. Modelētie TC tiek izsekoti, izmantojot TempestExtremes algoritmu (Ullrich & Zarzycki, 2017 Zarzycki & Ullrich, 2017) ar sešu stundu modeļa izejas datiem.

Novērotais globālais vidējais TC skaits 1950. – 2018. Gada periodā ir aptuveni 82 gadā, un attiecīgās vērtības ir attiecīgi 112 un 25 gadā HR un LR HF-TNST. 23. attēlā redzams, ka TK gada skaits visos baseinos, izņemot Dienvidtropu Atlantijas okeānu (STA), ir stipri nenovērtēts. Īpaši izaicinoša ir Ziemeļtropu Atlantija (NTA), kur TC skaits LR ir mazāks par 1 gadā, salīdzinot ar 12 novērojumos gadā. Šī lielā negatīvā novirze LR saskan ar iepriekšējiem pētījumiem (Camargo, 2013 Tory et al., 2013). Pat HR gadā NTA TC gada skaitlis ir tikai aptuveni puse no novērojumos norādītā. Nesenais Roberts et al.(2020b) norāda, ka šī pastāvīgā zemā neobjektivitāte ir izplatīta problēma daudziem augstas izšķirtspējas klimata modeļiem. Papildus TC skaitļu nenovērtēšanai NTA TC attīstībā ir nepārprotama neobjektivitāte, kad spēcīgi TC, nevis veidojas dziļajos tropos, mēdz notikt augstākajos platuma grādos. Runājot par gada vidējo TC skaitu, KC Klusā okeāna ziemeļu rietumos (WNP) HR rāda vislielāko piekrišanu novērojumiem, savukārt pārējos baseinos, tas ir, Klusā okeāna ziemeļu austrumu daļā (EKP), Indijas okeāna ziemeļu daļā (NIO), Indijas okeāna dienvidu daļa (SIO), Dienvidu tropiskā Klusā okeāna reģions (STP) un, iespējams, jo īpaši STA, visi parāda HR pārvērtēšanu. TC izturību arī nepietiekami novērtē gan HR, gan LR, bet HR daudz mazāk stingri nekā LR. Kamēr LR simulē tikai dažus 1. kategorijas TC un nevienu TC, kas būtu spēcīgāks par 1. kategoriju, HR spēj ražot nelielu skaitu 4. kategorijas TC, bet gandrīz nav 5. kategorijas TC. Neskatoties uz šiem jautājumiem, ir viennozīmīgi, ka HR uzlabo kopējo TC pārstāvību salīdzinājumā ar LR. Nesenā HighResMIP pētījumā ir parādīts, ka CESM ir viens no modeļiem, kura TC simulācijas ir ļoti jutīgas pret modeļa izšķirtspēju (Roberts et al., 2020b). Faktiski CESM HighResMIP ieguldījumam ir vislielākais TC skaits no visiem HighResMIP modeļiem. Attiecīgais zemas izšķirtspējas CESM ieguldījums ir starp tiem, kas ražoja vismazāk TC, pamatojoties uz to pašu TempestExtremes izsekošanas algoritmu. Kā atzīmēja Roberts et al. (2020a, 2020b), TC identifikācija un izsekošana var būt jutīga pret dažādiem izsekošanas algoritmiem, taču mēs nedomājam, ka šie vispārējie rezultāti tiks ietekmēti.

Ir labi zināms, ka TC modulē klimata mainības veidi. Starp visvairāk pētītajām ir ENSO ietekme uz TC (pārskatu un atsauces uz to skat. Lin et al., 2020). 24. attēlā parādīti TC sliežu blīvuma (gada kopējie TC skaitļi, kas iet caur katru 4 ° × 4 ° lodziņu) anomāliju regresijas uz NINO3.4 SST indeksu no 1950. līdz 2018. gadam novērojumos un HR un LR HF-TNST. ENSO siltajā fāzē TC aktivitātes NTA tiek nomāktas vertikālās vēja nobīdes palielināšanās dēļ (Lin et al., 2020), bet WNP palielinās. Šo funkciju labi uztver HR. Turpretī LR nespēj uzrādīt nozīmīgu TC atbildes signālu NTA un ENP, jo TC skaits šajos reģionos ir stipri nenovērtēts. Šķiet, ka abi modeļi pierāda zināmu prasmi simulēt SIO samazinājumu SIO laikā El Niño laikā un ekvatora virzienā novirzīt TC aktivitātes STP.

Ir zināms, ka AMV ietekmē arī Atlantijas okeāna TC. 24. attēlā parādīta arī TC sliežu blīvuma anomāliju regresija uz AMV * indeksu (20.d attēls) no 1950. līdz 2018. gadam novērojumos un no 1877. līdz 2018. gadam HR un LR HF-TNST. Kā redzams, gan novērojumos, gan HR ir novērojams Atlantijas TC aktivitātes pieaugums AMV pozitīvās fāzes laikā (Chylek & Lesins, 2008 Goldenberg et al., 2001), lai gan TC reakcijas amplitūda HR ir ievērojami vājāka nekā novērojumos, iespējams, kombinēto faktoru dēļ, ka gan AMV mainīgums, gan NTA TC ir nepietiekami novērtēti HR. Kā gaidīts, vēl vājāka NTA TC reakcija uz AMV ir LR, jo vēl vājākas TC aktivitātes NTA un vairāku desmitgažu SST variāciju trūkums Atlantijas okeāna ziemeļdaļā LR (20.d attēls). Ārpus Ziemeļatlantijas sektora novērotā TC reakcija uz AMV uzrāda kopējo TC aktivitātes samazināšanos visos baseinos. Daži no šiem samazinājumiem ir redzami HR, it īpaši Ziemeļtropu Klusajā okeānā, bet LR atbilde neliecina par saskaņotu struktūru. Mēs brīdinām, ka šīs analīzes pamatā ir īsi ieraksti. Ņemot vērā AMV daudzu desmitu laika skalu, novērotais rekords no 1950. līdz 2018. gadam tikko aptver vienu pilnīgu AMV ciklu.

AR ir sinoptiska mēroga pazīmes, ko raksturo garie un šaurie koridori intensīvai sānu ūdens tvaiku transportēšanai troposfēras lejasdaļā no tropiem līdz ekstratropiem. AR parādīšanās aukstajā sezonā bieži tiek saistīta ar ekstratropiskiem cikloniem, lai gan attiecības starp abiem ir ļoti sarežģītas, un tiek konstatēts, ka tikai daļa ekstratropisko ciklonu pastāv līdzās AR (pārskatu un atsauces uz tiem skat. Payne et al., 2020). ). AR sinoptiskais raksturs rada jautājumu, vai tie ir pietiekami pārstāvēti klimata modeļos. Daži iepriekšējie pētījumi ir mēģinājuši risināt šo jautājumu, izmantojot tikai atmosfēras modeļus (piemēram, Hagos et al., 2015). Šeit mēs salīdzinām dažus vienkāršus AR, LR un novērojumu statistikas datus.

Novērotie AR tiek iegūti no ERA-5 analīzes datu kopas (Hersbach et al., 2020) laika posmam no 1979. līdz 2005. gadam, pamatojoties uz ikdienas vidēja integrētā tvaika transporta (IVT) anomāliju garu un šauru slēgtu zonu izsekošanu, kas pārsniedz IVT slieksni. vērtība 250 kg m −1 s −1 visām sezonām visā pasaulē. Anomālijas tiek definētas kā novirzes no klimatoloģiskā vidējā rādītāja analīzes periodā. Sliekšņa vērtības slēgtas kontūras tiek definētas kā AR ārējā mala, un slēgtajai teritorijai jābūt garākai par 2000 km un šaurākai par 1000 km, lai to klasificētu kā AR (Gimeno et al., 2014 Zhu & Newell, 1998). Lai identificētu simulētās AR, HR un LR tiek piemērots viens un tas pats laika periods un izsekošanas algoritms. Mēs pilnībā zinām par to, ka AR izsekošana var būt jutīga pret dažādiem izsekošanas algoritmiem, un šeit izmantotajai vienkāršajai IVT lieluma sliekšņa metodei ir ierobežojumi AR izsekošanā visā pasaulē (piemēram, Shields et al., 2018 Xu et al., 2020) . Tomēr sliekšņa metode būs pietiekama mūsu pašreizējam nolūkam vienkārši ilustrēt dažas no galvenajām AR atšķirībām starp HR un LR atšķirībā no novērojumiem. Nākotnē tiek plānoti detalizētāki AR izsekošanas jutīguma pētījumi.

25. attēlā (pa kreisi) parādīta vidējā IVT vērtība, ko novērojumos pauduši visi atklātie AR visā pasaulē, attiecīgi HR un LR. Ir skaidrs, ka vidējais IVT ir daudz reālāk simulēts HR nekā LR. Salīdzinot ar novērojumiem, IVT HR ir līdzīgas telpiskās struktūras un amplitūdas gan NH, gan SH, izņemot to, ka IVT stiprums ir nedaudz par zemu novērtēts par aptuveni 12% Klusā okeāna ziemeļu daļā, bet pārmērīgi par aptuveni 15% citos HR baseinos . Turpretī IVT vērtības LR ir ļoti nenovērtētas visos AR aktīvajos reģionos ar trīskārt zemu novērtējumu Klusā okeāna ziemeļrietumos. Saskaņā ar augstāko IVT, vidējais nokrišņu daudzums vienlaikus ar AR HR ir arī daudz lielāks nekā LR un tuvāk novērotajiem nokrišņiem (25. attēls vidū). AR aktīvajos reģionos vidējais nokrišņu daudzums LR ir mazāks par vienu trešdaļu no HR vērtības. Attēlā novērotais nokrišņu daudzums ir iegūts no nokrišņu aprēķina no attālināti uztvertas informācijas, izmantojot mākslīgo neironu tīklu-klimata datu ierakstu (PERSIANN-CDR Ashouri et al., 2015) datu kopu, kas nodrošina ikdienas nokrišņu novērtējumu ar telpisko izšķirtspēju 0,25 ° platuma joslā no 60 ° S līdz 60 ° Z no 1983. līdz 2005. gadam. AR ir plaši pazīstama ar savu ietekmi uz nokrišņiem Ziemeļamerikas rietumu krastā, izraisot lielus plūdu gadījumus reģionā. 25. attēlā (pa labi) parādīta nokrišņu palielināšanās gar Ziemeļamerikas rietumu krastu novērojumos, attiecīgi HR un LR. Skaidrs, ka augsts nokrišņu daudzums piekrastē, ko izraisa topogrāfiskais pacēlums, HR ir daudz reālāk atspoguļots nekā LR. Uzlabotā sirdsdarbības simulācija, visticamāk, radīsies gan no uzlabotās IVT, gan no labāk izšķirtās HR topogrāfijas (25. attēls pa labi). Tomēr turpmākajos pētījumos ir nepieciešama detalizētāka AR un ar to saistīto HR un LR nokrišņu analīze un iespējamais atšķirību cēlonis. Šeit mēs vienkārši secinām, ka modeļa izšķirtspējas palielināšanās ievērojami uzlabo gan AR, gan ar to saistīto nokrišņu simulāciju. Lielu daļu ar AR saistīto nokrišņu izraisa atrisināti liela mēroga nokrišņi (nav parādīts). Tādēļ ar AR saistīto nokrišņu daudzuma uzlabošanās ir cieši saistīta ar atrisinātā liela mēroga nokrišņu palielināšanos HR, kā iepriekš tika apspriests.


Abstrakts

Bohai līča dienvidrietumu daļa Ķīnas ziemeļaustrumos ir seklūdens piekraste ar ilgu ūdens atrašanos, lai radītu lielu vētras pieplūdumu spēcīgā vēja ietekmē ekstremālos laika apstākļos. Turklāt piekrastes līčam gar līci pēdējās divās desmitgadēs ir bijusi ievērojama ietekme uz vidi no liela mēroga ostu konstrukcijām. Līdz ar to ir steidzami nepieciešams labāk izprast divu vietēju liela mēroga secīgu ostu konstrukciju ietekmi uz vētras uzliesmojumu un piekrastes neaizsargātību līča zonā. 2003. gada 10. – 13. Oktobra ārkārtīgi aukstā fronte izraisīja 1,31 miljardu juaņu postījumus. Divpusējs savienots plūdmaiņu-pārsprieguma viļņu Delft3D modelis tiek izmantots, lai izpētītu ostas konstrukciju no 2003. līdz 2016. gadam ietekmi uz plūdmaiņas, vētras un viļņu mijiedarbību tādas vētras laikā. Eiropas Vidēja termiņa laika prognožu centra (ECMWF) nesen izlaistā globālā reanalīzes vēja produkta ERA5 vēja lauks ir uzlabots, asimilējot ar lauka novērojumiem ar augstāku izšķirtspēju nekā iepriekšējā versija, un to izmanto plūdmaiņas, pārsprieguma un viļņu modelēšanas ietvars. Modeļa rezultāti norāda, ka vētras straujumā pētījuma zonā dominē vēja izraisītais pārspriegums pirms un pēc konstrukcijām, turpretī viļņu izraisītā pārsprieguma (viļņu iestatīšanas) maksimālais ieguldījums tiek palielināts no 5% līdz 15% līdz 8% - 20% no ostas konstrukcijām laika posmā no 2003. līdz 2016. gadam. Ir konstatēts, ka vētras pārsprieguma daļēju diennakts modulāciju rada nelineāra plūdmaiņas un pārsprieguma mijiedarbība, kas galvenokārt attiecināma uz vietējo plūdmaiņu paātrinājumu ārzonā un grunts spriegumu tuvzonas zonā attiecīgi. Ostas konstrukcijas ietekmē piekrastes vētras pieaugumu galvenokārt ar nelineāru plūdmaiņu, pārsprieguma un viļņu mijiedarbību. Turklāt ostas konstrukciju izraisītās vētras pieauguma ceturkšņa pārmaiņas ir saistītas ar ostas konstrukciju ietekmi uz vietējām ceturkšņa un diennakts plūdmaiņas sastāvdaļām un to viļņu impulsu pārejas uz piekrastes apriti modulāciju.


Veidojot ar notikumiem bagātinātas kartes ar sabiedrību

Attīstoties sociālajām sensoru tehnoloģijām, digitālās kartes nesen piedzīvoja milzīgu attīstību ar mērķi integrēt bagātinātus semantiskos slāņus no neviendabīgiem un daudzveidīgiem datu avotiem. Pašreizējās digitālo karšu paaudzes bieži tiek veidotas no pūļa, ļauj veikt interaktīvu maršruta plānošanu un var saturēt tiešraidē pieejamus atjauninājumus, piemēram, satiksmes sastrēgumu stāvokļus. Šajā kontekstā mēs ticam, ka nākamās paaudzes kartes ieviesīs ieguves jēdzienu Interesējošie notikumi (EoI) no pārpildītajiem datiem un parādot tos dažādos telpiskos mērogos, pamatojoties uz to nozīmīgumu. Šis raksts ievieš Hadata 1, mērogojama un efektīva sistēma, kas no nestrukturētām datu plūsmām izvelk sociālos notikumus, piem. Twitter. Hadats izmanto dabiskās valodas apstrādes un daudzdimensiju kopu veidošanas paņēmienus, lai iegūtu interesējošus notikumus dažādos karšu mērogos un secinātu atklāto notikumu laika un laika diapazonu. Hadath arī ievieš hierarhisku atmiņā laika un laika indeksēšanas shēmu, lai nodrošinātu efektīvu un mērogojamu piekļuvi neapstrādātiem datiem, kā arī izvilktiem notikumu kopām. Sākotnēji datu paketes tiek apstrādātas, lai atklātu notikumus vietējā mērogā, pēc tam tiek noteikts pareizais laika un laika diapazons un atklāto notikumu nozīme globālā mērogā. Rezultātā tiešraides notikumus var attēlot ar dažādu laika un laika izšķirtspēju, tādējādi nodrošinot vienmērīgu un unikālu pārlūkošanas pieredzi. Visbeidzot, lai apstiprinātu mūsu piedāvāto sistēmu, mēs veicām eksperimentus ar reāllaika un vēsturisko sociālo mediju plūsmām.

Šis ir abonementa satura priekšskatījums, piekļuve caur jūsu iestādi.