全球模式模拟MJO能力的新解读外文翻译资料

 2022-11-11 14:57:11

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

全球模式模拟MJO能力的新解读

翻译：田高山

Jian Ling1,2 , Chidong Zhang3, Shuguang Wang4, and Chongyin Li1

1Atmospheric Physics, Chinese Academy of Sciences, Beijing, China, 2University of Chinese Academy of Sciences, Chinese

Academy of Sciences, Beijing, China, 3NOAA Pacific Marine Environmental Laboratory, Seattle, Washington, 4Department of

Applied Physics and Applied Mathematics, Columbia University, New York, New York, USA

摘要：统计诊断已经产生了一个普遍共识，即只有很少的全球模式能够再现MJO。使用追踪个别MJO事件的方法，本文我们了证明此观点是不正确的。在27个全球模式模拟诊断中，均在降水中产生了大范围缓慢东移的传播信号，这些信号是MJO信号的表现。不同的是一些模式频繁的产生这些信号，而另一些则不能经常模拟出这些信号。大多数模式产生的MJO事件的强度和传播速度之间没有统计学上的显着差异。我们提出了一个假说来证明我们的结果：模式只有在特定的背景状态下才能产生MJO。如果模式的背景场一直具有有利于生成MJO的条件，则该模式能经常模拟出MJO。如果没有有利的背景条件，这个模式仍然可以产生MJO，但只有当它的季节性背景状态偶尔迁移到有利于其产生MJO的条件时才会产生。此文初步分析结果证实了这一假设。

1.引言：

自从首次记录到MJO以来 [Madden and Julian, 1971, 1972]，使用全球模式对MJO进行模拟一直是一项艰巨的挑战 [Hayashi and Golder, 1986; Lau and Lau, 1986;Slingo et al., 1996; Sperber et al., 1997; Waliserettal.,2003; Lin, et al., 2006; Zhang et al., 2006; Kim et al., 2009;Hung et al., 2013; Jiang et al., 2015]，虽然在这方面进展缓慢[Lau and Waliser,2011; Zhang, 2013; Ling et al., 2017]，人们普遍认为，大多数现有的全球模式仍然无法产生MJO。这个观点基于使用提取MJO的统计信号的方法的模式诊断。这些方法包括时空谱分析和降水的时滞相关性或MJO内在的其他变量 [Lin, et al., 2006; Kim et al., 2009; Waliser et al., 2009; Hung et al., 2013, Jianget al., 2015] 在大多数模型模拟中，没有显著统计性的向东传播信号：MJO的能量与其具有相同频率和纬向波数的向西传播相对系统能量的比率等于或小于1 [e.g., Lin, et al., 2006, Figure 10; Hung et al., 2013, Figure 8]，并且滞后时间回归显示出静止甚至向西传播的模态 [e.g., Jiang et al., 2015, Figures 3 and 4]

这些结果促使许多人想知道为什么这么少的全球模式可以产生MJO。普遍的观点是模式模拟MJO的能力取决于其积云参数化方案的特定特征，例如其夹带/去除率 [Bechtold et al., 2008; Fu and Wang, 2009; Hannah and Maloney, 2014]，关闭假设[Zhang and Mu, 2005; Mu and Zhang, 2008; Benedict et al., 2013, Peters et al.,2017]，或对流动量运输 [Wu et al., 2007; Ling et al., 2009; Miyakawa et al., 2012]。我们已经努力设计面向过程的诊断指标，这些指标可以帮助识别参数化方案中的属性，尤其是积云方案，这对于MJO模拟可能是必不可少的 [Hannah and Maloney, 2011; Hirons et al., 2013; Zhou et al., 2012;

Kim et al., 2014, Ahn et al., 2017; Peters et al., 2017]

迄今为止对MJO模拟的研究主要强调MJO在多年模拟中的统计信号（例如，光谱功率和回归模式），没有明确的重点是个别MJO事件在模式模拟中的特征。这些特征包括起始和结束经度，强度，传播速度，纵向范围，寿命以及相邻MJO事件之间的间隔。各个MJO事件中的这些特征信息可以为MJO模拟的问题提供新的见解。受此启发，我们在本研究中通过全球模式在27次模拟中重新评估了MJO信号由Jiang等人诊断。[2015]。 而不是仅仅在这些模拟中检查MJO的统计信号，我们采用了MJO跟踪方法[Ling et al。，2014; Zhang and Ling，2017] 同时在模拟和观测中去识别个别MJO事件。我们在第2节介绍数据和方法，在第3节中给出结果，在第4节中讨论它们的意义。

2.资料和方法

2.1 资料

热带降雨测量任务（TRMM）3B42v7的每日降水量（0.25°times;0.25°，1998-2015）多卫星降水分析[Huffman at al.,2007]用于识别个别MJO事件和观测中的平均降水模式。纬向风和特定湿度（0.75°times;0.75°，1998-2015）来自欧洲中期天气预报中心中期再分析（ERA-I）[Dee et al.，2011]，被用作计算大气背景状态的观测资料的替代品那些在模式模拟中。

来自全球垂直结构和MJO的非绝对过程（GASS-YoTC-MJO）[Petch et al., 2011] 多模型评估项目的20年全球模式模拟进行了评估产生MJO的能力。该项目包括20个大气层全球模型的27个模拟，6个完全性的大气 - 海洋耦合模式和一个部分耦合模式。关于他们的完整描述可参考Jiang et al. [2015].

2.2 MJO追踪方法

用于这项研究的MJO跟踪方法首先由 Ling et al. [2014]引入并且近期由Zhang and Ling [2017]更新。基本思想是跟踪赤道上正降水异常的向东传播，并根据已知的MJO观测特征识别MJO事件，比如传播速度和季节内时间尺度。运用该追踪方法需要基于研究者对MJO的认知，初始选择几个参数（例如参考经度，跟踪域，传播速度范围，最小间隔和MJO的传播距离）。一旦选择了这些参数，就可以在没有进一步人为干预的情况下识别MJO事件，因此这是客观且可重复的。追踪方法提供所选MJO事件的其他特性（例如，开始和结束经度，经度传播范围，降水强度，和生命史），基于经验正交函数的MJO指数无法获得所有这些特征[Wheeler and Hendon, 2004;Kiladis et al., 2014; Lafleur et al., 2015; Liu et al., 2016]，这些追踪特征对所选参数的轻微变化并不敏感，对此方法的完整描述可参考Zhang and Ling [2017]。这种MJO追踪方法应用于赤道地区季节内过滤的日降水异常，在观测和模式模拟中使用与Zhang and Ling [2017]相同的参数。通过消除日气候态（在闰年省略2月29日）产生日降水异常，然后将它们在15°S-15°N的纬度带上平均。时空快速傅立叶变换法用于获得大规模（纬向波数1-10）和季节内（20-100天）信号。在本研究中，滤波保留了向东和向西的传播信号。 仅保留向东传播信号的通常做法适合于观测[Gottschalck等，2013; Zhang and Ling，2017]其中东向信号显然主导了季节内[Zhang and Hendon，1997]，但它不适合向西传播的模型模拟信号可以与季节内波段的东向信号一样强或甚至更强[Zhang et al.，2006; Jiang et al.，2015]. 为了保持一致性，将TRMM（0.25°times;0.25°）的每日降水内插到过滤前模型模拟的相同空间网格（2.5°times;2.5°）。

2.3 模式相关性

在模式模拟中针对降水异常的滞后时间回归与实际观测之间的模式相关性被Jiang et al. [2015]用于客观和定量地测量模式模拟MJO的能力。在本研究中使用该方法的改进型。在Jiang et al. [2015]中，分别对印度洋和太平洋海洋上的两个模式相关系数进行了平均，每个模式相关系数都有一个参考点。在本研究中，仅使用与90°E参考点的模式相关性来强调印度洋上的MJO信号。原因是在观测中发现大多数MJ0事件在印度洋上形成，只有约50％的MJO事件传播经过Indo-Pacific Maritime Continent（印度洋 - 太平洋海洋大陆）到达西太平洋[Zhang and Ling, 2017]. 我们的改进型几乎产生了与Jiang et al. [2015]所使用方法一致的模式产生MJO能力的排序结果。应该指出的是，在模式相关性计算中包括参考点可以得到相关系数。 例如，当模式在其时间滞后回归图中没有显示明确的向东传播时，其与观测值的模式相关性仍然可以大于0.5并且在95％的置信水平下显著[Jiang et al., 2015] 然而，这种模式相关系数对模式模拟MJO能力的排序影响很小。

3.结果

使用模式相关性的度量方法对27个模式模拟MJO的能力进行排序，在第2.3节中有简洁的描述。根据这一排名，9个模式模拟各自可分为三个等级，如图1a所示：顶层（蓝色），中间（绿色）和底层（橙色），其分数分别高于，接近和低于总平均值。位于顶层的模式在其时间滞后回归图（图2b中的等值线）中产生明显的东向传播信号，类似于TRMM观测（图2a中的等值线）。相比之下，底层的模型没有显示出明显的东向传播信号在它们的时滞回归图中（图2c中的等值线），他们不能模拟出具有统计意义的MJO。

当MJO跟踪方法应用于这些模型模拟时，我们发现所有模式，包括最底层等级的模式，也能产生 MJO。例如，一个来自底层等级模式（CFS2）在其时间滞后相关图中仅显示向西传播信号[Jiang et al.，2015，图3]产生了MJO事件（图2e），这与来自顶层的（PNU_CFS）模式产生的MJO事件有较接近的振幅（图2d），来自底层模式的所有追踪的MJO事件的合成显示了在降水异常中系统性向东传播（图2c中的颜色）。这是预期的，但与它们的平均滞后回归（等值线）形成鲜明对比，使人认为是这些模式根本不能产生MJO。然而，在这些模式中，与观测结果（图2a）和顶层模型（图2b）相比，MJO信号在太平洋上比印度洋弱得多。这或许可以说明海洋大陆在模式的夸大屏障效应 [Inness and Slingo, 2006; Kim et al., 2009;

图1.(a)基于模式回归降水异常的模式相关性和TRMM观测的MJO模拟技能评分。水平线表示着它们的平均水平。三种颜色分别代表顶层、中层和底层，其得分分别高于(蓝色)、接近(绿色)和低于(橙色)平均值。(b)在TRMM观测(黑色实线)、所有模型平均(红色虚线)、9个顶层模型平均(蓝色实线)和9个底层模型平均值(橙色)中MJO起始频率(yr-1)的经向分布。浅蓝色表示所有模式的一个标准差。经向宽为20°。计算了60°e-180°和第20天至第20天(见图2)模式与观测之间的模式相关性。

Seo et al., 2009].

根据我们使用MJO跟踪方法的诊断，模式之间的区别不在于它们是否能产生MJO，而是模式多久产生一次。这种差异如图1b所示，图中针对观测和模式模拟绘制了来源于追踪方法的MJO起始的出现频率的经向分布。所有模式在MJO模拟中都存在一个主要偏差：在观察中，大多数MJO事件在印度洋上形成，而模拟的MJO初始态在印度洋 - 太平洋地区的经度上更均匀地分布。与观察结果相比，几乎所有模式都低估了MJO的发生频率，特别是在北方夏季。在本研究的其余部分中提供的结果是针对延长的北方冬季（10月至3月）以及在观测和模拟中在印度洋或其西部（其轨道经过90°E）形成的被追踪的MJO事件。

大多数模式严重低估了形成于90°E以西的MJO事件发生频率，其平均出现频率仅不到观测值的一半(图3a)。按模式相关性排序的模式在顶层和底层的主要区别在于它们模拟的MJO的出现频率不同。基于模式相关的MJO模拟得分与MJO事件的发生频率紧密相关(95%的置信水平)。很容易理解：无论一个模式能多好的模拟MJO，如果它在20年的模拟中只产生几个MJO事件，它基于时间滞后回归的模式相关性必须是相对较低的。

底层的模式不能生成MJO的统计信息(图2c)，它可以产生与顶层模式类似的MJO事件。通过Kolmogorov-Smirnov(Ks)测试，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18892]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章