第六次耦合模式比較計畫(CMIP6)包括覈心試驗和23個模式比較子計畫,參與的模式數量超過100個。如何客觀、定量地評估和比較不同氣候模式的效能,正變得越來越重要。現時的模式評估方法,大多針對單一變數進行評估。然而,在模式比較與評估中,我們往往還需要評估模式對多個變數的總體類比能力。
最近,中科院大氣物理研究所的徐忠峰課題組與南京大學郭維棟教授課題組合作,改進了前期發展的多變數集合評估(MVIE)方法。改進主要體現在如下幾方面:(1)在所有統計量的計算中,考慮了面積權重,改善了評估結果的合理性;(2)可應用於多個標量場和向量場混合的多變數集合評估;(3)定義了一個描述模式技巧的多變數集合評估指數,該指數可以賦予每個變數不同權重,以考慮不同變數在模式評估中的相對重要性;(4)在上述方法改進基礎上,分別利用NCL和Python發展了一個多變數集合評估工具(MVIETool)。該工具提供了統計量計算和靈活的繪圖功能,用戶既可以定量評估模式對每個變數的類比能力,也可以評估模式對多個變數的總體類比能力(圖1),為多模式效能的對比評估提供了有力支撐。
圖1多模式效能評估與比較圖表。評估變數包括多年平均的海平面氣壓(SLP)、海表面溫度(SST)、600-hPa比濕(Q600)、850-hPa氣溫(T850)、850-hPa風向量場(uv850)和200-hPa風向量場(uv200)。ME和cRMSD分別代表模式相對於再分析資料的平均偏差和均方根誤差,評估模式對每一個變數的類比能力。VME和RMSVD分別代表模式對多個變數平均偏差和均方根誤差的總體類比能力。cRMSL和cVSC分別表徵模式對多個變數的總體空間變率和空間相似程度的類比能力。cMISS和uMISS為基於距平場和原場計算的多變數集合評估技巧,數值越接近1表示模式效能越好。圖中顏色越淺表示模式結果越接近參攷數據。M1-10代表10個模式,REA1和REA2表示兩個再分析資料。評估的參攷數據為REA1和REA2的平均。
Zhang Meng-Zhuo,Zhongfeng Xu*,Ying Han,and Weidong Guo,2021: An improved multivariable integrated evaluation method and tool(MVIETool)v1.0 for multimodel intercomparison,Geosci.Model Dev.,14,3079–3094,https://doi.org/10.5194/gmd-14-3079-2021
Zhang,M.-Z.:MVIETool,GitHub,available at:https://github.com/Mengzhuo-Zhang/MVIETool
Xu Zhongfeng*,Han Ying,and Fu Congbin,2017: Multivariable integrated evaluation of model performance with the vector field evaluation diagram,Geosci.Model Dev.,10,3805–3820.https://www.geosci-model-dev.net/10/3805/2017
Xu Zhongfeng*,Hou Zhaolu,Han Ying,and Guo Weidong,2016: A diagram for evaluating multiple aspects of model performance in simulating vector fields,Geosci.Model Dev.,9,4365–4380.https://doi.org/10.5194/gmd-9-4365-2016
本文版權歸原作者所有,文章內容不代表平臺觀點或立場。如有關於文章內容、版權或其他問題請與我方聯系,我方將在核實情况後對相關內容做删除或保留處理!