Snowcover可变性

最后更新于2022年1月7日星期五|雪

我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我

30 40 50 60 70 80 90

纬度

图4.14。在15个耦合的大气环流模式中，地表空气温度的变化使大气二氧化碳浓度翻了一番。所有模型都显示了“极地放大”和北极变暖的增强热带．bone et al.(2006)。4.14(板)。

我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我，我

30 40 50 60 70 80 90

纬度

图4.14。在15个耦合的大气环流模式中，地表空气温度的变化使大气二氧化碳浓度翻了一番。与热带纬度相比，所有模式都显示了“极地放大”和北极变暖的增强。bone et al.(2006)。4.14(板)。

积雪的自然变化从季节时间尺度扩展到年际甚至十年时间尺度。gcm还需要正确地参数化积雪对气候的影响。raybet雷竞技最新与北半球的遥感数据集相比，一些多gcm研究评估了模型模拟积雪覆盖范围的效果。第一项研究是Foster等人(1996)(见图4.15)，将7个gcm的积雪和积雪量与NOAA的可见光遥感积雪量数据集、美国空军雪深气候学(SDC)和微波遥感积雪量数据集进行了比较。

在北半球，冰雪覆盖北半球的积雪量在2月最多(北纬约40°)，8月最少。北半球的积雪量在3月最多，8月最少。值得注意的是，尽管如Foster et al.(1996)所述，历史上积雪覆盖面积在2月达到峰值，但如Frei et al.(2003)所述，目前一月是观测到积雪覆盖面积峰值的月份。此外，积雪在春季减少的速度比在秋季增加的速度要快。与较为稳定的冬季和夏季相比，模型在模拟春季和秋季过渡季节的积雪覆盖方面较差;Frei等人(2003)发现，与观测结果相比，模型模拟的积雪往往在秋季推进得太慢，在春季后退得太慢。为什么观察

欧亚大陆月平均积雪量

0123456789 10 雷竞技csgo1112 0123456789 10 1112

个月个月

0123456789 10 雷竞技csgo1112 0123456789 10 1112

个月个月

: 图4.15。来自NOAA、SMMR和七个不同的GCMS的欧亚大陆积雪和质量的相互比较。摘自Foster等人(1996)。

积雪在春季融化和退缩的速度要比秋季前进的速度快，为什么模型在模拟过渡季节观察到的积雪时更困难，这一点仍然不清楚。

模拟和GCM的比较观测到的积雪在每年的每个月中，表明总体差异大于95%显著性水平。不同的gcm对积雪量和雪量的取值范围较大，甚至在积雪量和雪量的最大值和最小值出现在哪个月份也存在差异(图4.15)。GCM输出中的大多数误差可能是由于地表温度建模的不准确造成的，而地表能量平衡的错误和降水的参数化方案往往导致降水过多或不足。正确地模拟积雪质量和积雪覆盖涉及模型流体动力学、表面能量交换和其他物理模型参数化的改进，所有这些都使问题相当复杂。

在第二次积雪变化研究中，Frei和Robinson(1998)对参与AMIP-1的27个不同模式的积雪范围进行了大气模式相互比较项目(AMIP)式的比较。所有参与的gcm都是根据1979-1988年观测到的海面温度进行的。作者将模型的积雪范围结果与NOAA的可见遥感积雪数据集进行了验证。总的来说，他们发现，与遥感积雪范围相比，模型生成的秋冬季雪范围被低估，而春季雪范围被高估。秋季和冬季，全球环流模式往往比欧亚大陆更低估北美的积雪覆盖，而在春季，欧亚大陆比北美更高估积雪范围。所有模式都低估了观测到的秋冬季积雪年际变化，大多数模式显示的积雪变化范围不到观测到的一半。然而，有些款式在春季表现更好。

gcm模拟的年际积雪异常与观测到的年际积雪异常之间的相关性较差。秋季和冬季的Spearman等级相关性一般为0.0±0.25。这些模型甚至无法重现极端事件;因此，作者得出结论，积雪不受海面温度(SSTs)的强迫，尽管这一结论与Ye(2001)的观测研究相矛盾，Ye(2001)的观测研究认为SSTs是积雪变化的强迫因素。最后，研究了积雪变化对模型分辨率的依赖性。与高分辨率模型相比，水平和垂直分辨率较低的模型往往具有更大的均方根误差和更大的年际变化。

Frei等人(2003)(见图4.16)在参与AMIP-2的模型中完成了类似的积雪变化评估。总的来说，他们发现与AMIP-1相比，模型模拟的积雪面积大大改善。最值得注意的是，AMIP-I报告的季节偏差已被纠正。AMIP-2的年际变率也显著改善，尽管仍低于观察到的水平。区域偏差仍然存在于模型中，特别是在欧亚大陆，那里存在系统性偏差。

最后，Frei等人(2005)评估了大气环流模型的模拟效果雪水当量(SWE)在AMIP-2 gcm套件中仅在北美上空。他们得出结论，数值模型准确地模拟了大陆积雪深度相对空间格局的季节时序。然而，这些模型确实倾向于在春季过快地消融积雪;相比之下，Foster等人(1996)发现模型在融化春季积雪时过于迟缓。他们还发现，与单个模式的结果相比，多模式平均值最能准确地模拟积雪气候。各模式的月SWE峰值变化幅度为观测到的~1500 km3峰值的50%，这对北美大陆的水平衡有重要影响;如此大的误差需要改进。他们发现模式和观测到的雪量之间的年际变化几乎没有对应关系，因此得出结论，至少在模式中，sst没有强迫大陆尺度雪量的变化。

: 图4.16。观测和模拟的北半球(NH)、北美(NA)和欧亚大陆(EU)的平均季节性积雪覆盖面积。观察值显示在每个面板的左侧;模型结果有编号。横线表示观测值±0.05。摘自Frei et al.(2003)。

gcm不仅需要模拟雪覆盖从季节到年际甚至十年时间尺度的自然变化，以代表观测到的气候，而且还需要准确预测雪覆盖在人为变化的气候中的作用。raybet雷竞技最新然而，正如下面将要讨论的那样，全球环流模式不仅缺乏模拟积雪自然变化的技能，而且不同的全球环流模式模拟的积雪对大气的影响也缺乏一致性。

继续阅读:Preinstrumental数据

这篇文章有用吗?

Snowcover可变性

相关的帖子