原始研究的文章

前面。爬。,20 October 2022
秒。气候服务
卷4 - 2022 | https://doi.org/10.3389/fclim.2022.954892

未来极端降水的季节性变化在美国连续的和相关的趋势

Ishrat贾汗Dollan ¹ ^*,

Viviana Maggioni ¹,

杰里米·约翰斯顿 ¹,

古斯塔沃·德·a·科埃略 ¹和

詹姆斯·l·肯特三世 ²

¹Sid和Reva悬钩子属植物土木工程系、环境和基础设施工程,美国弗吉尼亚州费尔法克斯的乔治梅森大学
²大气、海洋和地球科学Ocean-Land-Atmosphere研究中心,美国弗吉尼亚州费尔法克斯的乔治梅森大学

全球气候模型和长期观测记录指出,全球变暖导致极端降水的增强。这种强化对恶化直接影响洪水和生命财产损失。本研究调查预计趋势(2015 - 2100)在极端降水气候学和日常使用社区地球系统模型版本2大合奏(CESM2-LE)模拟区域和季节尺度。具体来说,未来的国家气候的极端降水检查评估(NCA)地区在美国连续使用ssp3 - 7.0(共享社会经济途径)。极端降水分析而言,每日最大降水和简单的每日强度指数(SDII)使用Mann-Kendall(5%显著性水平)和Theil-Sen (TS)的回归。最重要的增加发生在降水值最高(95^th)在夏季和冬季集中在中西部和东北部,分别根据长期极端趋势评估分位数(即。25、50、75和95^th)。季节性气候预测湿润和干燥模式,在春季和冬季湿润在中西部地区和东部干燥夏季。更低的分位数在美国中部预计将保持不变,过渡到润湿模式由于重沉淀在秋天。冬天积极趋势(在5%的显著性水平)是最普遍在东北和东南部,与整个合奏协议等趋势。在春天,这些趋势主要是发现在中西部地区。在东北和北部大平原,强度指数显示一致的润湿模式在春天,冬天和夏天,而干燥模式预计在中西部地区在夏季。规范化的区域变化指数的函数,分位数和季节。具体来说,季节性积累存在较大变化(~ 30%及以上)在夏天冬天和更低的变化(< ~ 20%)在美国大平原南部和西南部考察了极端降水变化的预测在不同分位点提供了洞察的预期变化区域降水机制在未来的几十年。

介绍

人为操作,改变地球的气候(所罗门et al ., 2007)有可能造成不可逆转的破坏在二十一世纪。这些中断将季节性和区域性变量,包括潜在的大规模放大的极端降水事件(Pfahl et al ., 2017)。气候科学家之间的协议仍然存在大量的温室气体的排放导致加速全球范围内变暖(安德森et al ., 2016)。合成的报告强调,重要的减排要求限制全球平均地表温度升高< 2°C高于工业化前水平(联合国政府间气候变化专门委员会,2014)。温度的增加,反过来,直接链接到大气持水量(2010年O 'Gorman和穆勒),因此创造条件更强烈的降水事件。几个全球范围内研究澄清了水文循环和全球变暖之间的联系(Trenberth 1999;艾伦和英格拉姆,2002年;Trenberth et al ., 2003)。最新的政府间气候变化专门委员会(IPCC)评估报告(AR6)文件日益强烈的降水超过大多数土地(联合国政府间气候变化专门委员会,2021)。内部气候变化引入的不确定性描述极端的分布在区域尺度上,这需要健壮的大型集成评价(费舍尔et al ., 2013)。本研究使用一个大的整体评估预测季节性气候学和极端连续的美国(本土)。未来降水特点是必不可少的对于理解进化的水文循环(Tabari 2020),自适应防洪工程设计(马德森et al ., 2014;科埃略et al ., 2022)、适应气候变化的能力,水系统(Rahat et al ., 2022)和可持续水资源管理(Peters-Lidard et al ., 2021)。

先前的研究深入研究预计极端潮湿的特点,如降水强度增加(Westra et al ., 2014)和频率增加(艾伦和Soden, 2008年;Papalexiou Montanari, 2019),以及极端干燥,如增加干旱在应对气候变暖严重土地在未来几十年(戴,2013;库克et al ., 2015;Schwalm et al ., 2017)。降水模拟全球气候模型(GCMs)显示一致性与全球观测(2006年,Soden举行;Benestad 2018),这表明,人为的气候信号增强费舍尔和Knutti, 2016),将在21世纪继续(费舍尔et al ., 2013;Pendergrass和哈特曼,2014)。展示一个更强烈的信号hydroclimatic政权在二十一世纪(Giorgi et al ., 2014;Abdelmoaty et al ., 2021)。萨克雷et al。(2018)说明越来越模式CMIP5(耦合模型相互比较项目阶段5)RCP8.5(代表浓度通路;泰勒et al ., 2012)多模型意味着降水变化预测和历史时期)的区别在10°S−10°N和高纬度区。然而,作者发现了一个在进行轻中度降水减少10-45°区(中纬度地区亚热带)。其他的研究表明,中纬度地区,包括北美,预计仍容易受到极端降水(Donat说et al ., 2013;压平布面方法et al ., 2017;Rajczak Schar, 2017)。不同的降水变化的空间,使其基本理解未来极端的区域分布在不同的百分位数为当地地区防洪抗旱适应规模以及农业基础设施规划。

在区域范围内,国家气候评估(NCA)报告越来越趋势的最重的降水(前1%)在中西部和东北部(所以et al ., 2014)。广泛的研究研究观察到的变化(亚历山大et al ., 2006;Dollan et al ., 2022)和预测极端(Sillmann et al ., 2013;Menegoz et al ., 2020)在全球和区域尺度(Westra et al ., 2013;迪亚科内斯库et al ., 2016)使用一组定义的极端气候专家团队对气候变化检测和指数(ETCCDI;Zhang et al ., 2011)。检测趋势,尽管不确定性来自等各种因素(即温室排放场景和模型的差异。、物理参数、初始化)添加到气候变化评估研究的难度哈扎维et al ., 2016)。人们已经发现,多模型意味着或合奏意味着可以代表大气的气候学领域,考虑到不确定性在气候模型中(Gleckler et al ., 2008)。最新的耦合模型相互比较项目,6级(CMIP6;艾林et al ., 2016)模型可以代表气候学在不同地区(Akinsanola et al ., 2020 a;咚,咚,2021年)。最近的研究使用CMIP6模拟探索未来极端的变化在不同的区域(Ayugi et al ., 2021;李et al ., 2021 a)通过多模型集成模拟(Akinsanola et al ., 2021)。大合奏(LE)模拟可以用来实现鲁棒估计极端变化的区域范围内(李et al ., 2021 a)。以前,平均降水变化气候学由于人为排放已经看见在三大区域范围内集合体(张和Delworth, 2018年)。

健壮的统计工具是必不可少的在评估降水特征(Treppiedi et al ., 2021)。分位数回归(QR)最近成为一个有用的工具在量化趋势上下尾分布的大小(Villarini et al ., 2011;Bartolini et al ., 2014;Lausier Jain, 2018)。虽然这些研究关注历史沉淀分位点的变化,有限的研究分析使用LEs规模季节性降水分位数。本研究主要探讨季节性气候学和两种极端的预测趋势指数在四个不同的分位数(低25^th,平均50^th75年,高于中位数^th95年和极端^th圆锥使用社区地球系统模型)和版本2勒(CESM2-LE;罗杰斯et al ., 2021 a)模拟。具体来说,从系综分布地区分位数变化加上非参数森的斜率(森,1968提出了)。季节性(合计总额_年代),每个季节每天最大(RX1day,极端的指数)和日常降水强度指数(SDII,极端指数)长期趋势(2015 - 2100)研究了NCA (Reidmiller et al ., 2018)地区在ssp3 - 7.0(中级到高级)发射的场景。利用LE输出区域模式的变化与中位数(50指数^th)分布提供有价值的发现可以受益不同社会经济部门在建设规划策略和可持续生态系统动力学。的平均变化的分布指数与模型的参考气候分位数(1951 - 2015)。由于改善气候模型不转化为缩小投影传播(Douville et al ., 2021),不确定性量化指标的集合体(至关重要约翰et al ., 2022)。因此,大型集成提高能力,评估的不确定性趋势检测指标和比较输出在区域尺度。在这项研究中,一个单一的发射方案仅用作ssp3——7.0提供了大合奏输出在分析时间。作为额外的可用数据集在未来的生产商的项目,这样的探索可以扩展到封装不同的气候情况。

具体地说,我们的研究旨在解决以下研究问题使用CESM2-LE ssp3 - 7.0:1。预计未来降水季节性变化如何在极端指数在分位数在二十一世纪?2。分位数更有可能驱动未来降水变化?3所示。什么降水的变化可能发生在区域范围内,相关的不确定性是什么?研究区域极端的变化对区域气候的历史时期是至关重要的评估(李et al ., 2021 b)和生态适应(Vicente-Serrano et al ., 2022)。我们的努力提供一个新的综合评价长期季节性降水变化的分位数使用最新的CMIP6 CESM2-LE模拟在中期在圆锥高排量的场景。

材料和方法

社区地球系统模型和大合奏

场景模型相互比较项目(ScenarioMIP)是一个活动的CMIP6提供未来气候预测八独特的SSP-based场景通过综合评估模型(艾玛)(Tebaldi et al ., 2021)。CMIP6雇佣了新一代的全球大气环流模型(艾林et al ., 2016),它包含了对物理过程的理解,增加垂直和水平分辨率(Akinsanola et al ., 2020 b)、适应重建的土地利用变化和连贯的描述大气气溶胶营力(史都华牌et al ., 2017)。

SSP-RCP框架结合了新开发的社会经济情况的rcp CMIP5 (克里斯蒂安•范维伦et al ., 2014)。CMIP6模型的历史模拟从1850年到2014年,自然迫使,例如,火山爆发和人类的影响,如有限公司₂浓度,作为输入(斯利瓦斯塔瓦et al ., 2020)。这个框架,称为“场景矩阵架构,”解释社会经济参考路径(总共5通路)配合辐射强迫水平(W / m²)(克里斯蒂安•范维伦et al ., 2011)。SSPs旨在反映未来的社会经济发展,从气候政策的缺乏更大的气候适应和缓解Riahi et al ., 2017)。SSP故事中包含了一系列广泛的潜在的未来社会趋势和设计的缓解和适应战略应对社会经济挑战(Riahi et al ., 2017)。

美国国家大气研究中心(NCAR)建造了一个社区100名成员的整体利用地球系统模型版本2 (CESM2) 100公里网格间距,史无前例的气候建模(一个壮举Danabasoglu et al ., 2020)。CMIP6努力为分析提供了一个框架内部变化迫使变化(罗杰斯et al ., 2021 b)。仿真时间跨度从1850年到2100年,包括历史和ssp3 CMIP6 - 7.0协议(艾林et al ., 2016)。ssp3 - 7.0(辐射强迫7.0 W / m²)之间的适度ssp4 8.5 - 6.0和最坏的ssp5场景。此场景模拟的初始条件的整体评估模型的自然变化。CESM2组件的名义水平分辨率是100公里。一组组件组成的土地、海洋、大气、海冰、海浪、河流,陆冰,交流通量和州使用耦合器(Danabasoglu et al ., 2020)。

之前的一项研究比较了新一代CESM2-LE圆锥在三个不同的时期,即1961 - 1980、1981 - 2000和2001 - 2020年引用从1941年到1960年(科埃略et al ., 2022)。研究利用可用的全球历史气候网络(GHCN)台站数据在每个CESM2-LE网格框(100公里)构造一个经验累积密度函数(CDF)基于重现期(代表气候分位数)。CDF实验组的决心在每个网格箱平均所有可用的电台的年度最大系列(AMS)三个时期。类似的过程应用于CESM2-LE,利用70乐团。该研究使用的概念相对变化(RC)的分位数之间的沉淀三个时期和参考时间GHCN和CESM2-LE发现。RC包含上分位数代表极端降水相对于参考。研究发现,这两个数据集之间的相对变化差异(GHCN和CESM2-LE) < 5%偏差在大陆范围内,支持大型集成的能力充分捕捉气候分位数。

指标如季节性日最大降水2015 - 2100年在每个网格提取。这个过程被重复米乐团成员(米= 70,基于整体成员可用性在研究)。总的来说,米在每个网格值提取每个赛季。每一年,一个大合奏分布是用来计算指数的分位数的值(即。25、50、75和95^th)。勒提供了一个健壮的分位数的估计,代表未来降水极端潮湿的范围。

非参数趋势测试

在圆锥投影的季节性气候学研究ETCCDI与两个极端的指标,如最大程度上的每日降水(RX1day)和简单的降水强度指数(SDII)的季节。季节性SDII计算,平均每天积累沉淀的季节降水天数。非参数森的斜率大小趋势(赛尔,1950;森,1968)以及Mann-Kendall(可)(曼,1945;肯德尔,1948)在95%的置信水平趋势检测用于处理时间序列的三个指数从2015年到2100年。方程(1)计算森的斜率估计量,产量强劲趋势估计时间序列。

\begin{array}{l} T_{r} = 米 e d 我 一个 n (\frac{我_{t} - - - - - - 我_{年代}}{t - - - - - - 年代}), t > 年代 & (1) \end{array}

T_r代表斜率的估计量选择的分位数,r,即,25, 50, 75, and 95^th。我_t和我_年代是(t>年代)是一个特定的值指数在连续的时间点系列(2015 - 2100)。该过程使用的年数计算组合C的数据点。

\begin{array}{l} C = \frac{n (n - - - - - - 1)}{2} & (2) \end{array}

n在方程(2)代表几年从2015年到2100年(86年)。成对的平均斜率估计代表斜率估计量。

检测趋势的不确定性提出了量化的成员数量识别重要趋势(要么是积极的,消极的或没有趋势)使用可测试5%α水平。我们采用一个简单多数规则预测趋势的方向在每个像素后早期趋势研究(Kumar et al ., 2013)。我们认为一个像素有一个显著的趋势方向如果合奏协议> 50%(从70年乐团,至少35个以上同意统计)趋势的迹象,没有趋势,趋势,积极或消极趋势在95%的显著性水平。

预计的趋势在本土的七个地区划分根据NCA区域介绍图1:SE(东南)、NE(东北),兆瓦(中西部)SGP大平原南部)、西南(西南),NGP(大平原北部)、西北(西北)。

图1

图1。国家气候评估区域(网上:https://www.c2es.org/content/national-climate-assessment/)。SE、东南,东北,东北、MW、中西部,下界,大平原南部,西南,西南,NGP,大平原北部,西北,西北。

评估区域的变化

分位数的季节性指数的气候学(RX1,合计_年代和SDII)确定时期(1951 - 2014)的引用。首先,指标的计算米(70)的集合体N(64)年;总的来说,它给了米×N数据点(70乐团64年生产4480分)在每一个网格。其次,分位数(25、50、75和95^th)使用数据概率分布计算(例如,25岁^th4480年的值)。这些参考分位点用于规范化未来变化趋势(大小)的指数和百分比。规范化的变化在圆锥裁剪到七NCA地区(即。、SE、NE MW,下界,NG,西北,西南)。NCA区域内网格聚合计算的平均变化(%)。网格也用于计算标准差来表示区域预测的不确定性变化。正常化是适用于所有使用的分位点研究50只显示^th(中位数),95年^th(极端)分位数。标准化生产价值和百分之一是用于比较不同地区之间的预期变化。方程(3)解释了规范化的方法。

\begin{array}{l} N r = {(\frac{T_{r} * N}{C l 我 米_{r}})}^{*} One hundred. & (3) \end{array}

在那里,T_r代表趋势大小(2015 - 2100),这一_r从1951年到2014年代表参考分位数。r代表不同的分位数,即。50和95^th,N代表没有年2015 - 2100年期间。

结果

每天最多

本研究使用森的斜率估计调查预计趋势(2015 - 2100)系综分布的季节性的成员每天最大降水在不同分位数。图2说明了每日最大的空间分布趋势大小跨季节。RX1季节影响的空间模式,跨分位数保持一致,不同震级范围的预测趋势。

图2

图2。圆锥的空间分布预测每日最大森(mm)的长期趋势预测日最大降水(毫米/年)从2015年到2100年使用CESM2-LE不同分位数(行)在季节(列)。冷(蓝色)颜色代表润湿的趋势,而温暖的(红色)代表一个干燥的趋势,并没有改变在白色的颜色突出显示。这一趋势大小显示为;低25日(春季(一),夏天(B)、降(C),冬天(D);平均50,(情况);平均75以上,(我);和极端的第95(mp)]。冷(蓝色)颜色代表润湿的趋势,而温暖的(红色)代表干燥和没有改变在白颜色突出显示。单一的发射场景SSP3- - - - - -7.0(温和SSP4之间- - - - - -6.0和最坏的SSP5- - - - - -8.5场景)用于分析。

春天的变化接近润湿程度较高的东部地区(SE, NE),和部分兆瓦,从25到95^th分位数(图2 a, E, I, M)。最高的分位数,更高的积极震级预计在国家的东部(即。、SE、NE和兆瓦)。夏天趋势项目较小的润湿模式在更低的分位数(图2罪犯SW)南部(SGP),西北地区(西北),说明高震级最高的分位数上兆瓦除外。

秋天显示没有变化的最小分位数较低(图2 c、G)在美国中部但是项目积极趋势分位数(95年最高^th)。在冬天,一个积极的信号,不,和西南25、50、75^th分位数。冬天演示了一个类似的空间格局与95年春天在东部地区^th。的季节性和区域性故障趋势大小在不同分位点提供了一个完整的理解的变化预测日最大降水的分布。最重要的是,95年^th分位数(极端)趋势分布说明了一般的润湿模式在所有季节和地区,除了夏天的NGP,而低分位数不太明显的变化(图2 mp)。有一种普遍的润湿模式在美国大陆的大部分地区最高的分位数。

季节性的总

季节性总(合计的空间模式_年代)趋势所示图3。干燥模式和最小的变化在南部(SGP和SW)在春天(图3 a, E, I, M)。相反润湿模式主导在NE SE和兆瓦,延伸到北部大平原的50分位数。

图3

图3。圆锥的空间分布预测季节性总森(毫米/年)的长期趋势预测季节性总(毫米/年)从2015年到2100年使用CESM2-LE不同分位数(行)在季节(列)。冷(蓝色)颜色代表润湿的趋势,而温暖的(红色)代表一个干燥的趋势,并没有改变在白色的颜色突出显示。这一趋势大小显示为;低25日(春季(一),夏天(B)、降(C),冬天(D);值,50,(情况);平均75以上,(我);和极端的第95(mp)]。

夏天干燥和润湿模式是可见的在兆瓦和下界估计,分别为(图3 b, F, J, N)。秋天的润湿模式变得显著的分位数与集中高震级在西北,东北,SE。没有改变在秋天是明显更低的分位数在兆瓦,NGP, SW (图3 c、G)。冬季模式类似于春天,除了一个增强干燥模式在下界估计,特别是在德克萨斯州。相比图2,合计_年代趋势显示地区湿润和干燥的混合模式。这些结果说明增加季节性降水总量是最为明显的东部和中西部圆锥在春天和冬天,而增加在墨西哥湾沿岸地区集中在夏季和秋季。夏季干燥的趋势也确定在NGP在所有分位数和佛罗里达。

SDII

降水强度指数图4显示了一个一致性在春天的空间格局SDII分位数。一般强化模式预计在SE, NE和兆瓦在春季降水强度(图4 a, E, I, M)。相反,西南和SGP项目没有改变干燥模式在德克萨斯州南部。佛罗里达也将经历一个干燥模式在95年^th在春天分位数。

图4

图4。圆锥投影的空间分布SDII森(毫米/天/年)的长期趋势预测SDII(毫米/天/年)从2015年到2100年使用CESM2-LE不同分位数(行)在季节(列)。冷(蓝色)颜色代表润湿的趋势,而温暖的(红色)代表一个干燥的趋势,并没有改变在白色的颜色突出显示。这一趋势大小显示为;低25日(春季(一),夏天(B)、降(C),冬天(D);平均50,(情况);平均75以上,(我);和极端的第95(mp)]。

夏天显示湿润和干燥的混合物除了地区没有降水强度的变化(图4 b, F, J, N)。在较低的分位数(25^th),东北大部分地区,南部兆瓦,大多数SW每日强度没有变化。德州预计将有更高的大小变化在95年^th分位数。秋天NGP丝毫没有变化,MW,西南,北部SGP和润湿模式在SE和西北25 - 50^th分位数(图4 c、G)。在分位数越高,即。,95年^th这些加剧了降水与地区预计将有所增长。冬天不显示高震级的变化和SE,即使在最低的分位数(25^th)。中给出了一个类似的空间模式NGP SGP在25 - 50^th(图4 d, H)。在分位数越高,润湿模式预计将覆盖大部分地区除了德州(干燥)。

区域的变化

图5- - - - - -7说明规范化NCA地区变化百分比。酒吧表示归一化平均变化(颜色根据NCA区域地图,图1),误差代表标准偏差的变化代表区域变化的不确定性。图5说明了这样的地区的季节性变化的RX1两个分位数,即。50和95^th。与南部和西部地区,在50^th分位数、SE兆瓦、NE和NGP展览大规范化增加弹簧(图5一个)。在95年的^th分位数,标准差增加跨区域暗示规范化像素之间的变化在一个地区较高。

图5

图5。规范化区域平均变化最大程度上的每日降水(mm)表示在赛季50^th和95年^th分位数相比,从1951年到2014年历史的气候学。不同颜色条情节代表地区的国家气候评估(如所示图1)和归一化误差棒代表标准差的变化在一个地区(春天(一),夏天(C)、降(E),冬天(G),春天(B),夏天(D)、降(F),冬天(H)]。

图6

图6。规范化区域平均变化最大的季节性总(mm)表示在赛季50^th和95年^th分位数相比,从1951年到2014年历史的气候学。不同颜色条情节代表地区的国家气候评估(如所示图1)和归一化误差棒代表标准差的变化在一个地区(春天(一),夏天(C)、降(E),冬天(G),春天(B),夏天(D)、降(F),冬天(H)]。

图7

图7。规范化区域平均变化最大SDII(毫米/天)表示在赛季50^th和95年^th分位数相比,从1951年到2014年历史的气候学。不同颜色条情节代表地区的国家气候评估(如所示图1)和归一化误差棒代表标准差的变化在一个地区(春天(一),夏天(C)、降(E),冬天(G),春天(B),夏天(D)、降(F),冬天(H)]。

夏天显示了一个更大的改变圆锥(即南部和西部地区。,SGP, SW, NW) than in the eastern and northern parts in both the 50 and 95^th分位数(大小和标准偏差在不同分位数)。两个分位数发现更高的平均变化百分比在西北。然而,最小的变化中发现SGP 50^th和SE在95^th。东北东部(SE)和(NGP, MW)北部地区在冬季有更高的平均变化百分比的大小。归一化平均变化跨区域显示季节性模式。95年^th规范化的变化是大于50^th在大多数地区。

归一化平均总降水量变化的季节性变化范围从~ + 10 + 40%图6。与《每日最大,东南显示了95年春在最大的变化^th在中西部地区,季节性总表现出更大的增加(显示图6 b)。夏季降水总量显示更大的转变与更高的可变性(标准差)的南部和西部地区(西南、下界和NW) (图6 c, D)。另一方面,(SE和NE)东部和中西部最低分位数的转变(50和95^th)。下降(图6 e, F)也有一个类似的模式变化每日最大的分位数(最低不改变和西北最大的改变)。除了SGP和NW,大部分地区在冬天看到一个更大的变化(图6 g H)。然而,在冬季的变化SW拒绝在95年^th。一般来说,在春天,秋天,冬天,总季节性降水变化的相对速度在中间和高端分布相似。然而,更高的增加仅仅是著名的下界估计,西南,西北在夏季。

预计的变化强度指数进行了说明图7。MW和NGP预计将经历更大的变化在50和95^th在春天(图7 a, B)。夏天显示更高的百分比变化(SGP)南部和西部(西南和西北)地区,与50^th有一个比95年更大的变化^th(图7 c, D)。在每个地区有一个相对较小的变化与其他季节相比(图7 e, F)。每个区域的变化模式相似的分位数在下降。东北地区预计将有最大的改变在其余地区在冬季(50和95^th),其次是兆瓦(图7 g H)。强度指数也有季节性依赖整个地区的平均变化。尽管平均转变不同的地区,预计类似的地区转移的季节性。

趋势检测每个RX1系综分布研究,合计_年代和SDII探索检测从整体分布趋势的不确定性。我们定义一个网格捕捉变化的迹象,如果它检测到一个显著的趋势,大多数(> 50%)的集合体同意检测。RX1趋势随季节,导致不同乐团的协议。例如,秋天同意没有趋势在东部地区,冬季同意积极的趋势在东部地区,西部地区夏天同意没有趋势,和春季同意在大部分地区没有趋势(MW和SE除外)表1。

表1

表1。整体协议变化的迹象(没有趋势,0;积极的趋势,+ 1;和消极的趋势,−1)指数,即。RX1(毫米),合计_年代(毫米),SDII(毫米/天)在每一个季节。

SDII比夏天RX1检测,显示了不同的趋势,中国的西南部分地区达成积极的趋势。然而,冬天区域协议显示了类似的结果(NE)”和“下降(在大部分地区没有趋势)。越来越趋势(NE, SE)和北部平原东部冬天检测。东部地区达成积极的三个指标的趋势。

讨论

理解地球的hydroclimatic应对全球变暖需要知识的变化意味着降水和其他发行版(Giorgi et al ., 2019)。研究表明预计长期(2015 - 2100年,在ssp3 - 7.0)极端每天最大的趋势和降水强度指数(RX1和SDII)和降水气候学(合计_年代)在区域和季节尺度圆锥使用CESM2-LE模拟。这些指数的长期趋势的特点是通过一系列的分位数。由于莱斯可以绕过复杂的模型不确定性的问题由平均不同气候模型(des et al ., 2012),系综平均允许研究外部强加的降水的变化意味着减少了内部变化(张和Delworth, 2018年)。

一般来说,我们发现极端指数的空间分布在不同分位数项目一个湿润的极端的大部分地区本土二十一世纪的末尾ssp3 - 7.0。与润湿指数展览区域模式在东北地区春季和冬季和相对干燥的夏天兆瓦。图2说明大多数SE地区显示预计润湿在日常最大在95年的夏天^th分位数。合计_年代(图3)和SDII (图4)显示类似的空间模式图2在95年的^th分位数,润湿主要集中在南部的域。的合计_年代在图3显示一个干燥的夏季,NGP润湿东北的冬天和SE。我们的研究结果补充的研究地板et al。(2007)演示了一个一致的冬天增加但没有改变在夏季干燥的NE在9个硕士环流模式模拟(AOGCMs)。奇迹et al。(2021)证实了振幅的增加NW SE在winter-wet季节。Akinsanola et al。(2020 b)采用CMIP6模型探讨极端的夏季和冬季降水的变化超过美国,发现冬季降水强度预计将增加在二十一世纪。虽然作者说明模型在冬季增加协议,少在夏季模型一致。

我们的结果表明,兆瓦将经验润湿年底在春天下的21世纪中期高排放场景。最近的一项研究的发现是一致的Grady et al。(2021),预计湿地区增加弹簧的世纪(30年研究期间)缩减规模CMIP5 RCP8.5。冯et al。(2016)解释春天的变化特征中尺度对流系统(mcs)主导美国中部和降雨增加的结果。压力梯度的增加引起的表面变暖的落基山被认为是一个潜在的原因mcs变化特征在早期的研究中,从1979年到2014年。润湿模式也占主导地位在95年春天在中西部地区^th分位数(图3)。库克et al。(2008)发现,气候变暖加剧低空急流,导致更多的春季降水上兆瓦。高分辨率与convection-permitting模型建模工作(cpm)将有利于理解mcs的机制和相关的春天总降水的变化。

预期的变化图2,3表明,MW和东部地区(东北,SE)预计将有更大的改变RX1和SDII在春季和冬季。相比之下,夏天有望改变最南部地区(西南,SGP)。在西北,一个引人注目的变化预计在秋天。西南地区不同没有改变在合计干燥_年代和SDII在春天。在更温暖的气候,西南地区的水资源可利用量预计将下降在春季(由于降水和蒸散的增加减少)(高et al ., 2014)。图2表明,东南预计将有更高的规模增加95人^thRX1分位数。一项研究属性强烈的SE降至热带气旋降水(Dourte et al ., 2015)。夏天每天最大趋势震级较低的分位数(25、50、75^th)在上兆瓦项目没有变化,在干燥的季节总降水的趋势。

总之,这三个研究问题中设置介绍解决如下:

1。如何预计未来降水极端指数在不同分位数季节性在二十一世纪?我们的结果证实了从先前的研究发现预期变化的极端指标,表明变化的大小取决于季节、地区和指数本身。极端指数(变得干燥或潮湿)也分位数之间各不相同,很难提供一个对这个问题的回答。例如,秋季降水累积在中央我们显示趋势大小从低的分位数(即没有变化。25岁的50^th)在95年最高的分位数(润湿趋势^th)。

2。分位数更有可能驱动未来降水变化?如上所述,空间模式的趋势取决于季节性。除了少数例外,研究中使用的三个指标显示类似的趋势大小的空间模式,这意味着季节性气候学,每日最大,和日常强度预计将有类似的空间格局。特别是,最高的分位数分析研究,即。,95年^th,最有可能推高润湿的趋势,尤其是在东北和SE我们在春天和冬天。

3所示。什么降水的变化可能发生在区域范围内,相关的不确定性是什么?归一化平均变化(代表区域变化)显示一致的季节性模式的三个指标。积极和显著的趋势在这个国家的东部地区在冬天和春天在兆瓦。没有确定的地区占主导地位的消极趋势。

最后,本研究试图提供一个稳健估计的季节性变化极端圆锥指数和气候学在不同的地区。研究使用模拟的整体增加样本容量和评估未来的变化极端分位数(21世纪末)的气候分位数的世纪早些时候在一个新的“scenario-matrix架构”(ssp3 - 7.0)。结果从这个工作推进我们的理解极端降水在最新的大型社区的整体传播地球系统模型。

结论

本研究分析了大型合奏的CESM-2中等到高排放场景范围(ssp3 - 7.0)的每日最大季节性窗口,季节性,和日常的降水强度。我们比较选定的分位数的预期变化的气候学分位数(1951 - 2014)。研究不同分位点的未来极端降水变化提供了洞察的可变性地区降水机制。

预计季节性气候学(合计_年代)显示湿润和干燥模式,特别是潮湿的春季和冬季干燥夏季在中西部地区的东部地区。我们已经看到在乐团在检测不确定性趋势,进一步受季节和指数的影响。在所有使用的指数在这项研究中,北方地区,特别是NE和SE,持续检测增加预计趋势在冬天。在秋天,大部分地区展览没有趋势指标考虑。美国中部预计将以较低的分位数没有变化,转换在第95分位数在秋天润湿。另一方面,季节性每日最大预计将有一个整体润湿模式在95年^th分位数。结果还表明,归一化平均变化量下降很小在指数和一致分布的不同部分(50和95^th)。预测趋势的空间分布主要代表了气候模式的不同部分和视神经。因为气候模型的粗分辨率限制了他们能够准确地描述降水在当地的规模、大小的趋势可能没有很好地模拟在当地分区域规模。许多研究探讨了系统性偏差的全球和区域气候模型模拟降水性质,从而导致overly-frequent弱降水和极端降水的低估(Kharin et al ., 2005)。当convection-permitting模型(cpm)成为可用于气候模拟,确定模式在区域范围内可能是更好的捕捉到的震级。此外,为了更好地理解湿润和干燥模式,未来的研究应该把精力集中在长期趋势在其他水文变量、蒸发和土壤水分等,以及极端降水的变化。合并其他湿和干燥的极端指数和其他发射场景将援助发展的全面区域降水的分析。

尽管模型不确定性,调查预计上下分位数的极端变化指数可以提供洞察地区易受湿和干许多模拟极端气候变暖的考虑。同时,在检查中捕获的趋势模型不一定预测降水的确切大小变化,它可以提供一个有价值的工具在决定在圆锥降水变化的相对速率。探索区域响应预测降水发射场景ssp3 - 7.0从只有一个大型合奏(CESM2-LE)是当前研究的局限性之一。然而,多模型模拟在当前方法的包含应该提供一个可靠的信号在探索气候学和极端指数的变化特征。此外,未来的研究将这种分析在不同发射场景预计将提供洞察新兴的全系列的不确定性建模结构和方法的差异。此外,区域气候模型中可能提供的地理变异预测趋势,但它们计算昂贵;因此,勒模拟是很有用的探索投影区域极端的变化和相关的不确定性。

数据可用性声明

美国国家大气研究中心(NCAR)使得CESM2大合奏模拟公开http://www.cesm.ucar.edu/CESM2-LENS2/。

作者的贡献

ID调查极端降水趋势,创建数据和表,整理主要外卖,准备了原稿,并检查它。VM提供评论,导致项目范围,引导连接找到项目范围。JJ导致项目范围、执行修订草案,并协助连接结果的项目范围。GC支持团队与下载和裁剪CESM2-LE(100公里/每天)数据集圆锥网格框和领先的项目范围。JK草案进行修订并提供反馈的项目范围和结果。所有作者的原稿的审查和编辑。

确认

作者承认CESM2大合奏社区项目提供数据。料斗上的数据集分析集群,由乔治梅森大学管理办公室的研究计算(orc.gmu.edu)。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用

Abdelmoaty, h . M。,Papalexiou, s M。,Rajulapati, C. R., and AghaKouchak, A. (2021). Biases beyond the mean in CMIP6 extreme precipitation: a global investigation.地球的未来9:e2021EF002196。ef002196 doi: 10.1029/2021