【数据分享】CMIP6未来气候变化情景数据之三: 历史时期风速数据集
热课推荐
风影响着水循环、风能以及与风相关的自然灾害，如龙卷风、台风和风暴潮。因此，了解风速的变化是非常重要的。在全球气候变化的背景下，全球各地和一些局部地区都观测到了地表风速的变化规律和强度，研究结果表明，在全球范围内和特定地区，地表风速呈下降趋势。但最近发现2010-2017年期间，表面风速的回升使全球潜在风能增加了17±2%。
全球气候模型（GCM）是研究气候变化的主要工具。特别是在耦合模型相互比较项目(CMIP)开始运作之后，它得到了广泛的应用，该项目旨在了解过去的气候变化，进行预测，并估计未来的不确定性。在中国地表风速已有大量关于GCM的评估工作。主要结果有：
l CMIP3和CMIP5 GCM可以捕捉到年、季平均风速的空间规律，但低估了其下降趋势。
l CMIP5相比CMIP3模拟近地面风速方面表现更好。
l CMIP5 GCM所有的模型都倾向于低估年际变化，无法重现观测到的下降趋势。
基于上述原因，有必要对风速进行评估。
历史时期风速数据集展示
图1和图2分别为historical月尺度uas变量的BCC-CSM2-MR模式、BCC-ESM1模式下的空间图。对比可看出，不同模式模拟出的结果存在差异。
图 1 historical月uas BCC-CSM2-MR模式空间图
图 2 图 1 historical月uas BCC-ESM1模式空间图
表格 1 historical月uas模型清单
ACCESS-CM2 | CAS-ESM2-0 | E3SM-1-1-ECA | GISS-E2-1-G | MIROC6 | NorESM2-MM |
ACCESS-ESM1-5 | CESM2 | EC-Earth3 | GISS-E2-1-H | MPI-ESM-1-2-HAM | SAM0-UNICON |
AWI-CM-1-1-MR | CESM2-FV2 | EC-Earth3-Veg | IITM-ESM | MPI-ESM1-2-HR | TaiESM1 |
AWI-ESM-1-1-LR | CESM2-WACCM | EC-Earth3-Veg-LR | INM-CM4-8 | MPI-ESM1-2-LR | |
BCC-CSM2-MR | CESM2-WACCM-FV2 | FGOALS-f3-L | INM-CM5-0 | MRI-ESM2-0 | |
BCC-ESM1 | CIESM | FGOALS-g3 | IPSL-CM6A-LR | NESM3 | |
CAMS-CSM1-0 | CMCC-CM2-HR4 | FIO-ESM-2-0 | KACE-1-0-G | NorCPM1 | |
CanESM5 | CMCC-CM2-SR5 | GFDL-ESM4 | KIOST-ESM | NorESM2-LM |
注：标注黄色为中国模式。
文件数量（netCDF文件）：
uas_historical/ 925
vas_historical/ 926
文件大小：
uas_historical/ 7.3GB
vas_historical/ 7.7GB
相关论文分享
《Evaluation and Projection of Surface Wind Speed Over China Based on CMIP6 GCMs》
研究目的：
论文基于CMIP6的24个全球气候模式，评估了中国上空的历史风速，并量化了CMIP6比CMIP5的进步。此外，还利用24个模型中的18个模型对1-2.6、2-4.5和5-8.5(SSP1-2.6、SSP2-4.5和SSP5-8.5)三种共享社会经济路径情景下的未来风速变化进行了评估。
数据与方法：
CN05.1网格化10米风速月观测数据集来评估GCMs模拟现今地表风的情况。
表格 2 本研究使用的37个CMIP 5和24个CMIP 6 GCMs清单
研究所/国家 | CMIP5模型 | CMIP5水平分辨率 | CMIP6模型 | CMIP6水平分辨率 |
Commonwealth Scientific and Industrial Research Organization (CSIRO) and Bureau of Meteorology (BOM)/Australia | ACCESS1‐0 | 192 × 144 | ACCESS‐CM2 | 192 × 145 |
ACCESS1‐3 | 192 × 144 | ACCESS‐ESM 1‐5 | 192 × 144 | |
CSIRO‐Mk3‐6‐0 | 192 × 96 | — | — | |
Beijing Climate Center (BCC)/China | BCC‐CSM1‐1 | 128 × 64 | BCC‐ESM 1 | 128 × 64 |
BCC‐CSM1‐1‐M | 320 × 160 | BCC‐CSM2‐MR | 320 × 160 | |
Beijing Normal University (BNU)/China | BNU‐ESM | 128 × 64 | — | — |
Chinese Academy of Meteorological Sciences (CAMS)/China | — | — | CAMS‐CSM1‐0 | 320 × 160 |
Canadian Centre for Climate Modelling and Analysis (CCCMA)/Canada | CanESM2 | 128 × 64 | CanESM5 | 128 × 64 |
Centro Euro‐Mediterraneo per I Cambiamenti Climatici (CMCC)/Italy | CMCC‐CESM | 96 × 48 | — | — |
CMCC‐CM | 480 × 240 | |||
CMCC‐CMS | 192 × 96 | |||
Centre National de Recherches Météorologiques (CNRM)/France | CNRM‐CM5 | 256 × 128 | — | — |
CNRM‐CM5‐2 | 256 × 128 | |||
EC‐Earth Consortium/Europe | — | — | EC‐Earth3 | 512 × 256 |
EC‐Earth3‐Veg | 512 × 256 | |||
Institute of Atmospheric Physics (IAP)/China | — | — | FGOALS‐f3‐L | 288 × 180 |
Geophysical Fluid Dynamics Laboratory (GFDL)/United States | GFDL‐CM2.1 | 144 × 90 | GFDL‐CM4 | 288 × 180 |
GFDL‐CM3 | 144 × 90 | |||
GFDL‐ESM 2G | 144 × 90 | GFDL‐ESM 4 | 288 × 180 | |
GFDL‐ESM 2M | 144 × 90 | |||
Goddard Institute for Space Studies (GISS)/United States | GISS‐E2‐H | 144 × 90 | GISS‐E2‐1‐H | 144 × 90 |
GISS‐E2‐H‐CC | 144 × 90 | |||
GISS‐E2‐R | 144 × 90 | GISS‐E2‐1‐G | 144 × 90 | |
GISS‐E2‐R‐CC | 144 × 90 | |||
Met Office (UKMO)/United Kingdom | HadCM3 | 96 × 72 | — | — |
Institute for Numerical Mathematics (INM)/Russia | INM‐CM4 | 180 × 120 | INM‐CM4‐8 | 180 × 120 |
INM‐CM5‐0 | 180 × 120 | |||
Institute Pierre‐Simon Laplace (IPSL)/France | IPSL‐CM5A‐LR | 96 × 96 | IPSL‐CM6A‐LR | 144 × 143 |
IPSL‐CM5A‐MR | 144 × 143 | — | — | |
IPSL‐CM5B‐LR | 96 × 96 | — | — | |
National Institute of Meteorological Sciences (NIMS)/South Korea | HadGEM2‐AO | 192 × 144 | KAGE‐1‐0‐G | 192 × 144 |
University of Arizona (UA)/United States | — | — | MCM‐UA‐1‐0 | 96 × 80 |
Model for Interdisciplinary Research on Climate (MIROC)/Japan | MIROC4h | 640 × 320 | MIROC6 | 256 × 128 |
MIROC5 | 256 × 128 | |||
MIROC‐ESM | 128 × 64 | — | — | |
MIROC‐ESM‐CHEM | 128 × 64 | |||
Max Planck Institute (MPI) for Meteorology/Germany | MPI‐ESM‐LR | 192 × 96 | MPI‐ESM1‐2‐LR | 192 × 96 |
MPI‐ESM‐MR | 192 × 96 | MPI‐ESM1‐2‐HR | 384 × 192 | |
MPI‐ESM‐P | 192 × 96 | MPI‐ESM1‐2‐HAM | 192 × 96 | |
Meteorological Research Institute (MRI)/Japan | MRI‐ESM1 | 320 × 160 | MRI‐ESM2‐0 | 320 × 160 |
MRI‐CGCM3 | 320 × 160 | — | — | |
Nanjing University of Information Science and Technology (NUIST)/China | — | — | NESM3 | 192 × 96 |
Norwegian Climate Centre/Norway | NorESM1‐M | 144 × 96 | — | — |
NorESM1‐ME | 144 × 96 |
由于CMIP 5和CMIP 6 GCMs和CN05.1具有不同的水平分辨率，从~0.7×0.7°到3.75×3.75°，为便于比较，采用双线性或面积加权插值算法，将它们插值为1×1°网格。
在评估中国的月、季和年平均风速时，在本研究中采用了一个标准化的RMSE，规范化的RMSE(RMSE‘)定义如下：
结果：
图3显示了1961-2005年中国的年、夏季(6-7~8月，JJA)和冬季(12月-1月-2月，DJF)的地面风速的空间分布情况以及CMIP 5和CMIP 6模式(以下简称Mme_5和Mme_6)的集合方法。论文中提到的中国主要地方的位置标注在（a）中：1.塔里木盆地；2.新疆省；3.青藏高原；4.云南省；5.四川盆地；6.黄土高原；7.秦岭；8.内蒙古；9.华北平原；10. 大兴安岭。
Mme_5和Mme_6较好地再现了青藏高原和内蒙古地区年和冬季地面风速的空间格局。年风速、夏季风速和冬季风速的空间相关系数分别为0.74、0.56和0.79，而Mme_6的空间相关系数分别为0.76、0.68和0.80。然而，这些组合低估了整个中国的年平均表面风速，最大小于4米/秒。（3d和3g)。MME_6的性能优于MME_5，特别是在DJF中。
图 3 (a，d，g)年，(b，e，h)夏季(6-7~8月[JJA])和(c，f，i)1961-2005年冬季(12月至1月至2月[DJF])地面平均风速(单位：M/s)的空间分布。每一行分别表示CMIP 5和CMIP 6模型的观测结果和集合均值。
图6展示了21世纪中后期SSP1-2.6、SSP2-4.5和SSP5-8.5情景下中国地面年平均风速的空间分布。可以发现，在高排放情景下，地表风速下降明显，且幅度较大，面积也较大。
图 4 (a-c)21世纪中叶和(d-f)年平均地面风速(单位：M/s)相对于当今的未来变化和(g-i)2015-2099(单位：(M/s)/十年)在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的趋势。(A)-(F)中的圆点表示超过三分之二的CMIP 6型号同意改变迹象的区域。(G)-(I)中的“+”表示p < 0.05.
原文链接：
Wu Jie and Shi Ying and Xu Ying. Evaluation and Projection of Surface Wind Speed Over China Based on CMIP6 GCMs[J]. Journal of Geophysical Research: Atmospheres, 2020, 125(22)
DOI: 10.1029/2020JD033611
《CMIP6年代际试验对中国气温预测能力的初步评估》
研究目的：
论文利用参与DCPP的加拿大CanESM5模式和日本MIROC6模式1961—2010年起报的中国近地面气温，评估了CMIP6 年代际试验在不同提前时间对中国气温的回报性能。
观测数据：
采用格点化数据集CN05.1中的月平均气温，分辨率为0.25°×0.25°。该数据集使用距平逼近法，基于中国境内2400个台站的观测资料，由气候场和距平场分别插值后通过叠加得到。
研究方法：
在评估前根据气候变率与可预测性研究计划（CLIVAR）的协议对模式年代际试验回报结果进行偏差订正。CanESM5模式采用全场初始化，MIROC6模式使用距平初始化方法。
论文使用距平相关系数（ACC）、空间相关系数（PCC）和均方根误差（RMSE）对模式的近地面气温回报能力进行评估。ACC和PCC正值越大表示模式模拟或回报能力越高[48]，而RMSE值越大表示模式误差越大，模拟或回报能力越低。
结果:
图2为1961—2010年平均的CanESM5模式历史试验模拟、MIROC6年代际试验提前1~5年回报的年及季节平均气温与观测的比较.两个模式年代际试验的回报气温与观测较接近，仅在个别格点回报与观测有偏差，而历史试验模拟的气温在青藏高原和西北地区与观测有较大的偏差。
图 5 观测（a, d, g, j, m）、CanESM5模式历史试验模拟（b, e, h, k, n）以及MIROC6模式年代际试验提前1~5年回报c, f, i, l, o）的1961—2010年平均的年平均（a-c）、春季（d-f）、夏季（g-i）、秋季（j-l）和冬季（m-o）气温（单位：℃）
由于年代际试验对年平均气温和季节平均气温的回报技巧大多随着提前时间降低，因此仅用年代际试验提前5~9年的气温回报结果与历史试验进行对比分析（图4和图5）。
可见CanESM5模式历史试验模拟的年平均气温ACC 远小于年代际试验提前5~9年的年平均气温回报ACC（图4），同时MIROC6模式历史试验模拟的年平均气温气温RMSE也远大于年代际试验提前5~9年的年平均气温回报RMSE（图5），即年代际试验对年平均气温的回报技巧远高于历史试验。对于季节平均气温，尽管回报技巧差异不如年平均气温明显，但总体上年代际试验对全国季节平均气温的回报技巧也高于历史试验。
图 6 CanESM5模式历史试验（a-e）与年代际试验提前5~9年（f-j）的年平均（a, e）及春（b, g）、夏（c, h）、秋（d, i）、冬（e, j）季回报气温与观测的ACC
图 7 MIROC6模式历史试验（a-e）与年代际回报试验提前5~9年（f-j）的年平均（a, e）及春（b, g）、夏（c, h）、秋（d, i）、冬（e, j）季回报气温与观测的RMSE
原文链接：
汤秭晨,李清泉,王黎娟,伍丽泉. CMIP6年代际试验对中国气温预测能力的初步评估[J]. 气候变化研究进展,,:1-16.
数据获取方式
1、转发此文至朋友圈，附文“推荐这个科研技术资源公众号”
2、关注公众号，转此文章到朋友圈公开可见3小时,集赞10个或转发相关科研微信群（＞50人）10分钟后，转发截图扫码入群领取
3、转发截图后台，回复“046+姓名+单位+单位公开邮箱”，我们会尽快把资源发送到您的邮箱，请注意查收（本数据在3月28日晚八点进行发放）
备注：CMIP6未来气候变化情景数据我们会在近期内全部进行公布，敬请关注！
后台人工回复，领取资料人数较多，大家后台截图回复后，小编会尽快给大家回复，请您耐心等待，您的转发助力知识的传递，快来加速吧！
数据分享
2、【数据分享】2020年中国土地利用遥感监测数据丨免费下载！3、【数据分享】近期发布的地理空间数据共享资源汇总4、【数据分享】1:25万全国三级水系流域数据集（免费下载）5、【数据分享】2000-2013年全球夜间灯光数据（免费下载）6、【数据分享】ERA5全球大气再分析数据和MSWEP多源融合降水数据7、【数据分享】GLOBMAP全球叶面积指数产品8、【数据分享】中国地貌矢量数据，撰写报告做图必备数据免费下载9、【数据分享】中国陆地生态系统服务价值空间分布数据集9、【数据分享】中国各区县PM2.5数据和全国各区县二氧化碳排放数据10、【数据分享】土地利用（覆盖）数据下载汇总11、【数据分享】基于DEM提取的中国流域、河网数据免费下载12、【数据分享】中国低碳年鉴2000-2016（免费下载）13、【数据分享】全球1982～2015年逐年长时序动态土地覆盖数据集14、【数据分享】多个自然资源（大气、土地、水等）面板数据大放送、时间跨度长、地区分布广，快速下载15、【数据分享】中国地级市PM2.5数据（2000-2018年）数据整理16、【数据分享】全球SRTM数据，global mapper生成地形图17、【数据分享】全国shp数据（包含：区域、地界、公路、铁路、河流、湖泊）18、【数据分享】建筑矢量数据shap，26个省级城市建筑轮廓19、【数据分享】2000--2019 年中国各省、市、区县分年、分月、逐日平均降水量数据20、【数据分享】11年中国1km栅格月平均气温数据集21、【数据分享】一个横跨35年的数据，1985-2019中国城市统计年鉴22、【数据分享】中国环境统计年鉴：1998-201823、【数据分享】中国水系数据，包含长江黄河、湖泊、以及一级三级四级五级河流矢量数据24、【数据分享】中国年度植被指数（NDVI）空间分布数据集1998-2018年
部分数据展示，关注Ai尚研修公众号，更多数据资源轻松下载！
超级会员专享
如何成为超级会员：
1.凡参加Ai尚研修收费课程即为超级会员
1.充值3500元即为Ai尚研修超级会员；
超级会员特权：
1.参加直播与现场课程专享400元会员优惠，同时成为Ai尚研修推广大使，推荐参会分享收益。
2.购买Ai尚研修平台导师视频课程（含导师随行长期指导），享受8.5折优惠。
3.免费享受Ai尚研修会议平台中会员专享下视频课程。
4.长期免费参与每月4期针对地学领域简学实用公开课（优先、无门槛）
5.免费参与任何一门课程开设的导师面对面线上答疑交流。
6.Ai尚研修资源站分享中数据免费下载；
7.会员既成为Ai尚研修合作伙伴，可以进行技术文章、视频教程投稿，分享收益红利，同时所在单位可以通过Ai尚研修新媒体平台进行合作及招聘推广。
声明： 本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。
END
Ai尚研修丨专注于地学领域，
提供专业的技术指导服务，
点亮科研技术简学践行，为科研助力！