“Pseudo Global Warming”：伪全球变暖PGW
PGW方法概述
“Pseudo Global Warming”（伪全球变暖，简称 PGW） 方法是一种用于研究气候变化对天气系统（如暴雨、台风、风暴、极端天气等）影响的数值模拟技术。它常用于大气科学和气候动力学研究中，尤其是在区域尺度下研究气候变化对极端天气事件的影响。
🔍 一、PGW 方法的定义
Pseudo Global Warming（PGW）方法是一种将全球变暖的气候变化信号“强加”到历史或现实的气象条件上，从而在数值模式中模拟 未来气候情景下 极端天气事件的方法。
它的本质是：
将未来气候变化信号叠加到过去或当前的气象初始场和边界场上，以评估气候变化对具体天气事件的影响。
🧠 二、PGW 方法的基本原理
PGW 方法的核心思想是：
1、使用历史或现实的天气事件（如一次台风、暴雨等）作为基本个例。
2、从全球气候模式（GCMs）中提取未来某一时期（如2100年）的气候变化“平均态差值”或“气候信号”（差值场）。
3、将这些气候信号叠加到原始的再分析数据（如 ERA5）上，构建出一个“未来气候背景下的天气事件”。
4、使用区域气候模式（如 WRF）进行模拟，分析该事件在未来气候中的表现。
🛠️ 三、PGW 方法的主要步骤
1、选择研究事件
- 比如：一次台风、一次极端降水事件。
- 使用再分析资料（如 ERA5）或观测数据确定其初始和边界条件。
2、获取气候变化信号
- 从 GCM 模拟中提取未来时期（如 RCP8.5、SSP5-8.5 下）的月平均或季节平均气候场。
- 比较未来（如 2081–2100）与当前（如 1995–2014）气候场，计算得到差值（ΔT、Δq、Δu、Δv、Δp 等）。
3、构建 PGW 场
- 将上述气候变化信号加到原始的再分析数据中，构造一个“伪未来”的初始场和边界场。
4、数值模拟
使用区域气候模式（如 WRF）分别模拟“现实场景”和“PGW 场景”下的天气事件。
比较两种模拟结果，评估气候变化对该事件的影响。
📈 四、PGW 模拟时常涉及的变量
常见的气候信号变量包括：
- 温度（T）：地表、低层、大气柱。
- 湿度（q）：显著影响降水和对流。
- 风场（u、v）：影响对流系统传播路径。
- 海表温度（SST）：尤其关键于热带气旋和对流系统。
- 压力场（p）：影响环流系统。
📊 五、PGW 方法的优/缺点
1、PGW 方法的优点
| 优点 | 描述 |
|---|---|
| 关注具体事件 | 可针对特定极端天气事件进行模拟分析。 |
| 保留大尺度天气背景 | 使用再分析资料保留大尺度天气形势。 |
| 低计算成本 | 相较于完整的气候模拟更节省计算资源。 |
| 便于对比研究 | 可清晰对比“当前气候”和“未来气候”下的差异。 |
2、PGW 方法的局限性
| 局限性 | 说明 |
|---|---|
| 非耦合模拟 | 通常不包含海洋-大气等耦合过程。 |
| 忽略天气系统的未来变化 | 假设天气系统本身不发生改变（仅改变背景气候）。 |
| 无反馈机制 | 无法模拟反馈过程，如土地利用变化、海冰反馈等。 |
| 依赖气候模式准确性 | 气候信号质量取决于 GCM 的性能。 |
📚 六、PGW 与其他方法的对比
| 方法 | 特点 |
|---|---|
| PGW 方法 | 简化未来气候影响，聚焦事件本身变化。 |
| Time-slice 法 | 直接模拟未来时期的大气状态，代表未来背景气候。 |
| Transient 法 | 使用逐年变化的 GCM 边界，计算成本高，模拟更真实。 |
论文解析-Downscaling of the global warming projections to Turkey
以下是对论文 《Downscaling by Pseudo Global Warming Method》（Fujio Kimura 和 Akio Kitoh）研究内容的详细分析与方法流程总结。
🧠 一、研究背景与目标
📌 背景问题
- 通常气候变化预测依赖于 全球气候模式（GCM），但其空间分辨率较低（100–300 km），无法准确刻画如土耳其 Seyhan 河流域这样的小尺度区域气候。
- 区域气候模式（RCM）虽然能提高分辨率，但直接嵌套 GCM 的输出存在较大 模式偏差（Model Bias），尤其在区域尺度气候系统位置偏移时会产生严重误差。
🎯 研究目标
- 提出并应用一种新型的降尺度方法 —— Pseudo Global Warming Method（伪全球变暖方法，PGWM）；
- 利用 PGWM 对当前与未来（2070s）气候进行模拟；
- 与传统直接嵌套方法进行对比，评估 PGWM 的有效性；
研究重点： 降水与气温变化，尤其在特定季节（1月与7月）和特定区域（土耳其与 Seyhan 河流域）。
🔬 二、PGWM 方法原理与流程
📌 方法原理
PGWM 的关键思想是：将全球变暖信号（由GCM提供的未来气候场与当前气候场的差值）叠加到再分析数据（观测的当前气候）上，构建“伪未来边界条件”，以此驱动区域气候模式。
这样可以：
- 保留真实观测的天气系统结构；
- 避免 GCM 的大尺度偏差；
- 更准确地评估特定年份在未来情景下的气候变化。
⚙️ 主要数据来源与技术细节
| 内容 | 说明 |
|---|---|
| 再分析数据 | NCEP/NCAR 每 6 小时资料 |
| GCM 模型 | MRI-CGCM2，A2 排放情景 |
| 区域气候模式 | RCM（未特别说明可能为 TERC-RAMS） |
| 模拟时间段 | Period A: 1998–2002（当前气候）；Period B: 2070s（未来气候） |
| 分析变量 | 降水、气温、年际变化等 |
| 特征季节 | January（降水多）、July（降水少） |
研究结论总结
- PGWM 提供了一种更可靠的区域气候预测方法，尤其适用于小尺度区域和特定年份；
- 与传统方法相比，PGWM 可有效减少 GCM 偏差带来的误差；
- 预测结果显示：未来冬季（1月）降水减少明显，夏季（7月）略有增加；
- 气温普遍上升，但直接嵌套法存在冷偏差；
- PGWM 可用于不需要多成员集合模拟即可评估未来气候变化影响，适合资源有限场景；
- 极端事件预测的可靠性仍需进一步研究。
参考
1、论文-J2007-Downscaling by pseudo global warming method