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