尧图网站建设 
做极端事件气候变化影响的研究最让人头疼的一步往往不是模式本身而是“怎么把未来的气候信号加到当前的真实天气过程里”。直接拿 GCM 输出驱动区域模式模拟出来的天气系统经常在时间和位置上跟实况脱节根本没法当成“同一个事件”来对比。PGWPseudo Global Warming伪全球变暖方法就是为了解决这个矛盾而生的。上一篇文章里我写完了 PGW4ERA5 的安装和数据准备工作这一期换一个视角专门把相关论文摊开做一次系统学习把伪全球变暖方法的原理、工具的数据逻辑以及实验设计里那些论文中容易一笔带过、实际又特别关键的细节一次性讲透。这篇内容适合正在准备用 PGW4ERA5 工具写论文、或者想搞明白 PGW 边界实验到底该怎么设计的人。1. 传统降尺度为什么不能直接用于案例事件研究1.1 GCM 系统误差如何污染案例模拟先从一个很具体的场景说起。假设我要模拟 2021 年某次极端暴雨过程想知道它在未来变暖背景下会有多强。常规做法是把某个全球气候模式的输出作为边界条件驱动高分辨率 WRF。可问题是GCM 说白了是气候模式不是天气预报模式它在那个特定日期上模拟出来的天气尺度状态槽脊位置、切变线走向、水汽输送带跟实况动不动差个几百公里。你强行把这个偏差很大的边界给 WRFWRF 本事再大也只能在这个歪掉的骨架里做文章。最后模拟出来的降水中心位置偏了、时间也错位了你拿它去讨论“事件强度变化”审稿人一眼就能看出来问题。有人会说那用 spectral nudging 把大尺度风场拉向 GCM 的分析场行不行确实能让区域模式的大尺度环流贴近 GCM但问题在于 GCM 的分析场毕竟不是真实观测它自身的系统性偏差仍然存在。比如某套模式系统性把副热带高压模拟得偏强或者整个水汽通道偏干这种偏差被 nudging 拽进区域模式后依然会污染你对个例的模拟而且你很难把“模式偏差”和“气候变化信号”拆开。1.2 PGW 的“信号叠加”哲学PGW 方法走了一条完全不同的路子。它不再要求 GCM 精确给出“那一天的天气”而是让 GCM 只负责提供一个“未来比现在暖了多少”的气候平均信号然后把这个信号叠加到真实的再分析资料上。用公式来表达就是F(t) R(t) ( C_future(month) − C_historical(month) )其中 R(t) 是某个时刻的再分析场比如 ERA5C_future 和 C_historical 分别是全球气候模式在未来情景和历史情景下的月平均气候场。最终得到的 F(t)就是未来变暖背景下、又保留了真实天气系统演变骨架的边界场。这里的关键在于扰动项是月平均尺度上的气候态差值它不会破坏 ERA5 中 6 小时尺度的天气系统演化。换句话说槽脊怎么移动、锋面怎么生成、风速怎么脉动这些短时间尺度的“信息”全部来自真实观测被原汁原味地保留下来了变化的只是大尺度环境场的温度和湿度背景。我经常用一个类比来解释这件事这就像给一张照片做色彩校正。原图里的人物轮廓、建筑细节、光影层次全都留着你只是在色温、白平衡上做了一次整体偏移。PGW 研究的正是“同一张构图放在另一种光线条件下会变成什么样”。它不回答“未来某一天会不会真的发生这个事件”只回答“如果类似的天气系统出现在更暖的环境里会发生什么样的变化”。2. 论文中的 PGW 三阶段演进2.1 起点Schär 1996 的 surrogate 情景PGW 的源头可以追溯到 Schär 等人在 1996 年发表的工作。那会儿全球模式分辨率普遍还比较粗区域气候模式虽然开始普及但边界条件的误差是个老大难问题。Schär 他们提出了一种“代替气候变化情景”surrogate climate-change scenario的思路以观测分析场为基础人为叠加上一个设定的气候变化增量构造一个看起来合理、又完全可控的未来环境场。这个方法的聪明之处在于它把“气候模式的不确定性”和“过程响应研究”解耦了。你不需要去争论哪个 GCM 对区域环流的模拟更好只需要在观测基础上加一个清晰的增量信号就能把模式对单一热力信号的响应讲得明明白白。这套思想后来影响非常大今天 PGW4ERA5 这类工具本质上就是把它操作化、流程化了。2.2 定名Sato 等 2007 的 pseudo-global-warming“Pseudo Global Warming”这个标准术语普遍认为是在 Sato 等人 2007 年的研究里正式确立的。他们在区域气候模拟中用当时全球变暖试验下 GCM 模拟的未来与现状气候态差异作为增量叠加到再分析格点上研究蒙古及周边地区降水对全球变暖的响应。从此PGW 方法形成了一个相对固定的研究模板挑选一次有代表性、资料完整的真实天气事件用再分析资料做一次控制模拟Control run验证模式对该事件的复现能力用全球气候模式算历史与未来的气候平均差作为扰动信号将扰动叠加到再分析边界场上再做一次 PGW 模拟对比两组模拟分离出气候变化对事件的影响。“伪”这个字并不表示虚假而是强调它构造的是一个“代用场景”。PGW 实验并不是在预测某一次未来事件它是在回答“如果这场事件发生在更暖的背景场里会怎样”。2.3 对流尺度普及从 Liu 2017 到 Prein 2017 再到 CMIP6真正让 PGW 方法在近十年火起来的是对流允许尺度convection-permitting模拟的普及。以前区域模式网格动辄几十公里积云对流靠参数化很多对流的细节压根模拟不出来。现在动辄 4km、甚至 1km 的网格对流系统可以被显式模拟但计算资源昂贵不太可能用高分辨率 GCM 直接输出做几十年的未来模拟。PGW 恰好适合这种场景它只需要跑“控制实验 PGW 实验”两组短期积分就能把未来热力环境变化对个例事件的影响研究清楚。Liu 等人在 2017 年用 WRF 对北美大陆做了 4km 网格的对流允许尺度模拟侧边界条件采用 PGW 方法处理Prein 等人在同年评估美国未来对流风暴的降雨变化同样借助 PGW 方法得到了比简单 Clausius-Clapeyron 估算温度每升高 1K大气持水能力增加约 6%-7%更大的降雨体积增幅说明除了热力效应外对流系统组织度和垂直速度的变化也在起作用。我把这个发展脉络里比较有代表性的几篇论文整理成了一个简表文献年份核心贡献事件/区域类型关键设置Schär et al. (GRL)1996提出 surrogate 增量情景水文气象极端事件观测场 人为固定增量Sato et al. (JGR)2007确立 Pseudo Global Warming 术语和流程区域降水GCM 气候差 再分析场Liu et al. (Climate Dynamics)2017大陆尺度对流允许模拟北美气候WRF 4kmPGW 侧边界Prein et al. (Nature Climate Change)2017未来对流风暴降雨变化美国强风暴WRF 4kmPGW 侧边界这不是全部文献但读完这四篇基本就能把 PGW 方法的来龙去脉串起来了。后续很多研究不过是把这个框架应用到不同的区域、不同的事件类型以及从 CMIP5 换成 CMIP6 而已。3. PGW4ERA5 的数据管线和核心计算逻辑3.1 输入数据约定说回工具本身。PGW4ERA5 从名字就能看出来它是专门围绕 ERA5 再分析数据构建 PGW 强迫场的处理管线。它的输入端主要是两类数据。第一类是 ERA5 再分析场提供真实事件的逐小时或逐 6 小时气象场。这里要包括气压层的温度、位势高度、风场、相对湿度或比湿以及地面气压、2m 温度、地表温度和海温等单层变量。第二类是全球气候模式输出需要同时准备历史时期和未来情景两个时段的月平均场。按 CMIP6 的常见做法历史基准期通常取 1995-2014 年未来期取 2081-2100 年情景可以用 SSP245 或 SSP585。两个时段必须取相同长度的窗口去平均因为真正要用的不是模式的绝对状态而是它们之间的差。这才是 PGW 的底层逻辑GCM 本身模拟的绝对温度往往跟观测有偏差直接用绝对场会引入模式系统性误差。但如果把“未来减历史”的差值拿出来大部分模式固有的基线偏差就被消掉了剩下的主要是气候变化信号。3.2 核心计算与垂直层处理PGW4ERA5 的核心计算说起来很简单长这样对 CMIP 历史与未来场分别按月1-12 月求多年平均逐月求差得到 12 个 ΔX(m)其中 m 是月份把 ΔX 从 GCM 的原始网格插值到 ERA5 的经纬网格对 ERA5 中每个时刻 t叠加对应月份的 ΔX得到扰动后的场。用 Python 的 xarray 来表达核心逻辑就几行import xarray as xr hist xr.open_dataset(cmip_hist.nc) fut xr.open_dataset(cmip_fut.nc) delta (fut.groupby(time.month).mean(time) - hist.groupby(time.month).mean(time)) delta_regrid delta.interp(latera5.lat, lonera5.lon) era5_pgw era5 delta_regrid.sel(monthera5[time.month])当然实际工程实现远没有这么轻松最麻烦的是垂直层处理。ERA5 在常用的气压层产品里有 37 层而 CMIP6 模式的分层方式和层顶压强都不一样。我的建议是先把 GCM 的历史和未来场分别插值到统一的压力坐标比如 ERA5 的标准气压层再计算差值。如果直接在各自原始垂坐标上算差很容易在靠近模式层顶的地方出现虚假的大梯度。湿度变量的处理更值得小心。直接对“比湿”求差是一个常见的偷懒做法但在低层暖湿环境下简单的比湿差叠加可能导致未来场景的相对湿度失真甚至出现负的比湿。更稳妥的办法是先对 GCM 的历史和未来分别计算相对湿度在相对湿度场上求差再利用未来温度对应的饱和水汽压重新求解比湿。这样得到的扰动在物理上更自洽。3.3 与 WRF 模拟的衔接扰动完成后生成的是一套全新的边界场。在 WRF 工作流里你需要让这套场走 WPS 的 ungrib 流程或者直接写进中间文件再交给 real.exe 生成 wrfbdy 和 wrfinput。关键是要把扰动后的场当成“未来时刻的总场”来看待而不是在 real.exe 内部再做一次差值。这里有一个很容易被忽略的问题WRF 的 real.exe 在计算初始场和边界场时会对静力平衡有约束。ERA5 原始场本身是平衡的但你在上面叠加了月平均 GCM 差场之后虽然温差和湿度差的梯度都很平滑仍可能在局部造成轻微的非静力平衡。实际跑下来由于差场是气候平均尺度的空间梯度很小一般不会导致积分一开始就爆但最好在跑正式实验前先用短测试看一两个月的积分稳定性。还要注意时间维度上的突变问题。PGW 扰动是逐月的气候差而 WRF 侧边界每 6 小时更新一次。如果直接把 1 月的差场用于整个 1 月、2 月的差场用于整个 2 月那么在跨月时边界会产生一个阶梯跳跃。虽然 6 小时时间尺度上这个跳跃很小但严谨起见很多实现会对 12 个月的差场在时间维做线性插值让每一天、每一个边界时次都得到平滑过渡的扰动值。4. 论文实验设计里最容易出问题的四个细节4.1 参考期和未来期窗口很多刚接触 PGW 的人以为基期随便选一个 20 年或 30 年就行但实际上参考期选择直接决定扰动信号的强度。以“当前气候”这个基准为例有些论文用 1981-2010有些用 1995-2014这两个窗口之间全球平均温度差差不多有 0.3-0.5K。别小看这半度根据 Clausius-Clapeyron 关系大气水汽含量大约会增加 3% 左右。如果你的研究问题恰恰是降水强度变化那这个基线选取偏差可能已经大到足以掩盖真实的信号了。所以我的建议是在论文里明确写出历史基准期和未来时段并且优先采用 IPCC AR6 常用的 1995-2014 作为当前气候参考期、2081-2100 作为远期未来窗口。如果为了跟某些早期研究对比被迫使用不同基准期至少要说明这种选择会带来多少系统性低估或高估。模式数量方面直接用单模式容易受到模式内部变率和结构不确定性的影响。现在的通行做法是用 CMIP6 多模式等权平均同时筛选出那些完整覆盖目标时段、而且变量齐全的模式。有人会进一步把多模式集合中的 25 分位和 75 分位作为低、高敏感度情景做出“信号范围”我建议在计算资源允许时也这么做。4.2 扰动的变量集合与热/动力分解不少 PGW 研究表明“只加温度、湿度”与“同时加风场”得到的结果差异很大这就是热力学效应与环流动力学效应的区分问题。如果只把温度、比湿、位势高度作为扰动变量保持风场与 ERA5 一致那么你研究的就是“同样的环流背景下单纯更暖更湿的环境会怎么改变事件”。这称为热力型thermodynamic-onlyPGW非常适合用来解释热力作用对极端降水的主导贡献。而如果同时扰动 U/V 风场大尺度环流形态也会向未来偏移气象系统的路径、强度、甚至触发位置都可能改变。这就是全动力型full PGW。选择哪种取决于你的科学问题。研究台风未来降雨量变化时通常要用全 PGW因为海温增暖和引导气流变化对台风路径和强度影响极大但如果只是追问“给定同样的切变线位置水汽增加会带来多少额外降水”热力型 PGW 更干净。问题是很多论文正文只写一句“我们采用某某的 PGW 方法”具体有没有扰动风场、有没有加 SST 距平全藏在补充材料里。做文献调研时一定要把补充材料翻出来看不然你照抄的实验设计很可能跟原作者根本不是一个东西。4.3 SST 和陆面初始化大气侧边界处理好了下边界同样不能疏忽。如果边界条件对未来大气施加了 3K 的增暖信号海温却仍然是 ERA5 的当前状态那么在沿海台风、海雾、海风这类对下垫面能量通量敏感的过程中实验会严重低估未来的水汽供给和感热潜热通量变化。标准做法是对海温也叠加 CMIP 模式的未来 SST 距平并且在沿海交界处做平滑处理避免大气边界和海洋边界之间出现超过物理合理范围的温度梯度。对于内海、湖泊这样的小水体直接应用低分辨率 GCM 的 SST 距平往往会引入噪声需要先做邻域平滑或直接沿用最近格点的值。陆面初始化是另一个论文中几乎不写、但实际影响很大的细节。ERA5 的土壤温湿度初始场可以直接给控制实验用但 PGW 实验里是否要把土壤温湿度也加上“未来信号”不加就相当于模拟开始后陆面再慢慢调整前几天的实验会受到初始陆面状态的影响加又会引入一套低分辨率 GCM 土壤数据与 WRF 陆面模型变量不匹配的新问题。我的做法是优先选择“不扰动陆面但把 spin-up 时间拉长到至少 1 个月”并把前 10-15 天的输出标记为 spin-up 期不做正式分析。如果研究问题与热浪相关陆面初始化敏感度可能很大建议单独做一组敏感性测试。4.4 侧边界更新和缓冲区的处理最后说侧边界更新。ERA5 的边界场本身是逐 6 小时更新的PGW 扰动场叠加之后对每个 6 小时时刻都应当使用平滑后的扰动值。前面提到了跨月突变的隐患这里还要补充一点如果工具不支持时间维插值你可以自己在后处理里做把 12 个月差场线性插值成逐日序列再按边界时次去取。缓冲区大小也需要关注。WRF 默认在侧边界内侧有 5 个格点的 nudging 区用来把模式内部解向边界场缓慢拉近。PGW 实验里边界场已经是“未来总场”nudging 不会额外叠加信号这个问题不大。真正容易出错的是外层 domain 范围。PGW 的隐含假设是“外界环境变化以气候强迫的形式进入区域内部”但如果你的区域太大内部非线性过程可能会反过来调制大尺度信号结果既不是对真实事件的可控改变也不是完整的未来气候响应变得不伦不类。复现论文实验时尽量先照着原论文的 domain 范围和格点数设一遍再根据你自己的研究目标微调。5. 复现论文实验的清单与我这边的坑5.1 从论文里要提取的关键信息清单读论文的时候就能有意识地把下面这些信息提取出来后面复现时对照着检查事件时段起止时间、输出间隔1h 还是 6h再分析数据版本ERA5 0.25°、ERA-Interim 还是其他扰动信号来源CMIP5 还是 CMIP6、模式名单、SSP/RCP 场景历史与未来基期各取多长时间、按月差还是季节差扰动变量清单T、q/RH、U/V、GPH、SST 分别有没有动区域模式配置WRF 版本、网格距、格点数、domain 范围、物理参数化方案spin-up 时间和边界更新间隔是否使用 spectral nudging 以及 nudging 的垂直层范围对照组设置通常是“真实 ERA5 边界”的 Control run。花半小时把这十二项填满比通读十篇摘要都有用。5.2 我跑 PGW4ERA5 过程中踩过的几个坑第一件事是关于湿度扰动的。早期版本里我直接对比湿做差结果在一次夏季试验中发现未来场低层出现了大范围的负比湿异常。检查之后发现CMIP6 个别模式在低层相对湿度本来就偏低直接做绝对差很容易得到负值。后来改成了相对湿度扰动加饱和水汽压重算这个问题就消失了。这也提醒我跑完 PGW 数据处理后一定要先画一张扰动后的比湿与 ERA5 原始比湿的差值图确认低层没有明显的非物理负值。第二件事是插值伪影。低分辨率 GCM 格网映射到 ERA5 经纬网格时在地形陡峭的青藏高原周边、落基山脉西坡这些位置等压面上的位势高度差会形成一圈圈类似“等高线波纹”的图案。这种空间噪声进入 WRF 边界后虽然不一定会立刻破坏模拟但会在局地引入虚假的辐合辐散。我的处理办法是在进行插值之前先对 CMIP 差场做一次轻度的空间滤波滤掉波长明显短于 GCM 原始网格距的波动。如果工具不支持滤波也可以在插值后用 scipy 的 Gaussian filter 对扰动场做平滑但要注意别把信号本身抹没了。第三件事是对模式负面的集合判断。只取两三个模式求平均得到的扰动信号很容易受个别模式的极端模拟值左右。我在一次北方暴雨案例里先后换了两次模式组合降水增幅从 8% 跳到 25%原因就是一个模式把未来中纬度环流模拟得特别偏西。从那以后我统一用至少 5-6 个模式的等权中位数并且额外保留一个高敏感和一个低敏感模式分别做上下界实验。5.3 怎么判断 PGW 实验跑成功了实验跑完别急着画图先做三个检查。第一个检查是控制模拟本身的质量。把 Control run 的 500 hPa 位势高度、降水和实况做对比如果槽脊位置偏差超过两三百公里或者降水空间相关系数连 0.6 都不到那就别谈 PGW 了先把模式对事件的复现能力调好再说。第二个检查是 PGW 实验的信号一致性。从 WRF 输出里提取区域平均的逐月温度和比湿变化跟你在边界场中实际叠加的扰动信号做对比。比如你设定的月平均 2m 温度增量是 2.5K那 PGW 模拟与 Control 模拟的区域平均温度差也应该接近这个值。如果差太多很可能是边界处理或 nudging 配置出了问题。第三个检查是物理合理性。你可以用 Clausius-Clapeyron 关系做一个快速估算升温 2K单纯热力作用下饱和水汽压增加约 12%-14%。如果 PGW 模拟的降水增幅明显小于这个下限或者甚至出现下降先回头检查湿度扰动有没有加对或者环流动力变化是否抵消了热力作用。两种情况在物理上都可能存在但你需要能解释清楚是哪一种。最后分享一点个人体会啃完这一圈论文再回到 PGW4ERA5 这个工具上我最大的感受是伪全球变暖方法表面的公式非常简单真正的门道全都藏在实验设计的细节里。它给不了你“未来某一天”的确定性答案但它确实是目前研究“变暖背景下个例事件如何变化”这个问题最实用、最可控的手段之一。如果让我给后来者一句建议那就是在正式跑第一个案例之前先自己手算一遍“温度升高 3K 时饱和水汽压大约增加多少”。把这个数字想透了你就理解为什么湿度扰动要单独处理为什么参考期选择会直接影响结论也就能明白审稿人最可能在哪几个地方追问你。我是把这些坑都踩过一遍之后才明白的希望你能少走一段弯路。 伪全球变暖（PGW）方法：原理、实验设计与PGW4ERA5实操细节
做极端事件气候变化影响的研究最让人头疼的一步往往不是模式本身而是“怎么把未来的气候信号加到当前的真实天气过程里”。直接拿 GCM 输出驱动区域模式模拟出来的天气系统经常在时间和位置上跟实况脱节根本没法当成“同一个事件”来对比。PGWPseudo Global Warming伪全球变暖方法就是为了解决这个矛盾而生的。上一篇文章里我写完了 PGW4ERA5 的安装和数据准备工作这一期换一个视角专门把相关论文摊开做一次系统学习把伪全球变暖方法的原理、工具的数据逻辑以及实验设计里那些论文中容易一笔带过、实际又特别关键的细节一次性讲透。这篇内容适合正在准备用 PGW4ERA5 工具写论文、或者想搞明白 PGW 边界实验到底该怎么设计的人。1. 传统降尺度为什么不能直接用于案例事件研究1.1 GCM 系统误差如何污染案例模拟先从一个很具体的场景说起。假设我要模拟 2021 年某次极端暴雨过程想知道它在未来变暖背景下会有多强。常规做法是把某个全球气候模式的输出作为边界条件驱动高分辨率 WRF。可问题是GCM 说白了是气候模式不是天气预报模式它在那个特定日期上模拟出来的天气尺度状态槽脊位置、切变线走向、水汽输送带跟实况动不动差个几百公里。你强行把这个偏差很大的边界给 WRFWRF 本事再大也只能在这个歪掉的骨架里做文章。最后模拟出来的降水中心位置偏了、时间也错位了你拿它去讨论“事件强度变化”审稿人一眼就能看出来问题。有人会说那用 spectral nudging 把大尺度风场拉向 GCM 的分析场行不行确实能让区域模式的大尺度环流贴近 GCM但问题在于 GCM 的分析场毕竟不是真实观测它自身的系统性偏差仍然存在。比如某套模式系统性把副热带高压模拟得偏强或者整个水汽通道偏干这种偏差被 nudging 拽进区域模式后依然会污染你对个例的模拟而且你很难把“模式偏差”和“气候变化信号”拆开。1.2 PGW 的“信号叠加”哲学PGW 方法走了一条完全不同的路子。它不再要求 GCM 精确给出“那一天的天气”而是让 GCM 只负责提供一个“未来比现在暖了多少”的气候平均信号然后把这个信号叠加到真实的再分析资料上。用公式来表达就是F(t) R(t) ( C_future(month) − C_historical(month) )其中 R(t) 是某个时刻的再分析场比如 ERA5C_future 和 C_historical 分别是全球气候模式在未来情景和历史情景下的月平均气候场。最终得到的 F(t)就是未来变暖背景下、又保留了真实天气系统演变骨架的边界场。这里的关键在于扰动项是月平均尺度上的气候态差值它不会破坏 ERA5 中 6 小时尺度的天气系统演化。换句话说槽脊怎么移动、锋面怎么生成、风速怎么脉动这些短时间尺度的“信息”全部来自真实观测被原汁原味地保留下来了变化的只是大尺度环境场的温度和湿度背景。我经常用一个类比来解释这件事这就像给一张照片做色彩校正。原图里的人物轮廓、建筑细节、光影层次全都留着你只是在色温、白平衡上做了一次整体偏移。PGW 研究的正是“同一张构图放在另一种光线条件下会变成什么样”。它不回答“未来某一天会不会真的发生这个事件”只回答“如果类似的天气系统出现在更暖的环境里会发生什么样的变化”。2. 论文中的 PGW 三阶段演进2.1 起点Schär 1996 的 surrogate 情景PGW 的源头可以追溯到 Schär 等人在 1996 年发表的工作。那会儿全球模式分辨率普遍还比较粗区域气候模式虽然开始普及但边界条件的误差是个老大难问题。Schär 他们提出了一种“代替气候变化情景”surrogate climate-change scenario的思路以观测分析场为基础人为叠加上一个设定的气候变化增量构造一个看起来合理、又完全可控的未来环境场。这个方法的聪明之处在于它把“气候模式的不确定性”和“过程响应研究”解耦了。你不需要去争论哪个 GCM 对区域环流的模拟更好只需要在观测基础上加一个清晰的增量信号就能把模式对单一热力信号的响应讲得明明白白。这套思想后来影响非常大今天 PGW4ERA5 这类工具本质上就是把它操作化、流程化了。2.2 定名Sato 等 2007 的 pseudo-global-warming“Pseudo Global Warming”这个标准术语普遍认为是在 Sato 等人 2007 年的研究里正式确立的。他们在区域气候模拟中用当时全球变暖试验下 GCM 模拟的未来与现状气候态差异作为增量叠加到再分析格点上研究蒙古及周边地区降水对全球变暖的响应。从此PGW 方法形成了一个相对固定的研究模板挑选一次有代表性、资料完整的真实天气事件用再分析资料做一次控制模拟Control run验证模式对该事件的复现能力用全球气候模式算历史与未来的气候平均差作为扰动信号将扰动叠加到再分析边界场上再做一次 PGW 模拟对比两组模拟分离出气候变化对事件的影响。“伪”这个字并不表示虚假而是强调它构造的是一个“代用场景”。PGW 实验并不是在预测某一次未来事件它是在回答“如果这场事件发生在更暖的背景场里会怎样”。2.3 对流尺度普及从 Liu 2017 到 Prein 2017 再到 CMIP6真正让 PGW 方法在近十年火起来的是对流允许尺度convection-permitting模拟的普及。以前区域模式网格动辄几十公里积云对流靠参数化很多对流的细节压根模拟不出来。现在动辄 4km、甚至 1km 的网格对流系统可以被显式模拟但计算资源昂贵不太可能用高分辨率 GCM 直接输出做几十年的未来模拟。PGW 恰好适合这种场景它只需要跑“控制实验 PGW 实验”两组短期积分就能把未来热力环境变化对个例事件的影响研究清楚。Liu 等人在 2017 年用 WRF 对北美大陆做了 4km 网格的对流允许尺度模拟侧边界条件采用 PGW 方法处理Prein 等人在同年评估美国未来对流风暴的降雨变化同样借助 PGW 方法得到了比简单 Clausius-Clapeyron 估算温度每升高 1K大气持水能力增加约 6%-7%更大的降雨体积增幅说明除了热力效应外对流系统组织度和垂直速度的变化也在起作用。我把这个发展脉络里比较有代表性的几篇论文整理成了一个简表文献年份核心贡献事件/区域类型关键设置Schär et al. (GRL)1996提出 surrogate 增量情景水文气象极端事件观测场 人为固定增量Sato et al. (JGR)2007确立 Pseudo Global Warming 术语和流程区域降水GCM 气候差 再分析场Liu et al. (Climate Dynamics)2017大陆尺度对流允许模拟北美气候WRF 4kmPGW 侧边界Prein et al. (Nature Climate Change)2017未来对流风暴降雨变化美国强风暴WRF 4kmPGW 侧边界这不是全部文献但读完这四篇基本就能把 PGW 方法的来龙去脉串起来了。后续很多研究不过是把这个框架应用到不同的区域、不同的事件类型以及从 CMIP5 换成 CMIP6 而已。3. PGW4ERA5 的数据管线和核心计算逻辑3.1 输入数据约定说回工具本身。PGW4ERA5 从名字就能看出来它是专门围绕 ERA5 再分析数据构建 PGW 强迫场的处理管线。它的输入端主要是两类数据。第一类是 ERA5 再分析场提供真实事件的逐小时或逐 6 小时气象场。这里要包括气压层的温度、位势高度、风场、相对湿度或比湿以及地面气压、2m 温度、地表温度和海温等单层变量。第二类是全球气候模式输出需要同时准备历史时期和未来情景两个时段的月平均场。按 CMIP6 的常见做法历史基准期通常取 1995-2014 年未来期取 2081-2100 年情景可以用 SSP245 或 SSP585。两个时段必须取相同长度的窗口去平均因为真正要用的不是模式的绝对状态而是它们之间的差。这才是 PGW 的底层逻辑GCM 本身模拟的绝对温度往往跟观测有偏差直接用绝对场会引入模式系统性误差。但如果把“未来减历史”的差值拿出来大部分模式固有的基线偏差就被消掉了剩下的主要是气候变化信号。3.2 核心计算与垂直层处理PGW4ERA5 的核心计算说起来很简单长这样对 CMIP 历史与未来场分别按月1-12 月求多年平均逐月求差得到 12 个 ΔX(m)其中 m 是月份把 ΔX 从 GCM 的原始网格插值到 ERA5 的经纬网格对 ERA5 中每个时刻 t叠加对应月份的 ΔX得到扰动后的场。用 Python 的 xarray 来表达核心逻辑就几行import xarray as xr hist xr.open_dataset(cmip_hist.nc) fut xr.open_dataset(cmip_fut.nc) delta (fut.groupby(time.month).mean(time) - hist.groupby(time.month).mean(time)) delta_regrid delta.interp(latera5.lat, lonera5.lon) era5_pgw era5 delta_regrid.sel(monthera5[time.month])当然实际工程实现远没有这么轻松最麻烦的是垂直层处理。ERA5 在常用的气压层产品里有 37 层而 CMIP6 模式的分层方式和层顶压强都不一样。我的建议是先把 GCM 的历史和未来场分别插值到统一的压力坐标比如 ERA5 的标准气压层再计算差值。如果直接在各自原始垂坐标上算差很容易在靠近模式层顶的地方出现虚假的大梯度。湿度变量的处理更值得小心。直接对“比湿”求差是一个常见的偷懒做法但在低层暖湿环境下简单的比湿差叠加可能导致未来场景的相对湿度失真甚至出现负的比湿。更稳妥的办法是先对 GCM 的历史和未来分别计算相对湿度在相对湿度场上求差再利用未来温度对应的饱和水汽压重新求解比湿。这样得到的扰动在物理上更自洽。3.3 与 WRF 模拟的衔接扰动完成后生成的是一套全新的边界场。在 WRF 工作流里你需要让这套场走 WPS 的 ungrib 流程或者直接写进中间文件再交给 real.exe 生成 wrfbdy 和 wrfinput。关键是要把扰动后的场当成“未来时刻的总场”来看待而不是在 real.exe 内部再做一次差值。这里有一个很容易被忽略的问题WRF 的 real.exe 在计算初始场和边界场时会对静力平衡有约束。ERA5 原始场本身是平衡的但你在上面叠加了月平均 GCM 差场之后虽然温差和湿度差的梯度都很平滑仍可能在局部造成轻微的非静力平衡。实际跑下来由于差场是气候平均尺度的空间梯度很小一般不会导致积分一开始就爆但最好在跑正式实验前先用短测试看一两个月的积分稳定性。还要注意时间维度上的突变问题。PGW 扰动是逐月的气候差而 WRF 侧边界每 6 小时更新一次。如果直接把 1 月的差场用于整个 1 月、2 月的差场用于整个 2 月那么在跨月时边界会产生一个阶梯跳跃。虽然 6 小时时间尺度上这个跳跃很小但严谨起见很多实现会对 12 个月的差场在时间维做线性插值让每一天、每一个边界时次都得到平滑过渡的扰动值。4. 论文实验设计里最容易出问题的四个细节4.1 参考期和未来期窗口很多刚接触 PGW 的人以为基期随便选一个 20 年或 30 年就行但实际上参考期选择直接决定扰动信号的强度。以“当前气候”这个基准为例有些论文用 1981-2010有些用 1995-2014这两个窗口之间全球平均温度差差不多有 0.3-0.5K。别小看这半度根据 Clausius-Clapeyron 关系大气水汽含量大约会增加 3% 左右。如果你的研究问题恰恰是降水强度变化那这个基线选取偏差可能已经大到足以掩盖真实的信号了。所以我的建议是在论文里明确写出历史基准期和未来时段并且优先采用 IPCC AR6 常用的 1995-2014 作为当前气候参考期、2081-2100 作为远期未来窗口。如果为了跟某些早期研究对比被迫使用不同基准期至少要说明这种选择会带来多少系统性低估或高估。模式数量方面直接用单模式容易受到模式内部变率和结构不确定性的影响。现在的通行做法是用 CMIP6 多模式等权平均同时筛选出那些完整覆盖目标时段、而且变量齐全的模式。有人会进一步把多模式集合中的 25 分位和 75 分位作为低、高敏感度情景做出“信号范围”我建议在计算资源允许时也这么做。4.2 扰动的变量集合与热/动力分解不少 PGW 研究表明“只加温度、湿度”与“同时加风场”得到的结果差异很大这就是热力学效应与环流动力学效应的区分问题。如果只把温度、比湿、位势高度作为扰动变量保持风场与 ERA5 一致那么你研究的就是“同样的环流背景下单纯更暖更湿的环境会怎么改变事件”。这称为热力型thermodynamic-onlyPGW非常适合用来解释热力作用对极端降水的主导贡献。而如果同时扰动 U/V 风场大尺度环流形态也会向未来偏移气象系统的路径、强度、甚至触发位置都可能改变。这就是全动力型full PGW。选择哪种取决于你的科学问题。研究台风未来降雨量变化时通常要用全 PGW因为海温增暖和引导气流变化对台风路径和强度影响极大但如果只是追问“给定同样的切变线位置水汽增加会带来多少额外降水”热力型 PGW 更干净。问题是很多论文正文只写一句“我们采用某某的 PGW 方法”具体有没有扰动风场、有没有加 SST 距平全藏在补充材料里。做文献调研时一定要把补充材料翻出来看不然你照抄的实验设计很可能跟原作者根本不是一个东西。4.3 SST 和陆面初始化大气侧边界处理好了下边界同样不能疏忽。如果边界条件对未来大气施加了 3K 的增暖信号海温却仍然是 ERA5 的当前状态那么在沿海台风、海雾、海风这类对下垫面能量通量敏感的过程中实验会严重低估未来的水汽供给和感热潜热通量变化。标准做法是对海温也叠加 CMIP 模式的未来 SST 距平并且在沿海交界处做平滑处理避免大气边界和海洋边界之间出现超过物理合理范围的温度梯度。对于内海、湖泊这样的小水体直接应用低分辨率 GCM 的 SST 距平往往会引入噪声需要先做邻域平滑或直接沿用最近格点的值。陆面初始化是另一个论文中几乎不写、但实际影响很大的细节。ERA5 的土壤温湿度初始场可以直接给控制实验用但 PGW 实验里是否要把土壤温湿度也加上“未来信号”不加就相当于模拟开始后陆面再慢慢调整前几天的实验会受到初始陆面状态的影响加又会引入一套低分辨率 GCM 土壤数据与 WRF 陆面模型变量不匹配的新问题。我的做法是优先选择“不扰动陆面但把 spin-up 时间拉长到至少 1 个月”并把前 10-15 天的输出标记为 spin-up 期不做正式分析。如果研究问题与热浪相关陆面初始化敏感度可能很大建议单独做一组敏感性测试。4.4 侧边界更新和缓冲区的处理最后说侧边界更新。ERA5 的边界场本身是逐 6 小时更新的PGW 扰动场叠加之后对每个 6 小时时刻都应当使用平滑后的扰动值。前面提到了跨月突变的隐患这里还要补充一点如果工具不支持时间维插值你可以自己在后处理里做把 12 个月差场线性插值成逐日序列再按边界时次去取。缓冲区大小也需要关注。WRF 默认在侧边界内侧有 5 个格点的 nudging 区用来把模式内部解向边界场缓慢拉近。PGW 实验里边界场已经是“未来总场”nudging 不会额外叠加信号这个问题不大。真正容易出错的是外层 domain 范围。PGW 的隐含假设是“外界环境变化以气候强迫的形式进入区域内部”但如果你的区域太大内部非线性过程可能会反过来调制大尺度信号结果既不是对真实事件的可控改变也不是完整的未来气候响应变得不伦不类。复现论文实验时尽量先照着原论文的 domain 范围和格点数设一遍再根据你自己的研究目标微调。5. 复现论文实验的清单与我这边的坑5.1 从论文里要提取的关键信息清单读论文的时候就能有意识地把下面这些信息提取出来后面复现时对照着检查事件时段起止时间、输出间隔1h 还是 6h再分析数据版本ERA5 0.25°、ERA-Interim 还是其他扰动信号来源CMIP5 还是 CMIP6、模式名单、SSP/RCP 场景历史与未来基期各取多长时间、按月差还是季节差扰动变量清单T、q/RH、U/V、GPH、SST 分别有没有动区域模式配置WRF 版本、网格距、格点数、domain 范围、物理参数化方案spin-up 时间和边界更新间隔是否使用 spectral nudging 以及 nudging 的垂直层范围对照组设置通常是“真实 ERA5 边界”的 Control run。花半小时把这十二项填满比通读十篇摘要都有用。5.2 我跑 PGW4ERA5 过程中踩过的几个坑第一件事是关于湿度扰动的。早期版本里我直接对比湿做差结果在一次夏季试验中发现未来场低层出现了大范围的负比湿异常。检查之后发现CMIP6 个别模式在低层相对湿度本来就偏低直接做绝对差很容易得到负值。后来改成了相对湿度扰动加饱和水汽压重算这个问题就消失了。这也提醒我跑完 PGW 数据处理后一定要先画一张扰动后的比湿与 ERA5 原始比湿的差值图确认低层没有明显的非物理负值。第二件事是插值伪影。低分辨率 GCM 格网映射到 ERA5 经纬网格时在地形陡峭的青藏高原周边、落基山脉西坡这些位置等压面上的位势高度差会形成一圈圈类似“等高线波纹”的图案。这种空间噪声进入 WRF 边界后虽然不一定会立刻破坏模拟但会在局地引入虚假的辐合辐散。我的处理办法是在进行插值之前先对 CMIP 差场做一次轻度的空间滤波滤掉波长明显短于 GCM 原始网格距的波动。如果工具不支持滤波也可以在插值后用 scipy 的 Gaussian filter 对扰动场做平滑但要注意别把信号本身抹没了。第三件事是对模式负面的集合判断。只取两三个模式求平均得到的扰动信号很容易受个别模式的极端模拟值左右。我在一次北方暴雨案例里先后换了两次模式组合降水增幅从 8% 跳到 25%原因就是一个模式把未来中纬度环流模拟得特别偏西。从那以后我统一用至少 5-6 个模式的等权中位数并且额外保留一个高敏感和一个低敏感模式分别做上下界实验。5.3 怎么判断 PGW 实验跑成功了实验跑完别急着画图先做三个检查。第一个检查是控制模拟本身的质量。把 Control run 的 500 hPa 位势高度、降水和实况做对比如果槽脊位置偏差超过两三百公里或者降水空间相关系数连 0.6 都不到那就别谈 PGW 了先把模式对事件的复现能力调好再说。第二个检查是 PGW 实验的信号一致性。从 WRF 输出里提取区域平均的逐月温度和比湿变化跟你在边界场中实际叠加的扰动信号做对比。比如你设定的月平均 2m 温度增量是 2.5K那 PGW 模拟与 Control 模拟的区域平均温度差也应该接近这个值。如果差太多很可能是边界处理或 nudging 配置出了问题。第三个检查是物理合理性。你可以用 Clausius-Clapeyron 关系做一个快速估算升温 2K单纯热力作用下饱和水汽压增加约 12%-14%。如果 PGW 模拟的降水增幅明显小于这个下限或者甚至出现下降先回头检查湿度扰动有没有加对或者环流动力变化是否抵消了热力作用。两种情况在物理上都可能存在但你需要能解释清楚是哪一种。最后分享一点个人体会啃完这一圈论文再回到 PGW4ERA5 这个工具上我最大的感受是伪全球变暖方法表面的公式非常简单真正的门道全都藏在实验设计的细节里。它给不了你“未来某一天”的确定性答案但它确实是目前研究“变暖背景下个例事件如何变化”这个问题最实用、最可控的手段之一。如果让我给后来者一句建议那就是在正式跑第一个案例之前先自己手算一遍“温度升高 3K 时饱和水汽压大约增加多少”。把这个数字想透了你就理解为什么湿度扰动要单独处理为什么参考期选择会直接影响结论也就能明白审稿人最可能在哪几个地方追问你。我是把这些坑都踩过一遍之后才明白的希望你能少走一段弯路。