PGW4ERA5伪全球变暖方法详解：从原理到实验设计的完整学习笔记

最近在啃PGW4ERA5相关的文献。说起来有点惭愧这套伪全球变暖工具Pseudo Global Warming是我之前在地球科学领域做极端事件未来预估研究时接触到的断断续续用了小半年第二期专题学习做了一些整理。如果你也在琢磨怎么通过再分析资料叠加气候变化扰动、评估未来气候情景下某次台风或暴雨过程的强度变化这篇笔记应该能帮你省下不少查阅和踩坑的功夫。PGW4ERA5听着像个高冷的数值工具实际拆开看核心就三件事一是用ERA5再分析资料作为基准场二是从气候模式输出里提取未来增暖信号三是把这个信号叠加到基准场上生成伪全球变暖扰动场最后喂给区域气候模式比如WRF做高分辨率模拟。今天这篇就以“论文学习”为主线把你需要理解的方法原理、实验设计、变量处理细节和常见误区都梳理一遍。1. 先搞清楚PGW方法到底解决了什么问题1.1 从研究需求倒推方法设计要理解PGW先得回到一个很现实的问题我们想知道未来气候情景下某次极端天气事件比如超强台风、特大暴雨会变成什么样但全球气候模式的分辨率实在太粗了水平格点动辄几十上百公里根本没法直接复现一个台风眼墙的精细结构。有人会说那用动力降尺度不就行了把全球模式的输出作为边界条件喂给高分辨率区域模式去跑。这个思路理论上可行但会撞上另一个麻烦全球模式本身对大尺度环流的模拟就有偏差它产生的那次“台风”可能路径、强度、结构都和实际事件差得很远。你用一套有偏差的边界场去驱动区域模式得到的结果到底是气候变化的真实响应还是模式自身误差的传递这个问题很难回答。PGW方法的设计思路很巧妙它不要求气候模式去准确模拟某次具体事件而是只从气候模式里提取一个“气候变化信号”也就是未来气候态减去当前气候态的差值再把这个差值像修正液一样叠加到观测或再分析资料所描述的真实天气事件上。这样我们既保留了真实事件的大气动力结构又合理嵌入了未来增暖的环境背景两个层面的信息互不干扰。1.2 PGW方法的核心公式和操作说了这么多落到实处就是几个变量的处理。假设你用ERA5作为基准场那么伪全球变暖扰动后的温度场可以写成T_PGW(x,y,z,t) T_ERA5(x,y,z,t) ΔT(z)这里的ΔT(z)就是你从气候模式里算出来的未来气候态温度减去当前气候态温度的差值一般按气压层或者高度层给出廓线。需要注意的是不同论文对ΔT的处理略有差别有的直接用多模式集合平均有的会做空间平滑但基本原理都是这个线性叠加的思路。比湿的处理稍微复杂一点。大气科学里有个著名的克劳修斯-克拉佩龙关系温度每升高1摄氏度大气的饱和水汽压大约增加7%。如果只升温不加比湿等于把一个充满水汽的环境换成了干热环境这在物理上是矛盾的。所以实际操作中大部分文献都假定相对湿度在未来基本不变然后根据温度变化重新计算比湿q_PGW q_ERA5 * exp( (ΔT * L_v) / (R_v * T_new * T_old) )这里L_v是水的汽化潜热R_v是水汽的气体常数T_new和T_old分别是增暖后和增暖前的温度。如果你觉得这个公式记起来麻烦也可以用一个更直观的近似温度每升高1度比湿大约增加7%。这个近似在论文里经常被用到处理起来速度快物理上也站得住脚。其他变量比如水平风场、气压场在经典的PGW框架里通常是保持不变的因为研究兴趣主要是热力和水汽变化对极端事件强度的影响而不是大尺度动力环流的重构。不过近几年的论文也开始有反思后面我会专门聊这个问题。2. ERA5在PGW框架里的角色2.1 为什么需要再分析资料做基准场PGW实验第一步是把“真实天气事件”给找出来。单纯靠观测站点数据做不到因为我们需要全球范围、三维立体的气象场信息作为模式初始场和边界条件。这个时候再分析资料就派上用场了——它通过数据同化技术把历史观测和数值模式预报结合起来生成一套时空连续、物理自洽的大气状态场。再分析资料本质上是“观测约束下的模式最优估计”所以它既保留了观测的真实特征又填补了大量无资料区域的空白。ERA5是欧洲中期天气预报中心ECMWF发布的第五代全球再分析资料空间分辨率0.25度、时间分辨率逐小时对很多极端天气过程都有不错的重现能力。拿它做PGW实验的基准场相当于给模拟提供了一个高质量的“初始骨架”。2.2 ERA5与其他再分析资料的对比我在学习文献的时候经常看到有人把ERA5和JRA-55、MERRA-2等再分析资料做对比。这几套数据的核心差别在于同化系统、观测输入和模式内核的不同。总体来看ERA5的优势是分辨率高、时间跨度长1940年至今、同化系统先进并且提供137层气压层的完整三维场JRA-55的优势是长时间尺度的一致性较好MERRA-2则在对流层中上层的某些变量上有自己的特点。不过在实际PGW实验中选哪套再分析资料并不是越先进越好更重要的是看它和你的区域模式是否匹配、驱动变量是否齐全。比如你要用WRF做模拟那么海温数据、土壤湿度数据都得能对应上否则后面处理会很麻烦。ERA5之所以成为PGW4ERA5这个工具的主角核心原因还是它作为一个综合性的数据提供者几乎把模式需要的外强迫数据都打包好了省去了大量拼接时间。3. PGW4ERA5工具与论文学习笔记3.1 一个典型的PGW实验设计读完几篇代表性论文你会发现PGW实验的骨架惊人地一致。首先选定一个你关心的真实个例比如某次发生在2020年的台风过程。然后定义两个模拟时段控制时段比如1995-2014和未来时段比如2075-2094。接着从CMIP6或者CMIP5的多模式输出里分别计算这两个时段的气候态平均做差得到ΔT和Δq。最后把这些差值插值到ERA5场上生成两套驱动数据一套是原始的ERA5控制实验CTL另一套是叠加了增暖信号的PGW场扰动实验PGW。两张图放到一起对比就是一篇PGW论文最核心的结果同一个天气事件在“当前的背景场”和“未来的背景场”下分别会表现出什么样的强度、降水量和结构特征。3.2 关键实现细节别小看这些不起眼的步骤学习论文的时候很多人会忽略方法部分几句话带过的步骤但恰恰是这些步骤决定了实验的成败。以我看到的PGW4ERA5相关实现为例有这么几个细节特别值得注意。第一扰动场的时间尺度。ΔT和Δq到底用月平均还是季节平均这个选择会影响模拟结果很多。如果用的是月平均那么增暖信号能反映季节内变化对季风区域的研究来说很重要如果用的是季节平均信号会更平滑但可能抹掉一些关键的海陆差异。我觉得如果你的个例发生在季风活跃期还是用月平均更稳妥不然得到的增暖信号太“钝”看不出环境场变化对事件的具体影响。第二扰动场是否需要做空间平滑。气候模式的分辨率通常比较粗跑出来的ΔT场在复杂地形区域会有很强的局地梯度直接叠加到高分辨率的ERA5场上可能会在模式边界处激发虚假的重力波。我见过不少论文里会做一个两点滑动平均或者高斯滤波空间平滑半径大概在100-200公里这样能在保留大尺度增暖趋势的同时避免小尺度噪声。第三海温下边界条件的处理。如果你模拟的是台风事件海温的作用是决定性的。CMIP6模式的海温偏差有时候挺大直接拿模式未来的绝对SST去替代观测SST往往会让台风的强度模拟跑偏。合理的做法是取模式未来SST减当前SST的差值加到观测或再分析的SST场上这样保留了真实海洋的细节结构只引入气候模式预估的增暖信号。这也是PGW方法在海洋处理上的标准操作。3.3 论文里常见的实验设计误区读论文的时候我也看到过不少因为实验设计出问题导致结论站不住脚的情况这里列两个典型误区给后来者提个醒。第一个误区是只加温度场不加比湿场。有研究者在做初期实验时觉得先看看温度单独响应的结果于是只对温度做了扰动。结果模拟出的降水量显示部分区域甚至出现下降趋势这个结果如果只从动力角度看好像有解释但实际上是违背克劳修斯-克拉佩龙关系的。温度升了、水汽没跟上大气相对湿度降低降水当然不会按预期增强。所以正规的PGW实验一定是温度和比湿同时扰动两者在物理上保持一致。第二个误区是叠加扰动后不检查边界场的一致性。区域模式对侧边界条件的连续性非常敏感如果ER5A的原始场和扰动场之间在边界处出现不连续模式运行几小时之后就可能爆掉或者出现诡异的辐合带。负责任的论文里都会画一张“边界附近扰动场的空间分布图”来证明场是平滑的。你自己做实验的时候也别忘了这一步不然后期排查问题会很痛苦。4. 论文里的结论与争议PGW方法不只是“搬温”4.1 典型结论台风变强、降水变湿我读过的PGW论文里最典型的一类结论可以概括成“热力增强、动力维持”。具体来说如果把WRF的CTL和PGW两组模拟做对比可以看到台风的峰值强度在变暖背景下普遍增强眼墙附近的对流活动更旺盛最大降水率显著增加。这种变化主要来自水汽的指数级增加因为增暖后大气可容纳的水汽多了一旦有对流发生降水效率就会大幅提升。但有意思的是PGW模拟出的路径往往会保持在原来的位置因为平流风场没有被扰动。这也提醒我们PGW方法回答的是“如果同样的大尺度环流背景下大气变暖了事件会有什么变化”而不是“未来这种事件会走什么路径”。要想研究路径的变化就需要换一种实验策略比如直接用地表温度差驱动大气环流变化或者在边界里叠加大尺度风场偏差这就超出经典PGW的范畴了。4.2 PGW方法的局限性再好的工具如果不知道它的边界在哪里用起来很容易得出过度解读的结论。PGW方法最受争议的局限就是它假设背景大尺度环流在未来基本不变。这个假设对某些区域、某些季节还行但对一些环流型变化明显的区域比如副高进退、季风槽变化直接把未来的增暖信号叠到今天的事件上显然是不完全合理的。另外PGW方法对不同极端事件的影响能力也不一样。对局地爆发性降水这种主要由热力过程主导的事件PGW的适用性很强但对大尺度斜压系统比如温带气旋的强度和路径变化热力过程只是一个侧面动力过程的非线性响应可能才是决定性的。这几年有学者提出可以在PGW框架下加入环流场的偏差扰动也就是所谓的“广义PGW”方法但这样做同时也引入了更多不确定性。学习论文时我建议先把这些局限性刻在脑子里再去看具体结论这样不容易被带偏。5. 自己动手做PGW4ERA5的避坑清单5.1 数据获取与处理的坑这一步网上教程少踩坑的人不少。首先是ERA5数据的下载如果你的个例时段比较久远涉及的数据量会非常大。0.25度分辨率、逐小时的气压层数据一个变量的月文件动辄几十GB如果是137层全下载硬盘分分钟爆掉。我的建议是先确认你的区域模式到底需要哪些层、哪些变量再写脚本按需下载对应层不要贪多求全。其次是CMIP6数据的使用。CMIP6的模式非常多每个模式的网格和时段都不太一样直接拿来算ΔT会涉及一堆坐标插值问题。如果你不想折腾太多模型可以优先使用那些提供日常输出、空间分辨率较高的模式比如EC-Earth3、MPI-ESM1-2-HR等。取多模式集合平均时可以简单算术平均但要注意先统一插值到同一套网格上不然平均的结果会被那些分辨率特别高的模式“带节奏”。5.2 WPS预处理与插值的坑做PGW实验一个常常让新手崩溃的环节是WRF预处理系统WPS里ungrib和metgrid对驱动场的处理。ERA5原始数据里的相对湿度、位势、风场等变量需要经过Vtable的映射才能被识别。如果你下载的是气压层数据Vtable选对了基本能顺利转出来。但要注意ERA5的变量名和单位可能与Vtable默认的不完全一致特别是垂直速度、涡度这类变量一旦单位对不上metgrid出来的场会非常离谱。扰动场的插值也有讲究。CMIP6数据往往在不同模式之间有各自的经纬度网格要先把它们插值到ERA5的0.25度格点上然后再做空间平滑。插值方法选择上双线性插值比较常用但在复杂地形区域推荐用保守插值或者距离权重插值以免在处理地形相关变量比如2米温度、地表气压时产生虚假极值。5.3 结果解释的坑模拟跑完之后最“坑”的一步反而出现在结果解释上。PGW方法得到的模拟结果只能回答“在这个特定个例背景下气候变化热力效应如何影响事件强度”不能直接外推到“未来这种事件的频率会增加多少”。二者的差别很多论文在讨论部分会反复强调但新手写文章时很容易滑过去最终审稿人一针见血指出来“你的实验设计支持不了这样的表述。”所以写结论时务必克制把PGW的适用边界写清楚。另一个容易被忽视的问题是模拟时间长度。有些台风个例只有三五天开着嵌套跑完全没问题。但如果你想研究的是一次暴雨过程往往需要连续跑一两周如果模式在大尺度边界驱动下出现了区域内的气压漂移结果的可信度就会打折扣。启动阶段建议先做短预报验证确认CTL组能稳定重现大致观测的路径和量级再进入正式的扰动实验这个投入非常值得。6. PGW4ERA5的进阶方向最近两年PGW4ERA5相关工具的论文和学习资料逐渐多了起来有些研究者开始尝试在经典PGW框架上加入更复杂的扰动方案。比如把大尺度环流偏差分成若干空间模态按比例叠加或者把增暖信号按层做非均匀处理体现对流层顶附近增暖更强的特征。这些改进本质上都是在平衡“信息丰富度”和“模拟可控性”之间的矛盾。我个人的体会是PGW4ERA5最难的地方不在工具本身而在“少即是多”的设计哲学。原版ERA5场已经包含了极其丰富的真实大气信息改动得越多引入的偏差和噪音就越大改动得太少又体现不了未来的增暖信号。找好这个平衡点比调任何参数都重要。最后再分享一个小技巧。如果你第一次跑PGW实验强烈建议先拿一个结构清晰、强度适中的台风个例练手把CTL和PGW跑通一遍再去碰暴雨或者寒潮。一开始就要学会画两组模拟的差值图比如降水差、温度差、水汽通量差这些图不仅是论文的核心素材也是你自己理解物理过程最快的路径。等你跑通了第一个个例再回头看论文里的那些结论才会真正有“原来如此”的感觉。