PGW方法概述

“Pseudo Global Warming”（偽全球變暖，簡稱 PGW） 方法是一種用于研究氣候變化對天氣系統（如暴雨、臺風、風暴、極端天氣等）影響的數值模擬技術。它常用于大氣科學和氣候動力學研究中，尤其是在區域尺度下研究氣候變化對極端天氣事件的影響。

🔍 一、PGW 方法的定義

Pseudo Global Warming（PGW）方法是一種將全球變暖的氣候變化信號“強加”到歷史或現實的氣象條件上，從而在數值模式中模擬 未來氣候情景下 極端天氣事件的方法。

它的本質是：

將未來氣候變化信號疊加到過去或當前的氣象初始場和邊界場上，以評估氣候變化對具體天氣事件的影響。

🧠 二、PGW 方法的基本原理

PGW 方法的核心思想是：

1、使用歷史或現實的天氣事件（如一次臺風、暴雨等）作為基本個例。
2、從全球氣候模式（GCMs）中提取未來某一時期（如2100年）的氣候變化“平均態差值”或“氣候信號”（差值場）。
3、將這些氣候信號疊加到原始的再分析數據（如 ERA5）上，構建出一個“未來氣候背景下的天氣事件”。
4、使用區域氣候模式（如 WRF）進行模擬，分析該事件在未來氣候中的表現。

🛠? 三、PGW 方法的主要步驟

1、選擇研究事件

• 比如：一次臺風、一次極端降水事件。
• 使用再分析資料（如 ERA5）或觀測數據確定其初始和邊界條件。

2、獲取氣候變化信號

• 從 GCM 模擬中提取未來時期（如 RCP8.5、SSP5-8.5 下）的月平均或季節平均氣候場。
• 比較未來（如 2081–2100）與當前（如 1995–2014）氣候場，計算得到差值（ΔT、Δq、Δu、Δv、Δp 等）。

3、構建 PGW 場

• 將上述氣候變化信號加到原始的再分析數據中，構造一個“偽未來”的初始場和邊界場。

4、數值模擬
使用區域氣候模式（如 WRF）分別模擬“現實場景”和“PGW 場景”下的天氣事件。
比較兩種模擬結果，評估氣候變化對該事件的影響。

📈 四、PGW 模擬時常涉及的變量

常見的氣候信號變量包括：

• 溫度（T）：地表、低層、大氣柱。
• 濕度（q）：顯著影響降水和對流。
• 風場（u、v）：影響對流系統傳播路徑。
• 海表溫度（SST）：尤其關鍵于熱帶氣旋和對流系統。
• 壓力場（p）：影響環流系統。

📊 五、PGW 方法的優/缺點

1、PGW 方法的優點

優點	描述
關注具體事件	可針對特定極端天氣事件進行模擬分析。
保留大尺度天氣背景	使用再分析資料保留大尺度天氣形勢。
低計算成本	相較于完整的氣候模擬更節省計算資源。
便于對比研究	可清晰對比“當前氣候”和“未來氣候”下的差異。

2、PGW 方法的局限性

局限性	說明
非耦合模擬	通常不包含海洋-大氣等耦合過程。
忽略天氣系統的未來變化	假設天氣系統本身不發生改變（僅改變背景氣候）。
無反饋機制	無法模擬反饋過程，如土地利用變化、海冰反饋等。
依賴氣候模式準確性	氣候信號質量取決于 GCM 的性能。

📚 六、PGW 與其他方法的對比

方法	特點
PGW 方法	簡化未來氣候影響，聚焦事件本身變化。
Time-slice 法	直接模擬未來時期的大氣狀態，代表未來背景氣候。
Transient 法	使用逐年變化的 GCM 邊界，計算成本高，模擬更真實。

論文解析-Downscaling of the global warming projections to Turkey

以下是對論文 《Downscaling by Pseudo Global Warming Method》（Fujio Kimura 和 Akio Kitoh）研究內容的詳細分析與方法流程總結。

🧠 一、研究背景與目標

📌 背景問題

• 通常氣候變化預測依賴于 全球氣候模式（GCM），但其空間分辨率較低（100–300 km），無法準確刻畫如土耳其 Seyhan 河流域這樣的小尺度區域氣候。
• 區域氣候模式（RCM）雖然能提高分辨率，但直接嵌套 GCM 的輸出存在較大 模式偏差（Model Bias），尤其在區域尺度氣候系統位置偏移時會產生嚴重誤差。

🎯 研究目標

• 提出并應用一種新型的降尺度方法 —— Pseudo Global Warming Method（偽全球變暖方法，PGWM）；
• 利用 PGWM 對當前與未來（2070s）氣候進行模擬；
• 與傳統直接嵌套方法進行對比，評估 PGWM 的有效性；

研究重點： 降水與氣溫變化，尤其在特定季節（1月與7月）和特定區域（土耳其與 Seyhan 河流域）。

🔬 二、PGWM 方法原理與流程

📌 方法原理
PGWM 的關鍵思想是：將全球變暖信號（由GCM提供的未來氣候場與當前氣候場的差值）疊加到再分析數據（觀測的當前氣候）上，構建“偽未來邊界條件”，以此驅動區域氣候模式。

這樣可以：

• 保留真實觀測的天氣系統結構；
• 避免 GCM 的大尺度偏差；
• 更準確地評估特定年份在未來情景下的氣候變化。

?? 主要數據來源與技術細節

內容	說明
再分析數據	NCEP/NCAR 每 6 小時資料
GCM 模型	MRI-CGCM2，A2 排放情景
區域氣候模式	RCM（未特別說明可能為 TERC-RAMS）
模擬時間段	Period A: 1998–2002（當前氣候）；Period B: 2070s（未來氣候）
分析變量	降水、氣溫、年際變化等
特征季節	January（降水多）、July（降水少）

研究結論總結

• PGWM 提供了一種更可靠的區域氣候預測方法，尤其適用于小尺度區域和特定年份；
• 與傳統方法相比，PGWM 可有效減少 GCM 偏差帶來的誤差；
• 預測結果顯示：未來冬季（1月）降水減少明顯，夏季（7月）略有增加；
• 氣溫普遍上升，但直接嵌套法存在冷偏差；
• PGWM 可用于不需要多成員集合模擬即可評估未來氣候變化影響，適合資源有限場景；
• 極端事件預測的可靠性仍需進一步研究。

參考

1、論文-J2007-Downscaling by pseudo global warming method