Realism of Rainfall in a Very High-Resolution Regional Climate Model

Kendon, Elizabeth J.; Roberts, Nigel; Senior, C. A.; Roberts, Malcolm

doi:10.1175/jcli-d-11-00562.1

Cited by 419 publications

(551 citation statements)

References 40 publications

Supporting

Mentioning

512

Contrasting

Unclassified

Order By: Relevance

“…A comparison of the results for the three resolutions in Fig. 13 confirms the results shown in Kendon et al (2012). Figure 14 illustrates the performances of individual models using Taylor diagrams of the 75th, 95th, and 99th percentile values against the reference.…”

Section: Precipitation Biasessupporting

confidence: 71%

“…We then examine the spatio-temporal characteristics of rainfall exceeding this percentile, the absolute value of which will differ between different datasets. The advantage of this approach is that it removes the effects of bias in precipitation amounts between the different datasets, while retaining reliable information about precipitation pattern and behavior (Kendon et al 2012). Here we calculate the 75th, 95th and 99th percentile of daily precipitation probability distribution function (PDF) at each grid point for June-August (JJA) of each year.…”

Section: Methodsmentioning

confidence: 99%

“…Also the increase of model resolution influences simulating mean and extreme precipitation. This is due to improved representation of complex topography and land surface processes (Kendon et al 2012). A comparison of the results for the three resolutions in Fig.…”

Section: Precipitation Biasesmentioning

confidence: 99%

See 2 more Smart Citations

Evaluation of precipitation extremes over the Asian domain: observation and modelling studies

et al. 2018

View full text Add to dashboard Cite

In this study, a comparison in the precipitation extremes as exhibited by the seven reference datasets is made to ascertain whether the inferences based on these datasets agree or they differ. These seven datasets, roughly grouped in three categories i.e. rain-gauge based (APHRODITE, CPC-UNI), satellite-based (TRMM, GPCP1DD) and reanalysis based (ERA-Interim, MERRA, and JRA55), having a common data period 1998-2007 are considered. Focus is to examine precipitation extremes in the summer monsoon rainfall over South Asia, East Asia and Southeast Asia. Measures of extreme precipitation include the percentile thresholds, frequency of extreme precipitation events and other quantities. Results reveal that the differences in displaying extremes among the datasets are small over South Asia and East Asia but large differences among the datasets are displayed over the Southeast Asian region including the maritime continent. Furthermore, precipitation data appear to be more consistent over East Asia among the seven datasets. Decadal trends in extreme precipitation are consistent with known results over South and East Asia. No trends in extreme precipitation events are exhibited over Southeast Asia. Outputs of the Coupled Model Intercomparison Project Phase 5 (CMIP5) simulation data are categorized as high, medium and lowresolution models. The regions displaying maximum intensity of extreme precipitation appear to be dependent on model resolution. High-resolution models simulate maximum intensity of extreme precipitation over the Indian sub-continent, medium-resolution models over northeast India and South China and the low-resolution models over Bangladesh, Myanmar and Thailand. In summary, there are differences in displaying extreme precipitation statistics among the seven datasets considered here and among the 29 CMIP5 model data outputs.

show abstract

Section: Precipitation Biasessupporting

confidence: 71%

Section: Methodsmentioning

confidence: 99%

See 1 more Smart Citation

Evaluation of precipitation extremes over the Asian domain: observation and modelling studies

et al. 2018

View full text Add to dashboard Cite

show abstract

“…Bên cạnh đó, rất nhiều nghiên cứu trong nước và quốc tế đã được thực hiện nhiều nghiên cứu về ảnh hưởng của sự thay đổi độ phân giải, thay đổi các sơ đồ tham số hóa đối lưu đến chất lượng mô phỏng. Các nghiên cứu trước đây đã chỉ ra rằng có độ phân giải cao hơn có thể mô phỏng thực tế hơn hoàn lưu khí quyển quy mô lớn cũng như phân bố lượng mưa toàn cầu và khu vực (Buonomo và [3][4][5][6][7][8][9][10]. Như vậy đối với bài toán dự báo mưa nói chung hay dự báo mưa ảnh hưởng do bão nói riêng, việc hạ độ phân giải và thay đổi sơ đồ tham số hóa đối lưu là cần thiết.…”

Section: Mở đầU *unclassified

Đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS

Thanh¹,

Thanh²,

Hằng³

2016

EES

View full text Add to dashboard Cite

Tóm tắt: Trong nghiên cứu này nhóm tác giả đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS với thời hạn 3 ngày cho khu vực Việt Nam có sử dụng hai sơ đồ đối lưu Kuo và Kainfritsch. Nhóm nghiên cứu tiến hành các phương án thử nghiệm bằng phương pháp lưới lồng và thay đổi luân phiên hai sơ đồ đối lưu này làm lưới 1 và lưới 2, từ đó đưa đến kết quả: Với hạn dự báo 24h nên sử dụng phương án K-K để dự báo ngưỡng mưa vừa (16-50mm) và mưa to (50-100mm); Hạn dự báo 48h nên sử dụng phương án K-KF để dự báo mưa do bão cho ngưỡng mưa vừa và phương án K-K để dự báo cho ngưỡng mưa to; Hạn dự báo 72h nên sử dụng phương án K-KF để dự báo ngưỡng mưa vừa và mưa to. Ngưỡng mưa trên 100 mm, các hạn dự báo cho kết quả dự báo kém, hầu như không dự báo được. Từ những kết quả trong nghiên cứu này có thể giúp dự báo viên có thêm thông tin phục vụ cho việc dự báo mưa do bão trên khu vực Việt Nam.Từ khóa: Nghiên cứu và dự báo mưa, bão. Mở đầu *Bão là một trong những hiện tượng thời tiết vô cùng nguy hiểm, gây ảnh hưởng lớn tới nền kinh tế, xã hội của nhiều quốc gia ven biển, đặc biệt là đối với những quốc gia có đường bờ biển dài như Việt Nam. Khi nói tới bão người ta thường đề cập tới những hệ quả mà nó gây ra như gió mạnh, sóng lớn, nước dâng do bão và đặc biệt mưa lớn. Theo một nghiên cứu của Prat [1], khi dựa vào số liệu toàn cầu của NOAA, số liệu vệ tinh, số liệu phân tích và đưa ra kết luận mưa do bão ảnh hưởng tới một diện tích khá lớn trên hầu hết các châu lục, cụ thể khu vực Đông Á, bão nhiệt đới cung cấp lượng _______ * Tác giả liên hệ. ĐT.: 84-946180348 Email: thanhc@vnu.edu.vn mưa khoảng 11% lượng mưa hằng năm của khu vực (chỉ đứng sau đông Phi 12%). Với ảnh hưởng lớn như vậy nên những nghiên cứu về mưa trong bão ở khu vực này và đặc biệt là ở Việt Nam là một vấn đề rất cấp thiết.Hiện nay có rất nhiều công trình nghiên cứu dự báo mưa do ảnh hưởng của bão trên thế giới như công trình của Chen L. và ccs (2010) [2] đã tiến hành mô tả vùng mưa có liên quan đến bão đổ bộ và những hệ thống thời tiết tương ứng, đồng thời tác giả cũng chỉ ra những cơ chế vật lý quan trọng ảnh hưởng tới lượng mưa và phân bố mưa do bão đổ bộ. Nhóm nghiên cứu đưa ra các cơ chế ảnh hưởng đến lượng mưa do bão gồm: nguồn ẩm, vận chuyển ngoại nhiệt đới, địa hình, hệ thống đối lưu qui mô vừa, lớp biên. Từ việc nghiên cứu thử nghiệm, nhóm nghiên cứu đưa ra kết luận, nguồn ẩm trong lớp

show abstract

“…The expected further increase in computational resources will presumably mean a further increase in RCM resolution, leading to the use of nonhydrostatic RCMs. Kendon et al (2012) reported on a recent study showing results from dynamical downscaling with a non-hydrostatic RCM at 1.5 km grid spacing.…”

Section: Developing and Extending Rcmsmentioning

confidence: 99%

Projected Change—Models and Methodology

Wibig

Maraun

Benestad

et al. 2015

Regional Climate Studies

View full text Add to dashboard Cite

General (global) circulation models (GCMs) are a useful tool for studying how climate may change in the future. Although GCMs have high temporal resolution, their spatial resolution is low. To simulate the future climate of the Baltic Sea region, it is necessary to downscale GCM data. This chapter describes the two conceptually different ways of downscaling: regional climate models (RCMs) nested in GCMs and using empirical and/or statistical relations between large-scale variables from GCMs and small-scale variables. There are many uncertainties in climate models, including uncertainty related to future land use and atmospheric greenhouse gas concentrations, limits on the amount of input data and their accuracy, and the chaotic nature of weather. The skill of methods for describing regional climate futures is also limited by natural climate variability. For the Baltic Sea area, the lack of an oceanic component in RCMs and poor representation of forcing by aerosols and changes in land use are major limitations. IntroductionThe development of general circulation models (GCMs) has created a useful tool for projecting how climate may change in the future. Such models describe the climate at a set of grid points, regularly distributed in space and time and with the same density over land and ocean. Their temporal resolution is relatively high, but their spatial resolution is limited by computing power. Many important processes, such as cloud formation, convection, and precipitation, occur at spatial scales much smaller than the distance between grid points. This means that these so-called sub-grid processes are not explicitly simulated by the models, but must be approximated with simplifying algorithms referred to as parameterisations. The low spatial resolution also means that the topography, coastline, and processes at the land-air, ocean-air, and land-ocean boundaries are coarsely represented in GCMs.

show abstract

Realism of Rainfall in a Very High-Resolution Regional Climate Model

Cited by 419 publications

References 40 publications

Evaluation of precipitation extremes over the Asian domain: observation and modelling studies

Evaluation of precipitation extremes over the Asian domain: observation and modelling studies

Đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS

Projected Change—Models and Methodology

Contact Info

Product

Resources

About