土地用途與暖化

寒潮快報: 今早的預報合理得多了, 預測明早京士柏最低 11-12, 即天文台總部 12-13. 之後數天還有下跌空間, 最低在 20 日早上約 10 度, 即天文台總部約 11 度. 最高氣壓也調低至 1030, 較為合理. 以後解讀 GFS 溫度預測時要一拼看氣壓, 如大幅高於氣候值則要小心了.

晚上九時後氣溫跌得頗急, 但還是比 GFS 預測遲了, 相信這是因地形影響的正常現象, 要修正的話技術較高. 如要求不太高也就算了.

如果這次預測低溫成功, 稍後將會先修正氣壓(希望不用修正), 然後就是相對濕度. 風方面較複雜, 先以氣壓梯度代替; 雨則要待明年才有機會測試. 另外還可以加入 JMA/NGP 作為參考.
-------------------------------------------


講開風力發電可能帶來的氣候問題, 自然就會想到一個類似的問題: 土地影響. 這包括了我們常聽說的城市化效應. 剛在網上搜索, 一篇在 03 年發表在 nature 的文章引起我的注意(六年前其實也有點舊了, 但時間關係只能如此, 還是希望你讚讚我, 唔好當我冇到, 其實我都係有料到的, 呵呵; 如我說 20 年前的, 則不管聽上去多合理, 似是而是還是似是而非, 也應該沒人理會, 甚至懷疑我的水平或別有用心)

兩位來自馬利蘭大學的學者是比較過去五十年美國 2000 個觀測站和 NCEP 資料評估出來的溫度. 結果顯示, 日夜溫差的差距有一半是受到城市化或其他土地用途改變影響.

首先, 根據人口和"夜光"將各氣象站分為城市和效區. 接著採用 NCEP 的再分析資料. 最趣怪的地方就是這裏. 根據文章, NCEP 再分析資料並沒有探用地面站的資料(這個要之後求證), 而是採用探空資料. 因此, 以 NCEP 再分析資料評估的地面溫度不太受城市化或其他土地用途的影響.

文中圖一(下圖)是根據 Baltimore 站及以 NCEP 再分析資料求出的月溫度異常值. 我們可以看到, 除了在五十年代, 其餘的觀測值都比 NCEP 分析值高, 尤其在 90 年代最明顯.

文中圖二和三分析了全美地區的低溫和高溫. 對高溫而言, 不管用觀測還是 NCEP 分析值的趨勢都不大. 低溫則不同了. 觀測值得出的十年溫度上升為 0.193, 高於以 NCEP 估計的 0.113.

不論結果是怎樣, 我們還是應該以較環保的方法生活, 包括不浪費資源及不做一些多餘的事情. 不要教壞細路, 社會是可以改變的. 是正是邪, 是看大家採用的手段. 記著, 我們下了班還是一樣, 雖然上班時有些人可以很大權力.

參考:

impact of urbanization and land-use change on climate

氣象大師系列五

寒潮快報: GFS 預測低處未算低, 二十日京士柏最低氣溫約八度, 開始懷疑是否應該用回歸方程而不用平均誤差好一點.
----------------------------------------------------------

幾乎唔記得左氣象大師系列, 之前仲話講 charney 添(之後一定講, 不用擔心). 今回先講我相信也是氣象學人無所不識的名字: James Holton

就算是氣象高手, 通常也只在有限領域獨當一面, 未必認識各羅斯貝得獎者的工作. 出書就不一樣了, 尤其教科書, 可以讓很多人認識. Holton 的 an introduction to dynamic meteorology 是氣象學課程的不二之選, 因此不清楚 Holton 的研究也應聽過其名字.

Holton 算是英年早逝, 04 年因心臟病去世, 享年 65. an introduction to dynamic meteorology 在 04 年出到第 4 版, 也很可能就是終極版了. 他在 MIT 畢業, 導師是 Charney, 後來在華盛頓大學工作長達 38 年. 主要研究成果是在平流層, 包括 QBO 的理論(平流層的東西也是這裏可以開發探討的領域呢).


連結:
http://www.atmosp.physics.utoronto.ca/SPARC/News23/23_Hartmann.html

摩擦對氣候影響

寒潮快報: 最新 GFS 預測寒潮失控... 十八日早上京士柏最低約十一度, 和官方相若, 但之後兩日進一步下跌, 二十日早上低至約九度, 氣壓值亦高達 1032. 目前來說信者得救. 但即使出錯也並非系統性誤差的修正問題.

---------------------------------------------------------

前幾天提到風力發電對氣候可造成的影響, 今天再翻兩篇相關的文章, 較新的一篇在去年發表, 以下是一些有趣的論點.

1. 估計 2100 年全球的用電量為 20 TW. 假如風力發電要達到 2 TW(總用電量十分一), 則估計季平均溫度的最大偏差為 0.5 C, 全球平均則變化很少.

2. 以風力發電代替燃燒, 每 0.1 TW 可導致溫度的最大偏差為 0.006 C. 每年可減少炭排放量 0.15 GtC (gigatons of carbon), 一百年就可減低二氧化炭濃度 1.6 ppm. 當中氣溫的變化估計約為 0.03 C. 即是說, 風力發電對溫度的間接效果是直接效果的 5 倍.

3. 如在全球三個地方放置風力發電的風車(總發電量是目前的全球發電量, 即約可減低 2100 年二氧化炭量的四分一), 可從模式中估計氣候變化. 下圖即為溫度的變化, 可以看到溫度升或降的位置並不純粹受發電的位置影響.

4. 看風場的話, 則可看到地面加大的摩擦影響了整個對流層, 效應類似羅斯貝波. 由於風的幅合, 發電區內雲量增加, 影響幅射. 摩擦亦影響風的速度和地對空的熱量交換, 眾多因素影響溫度收支平衡, 並出現上圖變化.

參考:

The influence of large-scale wind power on global climate

On the climate impact of surface roughness anomalies

BG大戰強颱風

首先表明立場，我是強烈贊成以人為方法減低颱風強度．我們只需選擇具侵略性路徑的颱風，如 Katrina，在登陸前減低其強度，應不太可能對氣候有深遠影響．

Bill Gates 等人的構思理論上也可行．不論從統計上還是物理上的考慮，我們都可以肯定颱風受到海水溫度的影響．例如生成時就至低要 26 度，侵略性大的較強颱風門檻更高．另外，較深海水較冷亦是已知事實，而颱風本身的加強亦受到冷水上翻效應的影響．

沒有氣候風險，理論上亦可行下，餘下來的大部分都是金錢問題．所需器材及運作費用要多少呢？最大問題還是運作的規模，因要有效減低颱風能量來源，從我們的認知，起碼需要在中心附近一百公里左右的範圍內做手腳. 這麼大的"實驗", 可能真的只有 Bill Gates 才有資格去做了．

P.S. 我有興趣繼續跟進這單新(舊)聞, 將會發電郵給相關人仕．

溫度預測的修正

上次寒潮未趕及儲存京士柏站及模式的數據，並未能修正預報並作評估．幾天後寒潮不弱，是一試身手的好機會．

稍為搜索網上資源後，至少找到兩個相關的修正方法，都不用像傳統 MOS(model-output-statistics) 般要處理大量數據．第一個是卡爾曼濾波，找到一篇 95 年的文章，但由於較複雜(包括方法本身和編程上)，暫時不予採用．另一個是類似 MOS，但只用過去一定日數(如七日)的資料來修正預測.

不管用那個方法，還是要先看看誤差本身的結構．以下是過去十多天，早上五時模式的 2 米溫度(x) 和京士柏站的實況溫度(y)．明顯可看到模式溫度高於實況．根據這些資料就可以有兩個簡單的方法來修正之後的溫度預測：平均誤差或回歸方程．




從以上數據點可看到，如以平均誤差來作準，則不論模式預測氣溫是多少度，也會減去相同的誤差值．若以線性回歸方程作修正，則由於斜率低於一，當溫度偏低時，修正後的溫度比模式的溫度還要高，以今天預測為例，十六日過後的早上，紅色點(修正)比紅色星星(未修正)高．



模式會否在高溫時高估但在低溫時低估，我相信不清楚模式本身是沒法得到答案的．該採用前者還是後者，真的可能要事後才知道．從官方預測數字看來，似乎前者較合適．所以，從今晚開始暫時會以平均誤差作修正．

另外值得一提的是最高和最低溫度．上圖 GFS 的預測每三小時一次，最高溫和最低溫通常都未必就跌在這些時次．例如，翻看過去約十天的京士柏溫度，粗略估計最低溫通常都比早上五時的約低半度．雖然如此，要從 5am 溫度來估計最低溫的困難應不大．

風力發電與氣候

賣下廣告先. http://www.wohk.org/ 已加入 NCEP GFS 的相對濕度, 氣壓, 和雨量等的預測圖, 溫度的初步修正版亦將於未來數天內實施. 最新預測有一寒潮會於十五日到達, 目前要開始留意其強度變化.

-----------------------------------------------------------------------------

看標題可能讓人想到是關於以天然資源(如風力, 太陽能)發電可減低燃燒所造成的污染. 其實我想講的是另一個問題. 風力(或其他方式)發電會否帶來氣候轉變.

這不完全是出於天馬行空或杞人憂天. 我們間中會碰到人為改造天氣的方法, 包括減低颱風強度. 有網友們反對這做法, 認為颱風有其在氣候系統的角色, 可將熱量從低緯傳至高緯, 假如沒有颱風, 氣候系統會以其他意想不到的方法去實現熱交換. 這說法是否正確真的難以判斷.

如改變颱風會改變氣候, 則同一道理, 以天然資源發電也可影響氣候: 風力發電會減低風速, 影響大氣環流和輸送, 太陽能也改變地面加熱. 到底會怎樣影響氣候, 似乎真的沒太多相關的研究.

在網上找到一個關於風力發電影響氣候的網站: http://www.ucalgary.ca/~keith/WindAndClimateNote.html

各位看完後或者會放心, 因作者指出初步(那是幾年前的網頁內容了, 沒時間翻看新的結果, 請自行搜索)結果顯示即使風力發電的規模大到可以影響氣候, 其影響也是正面的: "It is possible that wind-power provides a double benefit both by reducing global warming and by creating additional climate changes that slightly reduce the impacts of that warming."

我們又要回到老問題: 應否以人為方法減低颱風的強度呢?http://www.usatoday.com/weather/research/2009-07-15-gates-hurricanes_N.htm

GRIB壓縮法

今日繼續有攝時間之嫌.

氣象數據常以格點形式出現, 由於數據的特性, 可用 GRIB (gridded binary) 的方法作壓縮和儲存. 今日簡介其原理.

假設有一海平面氣壓資料場, 共有 4x5 = 20 點資料. 如每點資料以 4-byte floating point 來表示的話, 總共應要 80 bytes. 但由於海平面氣壓場的上下限相差並不很大, 又由於我們只需要一定程度的準確度, 其實可以用更節約的方法來儲存.

例如, 20 點資料中的最低氣壓為 990.1257, 最高為 1000.2345. 如我們只需小數點後一位, 則會變為 990.1 和 1000.2. 接著我們可以算算最少可用多少 bit (1 byte = 8 bits)來表示它們之間的距離. 10002 減去 9901, 得出 101. 用 7-bit unsigned integer (0-127) 就可以.

儲存之前, 我們先將各點的值減去最低值 (9901), 範圍便是 0-101. 我們只需用 2-byte integer 儲存最低值 9901, 1-byte signed integer 儲存小數點的位置 -1, 1-byte unsigned integer 來儲存資料點用多少 bit, 另外 7x20 = 140 bits 來儲存格點數據就足夠, 總共約是 21 bytes, 即原先 80 bytes 的 4 分 1 左右.

網友們如想用 GRIB 方法來壓縮氣象資料, 可以到以下網站:
http://www.cpc.noaa.gov/products/wesley/gribw.html (寫)
http://www.cpc.noaa.gov/products/wesley/wgrib.html (讀)