ABSTRACT: Using climate scenarios from only 1 or a small number of global climate models (GCMs) in climate change impact studies may lead to biased assessment due to large uncertainty in climate projections. Ensemble means in impact projections derived from a multi-GCM ensemble are often used as best estimates to reduce bias. However, it is often time consuming to run process-based models (e.g. hydrological and crop models) in climate change impact studies using numerous climate scenarios. It would be interesting to investigate if using a reduced number of climate scenarios could lead to a reasonable estimate of the ensemble mean. In this study, we generated a single ensemble-mean climate scenario (En-WG scenario) using ensemble means of the change factors derived from 20 GCMs included in CMIP5 to perturb the parameters in a weather generator, LARS-WG, for selected locations across Canada. We used En-WG scenarios to drive crop growth models in DSSAT ver. 4.7 to simulate crop yields for canola and spring wheat under RCP4.5 and RCP8.5 emission scenarios. We evaluated the potential of using the En-WG scenarios to simulate crop yields by comparing them with crop yields simulated with the LARS-WG generated climate scenarios based on each of the 20 GCMs (WG scenarios). Our results showed that simulated crop yields using the En-WG scenarios were often close to the ensemble means of simulated crop yields using the 20 WG scenarios with a high probability of outperforming simulations based on a randomly selected GCM. Further studies are required, as the results of the proposed approach may be influenced by selected crop types, crop models, weather generators, and GCM ensembles.

中文翻译：

---

使用总体平均气候情景进行未来作物单产预测：一种随机天气生成器方法

摘要：在气候变化影响研究中仅使用一种或少数几种全球气候模型（GCM）的气候情景，可能会由于气候预测存在较大不确定性而导致评估偏倚。从多GCM集成得出的影响预测中的集合均值通常用作减少偏差的最佳估计。但是，在使用多种气候情景的气候变化影响研究中，运行基于过程的模型（例如水文和作物模型）通常很耗时。研究使用减少的气候情景是否可以导致对集合平均值的合理估计将是一件有趣的事情。在这项研究中，我们使用CMIP5中包含的20个GCM得出的变化因子的集合方法来扰动天气生成器中的参数，从而生成了一个单一的集合平均气候场景（En-WG场景），LARS-WG，适用于加拿大的部分地区。我们使用En-WG方案来驱动DSSAT ver。中的作物生长模型。4.7模拟在RCP4.5和RCP8.5排放情景下双低油菜籽和春小麦的单产。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。适用于加拿大各地的选定地点。我们使用En-WG方案来驱动DSSAT ver。中的作物生长模型。4.7模拟在RCP4.5和RCP8.5排放情景下双低油菜籽和春小麦的单产。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。适用于加拿大各地的选定位置。我们使用En-WG方案来驱动DSSAT ver。中的作物生长模型。4.7模拟在RCP4.5和RCP8.5排放情景下双低油菜籽和春小麦的单产。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。我们使用En-WG方案来驱动DSSAT ver。中的作物生长模型。4.7模拟在RCP4.5和RCP8.5排放情景下双低油菜籽和春小麦的单产。我们通过将En-WG情景与基于20个GCM（WG情景）中的每个由LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。我们使用En-WG方案来驱动DSSAT ver。中的作物生长模型。4.7模拟在RCP4.5和RCP8.5排放情景下双低油菜籽和春小麦的单产。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。7可以模拟在RCP4.5和RCP8.5排放情景下双低油菜籽和春小麦的单产。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。7可以模拟在RCP4.5和RCP8.5排放情景下双低油菜籽和春小麦的单产。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。我们通过将En-WG情景与基于20个GCM（WG情景）中的LARS-WG生成的气候情景模拟的农作物产量进行比较，评估了使用En-WG情景模拟农作物产量的潜力。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。我们的结果表明，使用En-WG方案模拟作物产量通常接近使用20 WG方案模拟作物产量的整体方法，基于随机选择的GCM进行模拟的可能性很高。由于建议的方法的结果可能会受到所选作物类型，作物模型，天气生成器和GCM集成的影响，因此需要进行进一步的研究。