Within the framework of the European project ENSEMBLES (ensembles‐based predictions of climate changes and their impacts) we explore the systematic bias in simulated monthly mean temperature and precipitation for an ensemble of thirteen regional climate models (RCMs). The models have been forced with the European Centre for Medium Range Weather Forecasting Reanalysis (ERA40) and are compared to a new high resolution gridded observational data set. We find that each model has a distinct systematic bias relating both temperature and precipitation bias to the observed mean. By excluding the twenty‐five percent warmest and wettest months, respectively, we find that a derived second‐order fit from the remaining months can be used to estimate the values of the excluded months. We demonstrate that the common assumption of bias cancellation (invariance) in climate change projections can have significant limitations when temperatures in the warmest months exceed 4–6 °C above present day conditions.

The analysis of possible regional climate changes over Europe as simulated by 10 regional climate models within the context of PRUDENCE requires a careful investigation of possible systematic biases in the models. The purpose of this paper is to identify how the main model systematic biases vary across the different models. Two fundamental aspects of model validation are addressed here: the ability to simulate (1) the long-term (30 or 40 years) mean climate and (2) the inter-annual variability. The analysis concentrates on near-surface air temperature and precipitation over land and focuses mainly on winter and summer. In general, there is a warm bias with respect to the CRU data set in these extreme seasons and a tendency to cold biases in the transition seasons. In winter the typical spread (standard deviation) between the models is 1 K. During summer there is generally a better agreement between observed and simulated values of inter-annual variability although there is a relatively clear signal that the modeled temperature variability is larger than suggested by observations, while precipitation variability is closer to observations. The areas with warm (cold) bias in winter generally exhibit wet (dry) biases, whereas the relationship is the reverse during summer (though much less clear, coupling warm (cold) biases with dry (wet) ones). When comparing the RCMs with their driving GCM, they generally reproduce the large-scale circulation of the GCM though in some cases there are substantial differences between regional biases in surface temperature and precipitation.

Royal Netherlands Meteorological Institute, De Bilt, The NetherlandsMet Éireann, Dublin, IrelandEuropean Centre for Medium-Range Weather Forecasts, Reading, United KingdomDanish Meteorological Institute, Copenhagen, DenmarkSwedish Meteorological and Hydrological Institute, Norrköping, SwedenLisbon University, Lisbon, PortugalBarcelona Supercomputing Centre, Barcelona, SpainMétéo-France, Toulouse, FranceUniversity College Dublin, Dublin, IrelandStockholm University, Stockholm, SwedenBarcelona Supercomputing Centre, Barcelona, Spain, and University of Murcia, Murcia, SpainUniversity of Oxford, Oxford, United KingdomSpanish Meteorological Agency (AEMET), Madrid, SpainFederal Institute of Technology, Zürich, SwitzerlandIrish Centre for High End Computing, Dublin, IrelandUniversité Catholique de Louvain, Louvain-la-Neuve, BelgiumMeteorological Institute, Lisbon, PortugalCORRESPONDING AUTHOR: Wilco Hazeleger, Royal Netherlands Meteorological Institute, P.O. Box 201, 3730 AE, De Bilt, The Netherlands, E-mail: wilco.hazeleger@knmi.nl

Climatic changes, including altered precipitation regimes, will affect key ecosystem processes, such as plant productivity and biodiversity for many terrestrial ecosystems. Past and ongoing precipitation experiments have been conducted to quantify these potential changes. An analysis of these experiments indicates that they have provided important information on how water regulates ecosystem processes. However, they do not adequately represent global biomes nor forecasted precipitation scenarios and their potential contribution to advance our understanding of ecosystem responses to precipitation changes is therefore limited, as is their potential value for the development and testing of ecosystem models. This highlights the need for new precipitation experiments in biomes and ambient climatic conditions hitherto poorly studied applying relevant complex scenarios including changes in precipitation frequency and amplitude, seasonality, extremity and interactions with other global change drivers. A systematic and holistic approach to investigate how soil and plant community characteristics change with altered precipitation regimes and the consequent effects on ecosystem processes and functioning within these experiments will greatly increase their value to the climate change and ecosystem research communities. Experiments should specifically test how changes in precipitation leading to exceedance of biological thresholds affect ecosystem resilience and acclimation.

An evaluation is undertaken of the statistics of daily precipitation as simulated by five regional climate models using comprehensive observations in the region of the European Alps. Four limited area models and one variable‐resolution global model are considered, all with a grid spacing of 50 km. The 15‐year integrations were forced from reanalyses and observed sea surface temperature and sea ice (global model from sea surface only). The observational reference is based on 6400 rain gauge records (10–50 stations per grid box). Evaluation statistics encompass mean precipitation, wet‐day frequency, precipitation intensity, and quantiles of the frequency distribution. For mean precipitation, the models reproduce the characteristics of the annual cycle and the spatial distribution. The domain mean bias varies between −23% and +3% in winter and between −27% and −5% in summer. Larger errors are found for other statistics. In summer, all models underestimate precipitation intensity (by 16–42%) and there is a too low frequency of heavy events. This bias reflects too dry summer mean conditions in three of the models, while it is partly compensated by too many low‐intensity events in the other two models. Similar intermodel differences are found for other European subregions. Interestingly, the model errors are very similar between the two models with the same dynamical core (but different parameterizations) and they differ considerably between the two models with similar parameterizations (but different dynamics). Despite considerable biases, the models reproduce prominent mesoscale features of heavy precipitation, which is a promising result for their use in climate change downscaling over complex topography.

A three-dimensional Eulerian hemispheric air pollution model, the Danish Eulerian Hemispheric Model (DEHM), is in development at the National Environmental Research Institute (NERI). The model has been used to study long-range transport of air pollution in the Northern Hemisphere. The present version of the model includes long-range transport of sulphur dioxide (SO2) and particulate sulphate (SC42−. The chemistry in the model is described by a simple linear oxidation of SO2 to SO42−, and the wet deposition of SO2 and SO4− is estimated based on the amount of precipitation, which is calculated from the contents of liquid cloud water (see Christensen, Air Pollution Modelling and its Applicatioons, Vol. X, pp. 119–127, Vol. XI, pp. 249–256, Plenum press, New York; 1995, Ph.D. thesis, National Environmental Research Institute, Denmark). The model has been used to study the air pollution in the Arctic. Results from 312 yr simulation with an analysis of the results is presented: the model results are verified by comparisons, to measurements not only from the Arctic region but also from Europe and Canada. Some examples of episodes in the Arctic including analysis of the meteorological conditions during the episodes are presented. Finally, the model has been used to estimate the contribution from the different source regions on the northern hemisphere to the Arctic sulphur pollution.