华北地区降水数据的降尺度研究

论文总字数：16032字

目 录

1引言 1

2 数据资料与方法 1

2.1 数据资料介绍 1

2.2 数据资料预处理 3

2.2.1 站点资料处理 3

2.2.2 网格资料处理 3

2.3 主成分分析 4

2.4 多元线性回归模型 5

2.4.1回归模型前提假设 5

2.4.1回归模型建立及评价 6

2.4.2 回归模型的统计检验 6

2.5 模型输出数据处理 7

2.6 GCM未来情景预报 7

3 研究成果 8

3.1 华北历史降水变化趋势 8

3.2 网格资料处理成果 9

3.3 主成分分析 10

3.4 多元线性回归 11

3.4.1 回归模型前提验证结果 11

3.4.2 回归模型的建立 14

3.4.3 回归模型的统计检验 14

3.4.4 回归模型评测结果 15

3.5 模型未来情景预测结果 16

4 结语 17

参考文献： 18

致谢 19

华北地区降水的降尺度研究

王吕涛

，China

Abstract: The downscaling can transform the large-scale climate data that provided by the global climate model into the regional climate model, which can make up the deficiency of the atmospheric circulation model. In this text, we select the monthly precipitation observation data of the 21 sites in North China region in 1960~2009 and four large-scale climate factors in NCEP / NCAR reanalysis data, and using the method of combining principal component analysis (PCA) and multiple linear regression to establish a statistical downscaling model, then test the rationality of the model. The results show that the model is good for the simulation of the wet period in North China. In the application of using the model to predict the future precipitation, it is found that North China will enter the rainy period in the next 14 years,and the precipitation is significantly improved compared with the baseline year (1990~2009).

Key words:Statistical downscaling;North China;Principal component analysis; Multiple linear regression;The precipitation prediction in the future

1引言

大气环流模式对未来全球气候变化有很好的模拟效能，但它输出信息的空间分辨率较低，通常为300 km左右，难以对空间分辨率较高的区域气候做出有效的预报。降尺度技术可以把大气环流模式提供的大尺度气候数据转化为区域气候模式的气候数据，这些气候数据可以包括气温、降水等。

降尺度技术目前分为动力降尺度法、统计降尺度法以及统计和动力两种方法结合的降尺度法。动力降尺度方法是将空间分辨率较低的大气环流模式嵌套到高分辨率的区域气候模式中，利用全球模式为区域气候模式提供初值和边界条件，获得高空间分辨率的模拟区域气候预测信息。其优势是能用于任何区域，降尺度过程与观测资料的变化无关，既适用于高分辨率，也适用于低分辨率。缺点为计算量大，费机时；受全球模式所提供的初值及边界条件影响大；动力模式对气候模拟的系统误差比较大^[1]。

统计降尺度，也叫做经验降尺度，常用来利用大尺度的气候信息来获得小尺度的气候信息。它是除动力降尺度外的另一种降尺度方法，在一定方面上，也可以对动力降尺度技术过程和所得结果加以完善。统计降尺度方法的基本原理在于利用数理统计的相关知识建立模型，来描述大尺度的气候因子与区域气候因子之间的相互数理关系^[2]。利用统计降尺度法建立模型前需要满足3个前提条件：（1）大尺度气候因子和区域气候因子之间有明显的数理统计上的联系；（2）全球海气耦合模式对选择的大尺度气候要素场有很好的模拟效能；（3）在气候条件发生变化时，之前建立的统计模型也适用于变化后的气候场^[3]。

气候场的统计降尺度研究有3个优势：（1）从大尺度气候因子信息获得区域气候因子信息效率高，计算较快；（2）能得到小尺度的气象因子信息；（3）所建立的统计模型的参数由研究区域的下垫面条件决定。统计降尺度法可以完善动力降尺度方法不能处理的方面，能使结果更加精确，因此在气象数据的研究中使用较多^[4]。但是统计降尺度也有缺点，首先它要有足够的观测或者实测数据来建立数理统计模型，其次如果大尺度气候因子与区域气候因子相关性较弱时，统计降尺度方法也不适用^[5]。

本文采用主成分分析（PCA）与多元线性回归相结合的统计降尺度方法，利用NCAR/NCEP再分析大尺度资料和华北地区降水实测资料，将实测资料分为模型率定期资料和模型检验期资料，利用率定期资料建立大尺度上的气候因子与华北地区月降水之间的统计降尺度模型，并且用检验期实测资料对模型进行检验，最后代入大尺度气候因子未来情景预报场，得到模型未来降水的预测值，从而分析今后华北地区降水的变化趋势。

2 数据资料与方法

2.1 数据资料介绍

本文的研究区域为华北地区。华北地区位于北纬30°~42°之间，东经110°~120°，是我国小麦的主产区，华北更是中华民族的发源地，我国的政治文化中心^[6]。研究华北区域降水变化趋势，从而分析其旱涝情况，对华北地区的规划发展有着一定的指示作用。图1为本文采用的华北地区21个测站分布图。

图1 华北地区21测站分布图

本文华北区域21个测站的历史降水观测资料来自国家气候中心整理发布的监测诊断数据，其数据集包括1961年01月至2016年03月中国160测站的月降水资料（少数月份资料缺失），由于2010年10-12月份数据缺失，故站点降水观测资料选择1961~2009年共49年的数据。

大尺度预报因子数据选择NCEP/NCAR再分析资料数据集月平均资料，其空间分辨率为2.5°×2.5°。本文选取降水资料以及与降水相关性较强的4个气候因子^[7]，它们分别是：850hPa比湿、海平面气压、500hPa位势高度以及地表温度。

区域的气候未来情景预测是一件很复杂的事情，由于气候因素不确定性，以及人类活动的影响，使得气候的未来情景预测难上加难。在2014年IPCC发布的第五次评估报告即AR5中采用更科学有效的新情景RCPs （Representative Concentration Pathways），其包含4种分类，即：RCP2.6，RCP4.5，RCP6.0和RCP8.5。如表1所示4种情景分别估计了未来的温室气体浓度，并对应不同的辐射能增量。本文GCM未来情景预报资料选用的是Cmip5（Coupled Model Intercomparison Project Phase 5）中HadCM3模式在RCP4.5即中低排放情景下2017~2030年的与NCEP相同的大尺度气候因子预报资料，空间分辨率为2.5°×3.75°。

表1 未来排放情景分类及其对应因子

2.2 数据资料预处理

2.2.1 站点资料处理

本文选取华北区域21个测站1961~2009年的降水资料，并且将1961~2000年作为统计降尺度模型的率定期，考虑到降水资料序列较短，此处采用交叉检验法将1990~2009年作为模型试验期，将模型模拟值与站点实测值相比较，以期判断模型的合理性。交叉检验法更合理有效地利用了现有资料，能更准确地反映出模型在各个年份的普适性。

为研究华北区域月降水的年际变化，将华北区域21个站点的降水资料逐月平均，求得华北区域逐月平均降水量，之后再逐年做月份平均，得到华北区域年平均降水量，并且计算相应年份的距平和累积距平，从而分析判断华北区域历史降水的年际变化。

2.2.2 网格资料处理

本文选用的格点资料有NCEP/NCAR再分析数据集的月平均资料，包含850hPa比湿、海平面气压、500hPa位势高度、地表温度及降水，其空间分辨率为2.5°×2.5°。此外还有Cmip5中HadCM3模式输出资料，包含850hPa比湿、海平面气压、500hPa位势高度以及地表温度4个气候因子，空间分辨率为2.5°×3.75°。

模型建立时采用NCEP/NCAR再分析数据集的月平均资料，由于本文华北区域划定范围为（30N°~42.5°N， 110°E~120°E），共包含30个经纬格，在进行本资料的处理时先提取出华北区域范围内的资料，然后将包括时间、经度、纬度、气候因子的四维气候因子资料转化为时间、经纬格、气候因子的三维气候因子资料，与站点资料相仿，将1961~2000年作为统计降尺度模型的率定期，之后再进行主成分分析。将1990~2009年作为模型试验期，利用率定期提取的主成分对试验期数据进行降维处理，并作为模型输入量，得出试验期预报降水量，并与站点实测值相比较。

剩余内容已隐藏，请支付后下载全文，论文总字数：16032字

相关图片展示：