论文总字数：22364字

目 录

中文摘要 1

英文摘要 2

1 绪论 3

1.1 引言 3

1.2 降尺度方法综述 3

1.2.1统计降尺度主要方法 3

1.2.2统计降尺度方法的优缺点 3

1.3 研究内容 4

2 研究数据和方法 5

2.1 使用数据 5

2.2 SDSM统计降尺度模型 7

2.2.1统计降尺度的原理 7

2.3 非参数Mann-Kendall趋势检验 7

3 结果与讨论 8

3.1 SDSM模型的率定与验证 8

3.2 江苏省未来气温的统计降尺度 9

3.2.1江苏省历史气温时空分析 9

3.2.2 RCP4.5排放情景下江苏省未来气温变化 11

3.2.3 RCP8.5排放情景下江苏省未来气温变化 18

3.2.4 RCP4.5与RCP8.5两种排放情景模拟气温的差别 26

3.3 总结与讨论 30

文献 31

致谢 33

基于全球气候模式的未来气温统计降尺度分析

汪亚

, China

Abstract: General Circulation Model (GCM) could simulate climate change well, but it does not work very well in watershed/regional scale because of its low resolution. Downscaling Method is used to solve this problem. There are three categories: dynamic downscaling method, statistical downscaling method and dynamic-statistical method. This paper mainly discusses statistical downscaling method and prospected future development. SDSM, a relatively mature statistical downscaling model, was firstly validated by using 13 station’s temperature daily data from 1960 to 1999 in JiangSu province, the NECP/NCAR reanalysis data and bcc-csm1-1 model historical data. Then future temperature under RCP4.5, RCP8.5 emissions scenarios in 2050s and 2070s was generated based well validated SDSM model. Finally, future air temperature under different emissions scenarios in JiangSu province downscaled by SDSM model was analyzed and compared.

Key words: General Circulation Model; Statistical downscaling methods; watershed scale; temperature

绪论

引言

全球气候模式是目前用于预测未来气候情形最重要的方法，然而因为其分辨率较低，难以对流域气候状况进行准确预测。用于解决这种缺陷，主要有两种方法：1、发展高分辨率区域气候模式^[1]， GUO等^[2]利用高分辨率气候模式对中国地区气候状况进行模拟；2、统计降尺度方法。但因为动力降尺度方法（即高分辨率区域气候模式）存在计算量较大、较费机时等缺点，目前应用较多的是采用统计降尺度方法，统计降尺度是建立大尺度预报量和观测站实测数据之间的统计关系，将GCM模式低分辨率数据转换为流域尺度数据的一种主要方法 ^[3]。

降尺度方法综述

统计降尺度主要方法

统计降尺度主要方法有三种，包括转换函数法、环流分型法和天气发生器。实际应用中常将多种方法结合使用，SDSM就是一种包含了转换函数法和天气发生器的降尺度模型^[4]。

转换函数法原理主要是通过线性或非线性关系来建立区域预报量和大尺度预报因子之间的函数关系。最常用的是线性转换函数法，包括线性回归、主分量分析与回归方法相结合和典型相关分析方法。Sailor^[6]等用线性回归方法模拟美国气象站点的气温；Busuioc^[7]等用EOF-CCA方法估计Sweden的未来降水；非线性方法如人工神经网络法（ANN），人工神经网络自提出以来，已被广泛应用于人工智能、电子、水文、气象等领域。Mpelasoka^[8]等用ANN（Artificial Neural Network）模拟了新西兰地区未来气温和降水。国内对于降尺度方法地研究开始较晚，范丽军^[9]利用经验正交函数（EOF）和逐步线性回归方法模拟华东、华北地区的气温变化；刘兆飞^[10]等用SDSM模型模拟了渭河流域未来气温极值变化趋势。

环流分型法就是利用利用大尺度变量如海平面气压、位势高度场、风向、风速、云量等，根据天气形势、大气环流形势进行分类。常用于估计区域气候变量极值。

天气发生器是一种用于构建气候辩论随机变化过程的统计模型，可以将其看做一种复杂的随机时间序列发生器。天气发生器生成序列随机数，作为气候要素的观测值使用，对模型参数进行计算，然后将用模型模拟生成随机的气候要素的时间序列，这样模拟气候情景的时间序列与观测值很相似^[11]。主要有马尔科夫链法，马尔科夫链指某一天的天气状况只与前一天天气状况相关，此时也称之为一阶马尔科夫链。

统计降尺度方法的优缺点

统计降尺度法的优点主要由以下几点：1、它能够将大气环流模式输出数据中物理意义较好的气候信息应用于统计降尺度模式，可以纠正大气环流模式数据的系统误差，而且因为基于统计学方法，不需要像动力降尺度方法一样考虑边界条件影响；2、统计降尺度方法计算量相当，节省机时。3、统计降尺度可用于对不均匀下垫面区域进行预测；它的缺点就是需要有则长的时间序列数据，短的序列在统计学上意义较小，而且统计降尺度法不能应用于大尺度气候要素与区域气候要素相关不明显的地区^[11]，此外统计降尺度方法是基于统计学的方法，物理成因、物理过程不明显。

Kidson^[12]等把动力降尺度模式RAMS区域模式和统计降尺度模式-逐步回归模式应用于新西兰地区，对该地区的日最高气温和最低气温以及日降水量。该研究表明两种方法在该地区的应用效果相似；Murphy^[13]同样发现在当前的气候条件下，统计降尺度和动力降尺度的分析结果是类似的。Mearns^[14]等也比较了区域气候模式和统计降尺度方法，应用RegCM2 动力降尺度模式和天气发生器分别进行模拟，发现在当前气候条件下，统计和动力方法的结果是基本一致的，统计方法略好一些。然而对于未来气候情景预估动力降尺度方法和统计降尺度方法有较大的差别，尤其对于气温的预测，尽管统计降尺度方法与动力降尺度模式产生相似的日平均气温方差，但是与这两种方法相比统计降尺度却产生了较大的季节变化。与统计方法相比，动力方法估计的气温在空间分布上存在较大的变率。Hanssen-Bauer et al（2003）^[15]检测了区域模式和统计降尺度模式的结果，发现它们基本上是相似的，而且认为大尺度和区域尺度在过去建立的统计关系在变化的气候条件是适用的。褚健婷^[16]等研究了SDSM模型在海河流域的适用性问题，该研究表明SDSM对于日平均气温、蒸发皿蒸发量以及降水模拟较准确，但在模拟极端事件时存在一定系统偏差，且峰值滞后；刘品^[17]等研究了ASD方法在中国东部季风区典型流域的适用性，结果表明ASD模型在该地区对于气温、降水的模拟效果较好，然而在不同流域模拟效果有所差异。

以上比较研究表明，除研究统计降尺度自身的优缺点，还应继续深入研究其与动力降尺度方法孰优孰劣的问题，同时要继续进行不同模拟在不同地区的适用性研究。

研究内容

本研究选取江苏省13个气象站点气温日观测资料和NCEP/NCAR再分析资料，采用海平面气压、850hpa气温、850hpa位势高度、850hpa经向风速、850hpa纬向风速为预报因子，利用解释方差对预报因子进行筛选，对SDSM降尺度模型进行校准，分别对每个站点建立模型并使用历史数据进行验证；把建立好的降尺度模型应用于bcc-csm1-1RCP4.5和RCP8.5两种排放情景中，得到2050s(2040-2060年)和2070s(2060-2080)年江苏省各站点气温数据；对所得数据进行时空分析，对不同排放情景下所得结果进行对比，并将未来气温数据和历史数据进行比对分析，得出江苏省未来气温变化趋势。

图1 研究技术路线图

研究数据和方法

使用数据

本研究选取NCEP/NCAR江苏省范围内日气温再分析资料，其空间分辨率为2.5°*2.5°，其中1960/1/1-1979/12/31时间段数据作为SDSM模型校准之用，1980/1/1-1999/12/31时间段的数据作为模型验证之用。观测数据选择江苏省13个站点1960-1999年的日气温数据，其中1960/1/1-1979/12/31时间段数据用于生成降尺度模型，1980/1/1-1999/12/31时间段的数据用于模型验证，各站点分布与海拔见图2。各站点对应站名、编号及经纬度见表一。

表1 江苏省观测站点分布表

剩余内容已隐藏，请支付后下载全文，论文总字数：22364字

相关图片展示：