当前与未来气候条件下中国极端降水时空变化特征研究

摘要

极端气候事件尤其是极端降水事件的频繁发生对社会经济和人类生命安全造成了重大影响，因此对其变化和发展趋势的研究也受到越来越多的关注。尽管近几十年来对极端降水已经进行了大量的研究，但是许多关键的问题依然没有很好地解决，例如极端降水的准确定义、其形成的物理机制、未来的变化趋势和对社会造成影响的估算等等方面。 本文首先运用统计降尺度的方法，利用台站观测降水资料和IPCC模式模拟结果数据对中国未来极端降水的时空变化特征做预测。从预测结果来看，华东地区极端降水大体呈现下降的趋势，而位于位于此区域的山东近年来遭遇了连续大旱。并且长江流域未来极端降水上升和下降趋势的分布也较为复杂，再加上由于山东干旱和长江流域洪涝灾害造成的巨大影响引起了社会各界的广泛关注，因此，本文对山东和长江流域这两个极端降水趋势变化较为典型的区域进行了详细分析，并以变化趋势更为复杂的长江流域为例对影响极端降水的物理机制做了进一步探讨。主要工作和结论如下: 1、通过在观测降水数据资料与模式输出的格点数据资料之间建立一种回归关系，利用模式对未来降水的预测结果和回归模型来预测未来极端降水的区域变化特征。利用广义佩雷托分布(Generalized Pareto Distribution，GPD)分别对观测降水数据和模式在A1B排放情景下模拟出的降水数据分布的右尾进行拟合，求出100年一遇降水极值，然后在两种极端降水数据之间建立回归关系，并进一步对中国未来极端降水时空分布做出预测。结果表明，利用台站观测降水数据计算出来的极端降水值要大于利用模式格点数据计算出来的极端降水值。从极端降水年度变化的角度看，中国的南部、东南沿海区域、东北部、北部和中西部区域未来极端降水有增加的趋势。而减小的区域主要分布在中国的东部、四川、云南和西南部区域。从季节上看，春季显著下降的趋势主要分布在中国东部，东北地区和西南的部分地区。上升趋势主要集中在东南沿海地区和中西部，而在其他区域的变化趋势分布很分散。夏季的未来极端降水分布特征与全年的情况相似，而秋季的分布特征与春季差别不大。在冬季，一个明显的差异是显著增加的趋势发生在中国西南地区，这与其他季节和全年的情况均不同。通过比较冬季西南部和夏季长江中下游区域的极端降水变化情况，可以进一步分析影响长江中下游河段极端降水事件的物理机制。 2、利用经验模态分解(Empirical Mode Decomposition，EMD)和Mann-Kendall(MK) test方法，通过对11个极端降水指标变化特征分析，研究了山东极端降水线性趋势的变化情况。结果表明除了连续无降水日数(consecutive dry days，CDD)和简单日降水强度指数(simple daily intensity index，SDII)，几乎所有极端降水指数均存在显著的下降趋势。并且大部分极端降水指数存在10-15年的变化周期。连续5天最大降水量（greatest5-day total rainfall，RX5day）、非常潮湿天数(verywet days，R95p)和年总降水量(annual total wet-day precipitation，PRCPTOT)下降趋势的分布呈现出从东南沿海向西部地区伸展的带状形态，而其他指数变化的空间分布趋势更加复杂。 3、以1980年长江流域降水拐点为分界点，利用广义极值分布(GeneralizedExtreme Value，GEV distribution)拟合的方法分别研究了前气候期(1960-1980)、后气候期(1981-2011)和整个时间段(1960-2011)内的极端降水在长江流域的变化情况，以及年最大降水量的变化趋势。结果表明后气候期极端降水大多分布在长江干流和主要的支流附近，这也进一步增加了流域发生洪涝灾害的可能性。 4、分析海-气热量和水汽通量以及水汽输送的时空分布特征是理解长江流域极端降水变化物理机制的关键。通过分析长江流域夏季区域极端降水指标与感热和潜热以及海洋表面温度相关系数在全球海洋范围的分布，结果表明东南印度洋(Southeast Indian Ocean，SEIO)，西南印度洋(Southwest Indian Ocean，SWIO)，和中国南海(South China sea，SCS)呈现显著的正相关，但环赤道太平洋(CentralEquatorial Pacific，CEP)为负相关。通过综合分析发现三个主要的水汽输送通道基本上与上述的相关系数分布区域吻合。并且高纬度大气环流的振荡变化也会对长江流域极端降水的变化趋势造成显著的影响。

目录

声明

摘要

1 前言

1．1 研究意义

1．2 本文研究内容

2 极端气候研究综述

2．1 极端气候指数

2．1．1 平均值与极值的相互关系

2．1．2 极端气候指标的研究

2．1．3 极端气候指标在研究中的应用

2．2 研究极端气候事件的常用方法

2．2．1 统计方法

2．2．2 模式方法

2．3 中国极端降水的频率、强度和分布

2．3．1 极端降水的趋势和分布

2．3．2 极端降水的强度

2．4 极端降水对中国社会的影响

2．5 小结

3 资料和方法

3．1 数据资料

3．2 方法

3．2．1 Mann-Kendall(MK)trend test

3．2．2 经验模态分解(Empirical Mode Decomposition，EMD)

3．2．3 广义极值分布(Generalized extreme value distribution)

3．2．4 广义佩雷托分布(Generalized Pareto Distribution，GPD)

4 利用统计降尺度方法预测中国未来极端降水

4．1 中国降水特征的背景概况

4．2 回归模型的选择

4．2．1 拟合GEV和GPD的模型检测

4．2．2 NCEP与观测站点平均数据的直接对比

4．2．3 建立回归模型

4．3 中国未来极端降水的预测

4．3．1 利用HadCM3模式输出降水数据预测未来极端降水

4．3．2 HadCM3模型和echam5-mpa-om模型预测的对比

5 山东极端降水的时空分布特征

5．1 山东概况

5．2 研究结果

5．2．1 年最大日降水(RX1day)和年连续5天最大降水(RX5day)

5．2．2 日降水量超过10毫米(R10)、20毫米(R20)和50毫米(R20)的天数

5．2．3 简单日降水强度指数(SDII)、连续无降水日数(CDD)和连续湿润日数(CWD)

5．2．4 大于95％百分位阈值的年降水总量(R95p)，大于99％百分位阈值的年降水总量(R99p)和年总降水量(PRCPTOT)

5．3 小结与讨论

6 长江流域极端降水变化的时空特征

6．1 长江流域概况

6．2 长江流域极端降水研究

6．3 研究结果与讨论

6．3．1 长江流域降水特征

6．3．2 GEV拟合极端降水的拟合优度检验

6．3．3 不同降水尺度的极端降水变化特征

6．3．4 不同时间尺度极端降水在后气候期的变化

6．3．5 流域极端降水的分布

6．3．6 年最大降水的变化趋势

7 从海气相互作用和水汽输送的角度探讨长江流域极端降水的物理成因

7．1 数据和指标的选取

7．2 长江流域区域降水指数与全球潜热(LHF)、感热(SHF)和海洋表面温度(SST)的相关分析

7．2．1 显著正相关系数的分布

7．2．2 显著负相关系数的分布

7．3 综合分析

7．3．1 风场

7．3．2 位势高度场

7．3．3 速度势

7．3．4 水汽输送

7．4 讨论

7．4．1 潜热和感热的影响

7．4．2 海洋表面温度的影响

7．4．3 大尺度环流的影响

8 结论与展望

参考文献

致谢

个人简历

发表的学术论文