基于统计降尺度的秦岭地区降水和气温多模式模拟与预估

摘要

气候变化及其影响评估是当前全球变化研究中的热点问题。全球气候模式作为预估未来气候变化的一种可靠的工具，在大尺度上有很好的模拟能力，但是全球气候模式在区域尺度上的并不能很好的模拟许多物理过程。统计降尺度可作为连接全球气候模式数据与区域气候变化特征的纽带，对全球气候模式大尺度气候因子数据进行降尺度处理。尽管当前的全球气候模式能给出一个近乎可信的结果，但仍存在很大的不确定性，其中全球气候模式本身的不确定性占了主导地位，而通过多模式集成方法可以在一定程度上有效的减少区域气候变化预估结果的不确定性。本文利用秦岭地区10个气象站点在1961-2005年的日气温和降水观测数据、同期NCEP再分析数据以及1961-2100年7个全球气候模式数据，采用ASD统计降尺度模型提供的统计降尺度方法对研究区内气温和降水进行了基于统计降尺度的多模式集合模拟与预估，论文的主要研究工作和结论如下:
　　(1)比较评估了多元线性回归与岭回归两种统计降尺度方法在率定期和验证期内对气温和降水的模拟效果。结果表明从站点尺度来看，两种统计降尺度方法在各站点的气温解释方差都在91％以上，均方根误差在0.03以内，降水解释方差都在14％以上，均方根误差在0.25以内。多元线性回归统计降尺度的气温和降水的解释方差都大于岭回归统计降尺度，并且均方根误差都小于岭回归统计降尺度。从研究区整体而言，率定期和验证期内两种统计降尺度方法都可以很好地模拟气温和降水。无论是率定期还是验证期，多元线性回归统计降尺度方法对大多数月份的气温和降水气候要素的模拟值更接近观测值。综合考虑两种统计降尺度方法在率定期和验证期内对气温和降水的模拟能力，我们认为多元线性回归降尺度方法更适用于在秦岭地区气候变化的统计降尺度研究。
　　(2)基于多元线性回归统计降尺度方法，评估了在两种插值条件下所建立统计关系的可靠性和7个全球气候模式经统计降尺度后在基准期对气温和降水的模拟能力。结果表明:①无论是GCM→NCEP插值顺序还是NCEP→GCM的插值顺序，所建立的统计关系在秦岭地区气候变化统计降尺度研究中都是可靠有效的。②7个全球气候模式经统计降尺度后都可以较好的模拟研究区气温。无论是在月尺度还是季尺度上，大多数的全球气候模式经统计降尺度后都略微低估了气温均值和气温最小值，都略微的高估气温标准差和气温最大值。③7个全球气候模式经统计降尺度后，在基准期内能够在一定程度上模拟秦岭地区降水。但MPI-ESM-MR、IPSL-CM5A-LR、CNRM-CM5、MPI-ESM-LR4个全球气候模式经统计降尺度后，在基准期内对降水的四个气候要素的模拟能力要优于GFDL-ESM2G、Can-ESM2和BNU-ESM3个全球气候模式经统计降尺度后的模拟能力。在月尺度上，7个全球气候模式经统计降尺度后都高估了降水均值，低估了降水最大连续干旱日数，大多数的全球气候模式经统计降尺度后高估了降水标准差和降水湿日概率。在季尺度上，7个全球气候模式经统计降尺度后都高估了降水均值，降水标准差和降水湿日概率，低估了降水最大连续干旱日数。
　　(3)基于多元线性回归统计降尺度方法，采用7个全球气候模式和4个在基准期内对降水模拟效果较好的全球气候模式在RCP45和RCP85的情景输出数据，对气温和降水进行多模式集合预估，结果表明:①未来两种RCPs情景下，7个全球气候模式经统计降尺度后集合预估的秦岭地区气温在21世纪三个时间段都明显上升，升温幅度随着辐射强迫增大而增大，未来三个时间段6-9月的气温增幅高于其他月份，其中8月的增幅最为明显，1月气温增幅最小。21世纪三个时间段气温的季节变化整体呈现夏季增幅最高，依次是秋季、春季和冬季。在年尺度上，RCP45情景下，三个时间段内气温增幅分别是0.888℃、1.631℃和1.855℃;RCP85情景下，三个时间段内气温增幅更加明显，分别增高了0.992℃、2.124℃和3.442℃。②未来两种RCPs情景下，4个全球气候模式经统计降尺度后集合预估的秦岭地区降水在21世纪三个时间段整体呈现不明显的减少趋势，降水变幅随着辐射强迫的增大而减小，未来三个时间段6-10月的降水变幅比其他月份更加剧烈，其中7月的变幅最为明显。21世纪三个时间段降水在季节变化整体呈现夏季增幅最高，依次是秋季、春季和冬季。在年尺度上，RCP45情景，三个时间段降水变幅分别是-1.453mm、-1.095mm和-1.578mm;RCP85情景，三个时间段降水变幅越加不显著，分别是-0.644mm、-0.562mm和0.139mm。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究进展

1．2．1 全球气候模式简介

1．2．2 统计降尺度研究进展

1．2．3 统计降尺度与多模式集合的研究进展

1．3 待解决的问题

1．4 本文研究内容

第二章 研究区概况和研究方法

2．3 数据资料

2．3．1 气象站点的实测资料

2．3．2 NCEP再分析数据

2．3．3 全球气候模式数据

2．4 研究方法

2．4．1 双线性插值

2．4．2 ASD统计降尺度方法

2．4．3 等权重集成

2．4．4 克里金插值方法

2．5 研究技术路线

第三章 两种统计降尺度方法在秦岭地区适用性评价

3．1 两种统计降尺度方法率定期效果评价

3．2 两种统计降尺度方法验证期效果评价

3．3 小结

第四章 基于多元线性回归统计降尺度方法对秦岭地区气候变化的多模式模拟

4．1 两种插值顺序建立的统计关系对预报量的模拟效果比较

4．2 多模式对秦岭地区气温的模拟

4．2．1 月尺度气温的模拟

4．2．2 季尺度气温的模拟

4．3 多模式对秦岭地区降水的模拟

4．3．1 月尺度降水的模拟

4．3．2 季尺度降水的模拟

4．4 小结

第五章 基于多元线性回归统计降尺度方法对秦岭地区气候变化的多模式集合预估

5．1 多模式对秦岭地区气温在不同情景下的集合预估

5．2 多模式对秦岭地区降水在不同情景下的集合预估

5．3 小结

第六章 结论和展望

6．1 结论

6．2 不足与展望

参考文献

攻读硕士学位期间取得的科研成果

致谢