SDSM统计降尺度方法对江淮地区地面气温模拟能力评估及其未来情景预估

运用SDSM统计降尺度对江淮地区五个代表站点进行统计降尺度研究,应用独立观测资料验证发现统计降尺度模式具有一定的可靠性。在A2排放情景下,对5个测站的未来情景研究发现,到21世纪中叶,各测站普遍增温1.5℃左右,到本世纪末,增温幅度在4℃左右。这一结论与LMDZ动力降尺度模式结果基本一致,但统计降尺度的模拟值要略高于动力降尺度。

天气发生器与SDSM两种统计降尺度技术对长江中下游地区最高温度模拟的比较研究

首先对降尺度方法做了简要介绍,然后对天气发生器和SDSM 2种统计降尺度技术进行了详细说明,利用2种统计降尺度技术分别对长江中下游地区1961～2000年夏季和全年最高温度进行了模拟和比较。结果表明,2种统计降尺度技术对长江中下游地区夏季和全年最高气温极小值和平均值的模拟效果要比对极大值的模拟效果好;天气发生器模拟的年最高气温极大、极小和平均值与实际观测结果均有较大偏差,模拟效果不是很理想,而对夏季最高气温的模拟效果就相对好很多;SDSM较天气发生器对夏季和全年最高气温的模拟效果都更好,将会成为未来统计降尺度技术的主要发展方向。

统计降尺度方法在北京月尺度预测中的应用

利用SDSM(statistical downscaling method)方法对北京47年(1961—2007年)的最低、最高气温和降水变化情况进行模拟评估,在此基础上对2008年北京奥运期间和2009年国庆期间天气变化进行实际预测应用。结果表明,SDSM方法具备模拟气温和降水等要素的能力。从年际变化模拟的情况上看,SDSM模型对气温模拟的效果好于降水,其中对于月平均最低(最高)气温模拟的效果好于最低(最高)气温极值的模拟。模型模拟的逐年极端最高(最低)气温结果在整体上偏低于实况气温,体现出气温极值模拟能力的不足。SDSM模型模拟的降水量整体上小于实测值,对降水极大值模拟能力更弱。对奥运会和国庆期间北京天气预测结果表明,模型对日最高、最低气温和降水的数值预测能力较差,预测值偏低于实际值,但升温和降温过程发生的时段能够准确的预测。

基于累积分布函数的统计降尺度模型校验方法适用性研究

为更精确的为区域气候模拟和预估研究提供参考,开展了基于累积分布函数的统计降尺度模型校验,在传统统计降尺度模型的基础上,使用基于累积分布函数的校验方法校正了SDSM模型预估的A2和B2情景下中国265个站点1961~2099年逐日温度数据,校正后A2情景下,观测值和模拟值R2达到0.9999以上的比例占到85%,达到1的占6%;B2情景下,观测值和模拟值R2达到0.9999以上的比例占到87%,达到1的占19%;斜率值接近1的站点分别增加了57%和51%;截距接近0的站点分别增加了31%和16%。校正后的模型能更好地预估出未来逐年稳定通过0℃的日期,也即生长季开始的日期。

气候变化条件下海河流域日降水统计降尺度研究(英文)

在气候变化对水资源影响评价研究中,统计降尺度方法通常用来解决空间尺度不匹配问题。在论文中,预报量采用海河流域上典型区域的11个气象站点1961～2000年共40年的日降水资料,预报因子选自NCEP/NCAR的再分析资料,以及英国Hadlay中心GCM模型在a2情景和b2情景下的大气变量,主要采用Statistical Down-Scaling Model(SDSM模型)进行海河流域日降水的降尺度研究。结果表明:①使用逐步线性回归方法(SMLR),可以在广阔的空间范围内优选出具有一定物理意义的预报因子;②使用统计降尺度方法SDSM,采用不同的GCM资料,都可以较准确模拟降水的季节变化特征;③使用NCEP/NCAR再分析资料的降尺度结果优于Hadlay中心a2和b2情景下的,观测和模拟降水的相关系数分别可以达到93%和85%左右;④与现状年(1984～1993年)相比,未来(2011～2040年)的年降水总量大约会减少4%,降水峰值略滞后,降水时间更加集中,极端降水事件的强度加大,最大干旱持续天数也变长。

两种统计降尺度模型在太湖流域的应用对比

本研究采用A1B情景下大气环流模式BCCR输出的大气环流预报因子,同时应用两种统计降尺度模型ASD(Automated Statistical Downscaling Model)和SDSM(Statistical Downscaling Model),预测太湖流域8个站点未来两个时期(2046年-2065年和2081年-2100年)的日最高、最低气温和降水。重点针对两种模型中的预报因子选择、模型率定和验证以及建立的未来气候变化情景结果,对比分析两种模型在太湖流域的适用性。结果表明:在预报因子选择方面,依靠人为主观判断的SDSM模型和提供自动预报因子选择方法的ASD模型选择的预报因子基本一致,因此ASD相对优化了预报因子的选择过程。在率定和验证效果上,两种模型对气温的模拟效果较好,对降水的模拟效果不佳,但是ASD的模拟效果要好于SDSM。在未来两个时期,两种模型模拟的未来最高和最低气温变化并不显著,但从多年平均来看,ASD模拟的气温略有上升,而SDSM模拟的气温略有下降;相较气温,未来降水变化较为显著,ASD模拟的降水量增幅明显高于SDSM模拟的降水增幅。综合考虑模拟的结果并结合他人的研究成果,认为ASD对太湖流域未来气候的模拟优于SDSM。

统计降尺度方法对青海湖地区气温变化的适用性分析及未来情景预估

运用SDSM统计降尺度方法对青海湖地区气象观测站实测日数据(1961—1990年)进行统计降尺度研究,应用独立的观测资料(1991—2000年)验证发现该方法在高海拔地区气温变化研究方面具有一定的适用性,所有观测站的日均误差均在1℃左右。对未来两种排放情景预估发现,未来气温变化表现出一致的升温趋势,且随着时间的推移升温趋势逐渐增加。从A、B两种气候情景的预估结果来看,21世纪中叶B情景下的增幅略大于A情景,不同月和季表现不同;到21世纪末A情景的下的月、季增幅均大于B情景。夏季增温最明显,秋季或冬季的增幅最小。21世纪中叶,平均增幅为1.87℃左右,到本世纪末,平均增幅达到3.69℃左右。这个结果与前人的研究预测基本一致。