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。

鄱阳湖流域未来降水和气温变化模拟预测——基于SDSM统计降尺度方法

研究鄱阳湖流域的降水和气温变化为指导湖区防洪抗旱、保护生态、开发利用水资源和保证流域社会经济协调发展等具有重要作用。利用SDSM统计降尺度方法以及NCEP大尺度再分析数据对鄱阳湖流域降水和气温进行降尺度模拟,效果较好。利用全球气候模式HadCM3的输出,预测鄱阳湖流域在A2和B2情景下未来降水和气温变化。通过分析发现,未来降水相比基准年长期呈现整体减少趋势,而未来气温相比基准年长期呈现整体增加趋势,根据研究结果推论未来鄱阳湖径流可能会呈减少变化。

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。

统计降尺度方法研究进展综述

统计降尺度方法是将大气环流模式GCMs输出的低分辨率的气象资料转换为流域尺度的主要方法之一,现已发展成为气候学中较为完善的领域。简要介绍了统计降尺度方法的基本原理,包括基本假设条件及主要步骤和关键点;重点介绍统计降尺度方法,大致分为转换函数法、天气分析技术和天气发生器这三类,并对几种方法的国内外应用进展做了阐述;对统计降尺度方法的不确定性研究做了简要介绍。指出未来研究应重点研究统计降尺度模型的适用条件及范围、提高降水模拟的精度;统计降尺度与动力降尺度两种降尺度结合的方法将是降尺度主要发展方向之一。

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。

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。

长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解(EOF,Empirical Orthogonal Function)迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数(ACC)平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。

统计降尺度方法对江苏地区极端气温的模拟

本文用统计降尺度方法(SDSM)对江苏地区最高、最低气温进行了模拟,结果表明:SDSM统计降尺度技术对江苏地区夏季最高气温和冬季最低气温平均值的模拟效果相当好;对年最低气温极大值和年最高气温极大极小值以及夏季最高气温极大值的模拟效果还不错;而其他极值的模拟效果不是很理想。由于对极值的平均值模拟较好,对未来气候的趋势模拟会比较有实际意义。

基于SDSM的疏勒河流域气候变化统计降尺度研究

疏勒河流域属于气候变化敏感区和生态脆弱区,开展该流域未来气候变化研究,对于水资源合理利用及生态环境保护具有重要意义。为预估该流域的未来气候变化,采用SDSM（statistical downscaling model）模型,根据6个地面气象站41年（1961—2001年）的观测数据、NCEP数据和Had CM3模式模拟数据开展未来气温和降水降尺度研究。结果表明：SDSM对气温的月值模拟精度较高,各站月平均气温纳什效率系数均在0.98以上;SDSM对降水的月值模拟值较实测值整体偏高,模拟效果最好的托勒站月累计降水的纳什效率系数达到0.6。SDSM能较好地模拟气温的年际变化,模拟的年际变化趋势与实测值相差不大;但SDSM对降水的年际变化模拟较差,一些站点的变化趋势方向相反,趋势模拟最好的站点为托勒站和瓜州站。根据SDSM预估结果,与1961—2001年平均值相比,2020—2039年各站点的平均气温均有所升高,A2情景下升幅为（0.8~1.9）℃,B2情景下升幅为（1~2）℃;降水在A2和B2情景下差别不大,其中托勒站减少约54 mm,马鬃山站增加6 mm。研究发现,除托勒站外,疏勒河流域与预报变量相关性最高的预报因子并不在站点所在网格,而是其东侧网格,其原因有待进一步研究。

基于统计降尺度的黄河源区气象极值预测

针对全球气候变化对水文过程及极值事件的影响,在HadCM3的A2、B2情景下,应用统计降尺度模型(SDSM)预测了黄河源区未来气温、降雨和蒸发极值的变化趋势,并讨论了模拟效果。结果表明,模型对温度极值的捕捉效果不错,但降雨和蒸发略差,尤其是降水量、蒸发量较大的夏秋季。多数降水极值指标的变化趋势能成功模拟,而对量的捕捉能力是随指标变化的,黄河源区未来不同季节平均气温、蒸发的平均值、极值均呈增加趋势,最大持续干旱日显著减少,极端降雨强度在春秋季节大幅增加。这些变化将对高原寒区的水文及生态环境带来积极影响。

基于统计降尺度的乡镇预报方法的研究

通过反复计算比较，在辽宁省地理环境条件下使用IDW的差值结果，并且用梯度距离权重反比法（GIDW）对最低气温和最高气温进行海拔高度的订正，之后产生的模式化预报结果。对二者2013~2015年间的准确率和平均误差进行分析可以得出，其中市级指导预报用中心站点预报代表区域内乡镇站点预报值，这里选取沈北新区站点的数据。

我国东部夏季降水量统计降尺度的可预测性研究

利用1951—2007年逐月的北半球500 hPa高度场资料,使用降尺度技术和偏最小二乘回归方法,对我国东部夏季6—8月降水量作可预测性研究。用全球大气与热带太平洋相耦合的数值模式(CGCM)输出的500 hPa高度场作为因子场,利用建立的预报模型作预报试验。试验结果表明,以北半球东亚40°E^180°地区的500 hPa高度场是较佳的降尺度因子场。预报模型的建立与使用的提取主分量个数和资料时期有关,提取主分量数在4~7、样本容量取32~43时有较好的预测效果。试验结果还表明,以CGCM模式输出的500 hPa高度场作为因子场进行预测,有一定的预测能力。

降水的统计降尺度预报及其空间相关性和时间连续性重建

利用欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)以及英国气象局(UKMO)四个中心1~7 d日累计降水量集合预报资料,以中国降水融合产品作为"观测值",对我国地面降水量进行统计降尺度预报,并对预报降水的空间相关性和时间连续性进行重建。对降水量进行分级后,建立各个量级的回归方程进行统计降尺度预报。此外,还利用Schaake Shuffle方法重建丢失的空间相关性和时间连续性。结果表明,分级回归比未分级回归后的预报结果相关系数更高,预报误差更小,更接近观测值。Schaake Shuffle方法可以有效地改进降水预报的空间相关性和时间连续性,使之更接近实况观测,集合成员间的相关性也更好。

新疆夏季降水和冬季气温预测方法及效果评估

利用4个国内外先进的气候模式(国家气候中心、ECMWF、NCEP和JMA)业务预测数据,采用2种多模式集合方法(等权平均和超级集合)、3种降尺度方法(BP-CCA、EOF迭代、高相关回归集成)和3种统计方法(CCA、最优气候值、高相关回归集成)以及降尺度集成和降尺度—统计方法集成,分析了目前季节模式、多模式集合、降尺度、统计方法、降尺度—统计集合等目前常用气候预测技术对新疆夏季降水和冬季气温的业务预测能力。研究表明,以上技术方法对新疆夏季降水和冬季气温的预测能力有较大差别。目前先进的气候业务模式的预测技巧普遍很低,多模式超级集合和降尺度方法的技巧常高于单个模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同时,统计方法和降尺度方法的预测技巧通常较为接近,而对二者进行超级集合可以具有相对很高的预测技巧。此外,现有常用气候预测技术方法对新疆夏季降水和冬季气温的趋势有一定的预测能力,但对气候异常的空间分布基本无预测能力。建议新疆气候预测技术围绕统计和降尺度方法集合发展。

基于主成分分析与逐步回归法的降尺度预报模型及应用

全球气候模式(GCM)的空间分辨率较低,缺少趋于气候信息,很难精确预测区域尺度的气候变化,而统计降尺度法简单,可弥补此缺陷。结合NCEP数据和国家气象观测站的站点数据构建月平均降水量的统计降尺度模型,选取HadCM3、ECHAM5和CSIRO-Mk3.0模型的SRA2气候排放情景,并采用主成分分析及多元线性回归相结合的方法预测了淮河流域蚌埠上游地区未来30年的降水变化趋势。结果显示,检验期逐月降水量拟合结果较好,未来30年年平均降水量与基准年相比有上升的趋势。

SDSM模型在海河流域统计降尺度研究中的适用性分析

全球气候变暖对陆地水循环会产生重大影响，统计降尺度方法是解决大尺度气候信息和小尺度水文响应的空间尺度不匹配问题的有效方法之一。选取NCEP／NCAR再分析日资料（简称NCEP）和HadCM3在A2和B2情景下的大气变量日资料（简称H3A2和H382），并选取海河流域上11个站点1961年～2000年日平均温度、蒸发皿蒸发量以及降水的实测资料，采用SDSM（the Statistical Down—Scaling Model）方法，进行海河流域气候变化特征量的降尺度研究。研究表明：①使用SMLR（Stepwise Multi—Line Regression）方法，可以在广阔的空间范围内优选出具有一定物理机制的适用于不同预报量的预报因子；②SDSM方法对日平均温度、蒸发皿蒸发量以及降水都能较准确模拟，其观测与模拟值的确定性系数分别可达99％，92％和73％以上；③SDSM方法在模拟极端事件时存在一定系统偏差，而且模拟的峰值略滞后。

基于SDSM的珠江中上游气候模拟及未来情景预估

预估喀斯特生态脆弱区的未来气候变化对于区域资源的合理开发利用及生态环境保护具有重要参考价值,而目前应用降尺度方法模拟喀斯特地区的未来气候情景仍存在较大的探讨空间。本文依据珠江流域红柳江区13个气象站1961-2001年的实测日气温、日降水量资料和全球大气NCEP再分析资料,采用SDSM模型预测流域在HadCM3模式SRES A2和B2两种排放情景下未来年份气温和降水的变化趋势。结果表明:(1)SDSM模型可以较为准确地模拟研究区的气温和降水变化,确定性系数分别可达99%和65%左右;(2)A2、B2两种情景下,21世纪气温和降水均表现出明显的上升趋势,且随时间推移增幅逐渐增大。截至21世纪末,A2、B2两种情景下的年平均气温变化分别为+3.39℃和+2.49℃,日均降水将分别增加117.30%和80.90%;(3)未来的气温上升以秋季和春季变化最为明显,降水则表现为夏季降水增幅最大。分析成果可为喀斯特区的气候变化影响评价与应对决策提供数据基础和理论依据。

基于统计降尺度方法的高寒山区未来气候变化预估

高寒山区未来气候变化预估,对于了解该区域未来水资源的变化和指导区域水资源的合理开发利用具有重要意义。基于实测气象站点数据、实测水文站点数据、NCEP/NCAR再分析资料和全球气候模式Had CM3数据,采用统计降尺度方法预估了高寒山区未来(2020—2099年)气候变化情况。结果表明:1率定的SDSM统计降尺度模型能够较好地反映降水与气温的变化趋势;2协合拉站未来降水总体上呈减少趋势(尤其是7—8月),但在不同排放情景下波动变化较复杂;3协合拉站未来气温持续升高,尤其以2070s(2070—2079年)后较明显,升高幅度最大发生在8月;4未来该区域降水的减少及气温的升高将影响冰川与积雪的储量,加速高寒山区冰川与积雪的消融量,影响以冰雪融水补给为主河流的水资源量,进而影响区域社会经济的发展,加剧不同用水部门的矛盾。

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。

基于SDSM的抚河流域未来极端气温模拟与预估

SDSM(Statistical Downscaling Model)统计降尺度模型是解决空间尺度问题的一种有效工具。基于统计降尺度技术和GCM输出数据,结合站点实测数据,将SDSM模型应用在抚河流域,分析了抚河流域未来最高气温与最低气温的变化趋势。使用1961-1990年和1991-2005年2个时段的实测数据和NCEP再分析数据,选取合适的NCEP大气环流因子作为预报因子,建立最高和最低气温预报量和预报因子之间的经验统计关系;并以CanESM2输出的未来数据(包括RCP2.6、RCP4.5和RCP8.5 3种情景)为输入,模拟未来3个时期的极端气温变化,即A(2006-2035年)、B(2036-2065年)、C(2066-2100年)。结果表明:流域未来最高气温和最低气温都呈现明显上升趋势,最高气温和最低气温平均增加1.69℃、2.44℃,最低气温上升幅度高于最高气温;在2种气温各个情景下平均增温约2.07℃,说明未来抚河流域有出现极端高温天气的风险。分析结果对抚河流域开展气候变化的水文响应研究、水资源合理利用及生态环境保护具有重要意义。