统计降尺度方法及其评价指标比较研究

针对目前气候变化对水资源影响研究中关注的问题,以汉江白河上游为研究对象,比较研究统计降尺度方法及其评价指标。以美国环境预报中心/美国国家大气研究中心全球再分析资料、CGCM3和HadCM3的A2情景为大尺度气候背景资料,应用SSVM和SDSM统计降尺度方法对大尺度气候因子进行尺度降解,得到降水情景序列后作为水文模型的输入,通过模拟径流比较分析统计降尺度方法的优劣。研究结果表明,由不同统计降尺度方法得到的降水作为水文模型输入,模拟径流的结果相差很大;对广泛应用于统计降尺度方法的降水模拟评价指标和径流模拟结果进行比较,发现所采用的降水评价指标侧重于考虑降水的统计分布特征,不能完整地描述降水过程特性。分析认为,径流模拟结果应该作为气候变化对径流影响研究中统计降尺度方法评价的重要参考。     

量化气候变化对水文影响的降尺度方法的不确定性

人们普遍认为不确定性的主要来源是大气环流模式(GCMs)和温室气体排放情景(GGES)。主要通过比较6种降尺度方法,开展气候变化对加拿大魁北克省流域水文影响不确定性的量化研究。重组动力降尺度法和统计降尺度法,包括变换因子法和基于天气发生器的方法,利用平均流量过程线、年平均流量、洪峰流量和峰值时间作为标准,与水文模型模拟的规划期(2070～2099年,2085年为预测水平年)的水文情势与基准年(1970～1999年)的水文情势进行比较。结果显示,所有的降尺度方法都表明2085年气温升高。基于回归的统计方法预测的秋季和冬季气温增幅较大,而由于依赖于降尺度法和季节,降水量的变化并不像温度那样明确;冬季(11～4月)流量普遍增加,而大多数方法预测夏季流量减少;与大多数预测的秋季和冬季温度上升一致,基于回归的统计方法显示冬季径流急剧增加和洪峰流量大大减少。在所有的变量中,发现不确定性包络线与降尺度法的选择有关,将该包络线与源于28个气候变化预测选择的包络线进行了比较,这28个气候变化预测是从7个全球气候模式和3个温室气体排放系统GGES得出的,这两种不确定性包络线相似,后者略大。     

太湖流域气候变化检测与未来气候变化情景预估

基于1954—2006年太湖流域6个气象站点的降水、气温资料,探讨了1954年以来太湖流域的气候变化问题,并同时应用统计降尺度模型SDSM和动力降尺度模型PRECIS,对太湖流域的日降水量和日最高、最低气温进行降尺度处理,建立未来2021—2050年的气候变化情景。结果表明:20世纪90年代以来,太湖流域发生了突变式增温,冬、春季节尤为显著;太湖流域降水变化相对较复杂,Mann Kendall法检测到太湖流域年降水量呈振荡性周期变化,并在1980年和2003年发生突变,而Pettitt方法没有检测出太湖流域年降水量的突变。两种降尺度方法模拟的未来时期日最高、最低气温季节和年的变化情景增幅总体上基本一致,均呈显著增加趋势,与Mann Kendall趋势分析结果一致,高排放情景A2下模拟生成的情景增温幅度较低排放情景B2大,最高气温增加幅度比最低气温明显。降水变化情景差异较大,SDSM模拟的未来时期降水并无明显变化趋势,而PRECIS模拟结果与趋势检验结果较为一致,即未来降水增加趋势明显,增幅较大,总体上全流域年降水量呈增加趋势,并且在未来一段时间内仍将持续增加。     

拉萨河流域TRMM降水数据统计降尺度及其有效性研究

利用2001-2014年TRMM 3B43、MODIS等数据,采用"统计降尺度+GDA校正"的方法对拉萨河流域TRMM 3B43降水数据进行降尺度校正,构建高分辨率TRMM降水数据.在对TRMM 3B43降水数据进行适用性检验的基础上,构建了 TRMM月降水量与气温、NDVI因子间的多元线性回归关系,获得更为精细的0....     

应用光滑支持向量机预测汉江流域降水变化

统计学降尺度方法是国内外研究全球气候模型尺度降解的热点问题。研究和探讨了基于光滑支持向量机的统计学降尺度方法;建立大尺度气候观测资料和实测降水之间的统计关系;模拟和预测汉江流域降水变化,并同传统的多元线性回归分析方法相比较。结果表明,基于光滑支持向量机的统计学降尺度方法的模拟精度不仅高于多元线性回归分析方法,而且明显优于CGCM2气候模型的输出降水结果。     

黄河源区未来气候变化情景预测

在经验正交函数展开的基础上,通过对主分量和大尺度预报因子进行最优回归,确定了流域降尺度统计模式。基于该模式对黄河源区2011—2040年中高排放情景、全球人口不断增加及中低排放情景、全球人口增长较少两种气候情景进行了分析。结果表明:黄河源区未来气温将明显升高,降水量略有增大,水资源压力将趋于增大。     

基于ATAK的MSWEP数据空间降尺度及对降水融合的影响研究

全球性降水数据为获取大范围降水空间分布提供了新途径,但其空间分辨率不高一直是制约其应用于流域或区域尺度上的重要因素之一,因此研究全球性降水数据的空间降尺度方法具有重要的理论和实用价值。本文采用从区域到区域的Kriging(Area to Area Kriging, ATAK)和反距离权重(Inverse Distance Weighted, IDW)两种方法,不考虑地面雨量资料及影响雨量的有关辅助信息,在汉江流域将全球性降水数据MSWEP的空间分辨率由0.1°×0.1°提高至0.02°×0.02°。结果发现ATAK降尺度得到的月雨量场虽然在统计精度上与IDW无明显差异,但提高了对月降水量局部空间变异特征的描述能力,在一定程度上克服了IDW的平滑效应。进一步以ATAK、IDW降尺度处理后的MSWEP数据以及不作空间降尺度处理的原始MSWEP数据为背景场,采用GWR方法分别与雨量站网降水数据融合,发现3种情况下得到的月降水融合数据在空间基本格局上相同,精度统计结果也较为接近,但雨量场的空间连续性及细节特征仍有一定差异。在地表雨量站网密度较高的情况下,背景场差异对MSWEP和站点降水融合结果...     

多模式下泾河上游流域未来降水变化预估

利用站点实测资料、GCMs 月数据对 GCMs 进行秩评分评估排序, 从 21 种 GCMs 模式优选出的 6 种 GCM模式的日数据、6 种 GCM 集成的气候模式、站点实测资料和 NCEP 再分析资料构建统计降尺度模型 SDSM, 预估泾河上游流域的未来降水变化。结果表明: 构建的降尺度模型对降水模拟较为可靠, 率定期各模式决定系数 R2 为 0.228~ 0.324, 标准误差为 0.354~ 0.450, 率定期和验证期模拟月均降水与实测值年内分布相近。在降尺度性能评价中集成模式表现最好。在 RCP 4.5 情景下, 泾河上游流域未来降水大多数模式和集成模式呈增加趋势, 到 2030 年泾河上游流域降水量将增加 4.8% , 且当地的春季雨量会增加, 夏季雨量会减少。     

农业节水灌溉尺度分析方法研究进展

在阐述节水灌溉尺度效应内涵和尺度效应存在原因的基础上,从数据获取途径、节水尺度效应描述方法和节水尺度转换方法等3个方面当前的发展进行了评述,并探讨了节水尺度分析方法的主要发展趋势。现有研究成果表明,试验监测、遥感和GIS技术是数据获取、分析的主要途径;不同尺度试验方法和数值模拟方法在一定程度上描述了水均衡要素的尺度效应以及作物与水、肥的响应关系;而分形理论、地质统计学和小波分析等非线性理论在尺度转换方面也有一些研究工作。针对目前研究情况,指出了大尺度上水循环描述和不同尺度间水均衡变量尺度转换等尺度分析方面的研究,是重点发展方向和主要研究内容。     

统计降尺度方法对黄河上游流域气象要素模拟分析

将CMIP5模式的输出作为降尺度的输入来预估区域性气候的研究较少,本文使用CMIP5中精度较高的Can ESM2模式下的RCP4.5情景(中等温室气体排放)对黄河上游流域未来气象要素进行预估。利用黄河上游流域(上诠站以上)14个气象站点1967-2010年的逐月降水、气温和NCEP再分析资料,选取拟合度、均值相对误差、标准差相对误差作为评价指标,利用逐步回归算法筛选22个预报因子,建立了月资料序列的统计降尺度模型,并将模型应用于CMIP5中Can ESM2模式下RCP4.5情景,产生了未来气候要素的变化情景。结果表明:该模型对降水的模拟效果好于对气温的模拟。     

日雨量随机解集模式研究

全球气候模式(GCMs)预测的气候变化情景，必须经解集模式得出小尺度上未来气候变化时空分布资料，才能满足评估气候变化对资源、环境和社会经济等影响的需要。本文提出由随机天气生成器和统计参数尺度转换关系组成的随机解集模式，应用17个站32年实测日降雨资料，对随机解集模式进行了分析和验证。首先利用随机天气生成器，通过对站点和GCM尺度面平均降雨系列的模拟，确定模型参数，验证模型模拟历史降雨过程的可靠性。然后，建立模型参数从大尺度向站点转换的关系，并从历史降雨系列中抽出某一日雨量系列，假设为未来气候变化情形，对降雨系列在不同尺度间的转换关系进行了验证。在此基础上，对GCMs预测结果的时空解集方法进行了探讨。     

A statistical approach to multisite downscaling of daily extreme temperature series: A case study using data in Bangladesh

Downscaling techniques are required to describe the linkages between Global Climate Model outputs at coarse-grid resolutions to surface hydrologic variables at relevant finer scales for climate change impact and adaptation studies. In particular, several statistical methods have been proposed in many previous studies for downscaling of extreme temperature series for a single local site without taking into account the observed spatial dependence of these series between different locations. The present study proposes therefore an improved statistical approach to downscaling of daily maximum (Tmax) and minimum (Tmin) temperature series located at many different sites concurrently. This new multisite multivariate statistical downscaling (MMSD) method was based on a combination of the modeling of the linkages between local daily temperature extremes and global climate predictors by a multiple linear regression model; and the modeling of its stochastic components by the combined singular value decomposition and multivariate autoregressive (SVD-MAR) model to represent more effectively and more accurately the space-time variabilities of these extreme daily temperature series. Results of an illustrative application using daily extreme temperature data from a network of four weather stations in Bangladesh and two different NCEP/NCAR reanalysis datasets have indicated the effectiveness and accuracy of the proposed approach. In particular, this new approach was found to be able to reproduce accurately the basic statistical properties of the Tmax and Tmin at a single site as well as the spatial variability of temperature extremes between different locations. In addition, it has been demonstrated that the proposed method can produce better results than those given by the widely-used single-site downscaling SDSM procedure, especially in preserving the observed inter-site correlations.     

鄱阳湖流域未来降水变化预测分析

利用鄱阳湖流域的 13 个国家气象站 1961-2001 年的实测降水数据和 NCEP 再分析数据,建立了鄱阳湖流域降水的统计降尺度模型;在 IPCC 2000 年排放情景特别报告（ SRES ）中的A2和B2 排放情景下,应用 HadCM3 的输出数据,预测鄱阳湖流域未来3个时段（2010-2039 年、 2040-2069 年、 2070-2099 年）的降水变化情况。结果表明：鄱阳湖流域大部分区域的降水量有所增加,在本世纪末最大可能增加 11.15% 。     

气候变化对嘉陵江流域降水变化影响分析

以长江上游支流嘉陵江为研究对象。利用嘉陵江流域的11个国家气象站1961年-2001年的实测降水数据和NCEP再分析数据,建立了嘉陵江流域降水的统计降尺度模型。在A2和B2排放情景下应用HadCM3的输出数据,预测嘉陵江流域未来三个时期（2010年-2039年、2040年-2069年、2070年-2099年）降水变化情况。分析结果表明相对于基准期的模拟降水量,在HadCM3的A2和B2排放情景下．模拟得到嘉陵江流域大部分区域的降水量有明显上升趋势。     

RF-SVR降尺度模型在滦河流域的适用性分析

探讨了RF-SVR统计降尺度模型用于汛期极端降雨模拟的可能性.该统计降尺度模型由降雨状态分类和降雨量预测回归两部分构成,降雨状态分类过程中采用了随机森林(RF)方法,降雨量预测回归过程采用了支持向量机回归(SVR)法.选用1961-2000年的NCEP/NCAR再分析资料及滦河流域10个雨量站点的降雨观测数据进行模型率...     

Optimal Selection of Predictor Variables in Statistical Downscaling Models of Precipitation

Two screening methods aimed at selection of predictor variables for use in a statistical downscaling (SD) model developed for precipitation are proposed and evaluated in this study. The SD model developed in this study relies heavily on appropriate predictors chosen and accurate relationships between site-specific predictand (i.e. precipitation) and general circulation model (GCM)-scale predictors for providing future projections at different spatial and temporal scales. Methods to characterize these relationships via rigid and flexible functional forms of relationships using mixed integer nonlinear programming (MINLP) formulation with binary variables, and artificial neural network (ANN) methods respectively are developed and evaluated in this study. The proposed methods and three additional methods based on the correlations between predictors and predictand, stepwise regression (SWR) and principal component analysis (PCA) are evaluated in this study. The screening methods are evaluated by employing them in conjunction with an SD model at 22 rain gauge locations in south Florida, USA. The predictor variables that are selected by different predictor selection methods are used in a statistical downscaling model developed in this study to downscale precipitation at a monthly temporal scale. Results suggest that optimal selection of variables using MINLP and ANN provided improved performance and error measures compared to two other models that did not use these methods for screening the variables. Results from application and evaluations of screening methods indicate improved downscaling of precipitation is possible by SD models when an optimal set of predictors are used and the selection of the predictors is site-specific.