论文部分内容阅读
引入非齐次隐马尔可夫模型(Nonhomogeneous hidden Markov model, NHMM)统计降尺度方法,利用1961-2002年江淮流域夏季逐日降水资料、欧洲中期天气预报中心(ECMWF)ERA-40再分析资料建立NHMM降尺度模型,检验其对东部季风区(以江淮流域为代表)夏季日降水的模拟能力,并进行BCC-CSM1.1(m)、IPSL-CM5A-MR、MPI-ESM-MR模式NHMM降尺度前后模拟效果的对比。最后采用上述3个气候模式输出的环流资料驱动NHMM,对典型浓度路径RCP4.5 (Representative Concentration Pathway 4.5)情景下江淮流域夏季降水在21世纪前期(2016-2035年)、中期(2046-2065年)和末期(2081-2100年)的变化进行预估。得到以下主要结论：(1)基于各环流变量与江淮流域夏季降水的年际相关系数,对不同环流变量组合建立的降尺度模型模拟效果进行对比,发现500hPa位势高度、海平面气压、500hPa纬向风场和500hPa相对湿度4个预报因子的组合,可作为江淮流域NHMM降尺度的最优预报因子。(2)独立检验期对NHMM模拟能力的评估表明,NHMM方法通过建立降水概率分布态间转移参数与大尺度环流变量之间的联系,对江淮流域逐日降水量具有较好的降尺度效果。模拟的各站的日降水量概率分布曲线(Probability Distribution Function,PDF)与观测非常接近,Brier评分(Brier Score, BS)均小于0.11%,显著性评分(Significance Score, Sscore)均大于0.84；夏季总降水量、降水日数、中雨日数、降水强度和95%分位降水量指数在大部分台站的偏差百分率绝对值低于10%,空间相关系数高于0.75；各指数区域平均的模拟序列与观测序列的年际相关系数均高于0.62。(3)NHMM方法能够有效提高气候模式对江淮流域夏季日降水量的模拟能力。3个气候模式及模式集合经NHMM降尺度后,BS值的中位数分别降低0.55%、0.29%,0.03%,0.15%, Sscore的中位数分别增加0.23、0.22、0.07和0.16,模拟的日降水量概率分布曲线更接近于观测；各降水指数气候场的偏差百分率绝对值普遍降至10%以下,空间相关系数由小于0.6提高至0.8以上,均方根误差则均小于0.75,与观测值更为接近。(4)RCP4.5情景下,未来江淮流域的夏季降水总体呈增加趋势。根据多模式降尺度集合的模拟结果,21世纪前、中、末期,区域平均夏季总降水量分别相对于当前气候情景(1986-2005年)增加9.57%、17.43%、19.16%；降水日数分别增加7.65%、13.54%、14.92%；降水强度分别增加1.77%、3.37%、3.52%；中雨日数分别增加9.21%、16.61%、18.54%；95%分位降水量分别增加2.11%、3.72%、3.85%；连续干日指数则分别减少-8.35%、-10.44%和-11.10%。(5)各降水指数在RCP4.5情景下的相对变化率(相对1986-2005年)空间分布表明,21世纪夏季总降水量、降水日数、降水强度、中雨日数、95%分位降水量在大部分台站将增加,即极端降水将增加,连续干日则相对当前气候情景减少。各指数的相对变化幅度在21世纪前、中、末期逐步增大,且夏季总降水量、降水日数和中雨日数的变化幅度要大于连续干日、降水强度和95%分位降水量,即降水频率增幅较大。另外,未来江淮流域夏季降水的台站间差异将逐步增大,表明未来降水的局地性可能会更强。