论文部分内容阅读
气候模式作为气候变化模拟和预估分析的主要工具，已被广泛应用于生态、水文、环境、大气等各个领域的研究之中。本文基于南亚大河流域CMIP5中21个全球气候模式集合数据、动力降尺度区域气候模式COSMO-CLM及统计降尺度全球模式GFDL-ESM2M所提供的逐日气温和降水数据，根据模式对南亚大河流域气温和降水的时空模拟能力进行了客观的评估，在此基础上对21世纪前期（2016-2035年）、中期（2046-2065年）和末期（2081-2100年）气温和降水的变化进行了预估，针对模式间预估结果的不确定性进行讨论，得出以下结论: (1)根据CRU观测数据集，1961-2005年南亚大河流域气温较高月份主要集中在5-8月之间，6月气温最高，其余月份气温相对较低，CMIP5多模式集合数据、CCLM和GDFL-ESM2M均能很好的模拟出各月平均气温最大值、最小值和均值等指标，较好地模拟出了各月气温的分布情况，相关系数高，均通过了95％显著性检验，系统性偏差较小，CMIP5多模式集合数据在气温较高月份模拟效果略优于单个降尺度模式。 (2)CMIP5多模式集合、CCLM和GFDL-ESM2M对于南亚大河流域1961-2005年年平均气温均有较好地模拟效果，都模拟出了流域整体呈南高北低的空间分布特征，并能模拟出各季节平均气温的空间分布差异;多模式集合模拟年均温和各季平均气温与CRU数据偏差最小，模拟能力优于单一模式。 (3)根据与观测数据集APHRODITE各项指标的比较发现，1961-2005年南亚大河流域降水量均集中于6-9月份，其余月份降水量较少，CMIP5多模式集合、CCLM和GFDL-ESM2M均能较好的模拟出月平均降水变化的分布特征，与观测到的特征相关性较高;同时各模式对于月降水量的最大值、最小值和平均值有较好的模拟，模拟值均略高于实际观测值，且降水较低的月份模拟能力优于降水充沛的月份，多模式集合模拟数值分布观测数据更为相近。 (4)CMIP5多模式集合、CCLM和GFDL-ESM2M三种模式能较好地模拟出整个流域1961-2005年年降水量东多西少、南多北少的空间分布格局，并能模拟出各季节降水的差异和空间分布。模式空间上存在高估和低估区域，各模式模拟的降水在定量上略高于观测数据;多模式集合模拟结果与APHRODITE数据偏差三者中较小，其模拟效果相对优于单一模式。 (5)基于三种气候模式对于年平均气温的预估结果，RCP2.6、4.5和8.5情景下，21世纪前期（2016-2035年）、中期（2046-2065年）和末期(2081-2100年)年平均气温均呈现上升趋势，RCP8.5情景下增速最快，RCP2.6情景下年平均气温变化较小，其中全球模式GFDL-ESM2M的预估结果最高，多模式集合数据气温最低;空间上，相对于基准期（1986-2005年）流域整体呈现一致上升趋势，且北部上升幅度较大，南部幅度较小;平均气温随RCP情景增大而增幅越大。 (6)基于三种气候模式对于年平均降水的预估结果，RCP2.6、4.5和8.5情景下，21世纪前期（2016-2035年）、中期（2046-2065年）和末期(2081-2100年)年平均降水均值主要分布在1110-1200mm之间，多模式集合数据在末期的预估结果远高于其他两种模式;空间上，RCP2.6、4.5和8.5情景下，相对于基准期（1986-2005年）各模式模拟年平均降水量空间分布各有差异。CMIP5多模式集合预估结果主要呈增长趋势，降水减少区域分布在印度河北部及湄公河南部地区;然而单一区域模式和单一全球模式预估结果表明流域降水整体呈下降趋势。 (7)根据三种气候模式对于气温的预估结果，分析发现:21世纪前期，RCP2.6、4.5和8.5情景下，气温预估的不确定性大小随排放情景递增而减小，21世纪中、后期，RCP2.6情景下不确定性大小整体呈下降趋势，RCP8.5情景下，不确定性大小随时间递增，范围随时间而减小。降水预估的不确定性大小在RCP2.6和4.5情景下，21世纪前、中、后期呈现一个“增-增-减”的趋势，RCP8.5情景下，不确定性范围和大小随时间递增。