论文部分内容阅读
本文对比分析国家气候中心(NCC)以及IPCC数据中心(DDC)提供的多个被IPCC第四次评估报告所引用的气候模式的历史模拟结果,选取多个全球气候模式,将其在SRES A2、B1和A1B三种排放情景下对未来100年的气候情景的预估结果进行降尺度(Downscaling),给出云南未来100年间不同排放情景下的气候变化趋势在时间和空间尺度上的精细化预估结果,并在此基础上对云南未来100年气候变化规律进行预估和评价;并把统计降尺度模拟的1961～1999年的结果与ncep在分析资料气候模式的模拟结果进行了比较研究;我们还挑选1000hPa、850hPa、500hPa、200hPa作为低、中、高层大气的代表层,分析了多个全球气候模式1961～1999年1～12月月平均的位势高度、纬向U风以及经向V风模拟场与对应时段的NCEP再分析场之间整体空间相似程度、正负距平区域一致性以及模拟场与再分析场相关系数为正以及通过信度检验区域的比例。
通过9模式对云南区域降水模拟与观测值相关系数,我们可知1961～1999年云南区域降水的量级、时间演变趋势均没能很好地模拟再现,因此,各模式直接输出的云南区域降水结果的可信度不高;对1961～1999年云南区域内年平均降水的变化速率量级、分布形式均没有很好的模拟,因此,各模式直接输出的云南降水变化速率的可信度不高;9模式对云南区域温度模拟与观测值相关系数,我们可知1961～1999年云南区域降水的量级、时间演变趋势均没能很好地模拟再现,因此,各模式直接输出的云南区域温度结果的可信度不高;对1961～1999年云南区域内年平均温度的变化速率量级、分布形式均没有很好的模拟,因此,各模式直接输出的云南温度变化速率的可信度不高;对于大气环流场,9个模式对低、中、高层的位势高度、纬向U风以及经向V风的模拟场与对应时段的NCEP再分析场的空间相关系数均通过了α=0.05的信度检验;大部分模式在低、中、高各层许多月份的位势高度模拟场与对应时段的NCEP再分析场的相关场中正相关区通过信度α=0.05检验的格点占模式总格点数的比例都超过了20％,这表明这些模式对低、中、高各层许多月份的位势高度的模拟场有大片的可信区域。9个模式对低、中、高层的位势高度、纬向U风以及经向V风的模拟场与对应时段的NCEP再分析场的距平同号率在绝大部分月份都大于50%,这表明9个模式对低、中、高层的位势高度、纬向U风以及经向V风的模拟场基本能反映大气环流正负距平的分布趋势;气候模式对大气环流特征量的模拟效果较好,而地面降水、气温的模拟效果较差,不能很好地表征云南的地面降水、气温特征,因此采用降尺度方法对模式模拟结果进行处理有其必要性和可行性。
最后我们利用统计降尺度方法的快速模拟的优越性对多模式预估进行了初步的研究。通过本文研究可以得出以下结论:
1.建立大尺度气候与区域气温之间统计关系的研究中得出的主要结果是:(1)在大多数区域的站点,一个大气环流因子和一个温度因子的联合是最优的预报因子;不同的预报因子区域对气温降尺度模式的性能也有很大的影响,而且不同的模式不同的站点都有不同的最优预报因子和最优预报因子区域;(2)总体上来说对于气温的统计降尺度模式的模拟性能是比较好的,大多数区域平均最大相关系数都通过了百分之九十五的信度检验,只有giss模式的夏季气温模拟效果较低一些,这可能是因为giss模式的模式资料不是太全面有些区域模式模拟及输出的数据不是太好;但giss模式的其他季节也都超过了0.80,因此把统计降尺度方法应用于云南省气温预测是可行的;(3)对于复杂地形的高山地区,气温统计降尺度效果比其他地区略微差一些;(4)云南省113站点全省各个季节平均气温秋冬季气温统计降尺度模式的性能要高于春季和夏季,其中csiro_mk3,echam4,ipSl_cm4三个模式温度模拟效果最好,相关系数都达到了0.80;(5)尽管采用了统计方法进行气温的模拟,但是选择的预报因子及不同模式的输出数据对气温的影响具有明显的物理意义,因此可以说,统计降尺度方法仍然具有可靠的物理基础的,其回归系数明确地包括了站点的地形等地文特征的信息。
2.利用统计降尺度预估云南未来100年温度变化情景,得出以下结论:(1)春季:2011～2040年的气温估计值与当前气候条件下的估计值相比都有明显的增温趋势,一般增温小于1℃;2041～2070年和2071～2099年在A2,A1B两种情景下,增温明显高于2011～2040年,增温都超过1℃,B1情景模式下2041～2070年和2071～2099年增温幅度比2011～2040年不是太大;夏季:主要特征与春季相同,但增温幅度明显小于春季模拟的预报因子应用于统计降尺度模式,基本增温都在0.5℃以下;秋季:气温估计值与当前气候条件下的估计值相比都有明显的增温趋势,增温幅度大于春季;冬季:气温估计值与当前气候条件下的估计值相比都有明显的增温趋势,2071～2099增温幅度最大;年平均:总体来说云南各个地区在九个全球气候模式模拟的预报因子应用于统计降尺度模式在A2,A1B和B2三种情景模式下2011～2040年,2041～2070年和2071～2099年气温估计值与当前气候条件下的估计值相比都有明显的增温趋势,2071～2099增温幅度最大。(2)春季:无论2011～2040年还是2041～2070年和2071～2099年,A2情景的气温估计值与B2,A1B情景相比,除极少的地区偏低以外,大部分地区略偏高;夏季:2011～2040年,A2情景下平均气温值在云南省大部分地区普遍要比B2情景下的估计值略微偏低一些;2041～2070年和2071～2099年,云南省大部分地区A2情景降尺度估计值略大于B1情景,不过偏高不超过0.5℃,个别地区仍有偏低的现象。这说明夏季,A2情景和B1情景的统计降尺度结果的差别与春季相比偏小;秋季:2071～2099年A2情景的气温估计值与B2,A1B情景相比偏高,增温幅度较大;冬季:B1情景的气温估计值与A2,A1B情景相比偏低,温度变化幅度都小于0.5℃,2071～2099年比2041～2070年增温幅度不大;年平均:三个时间段,A2情景模式下气温估计值比A1B,B1情景模式偏高,增温幅度最大。
3.把统计降尺度模拟的1961～1999年结果与NCEP1961～1999年实测结果进行比较可以得出:在当前气候条件下,实测结果与统计降尺度的模拟结果,除个别年份变化幅度比较大以外,基本一致。在未来气候情景下,三个情景模式下模拟的结果变化趋势基本一致。
4.在对降水的统计降尺度研究中我们可以得出:
(1)通过交叉检验可知,cnrm_cm3模式下,秋季降水统计降尺度结果比其他三个季节明显要差;csiro_mk3模式下也是秋季的统计降尺度结果没有其他三个季节的好;echam4模式下,降水夏季的统计降尺度效果最好相关系数达到了0.85,冬季的比春季秋季的略低;echam5模式下,夏季的统计降尺度效果最好秋季的模拟效果略低;gfdl_cm2模式下,秋季降水统计降尺度结果比其他三个季节要低;giss模式下,夏季的统计浆尺度模拟效果最低;Hadcm3模式下,夏季的统计降尺度模拟效果较低;ipsl_cm4模式下四个季节的统计降尺度模拟效果变化不是太大;mri_cgcm2模式下,秋季的统计浆尺度模拟效果最低;基于9个全球气候模式环流场,利于最优因子筛选与岭回归(RR)结合的降尺度预估模型对云南区域1～12月降水以及温度的降尺度结果交叉检验相关系数可以看出,云南区域113站1～12月降水以及温度的降尺度结果交叉检验相关系数均通过α=0.01的信度检验,最高相关系数达到0.85,最低的相关系数也达到0.32,这表明建立降尺度预估模型具有较高可靠性。
(2)不同的大尺度气候模态对区域降水影响不同,而且并不是解释方差大的模态就一定对降水影响显著,与气温相比通过显著性检验的主分量趋向于解释方差较小的主分量,这说明降水更加局地化;我们选择的大尺度预报因子具有明显的物理意义。