论文部分内容阅读
有关降水、温度异常的季度气候预测已有长期且系统的研究,然而将降水预测转换成流域水循环变量异常的季度水文预测,在国内外均处于起步阶段,季度气候水文预测也成为当今国际气候研究的前沿领域。本论文基于动力学气候模式和陆面水文耦合模式,以淮河流域为研究流域,系统评估了现有的气候预测系统对我国及淮河流域气候异常的预测技巧,以及陆面水文耦合模式在淮河流域的模拟能力,探讨了气候模式预测变量的误差订正及时间降尺度方法,建成了适合于淮河流域的动力学季度水文集合预测系统(SHEPS—Seasonal HydrologicalEnsemble Prediction System),并开展了淮河流域1982~2006年(共25年)的集合回报试验,初步评估了SHEPS预测系统对淮河流域水文过程的季度预测水平。本论文的主要结论如下:
(1)基于美国国家环境预报中心(NCEP)的新一代气候预测系统CoupledForecast System model version2(CFSv2)的1982~2008年(共27年)的集合回报结果,评估了预测系统对中国特别是淮河流域夏季降水和气温的预测技巧,分析结果表明:对降水而言,模式集合平均和降水气候态的空间相关系数(PCC)达0.65,但模式中减小了降水气候态的空间差异,在东南地区偏干,在西南地区偏湿,且在淮河流域有一个显著的负偏差(偏干1~3mm/d);CFSv2对中国夏季降水的年际变化预报技巧有待提高,回报集合平均和中国观测降水的时间相关系数(TCC)为0.15,和淮河流域观测降水的TCC为0.08,且模式在1月和2月起报的集合样本对淮河流域夏季降水的预报技巧较低,在3、4和5月起报的集合样本预报技巧较高,其中3月起报的预报技巧最高。对于气温,模式的预报技巧高于降水,模式集合平均对中国夏季气温气候态的PCC为0.95,TCC为0.52,其中对淮河流域的TCC为0.31;模式在1月、4月和5月起报的集合样本对淮河流域夏季气温的预报技巧较低,在2月、3月起报的集合样本预报技巧较高。
(2)基于陆面水文耦合模式(Coupled Land surface-Hydrology Model System,CLHMS)的1980~2003年(24年)的长期模拟试验,系统评估了模式对淮河流域水文过程的模拟能力。研究结果表明:CLHMS对淮河流域水循环过程以及空间分布具有良好的模拟能力,尤其对湿润年份流域的水量平衡以及河道流量的季节、年际变化的模拟明显优于降水偏少的干旱年份,干旱年份模式模拟流量偏大,其中对湿润年和干旱年蚌埠站的水量平衡系数(WBI)分别为1和1.6,Nash效率系数(NSI)分别为0.85和0.02,Pearson相关系数(PMC)分别为0.93和0.79,标准化均方根误差(NRSE)分别为0.58和0.13。CLHMS对淮河流域水文过程的模拟技巧具有显著的年代际差异,模式在1980年代模拟能力较强,而在1990年代模拟能力相对偏低,这主要是由于1990年代多为降水偏少的干旱年,而模式对干旱年流量模拟误差较大。进一步分析表明,降水驱动资料准确与否是陆面水文模拟最主要的不确定性来源之一,而可以保持较强降水日变化的时间解集方法,也是保证合理模拟流域水文过程的重要因素。
(3)基于CFSv2气候预测系统以及CLHMS陆面水文耦合模式,发展了相应的大气集合预处理分系统和水文集合预报评估分系统,初步建立了以流域月平均—季节平均的河道流量为预测变量的淮河流域动力学季度水文集合预测系统SHEPS,其中大气集合预处理系统包括贝叶斯合并前处理、历史相似性集合选样前处理以及映射法时间尺度匹配前处理等。对大气集合预处理系统的评估发现,前处理方法比较有效地改进了气候预测系统的回报CFSRR的概率分布并排除了预报年的非相似年份,从而提高了对淮河流域夏季降水和气温的预报技巧,并显著减小了CFSRR对淮河流域夏季降水和气温的负偏差。其中3月起报的前处理后的降水强迫CFSv2预报技巧最高(对6月和夏季平均降水的相关r2为0.25和0.14);5月起报的CFSv2强迫预报技巧改进最大,CFSv2强迫、长期径流预报(Extended Streamflow Prediction,ESP)的历史观测强迫和CFSRR强迫对淮河流域6月月平均降水的r2分别为0.22、0.13和0.1,而对淮河流域6月月平均气温预报的r2分别为0.62、0.56和0.03。
(4)利用SHEPS季度水文预测系统,结合气候预测结果,开展了淮河流域超前1~6个月的25年(1982~2006年)CFSv2和ESP集合回报试验,系统考察了SHEPS对淮河流域河道流量的季度预测技巧。回报结果表明:SHEPS系统的集合平均预报对淮河流域夏季河道流量有较高的预报技巧,由于CFSv2的大气强迫比ESP强迫更为准确,所以CFSv2回报试验对淮河流域夏季流量的预报技巧高于ESP试验,且预报技巧随预报超前时间的增加而降低,所以CFSv2回报试验对6月流量的预报技巧高于对夏季平均流量的预报技巧。当预报超前时间为1个月时,CFSv2试验预报的蚌埠站6月月平均流量和观测流量的PMC可达0.81,超前两个月时PMC为0.49,而当预报超前时间为3个月以上时系统的预测技巧较低,超前3个月和4个月时预报的蚌埠站6月流量的PMC分别为0.16和-0.07。对于高值事件、正常事件和低值事件的概率预报,CFSv2回报试验比ESP回报试验的预报技巧高,且CFS在积分超前时间为1个月时概率预报技巧最高,对蚌埠站6月月平均流量的Ranked Probability Score(RPS评分)为0.17,比ESP回报试验减小了6%左右。另外,CFSv2回报试验对淮河流域偏涝年的集合预报技巧高于偏旱年,其中对偏涝年的集合预报包含了蚌埠站观测流量63%左右的样本,而对偏旱年的集合预报仅包含了其13%左右的样本。