非齊次隱馬爾可夫降尺度方法對江淮流域夏季日降水的模擬與預估.pdf

1、引入非齊次隱馬爾可夫模型(Nonhomogeneous hidden Markov model，NHMM)統(tǒng)計降尺度方法，利用1961-2002年江淮流域夏季逐日降水資料、歐洲中期天氣預報中心(ECMWF)ERA-40再分析資料建立NHMM降尺度模型，檢驗其對東部季風區(qū)（以江淮流域為代表）夏季日降水的模擬能力，并進行BCC-CSM1.1(m)、IPSL-CM5A-MR、MPI-ESM-MR模式NHMM降尺度前后模擬效果的對比。最后采用上

2、述3個氣候模式輸出的環(huán)流資料驅動NHMM，對典型濃度路徑RCP4.5（Representative Concentration Pathway4.5）情景下江淮流域夏季降水在21世紀前期（2016-2035年）、中期(2046-2065年)和末期(2081-2100年)的變化進行預估。得到以下主要結論:
　　(1)基于各環(huán)流變量與江淮流域夏季降水的年際相關系數，對不同環(huán)流變量組合建立的降尺度模型模擬效果進行對比，發(fā)現500hPa位

3、勢高度、海平面氣壓、500hPa緯向風場和500hPa相對濕度4個預報因子的組合，可作為江淮流域NHMM降尺度的最優(yōu)預報因子。
　　(2)獨立檢驗期對NHMM模擬能力的評估表明，NHMM方法通過建立降水概率分布態(tài)間轉移參數與大尺度環(huán)流變量之間的聯系，對江淮流域逐日降水量具有較好的降尺度效果。模擬的各站的日降水量概率分布曲線(ProbabilityDistribution Function，PDF)與觀測非常接近，Brier評分(B

4、rier Score，BS)均小于0.11％，顯著性評分(Significance Score，Sscore)均大于0.84;夏季總降水量、降水日數、中雨日數、降水強度和95％分位降水量指數在大部分臺站的偏差百分率絕對值低于10％，空間相關系數高于0.75;各指數區(qū)域平均的模擬序列與觀測序列的年際相關系數均高于0.62。
　　(3)NHMM方法能夠有效提高氣候模式對江淮流域夏季日降水量的模擬能力。3個氣候模式及模式集合經NHMM降

5、尺度后，BS值的中位數分別降低0.55％、0.29％、0.03％、0.15％，Sscore的中位數分別增加0.23、0.22、0.07和0.16，模擬的日降水量概率分布曲線更接近于觀測;各降水指數氣候場的偏差百分率絕對值普遍降至10％以下，空間相關系數由小于0.6提高至0.8以上，均方根誤差則均小于0.75，與觀測值更為接近。
　　(4)RCP4.5情景下，未來江淮流域的夏季降水總體呈增加趨勢。根據多模式降尺度集合的模擬結果，21

6、世紀前、中、末期，區(qū)域平均夏季總降水量分別相對于當前氣候情景（1986-2005年）增加9.57％、17.43％、19.16％;降水日數分別增加7.65％、13.54％、14.92％;降水強度分別增加1.77％、3.37％、3.52％;中雨日數分別增加9.21％、16.61％、18.54％;95％分位降水量分別增加2.11％、3.72％、3.85％;連續(xù)干日指數則分別減少-8.35％、-10.44％和-11.10％。
　　(5)各

7、降水指數在RCP4.5情景下的相對變化率（相對1986-2005年）空間分布表明，21世紀夏季總降水量、降水日數、降水強度、中雨日數、95％分位降水量在大部分臺站將增加，即極端降水將增加，連續(xù)干日則相對當前氣候情景減少。各指數的相對變化幅度在21世紀前、中、末期逐步增大，且夏季總降水量、降水日數和中雨日數的變化幅度要大于連續(xù)干日、降水強度和95％分位降水量，即降水頻率增幅較大。另外，未來江淮流域夏季降水的臺站間差異將逐步增大，表明未來降