版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 自組織映射神經網絡(SOM)降尺度方法對江淮流域逐日降水的模擬與預估.pdf
- 統(tǒng)計降尺度方法對江淮地區(qū)極端氣候的模擬與預估.pdf
- 隱非齊次馬爾可夫模型的混合性.pdf
- 一類隱非齊次馬爾可夫模型的若干強極限定律.pdf
- 2496.基于統(tǒng)計降尺度的秦嶺地區(qū)降水和氣溫多模式模擬與預估
- 隱馬爾可夫模型簡介
- 隱馬爾可夫模型技術
- 基于非齊次馬爾可夫過程的多動作動態(tài)維護策略研究.pdf
- 手繪草圖理解的隱馬爾可夫模型方法.pdf
- 基于隱馬爾可夫模型的異構網絡準入能力預估算法研究.pdf
- 基于隱馬爾可夫模型的對象定位方法研究.pdf
- 對于非參數隱馬爾可夫模型的平滑度選取.pdf
- 一類非齊次樹上的馬爾可夫鏈場的若干強偏差定理.pdf
- 基于隱馬爾可夫模型的視頻事件檢測方法研究.pdf
- 基于隱馬爾可夫模型的視頻事件檢測方法研究
- 空間統(tǒng)計中的隱馬爾可夫模型.pdf
- 42749.關于非齊次樹上馬爾可夫鏈場的若干強大數定律
- 隱馬爾可夫模型的原理及其應用.pdf
- 基于隱馬爾可夫模型的音頻檢索.pdf
- 基于隱馬爾可夫模型的語音識別方法的研究.pdf
評論
0/150
提交評論