基于CMIP5多模式集成的东亚地面气温和降水的统计降尺度预测研究
发布时间：2020-09-22 19:57
本文利用CMIP5的Decadal实验中17个全球气候系统模式：BCC-CSM1.1,CanCM4, CCSM4,CFSV2-2011,CMCC-CM, EC-EARTH, FGOALS-g2,FGOALS-S2, GEOS-5, GFDL-CM2.1,HadCM3,IPSL-CM5 A-LR, MIROC4h,MIROC5,MPI-ESM-LR,MPI-ESM-MR, MRI-CGCM3的地面气温和降水的年代际回报资料,以及ERA再分析资料和JRA-55资料分别作为地面气温和降水的观测资料,采用集合平均(简称EMN)和超级集合(Superensemble Prediction,简称SUP)进行集成研究,然后进行统计降尺度订正,并对集成和降尺度的回报结果进行评估。在此基础上,对东亚未来2006-2025年地面气温和降水进行预估。研究表明,集成的回报效果优于单模式,其中SUP的回报效果最好,它将时间序列划分为训练期和预报期。训练期长度以及模式个数对SUP结果具有一定影响,因此采用RMSE、ACC以及MAE等三个指标来选取最优训练期和最优模式个数。文中选取气温的最优训练期为34a,降水的最优训练期为35a,最优模式个数均为15个。其回报气温的RMSE比EMN低0.43℃左右,回报降水的RMSE比EMN小0.45mm/d。利用线性回归方法对插值后的单模式及多模式集成结果进行降尺度订正,得到高分辨率地面气温和降水的回报资料。结果表明,降尺度订正后,单模式及多模式集成的回报值与“实测值”之间,RMSE减小,ACC有一定提高,不同模式订正后改进程度各不相同,降尺度对单模式的订正效果优于多模式集成,对EMN的订正效果优于SUP。此外,降尺度订正后的资料能更好地回报出东亚地区地面气温和降水的逐月变化和空间分布,且对于地面气温,海洋上回报的不确定性小于陆地,降水则相反。在此基础上,利用中等排放情景RCP4.5下CMIP5中2005年的年代际预测资料对2006～2025年的地面气温和降水进行预估,研究表明东亚地区在2006-2025年地面气温将普遍升高,海洋上的增暖幅度较小,陆地上的增暖幅度较大,且增暖幅度随着纬度的升高而增大；同时大部分地区的降水也将增加,但增加幅度较小。
【学位单位】：南京信息工程大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：P456.7
【部分图文】：
权重反映了不同模式在训练期对ＳＵＰ结果的相对贡献程度，权重越大，模逡逑式对ＳＵＰ结果的相对贡献程度越大；相反，权重越小，对ＳＵＰ结果的相对贡献逡逑程度越小。从图３．３中可看出模式ＭＰＩ－ＥＳＭ－ＬＲ在训练期的权重最大，为０．０９，逡逑贝惕模式对ＳＵＰ结果的相对贡献程度最大，ＣａｎＣＭ４在训练期的权重最小，为逡逑０．０１５，对ＳＵＰ结果的相对贡献程度最小。逡逑３３多模式集成对地面气温回报效果的评估逡逑３．３．１模式回报结果比较逡逑为了巧估单模式［＾及多模式集成对东亚地区地面气温回报能力，文中计算逡逑了单模式、多模式集合平均１＾及超级集合预报的均方根误差、距平相关系数Ｗ逡逑及绝对误差（如表３．１）。逡逑从表３．１中可Ｗ看出，１７个单模式的回报效果差别较大，有的偏高，有的逡逑偏化，从巧方根误差的角度来说，德国马普学会气象研究所的模式ＭＰＩ－ＥＳＭ－Ｌ民逡逑的回报效果最好，ＲＭＳＥ为２．２巧ｔ，从距平相关系数角度来说
图３．４东亚地区单模式及多模式集成回报地面气温的泰勒图分布逡逑３．３．２多模式集成对东亚地面气温区域平均时间变化的回报能力评估逡逑为了评估各个模式对东亚地区地面气温年变化的回报能力，图３．５给出了东逡逑亚地区在＂预报期＂１９９６－２００５年１０年期间单模式、多模式集合平均Ｗ及超级集逡逑合的地面气温回报的逐月区域平均的均方根误差和距平相关系数。逡逑从图３．５邋（ａ）中可Ｗ看出，地面气温在冬季的均方根误差大于夏季的均方逡逑根误差。不同的单模式的回报的均方根误差差别较大，除了邋ＩＰＳＬＣＭ５Ａ－ＬＲＷ逡逑夕ｈ均在１．５Ｃ？８°Ｃ范围内变化。多模式集合平均回报均方根误差较小，约为逡逑１．５°Ｃ？４°Ｃ，有效的减少了由于单模式初始条件不同引起的模式回报的误差，而逡逑超级集合相对于１５个单模式及多模式集合平均的回报效果都要好，其回报的均逡逑方根误差明v绲陀诙嗄Ｊ郊掀骄幕乇ㄎ蟛睿蚨桑卓闯龀都峡桑鬃铄义嫌行Ъ跎倌Ｊ交乇ǖ奈蟛睢ｅ义希玻靛义
本文编号：2824852
【学位单位】：南京信息工程大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：P456.7
【部分图文】：
权重反映了不同模式在训练期对ＳＵＰ结果的相对贡献程度，权重越大，模逡逑式对ＳＵＰ结果的相对贡献程度越大；相反，权重越小，对ＳＵＰ结果的相对贡献逡逑程度越小。从图３．３中可看出模式ＭＰＩ－ＥＳＭ－ＬＲ在训练期的权重最大，为０．０９，逡逑贝惕模式对ＳＵＰ结果的相对贡献程度最大，ＣａｎＣＭ４在训练期的权重最小，为逡逑０．０１５，对ＳＵＰ结果的相对贡献程度最小。逡逑３３多模式集成对地面气温回报效果的评估逡逑３．３．１模式回报结果比较逡逑为了巧估单模式［＾及多模式集成对东亚地区地面气温回报能力，文中计算逡逑了单模式、多模式集合平均１＾及超级集合预报的均方根误差、距平相关系数Ｗ逡逑及绝对误差（如表３．１）。逡逑从表３．１中可Ｗ看出，１７个单模式的回报效果差别较大，有的偏高，有的逡逑偏化，从巧方根误差的角度来说，德国马普学会气象研究所的模式ＭＰＩ－ＥＳＭ－Ｌ民逡逑的回报效果最好，ＲＭＳＥ为２．２巧ｔ，从距平相关系数角度来说
图３．４东亚地区单模式及多模式集成回报地面气温的泰勒图分布逡逑３．３．２多模式集成对东亚地面气温区域平均时间变化的回报能力评估逡逑为了评估各个模式对东亚地区地面气温年变化的回报能力，图３．５给出了东逡逑亚地区在＂预报期＂１９９６－２００５年１０年期间单模式、多模式集合平均Ｗ及超级集逡逑合的地面气温回报的逐月区域平均的均方根误差和距平相关系数。逡逑从图３．５邋（ａ）中可Ｗ看出，地面气温在冬季的均方根误差大于夏季的均方逡逑根误差。不同的单模式的回报的均方根误差差别较大，除了邋ＩＰＳＬＣＭ５Ａ－ＬＲＷ逡逑夕ｈ均在１．５Ｃ？８°Ｃ范围内变化。多模式集合平均回报均方根误差较小，约为逡逑１．５°Ｃ？４°Ｃ，有效的减少了由于单模式初始条件不同引起的模式回报的误差，而逡逑超级集合相对于１５个单模式及多模式集合平均的回报效果都要好，其回报的均逡逑方根误差明v绲陀诙嗄Ｊ郊掀骄幕乇ㄎ蟛睿蚨桑卓闯龀都峡桑鬃铄义嫌行Ъ跎倌Ｊ交乇ǖ奈蟛睢ｅ义希玻靛义
本文编号：2824852
本文链接：https://www.wllwen.com/projectlw/qxxlw/2824852.html
