中国地区极端降水的统计建模及其未来概率预估

发布时间：2020-09-29 12:01

　　 本文基于1961-2012年观测逐日降水资料,分析和探讨了我国夏季极端降水强度、发生频数和持续时长特征及其统计建模;针对BCC-CSM1.1-m模式模拟降水,系统检验和评估多种偏差订正模型对我国江淮流域夏季逐日降水尤其极端降水等的订正效果;构建了基于极值分布的极端降水概率偏差订正模型,并检验和评估其对极端降水订正的适用性;结合模式偏差订正和优选CMIP5全球气候模式,应用上述统计模型,给出21世纪末期RCP4.5、RCP8.5两种排放情景下我国极端降水未来概率变化预估。主要结论如下:(1)基于最新发展的极值理论,构建基于广义帕累托分布、泊松分布和几何分布的极端降水模型,用于联合刻画我国极端降水强度、发生频数和持续时长概率分布,观测应用结果表明模型可以很好地拟合极端降水特征分布。结合极端降水概率分布模型和改进型非参数Mann-Kendall趋势分析等可以发现,我国华南尤其西南地区发生极端降水的可能性最高,而发生持续1天的极端降水主要集中在长江中上游以及华北、东北区域,长江中下游及其以南尤其沿海区域更易发生持续2天及以上的极端降水。我国长江中下游及其以南区域极端降水呈现显著增多、增强趋势,而东北和西南等区域降水则呈现显著减少、减弱变化。与雨日数普遍呈现下降不同的是,80%分位点阈值下我国极端降水日数和平均持续时长增加或减小站点呈现与极端降水量类似分布。(2)BCC-CSM1.1-m在对江淮流域夏季逐日降水尤其极端降水模拟方面存在着较大不确定性和系统偏差,经过线性变换、分位点投影变换、分布投影变换以及累积概率分布变换四种偏差订正模型订正后,模式模拟性能得到显著改善,但不同订正模型在不同方面订正效果存在差异。在对日降水概率分布和区域平均降水方面,分位点投影变换订正效果最为显著,其次为累积概率分布变换。在对极端降水指数空间一致性订正方面,线性变换、分位点投影变换和累积概率分布变换对夏季总降水和中雨日数两指数订正效果较好,而降水日数、降水强度和95%分位点降水量仅分位点投影变换能够较好的订正。(3)通过将广义帕累托分布引入到累积概率分布变换模型中,构建了针对极端降水的概率偏差订正模型。江淮流域武汉、合肥、南京和杭州四个代表站的订正结果表明,概率偏差订正模型能够在保留观测建模时期极端降水主要分布特征基础上,较好地提取模式建模与验证时期变化信号。相较于线性变换、分位点投影变换、分布投影变换以及累积概率分布变换等主要体现均值特征的订正,对极端降水的订正效果总体较弱,概率偏差订正模型显著改善了 BCC-CSMI.1-m模式对极端降水的模拟能力,订正后极端降水能够较好再现且更接近观测极端降水概率分布。(4)基于极端降水模型评估和优选出CMIP5中对我国夏季极端降水特征具有较好模拟能力的全球气候模式:ACCESS1.3、BCC-CSM1.1-m、CCSM4、HadGEM2-ES和MPI-ESM-MR。融合分位点投影变换和极端降水概率偏差订正模型,进一步提出改进型分位点投影变换,并用于优选CMIP5模式订正。结合.偏差订正优选多模式集成降水和极端降水模型,可得我国极端降水特征未来概率预估变化:21世纪末期绝大部分地区极端降水强度和发生频数将呈现持续增加趋势,其中长江流域和黄河流域中下游降水强度增加最大,我国西南和东北区域频数增加最大。相对于RCP4.5,RCP8.5排放情景下增加幅度更大。RCP4.5(RCP8.5)排放情景下,相对于当前气候(1961-2005年),全国大部分区域百年一遇重现期值将会平均提升10.9%(21.1%),每年夏季发生频数5次及以上的概率则平均提升8.2%(12.6%)。与此相反,极端降水持续时长则变化较小。
【学位单位】：南京信息工程大学
【学位级别】：博士
【学位年份】：2017
【中图分类】：P426.6
【部分图文】：

逑步剔除。依据上述过程，最终选取得到全国５４２个观测台站夏季逐日降水资料逡逑（站点分布见图２．１）。逡逑８０°Ｅ逦９０°Ｅ逦１００°Ｅ逦１１０°Ｅ逦１２０°Ｅ逦１３０°Ｅ逡逑图２．１全国降水５４２个观测台站空间分布逡逑（红色圆点由北往南依次对应三个代表站：北京、武汉和广州）逡逑２．１．２极端降水定义与特征提取逡逑围绕极端降水，国内外学者提出了众多方法来量化其降水强度、发生频数以逡逑及持续时长等特征。目前使用较多的一类为世界气象联合组织针对气候变化和监逡逑测提出的１１个极端降水指数（共２７个极端气候指数）（Ｋａｒｌｅｔａｌ．，邋１９９９；邋Ａｌｅｘａｎｄｅｒ逡逑ｅｔａＬ，２００６），另一类则为天气学定义，通过阈值来定义极端降水，并依据需要提逡逑取其特征指标（Ｂａｉ邋ｅｔ邋ａｌ．，邋２００７；邋Ｚｈａｏ邋ｅｔ邋ａｌ．，邋２００９；邋Ｃｈｅｎ邋ｅｔ邋ａｌ．，２０１１；邋Ｙｏｕ邋ｅｔ邋ａｌ．，２０１１；逡逑ｖａｎ邋ｄｅｒ邋Ｓｃｈｒｉｅｒ邋ｅｔ邋ａｌ．，邋２０１３；邋Ｍａ邋ｅｔ邋ａｌ．，邋２０１５；邋Ｗｕ邋ｅｔ邋ａｌ．，２０１６）．。本章主要探讨夏季极逡逑端降水过程特征及其统计建模，考虑到我国地域广阔以及复杂的气候特征，为便逡逑于不同地区的比较，这里采用基于分位点阈值方式定义和筛选不同地区极端降水逡逑（Ｔｏｌｉｋａ邋ａｎｄ邋Ｍａｈｅｒａｓ

逑步剔除。依据上述过程，最终选取得到全国５４２个观测台站夏季逐日降水资料逡逑（站点分布见图２．１）。逡逑８０°Ｅ逦９０°Ｅ逦１００°Ｅ逦１１０°Ｅ逦１２０°Ｅ逦１３０°Ｅ逡逑图２．１全国降水５４２个观测台站空间分布逡逑（红色圆点由北往南依次对应三个代表站：北京、武汉和广州）逡逑２．１．２极端降水定义与特征提取逡逑围绕极端降水，国内外学者提出了众多方法来量化其降水强度、发生频数以逡逑及持续时长等特征。目前使用较多的一类为世界气象联合组织针对气候变化和监逡逑测提出的１１个极端降水指数（共２７个极端气候指数）（Ｋａｒｌｅｔａｌ．，邋１９９９；邋Ａｌｅｘａｎｄｅｒ逡逑ｅｔａＬ，２００６），另一类则为天气学定义，通过阈值来定义极端降水，并依据需要提逡逑取其特征指标（Ｂａｉ邋ｅｔ邋ａｌ．，邋２００７；邋Ｚｈａｏ邋ｅｔ邋ａｌ．，邋２００９；邋Ｃｈｅｎ邋ｅｔ邋ａｌ．，２０１１；邋Ｙｏｕ邋ｅｔ邋ａｌ．，２０１１；逡逑ｖａｎ邋ｄｅｒ邋Ｓｃｈｒｉｅｒ邋ｅｔ邋ａｌ．，邋２０１３；邋Ｍａ邋ｅｔ邋ａｌ．，邋２０１５；邋Ｗｕ邋ｅｔ邋ａｌ．，２０１６）．。本章主要探讨夏季极逡逑端降水过程特征及其统计建模，考虑到我国地域广阔以及复杂的气候特征，为便逡逑于不同地区的比较，这里采用基于分位点阈值方式定义和筛选不同地区极端降水逡逑（Ｔｏｌｉｋａ邋ａｎｄ邋Ｍａｈｅｒａｓ

８０°Ｅ逦９０°Ｅ逦１００°Ｅ逦１１０°Ｅ逦１２０°Ｅ逦１３０°Ｅ逦８０°Ｅ逦９０°Ｅ逦１００°Ｅ逦１１０°Ｅ逦１２０°Ｅ逦１３０°Ｅ逡逑图２．２极端降水９５％邋（ａ）和８０％邋（ｂ）分位点阈值空间分布（单位：ｍｍ／ｄａｙ）逡逑为了量化不同持续时长和不同降水强度下极端降水的贡献情况，这里对上述逡逑获得的全国各台站极端降水特征数据，进一步计算三个相对指标（Ｌｉ邋ｅｔａｌ．，２０１６）：逡逑２３逡逑

【相似文献】

相关期刊论文 前10条

1 林云萍;赵春生;;中国地区不同强度降水的变化趋势[J];北京大学学报(自然科学版)网络版(预印本);2009年02期

2 田野;马兵;高振泽;韩琳;文世勇;;2007—2017年大连市降水及降水日数变化特征分析[J];安徽农学通报;2018年20期

3 张核真;尼玛吉;多吉次仁;;近50年西藏最长连续无降水日数变化特征[J];中国农学通报;2016年35期

4 王晓默;董宁;李瑞芬;姚薇;王丽;王永增;;1981—2014年南四湖流域极端降水阈值及极端降水日数变化特征[J];农学学报;2016年10期

5 张钰;姜秀萍;高荣;贺俊艳;;开鲁县1954—2011年降水日数及降水量变化分析[J];内蒙古气象;2014年01期

6 何慧;陆虹;陈思蓉;;1961～2010年华南极端降水日数的时空变化特征[J];安徽农业科学;2012年12期

7 杨旭;耿树江;李帅彬;李炎U

本文编号：2829702