简介:基于CORDEX计划的试验设计,利用区域气候模式RegCM3对全球模式FGOALS-g2在RCP8.5情景下的预估结果进行动力降尺度,预估了南亚地区未来近期(2016~2035年)和远期(2080~2099年)的夏季气候变化特征。结果显示,未来两个时段的气候变化空间分布类似,只是远期的变化幅度更大。具体表现为:高低空急流减弱,低空急流中心向北移动。南亚地区整体降水减少,但其北部降水显著增加。降水变化的空间分布主要受降水频率的控制,且降水频率随强度分布的变化表现出明显的地域差异。降水的未来变化特征与水汽输送的变化有密切联系。在区域模式中,受低空急流减弱和北移的影响,水汽输送减弱,对应降水减少。而在全球模式中,虽然季风环流也在减弱,但可降水量增加起主导作用,使得预估的水汽输送增强、降水量增加。
简介:哈萨克斯坦是世界最大的内陆国家,拥有典型的大陆性气候和多样的地理环境及生态系统,同时哈萨克斯坦的自然环境和人类社会对于气候变化这一全球性问题是敏感的、脆弱的,需要运用科学的研究方法应对气候变化的挑战。通常,区域或局地尺度的气候变化影响研究需要对气候模式输出或再分析资料进行降尺度以获得更细分辨率的气候资料。近年来,大量验证统计降尺度方法在各个地区能力的研究见诸文献,然而在哈萨克斯坦地区验证统计降尺度方法的研究非常少见。本文使用了岭回归的方法对哈萨克斯坦地区11个气象站点1960-2009年的月平均气温进行了统计降尺度研究。结果显示,使用前30年数据和岭回归模型建立大尺度预报因子和观测资料的统计关系可以较好地预测后20年的月平均气温,预测能力在各站各月均有不同程度的差异,地形复杂的站点预测效果较差,夏季预测结果好于冬季;此外,将哈萨克斯坦地区平均来看则与观测数据相吻合。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。