基于ＧＩＳ的陕西省极端气温及其重现期值

摘要：通过统计方法,分析陕西省极端最高、最低气温重现期,并以ＧＩＳ为工具,结合数字高
程模型,对其进行空间插值处理,从而得到其在陕西省的空间分布。结果表明：威布尔分布计算
陕西省的极端气温重现期较为合理;在考虑海拔高度影响时,普通克里金插值方法效果最佳;陕
西省极端气温空间分布和重现期值的空间分布具有明显地域特征。

     

南昌昌北机场不同重现期的极端气温估算

为推算昌北机场不同重现期的极端气温,选取永修国家气象站作为参证气象站,通过建立机场站与永修站年极端气温回归模型,构建机场站长年代年极端气温序列,再利用极值Ⅰ型分布和皮尔逊Ⅲ型分布对参证站（永修站）实测序列和机场站构建序列进行拟合和拟合效果检验,结果表明：两种模型对相同重现期的温度拟合结果不一致,差异在0.1～1.1 ℃;对年极端最高气温的拟合,两个序列均以皮尔逊Ⅲ型分布的效果更好,对年极端最低气温的拟合,均以极值Ⅰ型分布的效果更好。以皮尔逊Ⅲ型分布拟合参证站实测年极端最高气温序列的结果作为昌北机场不同重现期年极端最高气温的推算值,极值Ⅰ型分布拟合机场站构建年极端最低气温序列的结果作为昌北机场不同重现期年极端最低气温的推算值。昌北机场10、30、50和100a重现期的年极端最高气温分别是39.6、40.5、40.9和41.4 ℃,年极端最低气温分别是-9.5、-12.0、-13.1和-14.6 ℃。     

江门高温和降水的概率分布及极端事件重现水平

利用1961—2015年江门6个气象观测站逐年最高气温、汛期降水、最大日降水资料,采用线性倾向估计、广义极值分布(GEV)等统计方法,研究了江门年最高气温、汛期降水、最大日降水的概率分布及其极端事件的重现水平。结果表明:1)各站年最高气温概率均属Weibull分布,概率密度峰值对应气温恩平最大、上川岛最小;变化幅度恩平最大、台山最小。较低重现期(20年或以内)时,极端高温事件阈值恩平最高;重现期超过50年时,鹤山最高。2)各站汛期降水概率均属Weibull分布,概率密度峰值对应雨量及变化幅度恩平最大、鹤山最小;不同重现期,恩平极端降水事件阈值均显著高于其它台站,鹤山最低。3)鹤山、恩平和上川岛最大日降水概率属Frechet分布,开平和台山属Weibull分布,新会属Gumbel分布;各站日降水峰值概率比汛期降水峰值概率大一个量级。不同重现期,上川岛极端日降水事件阈值均显著高于其它台站。     

山西省主汛期极端变化降水特征

利用环渤海地区60个测站1961～2008年逐日降水资料,采用L矩参数估计方法对各站超临界值日极端降水拟合广义帕雷托分布。结果表明,广义帕雷托分布能够很好地拟合环渤海地区日极端降水的概率分布,其尺度参数、形状参数与极端降水重现期的地理空间分布密切相关,重现期50、100年一遇的日极端降水空间分布基本一致,山东南部、河北西南部、辽宁西部与河北东北部等区域具有较高极端降水值。     

环渤海地区极端降水事件概率分布特征

利用环渤海地区60个测站1961～2008年逐日降水资料,采用L-矩参数估计方法对各站超临界值日极端降水拟合广义帕雷托分布。结果表明,广义帕雷托分布能够很好地拟合环渤海地区日极端降水的概率分布,其尺度参数、形状参数与极端降水重现期的地理空间分布密切相关,重现期50、100年一遇的日极端降水空间分布基本一致,山东南部、河北西南部、辽宁西部与河北东北部等区域具有较高极端降水值。     

1980—2019年新乡市极端气温时空变化特征

根据1980—2019年新乡市8个站点的逐日最高、最低气温资料,采用线性倾向率、空间插值方法、Morlet复数小波和M K突变检验等方法,分析新乡市极端气温时空变化特征。结果表明：新乡市极端最高气温、极端最低气温、暖夜、暖日、夏日和热夜共6种气温指数呈上升趋势,而冷夜、冷日、冰日和霜日共4种气温指数呈下降趋势;新乡市极端气温指数中有9种指数存在周期性,其中夏日和冰日分别存在4 a和2 a的全域性周期;通过M K突变分析得出,有6种极端气温指数存在突变,其中相对指数的突变主要发生在20世纪末和21世纪初,绝对指数的突变主要发生在20世纪末;通过分析各极端气温指数之间的相关性可知,暖夜与热夜的关系最为密切;在空间分布上,各极端气温指数差异性较大,其中冷日和冰日呈由东南向西北降低,暖夜和热夜呈东西高、中部低的分布特点;新乡市极端最低气温和冰日在空间上存在上升和下降两种变化趋势。     

基于动态重现期的极端高温气候评估方法研究

利用全国754站逐日最高气温观测序列,在论证极端温度概率分布与非平稳性关系的基础上,构建和比较了多种非平稳广义极值模型,定义了极端高温的动态重现期和重现水平,提出了一种极端高温事件的新型评估思想和方法,并将其应用于极端气候变化研究。通过该方法可以更好地解释极端事件的真实极端性,有效地增强极端事件之间的可比性,从而保留更多历史极端气候事件的信息。动态重现期的变换运用可对当前极端事件发生的真实状态和趋势提出更准确评估。该方法的提出可有效澄清学术领域和公共舆论对于多年一遇极端事件的理解上长期混淆重现期的绝对值和概率性这一分歧和谬误。     

青藏高原气温分布的空间插值方法比较

使用反距离平方、趋势面、Kriging插值、Cokriging插值和综合方法对青藏高原1961-1990年30年平均1月气温进行空间插值比较研究，其中后两种方法能够把影响青藏高原气温分布的关键因素——高程置于插值算法之中。反距离平方和趋势面插值的结果都与实际情况相差较远；普通Kriging插值能够反映出青藏高原气温分布的一定的空间结构，但结果依然不好；由于考虑了高度变量，Cokriging插值表现出一定程度的性能改进，但因为台站海拔高度偏低，插值结果依然不理想。前4种方法效果不好的原因主要是因为青藏高原上气象台站稀少且高原西北地区无气象台站。综合方法把气温分解为结构化分量和随机分量，使用直减率把气温订正到同一海拔高度后，再对它们做Kriging插值分析，其结果较为正确地反映了青藏高原气温空间分布的特征，误差远小于其它方法。研究结果表明：样本本身的空间分布是影响插值精度的重要因素，合理的采样设计是必要的前提；对于台站稀少的地区，必须把随机插值方法和确定性方法结合起来估计气候变量的空间分布。同时给出了青藏高原1月的气温空间分布状况。     

复杂地形区域平均气温空间插值方法研究

采用反距离权重、克立格、径向基函数法、三维二次趋势面和地理加权回归5种方法,对云南125个站1月、4月、7月、10月和年的30年平均气温进行空间插值并比较分析发现:反距离权重、克立格、径向基函数法3种常规插值方法对地形复杂的云南气温空间分布模拟精度不高;三维二次趋势面和地理加权回归模型对云南气温空间分布模拟较好,交叉检验结果显示前者的平均绝对误差(MAE)为0.43~1.02℃,均方根误差(RMSE)为0.67~1.77℃,其推算的云南气温栅格数据能较好地反映出云南各地气温的分布和差异;GWR模型对气温的交叉验证在5种插值方法中误差最小,插值结果 MAE在0.65℃以下,RMSE在0.8℃以下;进而使用"地理加权回归模型插值+反距离权重残差内插"叠加法对抽取的10个检验站平均气温进行插值检验,64%的插值结果绝对误差在0.5℃以内,74%的插值结果相对误差在5%以内,且实测值与插值估算值回归关系决定系数R2在0.9以上。     

基于ANUSPLIN的京津冀区域逐日气温格点数据集建立方法研究

为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集（0.01°×0.01°）,并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数（Corr）、平均绝对误差（MAE）、平均相对误差（MRE）等作为评估指标来检验插值精度。结果表明：1）ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征;2）4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1 ℃之内占比为90.59%,MAE为0.46 ℃,MRE为1.81%;3）插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。