百分位统计降尺度方法及在GCMs日降水订正中的应用

在格点观测的逐日降水量数据基础上,采用百分位统计降尺度方法对全球气候模式(GCM)输出的日降水量进行了订正处理。5种订正方案的比较结果表明,取12个百分位数进行日降水量订正是合理的。观测资料与3个GCMs订正前后全国平均年、季降水量空间分布以及主要流域平均年、月和日降水序列多年平均、变化趋势及概率密度的对比分析表明:(1)统计降尺度处理可在一定程度上降低GCMs模拟的降水量偏差,特别是中国中部、长江以南和东北部分地区,对德国马普研究所的海气耦合模式(MPI/ECHAM5)模拟的降水量订正效果最显著;(2)GCMs统计降尺度处理的降水量季节分布特征与观测更为接近,所有流域MPI/ECHAM5订正的降水量优于或接近直接输出结果;(3)与GCM直接输出的降水相比,部分流域经统计降尺度处理后降水量变化趋势与观测的一致性有所增加,但不明显;(4)当日降水量<30mm时,订正的降水量与观测的偏差明显减小;当日降水量>30mm时,部分流域由负偏差转为正偏差。由于GCMs结构和降尺度方法的局限性,在用于具体流域未来气候变化预估及气候变化影响评估时,应选择尽可能多的、模拟能力强的GCMs数据,以包含尽可能多的模拟气候情景。     

日最高温度统计降尺度方法的比较研究

针对日最高温度的降尺度问题,发展了一种统计降尺度的新方法——优选格点回归法(OPR)。利用该方法与双线性插值法(BI)对平原(山东)和高原(云南)的日最高温度进行降尺度对比分析,结果表明:无论对于平原(山东)还是高原(云南)地区以及夏季(7月)还是冬季(1月),OPR方法都明显优于BI方法,特别是从高原地区的均方根误差来看,降尺度效果优势更加明显。进一步对OPR方法降尺度过程中所做的方差放大对比分析显示,方差放大后对日最高温度的降尺度效果不但没有改进,在某些方面如均方根误差和极端误差等还有变差的表现。     

渭河流域秋雨统计降尺度预估的试验研究

在比较不同大尺度预报因子联合场、空间范围和数据预处理方法对统计降尺度模型预测能力影响的基础上,基于HadCM3和CCSM3两种分辨率大气环流模式(GCM)输出资料,采用主成分分析和多元线性回归相结合的降尺度方法,建立了渭河流域秋雨的统计降尺度模型,并根据分析两种GCM基准期内降尺度预测效果,对未来不同情景进行预估。结果表明,对降水量的3次方根正态化处理并不能改善模型的预测性能,而去趋势处理可提高模型对于9月的预测能力。850 hPa经向风和相对湿度组合是渭河流域秋雨的最佳预测因子。低分辨率的HadCM3模式降尺度预测效果优于高分辨率的CCSM3模式,具体表现在前者对整个流域的预测能力较高,后者只对中下游流域附近的预测效果较好。以基准期内可预报性较好的站点对渭河流域秋雨进行预测,两种模式的不同情景预估结果均表明,渭河流域2000—2099年9月降水量呈增加趋势,10月降水量呈下降趋势,降尺度模型成功预测了21世纪前10年的秋雨增加趋势。      

我国东部夏季降水量统计降尺度的可预测性研究

利用1951—2007年逐月的北半球500 hPa高度场资料,使用降尺度技术和偏最小二乘回归方法,对我国东部夏季6—8月降水量作可预测性研究。用全球大气与热带太平洋相耦合的数值模式(CGCM)输出的500 hPa高度场作为因子场,利用建立的预报模型作预报试验。试验结果表明,以北半球东亚40°E~180°地区的500 hPa高度场是较佳的降尺度因子场。预报模型的建立与使用的提取主分量个数和资料时期有关,提取主分量数在4~7、样本容量取32~43时有较好的预测效果。试验结果还表明,以CGCM模式输出的500 hPa高度场作为因子场进行预测,有一定的预测能力。     

基于TIGGE多模式降水量预报的统计降尺度研究

利用TIGGE资料中欧洲中期天气预报中心、美国国家环境预报中心、英国气象局以及日本气象厅4个中心,1~7 d预报时效的降水量预报资料,以TRMM/3B42RT降水量作为"观测值",对东亚地区降水量进行统计降尺度处理。首先利用逻辑回归方法将天气分为有雨和无雨,再对有雨的情况,利用线性回归方法对插值后的预报结果进行降尺度订正,最后将4个中心的预报值进行消除偏差集合平均,得到多模式集成的降水量预报场。结果表明:逻辑回归能够有效地改善预报中小雨的空报情况,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长逐渐减小。     

统计降尺度方法在北京月尺度预测中的应用

利用SDSM(statistical downscaling method)方法对北京47年(1961-2007年)的最低、最高气温和降水变化情况进行模拟评估,在此基础上对2008年北京奥运期间和2009年国庆期间天气变化进行实际预测应用。结果表明,SDSM方法具备模拟气温和降水等要素的能力。从年际变化模拟的情况上看,SDSM模型对气温模拟的效果好于降水,其中对于月平均最低(最高)气温模拟的效果好于最低(最高)气温极值的模拟。模型模拟的逐年极端最高(最低)气温结果在整体上偏低于实况气温,体现出气温极值模拟能力的不足。SDSM模型模拟的降水量整体上小于实测值,对降水极大值模拟能力更弱。对奥运会和国庆期间北京天气预测结果表明,模型对日最高、最低气温和降水的数值预测能力较差,预测值偏低于实际值,但升温和降温过程发生的时段能够准确的预测。     

２种降尺度方法在太湖流域的应用对比

同时应用统计降尺度模型SDSM(Statistical Downscaling Model)和区域气候模式PRECIS(Providing Regional Climate for Impacts Studies),对太湖流域的日降水量和日最高、最低气温进行降尺度处理,建立未来2021-2050年的气候变化情景,并对比分析两种方法的适用性.结果表明,两种方法模拟的未来时期日最高、最低气温季节和年的变化情景增幅总体上比较一致,高排放情景A2下模拟生成的情景增温幅度较B2情景大,未来时期最高气温增加幅度比最低气温明显.两种方法模拟的降水变化情景差异明显,PRECIS模拟的2021-2050年降水增加趋势明显,增幅较大;而SDSM模拟的未来时期降水存在一定的减少趋势,变化幅度相对较小.以上结果说明PRECIS和SDSM都能较好地模拟太湖流域未来气温变化情景,而对未来降水的模拟不确定性较大.     

南京过去100年极端日降水量模拟研究

在南京过去100年日降水资料的基础上,利用极值理论中的区组模型和阈值模型分析了极端日降水分布特征.首先通过广义极值(GEV)模型模拟了日降水的年极值序列(AMDR),用极大似然估计(MLE)方法计算了模型的参数,并借助轮廓似然函数估计出参数的精确误差区间,同时采用4种较直观的诊断图形对模型的合理性进行全面评估,结果表明Frechet是区组模型中最适合描述极端日降水分布特征的函数.其次,将日降水序列分3种情景构建极值分布的阈值模型(GPD),考察了观测数据的规模对应用该模型的限制,重点讨论了如何针对给定观测样本选择合适的阈值收集极值信息.分析结果认为,长度不小于50年的气候序列,采用24 mm的日降水量作为临界阈值均能进行GPD分析.该阈值处于年降水序列第91个百分位附近,即对目前长度为50年左右的日观测资料,第91个百分位点以上的数据基本能满足GPD研究的需要.另外,根据GEV和GPD对未来极端降水重现水平的推断情况,GPD预测值的置信区间要比GEV的窄,极值推断的不确定性相对也较小,更适合用于研究中国目前规模不大的气候资料.最后,对GPD模型的形状参数和尺度参数进行变换,分别引入描述线性变化的动态变量,分析降水序列中潜在的变异行为对极值理论应用的影响.这种变异包括降水序列中长期的均值变化及百分位变化,从模拟结果看,暂未发现资料变异行为对极值分析产生显著于扰.     

中国地面气温统计降尺度预报方法研究

利用中国752个基本、基准地面气象观测站2000—2010年地面温度日值数据,采用具有自适应特征的Kalman滤波类型的递减平均统计降尺度技术,对中国地面温度进行精细化预报研究。分析该方案的降尺度效果,并与常用插值降尺度方法进行比较。结果表明:1)递减平均统计降尺度技术相比插值方法有较大的提高,显著减小东西部预报效果差异,1~3 d预报的均方根误差减小了1.4℃;2)该方案1~3 d预报的均方根误差为1.5℃,预报误差从东南地区(均方根误差为1.4℃)向西北地区(均方根误差为1.8℃)逐渐增大,并且预报效果夏季优于冬季。因此,递减平均统计降尺度技术对中国地面温度进行精细化预报是可行的。     

基于统计降尺度模型的江淮流域极端气候的模拟与预估

利用江淮流域29个代表站点1961--2000年逐日最高温度、最低温度和逐日降水资料,以及NCEP逐日大尺度环流场资料,引入基于多元线性回归与随机天气发生器相结合的统计降尺度模型SDSM（statistical downscalingmodel）,通过对每个站点建模,确立SDSM参数,并将该模型应用于SRESA2排放情景下HadCM3和cGcM3模式,得到了江淮流域各代表台站21世纪的逐日最高、最低温度和降水序列以及热浪、霜冻、强降水等极端气候指数。结果表明,当前气候下,统计降尺度方法模拟的极端温度指数与观测值有很好的一致性,能有效纠正耦合模式的“冷偏差”,如SDSM对江淮平均的冬季最高、最低温度的模拟偏差较CGCM3模式分别减少3℃和4．5℃。对于极端降水则能显著纠正耦合模式模拟的降水强度偏低的问题,如CGCM3对江淮流域夏季降水强度的模拟偏差为-60．6％,但降尺度后SDSM—CGCM3的偏差仅为-6％,说明降尺度模型SDSM的确有“增加值”的作用。21世纪末期在未来SRESA2情景下,对于极端温度,无论Had．CM3还是CGCM3模式驱动统计模型,江淮流域所有代表台站,各个季节的最高、最低温度都显著增加,且以夏季最为显著,增幅在2—4℃;与之相应霜冻天数将大幅减少,热浪天数大幅增多,各站点冬季霜冻天数减少幅度为5—25d,夏季热浪天数增加幅度为4～14d;对于极端降水指数,在两个不同耦合模式HadCM3和CGCM3驱动下的变化尤其是变化幅度的一致性比温度差,但大部分站点各个季节极端强降水事件将增多,强度增强,SDSM—HadCM3和SDSM-CGCM3预估的夏季极端降水贡献率将分别增加26％和27％。     

非齐次隐马尔可夫降尺度方法对江淮流域夏季逐日降水的模拟及其评估

引入非齐次隐马尔可夫模型(Nonhomogeneous hidden Markov model,NHMM)统计降尺度方法,利用1961—2002年江淮流域夏季逐日降水资料、欧洲中期天气预报中心(ECMWF)的ERA-40再分析资料建立模型,检验其对东部季风区(以江淮流域为代表)夏季日降水的模拟能力,并对比BCC-CSM1.1(m)模式NHMM降尺度前后的模拟效果。结果表明,NHMM降尺度方法通过建立降水概率分布态间转移参数与大尺度环流变量的联系,对江淮流域逐日降水量具有较好的降尺度效果。模拟的各站日降水量概率分布函数(PDF)曲线与观测非常接近,布赖尔评分(Brier Score,S_B)均小于0.11%,显著性评分(Significance Score,Ss)均大于0.84;夏季总降水量、降水日数、中雨日数、降水强度和95%分位降水量指数的多年平均场偏差百分率绝对值低于10%,前3个指数的空间相关系数高于0.9;该方法对各降水指数的年际变率也有一定的模拟能力,模拟得到的各指数的区域平均年际序列与观测序列的相关系数为0.62—0.87。对BCC-CSM1.1(m)模式的模拟结果进行降尺度后,SB较降尺度前平均减小0.57%,Ss平均增大0.23,皆表明降尺度后的概率分布函数曲线更接近于观测;各降水指数在多数台站的偏差百分率绝对值由大于40%降至10%以内,空间相关系数普遍提高至0.8以上。NHMM降尺度方法能够有效提高BCC-CSM1.1(m)模式对江淮流域夏季日降水的模拟能力,相对气候模式具有显著的"增值",未来可进一步利用该方法进行气候变暖背景下的日降水变化预估。     

长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解（EOF,Empirical Orthogonal Function）迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数（ACC）平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。     

基于BP-CCA统计降尺度的中亚春季降水的多模式集合模拟与预估

利用中亚地区30个观测台站逐月降水资料及同期ERA-40再分析资料,结合8个CMIP5全球气候模式模拟与未来预估大尺度环流场,使用基于变形典型相关分析的统计降尺度方法（BP-CCA）建立降尺度模型,评估多个气候模式对当前气候下中亚地区春季降水的降尺度模拟能力,并对春季降水进行降尺度集合未来预估。结果表明,建立的降尺度模型能够很好地模拟出交叉检验期内春季降水的时间变化和空间结构：降尺度春季降水与相应观测序列的平均时间相关系数为0.35,最高为0.62,平均空间相关系数为0.87。气候模式对中亚春季降水的模拟能力通过降尺度方法得到了显著提高：8个模式降尺度后模拟的降水气候平均态相对误差绝对值降至0.2%—8%,相比降尺度前减小了10%—60%,模拟的降水量场与相应观测场的空间相关均超过0.77;对比降尺度前多模式集合结果,多模式降尺度集合模拟的相对误差绝对值由64%减小至4%,空间相关系数由0.47增大至0.81,标准化均方根误差降至0.59,且多模式降尺度集合结果优于大部分单个模式降尺度结果。多模式降尺度集合预估结果表明,在RCP4.5排放情景下,21世纪前期（2016—2035年）、中期（2046—2065年）和末期（2081—2100年）的全区平均降水变化率分别为-5.3%、3.0%和17.4%。21世纪前期中亚大部分地区降水呈减少趋势,降水呈增多趋势的站点主要分布在南部。21世纪中期整体降水变化率由减少变为增多趋势,21世纪末期中亚大部分台站降水增多较为明显。21世纪初期和末期可信度高的台站均主要位于中亚西部地区。     

Improving long-lead seasonal forecasts of precipitation over Southern China based on statistical downscaling using BCC_CSM1.1m

Long-lead precipitation forecasts for 1–4 seasons ahead are usually difficult in dynamical climate models due to the model deficiencies and the limited persistence of initial signals. But, these forecasts could be empirically improved by statistical approaches. In this study, to improve the seasonal precipitation forecast over the southern China (SC), the statistical downscaling (SD) models are built by using the predictors of atmospheric circulation and sea surface temperature (SST) simulated by the Beijing Climate Center Climate System Model version 1.1 m (BCC_CSM1.1 m). The different predictors involved in each SD model is selected based on both its close relationship with the target seasonal precipitation and its reasonable prediction skill in the BCC_CSM1.1 m. Cross and independent validations show the superior performance of the SD models, relative to the BCC_CSM1.1 m. The temporal correlation coefficient of SD models could reach > 0.4, exceeding the 95 % confidence level. The SC precipitation index can be much better forecasted by the SD models than by the BCC_CSM1.1 m in terms of the interannual variability. In addition, the errors of the precipitation forecast in all four seasons are significantly reduced over most of SC in the SD models. For the 2015/2016 strong El Niño event, the SD models outperform the dynamical BCC_CSM1.1 m model on the spatial and regional-average precipitation anomalies, mostly due to the effective SST predictor in the SD models and the weak response of the SC precipitation to El Niño-related SST anomalies in the BCC_CSM1.1 m.     

山东夏季降水异常的环流特征及降尺度解释应用预测方法研究

基于山东省123个国家级气象观测站1961—2015年夏季降水资料、1991—2015年NCEP再分析资料,分析了山东夏季降水变化特征及其与大气环流的关系。结果表明,在山东夏季降水偏多（少）时,乌拉尔山阻塞高压偏弱（强）,副热带高压偏强（弱）,南亚高压偏强（弱）,并且200 hPa经向风场有明显的类似丝绸之路遥相关型的波列结构。利用国家气候中心第二代海气耦合模式3月起报的未来夏季海平面气压场建立降尺度预测模型,该模型对山东夏季降水的预测符号一致率达到64%,有一定的预测能力,进一步分析发现,模式对关键区环流因子的模拟预测能力显著影响降尺度预测方法的准确率。     

降水的统计降尺度预报及其空间相关性和时间连续性重建

利用欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)以及英国气象局(UKMO)四个中心1~7 d日累计降水量集合预报资料,以中国降水融合产品作为"观测值",对我国地面降水量进行统计降尺度预报,并对预报降水的空间相关性和时间连续性进行重建。对降水量进行分级后,建立各个量级的回归方程进行统计降尺度预报。此外,还利用Schaake Shuffle方法重建丢失的空间相关性和时间连续性。结果表明,分级回归比未分级回归后的预报结果相关系数更高,预报误差更小,更接近观测值。Schaake Shuffle方法可以有效地改进降水预报的空间相关性和时间连续性,使之更接近实况观测,集合成员间的相关性也更好。     

我国地面降水的分级回归统计降尺度预报研究

利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。     

Evaluation of statistical downscaling in short range precipitation forecasting

The objective of this study is to compare several statistical downscaling methods for the development of an operational short-term forecast of precipitation in the area of Bilbao (Spain). The ability of statistical downscaling methods nested inside numerical simulations run by both coarse and regional model simulations is tested with several selections of predictors and domain sizes. The selection of predictors is performed both in terms of sound physical mechanisms and also by means of “blind” criteria, such as “give the statistical downscaling methods all the information they can process”.Results show that the use of statistical downscaling methods improves the ability of the mesoscale and coarse resolution models to provide quantitative precipitation forecasts. The selection of predictors in terms of sound physical principles does not necessarily improve the ability of the statistical downscaling method to select the most relevant inputs to feed the precipitation forecasting model, due to the fact that the numerical models do not always fulfil conservation laws or because precipitation events do not reflect simple phenomenological laws. Coarse resolution models are able to provide information usable in combination with a statistical downscaling method to achieve a quantitative precipitation forecast skill comparable to that obtained by other systems currently in use.