CMIP6模式对云南区域性干旱过程的模拟评估及预估

21世纪以来,云南频繁发生全省性干旱过程,造成严重的灾害。未来在气候变化背景下云南全省性干旱过程将如何变化尚未得到充分研究。基于16个第六次耦合模式比较计划(CMIP6)的模式结果和区域性干旱过程监测评估方法,研究了云南省区域性干旱过程历史时期的特征和未来不同排放情景下的可能变化。结果显示,适当订正后的CMIP6模式能较好地模拟出近54年云南省区域干旱事件的特征,模式偏差主要表现为夏季降水偏多、10—11月降水偏少。未来54年在三种排放情景下,云南省区域性干旱过程发生次数将增加1.1～4.7次,持续日数将增加2.6～4.0日,影响范围将增加0.2～0.6站,累计强度将增加0.1～0.2。未来发生在干季内的干旱过程次数将减少,但持续日数、影响范围、累计强度都将增加;由干季延伸至雨季的干旱过程次数、持续时间、累计强度都将增加;发生在雨季内的干旱过程次数和影响范围将增加、累计强度将减小。滇西北、滇东北等受干旱过程影响较轻的地区未来也将更容易受到干旱过程的影响。上述结果表明未来云南省全省性干旱过程将加强。     

气候变化对淮河蒙洼蓄滞洪区启用风险影响评估

基于RCP情景下47个IPCC CMIP5气候模式模拟数据和大尺度水文模型VIC,预估了未来（2021-2050年）气候变化对淮河蒙洼蓄滞洪区启用的可能影响。结果表明：与基准期（1971-2000年）相比,多模式预估淮河上游未来多年平均气温一致呈增加趋势,平均增幅范围0.2～1.7℃。不同模式对降水预估差异较大,但有超过70%的模式预估降水呈增加趋势,平均增幅为3.4%～4.1%。未来气候情景下,王家坝断面洪水总体呈增加趋势,20年一遇的洪水强度平均增幅19%,洪水频率将增大,蒙洼蓄滞洪区启用可能更加频繁,启用的风险加大。     

黑龙江省气温演变及未来趋势分析

利用1961-2015年的年平均及月平均气象资料,对黑龙江省全年、暖季与冷季平均气温进行分析,发现冷期和暖期持续时间相近,周期内的冷期和暖期平均气温相差较大。全年和冷季气温冷、暖期转换年份分别为1964年（暖转冷）、1988年（冷转暖）、2009年（暖转冷）;暖季气温转换年份分别为1969年（暖转冷）、1996年（冷转暖）、2015年前后（暖转冷）。利用模式方法和统计方法分别对2016-2030年黑龙江省气温变化趋势进行探讨,发现未来暖季和冷季气温上升幅度均变缓或者停滞,可能进入相对冷期。     

2011—2050年长江流域气候变化预估问题的探讨

利用长江流域1961—2008年观测气象资料,对IPCC 第四次评估报告中12个全球气候模式及所有模式集合平均进行比较验证,结果表明：MIUB_ECHO_G模式对该地区降水模拟能力较强,NCAR_CCSM3模式对温度模拟效果较好。进一步利用MIUB_ECHO_G模式和NCAR_CCSM3模式结果在SRES-A2、-A1B、-B1 3种排放情景下的降水和温度数据,分析2011—2050年3种排放情景下长江流域降水和温度变化特征。结果表明,2011—2050年长江流域降水变化趋势不明显,温度呈增加趋势,增幅在2℃内。     

基于CMIP6气候模式的新疆积雪深度时空格局研究

积雪深度的变化对地表水热平衡起着至关重要的作用。选用了国际耦合模式比较计划第六阶段（CMIP6）中目前情景比较齐全的五个全球气候模式,通过对比新疆地区1979—2014年积雪深度长时间序列数据集,评估了气候模式在新疆地区模拟积雪深度的模拟能力,接着预估了未来不同SSPs-RCPs情景下新疆地区在2021—2040年（近期）、2041—2060年（中期）、2081—2100年（末期）相对于基准期（1995—2014年）的积雪深度变化。气温和降水对积雪深度变化有着重要的影响,因此还分析了新疆地区到21世纪末期气温和降水的变化趋势。结果表明：订正后的气候模式模拟的积雪深度数据与观测数据的相关系数均达到0.8以上,其中1月至3月与观测数据的结果更为吻合。气候模式基本上能够反映积雪深度年内变化的基本特征,气候模式模拟的积雪深度空间分布和观测数据具有相似的特征。气温和降水在未来不同情景下均会波动上升,其中气温的增幅相对比较明显,达0.43 ℃·（10a）^-1,而降水的增幅为0.63 mm·（10a）^-1,新疆未来的气候总体上呈现出变暖变湿的趋势。新疆地区的平均积雪深度在未来不同时期相对基准期均呈增加的趋势。SSP1-1.9情景下,21世纪近期、中期和末期北部大部分地区的积雪深度将会有所增加;SSP1-2.6情景下,北部阿尔泰山地区的积雪深度在21世纪近期有所减小,但中期和末期将会有所增加;SSP2-4.5情景下,21世纪不同时期东部地区的积雪深度将会有所增加,北部和中部大部分地区在不同时期积雪深度将会变小;SSP3-7.0情景下,21世纪不同时期北部和西南地区的积雪深度将会普遍变小,东部地区的积雪深度将普遍增加;SSP4-3.4和SSP4-6.0情景下,21世纪不同时期西南昆仑山地区的积雪深度将会普遍变小,东部地区的积雪深度将普遍增加;SSP5-8.5情景下,北部阿尔泰山地区和东部地区的积雪深度将普遍增加。     

气候变化背景下青岛本地水资源供给预估方法构建及空间分析

针对青岛市水资源本地供给的特点,本文将统计模型法与机理模型法有机结合,基于区域水资源水量平衡原理,构建基于GIS的青岛市本地水资源供给预估方法,并设置不同的自然补给情景,对未来青岛市本地水资源的供给及其空间异质性进行有效预估及分析。结果显示,气候变化背景下青岛市本地水资源供给将持续出现供给短缺且不均衡分布的特点;三种不同情景下青岛市整体本地水资源供给量呈减少趋势,即使偏丰状态情景下也存在不同程度的减少,且空间分布差异性明显;综合三种不同情景下青岛市各行政单元的本地水资源平均预估量(万m~3),呈现西海岸新区(37 974.8)平度市(21 133.2)莱西市(11 747.1)胶州市(11 496.0)崂山区(11 301.6)即墨区(7 789.6)城阳区(3 972.7)市内三区(3 682.0)的空间分布特征。因此在今后的水资源调配过程中,不仅要关注需求量,同时也要关注气候变化影响下本地水资源供给的空间差异性,特别是供需短缺严峻的区域,以达到将水资源配置与适应气候变化工作有机结合的目的。     

全球增温1.5和2℃下中国东部极端高温风险预估

2013年中国中东部地区经历了一次破纪录的极端高温,给社会经济及人民财产造成了严重损失。利用高分辨率的观测格点数据集以及参与CMIP5的17个全球气候模式数据,通过分位数映射的偏差订正方法对模式模拟的逐日最高温度数据进行订正;在此基础上,研究了2013年的破纪录极端高温以及多年（20、50和100 a）一遇极端高温在未来全球增温1.5和2℃下的风险。结果表明,在未来增温1.5℃（2℃）下,2013年极端高温强度的发生风险将会增加为历史时期（1986-2005年）的3.0倍（6.1倍）,极端高温日数增加为历史时期的5.6倍（12.6倍）。从1.5℃到2℃,额外的0.5℃的增温将会使2013年极端高温强度和日数在未来的发生风险分别增加到2.0倍和2.3倍。对于不同重现期的极端高温来说,越极端的极端高温在未来发生的风险越大,并且极端高温日数增加的风险要大于极端高温强度增加的风险。历史时期平均每20、50、100 a发生一次的极端高温日数在未来增温1.5℃下将会变为平均每4、8、15 a发生一次,在增温2℃下变为平均每2、3、6 a发生一次。历史时期20、50、100 a一遇的极端高温强度在未来增温1.5℃下将会变为7、14、27 a一遇,在未来增温2℃下变为4、6、8 a一遇。     

SDSM统计降尺度方法对江淮地区地面气温模拟能力评估及其未来情景预估

运用SDSM统计降尺度对江淮地区五个代表站点进行统计降尺度研究,应用独立观测资料验证发现统计降尺度模式具有一定的可靠性.在A2排放情景下,对5个测站的未来情景研究发现,到21世纪中叶,各测站普遍增温1.5℃左右,到本世纪末,增温幅度在4℃左右.这一结论与LMDZ动力降尺度模式结果基本一致,但统计降尺度的模拟值要略高于动力降尺度.     

水泥改良高液限黏土动态回弹模量试验研究

利用动三轴试验,研究了水泥改良高液限黏土动态回弹模量的影响因素及其变化规律。研究表明,动态回弹模量随围压、压实度和水泥含量的提高而增大,随循环偏应力和含水率的增大而减小。为分析动态回弹模量的应力依赖性,研究采用了双因素方差分析。分析表明,偏应力与围压均对动态回弹模量有显著性影响,但偏应力的影响更为显著。鉴于动态回弹模量是偏应力和体应力的函数,在分析现有动态回弹模量本构模型适应性的基础上,采用偏应力和体应力为变量的3参数复合模型对试验数据进行回归分析,结果表明,所选模型具有较高的决定系数,证明所选模型具有较高的合理性与可靠性。研究获得了不同含水率、压实度和水泥剂量下水泥改良高液限黏土的动态回弹模量预估模型,为基于动力学的路面结构设计提供了参数。     

机器学习在地震紧急预警系统震级预估中的应用

地震预警是地震减灾工作的重要途径,而震级预估是整个地震紧急预警系统中重要且较为困难的一个环节.目前,世界上多个国家和地区都已建立了各自的地震预警系统,并且形成了特征频率（τ_p和τ_c等）相关和特征振幅（P_d等）相关的两类震级紧急预警的方法,但各有局限性.本文在已有的方法和理论基础上,运用机器学习算法,将日本KIK和KNET台网从2015年至2017年所记录到的843条地震目录,55426条记录作为全数据集,设计、训练出一套用于常见震级范围的机器学习震级预估模型.与已有方法的预估结果相比,机器学习方法不仅使预估的整体误差和方差下降,同时多台联合评估单一地震事件的截面方差也更低.本研究的结果显示了机器学习算法在震级紧急预估问题上具有较广阔的应用前景,同时也为较为复杂的深度学习类算法框架下端到端模型提供了实践基础和研究可能.