两种统计降尺度模型在雅砻江流域未来气候预测中的应用

作     者：秦兴隔 董晓华 董立俊 杨晨 王雅琳 李璐 QIN Xing-ge;DONG Xiao-hua;DONG Li-jun;YANG Chen;WANG Ya-lin;LI Lu

作者机构：三峡大学水利与环境学院湖北宜昌443002 三峡库区生态环境教育部工程研究中心湖北宜昌443002 水资源安全保障湖北省协同创新中心湖北武汉430072 

基　　金：欧洲空间局、中国国家遥感中心项目(58516) 中国电建集团华东勘测设计研究院有限公司项目(DJ-ZDZX-2016-02-09) 

出 版 物：《水电能源科学》 (Water Resources and Power)

年 卷 期：2022年第40卷第8期

页      码：17-21页

摘      要：全球气候变化背景下,选择适宜的降尺度方法预估区域尺度的未来气候变化趋势,对雅砻江流域水资源规划利用具有重要意义。采用人工神经网络降尺度模型(ANN)和统计降尺度模型(SDSM),基于雅砻江流域内13个国家气象站1981~2005年数据和NCEP再分析资料构建两种模型的历史期日最高气温、最低气温、降水降尺度模型,将CNRM-CM5全球气候模式的3种排放情景(RCP2.6、RCP4.5、RCP8.5)数据输入模型预测未来2022~2100年最高气温、最低气温、降水变化,比较人工神经网络与SDSM降尺度模型在雅砻江流域模拟效果。结果表明,ANN模拟气温、验证期降水效果优于SDSM,确定性系数R^(2)分别高0.02~0.27、0.01~0.14,均方根误差R_(RMSE)分别小0.22~2.40、0.01~0.77,ANN模拟率定期降水效果不如SDSM,确定性系数R^(2)小0.02~0.07;在空间分布上,ANN模拟气温效果在整个流域优于SDSM,日最高气温和日最低气温模拟效果最好的区域为中游和上游,ANN模拟验证期日均降水在流域上、下游明显优于SDSM,在流域中游略优于SDSM,模拟率定期效果在流域大部分区域不如SDSM;未来三种RCP情景下,SDSM、ANN预测未来最高气温、最低气温、降水在中后期呈增加趋势,且在RCP8.5情景下后期增加最高。

主 题 词：SDSM 人工神经网络 CNRM-CM5 气候变化 雅砻江流域 

学科分类：07[理学] 080103[080103] 08[工学] 070601[070601] 080104[080104] 081502[081502] 0815[工学-矿业类] 0706[理学-大气科学类] 0801[工学-力学类] 

D　O　I：10.20040/j.cnki.1000-7709.2022.20212654

馆 藏 号：203112360...