摘要：借助第五阶段国际耦合模式比较计划(CMIP5)多模式集合数据、欧洲中期预报中心再分析资料及黑河流域站点观测记录等,检验了模式降水估计偏差,设计了3种降尺度方法,对2011~2100年模式集合预估降水做了降尺度偏差订正。结果表明,即使去掉模式气候飘移,在黑河流域的模拟或估计降水偏差依然较大。本文选用15个CMIP5模式集合做降水预估。依据贝叶斯模式平均(BMA)和多元线性回归(MLR)构造降尺度模型,其因子有700 hPa位势高度场、经向风和比湿等。检验表明,两种降尺度模型各有优缺点,BMA降尺度降水平均值精度较高,但方差和相关系数较低;MLR的方差和相关系数均较高,但在黑河下游极端干旱区或少雨季节易出现“负降水”偏差。在降尺度模型中加入模式降水因子后,BMA的降水方差和相关系数均有明显提高,MLR的负降水问题得到一定程度抑制。BMA模型在黑河上游最优,MLR在中、下游及整个流域最优。因此,选用BMA和MLR对RCP4.5情景下2011~2100年的降水预估做降尺度偏差订正,结果表明,经BMA和MLR降尺度后预估的整个黑河流域降水呈下降趋势,相对于1971~2000年参考期,流域前期(2011~2040年)、中期(2041~2070年)、后期(2071~2100年)降水下降率依次为−9.7%、−12.5、−12.1%,即前、中期降水明显减少,后期变化不大。其中上游降水有一个弱的增加趋势,其变化率依次为1.4%、1.6%、2.3%;中游降水呈明显减少趋势,其变化率依次为−16.3%、−21.4%、−22.6%;下游降水前期减少,中、后期明显增加,其变化率依次为−13.0%、4.2%、21.4%。该预估结果表明,随着全球气候暖化,黑河上游祁连山区降水会缓慢增加,但中游农耕区降水明显减少,流域水资源供需矛盾可能会进一步加剧。因此,黑河流域未来的分水方案及相关的生态、农业、经济等发展规划需要据此做一些调整,以适应未来气候和黑河流域水资源的可能变化。

摘要：借助英国气候研究所(Climate Research Unit,CRU)全球陆地格点分析数据集(CRU TS v4.0)月降水资料和24个国际耦合模式比较计划第五阶段(Coupled Model Intercomparison Project Phase 5,CMIP5)模式历史气候模拟及RCP4.5情景下的降水预估数据,设计了多种回归方案并对模式降水预估偏差进行订正。这些方案包括一元回归、一元对数回归、一元差分回归、一元对数差分回归、多元回归、多元对数回归、多元差分回归、多元对数差分回归和简单移除气候漂移等。2006~2015年中国大陆模式降水预估的订正结果表明,一元回归订正法普遍优于多元回归订正和扣除气候漂移订正法,其中一元对数回归法的效果最好,其降水距平同号率(Anomaly Rate,AR)和降水距平百分率相关系数(Anomaly Percentage Correlation Coefficient,APCC)最高,分别达到69%和0.5;而降水距平相关系数(Anomaly Correlation Coefficient,ACC)最高的是一元对数差分回归法。不同回归订正法所得预估结果的距平同号格点分布显示,一元对数回归法在北方优于南方,而一元差分(年际增量)或对数差分回归法在南方优于北方。这直接导致在中国南方区域(95°E以东,35°N以南)一元对数回归或多元对数回归订正结果的AR、ACC和APCC均低于对应的差分/对数差分回归法,在北方和西部地区则与此相反。因此,模式降水的回归订正方案具有区域性,这可能源于不同区域降水序列统计性质的差异。用区域组合回归订正法,即在南方用一元差分回归订正,其余地区用一元对数回归订正,其降水预估场的AR提高到72%,但ACC和APCC均略有下降,原因是差分回归订正增加了预估降水场的方差。对RCP4.5情景下2016~2045年24个模式集合平均降水预估的组合回归订正结果显示,相对于1976~2005年平均,未来30年降水异常大致呈南北少,中间多的格局,其中长江中下游、江南中西部、西南东北部、华南沿海和海南省等地降水偏少10%~20%,淮河流域、三江源区和台湾省降水偏多10%~40%,西北东部、华北和东北大部降水正常或略偏少。从降水百分率方差看,模式群的离散度(不确定度)呈现东部小,西部大的分布特征,说明模式预估的西北中部和青藏高原西部等降水偏少区的不确定性较大;而河套北部、华北南部和江南东部等地对应于2006~2015年检验期的"盲区"(模式与观测降水距平反号),其降水预估参考价值可能不大,需要引入他法加以改进。

摘要：利用中国160站降水记录及欧洲中心ERA-Interim再分析数据等构建了16种线性回归降水预测模型,包括"站点"降水直接/间接预测模型(间接模型是指先预测东亚季风指数,再以此估计站点降水),以及"区域-站点"降水直接/间接预测模型,即先预测一个区域的降水再分配到站点。此外,还构建了所有模型集合的降水预测模型。预报因子包括两种ENSO指数、北大西洋涛动(NAO)指数和青藏高原积雪深度等4个因子。模型亦分为3因子和4因子(包括积雪因子)组及对降水取/不取对数组等前处理。2005—2016年的回报试验表明,"站点"模型优于"区域-站点"模型,对降水取对数模型优于不取对数模型。另外,"站点"模型组中的间接降水预测模型优于直接模型,但"区域-站点"组却相反。ERA-Interim积雪深度资料不确定性带来的偏差超过该因子对降水预测的贡献。平均PS评分最高的是3因子的直接站点降水取对数模型(MDS-3Ln),平均达到71分,高于集合模型(MEM)得分。这些结果表明,线性回归降水模型的设计理念与实际预测效果可能并不一致,其原因是因子的选取或数学处理过程会引入新的不确定性或偏差,必须综合评估各种设计方案的"成本-效益"关系。