论文部分内容阅读
随着全球温度的升高,区域气候变化受到了越来越多的学者关注。由于每个国家的地理差异比较大,区域气候效应也不一致,所以全球变暖对各个国家和区域的影响也不一样。目前大多数的全球气候模式(GCM)没有较小尺度的空间分辨率,在研究小尺度区域气候时模拟效果不好。降尺度方法已广泛运用于弥补GCM在这方面的不足,可以有效减小GCM的系统误差,提高GCM分辨率。本文采用主成分分析和逐步回归相结合的统计降尺度方法对1月和7月长江中下游地区温度变化进行了统计降尺度处理,并对该地区温度变化进行了未来三种不同排放情景下的预估。首先采用1980~2011年ECMWF中ERA-Interim再分析资料和长江中下游同时期实测站点温度资料建立逐月统计降尺度模型,接着进行模型验证,并将建立的模型运用到Coupled Model Intercomparison Project Phase 5(CMIP5)资料中,最后使用多个CMIP5全球气候模式进行多模式集合,从而生成长江中下游地区各个测站未来气温变化序列。研究结果表明:(1)使用ECMWF再分析资料作为预报因子与长江中下游地区105个观测站点的气象观测资料建立统计降尺度模型,从验证结果可以看出两个月份的整体相关都很好,虽然7月份有2个相关系数低于0.9的年份,但相关系数都达到了0.89以上。(2)相较于原始的ECMWF再分析资料,经过降尺度处理以后的资料能够很好再现观测温度增温率的空间分布特征。(3)多个模式通过算术平均的集合方法形成多模式集合模式(MME),该模式可以有效提高GCM对研究区域气温的模拟能力。(4)MME模式通过统计降尺度方法后形成统计降尺度后的多模式集合模式(SDMME),可以进一步提高GCM的模拟能力。(5)通过统计降尺度方法对未来三种不同排放情景下的预估结果可以看出:在本世纪末的时候气温在不同排放情景下都高于目前温度2~3℃,并且7月份的增温幅度要大于1月份。