發(fā)布時(shí)間：2020-11-16 10:49

　　 天氣發(fā)生器可以較好產(chǎn)生長(zhǎng)序列氣候數(shù)據(jù),可用于模擬數(shù)據(jù)缺失地區(qū)的氣候,也被廣泛用于氣候變化影響評(píng)估。但不同天氣發(fā)生器的參數(shù)化方法不同,其模擬的效果也有一定差別,可能會(huì)因氣候差異而模擬效果不同。因此,需要評(píng)估多種天氣發(fā)生器的模擬效果,從而合理選擇模擬模型。本文選取了中國(guó)不同氣候區(qū)743個(gè)站點(diǎn)的日降水?dāng)?shù)據(jù),在分析中國(guó)降水時(shí)空變化規(guī)律的基礎(chǔ)上,模擬和評(píng)估了四種模型對(duì)降水概率的模擬效果,分析了五種模型對(duì)中國(guó)降水量的模擬效果,并特別比較了五種降水量模型對(duì)極端指標(biāo)的模擬效果。取得的主要結(jié)果如下:(1)摸清了近50年中國(guó)降水的時(shí)空變化規(guī)律,從空間分布上,沿東南向西北方向,年均降水量、降水日數(shù)和大部分極端降水指標(biāo)遞減,降水日數(shù)年際變化率和最長(zhǎng)無(wú)雨期遞增;從年際變化趨勢(shì)看,除干旱地區(qū)年均降水量、降水日數(shù)呈不明顯的上升趨勢(shì),其它地區(qū)降水量呈不同程度的下降趨勢(shì),且變化趨勢(shì)不顯著;四個(gè)極端降水強(qiáng)度指標(biāo)(PTOT、R95P、R99P、SDII)整體呈上升趨勢(shì),而四個(gè)極端降水頻率指標(biāo)(CDD、CWD、R10、R20)呈下降趨勢(shì)。(2)得出了四種概率分布模型在中國(guó)的適應(yīng)性。模型對(duì)降水概率參數(shù)都具有一定的模擬能力,一階和二階馬爾科夫鏈(MC1和MC2)對(duì)月降水日數(shù)平均值的模擬效果較好,而二階和三階馬爾科夫鏈(MC2和MC3)對(duì)降水日數(shù)標(biāo)準(zhǔn)偏差的模擬效果較好,模擬效果受氣候區(qū)影響較大,MC1和MC2對(duì)不同季節(jié)不區(qū)域降水日數(shù)模擬效果都比較好,而MC3對(duì)降水較多的夏季和秋季的模擬效果較差;除了冬季,SE產(chǎn)生的結(jié)果較實(shí)測(cè)值均有較大偏差。(3)對(duì)比得出了中國(guó)降水量模擬的最優(yōu)模型。對(duì)不同尺度降水量的模擬,混合指數(shù)分布(MEXP)和韋伯分布(WBL)整體效果優(yōu)于其它模型。不同模型模擬誤差都隨降水量增加而增大。對(duì)半干旱和干旱區(qū)域或降水量較少的季節(jié),MEXP的模擬效果最好;而降水量多、強(qiáng)度大的濕潤(rùn)地區(qū)或季節(jié),SKEW模擬效果最好。因此,選擇降水量最優(yōu)模型時(shí),需要綜合考慮季節(jié)和區(qū)域因素,尤其對(duì)降水總量多、降水強(qiáng)度大的濕潤(rùn)地區(qū)。(4)探究了極端降水指標(biāo)模擬的最優(yōu)模型。從指標(biāo)上講,年降水量(PTOT)、強(qiáng)降水量(R95P)和極強(qiáng)降水量(R99P)三個(gè)指標(biāo)的模擬效果較好,而連續(xù)最長(zhǎng)無(wú)雨日數(shù)(CDD)模擬效果最差。不同模型對(duì)極端降水指標(biāo)平均值的模擬效果比標(biāo)準(zhǔn)差好,其中SE的模擬能力優(yōu)于其它四個(gè)模型。所有模型對(duì)極端降水指標(biāo)時(shí)間變化趨勢(shì)模擬能力都較差。
【學(xué)位單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P426.6
【部分圖文】：

圖 1-1 中國(guó)氣象站點(diǎn)分布圖Fig.1-1 Location of meteorological stations in China1.4.2 研究方法(1)空間分布利用 ArcGIS 中的克里金插值方法可將觀測(cè)的離散點(diǎn)數(shù)據(jù)轉(zhuǎn)化為連續(xù)曲面數(shù)據(jù)。該方法是根據(jù)已知站點(diǎn)數(shù)據(jù)的大小、形狀，觀測(cè)站點(diǎn)和未知站點(diǎn)空間位置關(guān)系及變異函數(shù)的結(jié)構(gòu)特點(diǎn)，對(duì)未知站點(diǎn)進(jìn)行的線性無(wú)偏最優(yōu)估計(jì)。即通過(guò)對(duì)觀測(cè)站點(diǎn)值按權(quán)重系數(shù)加權(quán)平均求得未知站點(diǎn)值。表達(dá)式如下：Z ( ) = ( ) （1-1）式中，Z( )為第 i 個(gè)位置的觀測(cè)值， 為第 i 個(gè)位置的權(quán)重，它的大小主要取決于觀測(cè)站點(diǎn)到待插值點(diǎn)的距離， 是待插值的位置，n 是樣本的大小，這種方法既考慮了觀測(cè)站點(diǎn)與未知站點(diǎn)的距離，還通過(guò)變異函數(shù)和結(jié)構(gòu)分析，考慮了觀測(cè)站點(diǎn)的空間分布與未知站點(diǎn)的空間位置關(guān)系�？梢杂行�彌補(bǔ)觀測(cè)站點(diǎn)間降水?dāng)?shù)據(jù)的不均勻情況。（2）單調(diào)趨勢(shì)分析

變化分析的基礎(chǔ)上，采用 9 種分布模型，根據(jù)觀測(cè)的日降水?dāng)?shù)據(jù)特征水?dāng)?shù)據(jù)，并從參數(shù)統(tǒng)計(jì)特征、時(shí)間變化特征和空間分布特征三個(gè)方面水量模型的模擬效果，最后基于觀測(cè)和模擬的降水量數(shù)據(jù)，統(tǒng)計(jì)了 8模型對(duì)極端降水的模擬效果。技術(shù)路線圖，如圖 1-2。模擬降水?dāng)?shù)據(jù)天氣發(fā)生器模擬評(píng)估空間分布特征觀測(cè)降水?dāng)?shù)據(jù)時(shí)間變化特征基本統(tǒng)計(jì)特征MC1、MC2、GAM,WBL,SKE

圖 2-1 降水要素的空間分布Fig. 2-1 Spatial distribution of precipitation elements2.1.2 降水的時(shí)間變化趨勢(shì)近 50 年中國(guó)降水量變化趨勢(shì)呈混合模式（圖 2-2a），呈上升和下降趨勢(shì)的站點(diǎn)分別有 334 和 402個(gè)，7 個(gè)站點(diǎn)沒(méi)有變化趨勢(shì)，但僅有 50 和 29 個(gè)站點(diǎn)變化趨勢(shì)顯著，平均變化速率分別為 1.24 mm/a和-1.28 mm/a，呈上升趨勢(shì)的站點(diǎn)主要分布在西北和東南沿海地區(qū)，通過(guò)顯著檢驗(yàn)的站點(diǎn)主要位于西北地區(qū)。長(zhǎng)江以北的東部半濕潤(rùn)半干旱地區(qū)年降水量主要呈下降趨勢(shì)，顯著下降站點(diǎn)主要分布在云南、貴州和四川三省的交際地區(qū)。圖 2-2b 年均降水日數(shù)的變化趨勢(shì)比較明顯，西北部地區(qū)降水日數(shù)基本上呈上升趨勢(shì)，而除西北地區(qū)外其它地區(qū)主要呈下降趨勢(shì)，上升和下降的站點(diǎn)分別有 99 和643 個(gè)，其中分別有 28 和 493 個(gè)站點(diǎn)變化趨勢(shì)顯著。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 段凱;梅亞?wèn)|;;基于Tebaldi模型集成法的降水變化不確定性分析[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2015年04期

2 王文濤;仲平;陳躍;;美國(guó)《第三次氣候變化國(guó)家評(píng)估報(bào)告》解讀及其啟示[J];全球科技經(jīng)濟(jì)瞭望;2014年09期

3 李瑩;高歌;宋連春;;IPCC第五次評(píng)估報(bào)告對(duì)氣候變化風(fēng)險(xiǎn)及風(fēng)險(xiǎn)管理的新認(rèn)知[J];氣候變化研究進(jìn)展;2014年04期

4 李世娟;諸葉平;;基于干濕期的隨機(jī)天氣發(fā)生器[J];農(nóng)業(yè)工程學(xué)報(bào);2014年11期

5 任正果;張明軍;王圣杰;朱小凡;董蕾;強(qiáng)芳;;1961-2011年中國(guó)南方地區(qū)極端降水事件變化[J];地理學(xué)報(bào);2014年05期

6 Yue-ping XU;Chong MA;Su-li PAN;Qian ZHU;Qi-hua RAN;;多站天氣發(fā)生器在中國(guó)東部錢塘江流域降雨模擬的評(píng)估（英文）[J];Journal of Zhejiang University-Science A(Applied Physics & Engineering);2014年03期

7 趙姹;李志;劉文兆;;GCM降尺度預(yù)測(cè)涇河流域未來(lái)降水變化[J];水土保持研究;2014年01期

8 張曉華;高云;祁悅;傅莎;;IPCC第五次評(píng)估報(bào)告第一工作組主要結(jié)論對(duì)《聯(lián)合國(guó)氣候變化框架公約》進(jìn)程的影響分析[J];氣候變化研究進(jìn)展;2014年01期

9 董思言;高學(xué)杰;;長(zhǎng)期氣候變化——IPCC第五次評(píng)估報(bào)告解讀[J];氣候變化研究進(jìn)展;2014年01期

10 翟穎佳;李耀輝;陳玉華;;全球及中國(guó)區(qū)域氣候變化預(yù)估研究主要進(jìn)展簡(jiǎn)述[J];干旱氣象;2013年04期

相關(guān)博士學(xué)位論文 前2條

1 趙貴章;鄂爾多斯盆地風(fēng)沙灘地區(qū)包氣帶水—地下水轉(zhuǎn)化機(jī)理研究[D];長(zhǎng)安大學(xué);2011年

2 夏樂(lè)天;馬爾可夫鏈預(yù)測(cè)方法及其在水文序列中的應(yīng)用研究[D];河海大學(xué);2005年

相關(guān)碩士學(xué)位論文 前2條

1 張勝娜;含有隱變量的高階馬爾科夫模型的理論及應(yīng)用[D];電子科技大學(xué);2014年

2 陳威霖;中國(guó)地區(qū)極端降水變化模擬評(píng)估及其未來(lái)情景預(yù)估[D];南京信息工程大學(xué);2008年

本文編號(hào)：2886083