發(fā)布時間：2020-11-16 10:49

　　 天氣發(fā)生器可以較好產生長序列氣候數(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,可能會因氣候差異而模擬效果不同。因此,需要評估多種天氣發(fā)生器的模擬效果,從而合理選擇模擬模型。本文選取了中國不同氣候區(qū)743個站點的日降水數(shù)據(jù),在分析中國降水時空變化規(guī)律的基礎上,模擬和評估了四種模型對降水概率的模擬效果,分析了五種模型對中國降水量的模擬效果,并特別比較了五種降水量模型對極端指標的模擬效果。取得的主要結果如下:(1)摸清了近50年中國降水的時空變化規(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遞減,降水日數(shù)年際變化率和最長無雨期遞增;從年際變化趨勢看,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,其它地區(qū)降水量呈不同程度的下降趨勢,且變化趨勢不顯著;四個極端降水強度指標(PTOT、R95P、R99P、SDII)整體呈上升趨勢,而四個極端降水頻率指標(CDD、CWD、R10、R20)呈下降趨勢。(2)得出了四種概率分布模型在中國的適應性。模型對降水概率參數(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)對降水日數(shù)標準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對降水較多的夏季和秋季的模擬效果較差;除了冬季,SE產生的結果較實測值均有較大偏差。(3)對比得出了中國降水量模擬的最優(yōu)模型。對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、強度大的濕潤地區(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,需要綜合考慮季節(jié)和區(qū)域因素,尤其對降水總量多、降水強度大的濕潤地區(qū)。(4)探究了極端降水指標模擬的最優(yōu)模型。從指標上講,年降水量(PTOT)、強降水量(R95P)和極強降水量(R99P)三個指標的模擬效果較好,而連續(xù)最長無雨日數(shù)(CDD)模擬效果最差。不同模型對極端降水指標平均值的模擬效果比標準差好,其中SE的模擬能力優(yōu)于其它四個模型。所有模型對極端降水指標時間變化趨勢模擬能力都較差。
【學位單位】：西北農林科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：P426.6
【部分圖文】：

圖 1-1 中國氣象站點分布圖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的離散點數(shù)據(jù)轉化為連續(xù)曲面數(shù)據(jù)。該方法是根據(jù)已知站點數(shù)據(jù)的大小、形狀，觀測站點和未知站點空間位置關系及變異函數(shù)的結構特點，對未知站點進行的線性無偏最優(yōu)估計。即通過對觀測站點值按權重系數(shù)加權平均求得未知站點值。表達式如下：Z ( ) = ( ) （1-1）式中，Z( )為第 i 個位置的觀測值， 為第 i 個位置的權重，它的大小主要取決于觀測站點到待插值點的距離， 是待插值的位置，n 是樣本的大小，這種方法既考慮了觀測站點與未知站點的距離，還通過變異函數(shù)和結構分析，考慮了觀測站點的空間分布與未知站點的空間位置關系。可以有效彌補觀測站點間降水數(shù)據(jù)的不均勻情況。（2）單調趨勢分析

變化分析的基礎上，采用 9 種分布模型，根據(jù)觀測的日降水數(shù)據(jù)特征水數(shù)據(jù)，并從參數(shù)統(tǒng)計特征、時間變化特征和空間分布特征三個方面水量模型的模擬效果，最后基于觀測和模擬的降水量數(shù)據(jù)，統(tǒng)計了 8模型對極端降水的模擬效果。技術路線圖，如圖 1-2。模擬降水數(shù)據(jù)天氣發(fā)生器模擬評估空間分布特征觀測降水數(shù)據(jù)時間變化特征基本統(tǒng)計特征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 降水的時間變化趨勢近 50 年中國降水量變化趨勢呈混合模式（圖 2-2a），呈上升和下降趨勢的站點分別有 334 和 402個，7 個站點沒有變化趨勢，但僅有 50 和 29 個站點變化趨勢顯著，平均變化速率分別為 1.24 mm/a和-1.28 mm/a，呈上升趨勢的站點主要分布在西北和東南沿海地區(qū)，通過顯著檢驗的站點主要位于西北地區(qū)。長江以北的東部半濕潤半干旱地區(qū)年降水量主要呈下降趨勢，顯著下降站點主要分布在云南、貴州和四川三省的交際地區(qū)。圖 2-2b 年均降水日數(shù)的變化趨勢比較明顯，西北部地區(qū)降水日數(shù)基本上呈上升趨勢，而除西北地區(qū)外其它地區(qū)主要呈下降趨勢，上升和下降的站點分別有 99 和643 個，其中分別有 28 和 493 個站點變化趨勢顯著。
【參考文獻】

相關期刊論文 前10條

1 段凱;梅亞東;;基于Tebaldi模型集成法的降水變化不確定性分析[J];武漢大學學報(工學版);2015年04期

2 王文濤;仲平;陳躍;;美國《第三次氣候變化國家評估報告》解讀及其啟示[J];全球科技經濟瞭望;2014年09期

3 李瑩;高歌;宋連春;;IPCC第五次評估報告對氣候變化風險及風險管理的新認知[J];氣候變化研究進展;2014年04期

4 李世娟;諸葉平;;基于干濕期的隨機天氣發(fā)生器[J];農業(yè)工程學報;2014年11期

5 任正果;張明軍;王圣杰;朱小凡;董蕾;強芳;;1961-2011年中國南方地區(qū)極端降水事件變化[J];地理學報;2014年05期

6 Yue-ping XU;Chong MA;Su-li PAN;Qian ZHU;Qi-hua RAN;;多站天氣發(fā)生器在中國東部錢塘江流域降雨模擬的評估（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降尺度預測涇河流域未來降水變化[J];水土保持研究;2014年01期

8 張曉華;高云;祁悅;傅莎;;IPCC第五次評估報告第一工作組主要結論對《聯(lián)合國氣候變化框架公約》進程的影響分析[J];氣候變化研究進展;2014年01期

9 董思言;高學杰;;長期氣候變化——IPCC第五次評估報告解讀[J];氣候變化研究進展;2014年01期

10 翟穎佳;李耀輝;陳玉華;;全球及中國區(qū)域氣候變化預估研究主要進展簡述[J];干旱氣象;2013年04期

相關博士學位論文 前2條

1 趙貴章;鄂爾多斯盆地風沙灘地區(qū)包氣帶水—地下水轉化機理研究[D];長安大學;2011年

2 夏樂天;馬爾可夫鏈預測方法及其在水文序列中的應用研究[D];河海大學;2005年

相關碩士學位論文 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用[D];電子科技大學;2014年

2 陳威霖;中國地區(qū)極端降水變化模擬評估及其未來情景預估[D];南京信息工程大學;2008年

本文編號：2886083