非齐次隐马尔可夫降尺度方法对江淮流域夏季日降水的模拟与预估

发布时间：2025-07-19 05:02

　　引入非齐次隐马尔可夫模型(Nonhomogeneous hidden Markov model, NHMM)统计降尺度方法,利用1961-2002年江淮流域夏季逐日降水资料、欧洲中期天气预报中心(ECMWF)ERA-40再分析资料建立NHMM降尺度模型,检验其对东部季风区(以江淮流域为代表)夏季日降水的模拟能力,并进行BCC-CSM1.1(m)、IPSL-CM5A-MR、MPI-ESM-MR模式NHMM降尺度前后模拟效果的对比。最后采用上述3个气候模式输出的环流资料驱动NHMM,对典型浓度路径RCP4.5 (Representative Concentration Pathway 4.5)情景下江淮流域夏季降水在21世纪前期(2016-2035年)、中期(2046-2065年)和末期(2081-2100年)的变化进行预估。得到以下主要结论：(1)基于各环流变量与江淮流域夏季降水的年际相关系数,对不同环流变量组合建立的降尺度模型模拟效果进行对比,发现500hPa位势高度、海平面气压、500hPa纬向风场和500hPa相对湿度4个预报因子的组合,可作为江淮流域NHMM降尺度的最优预报因子。(...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图2.1江淮流域56个代表站点的分布

第二章资料和方法第二章资料和方法??料简介??取了江淮流域口７．５－３２。Ｎ，１１０－１２２°巧分布较为均匀的５６个站点（采用１９６１－１９９０年的夏季（６－８月）逐曰降水观测１资料及同期ＥＲＡ－４０逐曰料（２．５°?Ｘ２．５°?），建立非齐次隐马尔可夫统计降尺度模型。通常，有可....

图２．４两个序列的做、＆ｃｗｅ指标的两类情况比较??（ＸＩ、ｘ２是两个不同序列，（ａ）两个序列接近重合，（的两个序列不重合）??

（７）式表明＆ｗｒｅ是模拟和观测ＰＤＦ之间最小值的累加，反映的是模拟与观??巧师个ＰＤＦ之间相互重叠的部分。模拟与观测的ＰＤＦ的重叠越多，＆ｗｒｅ的值越??大，如图２．４（ａ），＆ＣＷ值为９８．０２％，若模拟与观测的ＰＤＦ重合，则＆ＣＤＫ的值??为１；反么＆ｃｏｒｅ的值越小，如图....

图3.1江淮流域夏季降水量气候态的空间分布(单位:mm)

ＮＨＭＭ降尺度模型的建立??大尺度环流变量（预报因子）的选择对于统计降尺度模型的建立至降尺度的效果紧密相连。选择预报因子的基本原则是：选择的因子量（降水量）有较好相关、物理意义明确；能够抓住年际变率；能够被的模拟基于上考虑，我们按Ｗ下步骤选择最优预报因子：??（１）选择与江淮流域....

图３．４?ＮＨＭＭ模拟和观测的南京（ａ）、杭州（的、武汉（ｃ）、合肥州站日降水量ＰＤＦ曲线对比、??公Ｓ和指标的盒须图（ｅ）??（图（ｅ）中左轴为反Ｓ的刻度，右轴女

３．４．１日降水量的概率分布??降水量的概率分布曲线是对该站降水总体特征的概括，在对降水进行模拟??的过程中，准确的把握降水量的概率分布至关重要。图３．４首先给出４个不同省??份的代表站南京、杭州、武汉、合肥的观测和ＮＨＭＭ模拟的日降水量概率分布??曲线图。４个站中，模拟和观测的....

本文编号：4058032