CMIP5气候情景的统计订正与未来20年中国东部降水趋势预估

This proposal focuses on establishing a new dynamical-statistical system for producing a set of new climate scenarios under the basis of CMIP5, so as to estimate corresponding precipitation trends in East China for the period 2016-2035. Up to date the major method used in studying climate scenarios of CMIP5 is to directly analyze its multi-model outputs despite of various uncertainties existed in them; for instance, their decadal-multidecadal (D-MD) components are usually weaker than normal, especially for the ensemble mean of the multi-model outputs. In addition, the precipitation predicted by low-resolution climate model or GCM must be corrected, before use it due to errors, as well known. Hence, we intend to statistically correct the D-MD components in CMIP5 climate scenarios (RCP4.5, 8.5), on one hand, and keep their non-linear trends and inter-annual variations, on the other. Firstly, we would combine reanalysis and CMIP5 historical simulation data sets for either reducing errors or extending the time series of the data sets up to 2015. The data sets would be used in establishing multi-scale, quasi-stationary regression equations basing on orthogonal wavelet theory, EOF analysis and ecnomic time series methods. The D-MD components of the climate variables for 2016-2035 would then be estimated by the equations, and they will be used to replace the corresponding ones in the ensemble mean of the multi-model outputs of CMIP5 in the period to form a new set of climate scenarios estimates, a sets of dynamical-statistical climate scenarios estimates. Meanwhile we would develop a quasi-stationary downscaling model for estimating the East China precipitations for the period using the new scenarios estimates and other techniques. The new climate scenarios estimates could provide more options for future climate adaptation, on one hand, and decrease the risk on preventing and reducing natural disasters in the future, on the other. Besides, the new dynamical-statistical system of the climate scenarios can also be employed to estimate other climate scenarios variables in future climate change studies.

基于小波分解等方法,利用国际耦合模式比较计划(CMIP5)建立新的动力-统计结合气候情景预估系统并用于中国东部未来20年(201-2035)降水情景预估。已有研究多直接分析多模式气候情景数据而较少考虑其不确定性,导致年代-多年代(D-MD)尺度成分偏弱,集合平均后更弱等。而大尺度模式预测的降水也必须经过统计订正方可使用。本研究将保留气候情景(RCP4.5, 8.5)中的非线性趋势和年际变化部分,仅对D-MD成分订正。首先选出5-8个CMIP5 模式，融合其历史模拟和再分析资料，用正交小波及EOF等分离其D-MD成分，依此建立多尺度准平稳统计模型，估计其未来20年的演变，替换原情景预估中的相应成分，构成新的动力-统计气候情景预估。最后依新资料建立准平稳降水降尺度模式，估计中国东部降水演变趋势，为适应政策提供更多选项，减少防灾减灾风险。此外，该系统也可用于其他气候要素情景预估,减少不确定性。

根据项目任务书的要求，针对国际上气候预估普遍存在的不确定性问题，组织了科学研究，经过四年的努力，完成了既定的研究任务，达到了研究目标。主要成果如下：1）分析了CMIP5历史模拟气温和降水的偏差特征，结果表明，模式降水在西部北部明显偏多，东南沿海偏少，模式气温偏差相对较小，其中降水模式漂移是偏差的主要部分，非定常部分是本项目需要订正的主要偏差部分；2）设计的模式降水偏差订正方法有，去除气候漂移、一元和多元线性回归、一元和多元对数回归、一元和多元差分回归及一元和多元对数差分回归等；3）对订正效果检验计算了每一种订正方法结果的距平同号格点分布、距平同号率(AR)、距平相关系数(ACC)及距平百分率相关系数(APCC)等; 4)对2006-2015年CMIP5多模式降水/集合平均降水订正结果的检验表明，AR和APCC最高的是一元对数回归和一元回归，ACC最高的是一元差分回归和一元对数差分回归，说明订正方法具有区域性；对南方和北方分别统计发现，在南方一元差分回归和一元对数差分回归两个指标均最好，而在西部和北方一元线性回归和一元对数回归最好；5）根据订正方法的区域性，设计了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，订正后降水预估场的AR提高到72%，但ACC和APCC略有下降；6）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、三江源区和台湾省等地降水偏多10%-40%，西北东部、华北和东北大部降水正常或略偏少；7）模式群的离散度呈现东部小。此外还研究了21世纪初西南干旱问题、大尺度气候分类与气候形成机理以及21世纪初的全球升温停顿（Hiatus）等问题，发现了西南干旱的温湿配置及环流水汽异常特征，大尺度气候分类的降水和水汽环流型，21世纪初的Hiatus的形成机理及2014 北京APEC蓝的人为调控和气象条件的相对贡献等创新成果。

内容获取失败，请点击重试