当前世界环境

介绍

气候变化也是影响水资源的几种威胁之一。水资源短缺、污染和气候变化将是当前和下个世纪出现的主要问题。气候变化和全球变暖是大气中温室气体(GHG)(主要是二氧化碳)积聚的结果。全球气候模式(GCMs)是预测未来气候的基本工具，有助于更好地了解气候变化。⁹区域气候模式(RCMs)是研究大气环流模式(GCM)尚未解决的尺度气候机制的重要工具。rcm仍然容易产生偏差，模拟的气候并不总是与观测完全一致，这在气候变化影响研究中是至关重要的。¹⁴最近提出和评估了几种方法，主要集中在降水和温度上。^{1、2、8、13、16}

研究区域是古吉拉特邦索拉斯特拉地区的贾姆纳格尔地区。它的范围从北纬21º40'到北纬22º57'，东经68º57'到东经70º37'。历史水文气象数据(1961-2000)收集自印度国家水数据中心Gandhinagar和JAU Jamnagar的Millet研究站。由CGCM 2.3.2 RCM模拟的IPCC SRES-A1B(平衡情景)的未来天气资料可从网站下载，详情见。^6、7

材料与方法

对RCM模拟数据进行偏差校正，使其与基线期(1961-2000)的观测天气(日降水量和最高/最低气温)相匹配。因此，对未来情景-2046-64和2081-2100进行偏差校正。利用自相关线性变换和方差标度对气温和降水进行自相关，对降水进行功率变换，对月窗日最低/最高气温和降水进行均值和变异系数(CV)的偏倚校正。

RCM模拟数据以1961 ~ 2000年为对照期，以2046 ~ 64年和2081 ~ 2100年为未来预测期。因此，对于偏置校正，将1967-2000年和1976-2000年分别作为温度和降水的基线期。每月窗口比较RCM模拟数据和观测数据，并分别确定每12个月的统计参数，即平均值和标准差，以便两者在每月窗口上匹配。其余时期的RCM模拟数据使用基线期获得的参数进行偏差校正。所描述的方法¹⁷用于偏差校正。

降水和温度的线性标度方法

这种方法可以根据观测值和当前模拟值之间的差异进行月度修正。¹²

在那里,

P* control (d) =模拟1976-2000年RCM的最终偏差校正日降水量。

P*图(d) =模拟2046-64年和2081-2100年RCM的最终偏差校正日降水量

pcontrol (d) = 1976-2000年RCM模拟的日降水量。

Pscen (d) = RCM模拟2046-2064和2081-2100的日降水量

T*对照(d) =模拟1967-2000年RCM的最终偏差校正日温度

T*图(d) =模拟2046-2064和2081-2100的RCM的最终偏差校正日温度。

μm =月平均值。

Pobs(d) = 1976-2000年观测资料的日降水量。

Tobs(d) = 1967-2000年观测资料的日气温。

降水功率变换

用ap调整降水时间序列的方差统计^b．^10、11首先，通过与修正后的日RCM降水CV (P^b)与逐月观测日降水量(Pobs)的CV值

根据布伦特的方法^3.它是通过寻根算法来实现的。利用标准线性标度参数，将观测降水的长期月平均值与中间序列P*的月平均值进行匹配¹_来讲(d)

温度方差标度

通过幂变换对均值和方差进行了有效的校正。由于使用幂函数，它被限制在降水时间序列。rcm模拟时间序列的均值(μm)通过线性缩放调整(式。(三)、(四)^4、5同时，均值校正控制(T*¹对照(d))和情景运行(T*图(d))按月移至零平均值。

然后，根据观测值σ与控制值σ的比值，得到位移时间序列(T^{* 2}_来讲(d)和(T)^{* 2}_scen(d))按比例排列。

最后，σ修正后的时间序列(T^{* 3}_来讲(d)_和T^{* 3}_scen(d)_）用修正后的平均值(μm (T^{* 1}_来讲(d))和μm (T)^{* 1}_scen^(d))):

结果与讨论

控制情景降水(1976-2000)

从图1可以看出，5 - 7月rcm模拟的日降水量与实际观测值相比存在高估现象。但经过偏置校正后，1976-2000年12个月逐日降水量的月平均、标准差和变异系数与基线期各观测资料完全吻合。未校正的RCMs降水在5月和6月有正(高估)偏差，7月和8月的偏差可以忽略不计。与校正后的RCMs输出相比，未校正的月平均降水量在5月和6月较高，在7月和9月基本相同。

图1:未校正RCM的月平均值比较，有偏差 校正drcm，观察对照期间的日降水量 时期(1976 - 2000)。 点击此处查看图

通过使用无分布方法确定一年中每个月的参数a和b，减少了抽样变异性的影响。通过迭代确定参数b，使RCM预测的日降水值的变异系数与逐月观测降水的变异系数(CV)相匹配。参数a的确定使转换后的降水日值的平均值与观测到的平均值相匹配。A依赖于b, b只依赖于CV¹⁵．图2显示了控制期RCM运行的四个网格点的系数a和指数b的年周期。

图2:乘系数(a)与幂的比较 指数(b)通过幂变换校正偏差 (P1=美联社b)计算不同月份的rcm日降水量。 点击此处查看图

未来情景降水(2046-2064)

图1显示了1978-2000年控制期降水模拟和偏置校正后的降水变化较大。当使用未经偏差校正的原始数据进行分析时，rcm在2046-64年的4月和5月显示出更高的差异(图3)。通过对RCM模拟降水的偏差校正，4月和5月逐日校正值的月平均值较模拟原始值有所减小。在接下来的几个月里，这些数值并没有太大的差异。

未来情景降水(2081-2100)

在图4中，4月和5月，模拟原始数据的偏差修正比RCM模拟的原始降雨量减少。与此同时，8月和10月订正降水量高于未订正降水量。

当使用没有偏差校正的原始数据进行分析时，RCM模拟显示出大量的分歧。因此，从5月到8月，预估的未来降水百分比变化幅度差异很大。平均而言，与模拟的rcm相比，预计7月和8月的降水将增加，而预计其他季节的降水几乎相同。最大的修正发生在5月，平均降水从8.45减少到1.97。

数字3:日未校正月均值比较 并校正了RCM模拟的未来降水 2046 - 2064年期间 点击此处查看图

数字4:日未校正月平均值比较 并校正了RCM模拟的未来降水 2081 - 2100年期间。 点击此处查看图

对照降水(1976-2000)与未来情景降水(2046-2064和2081-2100)的比较

从图5可以看出，2046-64年4 - 7月的月平均日降水量比基线期(1976-2000)有所增加。未来2081-2100年，4月、7月、8月、9月和10月较2046-64年和基线期(1976-2000年)有所增加。在2081-2100年期间，6月份的月份比2046-64年期间减少。然而，在2081-2100年期间，它将是最高的，其次是1961-2000年和2046-64年的7月至10月。因此，可以说2046-64年期间7 - 10月的降雨量将比基线期(1961-200)有所减少，而在2081-2100年期间又将有所增加。1月至3月、11月和12月对降雨影响不大。

数字5:日未校正月平均值与 RCM模拟的对照校正降水(1961-2000) 以及未来情景(2046-64年和2081-2100年)。 点击此处查看图

控制情景的最低气温(1967-2000)

图6显示，rcm模拟的1 - 5月和12月的最低温度被高估。经线性变换和方差标度法进行偏置校正后，日最低气温均值和CV值与全年实际观测值吻合较好。模拟日最低气温的RCM在1 ~ 5月和12月有正偏倚。

未来情景的最低气温(2046-2064)

图7显示，RCM模拟的日最低气温在1 - 5月和12月较高，需要进行偏置校正。而在其余月份，未校正和校正的日最低气温差异不大。RCM模拟的1 - 5月和12月的日最低气温经过偏置校正后有所降低。

未来情景的最低气温(2081-2100)

图8显示，RCM模拟的日最低温度在1 - 5月和12月较高，需要进行偏差校正。而在其余月份，未校正和校正的日最低气温差异不大。RCM模拟的1 - 5月日最低气温经过偏置校正后有所降低。偏差校正后的日最低温度比未校正的低。

图6:日观测月均比较; 未校正和偏置校正的最低温度 基线时期(1967-2000)。 点击此处查看图

图7:日模拟RCM月平均值的比较 未校正和偏差校正的未来最低温度 场景(2046 - 64)。 点击此处查看图

基准期(1967-2000)和未来情景(2046-2064和2081-2100)的最低气温比较

从图9(a)可以看出，在一年中4月至8月的大部分时间里，由于全球变暖，日最低气温将逐日升高。1 ~ 3月和9 ~ 12月气温在2046 ~ 64年期间呈上升趋势，2081 ~ 2100年在2046 ~ 64年间呈下降趋势。然而，由最低气温引起的最高升温将出现在2046-64年的1月至3月和12月，其次是2081-2100年和1961-2000年。2081 ~ 2100年9 ~ 11月最低气温最高，其次是1961 ~ 2000年和2046 ~ 64年。

图8:日模拟RCM月平均值的比较 未校正和偏差校正的未来最低温度 场景(2081 - 2100) 点击此处查看图

数字9 (a):日最低值月平均值比较 基准期(1961-2000)和未来的温度 场景(2046 ~ 64年和2081 ~ 2100年) 点击此处查看图

图9(b)显示了各情景(1961-2100)的年平均和季平均Tmin的平均值。图9(b)显示，年、冬季、夏季和季风季节的平均Tmin增加了3.6⁰每世纪摄氏4.4度⁰每世纪C, 4.1⁰每世纪C和2.2⁰C /世纪(在情景中间取情景平均值)。

控制情景的最高气温(1967-2000)

从图10可以看出，RCM模拟的未校正日最高气温在1 - 5月、8 - 9月高于实际观测数据，在6 - 10 - 11月低于实际观测数据。

图9(b):情景平均值趋势对比 情景期间的年平均和季节平均tmin 1961-2100、2046-64和2081-2100 点击此处查看图

图10:对RCM模拟的比较进行了修正 和未校正的每日最高温度期间 控制期为1978-2000年 点击此处查看图

未来情景的最高气温(2046-2064)

从图11可以看出，RCM模拟的最高气温在2 ~ 5月、8、9、12月较高，在6、7、11月较低。在其余月份，未校正的最高气温与校正后的数据相差不大。

未来情景的最高气温(2081-2100)

从图12可以看出，RCM模拟的最高气温在1 - 4月和9月较高，在6月、7月和11月较低，其余月份差异不大。事实上，在模拟全年最高温度时，并没有发现太多偏差。

图11:对RCM模拟的比较进行了修正 和未校正的每日最高温度期间 控制期2046-64。 点击此处查看图

图12:对RCM模拟的比较进行了修正 和未校正的每日最高温度期间 控制期2081-2100。 点击此处查看图

基准期(1967-2000)与未来情景(2046-2064及2081-2100)的最高气温比较

从图13(a)可以看出，未来情景-2046-2064的1- 3月、8月和12月的最高气温将高于对照期-1961-2000和2081-2100。2081-2100年的最高气温将低于2046-64年，但高于1961-2000年。未来2046 ~ 2064年4 ~ 6月和10月的最高气温低于1961 ~ 2000年的控制情景和2081 ~ 2100年的未来情景。未来最高气温的最高增幅可能出现在12月至3月。这会影响到冬季播种的谷类作物。

数字13(a):日最大值的月平均值比较 基期(1967-2000)和未来的温度 场景(2046 ~ 64年和2081 ~ 2100年) 点击此处查看图

图13(b)显示了各情景(1961-2100)的年平均和季平均Tmax的平均值。图13(b)显示，年、冬季、夏季和季风季节的平均Tmax以1.9增加⁰每世纪C, 3.0⁰每世纪摄氏1.4度⁰每世纪C和1.2⁰每世纪C。

图13(b):情景平均值的趋势比较 情景-期间的年平均和季节平均tmax 1961-2100、2046-64和2081-2100 点击此处查看图

结论

在IPCC A1B情景下，研究区出现降水增加和变暖趋势。1961-2000年、2046-64年和2081-2100年的季风季节降雨量为548mm, 1961- 2100年的平均降雨量为9.3mm/年。年、冬季、夏季和季风季节平均日最低气温均增加3.6⁰每世纪摄氏4.4度⁰每世纪C, 4.1⁰每世纪C和2.2⁰每世纪C。年、冬季、夏季和季风季节的日最高气温在年、冬季、夏季和季风季节的平均值为1.9⁰每世纪C, 3.0⁰每世纪摄氏1.4度⁰每世纪C和1.2⁰每世纪C。日最低气温的增温趋势大于日最高气温的增温趋势。

确认

在此，我对我的导师Dr. H. D. Rank表示衷心的感谢，并对甘地那格尔的巴斯卡拉查里亚空间应用和地理信息研究所(BISAG)、国家水数据中心(SWDC)、甘地那格尔和贾姆那格尔JAU的谷子研究站在数据采购方面提供的帮助表示衷心的感谢。

参考文献

1. Berg P, Feldmann H .和Panitz, H . J.高分辨率RCM数据的偏差校正。二聚水分子。448 - 449: 80 - 92(2012)。
   CrossRef
2. Bordoy等。复杂地形区域气候模式模拟的Burlando偏差校正。j:。Meteorol。爬。52:82 - 101(2013)。
   CrossRef
3. 寻找函数零点的一种保证收敛的算法。J。14(4): 422-425(1971)。
4. 陈杰，brisette F P, Leconte R.气候变化对水文影响量化的降尺度方法的不确定性。二聚水分子．中国科学院学报(3-4):190-202(2011)。
   CrossRef
5. 陈杰，陈建军，陈建军，陈建军，等。气候变化对加拿大流域水文影响的总体不确定性研究。水Resour。Res。47 (12) (2011b)。
   CrossRef
6. Dile Y T, Srinivasan R.数据稀缺流域CFSR气候数据的水文预测评价:在青尼罗流域的应用。美国水资源协会杂志(JAWRA)1 - 16(2014)。
7. Fuka DR, MacAllister, C A,Degaetano A T和Easton Z M.利用气候预报系统再分析数据集改进流域模型的天气输入数据。Proc。DOI: 10.1002 / hyp.10073(2013)。
   CrossRef
8. Haerter J O, Hagemann S, Moseley C和Piani C.气候模式偏差校正及时间尺度的作用。地球系统。Sc。[15]: 1065-1079, doi: 10.5194/hess-15-1065- 2011(2011)。
9. Kundzewicz Z W, Mata L J, Arnell N, Doll P, Jimenez B.气候变化预测对淡水资源及其管理的影响。HydrolSci J。53: 3-10(2008)。
   CrossRef
10. Leander R, Buishand T A.区域气候模式输出对极端河流流量模拟的重采样。二聚水分子。中国科学院学报(3-4):487-496(2007)。
    CrossRef
11. Leander R, Buishand T A, van den Hurk, B JJ M, de Wit M JM。从区域气候模式输出的重新采样估计默兹河洪水分位数的变化。二聚水分子。中国农业科学(3):331-343(2008)。
    CrossRef
12. Lenderink g;Buishand, A.和Van Deursen, W.使用两种情景方法对莱茵河未来排放量的估计:直接法与三角洲法。地球系统。科学。11(3): 1145-1159(2007)。
    CrossRef
13. Piani, C,Haerter J和Coppola e.欧洲区域气候模式日降水的统计偏差校正。达成。Climatol。[j] .中国科学院学报(自然科学版);
    CrossRef
14. Portoghese I, Bruno E, Guyennon N和Iacobellis。水文应用中日降雨情景的随机偏差校正。Nat. Hazards地球系统。科学。[11]: 2497- 2509.doi:10.5194/ ness -11-2497-2011(2011)。
    CrossRef
15. Raneesh K Y, Thampi S G.查里雅尔河流域降水和温度RCM预报的偏差校正。J气候天气预报。1(2)(2013)。
16. Terink W, Hurkmans R T W L,Torfs P J J F, ujlenhoet R.莱茵河流域降水和温度再分析资料的偏差校正方法评价。地球系统。Sci．doi:10.5194/hess-14-687- 2010(2010)。
17. Teutschbein C和Seibert J.区域气候模式模拟在水文气候变化影响研究中的偏差校正:不同方法的回顾和评价。水文学杂志456-457: 12-29(2012)。
    CrossRef