CN104298877A - 一种可降低不确定性的气候变化情景修订方法 - Google Patents

Abstract

本发明公开了一种可降低不确定性的气候变化情景修订方法，收集区域内的降水和气温历史观测数据，并模拟出气候情景数据即未来情景下的降水和气温，采用距离反比插值算法将降水和气温历史观测数据插值到与气候情景数据相匹配的网格上，利用降水和气温历史观测数据与同时期气候情景下模拟所得的降水和气温数据的差值，提出并计算气温和降水的修订系数，利用修订系数，对气候情景基准期和未来变化进行修订，建立修订后的气候情景数据集。本发明结合区域内的历史实测水文气象要素数据库，提出气候情景的修订方法进行修订，评价气候模式输出的原始气候情景数据在区域范围的模拟能力，建立研究区域的气候变化情景数据集，为气候变化影响评价提供科学合理的依据。

Description

一种可降低不确定性的气候变化情景修订方法

技术领域

本发明涉及气候学及水文水资源应用领域，具体涉及一种气候变化情景评价及修订方法。

背景技术

气候变化是国际社会普遍关心的热点问题，近100年地球表面平均气温上升了0.74±0.18℃。中国近百年气温变化与全球趋势一致，平均升高0.5～0.8℃。水资源是受气候变化影响最直接和最重要的领域，也是中国可持续发展面对的重大战略问题，气候变化与淡水资源的关系是人类社会关切的首要问题”。

目前全球气候模式是预测未来气候变化情势的重要工具，其驱动要素主要为假定的社会经济发展情景下的温室气体排放量。然而由于未来发展模式的不确定性以及当前科学技术水平的限制，未来气候变化情景的预测存在较大的不确定性，这是目前气候变化影响研究中最为突出的问题。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，提供一种可降低不确定性的气候变化情景修订方法，以提高气候变化对水资源影响评估的合理性。

技术方案：本发明提供了一种可降低不确定性的气候变化情景修订方法，包括以下步骤：

(1)收集区域内的降水和气温历史观测数据，并模拟出气候情景数据即未来情景下的降水和气温；

(2)气候情景数据由网格输出，采用距离反比插值算法将降水和气温历史观测数据插值到与气候情景数据相匹配的网格上；

(3)利用降水和气温历史观测数据与同时期气候情景下模拟所得的降水和气温数据的差值，提出并计算气温和降水的修订系数；

(4)利用修订系数，对气候情景基准期和未来变化进行修订，建立修订后的气候情景数据集。

进一步，步骤(2)所述距离反比插值算法包括以下步骤：

假设流域内外共有n个雨量站，其观测值记为：

p_s(j),j＝1,2,...,n

其中，j为雨量站的编号，s表示雨量站；

设以i表示流域边界内的网格点的编号，第i格点出的降雨量为：

p_g(i),i＝1,2,...,l

其中，g表示格点；

利用距离反比插值法计算p_g(i)：

式中，表示为p_g(i)的估计值，α_i(j)为距离系数，由下式计算：

${\mathrm{\α}}_i\left(j\right)=\frac{\frac{1}{d_{\mathrm{ij}}^{\mathrm{\γ}}}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^{\mathrm{\γ}}}}$

其中，d_ij为格点i至雨量站j之间的距离，d_ik为格点至雨量站k之间的距离，γ为距离指数，一般取2；显然：

$\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(j\right)=1$

当γ为2时，可以表示为：

$\widehat{p_g}\left(i\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{p_s\left(j\right)}{d_{\mathrm{ij}}^2}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^2}}$

当γ为0时，可以表示为

$\widehat{p_g}\left(i\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{p_s\left(j\right)}{d_{\mathrm{ij}}^0}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^0}}=\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{p}_s\left(j\right)$

上式是最简单的线性插值，也就是算术平均法的计算公式。

进一步，修订系数及修订方法的计算方法为：

$\begin{array}{c}{\mathrm{\λ}}_{\mathrm{Pi}}=\stackrel{\‾}{P_{\mathrm{OBSi}}}/\stackrel{\‾}{P_{\mathrm{SCENi}}}\\ P_{\mathrm{SCEN}-\mathrm{reviedi}}={\mathrm{\λ}}_{\mathrm{Pi}}\·P_{\mathrm{SCENi}}\end{array}(I=\mathrm{1,2},...,12)$

$\begin{array}{c}{\mathrm{\Δ}}_{\mathrm{Ti}}=T_{\mathrm{OBSi}}-T_{\mathrm{SCENi}}\\ T_{\mathrm{SCEN}-\mathrm{reviedi}}={\mathrm{\Δ}}_{\mathrm{Ti}}+T_{\mathrm{SCENi}}\end{array}(I=\mathrm{1,2},...,12)$

式中：为每个网格基准期第i月实测多年平均月降水量，为模式计算该网格第i月的多年平均降水量，两者的比值λ_Pi作为第i月的修订系数，将此月的日降水量P_SCENi乘以修订系数λ_Pi得到的P_SCEN-reviedi作为修订后的降水量；气温的修订采用考虑模拟值与实测值之间差值的方法，代表第i月的实测多年平均气温，为第i月的模拟计算多年平均气温，两者的差值Δ_Ti作为该月的气温修订系数，将Δ_Ti与第i月的日气温T_SCENi之和作为修订后的日气温。

有益效果：本发明结合区域内的历史实测水文气象要素数据库，提出气候情景的修订方法进行修订，评价气候模式输出的原始气候情景数据在区域范围的模拟能力，建立研究区域的气候变化情景数据集，为气候变化影响评价提供科学合理的依据。

附图说明

图1为某研究区域气象站点及情景格点示意图；

图2为研究区某格点修订前后的年降水量及实测年降水量过程；

图3为研究区某格点修订前后的年均气温及实测年均气温过程。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例：如图1所示，一种可降低不确定性的气候变化情景修订方法，包括以下步骤：

(1)基础资料收集：收集区域内气象站点的降水和气温的历史气象观测数据(1961—2000年)以及气候情景的格点数据资料(1961—2060年)，本实施例气候情景模式选用NCAR模式；图1给出某研究流域气象站点及格点示意图，图中圆黑点为雨量站；

(2)采用距离反比为权重的插值算法将气象站点信息插值到与气候情景相匹配的网格上，其基本步骤如下：

假设流域内外共有n个雨量站，其观测值记为：

p_s(j),j＝1,2,...,n

其中，j为雨量站的编号，s表示雨量站；

设以i表示流域边界内的网格点的编号，第i格点出的降雨量为：

p_g(i),i＝1,2,...,l

其中，g表示格点；

利用距离反比插值法计算p_g(i)：

式中，表示为p_g(i)的估计值，α_i(j)为距离系数，由下式计算：

${\mathrm{\α}}_i\left(j\right)=\frac{\frac{1}{d_{\mathrm{ij}}^{\mathrm{\γ}}}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^{\mathrm{\γ}}}}$

其中，d_ij为格点i至雨量站j之间的距离，d_ik为格点至雨量站k之间的距离，γ为距离指数，一般取2；显然：

$\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(j\right)=1$

当γ为2时，可以表示为：

$\widehat{p_g}\left(i\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{p_s\left(j\right)}{d_{\mathrm{ij}}^2}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^2}}$

当γ为0时，可以表示为

$\widehat{p_g}\left(i\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{p_s\left(j\right)}{d_{\mathrm{ij}}^0}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^0}}=\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{p}_s\left(j\right)$

上式是最简单的线性插值，也就是算术平均法的计算公式；

本实施例采用距离反比插值法中最常用的γ为2的距离平方反比插值方法来计算。

(3)根据每个格点历史(1961—2000)多年平均实测气温与同时期(1961—2000)情景的多年平均气温之间的差值、历史多年平均实测降水与同时期情景的多年平均降水之间的比值作为修订系数，对过去及未来逐月情景气温、降水进行相应修订，该情景修订方法的数学表达为：

$\begin{array}{c}{\mathrm{\λ}}_{\mathrm{Pi}}=\stackrel{\‾}{P_{\mathrm{OBSi}}}/\stackrel{\‾}{P_{\mathrm{SCENi}}}\\ P_{\mathrm{SCEN}-\mathrm{reviedi}}={\mathrm{\λ}}_{\mathrm{Pi}}\·P_{\mathrm{SCENi}}\end{array}(I=\mathrm{1,2},...,12)$

$\begin{array}{c}{\mathrm{\Δ}}_{\mathrm{Ti}}=T_{\mathrm{OBSi}}-T_{\mathrm{SCENi}}\\ T_{\mathrm{SCEN}-\mathrm{reviedi}}={\mathrm{\Δ}}_{\mathrm{Ti}}+T_{\mathrm{SCENi}}\end{array}(I=\mathrm{1,2},...,12)$

式中：为每个网格基准期第i月实测多年平均月降水量，为模式计算该网格第i月的多年平均降水量，两者的比值λ_Pi作为第i月的修订系数。将此月的日降水量P_SCENi乘以修订系数λ_Pi得到的P_SCEN-reviedi作为修订后的降水量。气温的修订采用考虑模拟值与实测值之间差值的方法。代表第i月的实测多年平均气温，为第i月的模拟计算多年平均气温，两者的差值Δ_Ti作为该月的气温修订系数，将Δ_Ti与第i月的日气温T_SCENi之和作为修订后的日气温。

表1给出了图1中阴影格点气温、降水的修订系数，采用表1中的修订系数，即可对该阴影格点1961—2060年的气候情景气温、降水进行修订：

表1 图1中阴影格点的气温、降水修订系数

(4)利用每一格点的气候情景修订系数，对1961—2060年的气候情景气温、降水进行修订，提出修订后的气候情景数据集。图2和图3分别给出了修订前后阴影区域中格点(见图1)年降水量及气温变化过程，两幅图中基准期均为1961-2000年，未来期均为2001-2060年。图2中，基准期的实测降水多年均值为570mm，基准期原始情景降水多年均值为938mm，原始未来情景降水多年均值为1007mm；修订后，基准期情景降水多年均值为585mm，未来情景降水多年均值为631mm，修订后的基准期情景降水与实测降水均值的偏差为2.6％，与修订前的64％相比，改进效果显著。图3中，基准期的实测多年均温为7.0℃，基准期原始情景多年均温为4.6℃，未来情景多年均温为6.5℃；修订后，基准期情景多年均温为7.1℃，未来情景多年均温为8.9℃，修订后的基准期情景温度与实测值的偏差为0.1℃，远远小于修订前的2.4℃，与实际值很好地吻合。因此可以看出，采用本研究方法修订后，不仅降水和气温等气象要素与实测值较为接近，更重要的是未改变原始情景的趋势性，使得修订后的气象要素的变化趋势与原来一致，能较好地改进原始气候情景的模拟精度。

如上，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (3)

1.一种可降低不确定性的气候变化情景修订方法，其特征在于：包括以下步骤：

(1)收集区域内的降水和气温历史观测数据，并模拟出气候情景数据即未来情景下的降水和气温；

(2)气候情景数据由网格输出，采用距离反比插值算法将降水和气温历史观测数据插值到与气候情景数据相匹配的网格上；

(3)利用降水和气温历史观测数据与同时期气候情景下模拟所得的降水和气温数据的差值，提出并计算气温和降水的修订系数；

(4)利用修订系数，对气候情景基准期和未来变化进行修订，建立修订后的气候情景数据集。

2.根据权利要求1所述的可降低不确定性的气候变化情景修订方法，其特征在于：步骤(2)所述距离反比插值算法包括以下步骤：

假设流域内外共有n个雨量站，其观测值记为：

p_s(j),j＝1,2,...,n

其中，j为雨量站的编号，s表示雨量站；

设以i表示流域边界内的网格点的编号，第i格点出的降雨量为：

p_g(i),i＝1,2,...,l

其中，g表示格点；

利用距离反比插值法计算pg(i)：

$\widehat{P_g\left(i\right)}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(j\right).p_s\left(j\right)$

式中，表示为p_g(i)的估计值，α_i(j)为距离系数，由下式计算：

${\mathrm{\α}}_i\left(j\right)=\frac{\frac{1}{d_{\mathrm{ij}}^{\mathrm{\γ}}}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^{\mathrm{\γ}}}}$

其中，d_ij为格点i至雨量站j之间的距离，d_ik为格点至雨量站k之间的距离，γ为距离指数，一般取2；显然：

$\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\left(j\right)=1$

当γ为2时，可以表示为：

$\widehat{p_g}\left(i\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{p_s\left(j\right)}{d_{\mathrm{ij}}^2}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^2}}$

当γ为0时，可以表示为

$\widehat{p_g}\left(i\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{p_s\left(j\right)}{d_{\mathrm{ij}}^0}}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{1}{d_{\mathrm{ik}}^0}}=\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{p}_s\left(j\right)$

上式是最简单的线性插值，也就是算术平均法的计算公式。

3.根据权利要求1所述的可降低不确定性的气候变化情景修订方法，其特征在于：修订系数及修订方法的计算方法为：

$\begin{array}{c}{\mathrm{\λ}}_{\mathrm{Pi}}=\stackrel{\‾}{P_{\mathrm{OBSi}}}/\stackrel{\‾}{P_{\mathrm{SCENi}}}\\ P_{\mathrm{SCEN}-\mathrm{reviedi}}={\mathrm{\λ}}_{\mathrm{Pi}}\·P_{\mathrm{SCENi}}\end{array},(i=\mathrm{1,2},...,12)$

$\begin{array}{c}{\mathrm{\Δ}}_{\mathrm{Ti}}=T_{\mathrm{OBSi}}-T_{\mathrm{SCENi}}\\ T_{\mathrm{SCEN}-\mathrm{reviedi}}={\mathrm{\Δ}}_{\mathrm{Ti}}+T_{\mathrm{SCENi}}\end{array}.(i=\mathrm{1,2},...,12)$

式中：为每个网格基准期第i月实测多年平均月降水量，为模式计算该网格第i月的多年平均降水量，两者的比值λ_Pi作为第i月的修订系数，将此月的日降水量P_SCENi乘以修订系数λ_Pi得到的P_SCEN-reviedi作为修订后的降水量；气温的修订采用考虑模拟值与实测值之间差值的方法，代表第i月的实测多年平均气温，为第i月的模拟计算多年平均气温，两者的差值Δ_Ti作为该月的气温修订系数，将Δ_Ti与第i月的日气温T_SCENi之和作为修订后的日气温。