CN108846501A - 一种雨水低影响开发设施建设规模确定方法 - Google Patents
一种雨水低影响开发设施建设规模确定方法 Download PDFInfo
- Publication number
- CN108846501A CN108846501A CN201810384132.7A CN201810384132A CN108846501A CN 108846501 A CN108846501 A CN 108846501A CN 201810384132 A CN201810384132 A CN 201810384132A CN 108846501 A CN108846501 A CN 108846501A
- Authority
- CN
- China
- Prior art keywords
- data
- cmip5
- rainfall
- precipitation
- amount data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011161 development Methods 0.000 title claims abstract description 25
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 238000001556 precipitation Methods 0.000 claims abstract description 26
- 230000009467 reduction Effects 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000004088 simulation Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 2
- 239000000284 extract Substances 0.000 claims 1
- 230000008859 change Effects 0.000 description 22
- 230000008901 benefit Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000005431 greenhouse gas Substances 0.000 description 3
- 102100031184 C-Maf-inducing protein Human genes 0.000 description 2
- 101000993081 Homo sapiens C-Maf-inducing protein Proteins 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001365789 Oenanthe crocata Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Hydrology & Water Resources (AREA)
- Game Theory and Decision Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种雨水低影响开发设施建设规模确定方法，其步骤为：确定CMIP5优选模式；对CMIP5优选模式进行集成并对集成结果进行降尺度订正，得到未来预测日降雨数据；利用未来预测日降雨数据和历史实测日降雨数据进行降水序列的截选和分组，计算得到各城市降雨变化基本趋势和同一年径流总量率下设计降雨量变化标准差及差值；利用目标城市的年径流总量控制率下设计降雨量的标准差和差值来定量评估目标城市雨水低影响开发设施的气候适应性以及确定目标城市的年径流总量控制率下设计降雨量；根据目标城市的年径流总量控制率下设计降雨量的差值变化来定量优化目标城市低影响开发控制设施建设规模。本发明大幅度提高预测的准确度。
Description
技术领域
本发明涉及一种雨水低影响开发设施建设规模确定方法，尤其涉及一种基于CMIP5预测的雨水低影响开发设施建设规模确定方法。
背景技术
目前，我国提出的“海绵城市”理论是基于美国马里兰州的“低影响开发”(LID)理念、澳大利亚的“水敏感城市规划”、英国及欧洲一些国家的“可持续排水系统”、美国班内迪克的“绿色基础设施”的理念，低影响开发(LID)及绿色雨水基础设施(GSI)是一种新型、高效、绿色、生态的雨洪控制利用理念和技术体系，具有广泛的环境效益、经济效益和社会效益。低影响开发更倾向于从源头上采用分散式、低成本控制措施对径流进行控制和管理，使开发地尽量接近自然水文循环，保护场地自然水文功能。为建设自然积存、自然渗透、自然净化的海绵城市，住建部于2014年组织编制的《海绵城市建设技术指南——低影响开发雨水系统构建(试行)》上给出了我国大陆地区年径流总量控制率目标分区图用以指导设施建设。设计降雨量与年径流总量控制率的计算，要选取至少近30年(反映长期的降雨规律和近年气候的变化)的日降雨(不包括降雪)资料，扣除≤2mm的降雨事件的降雨量(一般不产生径流)，将降雨量日值按雨量由小到大进行排序，统计小于某一降雨量的降雨总量在总降雨量(小于该降雨量的按实际雨量计算出降雨总量，大于该降雨量的按该降雨量计算出降雨总量，两者的累计总和)中的比率，此比率(即年径流总量控制率)对应的降雨量(日值)即为设计降雨量。通过统计分析我国186个城市地面国际交换站1983年—2012年的日降雨量数据得到各城市年径流总量控制率对应的设计降雨量，用于确定海绵城市建设中的雨水低影响开发设施规模。
而基于历史长序列数据确定的年径流总量控制率及设计降雨量是否能很好的应对未来气候变化并达到一种“最优”的结果是需要进一步论证的，气候变化对降雨产生的影响会干扰海绵城市建设中低影响开发设施的效果，一方面降雨量增加或者降雨事件过于集中可能使原有低影响开发设施的功能得不到发挥，另一方面降雨量减小可能使得低影响开发设施规模形成资源浪费。气候变化适应(adaption to climate change)是针对实际的或预期的气候及其影响作出调整的过程，以便缓解危害或利用各种有利机会。全球尺度以及区域尺度的气候变化对降雨规律的影响，使得历史数据的代表性大大降低，预测未来降雨优化低影响开发设施设计规模是实现城市可持续性、气候适应性的必然途径。
世界气候研究计划(WCRP)为推动气候模式发展，制定了一整套耦合大气环流气候模式的比较计划(CMIP计划)。该计划旨在通过比较模式的模拟能力评价模式的好坏，提高气候模式的可靠性；同时也为生态、水文、社会经济诸学科在全球变化背景下预估未来环境变化提供可靠的科学依据。CMIP计划由最初的大气模式比较计划(AMIP)发展而来并经历了CMIP1(1995年)、CMIP2(1997年)、CMIP3(2004年)、CMIP5(2007年)4个阶段。耦合模式比较计划第五阶段(CMIP5)于2007年正式开启，世界各模式组于2011—2013年间陆续完成了数值试验并提交模拟结果。相比CMIP3的模式，CMIP5模式采用了更合理的参数化方案、通量处理方案和耦合器技术，以提高气候模式的模拟和预估能力，增强对气候系统变化的机理性认识。情景模式即未来可能发生的各种情景的集合，而未来温室气体的排放模式由于受人口数量、经济发展及科技进步等多重驱动因素的影响必将具有极大的复杂性及不确定性，情景模式是应用于相关驱动因素对于未来排放量影响以及不确定性分析与评价的有力工具。21世纪预测试验中的外强迫是典型浓度路径(RCP)，这是依据对未来全球温室气体排放发展动态的诸多假设模拟出的未来排放情景，共包括四种：RCP8.5为较高排放情景，该情景下排放不断增加，至2100年辐射强迫升至8.5W/m2；RCP6.0和RCP4.5为中等排放情景，到2100年辐射强迫分别为6.0W/m2和4.5W/m2；RCP2.6为低排放情景，该情景下的辐射强迫先增加后减少，到2100年减少至2.6W/m2。很多学者利用其结果对中国降雨变化作了大量研究。Xu等人利用18个CMIP5全球气候模式初步评估了单模式对中国地区降水变化的模拟能力，得到40°N以北的大部分地区模式模拟的相似性较高，而四川盆地、华南地区模拟的差异较大，最显著的差异地区为青藏高原南部和西南地区，陈晓晨等人利用了多种观测资料和43个CMIP5模式评估分析了GCM对中国地区1980—2005年降雨特征的模拟能力，模式能很好地模拟出降水冬弱夏强的季节变化特征以及降水空间分布特点，但与CMIP3模式相比，CMIP5模式的模拟偏差未见明显减少，模式对东南沿海地区降水的低估和青藏高原降水的高估在新一代的模式中仍然存在，大部分研究一致表明虽然CMIP5模式的模拟能力较之前的模式有了很大改进，能较好地模拟降水气候态的分布型，但是对于降雨的空间变率、年季降雨量模拟效果还是不是很理想，造成部分地区模拟结果偏高，部分地区模拟结果偏低，利用多个全球模式进行模拟能力评估，挑选出最优模式，而后再对择优挑选的CMIIP5模式进行集合平均，所得结果的模拟能力提高，而且较简单所有模式的集合平均会进一步提高。虽然GCM能较好地模拟大尺度气候变化，但输出的空间分辨率依旧较低，缺少区域气候信息，很难对区域气候情景做详细的预测。
发明内容
为了克服现有的雨水低影响开发设施设计标准缺乏气候适应性的问题,本发明提供一种利用CMIP5模式集成和统计降尺度相结合的方法预测未来降雨变化并将其结果应用于雨水低影响开发设施设计标准构建上。
本发明采用降尺度方法，把大尺度、低分辨率的GCM输出信息转化为区域尺度的地面气候变化信息(如降雨)，从而弥补GCM对区域气候变化情景预测的局限。动力降尺度法和统计降尺度法是目前主要的两种降尺度法，这两种降尺度法的共同点就是都需要GCM模式提供大尺度气候信息，也各有优缺点和适用情景，详见表1。统计降尺度法的优点在于它能够把GCM输出中物理意义较好，模拟较准确的气候信息应用于统计模式，从而纠正GCM的系统误差，不用考虑边界条件对预测结果的影响；与动力降尺度相比，计算量相当小，节省机时，因而可以模拟上百年尺度的区域气候信息，也能够应用于不同GCM模式；它能够把大尺度气候信息降到站点尺度上；而且统计降尺度对下垫面不均一的环境(比如，岛屿，高山)的预测是非常有益的；它的缺点就是需要有足够的观测资料来建立统计模式，而且统计降尺度法不能应用于大尺度气候要素与区域气候要素相关不明显的地区。
表1动力降尺度和统计降尺度的相同点、优点及缺点
本发明解决其技术问题所采用的技术方案是：
1)从CMIP5模式中综合比较选择分辨率较高的、逐日输出降雨结果的、有特定未来情景(根据区域发展可选择一个较高的排放情景RCP8.5及一个中排放情景RCP4.5)预估的、能较好模拟区域降雨(时间尺度、空间尺度)的10个模式，分别为CMCC-CM、CNRM-CM5、FGOALS-g2、FGOALS-s2、GFDL-ESM2M、IPSL-CM5A-MR、MIROC4h、MPI-ESM-LR、MRI-CGCM3和NorESM1-M，详见表2，将初步筛选出的CMIP5模式模拟数据与气象站实测降水数据进行对比评估，得到CMIP5优选模式；
表2所选CMIP5全球气候模式基本信息
2)采用集合平均法(EMN)对选出的最优单模式进行集成(对模式结果进行简单的集合平均，公式为式中i为第i个模式的回报值，N为参与集合的模式总数)；
3)利用统计降尺度模型对多模式集成的结果进行降尺度订正，得到未来预测日降水数据；
4)通过将历史实测日降雨数据、未来预测日降雨数据合并成一降雨长序列数据并以每N年为一个分组(年限选择一般要求不小于30年，数据要能反映长期的降雨规律和近年气候的变化，同时注意不要选取较远的历史降雨实测数据，该数据可能反而会降低统计结果的合理性)，相邻分组之间以M年为差距(可参考以中国降雨高频变化周期来递推数据)，对该降水序列进行分组和截选；
5)利用每个分组的日降雨数据计算年径流总量控制率下设计降雨量的标准差(标准差公式为n为该时段内日降雨序列的元素个数，μ为该时段内降雨序列的平均值，xi为降雨序列的第i个值)和差值来定量评估雨水低影响开发设施的气候适应性(气候适应性可直接与标准差标准之间相关)以及确定各城市气候适应性设计降雨量。
本发明的有益效果是:
本发明采用模式集合和降尺度相结合来共同预测未来降雨变化将大幅度提高预测的准确度，为建设可持续发展的雨水低影响开发设施做坚实基础，使雨水低影响开发设施更从容地应对未来气候变化所带来的影响，避免降雨变化导致的设施规模不足或过剩，降低设施“失效”的发生频率。
附图说明
图1是本发明的说明图。
图2是本发明的方法流程图。
具体实施方式
下面结合附图对本发明进行进一步详细描述。
在IPCC第五次报告中，对于碳排放预算是提出了一种新的场景假设。气候变化第五次评估报告改变了之前的评估场景，采用了四个温室气体浓度情景，即RCP(代表浓度路径)，按低至高不同代表路径浓度(RCP)排列分别为RCP2.6、RCP4.5、RCP6.0和RCP8.5，采用一个中排放情景RCP4.5及一个高排放情景RCP8.5。通过查阅大量文献熟悉CMIP5全球气候模式基本信息，综合选择分辨率较高的、逐日输出结果的、有两种未来情景(RCP4.5、RCP8.5)预估的、能较好模拟区域降雨(在时间及空间尺度上)的CMIP5模式(CMCC-CM、CNRM-CM5、FGOALS-g2、FGOALS-s2、GFDL-ESM2M、IPSL-CM5A-MR、MIROC4h、MPI-ESM-LR、MRI-CGCM3和Nor ESM1-M)，并将初步筛选出的CMIP5模式模拟降雨数据与气象站实测降雨数据进行对比评估选出最优单模式(由于选定的各个模式分辨率不同，采用双线性插值法将所有模式的模拟数据统一插值到1°×1°的水平网格上)，采用集合平均法对最优单模式进行集成，再利用统计降尺度模型对其进行降尺度订正，得到RCP4.5及RCP8.5情形下中国地区降雨预测数据。将历史实测降雨数据、未来预测降雨数据合并成一长序列数据，对其进行分组和截选，研究各城市降雨结构变化，降雨变化对年径流总量及设计降雨量的影响，综合确定气候适应性低影响开发设施的建设规模。
图1是本发明的说明图，其中利用全球气候模式历史模拟值与气象站实测值对比研究得到能较好模拟区水域降雨(时间尺度、空间尺度)的CMIP5模式，把选出模式的情景预测进行集合平均降尺度用于之后的低影响开发设施规模优化研究。
图2为本发明的方法流程图，其步骤包括：
1、基础数据收集，包括研究区域各气象站24h日降水资料、CMIP5模式模拟数据(分为率定期和验证期，各占模拟数据的50％)、CMIP5模式预测数据。收集的CMIP5模式数据是经过对模式进行时间、运行试验结果、情景预估筛选的，得到同时完成所需RCP情景预估试验、含相同运行试验结果、逐日输出降雨结果且中外研究中较常见的10个GCMs降水数据(CMCC-CM、CNRM-CM5、FGOALS-g2、FGOALS-s2、GFDL-ESM2M、IPSL-CM5A-MR、MIROC4h、MPI-ESM-LR、MRI-CGCM3和Nor ESM1-M，模式下载及更详细信息请参见https://pcmdi.llnl.gov/)。
2、利用初步筛选出的CMIP5模式模拟数据与气象站实测降水数据进行对比评估(由于不同单模式、观测资料的分辨率不同，因而首先采用双线性插值法将各模式资料进行插值，降水降尺度到1°×1°，利用均方根误差、距平相关系数及绝对误差进行对比评估，选出前50％误差小的5个模式作为CMIP5优选模式)。
3、采用集合平均对步骤2得到的CMIP5优选模式进行集成研究(EMN)，辅以统计降尺度方法订正，应用大尺度气候资料(CMIP5模式降水日资料、NCEP再分析资料(相对湿度、海平面气压、位势相对场(500hPa、700hPa、850hPa)、比湿))和气象站观测资料来确定大尺度气候和地面气候变量之间的统计关系，把整个模拟序列分为两段，前一段观测序列(占总序列的50％)用于建立大尺度气候和地面气候变量之间的统计关系，后一段用来做检验，从而建立统计降尺度模型，尽可能得到未来预测结果的最优估计。
4、利用步骤3得到的多模式集成降尺度对不同排放情景(本专利选取中排放情景RCP4.5、高排放情景RCP8.5)进行模式情景生成预测订正处理，得到未来预测日降水数据。
5、利用步骤4得到的未来预测日降水数据和历史实测日降水数据合并成一降雨长序列进行截选和分组(以每N年(一般不少于30)为一个分组，相邻分组之间以M年(可参考高频降水周期)为差距递推)，进行各城市降雨结构变化分析，各城市降雨结构变化对年径流总量控制率及设计降水量的影响，得到各城市降雨变化基本趋势，同一年径流总量率下设计降雨量变化标准差及差值。
6、根据步骤5得到的降雨结构变化、年径流总量控制率变化以及设计降雨量变化结果，定量评估降雨变化对低影响开发设施年径流总量控制率及设计降雨量的影响，利用各城市的年径流总量控制率下设计降雨量标准差及差值作为低影响开发设施适应性评估的依据，一个区域在年径流总量控制率下的设计降雨量标准差越大，表示设计降雨量越不稳定，即LID设施在该区域的气候适应性越弱，该设计降雨量在该区域气候变化的影响下越容易失效，容易出现设计规模不足或者设计规模过大的现象；标准差越小，表示设计降雨量较稳定，即LID设施在该区域的气候适应性越强，设计降雨量在该区域受气候变化的影响较小，可长期有效发挥功能。对适应性弱的城市，根据年径流总量控制率下设计降雨量的差值变化来定量优化该城市低影响开发设施建设规模。
Claims (7)
1.一种雨水低影响开发设施建设规模确定方法，其步骤为：
1)基础数据收集，包括各目标气象站的实测日降雨数据、CMIP5模式模拟数据、CMIP5模式预测数据；其中，收集的CMIP5模式是经过时间、运行试验结果、情景预估筛选后得到的符合设定条件的多个模式并提取相应日降雨数据；
2)利用提取的数据与气象站实测日降雨数据进行对比评估，得到CMIP5优选模式；
3)采用集合平均法对CMIP5优选模式进行集成，利用统计降尺度模型对集成结果进行降尺度订正，得到未来预测日降雨数据；
4)利用未来预测日降雨数据和历史实测日降雨数据进行降水序列的截选和分组，分析计算得到各城市降雨变化基本趋势和同一年径流总量率下设计降雨量变化标准差及差值；
5)利用目标城市的年径流总量控制率下设计降雨量的标准差和差值来定量评估该目标城市雨水低影响开发设施的气候适应性以及确定该目标城市的年径流总量控制率下设计降雨量；
6)根据该目标城市的年径流总量控制率下设计降雨量的差值变化来定量优化该目标城市低影响开发控制设施建设规模。
2.如权利要求1所述的方法，其特征在于，所述设定条件为：同时完成4种RCP情景预估试验、均含相同运行试验结果、模拟与预估时间都保持统一、逐日输出降水结果的GCMs。
3.如权利要求1所述的方法，其特征在于，所述4种RCP情景预估试验为RCP2.6、RCP4.5、RCP6.0和RCP8.5。
4.如权利要求1所述的方法，其特征在于，提取的数据包括：CMCC-CM、CNRM-CM5、FGOALS-g2、FGOALS-s2、GFDL-ESM2M、IPSL-CM5A-MR、MIROC4h、MPI-ESM-LR、MRI-CGCM3和NorESM1-M。
5.如权利要求1所述的方法，其特征在于，所述截选和分组的方法为：将未来预测日降水数据和历史实测日降水数据合并得到一降水序列，然后以每N年为一个分组，相邻分组之间以M年为差距，对该降水序列进行截选和分组；其中，N大于或等于30。
6.如权利要求1所述的方法，其特征在于，建立所述统计降尺度模型的方法为：将所述CMIP5模式模拟数据分为两段，利用前一段用于建立统计关系，后一段用来做检验，建立统计降尺度模型。
7.如权利要求6所述的方法，其特征在于，所述统计关系为大尺度气候和地面气候变量之间的统计关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810384132.7A CN108846501B (zh) | 2018-04-26 | 2018-04-26 | 一种雨水低影响开发设施建设规模确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810384132.7A CN108846501B (zh) | 2018-04-26 | 2018-04-26 | 一种雨水低影响开发设施建设规模确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108846501A true CN108846501A (zh) | 2018-11-20 |
| CN108846501B CN108846501B (zh) | 2021-11-16 |
Family
ID=64212408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810384132.7A Active CN108846501B (zh) | 2018-04-26 | 2018-04-26 | 一种雨水低影响开发设施建设规模确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108846501B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110058329A (zh) * | 2019-04-22 | 2019-07-26 | 山东省气象科学研究所 | 一种气象要素智能网格预报产品空间降尺度方法 |
| CN110068878A (zh) * | 2019-04-22 | 2019-07-30 | 山东省气象科学研究所 | 一种气温智能网格最优集成预报方法 |
| CN110490384A (zh) * | 2019-08-22 | 2019-11-22 | 中国水利水电科学研究院 | 一种区域气候模式动力降尺度要素误差订正方法 |
| CN111784046A (zh) * | 2020-06-30 | 2020-10-16 | 中国人民解放军国防科技大学 | 一种预估风暴轴活动未来变化趋势的方法 |
| CN112559588A (zh) * | 2020-12-08 | 2021-03-26 | 天津市气象信息中心(天津市气象档案馆) | 地面气象站观测的百年均一化气温日值序列的构建方法 |
| CN112613658A (zh) * | 2020-12-22 | 2021-04-06 | 中国环境科学研究院 | 逐日降雨量预测方法、装置、电子设备及存储介质 |
| CN114547991A (zh) * | 2022-01-24 | 2022-05-27 | 中机国际工程设计研究院有限责任公司 | 基于气候变化的城市排水系统规划设计优化系统 |
| CN118194235A (zh) * | 2024-04-10 | 2024-06-14 | 长江水利委员会水文局 | 一种多模式融合的降水干湿时序变化重构方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012036368A1 (ko) * | 2010-09-13 | 2012-03-22 | 대한민국(기상청장) | 강우 및 수위 실시간 모니터링 시스템 및 이를 이용한 모니터링 방법 |
| CN106373070A (zh) * | 2016-08-29 | 2017-02-01 | 西安理工大学 | 一种应对城市暴雨内涝的四预方法 |
-
2018
- 2018-04-26 CN CN201810384132.7A patent/CN108846501B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012036368A1 (ko) * | 2010-09-13 | 2012-03-22 | 대한민국(기상청장) | 강우 및 수위 실시간 모니터링 시스템 및 이를 이용한 모니터링 방법 |
| CN106373070A (zh) * | 2016-08-29 | 2017-02-01 | 西安理工大学 | 一种应对城市暴雨内涝的四预方法 |
Non-Patent Citations (4)
| Title |
|---|
| 张飞跃 等: "CMIP5多模式集合对南亚大河气候变化模拟评估及未来情景预估", 《热带气象学报》 * |
| 戚海军: "低影响开发雨水管理措施的设计及效能模拟研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 范丽军: "统计降尺度法对未来区域气候变化情景预估的研究进展", 《地球科学进展》 * |
| 黄国如 等: "气候变化情景下北江飞来峡水库极端入库洪水预估", 《水科学进展》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110068878B (zh) * | 2019-04-22 | 2021-04-09 | 山东省气象科学研究所 | 一种气温智能网格最优集成预报方法 |
| CN110068878A (zh) * | 2019-04-22 | 2019-07-30 | 山东省气象科学研究所 | 一种气温智能网格最优集成预报方法 |
| CN110058329B (zh) * | 2019-04-22 | 2020-12-22 | 山东省气象科学研究所 | 一种气象要素智能网格预报产品空间降尺度方法 |
| CN110058329A (zh) * | 2019-04-22 | 2019-07-26 | 山东省气象科学研究所 | 一种气象要素智能网格预报产品空间降尺度方法 |
| CN110490384A (zh) * | 2019-08-22 | 2019-11-22 | 中国水利水电科学研究院 | 一种区域气候模式动力降尺度要素误差订正方法 |
| CN111784046A (zh) * | 2020-06-30 | 2020-10-16 | 中国人民解放军国防科技大学 | 一种预估风暴轴活动未来变化趋势的方法 |
| CN111784046B (zh) * | 2020-06-30 | 2023-12-22 | 中国人民解放军国防科技大学 | 一种预估风暴轴活动未来变化趋势的方法 |
| CN112559588B (zh) * | 2020-12-08 | 2023-01-24 | 天津市气象信息中心(天津市气象档案馆) | 地面气象站观测的百年均一化气温日值序列的构建方法 |
| CN112559588A (zh) * | 2020-12-08 | 2021-03-26 | 天津市气象信息中心(天津市气象档案馆) | 地面气象站观测的百年均一化气温日值序列的构建方法 |
| CN112613658A (zh) * | 2020-12-22 | 2021-04-06 | 中国环境科学研究院 | 逐日降雨量预测方法、装置、电子设备及存储介质 |
| CN114547991A (zh) * | 2022-01-24 | 2022-05-27 | 中机国际工程设计研究院有限责任公司 | 基于气候变化的城市排水系统规划设计优化系统 |
| CN114547991B (zh) * | 2022-01-24 | 2023-09-29 | 中机国际工程设计研究院有限责任公司 | 基于气候变化的城市排水系统规划设计优化系统 |
| CN118194235A (zh) * | 2024-04-10 | 2024-06-14 | 长江水利委员会水文局 | 一种多模式融合的降水干湿时序变化重构方法及系统 |
| CN118194235B (zh) * | 2024-04-10 | 2024-08-30 | 长江水利委员会水文局 | 一种多模式融合的降水干湿时序变化重构方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108846501B (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108846501A (zh) | 一种雨水低影响开发设施建设规模确定方法 | |
| Chiew et al. | Comparison of runoff modelled using rainfall from different downscaling methods for historical and future climates | |
| CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
| CN107563554B (zh) | 一种统计降尺度模型预报因子的筛选方法 | |
| CN110674467B (zh) | 基于swat模型的水文过程对气候变化的响应监测方法 | |
| Hassan | Climate change impact on groundwater recharge of Umm er Radhuma unconfined aquifer Western Desert, Iraq | |
| KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
| CN111027175A (zh) | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 | |
| CN105760970A (zh) | 空气质量指数的预测方法 | |
| CN113128055B (zh) | 一种基于产流系数的分布式水文模型空间率定方法 | |
| CN114429053B (zh) | 流域尺度wefe系统适配性模拟优化方法 | |
| CN114970377B (zh) | 基于新安江与深度学习耦合模型的场次洪水预报方法和系统 | |
| CN109726867A (zh) | 一种基于多模式集合的高分辨率电力气象预报方法 | |
| CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
| CN112052559A (zh) | 一种基于月水量平衡的三参数水文模型及其构建方法 | |
| Photiadou et al. | Evaluation of two precipitation data sets for the Rhine River using streamflow simulations | |
| Yazd et al. | Prediction of climate variables by comparing the k-nearest neighbor method and MIROC5 outputs in an arid environment | |
| CN115730524A (zh) | 一种基于机器学习的数值模拟虚拟测风误差订正方法 | |
| Bajamgnigni Gbambie et al. | Added value of alternative information in interpolated precipitation datasets for hydrology | |
| CN114692981A (zh) | 基于Seq2Seq模型的中长期径流预报方法和系统 | |
| CN117172037B (zh) | 一种分布式水文预报方法、装置、计算机设备及介质 | |
| CN114626586A (zh) | 基于prophet-LightGBM混合模型的大规模建筑能耗预测方法 | |
| CN117909888A (zh) | 智慧人工智能气候预测方法 | |
| Cattoën et al. | Coupling a high-resolution weather model with a hydrological model for flood forecasting in New Zealand | |
| CN107944466B (zh) | 一种基于分段思想的降雨偏差纠正方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |