论文部分内容阅读
本文利用CMIP5的Decadal实验中17个全球气候系统模式:BCC-CSM1.1,CanCM4, CCSM4,CFSV2-2011,CMCC-CM, EC-EARTH, FGOALS-g2,FGOALS-S2, GEOS-5, GFDL-CM2.1,HadCM3,IPSL-CM5 A-LR, MIROC4h,MIROC5,MPI-ESM-LR,MPI-ESM-MR, MRI-CGCM3的地面气温和降水的年代际回报资料,以及ERA再分析资料和JRA-55资料分别作为地面气温和降水的观测资料,采用集合平均(简称EMN)和超级集合(Superensemble Prediction,简称SUP)进行集成研究,然后进行统计降尺度订正,并对集成和降尺度的回报结果进行评估。在此基础上,对东亚未来2006-2025年地面气温和降水进行预估。研究表明,集成的回报效果优于单模式,其中SUP的回报效果最好,它将时间序列划分为训练期和预报期。训练期长度以及模式个数对SUP结果具有一定影响,因此采用RMSE、ACC以及MAE等三个指标来选取最优训练期和最优模式个数。文中选取气温的最优训练期为34a,降水的最优训练期为35a,最优模式个数均为15个。其回报气温的RMSE比EMN低0.43℃左右,回报降水的RMSE比EMN小0.45mm/d。利用线性回归方法对插值后的单模式及多模式集成结果进行降尺度订正,得到高分辨率地面气温和降水的回报资料。结果表明,降尺度订正后,单模式及多模式集成的回报值与“实测值”之间,RMSE减小,ACC有一定提高,不同模式订正后改进程度各不相同,降尺度对单模式的订正效果优于多模式集成,对EMN的订正效果优于SUP。此外,降尺度订正后的资料能更好地回报出东亚地区地面气温和降水的逐月变化和空间分布,且对于地面气温,海洋上回报的不确定性小于陆地,降水则相反。在此基础上,利用中等排放情景RCP4.5下CMIP5中2005年的年代际预测资料对2006~2025年的地面气温和降水进行预估,研究表明东亚地区在2006-2025年地面气温将普遍升高,海洋上的增暖幅度较小,陆地上的增暖幅度较大,且增暖幅度随着纬度的升高而增大;同时大部分地区的降水也将增加,但增加幅度较小。