论文部分内容阅读
利用全球气候模式进行天气预报和气候预估时存在不确定性。为了降低模式模拟的不确定性，需要在评估模式模拟的基础上，按照一定的方法改进模式的模拟结果。然而已有的评估方法只能评估气候模式对气候态和气候时间序列的模拟能力，不能评估气候模式对区域气候特征的模拟能力。因此需要发展新的评估方法评估模式对区域气候特征的模拟能力，以更全面的评估模式在时间和空间方面的模拟性能。提高全球气候模式模拟结果精度的有效方法是多模式集合方法。多模式集合方法的根本思想是根据气候模式在培训期的表现对气候模式进行加权。然而由于模式模拟性能随着培训期的不同而发生变化，所以加权集合方法存在着一定的缺陷。为了解决上述问题，本文发展了一种基于K-means动态分类法评估国际耦合模式比较计划(CMIP5)中全球气候模式对区域气候特征模拟能力的方法，并发展了基于集合经验模态分解(EEMD)和小波转换方法提高气候模式的模拟结果精度的方法。得到的主要结果如下: (1)多数模式对温度序列的模拟能力好，对降水序列的模拟能力不好。在温度的模拟方面:在不同的地区，对温度模拟表现最好的模式不同。模式对温度模拟好的区域多集中一起，例如多数模式对非洲的大部分区域的温度模拟较好。在降水的模拟方面:在全球大部分地区，模式模拟的降水量和实际观测值之间达不到显著相关的水平，并且模式对降水模拟较好的区域比较分散。另外，气候模式的模拟能力随着时段的不同而发生变化，即在某一个时段内模拟表现好的模式，在另一个时段内的模拟表现并不一定好。 (2)动态聚类K-means方法划分出中国的各个气候区可以反映不同区域的气候特征，并且可以用于评估气候模式对中国区域气候特征的模拟能力。K-means方法划分出的中国各个气候区具有各自的气候特征。在气候变暖的背景下，中国的气候区的分布总体上没有发生大的变动。然而在干旱带和半干旱带之间的边界以及南亚热带和中亚热带之间的边界发生了明显的移动。利用K-means方法将各个气候模式模拟结果进行气候分区对比与实际的气候分区以评估模式对中国的区域气候特征的模拟能力。气候模式模拟出的温度分区和实际温度分区的分布基本一致，而模拟出的降水分区和实际格局的分布有很大差别，模拟出的气候分区和实际气候分区的分布基本一致。 (3)动态聚类K-means方法划分出世界的各个气候分区可以反映世界各个区域的气候特征，并且可以用于评估气候模式对于世界区域气候特征的模拟能力。K-means方法划分出来的世界气候区都有各自独特的气候特征。气候变暖的背景下，世界的气候区的分布并没有发生大的变动。然而热带雨林、苔原带等具体的气候类型的分布范围发生了一定的变动。通过将各个模式划分出的气候区与实际气候区对比以评估气候模式对世界区域气候特征的模拟能力。气候模式模拟得到的气候区分布范围的变动和实际气候区分布范围的变动具有很大的偏差。另外，根据多模式集合结果得到的气候分区的分布不能优于根据所有单个模式得到的气候分区的分布。 (4)利用小波转换方法去除第一层高频信号可以提高气候模式对温度的模拟精度，并可以提高多模式集合结果的精度。小波转换方法的改善能力体现在对全球平均序列以及全球格点序列的改善上，并且改善效果不随时间段长度的变化而改变。 (5)无论是全球尺度上还是在区域尺度上，基于经验模态分解方法去除第一层高频信号可以提高单个气候模式以及多模式集合对温度的模拟结果的精度。然而经验模态分解方法在全球尺度上的改善效果不如在区域尺度上的改善效果。经验模态分解方法可以显著改进区域尺度上的单个气候模式及多模式集合的模拟结果。对气候模式的改进上，经验模态分解方法和小波转换方法各具特点。 总之，本文的主要结论有:(1)单一气候变量得到的气候分布的变化与多维气候变量气候分布的变化显著不同;(2)当前气候模式不能合理模拟气候空间格局的变化;(3)当前集合模拟方法虽然可以改善对单一气候变量的结果，但是不能有效改善对多维气候变量空间格局的模拟能力。(4)采用EEMD和小波转换方法可以显著改善对气候变量的模拟和集合模拟的能力