气候与环境研究

作者：周璞

单位：南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心, 南京 210044,,南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心, 南京 210044,

关键词：统计降尺度;SOM(Self-Organizing Maps);江淮流域;极端降水

基金：国家自然科学基金重点项目41230528，江苏高校优势学科建设工程资助项目（PAPD），江苏省高校“青蓝工程”创新团队项目

利用1961～2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料，引入基于自组织映射神经网络（Self-Organizing Maps，简称SOM）的统计降尺度方法，对江淮流域夏季（6～8月）逐日降水量进行统计建模与验证，以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明，SOM通过建立主要天气型与局地降水的条件转换关系，能够再现与观测一致的日降水量概率分布特征，所有台站基于概率分布函数的Brier评分（Brier Score）均近似为0，显著性评分（Significance Score）全部在0.8以上；模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%；并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCC-CSM1.1（m）模式当前气候情景下，评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷，对不同降水指数的模拟较BCC-CSM1.1（m）模式显著提高，降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内，偏差比降尺度前减小了40%～60%；降尺度后6个降水指数气候场的空间相关系数提高到0.9，相对标准差均接近1.0，并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布，特别是概率分布曲线尾部特征的模拟能力，极大改善了模式对极端降水场的模拟能力，为提高未来预估能力提供了基础。

来源：2016年第5期

《气候与环境研究》期刊编辑部

查看气候与环境研究杂志2016年第5期