【类型】学位论文
【题名】自组织映射神经网络（SOM）降尺度方法对江淮流域逐日降水的模拟与预估
【作者】 周璞
【学位授予单位】南京信息工程大学
【摘要】本文利用1961-2002年ERA-40逐日再分析数据和江淮流域56个台站逐日降水观测数据,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。采用独立样本检验评估该模型的模拟性能,并考察降尺度模型对BCC-CSM1.1(m)、 MPI-ESM-MR和IPSL-CM5A-MR模式当前气候情景下降水的降尺度效果,研究该方法在江淮流域逐日降水降尺度应用中的适用性。最后将降尺度模型分别应用于RCP4.5情景下的BCC-CSM1.1(m)和MPI-ESM-MR模式中,得出江淮地区在未来三个时段(初期2016-2035年,中期2046-2065年,末期2081-2100年)的降水预估结果。得到如下结论：(1)SOM通过建立天气型与局地降水的条件转换关系,能够模拟出与观测较一致的日降水概率分布,所有台站基于概率分布函数的Brier评分近似为0,显著性评分超过0.8；雨日数、中雨日数、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不超过11%,空间相关在0.7以上,均方根误差较小；多数台站降尺度模拟的雨日数比观测偏多,偏差在20%以内,中雨日数和夏季总降水量的偏差数值在10%以内,而日降水强度模拟比观测略弱,偏差不超过15%；降尺度能在一定程度上模拟出夏季降水的时间变率。(2)SOM降尺度有效改善模式对降水模拟偏弱的缺陷,得到的日降水概率分布与观测较一致,提高了模式对降水概率分布曲线尾部特征的模拟能力；降尺度对降水场的空间分布具有较好的模拟效果,三个模式降尺度后所有台站各降水指数的相对误差百分率在20%以内,与降尺度前相比,偏差减小了40%～60%：降尺度后各降水指数气候场的空间相关系数均达到0.9,相对标准差接近1.0并且均方根误差在0.5以下；降尺度方法有效提高模式对降水时间变率强度的模拟；降尺度也提高了多模式对降水模拟的一致性。(3)将由历史时期观测数据建立的降尺度模型应用到未来具有一定的平稳性；未来区域平均的各降水指数都将增加并且变化幅度随时间增加,BCC-CSM1.1(m)和MPI-ESM-MR的集合预估结果表明,未来初期所有台站夏季雨日数、中雨日数、总降水量,日降水强度、极端降水阈值和极端降水贡献率的变化都在10%以内,其中区域西部台站上述降水指数减小,东部台站增加,中期和末期所有指数均增加,中期变化幅度在20%以内,末期多数台站变化幅度超过30%；利用干湿天气型频率的变化可以解释台站未来降尺度预估结果,南京站未来中期开始湿天气型频率增加而干天气型频率减少,对应从中期开始该站降水明显增加。
【学位年度】2016
【学位名称】硕士
【分类号】P426.6;|P457.6
【导师姓名】江志红
【全文阅读】 获取全文