基于Tweedie分布的日降水量统计降尺度模型

基于Tweedie分布的广义线性模型(generalized linear model,简称GLM),并结合Kriging模型,发展了日降水量统计降尺度的GLM-Kriging模型.首先用GLM拟合研究区域内日降水量与数值模式输出的影响局地降水的物理量之间的关系,日降水量的空间相关性反映在模型的残差中;然后用Kriging模型来拟合GLM的随机化百分位残差(randomized quantile residuals,简称RQ残差).结合NCEP再分析资料应用于2007年7月沂沭泗流域的42站日降水观测,结果表明GLM-Kriging降尺度模型较好地还原了主要降水过程,整体上取得了较高的准确度,可用于气候变化影响评估或数值天气预报产品的释用,还可进一步扩展为日降水量的时空统计模型.     

基于两种模型的GPS水准拟合软件系统的开发

GPS水准在工程实践中仍然以数学拟合方法为主。简述了移动法曲面模型和克里格(Kriging)统计模型的原理。移动曲面法具有连续性,如果找不到多于6个点参与内插,用程序实现自动选择Kriging方法,把二者结合起来称为综合法。Kriging具有无偏最优的统计性质,两种模型在实践中应用较多,为此开发了基于两种模型的GPS水准拟合软件系统,该软件系统可对拟合结果作精度评价。     

两种统计降尺度模型在滦河流域的降水预估

选择滦河流域为研究区域,利用自动统计降尺度模型(automated statistical downscaling,ASD)和统计降尺度模型(statistical downscaling model,SDSM)对研究区域内未来3个时期(2011—2040年,2041—2070年,2071—2100年)的降水变化进行预估.结果表明:在未来时期,滦河流域的降水将发生明显变化,年均降水量整体呈上升趋势;ASD模型模拟的降水量大于SDSM模型的模拟值;降水量的变化幅度在不同季节差异较大,秋冬季节变化幅度大于春夏季节;降水量在空间分布上差异较大,滦河流域北部和西南部有明显增加趋势,中部地区变化较小,而东南部地区有减少趋势.     

面向大范围降水空间插值的普通克里金模型开发与实例分析

基于Matlab平台,开发了面向大范围降水空间插值的普通克里金模型—Matlab based ordinary Kriging(MatOK).与已有模型相比,MatOK的主要特点是:(1)在降水空间变异函数计算环节,采用SCE-UA算法拟合理论变异函数;(2)在OK方程组估值环节,引入降水空间发生概率的计算,完善了日等短时间尺度降水空间估值方法;(3)通过对OK方程组的标准化处理,有效提高了模型数值计算的稳定性.同时,将MatOK初步应用于集水面积为83374km2的赣江流域年、月、日降水空间插值中,并重点讨论了MatOK的计算稳定性和计算效率,结果初步说明了采用MatOK进行大范围区域降水空间插值是可行的.     

多层次降尺度方法对安徽省月降水量预测的研究

 利用1961～2004年多层次的NCEP环流资料初选出与台站月降水量的显著相关区,通过最优子集回归模型对各初选因子进行筛选和组合,形成了安徽省35个台站的月降水量回归模型,并分别利用NCEP资料和月动力延伸模式环流预报作为输入场对2005～2009年安徽省月降水量进行了回报.结果表明,该降尺度模型包含高低层的多种资料,各因子组合起来可以从统计上反映出一些影响降水的环流配置型,较传统的仅用500hPa资料的降尺度模型内容更为丰富.从回报的效果来看,预测值与实况值平均距平符号一致率为63%,PS评分为75分,其中对涝月的预测效果要好于旱月.     

ASD降尺度技术在东江流域气候变化研究中的应用

评估未来气候变化对水循环的影响对保护该地区水资源有着十分重要的意义.GCM是当前研究气候变化的重要工具.然而GCM分辨较低,难以直接应用到流域尺度.统计降尺度方法以其计算量小、易于操作等特点被广泛应用到气候变化研究中,弥补GCM在气候影响评价中的不足.本研究以东江流域为例,采用BCCR大气环流模式、ERA-40再分析资料和东江流域实测气象数据,应用ASD降尺度模型对该流域未来气候变化进行评估.研究结果表明,ASD模型对日最高气温、最低气温和平均气温的模拟较为准确,同时也能基本反映流域日降水的统计特征,由此生成的未来气候变化情景是可靠的.分析结果显示,东江流域未来时期(2046-2065)降水量呈减少趋势,其中夏季降水减少较为显著,冬季变化不明显;而最高、最低和平均气温较基准期均有所升高.     

雅鲁藏布江流域TRMM降水数据降尺度研究

为了获取我国西南典型缺资料地区雅鲁藏布江流域较高时空分辨率的降水空间分布数据,开展了复杂地形条件下的卫星降水资料降尺度方法研究.构建了基于TRMM降水数据的雅鲁藏布江流域降水时空降尺度模型,并利用搜集的降水实测数据对模型进行了率定和精度验证,结果表明:1)研究提出的水汽运移距离因子在雅江流域与降水具有很强的相关性,在构建的空间降尺度模型中其显著性优于传统地形指示因子DEM;2)TRMM降尺度结果较原始降水数据空间分布更为合理性且细节刻画能力更强,但统计精度月际差异明显,月R2值主要集中在0.5~0.9之间,RMSE值在3.7~40mm之间波动,且整体呈现随月降雨量增加而增大的趋势,个别月份由于降水观测极值出现而导致R2值不足0.1.日尺度上,降尺度结果受原始TRMM降水数据精度影响,平均精度R2不足0.3.     

长江三角洲太湖流域湖西浙西区降水极值特性分析

长江三角洲太湖流域属于典型的北亚热带季风气候区,气候变化、快速城镇化和人类活动使得极端气象灾害的影响加剧.极端降水是形成洪水的主要来源之一,分析降水极值特性是研究洪水的一种必要且有效的手段.以湖西浙西区96个站点2006—2012年的日降水数据为例,选取极端降水量(R95P)、一日最大降水量(RX1D)、最大连续五日降水量(RX5D)、降水强度(SDⅡ)和强降水日数(R10,R20和R50)七个极端降水指数,研究降水极值空间分布规律.结果表明,极端降水量在湖西区北部呈现较高值,降水强度在浙西山区和湖西山区以及东北部地区呈现较高值,其余五个指数均显示,地势较高的浙西山区极端降水指数相应较高.进一步对丹阳、金坛、溧阳、宜兴、安吉和湖州六个代表站1961—2015年的降水极值分析,利用广义极值分布(Generalized Extreme Value Distribution,GEV)和广义帕累托分布(Generalized Pareto Distribution,GPD)两种极值模型进行分布拟合.研究发现,GPD的拟合效果优于GEV,各个站点的分布模型参数也有差异,对两种分布下不同重现期的极端降水量值进行对比,为风险防范和工程设计安全提供了科学依据.另外,汛期降水的空间分布差异性较大,汛期和非汛期的对比结果显示极值统计模型参数也有较大差异,主要体现在阈值和尺度参数上.对于特定季节尤其是暴雨多发期的极端降水事件,建议利用汛期的降水极值进行统计模拟,有助于更好地刻画降水极值特性.     

基于统计模型与混沌理论的大坝安全监测混合预测模型

为解决传统统计模型在大坝安全监测领域应用中由于缺少对残差的分析而存在拟合精度高但预测效果欠佳的问题，在传统统计模型中增加残差预测项，并应用混沌理论对残差预测项的计算方法进行探讨，从而提出了一种新的混合预测模型，同时结合实测数据对此模型进行了检验。结果表明，新模型可提高预测精度并具有一定的实用性。     

语音识别中ARMA模型的研究

在用线性时间序列模型拟合语音数据时(例如用AR模型拟合),模型阶数越高,参数个数越多,统计计算时误差越大.本文在理论上对ARMA(1,q)模型的参数估计进行了推导,在数值计算上,得到了ARMA(1,0)模型的参数估计并对模型进行拟合,解决了用AR模型拟合语音数据时,统计计算时误差较大的问题.     

基于矩阵分解的降水时空插值方法

为了提高基于雨量站网观测值估算降水空间分布的精度,同时考虑降水的时序发展趋势和站点空间分布,将传统的插值方法（反距离权重法、普通克里金法）和Funk矩阵分解（Funk SVD）模型结合,提出了一种基于矩阵分解的插值方法,并采用黄河流域小浪底到花园口区间2009—2012年多场降水的日观测数据进行了精度检验。结果表明,通过与Funk SVD模型结合,反距离权重法和普通克里金法在平均绝对误差、百分误差等评价指标上的精度提升均超过15%,改善效果在周围站点分布不均匀或降水量很大的情况下尤为明显,可以大幅度减少传统方法在降水插值过程中的估计误差,提升空间估算的精度。     

安徽省近50年降水时空变化分析

利用安徽省17个气象站1957-2012年逐日逐月降水资料,选用克里金插值法、MannKendall突变检验和小波分析、重标极差法等方法,探究安徽省年季降雨特征及时空变化.结果表明:(1)在时间上,近56年来,安徽省全年降水量总体呈现增加趋势,降水的年代际变化特征较为明显;(2)在空间上,全省降水总体呈现由东南向西北递减的趋势,区域差异明显;(3)安徽省季节平均降雨的突变检验发现,春季降雨没有发生突变,夏季降雨变化在1975年到1990年的区间内存在多个突变点,秋季平均降雨于1990年前后发生少雨突变,冬季平均降水突变以1996年最为明显,2010年达到显著性水平;(4)从小波变换系数实部等值线图和小波方差分析法可得13a和28a是安徽省年平均降水的主周期;(5)全省各站点年均Hurst值均大于0.5,具有长期相关性,但各站点差异较大,各地区降水增加趋势不均衡,多数站点夏季Hurst值在长时间尺度上具有较强的相关性特征.     

Coupling methods of global climate models and regional climate models

The future climate dynamical downscaling method is that output of general circulation models (GCMs) is employed to provide initial conditions,lateral boundary conditions,sea surface temperatures,and initial land surface conditions to regional climate models (RCMs).There are two methods of downscaling:offline coupling and online coupling.The two kinds of coupling methods are described in detail by coupling the Weather Research and Forecasting model (WRF) with the Institute of Atmospheric Physics of Chinese Academy of Sciences Atmospheric General Circulation Model Version 4.0 (IAP AGCM4.0) in the study.And the extreme precipitation event over Beijing on July 21 2012 is simulated by using the two coupling methods.Results show that online coupling method is of great value in improving the model simulation.Furthermore,the data exchange frequency of online coupling has some effect on simulation result.     

月蒸散发能力解集模型研究

针对目前研究蒸散发能力解集方面的不足,对联合期望-方差模型进行改进并进一步扩展,建立了将月蒸散发能力解集到日蒸散发能力的解集模型.将模型应用于梅山气象站,1980~1985年蒸发资料用于确定模型参数,1986~1987年资料被合并为月蒸发量用于模型解集计算.结果表明:解集产生的日蒸发量序列随季节的变化趋势与观测值一致,并且变化幅度也与观测值基本一致,日蒸发量观测值与解集值的均值和标准差很接近,部分月份二者几乎相等;所建立的解集模型能够很好地将月蒸发量序列解集到日蒸发量序列,并充分反映日蒸发量的时间变异特性.     

中尺度暴雨模式MRM1简介及预报效果检验

介绍了近年来我们所研制的中尺度暴雨模式MRM1的基本情况及特点，以及对1998年，1999年和2001年6月、7月的降水集中时段进行的逐日降水预报试验及效果检验，并和美国著名中尺度模式MM5进行了同一时段降水预报检验的比较。结果表明，它是目前国内较好的中尺度暴雨预报模式，在暴雨预报方面较MM5也有一定的优越性。     

基于Hadgem2_ES的气候变化对金华江流域枯水变化的影响评估

气候变化引发降雨径流等水文要素的变化已经成为学界的共识,浙江省内近年来频发的气候极端事件更是引起众多学者的重视。枯水水文作为水文学的一部分,分析其变化有其积极的实际意义。选取了金华江流域1975-2004年的日降水、温度和径流资料,使用多站统计降尺度方法,基于最新CMIP5中的Hadgem2_ES模型,利用GR4J水文模型模拟了未来(2071-2100年)的径流,重点分析了几个重要枯水指数7Q10和30Q10的变化。结果表明,未来这两个指数都有明显的上升趋势,即气候变化可能缓和金华江流域未来的枯水情况。     

基于BP神经网络对黄河源区降水的降尺度模拟研究

利用黄河源区实测的水文气象资料、NCEP再分析数据及HadCM3情景模式,通过研究气象因子与降雨之间的非线性关系,基于BP神经网络模型采用3种不同时段(即全年S1、枯水期和丰水期S2及四季S4)对黄河源区建立3种降雨的统计降尺度模式,分析评价不同模式对降雨指标的模拟能力.结果表明:3个模型的模拟效果的优劣随着研究的时间尺度变化,对多数降雨指标的变化趋势能成功捕捉,但对量的模拟效果会随着指标和季节而变化,对极端指标的模拟效果均较差.     

基于多源降水融合驱动的WRF-Hydro模型在中小河流洪水预报中的适用性

从提高驱动数据(降水)的质量和时空分辨率出发,评估了基于混合地理加权回归截尾函数(MGWR-BI)多源降水融合算法的有效性,以及融合降水对WRF-Hydro模型计算结果的影响。将融合降水数据用于WRF-Hydro模型中进行子午河流域的洪水预报,并与站点实测降水数据进行比较,结果表明,融合降水的精度高于原始CMORPH卫星降尺度降水,融合降水数据驱动WRF-Hydro模型比CMORPH卫星降尺度降水数据能更好地预报与模拟洪水事件,WRF-Hydro模型具有中小河流洪水预报的潜在优势。