【摘要】：本文首先利用CMIP5全球氣候系統(tǒng)模式提供的年代際回報的地面氣溫和降水資料,以相應的NCEP/NCAR月平均再分析資料和GPCP資料作為氣溫和降水的“觀測值”,采用貝葉斯模式平均方法(Bayesian Model Averaging,簡稱BMA)和簡單多模式集合平均(multi-model ensemble mean,簡稱EMN),對各個氣候模式以及BMA和EMN確定性結(jié)果進行變率分析,討論各個模式以及BMA和EMN對變率的回報效果,并在此基礎(chǔ)上,對東亞地區(qū)未來氣溫和降水的變率進行預估。同時利用BMA的不確定結(jié)果進行概率分析,確定在溫度增長的背景下,東亞地區(qū)溫度在四季分別的增長幅度,并對未來進行預估。以及確定未來東亞地區(qū)四季降水的變化幅度的不確定性。結(jié)果表明：10個模式、EMN、BMA能很好地回報出1981-2010年東亞地面氣溫的方差分布,其中BMA回報效果最好。對于降水的方差則是模式GFDL-CM2p1的回報效果較好。綜合空間型相關(guān)、標準差比、均方根誤差以及時間序列相關(guān)的回報效果,東亞氣溫第一模態(tài)回報效果較好的模式是BMA、 IPSL-CM5A-LR;對第二模態(tài)回報效果較好的是MIROC5、CanCM4。BMA能夠很好地回報出第二模態(tài)的時間系數(shù)以及去趨勢之后的變率。對于降水而言,第一模態(tài)回報效果較好的模式是MPI-ESM-LR、GFDL-CM2p1;對第二模態(tài)回報效果較好的是Ensemble、CCSM4。CMCC-CM對氣溫變化主模態(tài)的3-5年的周期變化特征回報效果最好,和NCEP資料的結(jié)果最為接近。BMA對于概率信息的地理分布能較好地回報出氣溫和降水波動的不確定性。不同概率下的溫度分布,可以看出陸地上的不確定性較大。對于降水則是海洋上的不確定較大。在全球溫度增長的背景下,東亞地區(qū)四季溫度和降水的增長幅度也隨地區(qū)有所差異。基于以上分析研究結(jié)論,在RCP4.5的未來預估情景下,結(jié)果表明：2006-2035年氣溫波動小于1981-2010年、2016-2025年降水波動大于2001-2010年。2006-2035年東亞地區(qū)的氣溫是先下降后上升的,其轉(zhuǎn)折點在2024年。氣溫2017-2035年以5-6年周期為主。溫度和降水的變化有季節(jié)變化的影響,東亞溫度增長在秋天比較強烈。降水的變化幅度明顯小于氣溫。
【學位授予單位】：南京信息工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P426.6;P423.3
，

本文編號：2690285