【摘要】：相比于全球氣候模式較粗的空間分辨率,在地形復雜地區(qū)的氣候模擬需要更為精細的氣候模擬精度。目前受限于計算機能力和物理參數(shù)化過程的雙重限制,高精度的全球氣候模式還不能完全運用于實際的氣候模擬中,本文分析了云南地區(qū)115個測站近地面氣溫在1981-2015年間的時空分布特征,評估了CMIP5歷史模擬階段對云南近地面氣溫的模擬情況,挑選出對云南地區(qū)模擬較為出色的氣候模式,基于ERA-Interim再分析資料與站點觀測資料,運用逐步回歸與主成份分析相結合的統(tǒng)計降尺度方法建立大尺度環(huán)流與近地面氣溫場的統(tǒng)計關系,并將所構建的最優(yōu)回歸模型運用到CMIP5模式中,對其溫度進行降尺度處理。結果表明:(1)1981-2015年間,云南地區(qū)月平均氣溫年增溫趨勢為0.310℃/decade,其中冬季增溫最快(0.414℃/decade),夏季增溫最慢(0.178℃/decade);云南地區(qū)月平均最高氣溫的年增溫趨勢為0.374℃/decade,其中全年增溫最快為冬季(0.449℃/decade),最慢出現(xiàn)在夏季(0.274℃/decade);云南地區(qū)月平均最低氣溫的年增溫趨勢為0.353℃/decade,其中全年增溫最快為春季(0.505℃/decade),最慢出現(xiàn)在夏季(0.204℃/decade)(所有結果均通過信度為95%的F檢驗)。(2)CMIP5模式對云南地區(qū)的溫度模擬存在極大不確定性,各模式模擬出的序列值低于實測序列值,平均態(tài)的空間分布形式與實測結果差異較顯著,年增溫趨勢空間分布各不相同。主要表現(xiàn)為從1981-2005年的歷史評估來看,通過信度為95%T檢驗的模式個數(shù)只有22個,占所有模式的45.8%。在通過檢驗的22個模式里,年序列模擬結果的相關性平均只達到0.5,相關性最高的為來自澳大利亞的ACCESS1.0模式,達到0.66。此外,所有模式均低估了云南的平均地表氣溫,在通過信度檢驗的22個模式中,整體對云南地表氣溫低估2.4℃。(3)本文采用主成份分析和逐步回歸相結合的方法構建統(tǒng)計降尺度模型,然后將所構建的降尺度模型運用到CMIP5模式中,對模式溫度進行降尺度處理,結果表明:對歷史數(shù)據(jù)模擬過程中,各自模式能保證各自模式的模擬特點,且修正各自模式的模擬偏差。此外,對云南地區(qū)的月平均氣溫、月平均最高、最低氣溫的模擬均能得到符合實際的平均態(tài)分布及增溫趨勢分布。降尺度模型能修正再分析資料對云南西北部地區(qū)模擬失真的情況,提高再分析資料對云南地區(qū)氣溫變化的準確度。因此,在云南這種低緯高原地區(qū)運用統(tǒng)計降尺度模型來提高再分析資料的準確性具有一定可行性。(4)基于所構建的統(tǒng)計降尺度模型對未來三種排放情景下的云南地區(qū)溫度進行了預測,結果顯示:RCP26、RCP45和RCP85情景下云南地區(qū)月平均氣溫的年增溫趨勢分別達到0.052、0.157和0.252℃/decade,其中最大增趨勢出現(xiàn)在RCP85情景下的春季(0.326℃/decade),最小出現(xiàn)在RCP26情景下的秋季(0.042℃/decade);三種排放情景下月平均最高氣溫的年增溫趨勢分別為0.064、0.187和0.314℃/decade,其中最大增率出現(xiàn)在RCP85情景下的春季(0.397℃/decade),最小出現(xiàn)在RCP26情景下的秋季(0.043℃/decade);三種排放情景下月平均最低氣溫的增溫趨勢分別為0.048、0.154和0.242℃/decade,其中最大增溫趨勢出現(xiàn)在RCP85情景下的春季(0.294℃/decade),最小出現(xiàn)在RCP26情景下的秋季(0.031℃/decade)。
【學位授予單位】：云南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：P468.021
【圖文】：

1低緯高原115個氣象站點及地形分布（紫色及綠色點分別代表海拔高度高于及低于850hPa

1技術路線圖

1不同PC個數(shù)模型的逐月評估表3.1.2不同PC個數(shù)的模型年尺度評估

【參考文獻】

相關期刊論文 前10條

1 張萬誠;鄭建萌;馬濤;任菊章;;1961-2012年云南省極端氣溫時空演變規(guī)律研究[J];資源科學;2015年04期

2 段旭;陶云;;云南近50年來的氣候變化[J];熱帶氣象學報;2012年02期

3 趙志江;譚留夷;康東偉;劉琪t

本文編號：2799906