以松花江流域?yàn)檠芯繉?duì)象,采用CMIP5已發(fā)布的9個(gè)氣候模式,模擬1951年～2000年歷史降水和氣溫的月數(shù)據(jù),對(duì)比實(shí)測(cè)資料運(yùn)用3項(xiàng)數(shù)理統(tǒng)計(jì)指標(biāo)評(píng)估模式的模擬性能;各模式降尺度后應(yīng)用到4種集成方法。模擬結(jié)果表明,Can ESM2和MPI-ESM-MR模式模擬效果較好,多元回歸集成表現(xiàn)最佳。利用優(yōu)選的2個(gè)模式方法預(yù)估流域下游佳木斯站在RCP4. 5氣候情景下未來(lái)逐月的降水和氣溫,并以預(yù)估的降水氣溫為因子構(gòu)建線性回歸模型計(jì)算流域未來(lái)徑流的月變化過(guò)程。預(yù)估徑流結(jié)果可為水資源管理及洪旱防治提供數(shù)據(jù)參考。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引言
1 數(shù)據(jù)和方法
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)資料
    1.3 集成方法
        1.3.1 算數(shù)平均集成
        1.3.2 權(quán)重平均集成
        1.3.3 多元回歸集成
        1.3.4 BP神經(jīng)網(wǎng)絡(luò)集成
2 結(jié)果分析
    2.1 氣候模式性能評(píng)估
        2.1.1 降水
        2.1.2 氣溫
    2.2 模式集成性能評(píng)估
        2.2.1 降水
        2.2.2 氣溫
    2.3 未來(lái)氣候要素預(yù)估
    2.4 未來(lái)徑流預(yù)估
        2.4.1 模型率定及檢驗(yàn)
        2.4.2 未來(lái)徑流預(yù)估
3 結(jié)論



本文編號(hào)：3853073