基于模式集成的松花江流域氣候模擬預(yù)估
發(fā)布時間:2023-10-12 00:17
以松花江流域?yàn)檠芯繉ο?采用CMIP5已發(fā)布的9個氣候模式,模擬1951年~2000年歷史降水和氣溫的月數(shù)據(jù),對比實(shí)測資料運(yùn)用3項(xiàng)數(shù)理統(tǒng)計(jì)指標(biāo)評估模式的模擬性能;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)算流域未來徑流的月變化過程。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。
【文章頁數(shù)】:5 頁
【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 氣候模式性能評估
2.1.1 降水
2.1.2 氣溫
2.2 模式集成性能評估
2.2.1 降水
2.2.2 氣溫
2.3 未來氣候要素預(yù)估
2.4 未來徑流預(yù)估
2.4.1 模型率定及檢驗(yàn)
2.4.2 未來徑流預(yù)估
3 結(jié)論
本文編號:3853073
【文章頁數(shù)】:5 頁
【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 氣候模式性能評估
2.1.1 降水
2.1.2 氣溫
2.2 模式集成性能評估
2.2.1 降水
2.2.2 氣溫
2.3 未來氣候要素預(yù)估
2.4 未來徑流預(yù)估
2.4.1 模型率定及檢驗(yàn)
2.4.2 未來徑流預(yù)估
3 結(jié)論
本文編號:3853073
本文鏈接:http://sikaile.net/projectlw/qxxlw/3853073.html
最近更新
教材專著