基于统计降尺度模型的江淮流域极端气候的模拟与预估

利用江淮流域29个代表站点1961—2000年逐日最高温度、最低温度和逐日降水资料,以及NCEP逐日大尺度环流场资料,引入基于多元线性回归与随机天气发生器相结合的统计降尺度模型SDSM(statistical downscaling model),通过对每个站点建模,确立SDSM参数,并将该模型应用于SRESA2排放情景下HadCM3和CGCM3模式,得到了江淮流域各代表台站21世纪的逐日最高、最低温度和降水序列以及热浪、霜冻、强降水等极端气候指数。结果表明,当前气候下,统计降尺度方法模拟的极端温度指数与观测值有很好的一致性,能有效纠正耦合模式的"冷偏差",如SDSM对江淮平均的冬季最高、最低温度的模拟偏差较CGCM3模式分别减少3℃和4.5℃。对于极端降水则能显著纠正耦合模式模拟的降水强度偏低的问题,如CGCM3对江淮流域夏季降水强度的模拟偏差为-60.6%,但降尺度后SDSM-CGCM3的偏差仅为-6%,说明降尺度模型SDSM的确有"增加值"的作用。21世纪末期在未来SRESA2情景下,对于极端温度,无论Had-CM3还是CGCM3模式驱动统计模型,江淮流域所有代表台站,各个季节的最高、最低温度都显著增加,且以夏季最为显著,增幅在2～4℃;与之相应霜冻天数将大幅减少,热浪天数大幅增多,各站点冬季霜冻天数减少幅度为5～25d,夏季热浪天数增加幅度为4～14d;对于极端降水指数,在两个不同耦合模式HadCM3和CGCM3驱动下的变化尤其是变化幅度的一致性比温度差,但大部分站点各个季节极端强降水事件将增多,强度增强,SDSM-HadCM3和SDSM-CGCM3预估的夏季极端降水贡献率将分别增加26%和27%。