选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬...
详细信息
选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。
利用第5次耦合模式比较计划(CMIP5)中35个全球气候模式历史模拟与RCP4.5预估结果,通过贝叶斯模型平均(Bayesian Model Averaging,BMA)对中国气温进行多模式集合研究,给出了中国未来气温变化预估及其不确定性的时空分布。结果表明,中国2...
详细信息
利用第5次耦合模式比较计划(CMIP5)中35个全球气候模式历史模拟与RCP4.5预估结果,通过贝叶斯模型平均(Bayesian Model Averaging,BMA)对中国气温进行多模式集合研究,给出了中国未来气温变化预估及其不确定性的时空分布。结果表明,中国21世纪冬夏将持续升温,且升温具有冬季高于夏季,北方高于南方的特点。初期(2016—2035年)北方有很大可能(>80%)升温超过0.7℃,南方升温相同幅度的概率则超过50%;中期(2046—2065年)北方和南方升温超过1.5℃的概率分别为80%和50%;末期(2081—2100年),北方(南方)有80%(50%)的可能的升温超过2℃。气温预估的不确定性研究发现,无论冬夏,21世纪不同时期升温相对较弱的塔里木盆地、青藏高原南侧和中国东南地区为不确定性低值区,基本低于0.6℃,对应可信度较高,如21世纪初期信噪比超过4;而不确定性的高值区则主要分布在新疆北部、东北平原北部和青藏高原东南侧等升温相对较大的地区,普遍高于1℃,对应可信度较低,如初期信噪比低于2.5。此外,基于信噪比对比发现除青藏高原东部外,其他区域夏季预估的可信度均高于冬季,21世纪末期高于初期,且空间分布特征一致。
暂无评论