基于模式誤差修正的安徽省沿江地區(qū)降水變化特征預(yù)估

康海迪, 程先富

(1.安徽師范大學 國土資源與旅游學院, 安徽 蕪湖241003;2.安徽自然災(zāi)害過程與防控研究省級實驗室, 安徽 蕪湖 241003)

基于模式誤差修正的安徽省沿江地區(qū)降水變化特征預(yù)估

康海迪1,2, 程先富1,2

(1.安徽師范大學 國土資源與旅游學院, 安徽 蕪湖241003;2.安徽自然災(zāi)害過程與防控研究省級實驗室, 安徽 蕪湖 241003)

[目的] 模擬未來降水的變化特征，為安徽省沿江地區(qū)的農(nóng)業(yè)生產(chǎn)及防洪減災(zāi)等提供理論依據(jù)。 [方法] 基于RCP4.5溫室氣體排放情景，應(yīng)用MRI-CGCM3模式誤差修正數(shù)據(jù)模擬安徽省沿江地區(qū)1960—2065年的降水變化。[結(jié)果] 誤差修正模式數(shù)據(jù)對安徽省沿江地區(qū)降水變化特征模擬性能較好。未來不同時間段降水差異較大，春夏降水多，秋冬降水少。2036—2065年四季和年均日降水量的增加幅度大于2006—2035年，秋季差異最大。就數(shù)據(jù)波動幅度而言，不同時段夏季降水波動均較大，春季均較小。2006—2035年秋冬波動較小，2036—2065年秋冬波動偏大。從區(qū)域降水變化特征來看，2006—2065年安徽省沿江地區(qū)日降水量呈現(xiàn)由北向南逐漸增加的條帶性地理特征和春夏降水多，秋冬降水少季節(jié)特征。較于2006—2035，2036—2065年區(qū)域的降水地理變化特征會更加明顯而且季節(jié)性變化速率增加，降水距平地理變化條帶性趨勢及方向因季節(jié)而異。[結(jié)論] 安徽省沿江地區(qū)未來降水波動幅度變大，降雨量增加。

MRI-CGCM3模式; 優(yōu)化模式; 降水變化; 地理特征

文獻參數(shù)： 康海迪, 程先富.基于模式誤差修正的安徽省沿江地區(qū)降水變化特征預(yù)估[J].水土保持通報，2017,37(1)：188-195.DOI:10.13961/j.cnki.stbctb.2017.01.034； Kang Haidi, Cheng Xianfu. Prediction of regional precipitation along Yangtze River in Anhui Province based on model error correction[J]. Bulletin of Soil and Water Conservation, 2017,37(1)：188-195.DOI:10.13961/j.cnki.stbctb.2017.01.034

近些年來，由于氣候變化引起的極端氣候事件數(shù)量在不斷增加，強度在提高，發(fā)生的區(qū)域越來越多。中國眾多專家和學者積極投身于這一氣候研究當中，開展了大量氣候變化預(yù)估工作[1-2]。王國慶等[3]利用在3種RCPs排放情景下的7個氣候模式的資料，分析了未來30 a海河流域氣候變化趨勢，指出未來降水可能呈上升趨勢。吳晶等[4]基于西北干旱區(qū)78個站點數(shù)據(jù)，評估CMIP5的39個模式對降水、平均溫度模擬能力，得出中國西北干旱區(qū)年、季降水量模擬值與觀測值的相關(guān)系數(shù)很差，均不到0.1。Xu等[5]和Sillmann等[6]利用多個模式對中國區(qū)域極端降水模擬能力進行評估，指出模式能較好的模擬出極端降水的空間分布及線性變化趨勢。

目前，基于RCPs情景下(IPCC利用單位面積的輻射強迫強度來表示未來100 a穩(wěn)定濃度的新情景，即RCPs情景)降水特征的研究相對較少，而且主要集中在全國尺度[7-12]，以及珠江流域[13]、淮河流域、長江中下游區(qū)域[14]等，而針對安徽省沿江地區(qū)的研究較少。為了避免模式數(shù)據(jù)的不穩(wěn)定性和減小誤差，過去大多采用多模式集合平均的方法。

在過去的幾十年里，安徽省沿江地區(qū)氣候已經(jīng)發(fā)生明顯變化，流域氣溫升高，降水增加，出現(xiàn)極端天氣的次數(shù)增加，特別是2016年安徽省宣城市、蕪湖市等沿江區(qū)域發(fā)生了洪澇災(zāi)害。基于IPCC5模型的安徽省沿江地區(qū)降水特征研究，將有助于專家、學者對該地區(qū)降水特征的理解和認識，幫助政府決策部門制定更加合理有效地相關(guān)管理措施。本文擬利用1960—2005年安徽省沿江地區(qū)縣級降水資料對MRI-CGCM3模式在RCP 4.5情景下的模擬能力進行檢驗，再對模型模擬2006—2065年安徽省沿江地區(qū)的降水特征進行分析和預(yù)估，以期為安徽省沿江地區(qū)的農(nóng)業(yè)生產(chǎn)及防洪減災(zāi)等提供理論依據(jù)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

安徽省位于中國東南部，是一個襟江近海的內(nèi)陸省份，屬于暖溫帶和亞熱帶過渡區(qū)，南方溫度高于北方，常年平均氣溫14～17 ℃。安徽省沿江地區(qū)地處長江流域中下游，包括合肥，蕪湖，巢湖，滁州，宣城，馬鞍山，銅陵，安慶，池州9個市以及六安的金安區(qū)和舒城縣，共59個縣(市、區(qū))。該區(qū)域以丘陵地區(qū)為主，北部為暖溫帶半濕潤季風氣候，南部為亞熱帶濕潤性季風氣候，距海較近，受季風影響顯著，氣候溫暖濕潤，四季分明，梅雨顯著，夏雨集中，秋高氣爽，冷暖氣團交會頻繁，天氣多變，加之水系發(fā)達，使安徽省沿江地區(qū)成為長江中下游地區(qū)洪澇災(zāi)害最頻繁、最嚴重的地區(qū)之一。

1.2 數(shù)據(jù)來源

觀測數(shù)據(jù)為1960—2005年縣級逐日降水量數(shù)據(jù)。模式數(shù)據(jù)是MRI-CGCM3在RCP4.5情景下的歷史時期(1960—2005年)和預(yù)估時期(2006—2065)的降水量模擬數(shù)據(jù)。數(shù)據(jù)分辨率為1.125°×1.125°,數(shù)據(jù)的時間跨度為1960—2065年。借鑒前人研究經(jīng)驗，以及檢驗?zāi)Ｊ綄v史氣候的模擬能力，本文中選定的歷史驗證時期為1960—2005年，模擬預(yù)估時段為2006—2065年。

1.3 研究方法

1.3.1 空間相關(guān)系數(shù)

標準差：D(x)=E〔x-E(x)〕2

(1)

式中:E(x)——圖像像素的均值；D(x)——圖像像素值的標準差。

協(xié)方差公式：

COV(x,y)=E{〔x-E(x)〕〔y-E(y)〕}

(2)

式中:COV(x,y)——待比較兩幅圖像的協(xié)方差；x,y——待比較的兩幅圖像的像素灰度值。

(3)

式中:R(x,y)——待比較兩幅圖像的空間相關(guān)系數(shù)。

1.3.2 相對誤差 空間相關(guān)系數(shù)只能反映出兩者之間的相似趨勢變化，而不能反映模式模擬的準確度，相對誤差反映的是模擬數(shù)據(jù)與觀測數(shù)據(jù)之間的偏離程度，即數(shù)據(jù)結(jié)果的可信度。

(4)

式中:Xj，Yj——1960—2005年實測站點數(shù)據(jù)，模式數(shù)據(jù)或優(yōu)化模式數(shù)據(jù)；δ——觀測數(shù)據(jù)和模式數(shù)據(jù)之間的平均相對誤差。

1.3.3 優(yōu)化模式方法 由于MRI-CGCM3模式數(shù)據(jù)相對于實測站點數(shù)據(jù)系統(tǒng)性偏低，本文在參考大量氣候領(lǐng)域和其他領(lǐng)域論文的誤差改進方法的基礎(chǔ)上，以相對誤差為基礎(chǔ)，進行模式數(shù)據(jù)的系統(tǒng)偏差校正的同時減小誤差率,這有助于消除誤差異常區(qū)域，減少數(shù)據(jù)異常波動產(chǎn)生的頻率。

(5)

若λ≥90%，

Oj=(1+δ)Yj
(單位為mm/d,j=1,2，…，46)

(6)

若λ≤10%

Oj=(1-δ)Yj(單位為mm/d,j=1,2，…，46)

(7)

若90%<λ<10%，則需更換優(yōu)化方法。

式中:u——實測站點數(shù)據(jù)與模式數(shù)據(jù)誤差的正負號數(shù)；λ——正負號占總體數(shù)量的比例;Yj——降水量;Oj——優(yōu)化后的1960—2005年MRI-CGCM3模式數(shù)據(jù)，此后簡稱修正數(shù)據(jù)。

由于本文選用模式數(shù)據(jù)系統(tǒng)性偏低，并且符合λ≥90%的要求，所以采用(6)式。

1.3.4 降水距平百分率 降水距平百分率反映的是該數(shù)據(jù)精密度，數(shù)據(jù)偏離數(shù)據(jù)中心的程度。

(8)

由于國際上關(guān)于氣候變化分析一貫的做法是取30 a的統(tǒng)計數(shù)據(jù)作為分析的對比數(shù)據(jù)，所以選擇Z(i),i=1,2，…，30代表1976,1977，…，2005年的觀測的降水資料，Z是1976—2005年的實際降水的平均值(mm/d)。

Mj=Oj-Z

(9)

(10)

式中：Oj——1960—2005年的模式數(shù)據(jù)或修正數(shù)據(jù)；Mj——1960—2005年降水距平；Q——1960—2005年降水距平百分率； (j=1,2，…，46)。

2 結(jié)果與分析

2.1 模式驗證

2.1.1 年季日降水量的時間序列驗證 如圖1所示，安徽省沿江地區(qū)模式數(shù)據(jù)的年均日降水量比實際數(shù)據(jù)明顯偏低，平均小0.7 mm。

模式數(shù)據(jù)和實際數(shù)據(jù)均沒有明顯的上升和下降趨勢，模式數(shù)據(jù)較好的模擬出實測數(shù)據(jù)時間趨勢變化特征。

圖1 1960—2005年研究區(qū)實際、模式、 修正數(shù)據(jù)年均日降水量

針對模式年平均日降水量數(shù)據(jù)系統(tǒng)性偏低這一問題，本文采用相對誤差修正的方法進行模式數(shù)據(jù)修正，修正數(shù)據(jù)不僅保留了模式數(shù)據(jù)時間趨勢變化特征，而且更加接近實測年均日降水量，兩者相差0.08 mm，故消除了系統(tǒng)性偏低的這一問題。修正數(shù)據(jù)年均日降水量與實測數(shù)據(jù)的相對誤差由修正前的16%，下降為8%，模式模擬效果得到了很大的提高。

1960—2005年降水季節(jié)性特征明顯,模式數(shù)據(jù)對四季的實測數(shù)據(jù)時間趨勢變化特征模擬能力較好，但夏季與年均日降水量出現(xiàn)了類似的系統(tǒng)性偏低的現(xiàn)象。修正數(shù)據(jù)將系統(tǒng)性偏差由2.4 mm減小為0.9 mm。修正數(shù)據(jù)對四季降水的時間趨勢模擬能力與模式數(shù)據(jù)相同，能夠較好的反映實測數(shù)據(jù)的變化特征。

總體來說，修正數(shù)據(jù)不僅保留了模式數(shù)據(jù)的變化特征，而且能夠有效的減小模式數(shù)據(jù)的系統(tǒng)性偏差。所以，本文采用修正數(shù)據(jù)代替模式數(shù)據(jù)進行分析。

除異常值外，春、夏、秋、冬日降水量的修正數(shù)據(jù)和實測數(shù)據(jù)的分別為:2～5.8，3～8，0.5～3.6，0.5～2.5 mm。由此可見，修正數(shù)據(jù)的季節(jié)特征明顯，春夏降水多，秋冬降水少。

2.1.2 年季日降水量的空間分布驗證 如圖2所示，由安徽省沿江地區(qū)1960—2000年年均日降水量模式數(shù)據(jù)相對誤差分布圖可以看出，除岳西縣外，其他區(qū)域相對誤差均低于20%，介于10%～20%的區(qū)域大于1/2，而修正數(shù)據(jù)的相對誤差明顯得到改善，大部分區(qū)域相對誤差均低于10%。模式數(shù)據(jù)相對誤差存在偏大區(qū)域，修正數(shù)據(jù)消除了誤差異常區(qū)域，區(qū)域平均相對誤差減少了4%。

圖2 1960—2000年研究區(qū)年均日降水量模式數(shù)據(jù)、修正數(shù)據(jù)相對誤差分布

利用1960—2000年改進指標修正2000—2005年模式數(shù)據(jù)，得到2000—2005年修正數(shù)據(jù)。如圖3所示，2000—2005年模式數(shù)據(jù)的相對誤差大部分區(qū)域位于10%～25%，其中北部的滁州市所轄區(qū)域相對誤差大于20%。2000—2005年修正數(shù)據(jù)相對誤差低于10%的區(qū)域約占3/5，區(qū)域平均相對誤差為8.4%，而模式數(shù)據(jù)為15.2%，優(yōu)化后相對誤差減小了7%。在2000—2005年這一驗證改進指標時段，利用修正數(shù)據(jù)不僅使相對誤差減少，而且消除了異常

區(qū)域，區(qū)域所有相對誤差均低于18%，這與1960—2000年改進指標訓練階段優(yōu)化效果一致。

由表1可知，1960—2005年修正數(shù)據(jù)的相對誤差均有所減小，其中夏季減小最明顯為24.65%。2000—2005年四季優(yōu)化降水數(shù)據(jù)，除秋季與模式數(shù)據(jù)相對誤差接近外，其他季節(jié)均有明顯的減小，其中夏季減小最大為21.4%。部分季節(jié)和時間段的模式數(shù)據(jù)的相對誤差大于20%，而修正數(shù)據(jù)的相對誤差大多在15%以下，以修正數(shù)據(jù)預(yù)測未來降水可信度較高。

圖3 2000—2005年研究區(qū)年均日降水量模式數(shù)據(jù)及修正數(shù)據(jù)相對誤差分布

表1 模式及修正研究區(qū)1960—2005年平均日降水量與實測數(shù)據(jù)相對誤差 %

根據(jù)表2，以年均日降水量空間分布的相似性為例，模式數(shù)據(jù)、修正數(shù)據(jù)與實測數(shù)據(jù)空間相關(guān)系數(shù)為0.94，模擬、修正數(shù)據(jù)的空間分布與實測數(shù)據(jù)緊密相關(guān)。修正數(shù)據(jù)降低了相對誤差，減少了誤差異常區(qū)域，而且未改變數(shù)據(jù)時間趨勢特征，故四季、年均日降水量的模式數(shù)據(jù)、修正數(shù)據(jù)與實測數(shù)據(jù)空間相關(guān)系數(shù)相同。四季日均降水量除夏季外，其他季節(jié)的空間相關(guān)性呈現(xiàn)出強相關(guān)特征，均大于0.94，其中春季最高可達0.99。

表2 研究區(qū)模擬、實測、修正1960—2005年平均日降水量空間分布比較

1960—2005年實測數(shù)據(jù)年均日降水量為2.5～3 mm，分布于研究區(qū)北部,1/6的南部區(qū)域為4～4.4 mm，中間區(qū)域介于3～4 mm，呈現(xiàn)由北向南逐漸增加的條帶性日均降水量分布特征，修正數(shù)據(jù)很好的模擬出實測數(shù)據(jù)日降水量的這種地理特征，同時使日降水量低值區(qū)域面積減小，高值區(qū)域面積增加，條帶方向性更加接近實測數(shù)據(jù)。除了春季外，其他季節(jié)修正數(shù)據(jù)與實測數(shù)據(jù)差異均低于模式數(shù)據(jù)與實測數(shù)據(jù)均值差異，其中修正數(shù)據(jù)將夏季均值差異由2.42 mm減小為1.03 mm。

總體來說，修正數(shù)據(jù)能夠有效減小模式數(shù)據(jù)空間分布的系統(tǒng)偏差和相對誤差，使異常誤差區(qū)域出現(xiàn)頻率減小，從而有助于降低模式數(shù)據(jù)的不確定性，而且修正數(shù)據(jù)能夠保留模式數(shù)據(jù)的時間趨勢特征，所以修正數(shù)據(jù)代替模式數(shù)據(jù)更加準確預(yù)測未來降水的空間分布特征和時間趨勢特征。

2.2 安徽省沿江地區(qū)降水變化預(yù)估

2.2.1 安徽省沿江地區(qū)年季降水時間序列變化預(yù)估 在RCP4.5排放情景下(圖4)，2006—2065年修正數(shù)據(jù)年均日降水量年際間波動較大，呈現(xiàn)微弱的增長趨勢，日降水量增長速度為0.043 mm/10 a。

圖4 安徽省沿江地區(qū)2006—2065年均日降水量

從表3可知2036—2065年較于2006—2035年，除了春季日降水量無明顯變化外，其他季節(jié)均呈現(xiàn)增長的趨勢。秋季增長最大為0.3 mm，夏季和冬季增長了0.13 mm，年均日降水量增加0.12 mm。

表3 研究區(qū)2006—2065年各季日降水量

較于基準期(1976—2005年)，21世紀初期年降水距平減小，說明此階段年均日降水量呈減小趨勢，而在2016年出現(xiàn)降水極高值，2016年安徽省沿江地區(qū)爆發(fā)洪澇災(zāi)害使修正數(shù)據(jù)的得到了驗證(圖5)。2006—2065年年降水距平百分率相對于基準期呈現(xiàn)較大的波動性，但總體呈現(xiàn)增長趨勢，增長速度為1.55 mm/10 a。隨著時間推移，降水波動性則越大，旱澇急轉(zhuǎn)的現(xiàn)象可能會增加。2006—2035年，年均日降水量極高值和年降水距平百分率均在2026年出現(xiàn)極高值，而2036—2065年，極高值則為2058年。這意味著21世紀20年代后期、50年代后期的出現(xiàn)偏澇現(xiàn)象的頻率可能會增加，但降水較多的前后年份一般降水明顯低于平均水平，所以發(fā)生洪澇災(zāi)害的前后年份可能會較旱。2010年前后、30年代前期降水距平低于平均水平，這一時期以偏旱現(xiàn)象為主。

由表4可知，2006—2035,2036—2065年春季日降水距平均為負值，其他季節(jié)偏大，其中夏季最大，易發(fā)生洪澇災(zāi)害，春季變化特征不明顯。較于2006—2035，2036—2065年春季日降水減少趨勢變?nèi)?，其他季?jié)增加幅度變大，秋季增加最大為13.47%，年均增加為4.47%，2006—2035年呈現(xiàn)的趨濕特征，2036—2065年趨濕特征更加明顯。

圖5 安徽省沿江地區(qū)2006—2065年年降水距平百分率

安徽省沿江地區(qū)日降水量自身有明顯的波動，較于基準期也有較大的波動特征。總體來說，2006—2065年日降水量呈增加趨勢，且隨著時間推移，趨濕特征更加明顯，偏澇和旱澇急轉(zhuǎn)現(xiàn)象也會增加。

表4 2006—2065年年季降水距平百分率

2.2.2 安徽省沿江地區(qū)降水空間分布預(yù)估 2006—2065年，安徽省沿江地區(qū)降水自北向南呈條帶性遞增。這種地理分布特征受季節(jié)影響，但也表現(xiàn)出局部差異。春季降水最大值區(qū)域位于宿松縣、東至縣等研究區(qū)最南部，其他季節(jié)的日降水量最大值則在東南部的宣城市所轄區(qū)域內(nèi)，這可能與東南部靠近黃山市有關(guān)，黃山市四季都是安徽省降水的最大值中心。

四季日降水量最小值位于北部滁州市所轄區(qū)域，長江沿岸是降水中值區(qū)域。此外，安徽省沿江地區(qū)日降水量的多寡也與季節(jié)相關(guān)，春夏降水多，秋冬降水少。春季、夏季日降水量分別約4，4.9 mm，秋冬日降水量分別約2.2，1.5 mm。

圖6 2006—2035年研究區(qū)相對于1976—2005年降水距平空間分布

由圖6可知，安徽省沿江區(qū)域2006—2035年的降水距平表現(xiàn)出一定的季節(jié)和區(qū)域變化特征，相較于基準期，春季降水距平減小0.24 mm，增加最多的夏季為1.4 mm。秋、冬兩季日降水距平和年均日降水距平在整個研究區(qū)變化不大，除極少區(qū)域外，年均減少0.2～0.36 mm,秋季增加0～0.2 mm，冬季在0左右附近有微弱的波動。夏季日降水量區(qū)域變化特征豐富，日降水量增4.87 mm,由西北向東南降水距平增加幅度逐漸明顯，降水距平增加最多東南部約為1.7 mm，馬鞍山、池州、蕪湖次之，夏季東南部日降水量增加約為1.5 mm，這意味這一時段夏季，特別是東南部出現(xiàn)澇災(zāi)可能性較大。

由圖7可知，2036—2065年秋季、年均日降水量分別為2.37，3.18 mm,兩者距平相近，距平值為0.24～0.56 mm，并呈現(xiàn)由西北向東南逐漸增加的特征。春季、夏季日降水量為4，5 mm，相對于1976—2005年，安徽省沿江地區(qū)春季降水距平減少0.16～0.51 mm，夏季增加為1.16～1.92 mm/d。冬季日降水量為1.55 mm，長江沿岸北部大于1/2的區(qū)域的降水距平在0左右波動，長江沿岸南部降水距平在0.2～0.42 mm，冬季日降水量總體呈微弱的增加趨勢。與研究區(qū)冬季日降水量相比，績溪縣最南端的極小地區(qū)增加較明顯，這可能與績溪縣臨界的南部區(qū)域降水增加偏多有關(guān)。

降水不僅地理性變化特征明顯，而且季節(jié)性變化也大于2006—2035年。在四季中，除春季與2006—2035年相近外，其他季節(jié)性的降水變化相對較大，秋季降水距平比2006—2035年大0.3 mm，夏季、冬季均大0.13 mm，這意味著研究區(qū)2036—2065年會呈更加趨濕傾向。

圖7 研究區(qū)2036—2065年相對于1976—2005年降水距平空間分布

總體來說，多年平均降水空間分布的模擬結(jié)果表明，安徽省沿江地區(qū)日降水量具有明顯的由北向南逐漸增加條帶性地理特征和春夏降水多，秋冬降水少季節(jié)特征。2036—2065年相比于2006—2035年，區(qū)域的降水地理變化特征會更加明顯而且季節(jié)性變化速率增加，夏季日降水量變化最大，冬季日降水量變化最小，降水距平地理變化條帶性趨勢及方向因季節(jié)而異。

3 結(jié)果與討論

(1) 在RCP4.5情景下，應(yīng)用修正數(shù)據(jù)對于安徽省沿江地區(qū)日降水進行了效果檢驗，檢驗結(jié)果表明該修正數(shù)據(jù)對降水的預(yù)估有一定的可靠性。

(2) 從時間序列來看，較于2006—2035，2036—2065年降水呈現(xiàn)更明顯的趨濕化特征，波動性也是相對較大。較于基準期，2006—2065年夏季降水波動幅度大于40%,這意味著未來階段夏季更易出現(xiàn)洪澇災(zāi)害。除春季降水距平均較小外，2036—2065年秋冬季節(jié)降水距平明顯大于2006—2035年，這一階段秋冬季節(jié)出現(xiàn)降水異?，F(xiàn)象可能多于2006—2035年。

(3) 從區(qū)域降水變化特征來看，安徽省沿江地區(qū)日降水量具有明顯的由北向南逐漸增加條帶性地理特征和春夏降水多，秋冬降水少季節(jié)特征。較于2006—2035，2036—2065年區(qū)域的降水地理變化特征會更加明顯而且季節(jié)性變化速率增加。2006—2065年降水距平地理變化條帶性趨勢及方向因季節(jié)而異。夏季降水變化最快，2006—2035年，研究區(qū)東南部以及2036—2065年中東部都是發(fā)生洪澇災(zāi)害頻率較大的重點區(qū)域。新一代的CMIP5模式較于CMIP4及更早的氣候模式有了較大的發(fā)展和進步，模擬能力也有了進一步的提高，但也存在著一些現(xiàn)在還沒有解決的問題。雖然MRI-CGCM3對于降水空間分布的模擬與實際數(shù)據(jù)之間的空間相關(guān)系數(shù)較高，但存在著系統(tǒng)誤差，這將增加未來降水預(yù)估的不確定性?？紤]到模式的可靠性和排放情景的合理性，本文對MRI-CGCM3模式進行相對誤差的修正，以實測站點數(shù)據(jù)對修正數(shù)據(jù)進行驗證，不僅保留空間相關(guān)系數(shù)較高的優(yōu)點，而且明顯的減小了相對誤差，提高了降水預(yù)測研究的可信度。今后仍需要開展更多誤差修正工作和多模式單獨模擬與集成模擬的分析工作，以進一步減少模擬結(jié)果的誤差和不確定性。

致謝：感謝中山大學肖明忠博士提供的氣候情景數(shù)據(jù)，感謝國家氣候中心高學杰老師、CMIP耦合模式比較工程的Torsten Rathmann給予的幫助。

[1] 姜彤,蘇布達,王艷君,等.四十年來長江流域氣溫、降水與徑流變化趨勢[J].氣候變化研究進展,2005,1(2):65-68.

[2] 富元海. CMIP3模式預(yù)估的21世紀東亞夏季降水年際變率變化過程[J].中國科學:地球科學,2012,42(12):1937-1950.

[3] 王國慶,張建云,李巖,等.海河流域基于多模式的未來氣候變化趨勢[J].資源科學,2014,36(5)：1043-1050.

[4] 吳晶,羅毅,李佳,等. CMIP5模式對中國西北干旱區(qū)模擬能力評價[J].干旱區(qū)地理,2014,37(3):499-508.

[5] Xu Ying, Xu Chonghai, Gao Xuejie, et al. Projected changes in temperature and precipitation extremes over the Yangtze River basin of China in the 21st century[J]. Quaternary International, 2009,208(1):44-52.

[6] Sillmann J, Kharin V V, Zhang X, ex al. Climate extremes indices in the CMIP5 multi-model ensemble(Part1): Model evaluation in the present climate[J]. Journal of Geophysical Research:Atmospheres,2013,118(4)：1-18.

[7] 姜大膀, 富元海. 2 ℃ 全球變暖背景下中國未來氣候變化預(yù)估[J]. 大氣科學,2012,36(2):234-246.

[8] 江志紅,陳威霖,宋潔,等.7個IPCC AR4模式對中國地區(qū)極端降水指數(shù)模擬能力的評估及其未來情景預(yù)估[J].大氣科學,2009,33(1):109-120.

[9] 陳曉晨,徐影,許崇海,等. CMIP5全球氣候模式對中國地區(qū)降水模擬能力的評估[J].氣候變化研究進展,2014,10(3):217-225.

[10] Xie Pingping, Chen Mingyue, Yang Song, et al. A gauge-based analysis of daily precipitation over East Asia[J]. Journal of Hydrometeorology, 2007,8(3):607-626.

[11] Xu Ying, Xu Chonghai. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models[J]. Atmospheric and Oceanic Science Letters, 2012,5(6):489-494.

[12] 陳活潑. CMIP5模式對21世紀末中國極端降水事件變化的預(yù)估[J].科學通報,2013,58(8):743-752.

[13] 彭俊臺,張強,陳曉宏,等.珠江流域極端降雨時空演變特征分析[J].災(zāi)害學,2011,26(4):24-28.

[14] 韓樂瓊,韓哲,李雙林.不同代表性濃度路徑(RCPs)下21世紀長江中下游強降水預(yù)估[J].大氣科學學報,2014,37(5):529-540.

Prediction of Regional Precipitation Along Yangtze River in Anhui Province Based on Model Error Correction

KANG Haidi1,2, CHENG Xianfu1,2

(1.CollegeofTerritorialResourcesandTourism,AnhuiNormalUniversity,Wuhu,Anhui241003,China; 2.AnhuiKeyLaboratoryofNaturalDisasterProcessandPrevention,Wuhu,Anhui241003,China)

[Objective] The objective of this paper is to simulate the characteristics of precipitation in the future, in order to provide a theoretical basis for agricultural production and flood control and disaster mitigation in the region along the Yangtze River in Anhui Province. [Methods] Based on scenario of RCP4.5 greenhouse gas emissions, regional precipitation along the Yangtze River in Anhui Province during 1960—2065 was simulated using the MRI-CGCM3 model error correction data. [Results] The error correction model data can well simulate the variation characteristics of precipitation along the Yangtze River in Anhui Province. There were big differences in precipitation in different periods of the future, and more precipitation in spring and summer, less precipitation in autumn and winter. The increase of daily precipitation in the four seasons and the average annual precipitation of 2036—2065 was higher than that in 2006—2035, and the biggest difference in autumn. In terms of the data fluctuations, the precipitation fluctuations in different periods were larger in summer, smaller in the spring. The smaller fluctuations occur in autumn and winter of 2006—2035, and higher fluctuations in autumn and winter in 2036—2065. As for regional precipitation variation characteristics, the daily precipitation increases gradually from north to south with the seasonal characteristics of more precipitation in autumn and winter than that in spring and summer in Anhui Province along the Yangtze River in 2006—2065. Compared to 2006—2035, the geographical features of the regional precipitation change in 2036—2065 were more obvious and the seasonal variation rate increased. The geographical change strip trends and direction of precipitation anomaly varies by seasons. [Conclusion] The regional future precipitation increases but with higher variability along the Yangtze River in Anhui Province.

MRI-CGCM3 model; optimization model; precipitation change; geographical characteristics

2016-06-01

2016-07-25

國家自然科學基金項目“流域尺度洪澇災(zāi)害風險評估方法研究:以巢湖流域為例”(41271516); 安徽師范大學研究生科研創(chuàng)新項目(2016yks068); 安徽師范大學研究生科研創(chuàng)新項目(2015cxsj163)

康海迪(1988—),女(漢族),安徽省亳州市人,碩士研究生,主要研究方向為洪澇災(zāi)害脆弱性動態(tài)評估。E-mail:1558729138@qq.com。

程先富(1967—),男(漢族),安徽省合肥市人,教授,博士生導(dǎo)師,主要從事區(qū)域環(huán)境與自然災(zāi)害方面的研究。E-mail:Xianfucheng@sina.com。

B

1000-288X(2017)01-0188-08

P954