简介:利用中国613个站点1961~2010年逐月降水数据,基于游程理论从月标准化降水指数(SPI)序列中分离出干旱事件,并通过K-S检验方法对其干旱强度和干旱历时2个特征量的分布函数进行检验。在此基础上,利用Copula函数建立2个特征量的二维联合概率分布函数,对比分析干旱历时分布函数修订前后对不同类型干旱联合概率及重现期的影响。结果表明:干旱强度特征量符合Gamma分布,而干旱历时特征量并非完全符合指数分布,因此需对干旱历时分布函数进行必要的修订。在干旱历时分布函数修订情况下,大部分干旱类型的联合概率减小,少部分干旱类型的联合概率增大;且不同类型干旱的联合重现期增大。在干旱历时尺度相同时,随着干旱强度的增加,最大和最小联合重现期的差异无明显变化;但在干旱强度相同时,最大和最小联合重现期的差异随着干旱历时的增加而明显增大。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。
简介:将有限区域流函数、速度势求解中常用的两种张驰法(即理查逊法和加速利布曼法)与调和一余弦谱展开法(H—C法)进行了比较,理论研究表明:H-C法单独考虑边界影响分量,物理意义明确,且不会丢失边界上的天气系统;从计算上看,H-C法重建的风场能精确还原原始风场,且计算效率明显高于两种张驰法,即收敛更快。通过在台风Bilis(0604)暴雨增幅过程诊断中的应用发现,常用的两种张驰迭代方法在求解有限区域流函数和速度势的问题上效果都不是很好,即:用理查逊法和加速利布曼法计算的流函数和速度势重建的风场与原始风场差别较大,不能准确还原原始风场;用H—C法不仅计算效率高,还原的风场与原始风场差异极小,且不受南边界较强的西南季风涌影响,在暴雨增幅前期能较好地反映与暴雨增幅相关的强辐合信号。因此,可用H—C法计算得到的无辐散风和无旋风对有限区域的天气系统进行更深入的动力结构分析。