广义线性统计降尺度方法模拟 日降水量的应用研究
降尺度方法在广西月降水量预测中的应用研究的开题报告
降尺度方法在广西月降水量预测中的应用研究的开题报告一、研究背景与意义降尺度方法是将大尺度气候模式输出的数据转化为小尺度气象现象的方法。
广西位于中国南部，地理位置靠近赤道，自然环境复杂多样，而且受影响因素也很多，包括气候变化、自然灾害等。
作为一个农业大省，广西农业生产的发展也受到了这些因素的影响，因此需要进行有效的气候预测和应对工作。
月降水量是影响农作物生长和气候变化的一个重要指标，而降尺度方法可以将大尺度气象预测转化为准确的月降水量预测，是有效应对气候灾害和优化农业生产的重要手段。
因此，本研究旨在探究降尺度方法在广西月降水量预测中的应用，为广西的气候预测与农业生产提供科学依据。
二、研究内容与目的本研究将以广西地区为基础，结合大尺度气候模式的输出数据，采用降尺度方法，预测广西月降水量情况。
主要包括以下研究内容：1. 收集并分析广西地区的气象数据。
2. 研究降尺度方法的理论及其应用范围。
3. 利用降尺度方法，将大尺度气候模式输出数据转换为广西地区的月降水量预测数据。
4. 对预测结果进行分析和验证，并与实际气象数据进行对比分析。
通过对广西地区月降水量预测的研究，可以为广西的农业生产、气象监测及防灾减灾提供科学参考，提高广西地区的生产效益和社会发展水平。
三、拟采用的研究方法本研究将主要采用以下研究方法：1. 文献调研法：通过查阅相关文献资料，了解降尺度方法在气象预测中的应用情况，以及国内外关于月降水量预测的研究现状。
2. 数据收集法：收集广西地区的气象数据及大尺度气候模式的输出数据，为降尺度方法的应用提供数据基础。
3. 统计分析法：运用统计学方法，对降尺度方法预测得到的月降水量数据进行分析，计算出预测结果的精度、误差等指标，并与实际气象数据进行对比分析。
四、研究预期成果本研究将在以下几个方面取得预期成果：1. 探究降尺度方法在广西月降水量预测中的应用，为广西的气象预测和农业生产提供科学依据。
2. 基于大量的气象数据和降尺度方法的应用，提高广西地区月降水量的预测精确度和准确性。
《2024年统计降尺度法对未来区域气候变化情景预估的研究进展》范文
《统计降尺度法对未来区域气候变化情景预估的研究进展》篇一一、引言随着全球气候变化的加剧，区域气候变化研究显得尤为重要。
作为气候模型的重要应用，降尺度技术为全球至区域的气候变化预估提供了重要依据。
其中，统计降尺度法因其在预测空间变化模式方面的优势而备受关注。
本文将针对统计降尺度法在区域气候变化情景预估中的研究进展进行探讨。
二、统计降尺度法概述统计降尺度法是通过利用气候模型的大尺度预测数据与小尺度的实测数据，构建相关关系模型，以预测小尺度空间的气候变化情景。
这种方法通过利用历史数据，结合统计方法，对大尺度的气候模型输出进行修正和细化，从而得到更为精确的区域气候变化预测。
三、研究进展1. 模型优化与改进近年来，统计降尺度法在模型优化与改进方面取得了显著进展。
研究者们通过引入新的统计方法、优化模型参数等方式，提高了模型的预测精度和可靠性。
例如，基于机器学习和人工智能的降尺度模型，能够更好地捕捉气候变化的非线性特征和空间变化模式。
2. 区域适应性研究不同区域的地理、气候、生态等条件存在差异，因此统计降尺度法的应用需要针对不同区域进行适应性研究。
近年来，研究者们针对不同区域的气候特点，对统计降尺度法进行了适应性调整和优化，提高了预测的准确性和可靠性。
3. 未来气候变化情景预估利用统计降尺度法，研究者们对未来区域气候变化情景进行了预估。
通过对大尺度的气候模型输出进行修正和细化，结合统计方法和机器学习算法，预测了未来区域气候变化的空间变化模式和时间趋势。
这些研究结果为制定适应气候变化政策和措施提供了重要依据。
四、研究展望尽管统计降尺度法在区域气候变化预估中取得了显著进展，但仍存在一些挑战和问题需要进一步研究。
首先，如何进一步提高模型的预测精度和可靠性是当前研究的重点。
其次，需要加强对不同区域的适应性研究，以更好地满足不同区域的气候变化预测需求。
此外，还需要结合其他方法和技术手段，如动力学降尺度法和地球系统模型等，以更好地捕捉气候变化的复杂性和不确定性。
统计降尺度方法研究进展综述
统计降尺度方法研究进展综述作者：张明月彭定志胡林涓来源：《南水北调与水利科技》2013年第03期摘要：统计降尺度方法是将大气环流模式GCMs输出的低分辨率的气象资料转换为流域尺度的主要方法之一，现已发展成为气候学中较为完善的领域。
简要介绍了统计降尺度方法的基本原理，包括基本假设条件及主要步骤和关键点；重点介绍统计降尺度方法，大致分为转换函数法、天气分析技术和天气发生器这三类，并对几种方法的国内外应用进展做了阐述；对统计降尺度方法的不确定性研究做了简要介绍。
指出未来研究应重点研究统计降尺度模型的适用条件及范围、提高降水模拟的精度；统计降尺度与动力降尺度两种降尺度结合的方法将是降尺度主要发展方向之一。
关键词：统计降尺度；研究进展；统计降尺度方法；不确定性分析中图分类号：P333文献标识码：A文章编号：16721683（2013）03011805近年来，气候变化及其对水文水资源的影响一直是研究热点。
大气环流模式（Global atmospheric general circulation models，GCMs）为气候变化研究提供了全球尺度的信息，但其输出的分辨率较低，无法将GCMs提供的气候要素信息直接输入相应模型中。
目前，应用较广的方法是通过降尺度技术将GCMs大气尺度或全球尺度信息转变为区域尺度，以提高GCMs 输出的气候信息的分辨率。
降尺度方法通常分为动力降尺度法、统计降尺度法以及动力统计降尺度相结合的方法。
统计降尺度法是建立区域或流域变量与大尺度气候信息间的统计关系，并利用这种关系获得区域或流域未来气候变化情景，其计算量相对较小、省机时，应用较广[1]。
1统计降尺度法的原理统计降尺度利用多年大气环流的观测资料建立大尺度气候要素和区域气候要素之间的统计关系，并用独立的观测资料检验这种关系的合理性，再把这种关系应用于GCMs中输出大尺度气候关系来预估区域未来的气候变化情景。
其实质就是建立大尺度气候预报因子与区域气候变量的统计关系。
统计降尺度法对未来区域气候变化情景预估的研究进展
统计降尺度法对未来区域气候变化情景预估的研究进展统计降尺度法对未来区域气候变化情景预估的研究进展摘要：气候变化对人类社会和自然生态系统产生了广泛且深远的影响，对未来气候变化进行准确预估对于采取适当的应对措施至关重要。
统计降尺度法是一种常用的方法，通过将全球气候模式的输出数据降尺度到区域尺度，可以提供高分辨率的气候变化情景预估。
本文综述了统计降尺度法在未来区域气候变化预估中的应用，并对其在方法改进、数据源选择和模型评估等方面的研究进展进行了探讨。
1.引言气候变化已成为全球范围内的重要议题。
科学家们通过模拟全球气候系统的大气环流、海洋运动等过程，得出了全球气候变化的一些总体趋势。
然而，这种全球气候模式的输出往往具有较粗糙的空间分辨率，无法满足一些研究和决策的需求。
为了解决这一问题，统计降尺度法被广泛应用于区域气候变化情景预估。
2.统计降尺度法的基本原理统计降尺度法是一种将全球气候模式输出的地理空间数据降尺度到区域尺度的方法，其基本原理是通过建立全球气候模式输出数据与区域尺度观测数据的统计模型，来推断未来在区域尺度上的气候变化情景。
具体而言，统计降尺度法包括两个关键步骤：模型训练和模型应用。
模型训练阶段一般使用过去观测的气候数据和对应的全球气候模式输出数据进行统计分析，建立一个地理空间上的统计模型。
而模型应用阶段则将该模型应用于未来的全球气候模式输出数据，得出未来的区域尺度气候变化情景预估。
3.统计降尺度法的应用统计降尺度法在未来区域气候变化情景预估中的应用相当广泛。
其在农业、水资源、生态环境及城市规划等领域中发挥了重要作用。
以农业为例，气候变化对农作物的耕种区划、产量和品质等产生了深远的影响。
通过统计降尺度法，可以获得更为准确的未来农作物适宜种植区域和产量预估，并为农业管理和政策制定提供科学依据。
此外，统计降尺度法还可以用于预估未来区域的水资源变化情景，为水资源规划和管理提供参考。
4.统计降尺度法的改进和挑战虽然统计降尺度法在未来区域气候变化预估中取得了一些成果，但仍面临一些挑战。
《2024年统计降尺度法对未来区域气候变化情景预估的研究进展》范文
《统计降尺度法对未来区域气候变化情景预估的研究进展》篇一一、引言随着全球气候变化的日益加剧，区域气候变化情景预估成为了科研领域的重要课题。
统计降尺度法作为一种有效的手段，被广泛应用于区域气候变化的研究中。
本文旨在探讨统计降尺度法在区域气候变化情景预估方面的研究进展，以期为相关研究提供参考。
二、统计降尺度法概述统计降尺度法是一种将全球气候模式的结果转化为区域尺度的气候预测的方法。
该方法通过将大尺度的气候变量与区域尺度的气象要素进行统计分析，建立降尺度模型，进而对未来区域气候变化进行预估。
统计降尺度法具有较高的灵活性和可操作性，适用于不同区域的气候变化研究。
三、研究进展1. 降尺度模型的发展随着计算机技术的不断发展，统计降尺度模型逐渐向精细化、复杂化方向发展。
目前，常用的降尺度模型包括回归模型、神经网络模型、机器学习模型等。
这些模型在处理不同类型的气候变量时，具有较高的准确性和可靠性。
同时，研究者们还在不断探索新的降尺度模型，以提高预测精度和可靠性。
2. 区域气候变化情景预估通过应用统计降尺度法，研究者们对未来区域气候变化进行了大量的情景预估。
这些预估涉及温度、降水、风速等多个气象要素，以及农业、水资源、生态环境等多个领域。
研究表明，未来区域气候变化将给这些领域带来重大影响，需要采取相应的应对措施。
3. 影响因素的探讨在统计降尺度法的研究中，研究者们还探讨了影响区域气候变化的因素。
这些因素包括自然因素（如地形、植被、海洋等）和人为因素（如城市化、工业化、农业活动等）。
通过对这些因素的分析，可以更好地理解区域气候变化的机制和过程，为制定应对措施提供科学依据。
四、存在的问题与展望尽管统计降尺度法在区域气候变化情景预估方面取得了显著的进展，但仍存在一些问题。
首先，降尺度模型的精度和可靠性仍需进一步提高。
其次，影响因素的复杂性使得预估结果存在一定的不确定性。
此外，统计降尺度法的研究还需要更多的实地观测数据和实验验证。
统计降尺度方法在天津小时降水和气温精细化预报中的应用
统计降尺度方法在天津小时降水和气温精细化预报中的应用田笑;余文韬;从靖;周红梅【期刊名称】《干旱气象》【年(卷),期】2022(40)1【摘要】基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。
结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。
对于相对误差,阈值法对空报现象有较显著改进。
对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。
对2018年"安比"台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。
(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。
通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。
总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。
个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。
【总页数】11页(P135-145)【作者】田笑;余文韬;从靖;周红梅【作者单位】天津市气象台;江苏省东台市气象局【正文语种】中文【中图分类】P457.3【相关文献】1.基于统计降尺度方法的夏季降水精细化预报2.基于BP神经网络的浙北夏季降尺度降水预报方法的应用3.中国地面气温统计降尺度预报方法研究4.统计降尺度方法在华西南区秋季降水预测中的应用5.鄱阳湖流域未来降水和气温变化模拟预测——基于SDSM统计降尺度方法因版权原因，仅展示原文概要，查看原文内容请购买。
应用统计学降尺度方法预测汉江流域降水变化
事物主要矛盾的统计分析方法 ,可以从多元事物中解析出主要
影响因素 ,揭示本质 ,简化复杂的问题 。目的是将高维数据投影
到较低维空间 。PCA 已经被广泛应用在统计降尺度预测因子的
降维和压缩上 ,能够将原来较多的预测因子简化为少数几个新
的综合指标因子 。
应用 PCA 对 NCEP 预报因子 X ( N = 144 , m = 7 360 或者
图 2 是汉江上游检验期 1991～2000 年模拟日降水滑动平均结果 图 ,从图 2 中可以看出 ,上游模拟和实测日降水的 11 d 滑动平均 过程比较吻合 。
为了进一步比较统计降尺度降水预测结果 ,统计分析了汉 江流域上游 1991～2000 年检验期月平均降水量 ,其结果如图 3 所示 。从图 3 中可以看出 ,月平均降水量拟和结果较好 ,月平均 降水过程基本吻合 。
已达到 90 % ,贡献率如表 1 所示 。从表 1 中可以看出 ,丰水期前
8 个主分量和枯水期前 7 个主分量在整个数据分析中承担的主
要意义占绝对的比重 ,相应的丰水期取前 8 个主成分和枯水期
取前 7 个主分量来代替原来全部 NCEP 预报因子 ,将得到的主
分量作为统计学降尺度方法的输入 ,有效地对原有的数据集进
收稿日期 :2008 - 06 - 23 基金项目 :国家自然科学基金资助项目 (50679063) ;国际合作重点资助项目 (2005DFA20520) ;水资源与水电工程科学国家重点实
验室开放基金资助项目 (2006C015) ;湖北省自然科学基金资助项目 (2007ABA061) 作者简介 :陈 华 ,男 ,武汉大学水资源与水电工程科学国家重点实验室 ,讲师 ,博士 。
7 250) 进行主分量分析步骤 。
统计降尺度法对未来区域气候变化情景预估的研究进展
统计降尺度法对未来区域气候变化情景预估的研究进展统计降尺度法对未来区域气候变化情景预估的研究进展摘要：气候变化对地球生态系统和人类社会产生着深远影响，因此，准确预估未来区域气候变化情景对于制定应对策略至关重要。
统计降尺度法作为一种常用的工具，通过将全球气候模式输出转化为更细尺度的地方性气候信息，帮助科学家们预估未来的区域气候变化情景。
本文综述了统计降尺度法在未来区域气候变化预估方面的研究进展，包括其原理、方法和应用案例。
研究表明，统计降尺度法在提高全球气候模式输出的局地精度和解析度方面具有显著效果，可以为决策者提供更多可靠的信息。
1. 引言气候变化是当今世界面临的重大问题之一，对人类社会和生态系统产生了广泛而深远的影响。
为了应对气候变化和制定相应的适应策略，准确地预估未来区域气候变化情景至关重要。
然而，全球气候模式往往具有较粗的空间分辨率，难以提供足够精细的地方性气候信息。
为了解决这一问题，统计降尺度法应运而生。
2. 统计降尺度法的原理和方法统计降尺度法是通过将全球气候模式输出与观测数据进行比较，然后建立相应的统计关系来预估未来的区域气候变化情景。
首先，科学家们会收集并整理大量的观测数据，如温度、降水量等。
然后，他们会选择一些与全球气候模式输出具有相似统计特征的观测站点，进行模式输出与观测数据的比较。
最后，利用统计关系，科学家们可以将全球气候模式的输出转化为更细尺度的地方性气候信息。
3. 统计降尺度法的应用案例统计降尺度法在未来区域气候变化情景预估方面已经得到了广泛应用。
例如，在农业领域，科学家们利用统计降尺度法预估未来作物生长季节的变化情况，帮助农民制定合理的种植策略。
在城市规划方面，统计降尺度法可以帮助决策者预估未来城市热岛效应的变化趋势，从而制定相应的城市规划策略。
此外，统计降尺度法还可以应用于水资源管理、生态系统保护等方面。
4. 研究进展和挑战随着统计降尺度方法的不断发展和改进，其在未来区域气候变化情景预估方面的应用越来越被重视。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
广义线性统计降尺度方法模拟 日降水量的应用研究
， ２ 曹经福１， 江志红１ 任福民２ 徐振亚２ ３
１２ １ ２ ２３ ＣＡＯＪ ｉ ｎ ｆ ｕ Ｉ ＡＮＧＺ ｈ ｉ ｈ ｏ ｎ ＥＮＦ ｕ ｍ ｉ ｎ ｈ ｅ ｎ ａ Ｊ ＸＵＺ ｇ ｇ Ｒ ｙ ， ，
ห้องสมุดไป่ตู้
（ ） １ ６ ８ 犃 犮 狋 犪犕 犲 狋 犲 狅 狉 狅 犾 狅 犻 犮 犪犛 犻 狀 犻 犮 犪 气象学报 ２ ０ １ ３， ７ １ １ 犵 关键词 统计降尺度 ，日降水量 ，广义线性模型 中图法分类号 Ｐ ４ ６ ７
南京 ， １．南京信息工程大学 ， ２ １ ０ ０ ４ ４ 北京 ， １ ０ ０ ０ ８ １ ２．中国气象科学研究院灾害天气国家重点实验室 ， 灾害性天气研究所 ， 南京 ， ２ １ ０ ０ ９ ３ ３．南京大学 ， １． 犖 犪 狀 犻 狀 狀 犻 狏 犲 狉 狊 犻 狋 狀 狅 狉 犿 犪 狋 犻 狅 狀犛 犮 犻 犲 狀 犮 犲犪 狀 犱犜 犲 犮 犺 狀 狅 犾 狅 犖 犪 狀 犻 狀 １ ０ ０ ４ ４， 犆 犺 犻 狀 犪 犼 犵犝 狔狅 犳犐 犳 犵 狔， 犼 犵２ ２． 犛 狋 犪 狋 犲犓 犲 犪 犫 狅 狉 犪 狋 狅 狉 犲 狏 犲 狉 犲犠 犲 犪 狋 犺 犲 狉， 犆 犺 犻 狀 犲 狊 犲犃 犮 犪 犱 犲 犿 犲 狋 犲 狅 狉 狅 犾 狅 犻 犮 犪 犾犛 犮 犻 犲 狀 犮 犲 狊， 犅 犲 犻 犻 狀 ０ ０ ０ ８ １， 犆 犺 犻 狀 犪 狔犔 狔狅 犳犛 狔狅 犳犕 犵 犼 犵１ ３． 犐 狀 狊 狋 犻 狋 狌 狋 犲 狅 犲 狏 犲 狉 犲犠 犲 犪 狋 犺 犲 狉犪 狀 犱犆 犾 犻 犿 犪 狋 犲， 犖 犪 狀 犻 狀 狀 犻 狏 犲 狉 狊 犻 狋 犖 犪 狀 犻 狀 １ ０ ０ ９ ３， 犆 犺 犻 狀 犪 犳犛 犼 犵犝 狔， 犼 犵２ ２ ０ １ １ １ ０ １ ２ 收稿 ， ２ ０ １ ２ ０ ４ ０ ６ 改回 ． 曹经福 ， 江志红 ， 任福民 ， 徐振亚 ． （ ） ： ２ ０ １ ３．广义线性统计降尺度方法模拟日降水量的应用研究 ．气象学报 ， ７ １ １ １ ６ ７ １ ７ ５ ， ， ， 犆 犪 狅犑 犻 狀 犳 狌 犑 犻 犪 狀 犺 犻 犺 狅 狀 犚 犲 狀犉 狌 犿 犻 狀 犡 狌犣 犺 犲 狀 犪 ． ２ ０ １ ３． 犃 狀犪 犾 犻 犮 犪 狋 犻 狅 狀狅 犳 狋 犺 犲 犲 狀 犲 狉 犪 犾 犻 狕 犲 犱 犾 犻 狀 犲 犪 狉 狊 狋 犪 狋 犻 狋 犻 犮 犪 犾 犱 狅 狑 狀 狊 犮 犪 犾 犻 狀 犲 狋 犺 狅 犱 狋 狅 犵 犵犣 犵 狔 狆 狆 犵 犵犿 （ ） ： 犃 犮 狋 犪犕 犲 狋 犲 狅 狉 狅 犾 狅 犻 犮 犪犛 犻 狀 犻 犮 犪， ７ １ １ １ ６ ７ １ ７ ５ 狊 犻 犿 狌 犾 犪 狋 犻 狀 犪 犻 犾 狉 犲 犮 犻 犻 狋 犪 狋 犻 狅 狀 ． 犵 犵犱 狔狆 狆 （ 犃 犫 狊 狋 狉 犪 犮 狋 ｎａ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ ｓ ｔ ｕ ｄ ｆ ｔ ｈ ｅｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｄ ｏ ｗ ｎ ｓ ｃ ａ ｌ ｉ ｎ ｅ ｔ ｈ ｏ ｄｏ ｆＧ ｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ｅ ｄＬ ｉ ｎ ｅ ａ ｒＭ ｏ ｄ ｅ ｌ Ｇ ＬＭ）ｗ ａ ｓｃ ａ ｒ ｒ ｉ ｅ ｄｏ ｕ ｔｏ ｎ Ａ ｐ ｐ ｙｏ ｇｍ ｄ ｏ ｗ ｎ ｓ ｃ ａ ｌ ｉ ｎ ａ ｉ ｌ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎ ｓ ．Ａ ｌ ｉ ｎ ｔ ｈ ｅｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ａ ｌ ｄ ａ ｉ ｌ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎｄ ａ ｔ ａ ａ ｎ ｄ ｔ ｈ ｅＮ Ｃ Ｅ Ｐｒ ｅ ａ ｎ ａ ｌ ｓ ｉ ｓｄ ａ ｔ ａ ｆ ｒ ｏ ｍ１ ９ ６ ０ｔ ｏ ｇｄ ｙｐ ｐ ｐ ｐ ｙ ｇ ｙｐ ｐ ｙ — —ｔ ２ ０ １ ０， ｔ ｈ ｅｓ ｔ ｕ ｄ ｆ ｏ ｃ ｕ ｓ ｅ ｓｏ ｎｔ ｗ ｏｒ ｅ ｉ ｏ ｎ ｓ— ｈ ｅＴ ｉ ｂ ｅ ｔ ａ ｎＰ ｌ ａ ｔ ｅ ａ ｕａ ｎ ｄｔ ｈ ｅ ｌ ｏ ｗ ｅ ｒｖ ａ ｌ ｌ ｅ ｆ ｔ ｈ ｅＹ ａ ｎ ｔ ｚ ｅＲ ｉ ｖ ｅ ｒ ． Ｔ ｈ ｅＧ ＬＭ ｍ ｅ ｔ ｈ ｏ ｄ ｙ ｇ ｙｏ ｇ ： １ ９ ６ ０—２ ０ ０ ５） ｔ ｈ ｅｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎｃ ｏ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｓｆ ｏ ｒ ｓ ｈ ｏ ｗ ｓｇ ｏ ｏ ｄａ ｂ ｉ ｌ ｉ ｔ ｉ ｎｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｎ ａ ｉ ｌ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎｄ ｕ ｒ ｉ ｎ ｈ ｅｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎｐ ｅ ｒ ｉ ｏ ｄ（ ｙ ｇｄ ｙｐ ｐ ｇｔ ， ｔ ｈ ｅｔ ｗ ｏｒ ｅ ｉ ｏ ｎ ｓｂ ｅ ｔ ｗ ｅ ｅ ｎ ｔ ｈ ｅ ｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｓ ａ ｎ ｄ ｔ ｈ ｅｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ｓ ａ ｒ ｅ ａ ｒ ｏ ｕ ｎ ｄ０． ７ ５ ｉ ｎＪ ａ ｎ ｕ ａ ｒ ｎ ｄａ ｂ ｏ ｖ ｅ ０． ５ ｉ ｎＪ ｕ ｌ ａ ｎ ｄ ｔ ｈ ｅ ｓ ｉ ｍ ｕ ｌ ａ ｇ ｙａ ｙ ，ｗ ｔ ｉ ｏ ｎ ｓａ ｒ ｅｇ ｅ ｎ ｅ ｒ ａ ｌ ｌ ｒ ｅ ａ ｔ ｅ ｒ ｔ ｈ ａ ｎｔ ｈ ｅｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ｓｗ ｉ ｔ ｈｓ ｍ ａ ｌ ｌｂ ｉ ａ ｓ ｅ ｓ ｈ ｉ ｌ ｅｔ ｈ ｅａ ｃ ｃ ｕ ｒ ａ ｃ ｆｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｎ ｏｐ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎｉ ｓｍ ｕ ｃ ｈ ｙｇ ｙｏ ｇｎ ｐ ， ｈ ｉ ｈ ｅ ｒｗ ｉ ｔ ｈｔ ｈ ｅｂ ｉ ｅ ｓ ｔｖ ａ ｌ ｕ ｅｂ ｅ ｉ ｎ ５． ２％ ｆ ｏ ｒｔ ｈ ｅＴ ｉ ｂ ｅ ｔ ａ ｎＰ ｌ ａ ｔ ｅ ａ ｕｉ ｎＪ ａ ｎ ｕ ａ ｒ ．Ｍ ｅ ａ ｎ ｗ ｈ ｉ ｌ ｅ ｔ ｈ ｅｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｖ ｅｄ ａ ｉ ｌ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎ ｇ ｇ ｇ ｇ８ ｙ ｙｐ ｐ ， ａｆ ｕ ｒ ｔ ｈ ｅ ｒａ ｎ ａ ｌ ｓ ｉ ｓｓ ｈ ｏ ｗ ｓｔ ｈ ａ ｔ ｔ ｈ ｅ ｄ ｕ ｒ ｉ ｎ ｈ ｅ ｔ ｅ ｓ ｔｐ ｅ ｒ ｉ ｏ ｄｉ ｓｇ ｏ ｏ ｄｃ ｏ ｎ ｓ ｉ ｓ ｔ ｅ ｎ ｔｗ ｉ ｔ ｈｔ ｈ ａ ｔｄ ｕ ｒ ｉ ｎ ｈ ｅｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｖ ｅｐ ｅ ｒ ｉ ｏ ｄ ． Ｉ ｎａ ｄ ｄ ｉ ｔ ｉ ｏ ｎ ｙ ｇｔ ｇｔ ， Ｇ ＬＭ ｈ ａ ｓｇ ｏ ｏ ｄａ ｂ ｉ ｌ ｉ ｔ ｉ ｎｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｎ ｅ ａ ｖ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎａ ｓｗ ｅ ｌ ｌａ ｓｎ ｏｐ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎ ．Ａ ｎ ｄ ｔ ｈ ｅＧ ＬＭ ｒ ｅ ｔ ｒ ｉ ｅ ｖ ｅ ｓｔ ｈ ｅｍ ａ ｉ ｎｒ ａ ｉ ｎ ｆ ａ ｌ ｌ ｙ ｇｈ ｙｐ ｐ ｐ ， ｔ ｈ ｅｇ ｏ ｏ ｄｐ ｅ ｒ ｆ ｏ ｒ ｍ ａ ｎ ｃ ｅｏ ｆ ｔ ｈ ｅＧ ＬＭ ｍ ｅ ｔ ｈ ｏ ｄ ｉ ｎｄ ｏ ｗ ｎ ｓ ｃ ａ ｌ ｉ ｎ ａ ｉ ｌ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎｍ ａ ｋ ｅ ｓ ｉ ｔ ｓ ｕ ｉ ｔ ａ ｂ ｌ ｅ ｒ ｏ ｃ ｅ ｓ ｓ ｅ ｓｓ ｕ ｃ ｃ ｅ ｓ ｓ ｆ ｕ ｌ ｌ ． Ｉ ｎｓ ｈ ｏ ｒ ｔ ｐ ｙ ｇｄ ｙｐ ｐ ｆ ｏ ｒａ ｌ ｉ ｎ ｏｒ ｅ ｌ ｅ ｖ ａ ｎ ｔ ｃ ｌ ｉ ｍ ａ ｔ ｏ ｌ ｏ ｉ ｃ ａ ｌ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｓ ． ｐ ｐ ｙ ｇｔ ｇ ， ， 犓 犲 狅 狉 犱 狊 ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｄ ｏ ｗ ｎ ｓ ｃ ａ ｌ ｉ ｎ Ｄ ａ ｉ ｌ ｒ ｅ ｃ ｉ ｉ ｔ ａ ｔ ｉ ｏ ｎ Ｇ ｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ｅ ｄＬ ｉ ｎ ｅ ａ ｒＭ ｏ ｄ ｅ ｌ Ｓ ｇ ｙｐ ｐ 狔狑 摘 要 利用 １ 采用广义 ９ ６ ０—２ ０ １ ０ 年青藏高原 ２ ３ 个台站和长江下游 ２ ５ 个台站的日 降 水 量 观 测 资 料 及 Ｎ Ｃ Ｅ Ｐ 再分析资料， 线性模型的统计降尺度方法模拟台站日降水量 ， 并评估 了 广 义 线 性 模 型 对 日 降 水 量 的 模 拟 能 力 。 在 建 模 期 （ １ ９ ６ ０—２ ０ ０ ５年） 广义线性模型对日降水量表现出良好的模拟能力 ， 两区域模拟结果与观测值 １ 月平均相关系数 ０． ７ ５ 左右 ， ７ 月也均超过 ０． ５。 模拟结果大部分台站日降水偏大 ， 但偏大的量值较小 ； 模拟的无降水准 确 率 较 高 ， 最高值在高原区域， １月平均达８ ５． ２％ 。 检 验期 （ 广义线性模型模拟的日降水与建模期具有较好的一致性 。 此外 ， 对两区域 代 表 站 的 分 析 显 示 ， 广义线性 ２ ０ ０ ６—２ ０ １ ０年） 模型模拟降水极值和降水 ０ 值的效果较好 ， 且较好地还原了主要降水过 程 。 总 之 ， 广义线性模型对日降水量的降尺度效果良 好， 适合应用于气候领域的相关研究 。
１ 引 言
降 尺 度 是 进 行 区 域 气 候 研 究 的 重 要 技 术 手 段。 降尺度主要有动 力 降 尺 度 （ 张 东 峰 等， 许吟隆 ２ ０ ０ ５； 等， ） 和统计降尺度（ 两 类， 统计降 ２ ０ ０ ５ Ｈ ｕ ｔ ｈ， ２ ０ ０ ２） 尺度因其计算量小 ， 易于实现而得到广泛应用 。 在针对降水 的 降 尺 度 研 究 方 面 ， 范丽军（ ２ ０ ０ ６） 利用主分量分析和逐步回归相结合的统计降尺度方 法对中 国 １ ９ ６ １—１ ９ ９ ０年３ ０ａ 的 降 水 进 行 模 拟 分 发现在当前气候条件下 ， 对区域平均降水的模拟 析， 较好 。Ｈ 用多元线性回归方法估 ｅ ｌ ｌ ｓ ｔ ｒ ō ｍ 等（ ２ ０ ０ １） 计了瑞 典 的 月 降 水 ， 取 得 了 显 著 效 果。 Ｍ ｅ ｌ ａ ｓ ｏ ｋ ａ ｐ 等（ ） 成功 地 用 人 工 神 经 网 络 （ 模拟了新 ２ ０ ０ １ ＡＮＮ） 西兰的月平均 降 水 。 王 冀 等 （ 指 出， 统计降尺 ２ ０ １ ０） 对于模拟月 尺 度 降 水 量 整 体 上 小 于 度模型 （ Ｓ Ｄ Ｓ Ｍ） 实测值 ， 这一点在 对 降 水 极 大 值 的 模 拟 上 表 现 更 为 明显 。 Ｗ 选取降水量作为预报因 ｉ ｄ ｍ ａ ｎ ｎ等 （ ２ ０ ０ ３） 子， 利用奇异值分解方法模拟季节降水 ， 取得良好效 果。 然而 ， 对于日降水量的降尺度问题 ， 较多工作集 中在 广 义 线 性 模 型 （ 的 应 用 上。 刘 永 和 等 Ｇ ＬＭ ） （ ） 建立模拟日 降 水 量 的 广 义 线 性 模 型 ， 发现基 ２ ０ ０ ０ 于Ｎ Ｃ Ｅ Ｐ 再分 析 资 料 和 广 义 线 性 模 型 的 天 气 发 生 器对降水变率具 有 很 强 的 解 释 和 模 拟 能 力 。Ｃ ｈ ａ ｎ ） 提出了用伯努利分布描述 降 水发生的 ｄ ｌ ｅ ｒ等 （ ２ ０ ０ ２ 广义线性模型 ， 取 得 了 显 著 的 效 果； Ｙ ａ ｎ ２ ０ ０ ５） ｇ等（ 利用伽马分布描述 降 水 量 的 时 空 广 义 线 性 模 型 ， 并 已用于统计降尺度 （ ， ， ） ； 根据日降水 Ｆ ｅ ａ ｌ ｅ ｔ ａ ｌ ２ ０ ０ ７ ｙ 量具有非负性 、 存在 大 量 ０ 值 及 非 ０ 值 的 偏 态 分 布 的特点 ， 杨赤等 （ 基于 Ｔ ２ ０ ０ ９） ｗ ｅ ｅ ｄ ｉ ｅ分 布 发 展 了 日 降水量统计降尺度 Ｇ 对 主要降水 ＬＭ Ｋ ｒ ｉ ｉ ｎ ｇ ｇ模 型 ， 过程的模拟取 得 了 较 高 的 准 确 度 。 然 而 ， 在上述研 究中 ， 广义线性模 型 降 尺 度 方 法 对 于 长 时 间 序 列 以 及不同区域 （ 如高原与平原 ） 的逐日降水模拟涉及的 尚少 ， 而这方面的 研 究 对 于 气 候 变 化 模 拟 而 言 其 重 要性是显而易见的 。 本文 利 用 广 义 线 性 模 型 统 计 降 尺 度 方 法， 结合 ／ 对１ Ｎ Ｃ Ｅ Ｐ Ｎ Ｃ Ａ Ｒ 再 分 析 资 料， ９ ６ ０—２ ０ １ ０年青藏 高原和长 江 下 游 两 个 区 域 的 台 站 日 降 水 量 进 行 模