当前世界环境

介绍

现在，人类面临的最严重挑战是气候变化。为了评估未来水文周期的变化，区域水文对可变气候条件的敏感性使气候变化预测是必不可少的。对未来气候变化预测的验证是为了调查当前气候的变化，可以进入上下文。气候提供的信息差距可以通过偏置校正方法连接。对于气候影响研究，数据统计较低的模拟广泛适用。^{2、4、5、10}在历史参考期间，它有助于比较模拟和观测的影响，并持续过渡到未来。偏差校正有助于将模拟气候数据调整为与观测数据相关的更详细的高度分层信息。相反，统计偏差校正也有一些局限性，如。当将偏差校正应用到未来时期时，假设历史数据相对于未来数据的偏差是平稳的，这引入了额外的不确定性。⁷偏置校正模拟数据的质量受到观察数据集的限制和物理过程的示例。⁸

方法（研究区域 - Aji River盆地）

Saurashtra拥有超过100河流域;在这些巴达尔，Aji，Shatrunji和Machchhu中。Aji是Saurashtra最重要的河流。Rajkot区的平均每年降雨量为1961-2007的552毫米。Aji River通过Rajkot市。它位于纬度21º至22ºN和70º至71º的经度之间，Aji河长度为164公里，2130公里²集水区。AJI的一些主要支流是Nyari，Lalapari，Khokaldadi，银行和Dondi。河流从阿塔尔附近的萨达尔山，到了詹尼加尔区兰吉巴拉湾的九尔夫河口。Aji河上有四个水坝。

图1 Aji盆地RCM格点位置图 点击这里查看图

气候输入数据

通过CGCM 2.3.2模拟的每日温度和降雨数据2.3.2用于落入AJI盆地的两个网格点用于偏置校正，并基于使用Theansen Polygon方法基于所代表的区域使用。未来情景的天气数据是2046-64和2081-2100。水文和气象数据如每日降雨数据，温度（最大值和最小值）。从主干土地农业研究站，武岛，Targhadiya和国家水数据中心的气象观测所收集的温度（最大值和最小值）;Gandhinagar。未来情景的水力气象数据是从IITM，Pune获得的。天气数据通过。^1,3

保持趋势的偏差校正方法

采用转换算法，校正RCMS网格点中的系统误差模拟了称为偏置校正方法的气候变量。采用六种偏置校正方法来调整RCMS网格点模拟，用于沉淀数据，衬里缩放和方差缩放用于温度数据。^9,6,7.

每月平均温度数据的偏差校正（最大和最小）

对观测月平均资料和历史时期模拟资料之间的长期差异以及月平均日变化不变进行了调整。

降水和温度的线性标度

根据观测值和当前模拟值之间的差异进行月度校正，这种方法是有效的。¹²

在那里,
P *_来讲(d) = 1978-2000年RCM模拟日降水量的最终偏差校正。
P *_露台(d) = RCM模拟2046-64和2081-2100的最终偏差校正日降水量
P_来讲(d) = 1978-2000年RCM模拟日降水量。
P_露台（d）= RCM的每日降水模拟2046-2064和2081-2100
T *_来讲（d）=最终偏置校正的RCM每日温度模拟1978-2000
T *_露台（d）= RCM校正每日温度的最终偏压模拟2046-2064和2081-2100。和μ._{m =}意味着月间隔内。
P_{奥林匹克广播服务公司}（d）=观察到1978 - 2000年数据的日​​降水量。
T_{奥林匹克广播服务公司}（d）=观察数据1978 - 2000年的每日温度。

降水的电力变换

指数形式的非线性修正A, Pb^{11、12、13所示}可以用来专门调整降水时间序列的方差统计，因为它不允许校正方差中的差异。首先，通过匹配校正日RCM降水(P)的变异系数(CV)识别b^b)和观测日降水量的CV值(P_{奥林匹克广播服务公司}）对于每个月M：找到b_米这样

使用布伦特的方法⁸它是用根发现算法完成的。观察到的降水量的长期月平均值与中间系列P的月平均值相匹配^{* 1}_来讲(d)使用标准线性缩放参数:

因此，缩放参数取决于B，但不反之亦然¹²．

温度的方差标度

功率变换是一种有效的方法来校正均值和方差，但仅限于降水时间序列。提出了一种逐步校正温度时间序列均值和方差的方法。^{11、12、13所示}rcm模拟时间序列的平均值通过线性缩放进行调整(Eq.(3)和(4))。mean-corrected控制(T^-1_控制（d））和场景运行（t^-1_露台（d））按月转移到零平均值。

然后，标准偏差（偏移时间串起*²_来讲（d）和t *²_露台（d））基于观察到的R和ControlRunσ的比率来缩放。

最后，R纠正的时间t *^3._来讲（d）和t *^3._露台(d)用修正后的平均µ移回_米(T *¹_来讲（d））和μ_米(T *¹_露台（d））第一步：

结果和讨论

控制方案降水（1981-2000）

图2显示了RCMS模拟沉淀的每月平均值高于季风月观察到的季风月份观察到，表示通过CGCM 2.3.2 RCM估算。原始RCMS降水从6月到8月的偏见有正（超过估计）偏见。然而，在接下来的几个月里，RCM模拟结果与观测结果非常吻合。实际上，在偏压校正后，RCM模拟沉淀与观察完全匹配。表示RCM模拟沉淀的偏压校正的电力变换方法对于校正平均沉淀是良好的。

图2:观察，原料和偏置的月平均值的比较，RCM对AJI盆地控制期间控制期间的日常降水。 点击这里查看图

图3 RCM模拟日降水通过功率变换进行偏差校正的月乘数系数(a)和功率指数(b)比较(P1=美联社b） 点击这里查看图

图3描绘了系数的比较 -一个和指数 -b以修正RCM模拟日降水在月窗上的平均和CV偏差，并与对照期间的实际观测结果进行比较。从图3可以看出，RCM模拟降水在6 - 11月的变异性小于实际观测。在接下来的几个月里，模拟的每日降雨的变异性与观测结果非常吻合。

降水未来情景（2046-2064和2081-2100）

据观测，RCMs预测，在4月、5月、6月和7月，两种情景下的降水量都更高。事实上，在其余月份，校正和未校正的月日平均降水量几乎相等。偏倚修正后，季风月份降水量减少。未来情景-2046-64的日平均降水量最高为6月14.35mm/d，未来情景-2081- 21007月14.56mm/d。4 (a, b)

图4 (，b）：在未来情景期间偏离校正和未校正的日常降水的月度平均值的比较2046-2064和2081-2100为Aji河． 点击这里查看图

整体场景（1961-2000）的降水（2046-2064），（2081-2100）

1961-2000年、2046-64年和1981-2100年的偏差校正日降水月平均值的比较如图5所示。可以看出，未来的降水量将比过去增加。

图5：1981-2000年、2046-64年和2081-2100年偏差校正日降水月平均比较 点击这里查看图

控制方案的最低温度（1978-2000）

图6：每月平均值的比较，原料和偏置校正RCM在1978 - 2000年控制期间的每日最低温度为AJI盆地。 点击这里查看图

从图6可以看出，RCM模拟降水的月平均值高于季风月份观测降水的月平均值，表明CGCM 2.3.2 RCM对季风月份的降水进行了过度估计。在1月至6月期间，模拟的原始rcm仍然高估(正偏差)。然而，在接下来的几个月里，RCM模拟结果与观测结果非常吻合。事实上，经过偏差校正后，RCM模拟的最低温度与观测值完全吻合。

未来情景的最低温度（2046-2064和2081-2100）

图7 (a, b)：未来2046-2064和2081-2100情景下阿吉河修正和未修正日最低气温偏差的月平均值比较 点击这里查看图

当使用未经偏差校正的原始数据进行分析时，rcm在1月至7月期间对两种情况都显示了大量的不一致。

整体方案的最低温度（1961-2000,2046-2064,2081-2100）

总的来说，由于全球变暖，气温一天比一天高。并直接影响到气候变化的影响(图8)。

图8：比较偏置的每日最低温度的月平均值1978 - 20000,2046-64和2081-2100。 点击这里查看图

控制方案的最高温度（1978-2000）

图9显示模拟模拟的RCMS仍在1月至四月期间仍高估（正偏见），并在5月，7月，7月期间低估（负偏见）。

图9：观察，原料和偏置校正RCM的日常平均值的比较，用于AJI盆地控制期间的每日最高温度。 点击这里查看图

未来情景的最高温度（2046-64,2081-2100）

图10（a，b）：对Aji河2046-2064 2046-2064和2081-2100期间，偏见校正校正和未校正日期最高温度的月平均值的比较。 点击这里查看图

可以看出，RCMs模拟的最高温度在2月、3月和9月较高，5 - 7月和11 - 12月较低。在接下来的几个月里，未修正的最高温度确实与修正后的偏差一致。2046-64年3月为阳性偏倚最大，6月为阴性偏倚最高(图10(a))。

虽然在2081-2100中，可以看出，RCMS在1月至4月和8月至9月模拟了更高的最高温度，而在几个月内剩下的时间下降。（图10（a，b））。

总体情景下的最高温度(1961-2000,2046-2064,2081-2100)

图11：1978-2000年、2046-64年和2081-2100年逐日最高气温偏差修正的月平均值比较 点击这里查看图

图11显示了将来最高温度的最高增加可以在12月到3月。这可能会影响冬季播种的谷物作物。

结论

温度和降水RCM强烈依赖于校正算法的选择，用于电流和未来的气候条件。对于每月平均值，线性缩放方法提供校正数据，其变化与原始RCM数据更加一致。此外，它无法纠正频率。对于RAW RCM数据的方差和平均值，功率变换和方差缩放调整。它们在纠正了几种统计特征和可变性范围方面比以前的方法更好地表现得多。尽管电力变换在某种程度上校正了变化系数和百分比，但它不提供具有干燥日砂降沉淀强度的准确概率的校正的RCM数据。结果，对于在湿日频率的偏差较大的RCM模拟中，该非线性变换可能较少。^11,13.在本研究中已经研究了基于AJI河流域的表面气候的潜在变化，在这项研究中已经研究过GCMS驱动的两个RCMS网格点。分析了使用区域气候模型的模拟结果，为控制期间和未来的气候进行了分析，以了解如何在Aji River盆地在Aji River盆地发生气候变化的理解。结果表明，2081-2100期间，每年平均降雨量从1961 - 640万到575毫米增加到575毫米。每年平均最高温度从33.89增加^oC 1961-2000期间至35.33^oC 2046-64期间至35.87^oC在2081-2100期间。每年平均最低温度从19.51增加^oC于1961-2000年至22.15年^oC在2046-64年至25.43年^oC在2081-2100期间。

参考

1. 王志强，王志强，王志强，等。基于CFSR气候资料的流域水文预测方法研究——以青尼罗河流域为例。美国水资源协会（JAWRA）杂志。：1-16（2014）。
2. eret, U, Zehe, E.， Wulfmeyer, V.， Warrach-Sagi, K.， and Liebert, J. HESS地球系统。SCI。，16：3391-3404（2012）。
   CrossRef
3. Fuka, D.R, C.A. Mcallister, A.T. Degaetano和Eastern Z.M.使用气候预报系统再分析数据集改进流域模型的天气输入数据。Proc。(2013)。
4. Hagemann, S.， Chen, C.， Haerter, J. O.， Heinke, J.， Gerten, D.， and Piani, C.统计偏差修正对从三个gcm和两个水文模型获得的预估水文变化的影响。Hydroometeorol.。，12：556 - 578(2011)。
   CrossRef
5. 刘志强，刘志强，刘志强，等。作物模拟研究中GCM日降水的偏差校正。森林贝罗尔．138：44-53（2006）。
   CrossRef
6. 偏差校正、分位数映射和降尺度:重新审视通货膨胀问题。气候，26：2137-2143（2013）。
   CrossRef
7. 区域气候模式偏差对欧洲季节平均气温和降水总和的非平稳性。res。let．39：1-5（2012）。
   CrossRef
8. Maraun, D.， weterhall, F.， Ireson, A. M.， Chandler, R. E.， Kendon,E.。J.，Widmann, M.， Brienen, S.， Rust, h.w.， Sauter, T.， Theme ßl, M.， Venema, V. K. C.， Chun, K. P.， Goodess, C. M.， Jones, R. G.，Onof, C.， Vrac, M.， and Thile-Eich, I.气候变化下的降水缩减。在动态模型和最终用户之间架起桥梁的最新发展。地球症48。(2010)。
9. 钢琴，C.和欧尔特，J.O。气候模型中温度和降水组合的二维偏差校正。res。让．39.(2012)。
10. 罗博克，A.， Turco, R.， Harwell, M.， Ackerman, T.， Andressen, R.， Chang, h.s。和Sivakumar, M.在创建气候变化情景的影响分析中使用一般环流模式输出。改变，23：293 - 335(1993)。
    CrossRef
11. 为了模拟极端河流流量而对区域气候模式输出的重新取样。二聚水分子．332（3-4）：487-496（2007）。
    CrossRef
12. Leander，R.，Buishand，T.a.，Van Den Hurk，B.J..M.，De Wit，M.M.M.区域气候模型产出重新采样中洪水普通洪水粉丝的估计变化。二聚水分子．351（3-4）：331-343（2008）。
    CrossRef
13. Teutschbein，Claudia和Jan Seibert。“偏正水文气候变化影响的区域气候模型模拟影响研究：对不同方法的审查与评估”，水文学报，2012。
    CrossRef