• 谷歌scholor

  • 观点:1960

  • PDF下载:57

拉贾斯坦邦降水的多元线性回归降尺度研究

Poonam Mahla.1＊, A.K.•罗2Chandola说3., Aradhana Thakur3., C.D. Mishra4和Aparajita辛格3.

1流域发展和土壤保持部，Laxmangarh，锡卡尔，印度拉贾斯坦邦。

2国家水文研究所，Jalvigyanbhawan, Roorkee, 247667印度。

3.巴纳斯印度大学农业工程系，瓦拉纳西，221005北方邦印度。

4农业学院，Fatehpur Shekhawati, SKNAU, Jobner，印度拉贾斯坦邦。

通讯作者邮箱:poonammahla11@gmail.com

DOI:http://dx.doi.org/10.12944/CWE.14.1.09

统计降尺度方法主要用于将大气环流与地表变量联系起来进行区域气候预报和预测。正如我们所知，在拉贾斯坦邦，由于降雨量不足，干旱是最主要的问题。本研究的核心目标是预测降雨变化，并评估多元线性回归(MLR)的准确性，以获取降雨变化。这些数据使用了包括国家环境中心(National Centers for Environmental)日常数据在内的高分辨率大气数据进行分析预测 (NCEP)/美国国家大气研究中心(NCAR)再分析资料和Hadley中心气候模式(HadCM3) A2和B2情景的日平均气候模式结果。1961-1990年期间作为基线，因为建立可靠的气候学需要足够的时间。研究结果表明，A2和B2情景下未来降水均有增加趋势。研究发现，在研究区大部分地区，MLR模式优于低尺度降水模式。

贬低;情景;温度;沉淀

复制以下内容以引用本文：

基于多元线性回归的拉贾斯坦邦降水降尺度研究。Curr World Environ 2019;14(1)。DOI:http://dx.doi.org/10.12944/CWE.14.1.09

复制以下内容以引用此URL:

基于多元线性回归的拉贾斯坦邦降水降尺度研究。Curr World Environ 2019;14(1)。可以从:https://bit.ly/2H8Usid

下载一篇文章(pdf)
引用管理器
发布历史

文章出版历史

已收到： 2018-11-22
接受: 2019-05-01
审核: OrcidOrcidBabak Vaheddoost
第二次评审: OrcidOrcidAnikender库马尔
最后的批准: 博士Gopal Krishan

介绍

拉贾斯坦邦的自然和社会经济变化(包括水资源管理、农业、林业、旅游等)受到水文循环的一个关键组成部分，即降水的高度影响。因此，未来降水变化是气候影响模型评估全球气候变化后果的输入，因此预测未来降水变化是必要的。气候输入模式下的大气环流模型由于对中尺度大气过程、地形和海洋分布的描述有限，常常存在不足。此外，在降水方面，gcm的空间尺度(格点面积)高于气候影响模型的要求，最终会导致强降水超过等频次统计。

根据邦控制委员会的回应，尽管进行了几项研究，拉贾斯坦邦更有可能面临日益严重的缺水问题，这是由于全球变暖导致的降雨量总体减少和蒸散增加造成的。在1988年、1998年、1999年、2000年和2001年，拉贾斯坦邦面临着类似干旱的情况。此外，该状态还具有最大的易感性和最低的适应能力波动气候。像拉贾斯坦邦这样的邦经常发生干旱，从自然和社会经济研究的角度来看，干旱的强度将决定该邦的状况。根据基础数据，即使增加百分之一的温度，蒸散也能增加。因此，拉贾斯坦邦地表水资源的质量和数量在过去的20年里急剧恶化。

材料和方法

研究区

就面积而言，拉贾斯坦邦是印度最大的邦，占地34.2万平方公里。它有33个地区，位于东经69°30'到78°17'和23之间°30.＇到30°12＇n纬度。印度西北部Rajasthan的气候通常是半干旱，在夏季和冬季的极端温度下，热气温。国家有两种不同的降雨量，一个是由于夏季之后的西南季风以及造成西方干扰的降雨。

图1
点击这里查看图


多元线性回归

MLR模型用于建立因变量(预测变量)与一个或多个自变量(预测变量)之间的线性关系。这种方法允许从一组预测变量中预测一个预测变量和一个预测变量。

MLR方程为:



公式1

在那里,Y高钙=估计的预测(降雨量);α.=拦截;β=回归系数;X=预测因子(26个预测因子)变化到合适的nth条款和δ.=误差项。

伴随或观察到一个最佳拟合平面的多元线性回归。用R进行评估2．作为对相关系数(R)的响应，表示两个或两个以上的预测因子与预测值相关的程度。

在大气中的所有网格点，使用所提出的方法和Pearson相关系数以及在大气中的所有网格点都有预测的每一部分和整个时期都会预测。

在本研究中，26个NCEP变量如表1所示，这是通过替代最近的GCM变量的观点来使用的，它们由网站的加拿大气候变化情景网络(CCCSN)，它在降尺度模型中代替了预测器。预测因子的选择没有一般的规则，但很少有研究者提出选择合适的NCEP预测因子的方法。预测因子的选择因省而异，主要取决于大尺度大气环流的地貌、季节、区域地形和预测的缩减程度。气候省的航空范围使用了各种各样的预报器，在一定程度上依赖于降雨的机制。

表1:选定预报器对降尺度降雨使用的NCEP变量。

S.。

大气压水平

摘要采用变量描述

代码

单位

一个

1013.25 HPA（1）

平均海平面压力

摘要mslpas

巴勒斯坦权力机构

B

1000 HPA（6）

表面气流强度

ncepp__fas.

米/秒

表面区速度

ncepp__uas

米/秒

表面子午速度

ncepp__vas

米/秒

表面涡度

ncepp__zas.

年代－1

表面风向

ncepp_thas

学位

表面散度

ncepp_zhas

年代－1

C

850 hPa (8)

850 HPA气流强度

ncepp8_fas

米/秒

850 hPa纬向速度

ncepp8_uas

米/秒

850 HPamerviational速度

ncepp8_vas

米/秒

850年hPavorticity

ncepp8_zas

年代－1

风向850百帕斯卡

ncepp8thas

学位

850 HPA分歧

ncepp8zhas.

年代－1

850 HPA地球势高度

ncepp850as

米

850 hPa的相对湿度

ncepr850as

％

D

500 hPa (8)

500 hPa气流强度

ncepp5_fas

米/秒

500 hPa纬向速度

ncepp5_uas.

米/秒

500年hPameridional速度

ncepp5_vas

米/秒

500年hPavorticity

ncepp5_zas

年代－1

500 HPA风向

ncepp5thas

500 hPa散度

ncepp5zhas

年代－1

500 HPA地球态高度

ncepp500as

米

500 hPa时的相对湿度

ncepr500as.

％

E

近地表(3)

表面特定的湿度

ncepshumas

克/公斤

2m处平均温度

nceptempas

0C

近地表相对湿度

nceprhumas

％


性能降尺度模型的估计

降尺度模型的性能是在平均数、方差和四分位数(25th, 50th和75th)的观测值和缩小的降水值的校正和验证模式。各种统计参数，如RMSE, R2， NSE被用来显示低尺度模型的效率。选择最广泛使用的统计参数来评估缩小模型的效率。

通常，NSAND CC的较高值表示模型预测的良好正确性，而NS的较小值显示出较差的模型预测。nash-sutcliffe的范围 -∞到1. NS = 1的值显示了模型和注释之间的故障匹配，而0的效率表明，模型预测与检测到的数据的平均值一样精确。如果效率的值小于零（ -∞< E < 0)则检测到的均值是比模型更好的预测因子。

在模型校准和验证期间RMSE和NMSE的较小阀在观察和预测的时间序列之间提供较小的差异，因此在预测中提供高精度。相关系数值可以从-1.00到+1.00的范围，其中负范围显示为负相关，而正范围显示正相关。相关系数值“1”显示完美的相关性，而“0”则显示没有相关性。

结果与讨论

用于预测降雨的低尺度MLR模型的发展

模型的校准和验证

NCEP预报器在1961-1990年期间用于MLR模式定标，并在1991-2001年期间对经验降水进行了验证。使用30年(1961-1990年)的数据作为基线，因为建立可靠的气候学需要足够的时间，包括有弹性的全球变化信号。对所有研究区域分别进行了校准和验证。

预测的选择

在该研究中，使用互相关技术考虑了预测器的选择。关于ten parameters i.e., Mean sea level pressure, Surface wind direction, Surface divergence, 500 hPa airflow strength, 500 hPa zonal velocity, 500 hPavorticity, 500 hPa wind direction, 850 hPa geopotential height, Relative humidity at 500 hPa and Surface specific humidity were commonly used for all the 32 districts. However, out of these, the ten predictors about 4-6 parameters showed a strong correlation among the predictand and predictors for each district. Both positive, as well as negative correlation, has also been considered for estimation of downscaled rainfall.

降尺度模型的标准化与验证

根据各种各样的预测因子和预测，MLR适用于每个地区到低级降雨。MLR模型基于回归系数，截距和误差项，这取决于所选预测器和预测的关系。根据在标准化和验证模型的标准化和验证期间，根据RMSE，NMSE，NASH和CC等各种统计参数之间的比较来判断缩小模型的性能。在研究期间观察到的结果显示在表2中。

表2:拉贾斯坦邦不同地点月降雨时间序列校准和验证期间的精度评估结果。

车站的名字

摘要

卡利/瓦里。

RMSE

NMSE

纳什

CC

阿杰梅尔

1961 - 1990

校准

38.58

0．24

0．75

0.86

1991 - 2001

验证

46.81

0．3

0．5

0.83

Baran

1961 - 1990

校准

39.18

0.13

0.86

0.93

1991 - 2001

验证

50.55

0．2

0.72

0.89

地处

1961 - 1990

校准

39.78

0.21

0.78

0.88

1991 - 2001

验证

53.5

0．31

0.51

0.82

巴拉

1961 - 1990

校准

43.54

0.18

0.81

0．9

1991 - 2001

验证

40.57

0.17

0.79

0．9

酵母

1961 - 1990

校准

22.02

0.25

0.74

0.86

1991 - 2001

验证

35.93

0.28

0.71

0.71

Bundi.

1961 - 1990

校准

36.46

0．14

0.85

0.92

1991 - 2001

验证

53.31

0.25

0.64

0.86

Chittaurgarh

1961 - 1990

校准

42.52

0．16

0.83

0.91

1991 - 2001

验证

59.09

0.27

0.61

0.85

Churu

1961 - 1990

校准

31.23

0.34

0.65

0.81

1991 - 2001

验证

27.58

0.36

0.55

0．8

Dausa

1961 - 1990

校准

39.7

0.17

0.82

0.91

1991 - 2001

验证

41.38

0.18

0．75

0．9

德海堡

1961 - 1990

校准

49.56

0.18

0.81

0．9

1991 - 2001

验证

45.55

0.18

0.78

0．9

Dungarpur

1961 - 1990

校准

52.19

0.18

0.81

0．9

1991 - 2001

验证

64.3

0.26

0.62

0．9

Ganganagar

1961 - 2001

校准

19.85

0.35

0.64

0．8

1991 - 2001

验证

17.89

0.41

0.58

0.77

Hanumangarh

1961 - 1990

校准

25.59

0.34

0.65

0.81

1991 - 2001

验证

21.95.

0.35

0.64

0．8

斋浦尔

1961 - 1990

校准

38.88

0.21

0.78

0.88

1991 - 2001

验证

41.43

0.22

0.76

0.87

斋沙默尔

1961 - 1990

校准

17.59

０．３７

0.62

0.79

1991 - 2001

验证

22.91

0.42

0.53

0.68

帆船

1961 - 1990

校准

32.5

0．24

0．75

0.86

1991 - 2001

验证

44.66

０．３７

0.62

0.79

Jhalawar

1961 - 1990

校准

47.67

0．16

0.83

0.91

1991 - 2001

验证

58.03

0．23

0.76

0.87

于是

1961 - 1990

校准

33.42

0．23

0.76

0.87

1991 - 2001

验证

29.96

0．23

0.76

0.87

焦特布尔

1961 - 1990

校准

25.58

0.29

0.69

0.83

1991 - 2001

验证

31.09

0.38

0.61

0.78

Karauli

1961 - 1990

校准

43.53

0．16

0.83

0.91

1991 - 2001

验证

43.84

0．16

0.83

0.91

哥打

1961 - 1990

校准

37.83

0.13

0.86

0.93

1991 - 2001

验证

3.88

0.22

0.77

0.87

巴利语

1961 - 1990

校准

40.93

0.28

0.71

0.84

1991 - 2001

验证

48.72

0.34

0.65

0.81

Nagaur.

1961 - 1990

校准

34.86

0．31

0.68

0.83

1991 - 2001

验证

37.32

０．３３

0.66

0.81

Rajsamand

1961 - 1990

校准

41.1

0．23

0.76

0.82

1991 - 2001

验证

50.5

0．31

0.68

0.87

锡卡尔

1961 - 1990

校准

35.08

0．24

0．75

0.87

1991 - 2001

验证

34.97

0.25

0.74

0.86

Sirohi

1961 - 1990

校准

45.81

0.27

0.72

0.85

1991 - 2001

验证

55.21

０．３３

0.66

0.81

Swaimadhopur

1961 - 1990

校准

1.05

０．０２

0.97

0.98

1991 - 2001

验证

0.92

0．01

0.98

0.99

坦克

1961 - 1990

校准

34.5

0.15

0.84

0.92

1991 - 2001

验证

43.98

0.21

0.78

0.88

乌特迪尔

1961 - 1990

校准

44.56

0.17

0.81

0.91

1991 - 2001

验证

59.22

0.28

0.71

0.84

Alwar

1961 - 1990

校准

37.14

0.17

0.82

0.91

1991 - 2001

验证

37.11

0.18

0.81

0．9

比卡内尔

1961 - 1990

校准

23.57

0.39

0.6

0.78

1991 - 2001

验证

21．5

0.42

0.57

0.76


经校正，各地区的相关系数均在0.8以上，表明观测降水与模拟降水具有较好的相关性。相关系数的验证效果较好，所有地区的相关系数均在0.68以上，表明观测降水与模拟降水的相关性较好。MLR降尺度模型校正和验证的NMSE分别为0.02 ~ 0.39和0.01 ~ 0.41，表明观测和预测的时间序列差异较小。此外，校准期和验证期的NASH效率分别约为0.60 ~ 0.97和0.50 ~ 0.98。整个模型的结果表明，在校准和NCEP变量验证过程中具有良好的性能。

对降尺度模型性能的计算是由于对经验降水和模拟降水的均值和方差值的比较和模型的标准化和验证，结果如表3所示。变异系数所有地区缩小模型的实测降雨量与模拟降雨量之间的差值分别为0.34 - 1.89和0.34 - 1.35，这表明降尺度模式在模式定标过程中对观测降水的预测精度较高。在模型验证过程中，所有地区降尺度模型的观测降水和模拟降水的变异系数在0.34 ~ 1.92和0.33 ~ 1.45之间，表明观测降水和模拟降水吻合较好。然而，在模型验证过程中发现，在近似地区的降水预报有微小的偏差或不足。在chittororgarh地区，检测到的降水为68.22 mm，而模型产生的降水为66.69 mm。

表3:模型校准和验证期间观测和模拟降水的平均值和变异系数。

车站

校准周期(1961 - 1990)

验证期间(1991 - 2001)

意思

变异系数

意思

变异系数

奥林匹克广播服务公司

国防部

奥林匹克广播服务公司

国防部

奥林匹克广播服务公司

国防部

奥林匹克广播服务公司

国防部

阿杰梅尔

46.05

47.89

1.68

1.31

48.43

46.14

1.73

1.44

Baran

68.46

71.79

1.57

1.35

67.67

69.19

1.65

1.41

地处

53.07

56.51

1.61

1．30

55.20.

53.51

1.71

1.43

巴拉

60.41

64.39

1.69

1.37

60.53

62.23

1.60

1.43

酵母

24.05

26.42

1.81

1.35

26.40

25.14

1.92

1.43

Bundi.

61.14

64.29

1.57

1.35

63.42

64.04

1.67

1.39

Chittorgarh

66.70

71.45

1.57

1.29

68.22

66.69

1.65

1.41

Churu

31.61

32.13

1.67

1.23

29.89

31.96

1.54

1.29

Dausa

57.29

61.74

1.65

1.35

60.06

59.10

1.60

1.43

德海堡

66.44

69.88

1.72

1.40

64.36

69.19

1.66

1.42

Dungarpur

71.81

76.80

1.68

1.37

72.54

72.77

1.70

1.44

Ganganagar

21.17

21.57

1.56

1.13

18.74

20.76

1.48

1.13

Hanumangarh

27.79

28.46

1.57

1.17

25.25

25.87

1.46

1.27

斋浦尔

50.70

54.86

1.65

1.31

53.07

51.15

1.63

1.42

斋沙默尔

15.28

16.63

1.88

1．30

16.73

15.41

1.88

1.42

帆船

36.41

40.19

1.79

1.37

40.11

37.78

1.83

1.44

Jhalawar

75.19

75.83.

1.54

1.31

74.59

77.23

1.60

1.35

于是

41.35

43.94

1.66

1.28

40.19

41.77

1.54

1.32

焦特布尔

27.05

29.14

1.72

1.29

28.23

26.92

1.77

1.42

Karauli

64.43

67.72

1.67

1.39

65.28

68.56

1.63

1.41

哥打

66.67

70.41

1.56

1.35

68.37

67.51

1.65

1.42

巴利语

43.78

46.88

1.76

1.34

46.07

46.61

1.80

1.40

Nagaur.

36.24

39.05

1.72

1.27

37.31

36.05

1.72

1.41

Rajsamand

50.71

54.25

1.66

1．30

52.16

51.64

1.72

1.40

锡卡尔

42.37

45.43

1.66

1.26

42.84

43.72

1.60

1.35

Sirohi

48.24

52.55

1.79

1.35

52.60

51.12

1.80

1.44

Swai-Madhopur.

19.55

19.56

0.34

0.34

19.80

19.78

0.34

０．３３

坦克

53.89

58.23

1.62

1.34

56.30.

55.84

1.67

1.41

乌特迪尔

62.96

67.17

1.65

1.35

64.80

64.85

1.71

1.45

Alwar

54.1

57.8

1．64

1.37

55.2

54.7

1.56

1.39

比卡内尔

22.17

22.73

1.69

1.20

20.58

22.47

1.60

1.22


观测降水方差远高于模拟降水方差。因此，缩小规模的模式未能捕获降水方差的全谱。研究结果还表明，缩小模型的性能在阻止平均降水方面不是很有效。但是，这一模式在大多数地区都能很好地解决分歧。例如，Swaimadhopur地区和其他地区的观测降水和缩小降水的最小方差分别为0.34和0.33，附录i的差异在整个模型校准和验证过程中都不大。

探测到的和缩小规模的降雨的时间序列分析

基于检测到和缩小降水的月度时间序列之间的比较，估计了校准和验证过程中缩小模型的功效。这种比较是为单独研究的所有地区完成的。结果显示在所有地区的表2中。结果描述了月度降水遵循类似于检测到的沉淀的类似图案。在有限地区，几个月消耗极端的降水标准，该标准仍然受模型预测。极端测量事件是水文学中一种常见的现象，NCEP预报器常常无法对其进行估计。证明了降尺度模式对极端降水的抑制作用。然而，它可以成功地抑制均值。本研究中使用的模型可以更准确地捕捉平均和低降水。

利用HadCM3预测月雨量(A2及B2情景)

使用HadCM3 A2和B2排放情景和选定的预测因子对未来情景进行了预测。然而，MLR降尺度技术已被用于预测的未来预测。此外，为了更好地反映结果，将月度预测的整个时间序列分为十年形式(10年时间尺度)。用年代际时间步长箱形图来确定预测模式。2001-2010年、2011-2020年、2021-2030年、2031-2040年、2041-2050年、2051-2060年、2061-2070年、2071-2080年、2081-2090年和2091-2099年各年代际时段的降水量预估见附录二。盒子的中间线显示了中间阀，而上边缘和下边缘分别给出了每个数据集的75和25。75和25之间的差称为四分位范围(IQR)。降雨箱形图显示了整个拉贾斯坦邦在A2和B2情景下未来降雨量的增加。

结论

干旱和半干旱区的原生水文制度受气候变量的变化高度偏见。因此，在当前和未来的情景下，理解和模拟气候变化对干旱和半干旱地区的影响仍然非常迫切。在研究中使用了多元线性回归（MLR）模型，以降低数据稀缺和印度拉贾斯坦邦的半干旱地区的降水，这被认为是气候变化的最敏感的地区。从20个网格点分析的NCEP重新分析的数据集用于基于主成分分析（PCA）选择预测器。每月降雨量从1961年至1990次时间段用于校准以及1991 - 2001年的MLR模型的认证时间段。

评估了MLR模型对拉贾斯坦邦逐月降水的性能，以评估气候变化的影响。研究表明，在研究区大部分地区，MLR模式优于低尺度降水模式。由于降雨模式不稳定，干旱区的局地降水与海洋-大气环流参数关系不佳，统计降雨降尺度相当困难。研究结果表明，MLR可用于干旱和半干旱地区月降水的降尺度。结果表明，A2和B2情景下的降雨降尺度均显示未来降雨量增加。

确认

感谢北阿坎德邦鲁尔基的国家水文研究所提供的必需品我的研究工作和农业工程部门的数据和地图，IAS, Banaras Hindu大学，瓦拉纳西，推荐我到国家水文研究所，鲁尔基研究工作。

参考

  1. 将全球变暖问题带回家:区域影响研究的挑战。牛是MeteorolSoc1990;71:520 - 526。
    CrossRef
  2. 冯storch, H.， Zorita, E.， & Cubasch, U.全球气候变化估计到区域尺度的降尺度:对伊比利亚冬季降水的应用。杂志的气候1993;6(6): 1161 - 1171。
    CrossRef
  3. Schmidli, Goodess, c.m .， Frei, C.， Haylock, M. R.， Hundecha, Y.， Ribalaygua, J. & amp;降水的统计和动态降尺度:对欧洲阿尔卑斯山情景的评估和比较。地球物理研究杂志:大气2007;112 (D4)。
    CrossRef
  4. 杨涛，李慧，王伟，徐春燕，于振宇。极端日降水、蒸发和气温的降尺度统计及未来情景构建。水文过程2012;26日(23):3510 - 3523。
    CrossRef
  5. Sachindra，D. A.，Ahmed，K。，Rashid，M.M.，Shahid，S.，＆Perera，B. J.C。使用机器学习技术统计缩减降水缩小。大气的搜索，2018年：212,240-258。
    CrossRef
  6. Hay，L.E.，＆Clark，M。P.在Wesirewardents州的三个山区盆地中的水文模拟中使用统计上和动态较低的大气模型输出。《水文2003;282(1): 56 - 75。
    CrossRef
  7. Sachindra, D. A.， Huang, F.， Barton, A.， & Perera, B. J. C.最小二乘支持向量和multi‐线性回归的统计降尺度一般环流模型输出到流域径流。国际气候学杂志2013;33(5): 1087 - 1106。
    CrossRef
  8. Von Storch, H.， Langenberg, H.， & Feser, F.一种用于动态降尺度目的的光谱推进技术。每月天气回顾2000;128(10): 3664 - 3673。
    CrossRef
  9. 水资源的统计方法。爱思唯尔阿姆斯特丹, 1992年。
  10. JakobThemeßl, M.， Gobiet, A.， & Leuprecht, A. Empirical‐区域气候模式每日降水的统计降尺度和错误修正。国际气候学杂志2011;31日(10):1530 - 1544。
    CrossRef
  11. 王志强，黄福平，王志强，等。基于最小二乘支持向量和多元线性回归的流域径流统计降尺度环流模型。国际气候学杂志2013;33(5), 1087 - 1106。
    CrossRef
  12. Pearson，P. D.，＆Leys，M.教学。理解。在T. Harris＆E. Cooper（EDS。），阅读，思维和概念发展：1985年课堂的战略;3-20。
  13. Kalnay, E.， Kanamitsu, M.， Kistler, R.， Collins, W.， Deaven, D.， Gandin, L.， & Zhu, y . . NCEP/NCAR 40年再分析项目。美国气象学会公报1996;77(3), 437 - 472。
    CrossRef
  14. Jaiswal, R. K.， Tiwari, H. L.， & Lohani, A. K.气候变化对降雨影响的评估，用于研究印度Mahanadi上游流域的水资源可用性。水与气候变化杂志2017;jwc2017097。
    CrossRef
  15. Mahmood, R.， & Babel, M. S.评估由巴基斯坦和印度Jhelum盆地降尺度温度和降水的年和月子模式开发的SDSM。理论与应用气候学2013;113(1 - 2), 27-44。
    CrossRef
  16. Anandhi, A.， Srinivas, V. V.， Nanjundiah, R. S.， & Nagesh Kumar, D. IPCC SRES情景下印度流域降水降尺度研究。国际气候学杂志2008;28(3), 401 - 420。
    CrossRef
  17. 气候变化情景下降水的降尺度:支持向量机方法。《水文2006;330(3 - 4), 621 - 640。
    CrossRef
  18. Kannan，S.，霍恩，S.在Mahanadi盆地中缩小多路上每日降水的非参数内核回归模型。水资源研究2013;49(3), 1360 - 1385。
    CrossRef
  19. 恒河-雅鲁藏布江降水的预测——基于GCM预测的缩小版。《水文2014;517年,120 - 134。
    CrossRef
  20. 张志强，张志强，张志强，等。基于贝叶斯和模块化神经网络的流域径流预测。水资源研究2000;36(3), 753 - 762。
    CrossRef
  21. 基于概念模型的河流流量预测(第i部分-原理讨论)。《水文1970;10(3), 282 - 290。
    CrossRef
  22. Wilby, R. L.， Charles, S. P.， Zorita, E.， Timbal, B.， Whetton, P.， & Mearns, L.。政府间气候变化专门委员会的支持材料，可从IPCC TGCIA 2004的DDC获得;27.
  23. Samadi, S.， Carbone, G. J.， Mahdavi, M.， Sharifi, F.， & Bihamta, M. R.半干旱集水区河流径流的统计降尺度。水资源管理2013;27（1）：117-136。
    CrossRef
  24. Huth, R.， Beck, C.， Philipp, A.， Demuzere, M.， Ustrnul, Z.， Cahynová， M.， & amp;大气环流型的O.E.分类。纽约科学院年报2008;1146(1): 105 - 152。
    CrossRef
附录1

图1:Ajmer地区观测降水和缩小降水的月时间序列。
点击此处查看图表
图2:巴兰地区观测降水和缩小降水的月时间序列。
点击此处查看图表
图3:bilwara地区观测降水和缩小降水的月时间序列。
点击此处查看图表

图4:巴拉特普尔地区观测到的和缩小规模的降雨的月时间序列。
点击此处查看图表

图5:Barmer区观测降水和缩小降水的月时间序列。
点击此处查看图表

图6:Bundi地区观测降水和缩小降水的月时间序列。
点击此处查看图表
图7:chittororgarh地区观测到的和缩小规模的降雨的月时间序列。
点击此处查看图表
图8:Churu地区观测降水和缩小降水的月时间序列。
点击此处查看图表
图9:道萨地区观测降水和缩小降水的月时间序列。
点击此处查看图表
图10:道尔普尔地区观测到的和缩小规模的降雨的月时间序列。
点击此处查看图表
图11：Dungarpur区观察和较低的降雨的月度时间序列。
图12:恒河那格尔地区观测到的和缩小规模的降雨的月时间序列。
图13：Hanumangarh区观察和较低的降雨的月度时间序列。
图14:斋浦尔地区观测到的和缩小规模的降雨的月时间序列。
图15:Jaisalmer地区观测降水和缩小降水的月时间序列。
图16:贾洛地区观测降水和缩小降水的月时间序列。
图17:Jhalawar地区观测到的和缩小的降雨量的月时间序列。
图18:俊俊俊奴地区观测降水和缩小降水的月时间序列。
图19焦特布尔地区观测到的和缩小规模的降雨的月时间序列。
图20:卡劳里地区观测降水和缩小降水的月时间序列。
图21:哥打地区观测降水和缩小降水的月时间序列。
图22:巴利地区观测降水和缩小降水的月时间序列。
图23:纳高尔地区观测降水和缩小降水的月时间序列。
图24:Rajsamand地区观测到的和缩小的降雨量的月时间序列。
图25:锡卡地区观测降水和缩小降水的月时间序列。
图26：Sirohi区观察和较低的降雨的月度时间序列。
图27:Swaimadhopur地区观测到的和缩小规模的降雨的月时间序列。
图28:Tonk地区观测到的和缩小的降雨量的月时间序列。
图29：乌代浦区的观察和较低降雨的月度时间序列。
图30:Alwar地区观测降水和缩小降水的月时间序列。
图31:比卡内尔地区观测到的和缩小规模的降雨的月时间序列。
图32:班斯瓦拉地区观测到的和缩小规模的降雨的月时间序列。

附录二:拉贾斯坦邦所有地区的箱形图，显示MLR-A2和B2情景下的预估降雨量。

A2场景MLR-B2场景
附录二:
附录2:b
点击这里查看附录
附录2:c
点击这里查看附录
附录2:d
点击这里查看附录
附录2:e
点击这里查看附录
附录2:f
点击这里查看附录
附录2:g
点击这里查看附录
附录2:h
点击这里查看附录
附录二:我
点击这里查看附录
创造性的公共许可证
这个作品是根据知识共享署名4.0国际许可．