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:干旱是全球各地区普遍存在的一种气候现象,也是对人类社会影响最为严重的一种自然灾害。全球气候变化和社会发展加剧了干旱的影响程度,增强了干旱灾害的风险,给全球农业、水资源、生态环境安全以及社会可持续发展造成巨大威胁,提高干旱监测和早期预警技术水平是应对、管理干旱和减轻干旱脆弱性的基础。近30a来随着全球对地观测技术的迅速发展,卫星遥感监测干旱技术取得很大进步,在全球干旱监测和早期预警中发挥着不可替代的作用。但是,干旱是多学科交叉的复杂问题,其发展过程缓慢、时间和空间表现特征差异很大,遥感监测干旱技术在应用中还存在许多技术问题,对抗旱防灾提供支撑的力度仍不够。本文在简要总结卫星遥感监测干旱应用技术的基础上,对各种指数(模型)应用中存在的问题进行评述,指出卫星遥感干旱监测面临的主要技术问题和未来发展机遇;针对我国卫星遥感干旱应用现状,提出了亟待解决的主要问题和应该努力的方向。