简介:通过采用不同的随机天气发生器生成一定气候背景下各种气候变率情景,许多学者在最近的研究中已经认识到气候变率对农作物生长发育影响的重要性。传统的气候影响评估方法直接以大气环流模式的模拟试验结果作为未来气候情景,这样不可能理解如上的重要性。本文着重评述将随机天气发生器应用于气候变化影响研究的一般方法框架,以及作者的具体个例研究方法。文中最后分析了目前该领域研究中还存在的一些不确定性。在当前的气候变化影响研究中,有不同的方法用来研制一种称为WGEN的典型随机天气发生器的参数化方案及其随机试验方法。不同的研究者也有不同的参数调控方法。通常的思路是通过气候控制试验和2×CO2试验之间的气候变量平均值和方差的变化来扰动随机天气发生器的参数,以生成未来逐日气候变化情景。本文作者根据短期气候预测模式的输出产品建立了一套WGEN的参数化方案及其随机试验方法,并且在时间和空间两个尺度上检验和评估了此参数化方案下WGEN的模拟能力。另外,作者由未来降水的变化,调试随机天气发生器参数,生成了气候变率变化情景。这些参数调节可以产生各种不同类型和定性大小的气候变率变化,用于气候影响评估的敏感性分析。通过如上方法,作为一个个例,文中评估了未来气候变率变化对中国东北地区玉米生长、最终产量和该地区农业气候资源的影响。然而由于随机天气发生器本身以及参数调控方法的不足,目前将随机天气发生器应用于气候变化影响研究还存在一些不确定性。检测和模拟气候变率变化信号是减少这种不确定性的必要途径之一。
简介:AstochasticmodelfordailyprecipitationsimulationinChinawasdevelopedbasedontheframeworkofa′Richardson-type′weathergeneratorthatisanimportanttoolinstudyingimpactsofweather/climateonavarietyofsystemsincludingecosystemandriskassessment.ThepurposeofthisworkistodevelopaweathergeneratorforapplicationsinChina.Thefocusisonprecipitationsimulationsincedeterminationofotherweathervariablessuchastemperatureisdependentonprecipitationsimulation.AframeworkoffirstorderMarkovChainwithGammaDistributionfordailyprecipitationisadoptedinthiswork.Basedonthisframework,fourparametersofprecipitationsimulationforeachmonthat672stationsalloverChinaweredeterminedusingdailyprecipitationdatafrom1961to2000.Comparedwithpreviousworks,ourestimationfortheparameterswasmadeformorestationsandlongerobservations,whichmakestheweathergeneratormoreapplicableandreliable.Spatialdistributionsofthefourparametersareanalyzedinaregionalclimatecontext.Theseasonalvariationsoftheseparametersatfivestationsrepresentingregionaldifferencesarediscussed.Basedontheestimatedmonthlyparametersat672stations,dailyprecipitationsforanyperiodcanbesimulated.A30-yearsimulationwasmadeandcomparedwithobservationsduring1971-2000intermsofannualandmonthlystatistics.Theresultsaresatisfactory,whichdemonstratestheusefulnessoftheweathergenerator.
简介:对1988、1994、1995年3个高温年份南京市区260万自然人群中563例重症中暑病例与逐日气象因素作了多元逐步回归分析。以发病当日平均气温x1、最高气温x2、相对湿度x3、平均风速x4、日照时间x5和降水量x6等6个气象因素以及这些因素与发病前1~5天的2~6天平均值M11~M15、…、M61~M65共36项因素作为自变量;以重症中暑总例数作为应变量。筛选结果:x1、x3、M12、M32四项对Y有显著贡献。由标准回归系数可见,x1较xX3,M12较M32贡献大。连续3日的平均气温M12及相对湿度M32较x1、x3对日重症中暑人数影响要大。当M12超过30℃且M32超过73%易出现中暑。这结果在1997年做了初步应用验证。