两种统计降尺度模型在雅砻江流域未来气候预测中的应用

作者：秦兴隔; 董晓华; 董立俊; 杨晨; 王雅琳; 李璐

来源：水电能源科学, 2022, 40(08): 17-21.

DOI：10.20040/j.cnki.1000-7709.2022.20212654

• SDSM
• 人工神经网络
• CNRM-CM5
• 气候变化
• 雅砻江流域

全球气候变化背景下，选择适宜的降尺度方法预估区域尺度的未来气候变化趋势，对雅砻江流域水资源规划利用具有重要意义。采用人工神经网络降尺度模型（ANN）和统计降尺度模型（SDSM）,基于雅砻江流域内13个国家气象站1981～2005年数据和NCEP再分析资料构建两种模型的历史期日最高气温、最低气温、降水降尺度模型，将CNRM-CM5全球气候模式的3种排放情景（RCP2.6、RCP4.5、RCP8.5）数据输入模型预测未来2022～2100年最高气温、最低气温、降水变化，比较人工神经网络与SDSM降尺度模型在雅砻江流域模拟效果。结果表明，ANN模拟气温、验证期降水效果优于SDSM,确定性系数R2分别高0.02～0.27、0.01～0.14,均方根误差RRMSE分别小0.22～2.40、0.01～0.77,ANN模拟率定期降水效果不如SDSM,确定性系数R2小0.02～0.07;在空间分布上，ANN模拟气温效果在整个流域优于SDSM,日最高气温和日最低气温模拟效果最好的区域为中游和上游，ANN模拟验证期日均降水在流域上、下游明显优于SDSM,在流域中游略优于SDSM,模拟率定期效果在流域大部分区域不如SDSM;未来三种RCP情景下，SDSM、ANN预测未来最高气温、最低气温、降水在中后期呈增加趋势，且在RCP8.5情景下后期增加最高。

• 单位
  三峡大学; 水资源安全保障湖北省协同创新中心