摘要：應用統計降尺度模型sdsm（statisticaldownscalingmodel），對gcm輸出序列進行降尺度處理，生成長春市未來氣候變化情景，並利用線性趨勢、滑動平均、mann-kendall趨勢分析等方法分析對2020s（2010－2023年）、2050s（2040－2023年）和2080s（2070－2023年）3個時期的氣溫和降水的變化特徵進行了分析。模擬結果表明，驗證期（1976－2023年）內，長春市月平均日最高氣溫的實測值和模擬值擬合的很好，sdsm模型能夠較好的模擬生成長春市未來氣候變化情景。
與基準期相比，2020s，2050s和2080s最高氣溫平均分別上公升1．67℃、3．44℃、5．65℃，最低氣溫平均分別上公升1．07℃、2．68℃、4．69℃，平均日氣溫傾向率變化為0．63℃／10年；年降雨量也呈增加趨勢，傾向率變化為11mm／10年；研究區未來氣溫和降雨量年內變化情況呈現不均勻性，春季降水量呈下降趨勢，夏季降雨量呈現顯著增加趨勢，傾向率變化為12．7mm／10年，且相對於其他季節，夏季對全年降雨量的增加貢獻最大，秋季降雨變化不顯著，冬季增加趨勢較平穩；與其他各季相比，氣溫在夏季的增幅最顯著。分析成果為進一步研究未來氣候變化情境下長春市水資源狀況提供理論基礎。
關鍵詞：氣候變化；gcm；sdsm；長春
中圖分類號：tv124；p339 文獻標識碼：a文章編號：1007-2284（2011）10-0047-04
zhaohui1，zhangjing-ren2
abstract：thestatisticaldownscalingmodel（sdsm）．，moving**erageand mann-kendalltrendanalysismethodsduringthe2020s（2010-2039），2050s（2040-2069），and2080s（2070-2099）．，dailyprecipitationforeverymonthoftheyear．．comparedwiththebaselinedataof1961-1990，themaximumtemperaturewouldincreasebyan**erageof1．67℃，3．44℃，5．65℃in 2020s，2050sand2080s，respectively，andtheminimumtemperatureincreasesbyan**erageof1．07℃，2．68℃，4．69℃．andclimatetrendrateis0．63℃／10a．／10a．．theprecipitationinspringshowsdecliningtrend，whileitshowsanincreasingtrendinsummer，theclimatetrendratereaches12．7mm／10a．andcomparedtootherseasons，．precipitationdoesnotchangesignificantlyinautumn，andpresentsasteadilyincreasingtrendinwinter．，especiallyin summer． changchuncity．
keywords：climatechange；gcm；sdsm；changchuncity
目前，全球氣候變化已引起了全世界各國**和國內外學者的廣泛關注。全球氣候變暖將導致水迴圈發生變化，引起水資源在時空上的重新分配，導致乾旱、洪澇等極端氣候事件的增加，同時也會對物質的遷移、轉化和平衡關係產生重要影響，從而對水資源利用和管理，對社會經濟與可持續發展產生重要影響[2]。
大氣環流模型（gcms）可以很好的**未來全球氣候的變化趨勢，是目前最重要也是最可行的方法[2]。但是鑑於gcm輸出的空間解析度較低、缺少區域氣候資訊，很難對區域氣候情景做詳細的**[3]。因此，需要用降尺度的方法彌補gcm對區域氣候**的不足。
常用的降尺度方法有[4]：delta方法、統計降尺度法、主分量分析與逐步回歸相結合、動力降尺度法，其中統計降尺度方法以其節省機時、引數相對較少、更容易與水文模型結合等特點被廣泛應用[5-7]。
我國東北地區地處中高緯度及歐亞大陸東端，受全球氣候變暖影響明顯，並且屬於中度缺水地區，隨著近些年來社會和經濟的發展，水資源供需矛盾日益突出，嚴重制約社會經濟的發展和人民生活水平的提高，因此有必要研究未來氣候變化對東北地區水資源量的影響。長春市作為吉林省的省會，目前人均水資源占有量已降至不足全省人均水平的1／4，用水總量已接近水資源總量，水資源供需矛盾突出、水質惡化嚴重。因此，本文選擇長春市作為研究區域，應用統計降尺度模型sdsm，建立大氣環流因子與氣候要素資料序列之間的統計關係，將gcm輸出的未來氣候情景降尺度到氣象站點，生成各站點未來氣候要素序列，分析長春市未來日最高和最低氣溫、日降雨量的長期變化趨勢，為進一步研究未來氣候變化情境下長春市水資源狀況提供基礎。
1研究區概況與研究方法
1．1研究區概況
長春市位於吉林省中部，地理位置介於北緯43°05′－45°15′，東經124°18′－127°02′之間，主要地貌型別有低山丘陵、台地平原、沖積平原和火山錐體。是吉林省的政治、經濟、文化、交通、資訊中心，我國的工業生產基地和重點汽車生產基地，科研和重點商品糧基地。長春市屬大陸性季風氣候區，氣溫自東向西遞增降水自東向西遞減。
春季乾燥多風，夏季濕熱多雨，秋季天高氣爽，冬季寒冷漫長，具有四季分明，雨熱同季，乾濕適中的氣候特徵。長春市年平均氣溫4．8℃，最高溫度39．5℃，最低溫度-39．8℃，日照時間2688h。夏季，東南風盛行，也有渤海補充的濕氣過境。
年平均降水量522～615mm，夏季降水量佔全年降水量的60％以上；最熱月（7月）平均氣溫23℃。隨著城市和工業化的發展，城市人口大量增加，農業耕地面積逐漸減少，使城市氣候甚至全球氣候在一定程度上發生改變，致使長春市水資源缺乏、水環境惡化現象日益嚴重，已經成為制約長春市社會經濟和生態與環境的發展的瓶頸。
1．2資料**
本研究用到的資料主要包括：氣象站點實測資料、ncep再分析資料資料以及gcm（hadcm3）輸出資料。
（1）氣象站點實測資料。1961－2023年共40年的日降雨、日最高和最低氣溫資料序列，獲得於中國氣象科學資料共享服網。
（2）ncep再分析資料。資料為1961－2023年逐日資料序列，共有26個大氣環流因子。ncep網格大小為1．875°×1．875°，為了與hadcm3資料格式統一，將ncep網格資料轉換成2．50°×3．75°。
（3）gcm資料。英國氣象局hadleycenter大氣耦合模式（hadcm3）輸出的1961－2023年a2（高溫室氣體排放情景）氣候情景下的逐日資料序列，網格大小為2．50°×3．75°，選用的預報因子與ncep相同。
1．3研究方法
本文應用統計降尺度模型sdsm[8]，建立大氣環流因子與長春市氣象站點日最高和最低氣溫、日降雨量資料序列之間的統計關係，將gcm輸出的未來氣候情景降尺度到氣象站點，生成站點未來氣溫序列，分析長春市未來（2010－2023年）氣候變化趨勢。
首先，以站點實測的日最高氣溫、日最低氣溫和日降雨量為預報量，根據預報量與ncep的26個因子之間的相關分析和散點圖的擬合效果，選擇每個預報量合適的預報因子。然後利用1961－2023年的實測站點資料（預報量）及確定的ncep預報因子序列，建立預報量與預報因子間的統計關係，建立研究區sdsm模型，並利用1976－2023年的逐日資料驗證sdsm模型。最後，將hadcm3輸出資料（1961－2023年）輸入到sdsm模型，生成a2情景下各站點的未來氣候要素（最高和最低氣溫、降水量）的日序列，並利用線性趨勢、滑動平均、mann－kendall趨勢分析等方法分析2020s（2010－2023年）、2050s（2040－2023年）和2080s（2070－2023年）三個時期的氣溫和降水變化特徵。
2未來氣候變化情景的生成
2．1預報量與預報因子的選擇
確定大氣環流因子與預報量之間的統計關係是統計降尺度方法的核心。遵循預報因子選擇的4個標準[9]，選取站點1961－2023年實測逐日降水量、最高和最低氣溫作為預報量，應用sdsm程式中的「篩選變數」和偏相關分析，結合ncep再分析資料，篩選出合適的統計降尺度預報因子變數，如表1所示。
表1預報因子的篩選結果
tab．1large-scaleclimatepredictorsforcomputingsu***ce meteorologicalvariableswithsdsmmodel
2．2統計降尺度模型的建立
利用1961－2023年的站點資料和篩選出的預報因子變數，應用多元統線性回歸法分別建立預報因子與氣象站日降雨和氣溫之間的統計關係，將站點資料和ncep再分析資料196l－2023年的序列分成1961－2023年與1976－2023年兩個時段，分別用於模型率定和驗證。選用解釋方差、標準誤差、相對誤差說明模型的模擬效能，如表2所示。
表2模型率定和驗證結果統計值
圖1驗證期（1976－2023年）長春市月平均日最高和最低氣溫、降雨量實測值與模擬值的比較
fig．1comparisonbetweenmonthly**erageprecipitation，maximumandminimumairtemperatureinstudyareaduring validation（1976－1990）
結果表明，驗證期（1976－2023年）內，長春市月平均日最高氣溫的實測值和模擬值擬合的很好，說明經過率定和驗證過的模型可以用來**研究區未來氣候變化情況。
2．3生成未來氣候變化情景
根據建立的sdsm模型，將hadcm3資料輸入模型，生成a2情景下長春市各個氣象站點的未來氣候要素（逐日最高和最低氣溫、降雨量）序列。將生成的流域平均未來氣候要素序列分成2020s（2010－2023年）、2050s（2040－2023年）和2080s（2070－2023年）三個時期進行研究，並對比1961－2023年基準期的資料，以分析研究區未來氣候變化趨勢，見圖2。
圖2長春市未來氣候變化情景
fig．2monthly**erageofdailyprecipitation，maximumand minimumtemperatureinthestudyareaduringthefuthree periodscomparedwiththeobservedseriesfor1961－1990
由圖2可以看出，a2情景下的最高和最低氣溫都呈現上公升的趨勢，並且上公升幅度越來越大，未來日最低氣溫比日最高氣溫增溫幅度略小。2020s，2050s和2080s最高氣溫與基準期相比，平均分別上公升1．67、3．44、5．65℃；最低氣溫與基準期相比，平均分別上公升1．07、2．68、4．69℃；研究區未來日最低和最高氣溫年內變化情況呈現不均勻性，大多數月份呈增加趨勢，只有4月和5月在2020s時期出現了略微的減小趨勢。從變化幅度上看，日最低和最高氣溫在3、4、5月的變化幅度普遍比其他3個季節小，各月中變化幅度較大的是6、7、8月。
由圖2可以看出，日均降水量在未來3個不同時期變化趨勢較為一致，在2月、4月到6月、12月份，三個時期的降水量均呈減少趨勢，其餘月份的降水量大都呈現出較為明顯的增加趨勢，特別是在9月份，增加幅度最大。在7、8、9月份，2080s日降雨量增加明顯，相比於基準期，日均降雨量分別增加了1．62、1．39、2．72mm。
3未來氣候變化特徵分析
做人的尺度
一聰明外露，不如智慧型深藏 1 韜光養晦，大智若愚 2 做個糊塗的精明人 3 示弱博同情 4 巧妙地隱藏自己的實力 5 得意不要忘形 6 喜怒不要形於色 7 抓小放大，難得小事糊塗 8 裝糊塗，問前途 二把握做人的尺度 1 任何時候都要留餘地 2 做人不要太狂妄 3 不要把話說得太絕對 4 得理也要...
基於方向分水嶺變換的遙感影像多尺度分割
傳統分水嶺變換具有簡單 速度快 能檢測出弱邊緣物件及能獲得物件完整邊界等諸多優點,被廣泛的用於各種領域。但因其一般是在梯度影像進行變換,受暗雜訊等因素的影響,存在大量偽區域性極小值區域,會出現過分割現象 1 高解析度遙感影像在大氣傳遞 成像過程容易產生雜訊,特別是地物內部紋理豐富,利用傳統分水嶺方法...
關於尺度的句子
篇一 關於離別的句子 關於離別的句子 1.我們都一樣，太渺小，難以操縱命運的心血來潮。2.揮手告別，揚帆遠航，別不了的，是你丟擲的那根友誼的纜繩，無形中牢牢地系在我心上。3.剎那繁華都是假象，如果沒有貪戀，也許我們可以活得更好。4.默默地分手，正如當初默默地相遇。願這兒溫馨的微風，給你捎去我的深情的...