中国现代和未来降水的动力—统计耦合降尺度方法研究

The resolution of General Circulation Models(GCM) is too coarse for regional climate studies. To overcome this problem, the dynamical downscaling or statistical downscaling method can be employed. Each downscaling method has its own advantages and disadvantages. The coupling of these two downscaling methods can doubly add value to the output of GCM. This project evaluate the dynamical downscaling performance of RCM in adding value to the precipitation in China. The output of RCM rather than GCM is used as predictors, and the dynamical-statistical coupling downscaling technology is developed by using the transfer function approaches, weather typing method and stochastic weather generator to downscale the precipitation over China. The improvement of this technology is evaluated with respect to the simple dynamical downscaling or the statistical downscaling. The dynamical-statistical coupling downscaling predictive system is established to predict the seasonal precipitation over China. Some GCMs from CMIP5 are selected to provide the lateral boundary conditions for RCMs. Different physical schemes and statistical methods are used to do the dynamical-statistical coupling downscaling of the future precipitation over China in different scenarios。The Uncertainties of these results are assessed. The conclusions of this project can provide reference to improve the ability in predicting seasonal precipitation over China, predict the change of future climate in China, and make the responding strategy.

全球模式（GCM）的分辨率相对于区域气候研究而言仍然偏低，而采用动力或统计降尺度方法可以弥补这一不足。两种降尺度方法各有优劣，需要将两者结合起来进行动力-统计耦合降尺度，实现对GCM输出结果的双重“增值”。本项目在全面评估区域模式（RCM）对中国降水的动力降尺度“增值”能力的基础上，将RCM的输出结果而非GCM的输出结果作为预测因子，选择转换函数法、天气分型技术和天气发生器对中国降水进行动力-统计耦合降尺度技术研究，评估其相对于单纯的动力或统计降尺度方法的优越性；建立中国季节降水的动力-统计耦合降尺度预测系统；从CMIP5中选择部分GCMs的输出结果强迫RCMs，并选择不同的物理方案和统计方法建立动力—统计耦合降尺度预测模型，对未来不同情境下的中国降水变化进行预估，评估这些结果的不确定性。项目的研究结论可为提高我国季节降水预测能力，开展中国未来气候变化研究，以及制定相应的应对策略提供依据.

全球模式（GCM）的分辨率相对于区域气候研究而言仍然偏低，而采用动力或统计降尺度方法可以弥补这一不足。两种降尺度方法各有优劣，需要将两者结合起来进行动力统计耦合降尺度，实现对GCM输出结果的双重“增值”。本项目全面评估了区域模式（RCM）对中国降水的动力降尺度“增值”能力，发现其对云贵高原、秦岭、阴山、太行山等山区的降水演变模拟比GCM好，即有增值能力。将GCM输出的大尺度环流、前期观测的海表温度、以及RCM输出的区域尺度对流层低层水汽通量散度作为预测因子，选择转换函数法对中国降水进行动力-统计耦合降尺度技术研究，评估其相对于单纯的动力或统计降尺度方法的优越性，发现其对降水和温度的分布形势预测要明显优于单纯的动力或统计降尺度方法；结合军队课题任务需求，本项目将基础研究的科研成果应用于军事斗争准备所急需的气候预测保障系统的研制工作中，作为主要负责人和参研人员先后完成了“军用中国汛期降水统计-动力降尺度预测系统”、火箭军157型号项目“目标区****预报预警系统”中的短期气候预测子模块、“重点区域气候统计-动力降尺度预测系统”的研发，并投入到军队气候保障业务中使用；从CMIP5中选择部分GCMs的输出结果强迫RCMs，预估未来不同情境下的中国降水变化，发现区域气候模式在地形复杂的西部山区、华北山区等地区，模拟的未来降水和气温与全球模式表现出更多的不一致性。对于降水而言，全球模式和区域气候模式预估的中国平均降水总体上都是增加的，特别是夏季，但区域模式预估的夏季山区降水增加更为明显。项目的研究结论可为提高我国季节降水预测能力，开展中国未来气候变化研究，以及制定相应的应对策略提供依据。