文摘

本研究试图从各种角度分析几个干旱特性在韩国使用标准三个月降水指数。特别是,本研究旨在评估空间分布变化的频率和严重程度的干旱在未来由于气候变化,利用联合国政府间气候变化专门委员会(intergovernmental panel on climate change) GCM(大气环流模型)模拟。首先,Mann-Kendall方法采用识别在五大流域干旱的趋势。SPI的模拟时间演化(标准化降水指数)在冬季显示重要的流域的大部分地区干燥的趋势,而模拟SPI在春季模型表现出不同的特征。其次,本研究探索与干旱相关的低频模式通过比较全球小波功率,显著性检验。未来光谱减少部分归因于减少方差年际乐队从2到8年。最后,频率的变化和气候变化下的严重程度进行评估通过干旱期分析。整体功能未来干旱的增加趋势(大约6%)的频率和严重程度的干旱在旱季(即。,从10月到5月)气候变化。

1。介绍

存在一定程度的时间尺度气候变化,洪水和干旱和极端降水与可变性。气候变化的特点是气候系统的慢变化振荡可以修改水文极端事件的可能性。加上气候变化,气候变化被认为是另一个潜在的动力修改水文循环(1- - - - - -3]。气候变化是指任何长期显著改变预期的平均天气模式在一个特定地区(4]。广泛承认,极端水文事件的频率和大小可以调节增强气候变化受气候变化(1,3,5]。根据降水展望基于气候变化的情况下(4),温室气体浓度增加可能会引发不同模式下大雨,极端干旱,大雪在一些地区(6]。

近几十年来,极端干旱事件似乎越来越多的频率在许多国家(7- - - - - -10]。一个特定的水文变量的频率,尤其是不应该独立于对待频率的产生机制1,3,11,12]。有证据表明干旱的时空组织的带宽有限和quasi-oscillatory变化,看到厄尔尼诺-南方涛动的。韩国的降雨数据展示长记忆或政权quasi-oscillatory行为可能来自低频太平洋和印度洋气候模式(1]。这些低频气候模式之间的联系和降雨量在韩国已经被几位研究人员指出1,13,14]。

研究干旱的变化和趋势,Kwon和月亮(15采用小波变换(WT)分析方法和评估其水文时间序列的适用性。Kwon和月亮(16]调查之间的远程并置对比厄尔尼诺/ La Nina-Southern振荡(ENSO)指数和帕尔默干旱强度指数(PDSI)低频调制。他们利用交叉小波变换和多通道奇异谱分析(MSSA)作为时间序列的分解的主要工具。金(17]分析了降水的变化在加州,美国通过WT, Yoon et al。18)评估重大历史干旱事件的持续时间根据每个地区每个时间的干旱指数。金等。19应用一种非参数Mann-Kendall(可)统计趋势检验在韩国为代表流域SPI。

韩国已经被联合国定为一个国家遭受超过中度缺水。的确,韩国经历了更频繁,极端的干旱和水灾将自1990年代末(20.),和干旱风险可能会增加在二十一世纪由于气候变化(6,21]。此外,韩国非常容易受到干旱,因为大部分的韩国与广泛的人口稠密的城市土地利用变化,因此气象灾害与增强干旱将变得更加严重。针对上述情况,本研究的主要目的是首先理解观察到的变化在干旱和进一步研究干旱和气候变化之间的关系。在这项研究中,我们分析的统计特性过去在韩国发生的干旱和未来干旱的变化模式使用SPI作为代表气象干旱指数。可和WT作为主要工具描述干旱的趋势和变化。在过去,傅里叶变换(FT)已被广泛地用于分解和分析气候时间序列数据。潜在的这种类型的表示信号假定气候过程是静止的,线性的,振荡动力学和固定振幅和阶段噪声嵌入在一个简短的记忆过程。然而,许多hydroclimatological过程展示强大的非平稳和非线性动力学22- - - - - -24]。因此,采用固定的和线性的假设和英国《金融时报》的使用可能不合适的理解底层动力学(25]。WT分析允许频率分解信号的时变振幅和阶段考虑非线性振荡动力学,这可以说是更有用的理解气候变化在时间和空间上。一如和混合涂料26]介绍了各种WT与ENSO时间序列分析方法使用他们的应用程序的方法。此外,Grinsted et al。27应用交叉小波变换和小波相干分析方法更好地为各种时间序列分析潜在可变性。最后,本研究调查了干旱变化的程度和发生频率在韩国五大流域进行了分析。我们的研究结果有可能改善水资源管理在这一地区通过强调管理决策,帮助减少易受干旱和其他危机与气候变化有关。

简要总结本研究的主要概念,提出了在这一节中。部分2描述了数据集用于调查的干旱。可测试的相关理论方面和WT分析介绍了部分3。的变化趋势、周期的研究和频率下的干旱气候变化中所描述的部分4。部分5包括一个讨论和结论。

2。数据

2.1。流域和气候数据

本研究的目的是分析干旱变化的五大流域(即在韩国。、汉江流域Nakdong河,河长今,Seomjin河和Yeongsan河)。对于这个研究,主数据每日的朝鲜半岛,降水水平和数据积累每月SPI的分析。在第一个方面,77个气象站的由韩国气象局(KMA),我们选择54站直接与干旱相关的模式和长期可靠的数据是现成的(参见图1)。剩下的23个站被排除在外,因为天气数据记录覆盖不到30年的时间。每个网站都有不同的记录,并且没有缺失值。记录期间的降水数据分析扩展了从1976年到2010年,在此期间完整记录在每个车站是可用的。Thiessen和逆距离权重(IDW)都是最简单的常用的方法估算区域降雨。然而,Thiessen经常在多边形边界提供了难以置信的突变。因此,这些系列是用于估计区域降雨,使用IDW方法。第二,区域每月用于推导出三个月降雨量SPI为每个分水岭。实际降雨量数据,从1976年到2010年,使用与降水模拟从1976年到2099年预计的四个模型。图1(一)显示了用于计算的气象站SPI。在图1 (b),蓝色区域代表20中型流域朝鲜半岛和显示五大河流流域的分析研究。表1和2显示信息气象站和代表性的分水岭。汉江流域,Nakdong河,河长今,Seomjin河,河Yeongsan占的面积大约有68%的韩国。

2.2。全球大气环流模型和降尺度

四个模型(即。,CNRM-CM3, CSRIRO-MK3, CONS-ECHOG, and UKMO-HADCM) for the worst case climate change scenario from the IPCC GCM studies are described in Table3。

这个模型被用来复制历史气候模型,理解气候机制,并生成预测和预测的远程并置对比和海洋表面温度的年际变化,等等。全球大气环流模型一直声称对长期气候变化预测[有用28,29日)以及短期季节性预测(2,30.- - - - - -33),尽管这些经常使用某种类型的动力或统计降尺度技术。GCM-based分析受到大气动力学的理解尺度大于2度经度和纬度,从而使用降尺度模型复制底层物理可以引起更好的分析更精细的空间和时间尺度上(34]。具体来说,每日降水数据产生重大变化,独特的非高斯,表现出相对复杂的时空依赖性(35,无法轻易来源于大气动力学方程(34]。解决这些局限性,主要有两种方法来缩减规模气候模型输出:统计降尺度和使用区域气候模型动态缩小规模(RCM)。这不是技术上可行操作动态缩小规模所需的空间和时间分辨率,由于计算负载从多个模型。此外,它已经从rcm承认降水模拟仍有偏见由于有限的区域气候过程的理解。因此,统计后处理与偏差纠正之前通常需要用于气候影响评价(36- - - - - -42]。这种固有的复杂性导致统计降尺度模型的开发与气候变量综观大气模式(例如,32,33,35])。这些GCM模拟区域规模的缩小规模通常是用于水文气候影响研究和结果偏差纠正信息在当地范围内气候变化(例如,36,43- - - - - -46])。在这项研究中,一种混合时空缩小规模基于传递函数和天气发生器的应用。人们可能期望偏差纠正月降水的直接使用没有时间缩小规模,但是变化的预测极端降雨可能仍然被低估。因此,本研究使用缩减规模的月度降水数据聚合每日降水时间序列,以更好地评估干旱风险的变化。

的空间偏差纠正GCMs 54气象站,传递函数方法基于周期平稳经验正交函数(CSEOF) [47)和多元线性回归方法,以及大面积和网站之间的统计关系计算表面气候(如降水和温度)。已经承认CSEOF分析提供了重要的优势eof(经验正交函数)在处理信号调制等年度周期和ENSO信号(48]。换句话说,CSEOF代表完整的时空演化的知名气候信号(如季节性周期,著名的动力学振荡,以及因进化)循环一段时间(48]。时间缩小规模,天气生成器(WXGEN) [49- - - - - -51)被用来缩减规模每月日常沉淀沉淀。开发的WXGEN理查森(52]包含一阶马尔可夫过程的流程模拟降雨事件的过程,利用模拟降雨量的倾斜的正态分布。众多随机天气生成器、WXGEN是一个更全面的方案,允许同时代每日降水、最高温度、最低温度,相对湿度,风速,以及其他因素,根据观察到的气候变量的统计数据(53]。WXGEN嵌入在斯瓦特(54)已广泛应用于一些研究产生缺失的天气数据(55- - - - - -57和气候变化的情况下58- - - - - -60]。WXGEN基于一阶马尔可夫链模型来模拟日常降水出现,然后沉淀量产生的伽马分布等非高斯分布。WXGEN中的参数包括月度频率序列湿和干燥的天,(即统计时刻。,mean, standard deviation, and skewness) of monthly precipitation, daily air temperature, and daily solar radiation. The WXGEN uses a multivariate stochastic model to simulate maximum and minimum temperature and solar radiation. The time series is first normalized by monthly means and standard deviation. The anomaly series can be written as follows: 在哪里是一个矩阵的一天每年的的元素是最高温度的异常(),最低温度()和太阳辐射()。是一个矩阵正态分布随机变量均值为零,方差的团结,和和是矩阵的元素定义,以便观察互关联复制。这里,每日的天气变量值模拟乘以每月的标准偏差的异常,然后添加每月意味着61年]。有关详细信息,请参考以前的出版物(49- - - - - -51,55- - - - - -60]。再次注意,随后的分析是基于月度降水数据聚合的缩减规模每日降水时间序列。

2.3。标准化降水指数

在这项研究中,我们使用了一个SPI来评估未来干旱的时空特征和具体目标来评估潜在的气象干旱风险而不是水文干旱风险考虑供水的能力,更好地突出需要特定的设施提供水源。麦基et al。62年,63年)开发的标准化降水指数(SPI)为目的的定义和监控降水赤字在多个时间尺度。SPI是一个简单的指数计算从长期记录(至少30年)的个人气象站降水。数据第一次安装两个参数γ分布和归一化到一个灵活的多时间尺度。伽马分布的形状和尺度参数估计对于每一个站,对于每个感兴趣的时间尺度(),今年每个月。SPI是适合干旱风险的风险管理和可以提供早期预警和严重程度,因为它可以显式地指定该信息为每个地球物理位置。

计算SPI,伽马分布需要转换为标准正态随机变量的平均值为零,方差一个SPI的价值。托姆(64年)发现伽马分布非常适合适合月降水时间序列。使用shape-scaleγ概率密度函数的参数 在哪里是一个形状因子,是一个比例因子,降水量。γ函数,定义为 拟合伽马分布的数据需要估计参数,本研究使用最大似然方法提出了托姆(64年]: 在哪里是降水观测的数量。

所得的参数用于确定一个观测降水事件的累积概率给定月和时间尺度: 替换为成为一个不完整的γ函数,方程。由于γ函数没有定义和降水分布可能有很多零,累积概率密度函数可以写成: 在哪里零降水的概率,概率仅仅是估计比0的数量在时间序列数据的总数65年),和累积概率估计使用不完整的γ。累积概率,,然后将标准高斯分布以伽马分布的概率转换成正常的随机变量平均值为零,方差一个,SPI的价值。这可以被看作是一种等概率的映射方法允许我们保留的基本统计特性伽马分布的变量转换为标准正态分布的变量(66年),如图2。换句话说,首先转化为降水均匀分布值(通过安装伽马CDF),然后将这些统一的价值观转化为正态分布的数据通过使用正常的累积分布函数的倒数。标准化异常最终计算结果有平均零和一个标准差,转换是在Matlab中实现。虚线红线和蓝线在图的左边2显示安装的累积概率伽玛分布和累积的经验累积密度函数三个月降水首尔站1976 - 2010年期间,分别。右边的虚线红线图2表示标准正态随机变量的累积概率(或SPI值)使用相同的安装伽马分布的累积概率规模图的左边。在这项研究中,这个转换过程被用来将一个给定的三个月降水SPI值。

麦基et al。62年]提出分类SPI到极端,严重,和温和的国家对湿和干燥的条件如表所示4。这种分类已经采用KMA(韩国气象厅),利用SPI正式定义的严重程度和频率降水赤字。在这项研究中,我们使用三个月SPI,这是计算每月移动窗口的三个月,降雨的求和每月的窗口。

3所示。方法

在这项研究中,WT和可测试用于确定干旱系列和进一步检查可能改变干旱和气候变化之间的关系。上述方法的简要描述在下一节中提供。

3.1。Mann-Kendall趋势检验

在这项研究中,使用的可测试参数的线性回归模型来分析干旱模式将发生重大变革。的目的Mann-Kendall(可)测试67年- - - - - -69年)是统计评估如果有单调感兴趣的变量随时间变化的趋势。单调趋势表明变量不断增加(或减少)随着时间的推移,但这一趋势可能是线性的或非线性的。线性回归模型的残差假定正态分布,可测试的假设不是必需的。换句话说,可测试是一种非参数(传播变为免费)测试。这rank-based测试是理想的nonnormality水文变量(例如,降水和放电)。如果检验统计量是明显不同于零,零假设()没有单调趋势是拒绝和接受备择假设()单调趋势,反之亦然70年]。可测试进行如下。首先,确定所有的迹象可能的差异,在那里。其次,计算可统计如下: 在哪里连续的数据值,是总数的数据点集,然后呢,一个指标函数,定义为 如果是一个积极的价值,观察获得在时间往往比观察早些时候,反之亦然。当大于8日统计大约是正态分布,意味着什么。第三,计算可统计的方差如下: 第四,标准化的可统计最后计算如下: 如果零假设()被拒绝,一个显著的趋势存在于时间序列。的临界值对于一个价值标准正态分布的0.05和0.1是1.96和1.645,分别。

3.2。小波变换分析

改变一个分布的方差将产生更大影响的频率比的改变意味着极端71年,72年]。WT-based时间序列分析是用来研究变化的变化分布和确定的时间和空间两方面干旱。WT方法已广泛应用于地球物理时间序列分析在过去的十年(73年]。我们总结的WT分析一如和混合涂料26]。小波是指集的函数形式,集函数由一个函数的膨胀和翻译,,称为母小波。连续实时WT的系列被定义为(74年] 在哪里小波频谱,是小波函数,()表示复杂的共轭,翻译(转变)参数,尺度参数。

通过本地化小波函数和计算系数,可以检查的行为附近。提出了不同的小波函数(26,75年]。在这项研究中,使用Morlet小波,被定义为,在那里是频率。Morlet小波是一个很好的选择,因为它提供了一个良好的平衡时间和频率定位(27]。为了估计连续小波变换,一个次的卷积函数所示(11)对于每一个量表,进行是在时间序列的数量(76年]。数值,我们能够估计小波功率谱在傅里叶空间中,在一个给定的点,使用离散傅里叶变换()(26]。换句话说,通过选择点,卷积定理允许我们做所有旋转同时在傅里叶空间,这样估计的要快得多。离散傅里叶变换可以写成 在哪里是频率指数。

在一个连续的极限,函数的傅里叶变换是由。根据小波变换的卷积定理,是产品的傅里叶反变换: 信息小波功率谱可以解释在每个时间和规模。time-integrated方差的能量系数在每个规模介绍确定全球小波功率(26]: 另一种方式来解释小波功率谱中的信息在每个时间和规模是规模集成能量系数的方差随时间变化来计算平均规模小波功率(SAWP) 是重建系数和为每个小波函数是一个常数。和在平均发生的尺度。和分别平均规模系数和采样周期。

小波变换可以重建原始时间序列使用反褶积或逆滤波器,因为它是一个带通滤波器与一个已知的小波函数。重建可以估计时间序列之和的实部对所有尺度小波变换: 的因素消除了能源比例,而把小波变换转换为能量密度。和平均规模系数和采样周期。的因素是一个常数(如0.776 Morlet小波)和来自于重建的使用小波函数的小波变换函数(例如,Morlet小波)。

4所示。结果

4.1。缩减规模的评估气候变化的场景

科学关注影响评估在水文研究气候变化与温室气体浓度预测的不确定性。甚至选择相关的温室气体排放场景可能为未来的投影是一个问题,这可能产生各种不确定性77年]。有四个气候变化研究的不确定性的来源。第一个问题是气候变化与选择相关的不确定性的场景。第二个问题是有限的能力GCM的繁殖未来气候模型基于所选择的发射情况。第三是偏见的结果的统计降尺度方法。此外,模型输出的偏差必须被视为cgm的限制。一些错误的投影相关未来hydroclimatic极端使用模型(46]。本研究使用多个模型,减少偏见,为了更好的描述不确定性的调查干旱气候变化下的可变性。

首先,我们试着向自己保证,这个模型的模拟降水也有类似的统计特性,观察到的降水。在这方面,模拟数据的统计特性与首尔气象站观测的历史时期。年度最高降水量、年均降水量和年度最低降雨量也比较。WXGEN性能的评估是基于与观测数据进行比较。例如,统计假设测试(例如,以及和以及)被用来确定观察和模拟数据的均值和方差明显不同,分别为(78年]。可以看出,模拟数据明显接近观测值,显著性水平为0.05%。

结果表明,模拟的年平均降水量和年度最低降水的四个模型非常类似于观察到的,而年度最高降水量,而低估了,这表明模拟未来降水可能导致偏见大约20 ~ 40毫米干旱变化的分析。然而,偏差相比相对较小的年降水量(约1250毫米)这样的偏见的影响在本研究相当有限。低估的低估可能是由于typhoon-driven极端降雨在全球大气环流模型的模拟过程79年]。一些不同的模拟降水在全球大气环流模型识别和这些可能是由于不同的气候动力学、网格分辨率和物理和参数化过程(44]。此外,分析了GCM的季节性周期的月度时期五大流域的行为。降水气候学是观测数据分析和比较基准时期(1976 - 2010)如图3。由于空间的限制,我们只显示结果为汉江和Nakdong河分水岭。作为显示在图3,估计季节性周期几乎相同的观察,有一些小差异在夏天季节。学生的以及和以及也被用来估计均值和方差的显著差异;年度周期明显接近观测值,显著性水平为0.05%。

4.2。空间分布趋势的干旱

可统计估计来确定在每个车站长期干旱的趋势。前面提到的干旱指数在这项研究中的应用是基于观察和GCM降水的三个月的SPI。整个分析周期跨越了1976 - 2099年,第一批37年(历史:1976 - 2010)和剩余的时期(2011 - 2099)被迫由代表浓度路径场景(例如,RCP 8.5)。朝鲜半岛四个全球大气环流模型是缩减规模在南域统计降尺度模型。每月SPI是重新分析季节性干旱趋势,分为弹簧(高于3),夏季(6),秋季(9)和冬季(型号)。时间趋势的SPI测试α= 0.05,α= 0.10显著性水平和这些趋势是使用Thiessen空间插值方法更好地代表的空间分布趋势。SPI时序的空间分布趋势图所示4。注意,SPI时报系列的积极趋势表明润湿(即。,upward), meaning that occurrence of drought is likely to be less frequent while the negative trend indicates the drying (i.e., downward) trend.

观察到的历史SPI显示明显的干燥的趋势在所有的水域在春季和大部分地区在冬季较低的分水岭。在夏天,没有明显的干燥的趋势上下分水岭(+ 0.010 ~ 0.027 /年),除了一个重要的干燥的趋势在中间的一小部分水域(≤−0.02 /年)。在秋天,SPI显示显著的润湿趋势在流域的大部分地区,这表明降水的增加主要在韩国半岛。这些润湿趋势可能与月降水量的变化时机月高峰时期韩国大部分地区不断向后移动从7月初到8月初在最近时期(13,14]。特别是,冬季和春季干旱会导致极端干旱在春天带来严重问题在韩国在农业种植。关于这一点,这将是重要的研究的变化在旱季干旱气候变化。

在韩国的模拟时间演化SPI-3揭示了一个广泛的全球大气环流模型(图4)。在春天,CSIRO-MK3 UKMO-HADCM显示明显的干燥趋势在所有的水域。这些模式类似于观察历史的SPI。另一方面,CNRM-CM3和CONS-ECHOG表明润湿趋势在所有的水域在10%的显著性水平。在冬天,三个模型显示重要的流域的大部分地区干燥的趋势,这可能会导致严重的春季干旱。在夏天,没有明显的干燥的趋势在流域的大部分地区,只有缺点:ECOHG显示明显的干燥的趋势。考虑到仿真结果,该地区受干旱影响通过21世纪可能增加在旱季(例如,春季和冬季)可能会加剧脆弱性在韩国水资源管理。

4.3。多尺度分析的干旱

这个会议的一个主要问题是理解与干旱相关的低频模式下可能会改变在未来气候变化。探讨了这个问题通过比较全球小波功率时间序列(GWP)。首先,我们应用WT的SPI来源于缩减规模月降水空间平均为四GCM数据集在过去的时期,1976 - 2010(标记为S0),和三个未来的时期,2011年到2040年(标记为S1), 2041年到2070年(S2),和2071年到2100年(S3)。数据5- - - - - -6显示GWP,设在表示周期(年)设在表明小波功率谱。所有的分析采用Morlet小波和补零,和95%的信心限制小波振幅对应于一个零假设的红噪音也说明在每个数据26]。一个通常需要选择一个合适的背景光谱为小波光谱为了确定重要性水平。已经承认,一个适当的背景光谱地球物理现象是红色的噪音增加与减少的特征频率。如果在上面的小波功率谱峰值这个背景光谱,那么它就可以被认为是一个真正的频率与一定比例的信心(26]。注意,GWP的SPI S0基地场景建模输出来自全球大气环流模型,而不是从观测数据。图中这里,S0时期由红线表示组成的圆圈,S1时期绿线,由一条青色S2时期,S3的粉色线三角形。

在汉江流域,光谱在S1, S2和S3降低分数差异归因于减少年际乐队CSIRO-MK3从2年到八年,UKMO-HADCM, CNRM-CM3。唯一可行的频率从30年数据是大约10年,给定记录的长度三分之一的时间序列,所以目前尚不清楚,应该直接附加意义这些差异和模型。强大的光谱识别CNRM-CM3大约20年,CSIRO-MK3, UKMO-HADCM,可能与SPI系列的趋势。鉴于频谱分析的结果,与降水年际变化可能会减少。年际变化的减少会导致减少长期记忆和增加气候系统的随机性,这可能会降低远程并置对比为基础的预测系统的有效性。

注意,我们不包括Nakdong河流域的结果因为频谱结构是几乎相同的汉江流域(在本研究中未显示)。同样,Seomjin河流域的结果不包括Yeongsan河流域。相反,长今河流域的结果只显示为代表的分水岭。在长今河流域为例,重要的山峰与4 - 8年在全球功率谱S0很明显,表明存在一个年际变化在过去几年中。同样在汉江流域,光谱在S1, S2和S3减少方差在年际乐队从2到8年CNRM-CM3, UKMO-HADCM, CONS-ECHOG。再一次,一个强大的光谱识别大约20年大部分的全球大气环流模型,除了CONS-ECHOG可能与趋势。似乎与干旱相关的年际变化可能会减少在汉江流域表示。

4.4。干旱的频率和严重程度

我们检查了严重性和频率的空间分布在干燥阶段(−1.5≤SPI)主要江河流域。通过干旱这些分析进行分析,旨在分析发生的频率的变化和干旱的严重程度。干旱分析有助于理解动力学干旱的可能性(80年]。分析周期是由两部分组成:首先,从1976年到2010年,代表过去干旱;第二从2011年到2099年,推测未来的干旱。图7显示了频率的空间分布严重干燥阶段和三个月的SPI不到−1.5。注意,这里使用的SPI系列计算从缩减规模月降水来源于混合时空的降尺度模型使用四个模型作为输入。干旱法术使用观测数据分析发现,严重干旱的频率高Nakdong河流域(7.30%)、Seomjin河流域(7.65%),和Yeongsan河流域(7.43%),位于朝鲜半岛的南部。总的来说,未来的严重干旱频率显示气候变化下倾向于随时间减少。换句话说,未来的预测,平均四个GCM模式,表明严重干旱的频率低于观察过去,有10.68%(汉水),26.66% (Nakdong河),28.81%(长今河),38.12% (Seomjin河)和40.97% (Yeongsan河),分别。

严重干旱的频率变化的四个模型相比历史干旱数据表进行了总结5。在四个模型,CNRM:立方厘米显示严重干旱的最低频率,而频率的缺点:ECHOG是最高的。特别是,汉江流域干旱频率的缺点:ECHOG显示,7.26%为未来的预测,这是高于过去的估计。的总体频率的严重干旱的观察Nakdong流域减少四个模型;然而,增加部分地区严重干旱的频率Nakdong河流域被确认。

本研究评估气候变化对干旱的影响严重程度在韩国。首先,平均干旱强度分析,根据观察到的SPI,表明Nakdong河流域严重程度相对较高,Seomjin河流域和Yeongsan河流域,严重干旱的频率高于其他水域。此外,发现平均不到严重性−2.0所示Nakdong河流域位于东部地区(例如,Hyeongsan河−2.01,泰华河−2.03,和Hoeya / Sooyeong−2.01)和南部Yeongsan河(−2.01),总结如表6。

其次,本研究调查的空间模式的平均程度严重干燥阶段估计三个月SPI小于或等于−1.5,如图8。未来干旱严重程度低于平均−2.0可能会发生在大多数盆地在气候变化的情况下根据这个模型,和对未来的严重干旱的总体特征显示气候变化下倾向于随时间增加,导致更高的风险加剧的汉江流域干旱(8.09%)、Nakdong流域(5.27%),长今河流域(7.85%)、Seomjin流域(4.91%),和Yeongsan流域(3.01%)。上述Nakdong流域是一个脆弱的干旱地区在过去的干旱的频率和严重程度,和这些特性可能会影响未来的干旱。

5。结论

气候变化将改变水文模式、频率和强度的干旱,导致更多的旱灾灾害,因此开发一个更好的评估策略的重要性相关的气候变化对极端干旱的影响。这一努力将使我们主动做出回应,为政策制定者提供政策分析和建议。在这方面,本研究的主要目标是评估干旱的空间分布变化的频率和严重程度在气候变化下,使用IPCC GCM模拟五大流域,韩国。这里,我们利用一个Mann-Kendall(可)趋势检验和小波变换分析评估可能的干旱预测的变化。本研究的主要贡献是干旱的建议模式分析低频耦合问题。应用程序在韩国五大分水岭是插图表明气候变化会导致干旱的变化。以下主要结论。(1)模拟的年平均降水量和年度最低降水从1976 - 2010年四个模型,相当于一个基线时期,非常类似于观察到的。生成每月的均值和方差的降水明显接近观测值,通过学生的以及和以及0.05%的显著性水平。然而,一些差异在夏季降水季节被确定,这些可能是由于排除typhoon-driven极端事件在全球大气环流模型的模拟过程。温度一直预计将增加在未来的气候变化情况下显示四个模型在韩国。结果表明,旱季降雨(例如,春季和冬季)将下降,而雨季降雨(例如,夏天和秋天)将斜坡下个世纪。这表明,季节性的变化可能是增强在韩国受到气候变暖。(2)采用Mann-Kendall方法确定在五大流域干旱的趋势。观察到的历史SPI显示显著的干燥的趋势(即。,negative trends) in all the watersheds during spring and most parts of the lower watershed during winter. In fall, the SPI showed significant wetting trends (i.e., positive trends) in most parts of the watersheds, and these wetting trends may be related to changes in timing of monthly rainfall, with monthly peak times of most parts of Korea continuously moved backward from early July to early August in recent periods. The simulated temporal evolution of SPI during the winter showed significant drying trends in most parts of the watersheds, while the simulated SPI during the spring showed a somewhat different feature in the GCMs. Given the simulated results, overall, a spring drought is likely to be intensified under climate change, and the area affected by the spring drought is likely to increase through the 21st century which may lead to extreme dry conditions during the agricultural planting in South Korea.(3)本研究探讨与干旱相关的低频模式通过比较全球时间序列的小波功率,显著性检验。显著峰值与2 - 8年在全球功率谱很明显大部分水域,指示的存在年际变化在过去几年中。未来光谱减少部分归因于减少方差年际乐队从2到8年。年际变化的减少会导致减少长期记忆和增加气候系统的随机性,这可能会降低远程并置对比为基础的预测系统的有效性。与他人的结果是一致的,表明气候系统的随机性会增加气候变暖(下81年- - - - - -83年]。(4)最后,频率的变化和气候变化下的严重程度进行评估通过干旱期分析。结果表明,预计SPI被发现为轻度和中度干旱情况下频率下降。然而,在严重干旱的情况下不到−2.0,发现频率略有增加随着时间的推移在大多数气候变化下流域。未来干旱的总体特征表现出倾向于减少频率和严重程度随着时间的增加在气候变化,导致干旱加剧损失的风险更高。

本研究调查潜在使用multimodel模拟干旱变化特征。读者应该注意的一些问题关于模型的不确定性和假设。事实上,不确定性所使用的场景是一个重要的影响预计干旱的变化。尽管使用尖端的气候模拟联合国政府间气候变化专门委员会的气候模型,它仍然无法重现历史极端(干旱和洪水)与自然气候变化有关。气候模型解决的重要性提高繁殖在东亚气候动力学在大面积的报道(例如,84年,85年])。因此,动力降尺度系统利用区域气候模型(rcm)将在韩国有用可靠的气候变化研究。然而,高分辨率区域气候模型为韩国整体系统不可用。如果利用RCM整体模拟,极端气候预测的不确定性将降低。我们正在进行的研究侧重于利用RCM更好地了解未来干旱水资源管理。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项研究受到了格兰特(15 awmp-b079625-02)从水资源管理研究项目由土地、基础设施和运输的韩国政府。