文摘

气候变化可能在全球范围内加速水循环,从而导致更频繁的极端气候事件。本研究分析了极端降水事件的变化采用气候预测统计在韩国station-space规模缩减规模。CMIP5气候预测中,空间分辨率的基础上,本研究选择26气候预测提供每日沉淀下代表浓度4.5通路(RCP)。结果表明,20年重现期的降水事件的引用期间(1980∼2005)对应于2011年到2040年的16.6岁,14.1年为2041年到2070年,2071年和12.8年到2100年,表明更频繁的极端最大程度上的每日降水可能发生在未来。此外,我们发现未来时间的概率密度函数所在的10%置信区间的PDF格式参考。结果表明,参考气候下的设计标准不设法应对气候变化,并相应地设计标准的修订需要改善基础设施的可持续发展。

1。介绍

水循环的变化所造成的气候变化导致水文时空变化和生态系统。虽然气候模型提供必要的信息来评估气候变化的影响在全球范围内,直接应用气候预测有固有的问题由于粗分辨率(∼100公里),导致难以捕捉在地区或当地气候特征尺度。因此,降尺度技术的一个应用程序是准确完整的气候变化研究的先决条件在当地规模。以来,此外,相当大的气候预测的不确定性,造成不同的动态系统,网格的大小,和物理参数化过程,很多研究关注量化气候变化的不确定性场景在气候变化影响评估1- - - - - -4]。

一个方法被应用于处理不确定性在气候的场景,因为一个特定的场景中不能代表所有可能的未来气候条件(5,6]。然而,它仍然是可疑的气候变化影响评估场景需要包括捕捉未来的气候变化。大多数研究基于性能选择合适的场景再现历史气候。然而,它有局限性,表现在历史时期不能保证一致的性能在未来期间(7]。IPCC(政府间气候变化小组)的报告显示,使用尽可能多的气候情景在气候变化评估(8]。换句话说,使用多个场景在气候变化影响评估可能考虑的不确定性。因此,利用多模型集合(MME)一直在增加捕捉多个模型预测的气候变化可能(9- - - - - -11]。

先前的研究已经评估了极端降水变化,表明韩国有望成为更容易受到洪水灾害由于严重的极端事件的概率的增加在未来12,13]。唱et al。13)发现在极端降水频率总体增加韩国与气候变化。根据(13];特别是,每日极端降水与20年重现期参考气候从1980年到2005年期间可能发生大约每4.3和3.4年年底21世纪(2070∼2099)雇佣HadGEM3-RA基于RCP的4.5和8.5。安et al。14)建议multi-RCMs可以用来降低不确定性和评估未来变化的极端降水更可靠。根据(14),50年的返回值将改变从−−32.69%到72.7%和31.6%到96.32%在21世纪中叶,从−−31.97%到86.25%和19.45%到134.88%在late-21st世纪RCP 4.5和8.5场景。Im et al。15)建议返回水平变化的年度最大降水区域气候模型表明今天的频率增加20 - 50年极端降水事件。先前的研究预计未来过极端降雨产生的与一个或多个模型动态缩小规模。

一般来说,评估未来的极端事件的变化需要高分辨率气候变化场景,是由动态或统计降尺度方法。尤其是在韩国,应该实现空间缩小规模,因为韩国是高度依赖于地形气候,由于大部分山区。动态缩小规模利用考虑气候系统之间的交互,气候变化的非平稳,时间和空间相关性的变量可以被解释为地球系统的物理过程(13,16- - - - - -19]。然而,动态降尺度技术需要一个巨大的计算设备和训练有素的专家。另一方面,统计降尺度直接包含气候模型的模拟和观测数据之间的相关性算法。因此,统计降尺度技术廉价适用于低分辨率转换成高分辨率。虽然统计降尺度限制,它假定气候过程的平稳性,统计降尺度方法积极应用于生成高分辨率区域气候预测(20.- - - - - -25]。最近NEX-GDDP (NASA地球交易所全球每日缩减规模预测)和DCHP(缩减规模CMIP3和CMIP5气候和水文预测)应用偏差纠正/空间解集(BCSD) [25)气候变化影响评估当地的尺度。Abatzoglou和棕色(20.]提出多元自适应构造类似物(玛咖)改善气候事件的巧合。汉堡等。21]提出去趋势分位数映射(DQM)和(24)应用空间崩溃/分位数三角洲映射(SD-QDM)保持的长期趋势是受气候模型。

有限制建立适应和应对气候变化是由于不同的信息由每个气候变化模型,物理过程和决议。此外,极端值与大的不确定性,这样是不明智的使用频率统计分析的结果用天真的气候变化的场景。因此,在这项研究中,我们应用降尺度保留长期趋势的气候模型4.5 26 RCP场景和预计的变化极端precipitation-the 20年年度最大程度上的每日的降雨量韩国和返回值估计和置信区间的不确定性。

2。数据和方法

2.1。过程

在这项研究中,我们使用的居里夫人,它结合了多模型结果,项目在韩国极端降水(图的变化1)。采用每日CMIP5 26日降水气候预测缩减规模由三个统计降尺度方法,我们收集了年度最大程度上的每日降水。然后,我们估计的频率和大小使用广义极值(GEV)极端降水分布参考段(1980∼2005)三个30年以后各期(Future1: 2011∼2040 Future2: 2041∼2070年和Future3: 2071∼2100)。

2.2。气候变化的场景

场景应该考虑之间的不确定性,自适应策略不同取决于一个特定的场景被选中(26]。气候变化情景模拟不同由于不同的动力学模型和网格大小和参数化过程。因此,使用一个单一的模型可能会导致偏见,因此有必要考虑使用GCM结果的不确定性。作为替代,居里夫人一直在增加。耦合模型相互比较项目(生产商)始于1995年,比较各种气候模型。在生产商阶段5 (CMIP5), 4代表浓度通路(RCP)提出了考虑经济增长,工业化和恢复技术。在这项研究中,我们使用了RCP 4.5情况下,温室气体减排的政策是非常可观的。RCP 4.5是一个稳定的场景的辐射强迫4.5 W·m⁻²2100年不超过这个值。表1显示了26个模型选择在前面的气候变化研究(24,27按照降序排列的空间分辨率,网格点收集在E119°-135°和N29°-43°。使用每个GCM气候预测的网格点,我们三个统计降尺度方法应用于缩减到自动化天气观测系统(ASOS)站在图2。

2.3。统计降尺度

在这个研究中,使用三种统计降尺度方法。第一个方法本研究中使用的空间崩溃/分位数映射(SDQM),等于每日BCSD [20.]。该方法建议为了克服现有典型方法的缺点,BCSD,它可能会失去在气候模型驱动的日常测序的气候特征。此外,空间崩溃/去趋势分位数(SD-DQM)和空间解集映射/分位数三角洲映射(SD-QDM)也适用于保护GCM-driven长期趋势。更具体的解释和引用如下所示。

2.3.1。空间崩溃/分位数映射(SDQM)

BCSD最初开发简化GCM的信息在月度规模、区域气候数据和时间解集技术应用于生成bias-corrected每日气候数据(25]。因此,它可能会失去在气候模型驱动的日常测序的气候特征。因此,每天BCSD已经应用不仅避免时间崩溃过程,而且保护气候模型驱动每日测序将累积密度函数(CDFs)的日常气候数据20.,28]。在日常BCSD,气候信息的空间解集是首先由逆距离加权插值(29日)的平方距离GCM网格和观测点加权成反比。然后,执行偏差纠正使用分位数三角洲算法方程所示(1)使用经验CDFs制定日常气候数据在一个移动的窗口,以反映该地区的季节性。设计和大炮24)测试不同半角的移动窗口,例如,15日,30日,90年,180天,调查移动窗口选择极端气候指数的影响。研究表明,15天移动窗口反映韩国更好的季节性气候指数。因此,本研究也采用相同的移动窗口(15 d)分位数的映射方法。例如,当降尺度1月1日,密度函数是由观察和GCM数据从12月15日到1月16日,这是应用于方程(1纠正偏差。在这项研究中,每日BCSD应用并将称为SDQM。 在哪里和代表偏差纠正之前和之后的值 ,分别表示过去时间的累积密度函数生成的全球模型,和代表累积密度函数的逆函数的观测数据。对方程(1),是投影,是过去的时期,是全球模型,是观察。

2.3.2。长期趋势保持降尺度方法

极端值之外的一系列历史数据需要在SDQM外推。设计和大炮24)使用耿贝尔分布估计bias-corrected值被用来评估极端洪水事件,韩国由于简单估计参数。本研究也用相同的方法来推断值范围之外的历史。气候数据与GCM-driven长期趋势(增加或减少),如温度、更多的极端事件可能发生,并相应地实现了更频繁的外推,这可能引起大量失真GCM-driven气候信号的方差通货膨胀(24,30.,31日]。汉堡等。21)提出了去趋势分位数映射(DQM)气候预测的方法,消除长期趋势外推法的频率降到最低。虽然DQM可以直接考虑每月平均的长期趋势,它不能考虑极端值的长期趋势。大炮et al。22)提出了分位数三角洲映射(QDM)旨在保护绝对或相对所有分位数的变化。在[24),本研究应用SD-QDM结合每日BCSD和QDM生产缩减规模气候预测在韩国。可以找到更多细节SD-QDM (24]。CMIP5历史来看是模拟,直到2005年和未来气候情景模拟从2006年到2100年被迫rcp。因此,本研究参考时期从1976年到2005年。未来时期,SD-QDM申请总共30年从15年之前到14年之后一定年限内考虑逐步变化的分位数之间的引用和以后各期负担的费用。例如,当QDM申请2006年,引用时期从1976年到2005年,和未来时期从1991年到2020年。

2.4。频率分析

一般来说,如果某个降水期间平均等于或超过一次年,据说重现期 。返回时间的倒数是一个超过数概率( )事件的发生在一定年限内:

GEV分布函数通常用于估计nonexceedance极端事件的概率,因为GEV的上尾分布适用于代表极端事件。GEV分布已被用于描述观察到的极端概率或GCM模拟水文气象变量(32- - - - - -34,因为有很多证据表明,水文变量的分布有沉重的尾巴。尽管很难确定从只有一个网站,除非记录相对较长,年度最大降水的分布数量似乎一直有一个沉重的尾巴35- - - - - -37]。因为GEV形状参数和非常有用表达沉重的尾巴,我们使用了GEV分布在这项研究。累积分布函数,估计nonexceedance GEV的概率分布,给出了方程(3)及其解决方案估计使用(4)[38]: 在哪里 , ,和参数相关位置、规模和形状。GEV分布可分为类型,类型II和III型分布的标志 。其中,我叫甘力克型和III型叫做威布尔分布。在方程(3)和(4变量的范围取决于 ,这是为 , 为 ,和为(38]。GEV分布不同厚度的上尾根据 。换句话说,越来越小的尾数区域分布函数增大,这意味着出现极端值的概率会增加。同时,大多数过年度最大24小时降雨位于的间隔是消极的(39]。为 ,分布有一个厚的右手尾。我们使用了GEV II型分布。

GEV分布的参数的估计方法包括矩量法、最大似然估计方法,该方法的概率加权的时刻,和L-moments的方法。矩量法计算起来很简单,但时刻越高,越不准确的估计。最大似然方法有效样本数据的数量足够大,但解决方案过程是复杂的,有时无法获得解决方案,因为它不收敛。由于概率权重矩法和L-moment方法都是基于相同的理论,得到了相同的结果。他们不敏感的示例数据的数量,因为它们使用的次序统计量的观测数据。此外,即使有扭曲的数据,可以获得相对稳定的结果(39]。在这项研究中,L-moment的方法应用于GEV分布的参数估计。20年最大日雨量的返回值,这称为20年降水在这项研究中,这个研究的目标选择,因为每个投影周期是30年的长度,这样我们需要推断事件和返回时间超过30年,克莱因坦克et al。40)建议20年事件评估罕见事件的强度和频率,在天气变量的概率分布的尾部。

3所示。结果

3.1。未来的预测

20年平均降水的空间分布在气候预测如图263识别地区极端降水的变化在参考和以后各期。空间降尺度方法应用于图3SD-DQM, SD-QDM SDQM。的平均20年降水26 CMIP5 GCMs改变逐渐从参考时期Future1, Future2, Future3时期。因此,图3仅包括参考时期作为一个起点,Future3时期作为一个终点,和这两个时期之间的区别。山区东北部和南部沿海地区,大型的极端降水预计由于他们的区域特征。这些地区获得更多的降水,山脉的影响,城市化和海洋气候(41]。

为了定量分析结果的差异的降尺度方法如图3,韩国的空间平均降水计算为每个降尺度方法(表2)。表显示了降水量与SD-QDM缩减规模参考和每个未来时期通常比其他方法。比较所有的均值和中位数降尺度方法,包括SD-QDM均值大于中位数。因此,正确的尾概率密度函数的厚。总的来说,结果在表2参考时期意味着20年降水在未来可以更频繁地发生。关于统计方法之间的差异,降水与SD-QDM缩减规模的数量比其他方法更好的保留GCM-driven相对变化如图3(我)。

变异系数(CV)计算比较20年降水的分布由26 GCMs(图4)。在参考气候模型的方差小,差异网站相对较小(见图4(一),4 (d),4 (g))。在空间分布上有轻微非平稳的简历。的面积大的简历在Future2和更广泛的比Future1 Future3,表明气候预测的不确定性可能会大大有助于在未来20年降水的分布。的简历(Future1)东南部,东北(Future2)和(Future3)东南部地区。因为参考时间的变异系数都很小,类似的空间,所以地图(图的差异4 (c),4 (f),4(我))随后Future3时期(图的结果4 (b),4 (e),4 (h))。

研究的不确定性计算气候变化场景的简历根据降尺度方法。表3表明,未来气候的变异系数大于参考气候可能主要是由于内部的变化。未来气候的变化根据降尺度方法还不清楚。如图4,虽然差异的大小之间的CV方法还不清楚,大的CV值普及与时间(表3)。

3.2。概率密度函数

20年的平均降水增加随着时间的推移,和简历的地区增加在图4在进一步更大的未来。这一趋势也证实了分析概率分布的变化。图5显示的参数和返回时间GEV的极端降水分布26气候模型参考和未来时期。每个subfigure在图5代表GEV的参数分布的极端降水与SDQM缩减规模,SD-DQM SD-QDM,分别改变投影20年降水的参考。

位置和尺度参数单调增加,如图5。他们在未来气候增加参考气候相比,但是没有大Future2和Future3之间的区别。在形状参数没有区别。最近的研究在非平稳的概率分布模型,整体形状参数变得更小,这表明正确的尾巴GEV的概率密度函数变厚和极端降水的发生越来越频繁的在未来42]。重现期的中值估计的逆GEV分布预计将减少从参考20年Future1: 16.56年;Future2: 14.09年;和Future3: 12.82年(表4参考的),这意味着20年降水气候在未来会相对频繁。然而,应该注意的是,这个结果只是使用RCP 4.5的结果。本研究使用一个场景密切调查未来的变化。然而,因为我们无法确定其中的场景将会意识到,实际的不确定性比图所示6,尤其是在以后的将来。

参考GEV-PDFs和未来气候的变化分析了图6。黑色线条和灰色乐队是均值和置信区间(5∼95%)气候pdf文档的引用。置信区间对应的上95%和5% 26气候模型。绿色的实线和乐队意味着Future1 pdf, Future2蓝色实线和乐队,红色实线和乐队Future3(图6(一)∼6 (d))。数据6 (e)和6 (f)说明GEV分布在未来气候的变化相对于参考气候和pdf文件转移到正确的和正确的尾增厚。此外,我们发现未来时期的PDF文件所在的10%置信区间的PDF参考时期,呈现出显著差异的PDF文档之间的引用和以后各期负担的费用。结果表明,参考气候下的设计标准不设法应对气候变化,并相应地设计标准的修订需要改善基础设施的可持续发展。

4所示。结论和总结

这项研究调查了极端降水的变化随着时间的推移使用26 CMIP5气候模型在RCP 4.5下,统计上缩减规模的三种方法经常用于气候变化影响评估。系综平均20年降水量的返回值将增加,而这个返回值的变异系数在合奏在未来扩大。换句话说,模型的不确定性随着时间的增加,极端降水事件在未来可能会更严重。的情况下使用SD-QDM降尺度方法,20年降水量在2071 - 2100年期间估计增加到350毫米,121.5%参考气候,特别是在南部,东部沿海地区和大城市。因为韩国最近的夏季降水主要由不稳定的对流活动,台风,和较低的压力,有很多的沉淀和海岸中间Youngdong,南部沿海地区,东部地区的济州岛,京畿道北部地区(43]。我们的结果与这些趋势一致。

虽然GEV的PDF的置信区间扩大随着时间的推移,这意味着随着时间的推移也增加了不确定性。然而,由于不断增加的趋势,位置和尺度参数和形状参数的下降趋势,PDF搬到右边,上面的尾巴将更厚。然而,缩减规模之间的极端降水表现出相当大的可变性之间的模型和降尺度方法在本研究中。这意味着模拟极端降水取决于每个决议和参数化。这导致了限制极端降水的定量预测基于气候变化情景。然而,未来PDF位于外的10%置信区间参考PDF,所以确认的重新设计标准是必需的。有限制不为设计标准修订提供可接受的方法。森et al。44)为设计标准修订提供了方法论。在未来,我们将研究工程结构的性能根据包括气候变化因素的风险计算公式。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了韩国机构基础设施技术进步(KAIA)拨款的土地、基础设施和运输(批准18 awmp-b083066-05)。