陕西省降水转移概率计算.docxVIP

陕西省降水转移概率计算 天气装置是影响气候评估的重要工具，在气候变化、地球生态系统和极端气候事件的风险分析方面发挥着重要作用。天气发生器又称天气数据模拟模型, 是研究某个地区天气或气候的一般特征, 并根据这些统计特征模拟出该地区一年内逐日天气数据的模型, 天气发生器是一种随机模型。可模拟的气候要素主要有降水量、最高气温、最低气温、太阳辐射等。国际上对天气发生器的研究最早开始于20世纪60年代, 目前, 天气发生器已用于进行气候条件的影响评价, 并成为全球气候变化、极端气候事件发生及气候影响风险评估等研究的重要工具;中国在天气发生器方面的研究始于20世纪80年代末, 主要是引进国外的天气模型, 对其参数化方案和模拟效果在中国部分地区进行检验, 并在此基础上加以改进。但是受气候资料等方面的原因, 很难准确反映当地气候的基本状态, 近年廖要明等在前人工作的基础上研究开发了适用于中国广大地区的中国天气发生器, 在模型参数的估计上使用了更长的时间序列, 更能反映当地的实际气候, 本文使用这些模型研究陕西省代表站的降水模拟。 1 日降水量的模拟 在陕西省的陕北、关中、陕南各选2个代表站, 分别是:榆林、延安、宝鸡、西安、汉中、安康。为了使得到的降水模拟参数能较好地代表各地的实际气候状况, 至少需要20 a以上的逐日降水序列, 资料年代越长越能准确反映当地气候的基本态, 选取这些站1961—2000年共40 a的逐日降水观测资料, 分别计算各自1—12月的降水转移概率P(WW) 、P(WD) 及两参数GAMMA分布的形态参数ALPHA和尺度参数BETA, 从而实现对这些站的逐日降水的模拟。 降水的模拟主要包括两个过程, 首先是降水发生的模拟, 即确定当天是否产生降水, 用干、湿日来表示。降水的发生模拟模型用两状态一阶马尔科夫链, 因其简单、实用而成为大多数天气发生器采用的模拟模型。干、湿日序列确定下来后, 如果为干日, 则日降水量为0 mm, 如果为湿日, 则要进行日降水量的模拟, 用常用的两参数GAMMA分布进行模拟。一阶马尔科夫链法, 假设日降水量0.1 mm为一个湿日, 用符号W表示, 用D表示干日, 设P(WW) 表示前一天为湿日的条件下仍维持为湿日的转移概率,P(WD) 表示前一天为干日的条件下转移为湿日的转移概率, 则马尔科夫链可以由P(WW) ,P(WD) 唯一确定, 由于陕西省的降水都具有明显的季节性变化, 所以转移概率的计算按月 (1—12月) 分别进行计算较为合理。 日降水量的变化用两参数的GAMMA分布来描述, 其分布密度为: f(x) =x(α-1)e-x/β/βαГ (α) , 式中α(又用ALPHA表示) 为形态参数, 其大小主要依赖于偏差系数Cs, 其关系式为: α=4/C2s, 因而α的大小决定了GAMMA分布的形状,β又用BETA来表示, 为尺度参数, 在α一定的前提下, 其大小主要决定于序列的均方差σ, 它们之间有关系式: β=σ/α1/2, 因而β的大小决定了GAMMA分布的尺度 (分散度) 。经检验, 中国大部分地区各月及全年日降水量的分布均接近于两参数的GAMMA分布。一阶马尔科夫链的转移概率和分布的形态参数尺度参数称为降水模拟参数, 对于陕西省来说, 降水具有明显的季节性变化, 所以按月份进行统计求算模型模拟参数, 如果一个地区各月的降水转移概率P(WW) 、P(WD) 确定下来后, 就可以与计算机产生的[0, 1]之间的随机数进行比较产生该月的干湿日系列。假设模拟时段的第1年第1天为干日, 降水量为0 mm, 如果产生的随机数大于该月的P(WD) , 即干日转化为湿日的概率小于随机数, 则第2天仍维持为干日, 降水量为0 mm, 否则, 转移概率大于等于随机数, 第2天转换为湿日, 需要通过两参数的GAMMA分布来产生该日的降水量。在模拟过程中, 当前一天为湿日时, 则将产生的随机数与该月的降水转移概率P(WW) 比较, 如果随机数大于P(WW) 则当天为干日, 降水量为0 mm。依此类推, 即可产生若干年的逐日降水序列。 2 结果分析 2.1 降水的概率和降水集中集中 由代表站P(WD) (见图1) 、P(WW) (图略) 随时间变化可知, 安康P(WD) 为三峰型, 峰值分别为:5月、7月、9月, 而6月、8月为相对低值, 表明安康在5月、7月、9月晴天第二天降水的概率大, 6月、8月连续晴天的概率大, 其余5站均为单峰型, 峰值均为7月, 降水相对集中。6个代表站的P(WW) 随时间变化趋势基本一致, 一年中变化幅度相对较小, 陕北的最大值在7月, 关中、陕南的最大值在9月, 说明关中、陕南9月降水持续的概率大。 2.2 降水的日变化 由6个代表站的ALPHA、BETA变化可知, 各月的