本發(fā)明涉及一種多氣候模式逐日降水量集合方法，特別是涉及一種基于累積概率曲線的逐日降水多模式集合方法，屬于未來降水預(yù)估技術(shù)領(lǐng)域。

背景技術(shù)：

全球氣候環(huán)流模式是研究未來氣候變化，評(píng)估區(qū)域水資源可利用量，農(nóng)業(yè)生產(chǎn)耗水量以及制定區(qū)域中長期水資源管理規(guī)劃方案的重要手段。采用多個(gè)氣候模式進(jìn)行集合研究被認(rèn)為是降低未來氣候預(yù)估不確定性的重要手段。常用的多模式集合方法包括簡單算術(shù)平均或加權(quán)平均。然而由于未來氣候模式的隨機(jī)性，因此，無論采用算術(shù)平均還是加權(quán)平均都會(huì)導(dǎo)致未來氣候模式數(shù)據(jù)的部分特征信息的丟失，這其中以降水的特征信息丟失最為嚴(yán)重。逐日降水量的不確定性在所有氣象要素中最為顯著，簡單的采用平均方法進(jìn)行加權(quán)，將明顯導(dǎo)致降水天數(shù)增加，降水峰值的消失，從而大幅降低降水預(yù)估結(jié)果的可靠性。

目前，還沒有逐日降水量多模式集合的計(jì)算方法。由于簡單算術(shù)平均或加權(quán)平均將導(dǎo)致降水特征信息的消失，因此，如何從平均降水特征角度出發(fā)，提取各氣候模式的降水特征參數(shù)，將平均后的特征參數(shù)作為約束條件，生成新的降水序列，以此實(shí)現(xiàn)逐日降水量的多模式集合，是亟需解決的關(guān)鍵問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：提供一種基于累積概率曲線的逐日降水多模式集合方法，采用一階馬爾可夫鏈原理推球降水發(fā)生日，再結(jié)合降水累積概率曲線和包括降水總量、標(biāo)準(zhǔn)差、偏差系數(shù)以及變化系數(shù)在內(nèi)的多模式平均的降水特征參數(shù)作為約束條件，重新構(gòu)造逐日降水序列，以此作為推求降水多模式集合序列的方法具有合理性和可操作性。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

一種基于累積概率曲線的逐日降水多模式集合方法，包括如下步驟：

步驟1，以月為計(jì)算單元提取不同氣候模式下的降水序列以及降水特征參數(shù)；

步驟2，基于各個(gè)氣候模式下的降水序列構(gòu)建多模式降水?dāng)?shù)據(jù)集，利用馬爾可夫鏈原理計(jì)算降水日和非降水日的狀態(tài)轉(zhuǎn)移概率，模擬生成多模式集合的降水發(fā)生日；

步驟3，基于多模式降水?dāng)?shù)據(jù)集構(gòu)建降水累積概率曲線，對(duì)步驟2得到的降水發(fā)生日逐日生成[0,1]范圍內(nèi)的隨機(jī)概率，以此概率對(duì)降水累積概率曲線插值，生成初步的逐日降水序列；

步驟4，以各個(gè)氣候模式下的降水特征參數(shù)為約束條件，生成最終的滿足上述約束條件的降水序列。

作為本發(fā)明的一種優(yōu)選方案，步驟1所述降水特征參數(shù)包括月總降水量、日降水量最大值、標(biāo)準(zhǔn)差、變差系數(shù)和偏差系數(shù)。

作為本發(fā)明的一種優(yōu)選方案，所述步驟2的具體過程為：

步驟21，將不同氣候模式下的降水序列拼接成多模式降水?dāng)?shù)據(jù)集，設(shè)定其馬爾可夫模型的兩個(gè)狀態(tài)量分別為“降水日”和“非降水日”，分別記為E1和E2；

步驟22，統(tǒng)計(jì)多模式降水?dāng)?shù)據(jù)集中相鄰兩天為由E1轉(zhuǎn)移至E1的次數(shù)，以及相鄰兩天為由E1轉(zhuǎn)移至E2的次數(shù)，分別記為N₁₁和N₁₂，則從降水日轉(zhuǎn)移至降水日的概率為P₁₁＝N₁₁/(N₁₂+N₁₁)；同理，統(tǒng)計(jì)相鄰兩天由E2轉(zhuǎn)移至E1的次數(shù)，以及相鄰兩天為由E2轉(zhuǎn)移至E2的次數(shù)，分別記為N₂₁和N₂₂，則從非降水日轉(zhuǎn)移至降水日的概率為P₂₁＝N₂₁/(N₂₂+N₂₁)；

步驟23，在[0,1]區(qū)間上逐日生成隨機(jī)概率P_rand,i，在第i-1天有降水的條件下，若：在第i-1天無降水的條件下，若：i＝1,2,…,月最后一日，從而得到多模式集合的降水發(fā)生日。

作為本發(fā)明的一種優(yōu)選方案，所述步驟3的具體過程為：

對(duì)所有氣候模式下的日降水量數(shù)據(jù)按由小到大進(jìn)行排序，得到降水累積概率曲線，然后在降水發(fā)生日逐日生成[0,1]范圍內(nèi)的隨機(jī)概率，以此概率對(duì)降水累積概率曲線插值，生成初步的逐日降水序列P_j，j＝1,2,…,所有降水發(fā)生日的總數(shù)。

作為本發(fā)明的一種優(yōu)選方案，所述步驟4的具體過程為：

步驟41，對(duì)步驟3初步的逐日降水序列按降水量由小到大進(jìn)行排序，將其中的降水量最大值替換為各個(gè)氣候模式下日降水量最大值的平均值；

步驟42，根據(jù)初步的逐日降水序列、各個(gè)氣候模式下的月總降水量和日降水量最大值，計(jì)算降水均值校正系數(shù)k，計(jì)算公式為：

其中，P_j為初步的逐日降水序列，j＝1,2,…,m，m為所有降水發(fā)生日的總數(shù)，R_t為第t個(gè)氣候模式下的月總降水量，R_max,t為第t個(gè)氣候模式下的日降水量最大值，t＝1,2,…,n，n為所有氣候模式的總數(shù)；

則除最大降水日之外，該月其他降水發(fā)生日的降水量為：

R_j＝k·P_j；

步驟43，計(jì)算重新生成的滿足步驟41、步驟42約束的降水序列的標(biāo)準(zhǔn)差、變差系數(shù)和偏差系數(shù)，將重新計(jì)算的結(jié)果與各個(gè)氣候模式下的標(biāo)準(zhǔn)差、變差系數(shù)和偏差系數(shù)進(jìn)行比較，設(shè)置固定容差值，當(dāng)重新計(jì)算的標(biāo)準(zhǔn)差與各個(gè)氣候模式下的標(biāo)準(zhǔn)差的差值均小于容差值，且重新計(jì)算的變差系數(shù)與各個(gè)氣候模式下的變差系數(shù)的差值均小于容差值，且重新計(jì)算的偏差系數(shù)與各個(gè)氣候模式下的偏差系數(shù)的差值均小于容差值時(shí)，停止計(jì)算，并將上述計(jì)算得到的逐日降水量作為最終降水多模式集合結(jié)果；否則，重復(fù)步驟3-4，直至得到滿足上述約束的結(jié)果。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：

本發(fā)明采用一階馬爾柯夫鏈結(jié)合降水累積概率曲線及多模式平均的降水特征參數(shù)為約束條件生成逐日降水多模式集合降水序列，該方法在保留各氣候模式降水特征的基礎(chǔ)上實(shí)現(xiàn)了降水的逐日多模式集合，為農(nóng)業(yè)氣候變化模擬研究，區(qū)域水資源中長期規(guī)劃提供一種更加可靠的研究方法。

附圖說明

圖1是本發(fā)明基于累積概率曲線的逐日降水多模式集合方法的計(jì)算流程圖。

圖2是本發(fā)明實(shí)施例中降水累積概率及插值示意圖。

圖3是本發(fā)明實(shí)施例中各氣候模式逐日降水過程圖。

圖4是本發(fā)明實(shí)施例基于累積概率曲線的降水多模式集合結(jié)果和算術(shù)平均結(jié)果圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施方式，所述實(shí)施方式的示例在附圖中示出。下面通過參考附圖描述的實(shí)施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對(duì)本發(fā)明的限制。

如圖1所示，為本發(fā)明基于累積概率曲線的逐日降水多模式集合方法的計(jì)算流程圖。本發(fā)明實(shí)施例以常用的四種氣候模式：BCC-CSM1.1(m)、MIROC-ESM-CHEM、GFDL-ESM2M、HadGEM2-ES降水?dāng)?shù)據(jù)進(jìn)行集合計(jì)算，具體以四種氣候模式中江蘇昆山區(qū)域2020年3月份降水?dāng)?shù)據(jù)為例，包括以下步驟：

(1)分別提取該4個(gè)氣候模式中2020年3月的30天逐日降水?dāng)?shù)據(jù)，如圖3所示，分別計(jì)算各氣候模式30天降水的總降水量R、日降水量最大值R_max、標(biāo)準(zhǔn)差σ、變差系數(shù)C_v和偏差系數(shù)C_s。

(2)將四個(gè)氣候模式的降水序列組合成一個(gè)120天長度的新降水序列，以此序列為數(shù)據(jù)基礎(chǔ)，采用馬爾可夫鏈原理計(jì)算降水日至降水日的轉(zhuǎn)移概率和非降水日至降水日的轉(zhuǎn)移概率，然后逐日生成[0,1]區(qū)間上的隨機(jī)概率，結(jié)合降水轉(zhuǎn)移概率判斷當(dāng)日是否降水。具體計(jì)算步驟如下：

1)兩個(gè)馬爾可夫狀態(tài)量分別為降水日和非降水日，分別以E1和E2代替。統(tǒng)計(jì)多模式組合后降水序列中從E1轉(zhuǎn)移至E1的次數(shù)，以及E1轉(zhuǎn)移至E2的次數(shù)，分別記為N₁₁和N₁₂，因此，從降水日轉(zhuǎn)移至降水日的概率可以表示為P₁₁＝N₁₁/(N₁₂+N₁₁)，相應(yīng)地，由非降水日轉(zhuǎn)移至降水日的概率可以表示為P₂₁＝N₂₁/(N₂₂+N₂₁)。

2)在[0,1]區(qū)間上逐日生成隨機(jī)概率P_rand,i，在第i-1天有降水的條件下，如果：

P_rand,i≥P₁₁，第i天無降水

P_rand,i＜P₁₁，第i天有降水

在第i-1天無降水的條件下，如果：

P_rand,i≥P₂₁，第i天無降水

P_rand,i＜P₂₁，第i天有降水

(3)基于組合后的多模式降水序列構(gòu)建降水累積概率密度曲線，在步驟(2)計(jì)算出的降水發(fā)生日逐日生成[0,1]范圍內(nèi)隨機(jī)概率，以此概率對(duì)降水累積概率曲線插值，生成初步逐日降水序列P_j，本范例中降水概率密度曲線和插值示意圖如圖2所示。

(4)生成滿足四個(gè)氣候模式總降水量R、日降水量最大值R_max、標(biāo)準(zhǔn)差σ、變差系數(shù)C_v和偏差系數(shù)C_s的新降水序列，包括以下三個(gè)步驟：

1)降水最大值約束。對(duì)步驟(3)生成的降水序列進(jìn)行排序，將其中的降水最大值替換為4個(gè)氣候模式下日降水量最大值的平均值。

2)降水總量約束。以初步降水序列P_j和各個(gè)氣候模式降水總量和日降水最大值，計(jì)算降水均值校正系數(shù)k，計(jì)算公式如下：

其中，R_t為各氣候模式降水總量，R_max,t為各氣候模式日降水最大值。因此，滿足降水總量約束的逐日降水量為：

R_j＝k·P_j

其中，R_j為除最大降水日之外，該月其他降水發(fā)生日的降水量。

3)標(biāo)準(zhǔn)差、偏差系數(shù)和變差系數(shù)約束。計(jì)算重新生成降水序列的標(biāo)準(zhǔn)差σ、變差系數(shù)C_v和偏差系數(shù)C_s，將重新計(jì)算的降水系數(shù)與原始降水系數(shù)進(jìn)行比較，設(shè)置固定容差值，當(dāng)前后系數(shù)差值均小于容差值時(shí)，停止計(jì)算，并將此時(shí)逐日降水?dāng)?shù)值作為最終降水多模式集合結(jié)果，當(dāng)前后系數(shù)差值大于容差值時(shí)，重復(fù)上述計(jì)算過程，直至輸出合理結(jié)果，本計(jì)算實(shí)例輸出的結(jié)果如圖4所示，可見本方法有效地保留了氣候模式中降水的特征信息，而算術(shù)平均方法則無明顯極端降水過程。

以上實(shí)施例僅為說明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動(dòng)，均落入本發(fā)明保護(hù)范圍之內(nèi)。