GCM统计降尺度中气象变量空间相关性的重建

统计降尺度技术可转换GCM尺度获得高时空分辨率的气候情景，但建立的气候情景多针对单个站点，不能保留站点间气象变量的空间相关性，导致一个子流域发生暴雨对径流的影响被相邻子流域没有降雨而抵消，致使洪水不能被反映到流域出口，严重限制了统计降尺度方法在气候变化水文效应评估中的应用。为此，本研究开发了一种两阶段天气发生器(TSWG)用于建立多站点多变量气候情景，并结合SWAT模型评估了泾河流域未来气候变化对水文变异的影响。开发的TSWG，第一阶段通过单站点天气发生器生成各站点的气候情景，第二阶段使用基于置乱算法的后处理技术重建变量间的时空相关性，该模型输入变量少且不需要复杂的迭代优化，简单易行，为多站点多变量气候情景的生成提供了重要的工具。为预测未来气候变化，基于概率相似性的转换函数法对5种GCM在4种RCP下的输出进行了空间降尺度，发现泾河流域2011-2040年降水量变化不显著而温度显著上升，但气候变异性明显增大。基于降尺度预测的单站点气候变化，使用TSWG建立了流域尺度多站点多变量的气候变化情景，输入水文模型SWAT预测未来气候变化的水文效应，发现泾河流域2011-2040年水资源总量没有显著变化，但年内和年际的变异性均显著增大，这将减少区域水资源的可用量，需要采取措施应对。发表论文14篇，其中SCI论文5篇(中科院一区期刊2篇\ISI一区期刊5篇)，EI论文2篇，一级学报论文5篇；培养研究生4名；新获批科研项目2项。创新之处在于开发了两阶段、多站点和多变量的天气发生器，为未来气候情景建立和水文变异评估提供了重要的工具；在此基础上评估了泾河流域的水文变异情况，为该区的水资源管理提供了参考依据。