黄河流域极端降水的季节预测及其未来预估

扫码查看

原文链接

NETL

中文摘要：黄河流域在我国社会发展和生态安全战略方面具有重要地位。由于其地处干旱、半干旱与半湿润的过渡地区，对气候变化极其敏感。在全球变暖的背景下，黄河流域的极端降水事件快速增加，随之而来的是洪水、滑坡、生态系统破坏等一系列灾害问题。因此黄河流域的极端降水预测问题近年来受到广泛关注。明确黄河流域的极端降水的分布特征和影响机制，探索不同预测方法对极端降水的适用性对于该区域生态发展和灾害防御有深远的意义。因此，本文探究了影响黄河流域极端降水的预测因子，基于年际增量方法和多元线性回归（LR）模型评估了极端降水的预测效果。此外，还基于不同的因子筛选手段对比了梯度提升树算法下的多种机器学习方法对于极端降水模型的预测性能差异，分析了影响预测技能的来源。最后评估了第六次国际耦合模式比较计划（CMIP6）的不同模式对黄河流域的核心区域——黄土高原地区的极端降水的模拟能力，预估了未来的极端降水事件。本文取得的主要研究成果如下：（1）1961-2022年期间，黄河流域夏季的极端降水总量（R95pTOT）呈现增加趋势，空间上呈现由西北向东南递增的分布特征，其逐年增量（R95pTOT-DY）的经验正交分解（EOF）的前三个模态贡献了近50%，分别表现为全区一致型，南涝（旱）北旱（涝）型，中间涝（旱）两边旱（涝）型。建立前一年12月至当年5月的大气环流和海温气候指数的增量值与当年前三模态的时间系数（PCs）的逐月相关，发现在PCs上贡献度最高的预测因子分别为西半球暖池指数、北大西洋副高强度指数和热带-北半球遥相关型指数，且以上因子存在明确的物理解释。基于此建立R95pTOT-DY的PCs的回归预测方程，在1962-2010年的交叉验证中时间相关系数（TCC）分别达到0.85、0.67和0.75，2011-2022年独立后报阶段的TCC分别达到0.69、0.69和0.11。将PCs投影至空间模态，得到预测的R95pTOT-DY和R95pTOT，其多年平均空间相关系数（PCC）分别为0.21和0.31，R95pTOT有7年时间里超过0.3。此外，模型在黄河流域上游和中游的小范围区域预测的R95pTOT-DY性能最佳，TCC大于0.5。（2）基于逐步回归方法筛选的因子建立了两组梯度提升树算法（LightGBM和CatBoost）的机器学习模型，用于黄河流域夏季极端降水的季节预测。2011-2022年预测的R95pTOT-DY的PC3较LR模型的TCC分别提升了0.11和0.35。CatBoost预测的R95pTOT-DY在空间上的区域平均TCC由0.38提升至0.42。对两组梯度提升树模型进一步改进，由模型自主提取气候指数，而不进行额外的人工参与筛选过程，从而预测夏季极端降水，发现在性能上，后者的模型优于仅由逐步回归筛选的因子建立的预测模型，LightGBM预测的PCs的TCC分别为0.53、0.63和0.60；CatBoost预测的PCs的TCC分别为0.50、0.69和0.57。模型在PC3的预测性能中存在明显提高。在空间上，改进了黄河流域源区和中游的R95pTOT-DY预测技能。此外，LightGBM和CatBoost的集合模型对于R95pTOT-DY的预测性能最优（区域平均TCC为0.51），该模型组合在叠加观测值以后的R95pTOT上同样拥有合理的预测性能（多年平均PCC为0.36）。最后对模型性能来源做出解释，发现LightGBM和CatBoost对PC3的提升主要归因于前一年12月的北美区极涡面积的重要作用。（3）通过评估CMIP6的21个模式对于黄土高原地区9个极端降水指数在空间和时间上的模拟能力，发现多模式间的差异显著，空间尺度的模拟能力优于时间尺度。模型对于连续湿润日数（CWD）的模拟能力较差。经过筛选的5个最优模式组合的集合平均（MME）结果均优于全部模式的MME结果，从空间上改善了黄土高原中部和南部的正偏差。全球变暖背景下，极强降水量（R99pTOT）和大雨日数（R25mm）增幅最明显。在21世纪近期和中期不同情景差异不明显，但是远期变化上，SSP5-8.5增长速度大于SSP1-2.6。二者在SSP5-8.5情景下未来远期变化将增长一倍以上，模式间误差范围随时间推移逐渐扩大。未来SSP2-4.5和SSP5-8.5情景下，黄土高原的极端降水的增加范围变化集中在北部和中部区域。随着全球变暖，未来罕见极端降水事件的发生风险将进一步提高，相同重现期下年最大降水量（R×1day）的阈值的强度增大。

作者：

孙文

展开 >

关键词：

黄河流域极端降水季节预测梯度提升树模型 CMIP6模式气候变化

授予学位：

硕士

学科专业：

大气科学

导师：

管晓丹

学位年度：

2024

学位授予单位：

兰州大学

语种：

中文

中图分类号：