经济论文精选十篇经济统计论文范文Word格式文档下载.docx

经济论文精选十篇经济统计论文范文Word格式文档下载.docx

《经济论文精选十篇经济统计论文范文Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《经济论文精选十篇经济统计论文范文Word格式文档下载.docx（42页珍藏版）》请在冰豆网上搜索。

20世纪全球平均地表温度上升了（0.74±

0.18）。

C[i]，中国年平均地表温度近100年增幅为0.5~0.8°

C，同时降水量增幅微弱，日照时数、蒸发量和平均风速下降显著P~4]；

气候变化致使海平面上升，洪密、干旱、高温等极端气象灾害加剧，严重影响农业、林业、水文、生态及人类健康等相关领域。

气候变化预估，即分析未来气候变化的可能趋势，有助于应对气候变化对各相关领域所造成的不利影响。

对气候变量进行较可信的预估是影响评估的前提和基础，这是因为影响评估一般通过相关气候变量驱动影响模式得到，例如驱动农业影响评估模式DSSAT的气候变量为日最高与最低温度、日降水量与日辐射值。

温度和降水是气候模式模拟最主要的两个气候变量，也是各类影响评估中最常用的两个气候变量。

温度与干旱、温度相关的死亡率与电力需求等方面的影响评估紧密相关；

极端降水的变化可用来预估旱榜频率的变化，极端降水的增加会导致洪游灾害频繁发生，中小型降水则是维持和补充土壤水分的重要来源。

气候变量的预估通常由全球气候模式（GCM）或区域气候模式（RCM）模拟得到的。

大气-海洋稱合全球气候模式（AOGCM）模式尝试模拟整个地球系统，并在假设的人为排放情景下进行模拟，做出未来气候变化的预估（例如，文献5）。

RCM是目前使用较多的区域化技术，属于GCM的动力降尺度方法，首先由Dickinson等[6]和Giorgi["

^发展并应用到气候模拟中来。

利用嵌套在GCM中覆盖有限区域的高分辨率RCM进一步模拟各区域或局地未来气候变化的细节，通常以某一排放情景下GCM的输出结果作为RCM的初始和边界条件。

RCM能够有效弥补GCM分辨率不足的缺陷，改善GCM预估未来排放情景下的区域气候响应，从而提供详细的气候预估信息-PRECIS（ProvidingRegionalClimateforImpactsStudies）、RegCM3是在中国应用较为广泛的RCM。

数值预估由于其明确的物理机制，被认为是长期气候预估的发展方向。

但是由于目前气候模式发展存在一定不足，模式许多方面不够完善，致使气候模式的预估结果包含许多偏差，例如：

利用有限的变量来表示大气的物理过程引起的结构不确定性、物理和次网格参数化方案存在的不确定性、计算中的离散化过程以如何最优选取模式参数所带来的不确定性。

RCM虽然在GCM的基础上提高了分辨率，但是仍存在较大偏差。

由于GCM的输出结果本身具有较大不确定性，受其驱动的RCM包含GCM的偏差，这可能是RCM不确定性的主要来源；

另外，RCM本身的模式偏差以及参数化过程也造成了RCM输出结果的偏差因此，减小气候预估结果的偏差是提高模式预估水平的一个重要方面。

进一步完善模式是一个比较直接的减小预估偏差的方法，例如，改善模式的物理过程和参数化方案。

然而，由于目前对大气运动过程认识的不完全以及数值预估存在众多的随机过程，仅仅改善气候模式模拟水平对实际预估来说仍然存在一定的不足，因此，通过统计释用方法进一步减小模式偏差是目前模式水平下提高气候模式预估水平的一个重要途径。

气候模式的统计释用方法指利用统计方法，结合已有历史资料，从中提取出尽可能多的对预估有帮助的信息，减小数值预估的模式偏差[15]。

有研究表明，模式的输出值如果不经过统计释用便应用于评估模型中则可能偏离实际因此，通常不直接利用RCM的原始输出值来驱动评估模式，而是有必要针对输出值的模式偏差进行统计释用处理。

由于评估一个气候变量的预估是否可信涉及到均值、极值、变率、季节循环等各方面，目前无法找到一种释用方法能一次性完全改善所有这些方面的预估。

现有的方法都各有侧重。

例如，分季节/月使用释用方法能够考虑季节循环的订正，差值法与比值法侧重均值的订正，基于GEV分布三参数调整的释用方法侧重极值的订正。

各种释用方法可产生非常不同的结果（例如，文献[20-22]）。

第二章模式、资料与方法

首先介绍模拟气候预估数据的区域气候模式系统PRECIS与SRESA1B情景，其次介绍所需的模拟与观测数据及其来源，并重点介绍本文所研究的基于平均态调整（DC）与基于概率分布调整（DBS）的两种统计释用方法，最后介绍释用效果对比分析所用的检验方法。

2.1区域气候模式系统

中国自2003年引入PRECIS系统，用来构建中国区域高分辨率的气候情景，其产生的部分情景数据应用于农业〖55~5力、林业水文与水资源生态系统人体健康[67]等领域。

PRECIS是一个单向嵌套的准静力平衡模式。

大气部分应用静力平衡方程；

采用规则的经讳网格和混合垂直坐标系，垂直方向分为19层，最低层为50m,顶层气压为0.5hPa。

其在旋转坐标下的水平分辨率为经度0.44°

x讳度0.44°

在中讳度地区水平格点间距约为50km;

模式的时间步长为5min。

本文使用的PRECIS在SRESA1B情景下的作业，其初始和边界条件是由低分辨率全球气候模式HadCM3（水平分辨率为经度3.75°

>

第三章气候平均态的释用结果对比分析........20

3.1空间分布........20

3.1.1日降水........20

3.1.2日平均温度........23

3.1.3日最高/低温度........26

3.2年内循环........30

3.2.1日降水........30

3.2.2日平均温度........33

3.2.3日最高/低温度........35

3.3小结与讨论........38

第四章气候概率分布的释用结果对比分析........40

4.1概率分布一致性........40

4.1.1日降水........40

4.1.2日平均温度........42

4.1.3日最高/低温度........44

4.2分位数........47

4.3小结与讨论........49

第五章极端气候事件的释用结果对比分析........51

5.1极端降水指标........51

5.1.1连续干曰数（CDD）........51

5.1.2连续5日最大降水量（R5D）........54

5.1.3极端降水贡献率（R95T）........57

5.2极端温度指标........59

5.3小结与讨论........70

结论

分别利用基于平均态调整（DC）和概率分布调整（DBS）的统计释用方法对区域气候模式系统PRECIS在SRES-A1B情景下验证时段模拟的中国区域日降水、日平均温度、日最高/低温度进行统计订正，对比分析其在平均态、概率分布以及极端气候事件方面各地区的改善情况，发现：

基于概率分布调整的DBS方法相较基于平均态调整的DC方法，其对气候变量均值的统计释用结果与DC方法相近，但其在大多数地区的年内循环、概率分布以及极端降水与温度指标方面的释用效果相对显著得多，然而，DC方法对模拟低温均值与低温相关的极端温度指标的释用结果相对DBS方法略微更接近观测。

平均态方面的释用结果对比主要结果如下.两种方法能够有效订正模拟降水与温度均值的空间分布，特别是对模拟偏差大值的显著减小，且释用结果相近。

全国模拟降水、温度均值的绝对偏差减小均达80%,各地区模拟降水平均的相关性从0.5提高到0.95以上，温度平均的相关性均从0.9提高到1.0。

相较日降水与日平均温度，模拟日最高/低温度均值应用两种方法的差异略微更大，DC、DBS方法分别对多数地区模拟日最高、最低温度均值的改善效果更显著。

两种方法对模拟降水、温度均值的释用结果在极少数地区存在过订正，比较明显的是DC方法对热带地区模拟日最高温度均值的过订正。

两种方法能够有效订正模拟降水与温度的年内循环，对全国模拟变量年内循环绝对偏差的减小均以日最低温度最大（42%、53%）而日最高温度最小（18%、33%）。

各地区模拟降水年内循环的相关性从0.7提高到0.8,温度年内循环的相关性与模拟基本一致接近1。

DBS方法对多数地区模拟降水与温度年内循环的释用结果更显著，但DC方法对华南与西南地区模拟日最高温度年内循环的改善程度相对更大。

参考文献

[1]SolomonS，QinD，ManningM，etal.ClimateChange2007:

thephysicalsciencebasis.ContributionofworkinggroupItothefourthassessmentreportoftheIntergovernmentalPanelonClimateChange[M].Cambridge,UKandNewYork,USA:

CambridgeUniversityPress,2007:

996.

[2]丁一汇,何建坤，林而达.屮国气候变化：

科学、影响、适应及对策研究[M].北V:

中国环境科学出版社，2009.

[3]丁一汇，任国：

七，刘洪滨等.中国气候变化科学概论[M].北京:

气象出版社，2008.

[4]林而达,吴绍洪,罗勇等.第一.次气候变化国家评估报告[M].北京：

科学出版礼2011.

[5]MeehlGA，StockerTFandCollinsW,etal.:

Globalclimateprojections.Ln:

ClimateChange2007:

Thephysicalsciencebasis.CambridgeUniversityPress,Cambridge,UK,2007.

[6]DickinsonRE,ErricoRM,GiorgiF，etal.AregionalclimatemodelforthewesternUnitedStates[J].ClimaticChange，1989，15（3）:

383-422.

[7]GiorgiF.SimulationofregionalclimateusingalimitedareamodelnestedingeneralcirculationmodeI[J].JournalofClimate,1990,3:

941-963.

[8]DenisB,LapriseR，CayaD，CoteJ.Downscalingabilityofone-waynestedregionalclimatemodels:

Thebig-brotherexperiemnts[J].ClimateDynamics,18:

627-646.

[9]WangY,LeungLR,McGregorJL,etal.Regionalclimatemodeling:

Progress,challenges,andprospe