QM和QDM方法对中国极端气候的高分辨率气候变化模拟的误差订正对比

童尧 韩振宇 高学杰

1 中国科学院大气物理研究所气候变化研究中心，北京 100029

2 中国科学院大学，北京 100049

3 辽宁省营口市气象局，辽宁营口 110001

4 中国气象局国家气候中心，北京 100081

1 引言

气候模式的模拟结果与观测数据往往存在着一定的系统偏差，若将气候模式结果直接应用于作物模型或者水文模型中，其偏差会对模拟产生很大的影响，因此需要对气候模拟结果进行误差订正（Piani et al., 2010; Yang et al., 2010; Sun et al., 2011）。例如，积温是作物生长发育的重要指标，大部分作物模型中的生育期模型直接与温度或积温相关（Wang et al., 2015）。如果气候模式中温度的模拟存在误差，会对积温产生影响，直接导致作物的生育期延长或缩短，进而影响结实率、灌浆速率等因子，最终影响产量 （Gunarathna et al., 2019）。

常用的误差订正方法是分位数映射方法（Quantile Mapping, QM）（Eden et al., 2012; Maraun, 2013;Ngai et al., 2017）。在建模时段内，计算观测的累计概率分布函数（Cumulative Distribution Function,CDF），并通过构建的传递函数（Transfer Function,TF）使模式数据的CDF与观测尽量接近。发现当基于经验概率分布建立传递函数时（Ashfaq et al.,2010; Teutschbein and Seibert, 2012），尤其是采用非参数转换的方法建立传递函数，不需要对原始数据的概率分布做前提假设，其适应性更广（Boé et al.,2007）。虽然QM方法能够有效地减少模式的偏差，不仅对平均值、年际变化还对极端事件的偏差情况有所改善 （Wood et al., 2004; 童尧等, 2017; 韩振宇等, 2018），但QM可能会人为地改变气候变化信号，如改变模式预估的未来气候趋势（Li et al.,2010; Gudmundsson et al., 2012; Ahmed et al., 2013;Bürger et al., 2013; Switanek et al., 2017）。在气候变化模拟和误差订正研究中，气候变化信号一般是不希望被这种完全基于数学统计关系的误差订正而改变的，因此需要一种能够有效保留预估模拟中未来变化趋势的误差订正方法。……