中国气象学会主办。
文章信息
- 廖要明, 陈德亮, 谢云. 2013.
- LIAO Yaoming, CHEN Deliang, XIE Yun. 2013.
- 中国天气发生器非降水变量模拟参数分布特征
- Spatial variability of the parameters of the Chinese stochastic weather generator for daily non-precipitation variables simulation in China
- 气象学报, 71(6): 1103-1114
- Acta Meteorologica Sinica, 71(6): 1103-1114.
- http://dx.doi.org/10.11676/qxxb2013.089
-
文章历史
- 收稿日期:2012-11-09
- 改回日期:2013-07-12
2. 北京师范大学地表过程与资源生态国家重点实验室, 地理学与遥感科学学院, 北京, 100875;
3. 哥德堡大学地球科学系, 哥德堡, 40530
2. State Key Laboratory of Earth Surface Processes and Resource Ecology, School of Geography, Beijing Normal University, Beijing 100875, China;
3. Department of Earth Sciences, University of Gothenburg, 40530 Gothenburg, Sweden
天气发生器是研究某个地区天气或气候的统计特征,并根据这些统计特征模拟出该地区一年内或多年逐日天气数据的模型。天气发生器自问世以来,已广泛应用于作物、水文、土壤侵蚀、土地利用、社会经济系统等各种模拟模型(Bannayan et al,1999; 陈超等,2004; 张岩等,2006)中,用于生成逐日气候数据,进行气候条件的影响评估。近年来,天气发生器又被用于对全球气候模型的模拟结果进行降尺度处理(范丽军等,2005; Wetterhall et al,2006; Wilks,2010; Jeong et al,2012),成为全球气候变化、极端气候事件及气候影响风险评估等研究的重要工具(Wilks,1999; Semenov et al,2008; Chen et al,2008; 丁裕国等,2009)。天气发生器模拟的气候要素主要有降水、最高气温、最低气温、日照时数(或太阳辐射)等,其中,降水的模拟是关键(Liao et al,2004),因为降水能较好地反映决定非降水变量日变化的辐射平衡的状态。最高气温、最低气温、日照时数等非降水变量的模拟常以降水的变化特征为条件。一般来说,最高气温、最低气温、日照时数等非降水变量的模拟常分干、湿两种状态分别进行,在应用广泛的WGEN等天气发生器中考虑干、湿状态对最低气温的影响不大,最低气温的模拟不分干、湿状态(Richardson,1981)。而近年来,Hayhoe(1998)、Semenov等(1998)发现对于某些站点,最低气温与降水的关系较为密切,不可忽视。研究发现对于中国某些地区来说,降水对最低气温的影响也较大,因此,最低气温的模拟分干、湿两种状态分别进行较为合适。
基于马尔可夫链的理查森型中国天气发生器降水的模拟及应用已经有过比较系统的研究(Liao et al,2004; 廖要明等,2004,2006,2009)。杨文锋等(2005)、刘绿柳等(2011)分别对其在陕西省的降水模拟及全中国极端降水的模拟进行了检验,效果良好。天气发生器对非降水变量的模拟及其应用虽然在中国也有过一些研究(陈明昌等,1994; 林而达等,1997; 吴金栋等,2000; 马晓光等,2002; 张东等,2004; 陈杰等,2007),但往往局限于部分地区或个别站点,所用资料年代较短且几乎都是20世纪90年代以前的资料,难以准确反映当地气候的基本状态,且研究内容主要限于对国际上天气模型的参数化方案和模拟效果在中国部分地区的检验。廖要明等(2011)利用中国669个站点1971—2000年逐日最高气温、最低气温和日照时数资料对中国各地的非降水变量的模拟进行了研究。结果表明,中国天气发生器采用谐波分析和多变量生成模型,在统计意义上可以较好地模拟中国逐日最高气温、最低气温和日照时数等非降水变量的统计特性。刘绿柳等(2008)、张凯等(2011)分别就其对中国的极端高温和长江中下游地区最高气温的模拟进行了检验,效果较好。但是,中国天气发生器模拟的站点仅限于资料比较齐全的中国669个站点,如何利用现有的气象站点资料,对模拟参数进行合理插值(Johnson et al,2000),实现对任意地区,特别是气象站点稀少的西部地区气候要素的随机模拟,以更好地满足气候影响评估和气候服务业务的需要,目前尚没有研究。本研究将对中国天气发生器非降水变量模拟的主要参数在中国的空间分布特征做分析,为天气发生器在中国广大地区的推广应用以及模拟参数的空间插值打下基础。
2 资料与方法为了使得到的各变量的模拟参数能较好地代表各地区的实际气候状况,一般认为计算最高气温、最低气温和日照时数等非降水变量的模拟参数需要15 a以上的逐日资料(Soltani et al,2003)。一般来讲,资料年代越长越能准确反映当地气候的基本态。通过对中国各主要气象站点逐日最高气温、最低气温、日照时数和降水实测资料的统计分析,选择资料比较齐全,年代较长(1971—2000年)的669个站点作为研究对象。根据这些地区1971—2000年的逐日观测资料,分别计算求取各地干、湿日条件下的傅立叶系数和相关系数矩阵(魏淑秋,1985; 林而达等,1997;廖要明等,2011),并对中国各非降水量变量模拟主要参数的空间分布特征进行分析。中国天气发生器中规定当天有降水发生,即日降水量≥0.1 mm时为湿日,否则为干日。
由于中国气象站点分布并不均匀,中东部地区密集,而西部地区相对比较稀疏,所以,在模拟参数的空间分布上中东部地区连续性相对较好,而西部地区误差较大。此外,由669个站点平均得到的平均结果更多地反映了中东部地区的特征,而对西部地区的代表性相对较差。
3 结果与分析中国天气发生器对最高气温、最低气温和日照时数等非降水变量的模拟主要包括平均值、标准差和标准化残差的模拟(廖要明等,2011)。其中,平均值和标准差都是用谐波分析的方法进行模拟,由于中国天气发生器谐波分析中采用了6个周期波,所以,各变量分干、湿状态的傅立叶级数展开式系数有年平均值、6个谐波的振幅和位相共13个参数。对6个谐波的方差贡献率分析表明,中国大部分地区最高和最低气温干、湿日平均值及日照时数干日平均值第一波即基波的方差贡献率均超过90%,湿日日照时数平均值以及最高、最低气温和日照时数干、湿日标准差基波贡献率相对较小,但也基本都超过60%。为简便起见,本研究只分析模拟参数中各变量的年平均值和其中最重要的第一波即基波的振幅和位相。各非降水变量标准化残差的模拟,是通过对多变量的平稳过程的模拟来实现的,模拟参数主要包括同一天以及后延一天各变量之间的自相关和互相关系数。中国天气发生器模拟参数中年平均值在一定程度上决定了变量的平均大小;基波振幅在一定程度上决定了变量在一年中的变化幅度,振幅越大,变量的年较差越大;基波位相在一定程度上决定了变量最大值出现的时间,由于基波位相是负值,所以位相越大,表明最大值出现的时间越早;各变量之间自相关和互相关系数反映了各变量之间的相关关系。
3.1 傅立叶系数3.1.1 最高气温由干、湿日条件下中国各地年平均最高气温以及最高气温平均值基波振幅和位相的分布(图 1)及统计(表 1)可以看出:(1)干日和湿日条件下,中国各地年平均最高气温的分布格局基本一致,表现为南方较高,北方较低。对于大部分地区来说,干日比湿日条件下年平均最高气温高超过2℃,其中,贵州、湖南大部分地区、四川东南部、云南东北部、陕西南部、河南西部等地高超过4℃。(2)中国各地干、湿日条件下最高气温平均值傅立叶级数展开式的基波振幅都有自南向北依次递增的趋势,其中,海南、云南大部分地区相对中国总体来说较小,在6℃以下,而黑龙江、吉林西部、内蒙古东部、新疆北部等地较大(18—21℃),部分地区超过21℃。除东北大部分地区干日基波振幅比湿日高1—2℃,广西、贵州、云南东部、西藏西部等地干日基波振幅比湿日低1—2℃外,其余大部分地区干、湿日基波振幅相差不大,全中国平均仅0.1℃。(3)中国大部分地区干、湿日条件下最高气温平均值傅立叶级数展开式的基波位相在-205—-190,这说明中国大部分地区最高气温峰值都出现在7月。其中,云南大部分地区干、湿日条件下基波位相都相对较大,超过-180,说明云南最高气温峰值出现的时间较其他地区要早,在6月前后;湿日条件下东南沿海地区最高气温平均值基波位相普遍较小,在-210以下,说明湿日条件下东南沿海地区最高气温峰值出现在8月前后。干、湿日条件下最高气温平均值基波位相比较,除东南沿海及云南、贵州等地干日较湿日提前5—10 d,局部地区超过10 d外,其余大部分地区相差在5 d以内,这也说明中国大部分地区干、湿日条件下最高气温峰值出现的时间相差不大,湿日略有推迟。
变量 | 傅立叶系数 | 全中国平均 | 站点间标准差 | ||||
干日 | 湿日 | 干湿日之差 | 干日 | 湿日 | 干湿日之差 | ||
平均值 | 年平均值 | 18.3 | 15.4 | 2.9 | 6.1 | 5.9 | 0.2 |
基波振幅 | 12.9 | 13.0 | -0.1 | 4.6 | 4.1 | 0.5 | |
基波位相 | -196 | -199 | 3 | 6 | 6 | 0 | |
标准差 | 年平均值 | 3.6 | 3.9 | -0.3 | 0.8 | 0.6 | 0.2 |
基波振幅 | 1.1 | 0.7 | 0.4 | 0.4 | 0.4 | 0 | |
基波位相 | -212 | -211 | -1 | 14 | 36 | -22 |
由干、湿日中国各地年平均最高气温标准差及最高气温标准差基波振幅和位相的分布(图 2)及统计(表 1)可以看出:(1)全中国干日年平均最高气温标准差基本表现为自南向北递增,其中,云南大部分地区、西藏东南部、海南及东部沿海部分地区在2.5℃ 以下,而东北大部分地区及内蒙古东部、新疆北部等地超过4.5℃。除东北、华北部分地区外,中国大部分地区湿日最高气温年平均标准差高于干日,中国平均高0.2℃,其中,云南东部、贵州西部部分地区高超过1.2℃。(2)干、湿日最高气温标准差傅立叶级数展开式基波振幅都有中西部地区较小,而华南和东北部分地区相对较大的特点。除华南、西南部分地区外,中国大部分地区干日最高气温标准差基波振幅高于湿日,中国平均高0.4℃。(3)干日条件下,中国大部分地区最高气温标准差傅立叶级数展开式基波位相在-230—-200;而湿日条件下,地区间差异较大,基本在-250—-190。除西部和东北部分地区外,中国大部分地区干日最高气温标准差基波位相高于湿日。
3.1.2 最低气温由干、湿日中国各地年平均最低气温及最低气温平均值傅立叶级数展开式基波振幅和位相的分布(图 3)及统计(表 2)可以看出:(1)干、湿日年平均最低气温在中国各地的分布格局基本一致,表现为南方较高,北方较低。除贵州西部、云南东部、四川南部及重庆部分地区干日年平均最低气温较湿日高外,中国其余大部分地区低,中国全国平均低1.2℃,其中,青藏高原地区、东北和华北部分地区等地低1.5—2.5℃,部分地区低超过2.5℃。这也说明了部分地区干、湿状态对最低气温的影响还是较大的。(2)全中国各地干、湿日最低气温平均值基波振幅都有自南向北依次递增的趋势,其中,海南、云南部分地区在6℃以下,而东北中北部超过18℃。全中国大部分地区最低气温平均值基波振幅干日略高于湿日,其中东部部分地区高超过1℃。(3)中国大部分地区干、湿日最低气温平均值基波位相在-205—-190。全中国大部分地区干日最低气温平均值基波位相略高于湿日,其中华南大部分地区及贵州、云南等地超过5 d。
变量 | 傅立叶系数 | 全中国平均 | 站点间标准差 | ||||
干日 | 湿日 | 干湿日之差 | 干日 | 湿日 | 干湿日之差 | ||
平均值 | 年平均值 | 5.8 | 7.0 | -1.2 | 8.1 | 7.5 | 0.6 |
基波振幅 | 12.9 | 12.3 | 0.6 | 3.9 | 3.9 | 0 | |
基波位相 | -199 | -202 | 3 | 4 | 4 | 0 | |
标准差 | 年平均值 | 3.4 | 3.2 | 0.2 | 0.7 | 0.8 | -0.1 |
基波振幅 | 0.9 | 1.0 | -0.1 | 0.4 | 0.4 | 0 | |
基波位相 | -205 | -202 | -3 | 17 | 14 | 3 |
由干、湿日中国各地年平均最低气温标准差及最低气温标准差傅立叶级数展开式基波振幅和位相的分布(图 4)及统计(表 2)可以看出:(1)中国干、湿日最低气温年平均标准差有自西南向东北方向递增的趋势,其中,云南、西藏东南部、海南等地在2.5℃以下,而东北大部分地区及内蒙古、新疆北部等地超过4℃。除内蒙古东部、新疆、甘肃等地外,中国大部分地区干日年平均最低气温标准差高于湿日,其中,江南南部、华南北部及贵州、西藏东部等地高超过0.3℃。(2)干、湿日最低气温标准差基波振幅在中国的分布有中西部地区较小,而华南、东北部分地区相对较大的特点。除江南南部、华南大部分地区和西南部分地区外,中国其余大部分地区干日低于湿日,其中,东北以及云南、新疆等地低超过0.3℃。
(3)中国大部分地区干日最低气温标准差基波位相在-230—-200,湿日在-220—-190。除东部沿海和中部部分地区外,中国其余大部分地区干日最低气温标准差基波位相小于湿日,其中,新疆南部、西藏西北部等地小超过20 d。
3.1.3 日照时数由干、湿日中国各地年平均日照时数及日照时数平均值傅立叶级数展开式基波振幅和位相的分布(图 5)及统计(表 3)可以看出:(1)干、湿日年平均日照时数在中国各地的分布基本一致,低值中心出现在四川东部、重庆及贵州北部等地。中国大部分地区干日年平均日照时数较湿日多超过3 h,其中,中东部大部分地区多4.0—5.5 h,江南东北部及安徽南部等地多超过5.5 h。这种分布格局与中国不同地区的降水天气气候特点有关,西南地区阴雨天气较多,且以微量降水为主;而江南、华南地区受夏季风影响,不仅降水丰富,而且强度大(朱炳海,1963; 徐裕华,1991; 廖要明等,2012),所以,江南、华南等中东部地区湿日平均降水强度大,日照时数少。(2)中国各地干日日照时数平均值基波振幅有自西南向东北依次递增的趋势,其中,滇西、藏东南部分地区在1 h以下,而东北北部及新疆北部、重庆、四川东部、贵州北部等地超过3 h。中国大部分地区干日日照时数平均值基波振幅高于湿日,其中青藏高原地区及西南、东北等地高0.5—1.5 h,重庆、四川东部、贵州北部等地高超过1.5 h。(3)中国大部分地区干日日照时数平均值基波位相在-200—-170,广东西部、广西东部和云南西部较小,在-220 以下,而东北东部及内蒙古东北部、云南东部、四川南部、西藏东南部等地较大,超过-170。中国大部分地区湿日日照时数平均值基波位相在-190—-160,其中,东南沿海部分地区及云南西部等地较小,在-220以下;东北以及内蒙古东部、云南东部、四川西部和青海等地较大,超过-170。除江南、江淮及福建等地外,中国大部分地区日照时数平均值基波位相干日小于湿日,其中,青藏高原地区、东北等地少10—20 d,部分地区少超过20 d。
变量 | 傅立叶系数 | 全中国平均 | 站点间标准差 | ||||
干日 | 湿日 | 干湿日之差 | 干日 | 湿日 | 干湿日之差 | ||
平均值 | 年平均值 | 8.2 | 3.9 | 4.3 | 1.1 | 1.5 | -0.4 |
基波振幅 | 2.1 | 1.5 | 0.6 | 0.6 | 0.6 | 0 | |
基波位相 | -185 | -185 | 0 | 22 | 30 | -8 | |
标准差 | 年平均值 | 2.6 | 3.2 | -0.6 | 0.5 | 0.4 | 0.1 |
基波振幅 | 0.4 | 0.6 | -0.2 | 0.2 | 0.2 | 0 | |
基波位相 | -193 | -186 | -7 | 47 | 23 | 24 |
由干、湿日中国各地年平均日照时数标准差及日照时数标准差傅立叶级数展开式基波振幅和位相的分布(图 6)及统计(表 3)可以看出:(1)中国干日日照时数年平均标准差在西部较小,中东部相对较大,其中,四川东部、陕西南部、重庆、湖南、贵州等地超过3.2 h。中国湿日日照时数年平均标准差有自西南向东北递增的趋势,西藏东部、重庆、贵州北部等地较小,在2.3—2.6 h,而华北、东北大部分地区及新疆部分地区相对较大,超过3.5 h。除江南中西部、华南西部及重庆、四川东部、陕西南部、贵州等地外,中国其余大部分地区年平均日照时数标准差均有干日低于湿日。(2)干日日照时数标准差基波振幅在中国的分布有中部地区较小,而华南、东北、西北部分地区相对较大的特点。而湿日日照时数标准差基波振幅在西部部分地区相对较小,中部和东北等地较大。中国大部分地区日照时数标准差基波振幅干日低于湿日,其中,黄淮东部、江汉、江南西部及陕西南部等地低超过0.6 h。(3)干日条件下,西北和东北大部分地区日照时数标准差基波位相在-200—-120,其余大部分地区在-240—-200;湿日条件下,中国大部分地区日照时数标准差基波位相在-200—-170。中东部大部分地区日照时数标准差基波位相干日小于湿日,而西部大部分地区则干日大于湿日。
3.2 相关系数3.2.1 同一天各变量的相关系数由中国各地同一天各非降水变量相关系数分布(图 7)及统计分析(表 4)可以看出:(1)同一天最高气温与最低气温有明显的正相关关系,全中国平均相关系数达0.56,其中,西藏东南部、云南大部分地区、四川西部部分地区相对较小,在0.3以下,而北方大部分地区和中东部地区超过0.5。(2)中国大部分地区同一天最高气温与日照时数也呈正相关关系,但地区间差异较大,中国各地相关系数的标准差达0.19。其中,西南大部分地区相关系数相对较大,超过0.5,说明这些地区日照时数对当天的最高气温有明显的影响,而西北、华北和东北大部分地区相关系数较小,在0.2以下。(3)中国大部分地区同一天最低气温与日照时数呈负相关关系,其中,江南、江淮、江汉、华南、西南东南部、东北北部负相关较弱,而西北、华北等地负相关较强。这种负相关关系说明较低的最低气温往往出现在天气晴朗和具有较高的长波辐射的夜间之后。
时间 | 变量 | 相关系数 | 站点间
标准差 |
同一天 | 最高气温与最低气温 | 0.56 | 0.17 |
最高气温与日照时数 | 0.27 | 0.19 | |
最低气温与日照时数 | -0.17 | 0.12 | |
后延一天 | 最高气温与最高气温 | 0.66 | 0.06 |
最高气温与最低气温 | 0.41 | 0.13 | |
最高气温与日照时数 | 0.17 | 0.09 | |
最低气温与最高气温 | 0.57 | 0.12 | |
最低气温与最低气温 | 0.62 | 0.09 | |
最低气温与日照时数 | -0.04 | 0.09 | |
日照时数与最高气温 | 0.03 | 0.10 | |
日照时数与最低气温 | -0.07 | 0.06 | |
日照时数与日照时数 | 0.25 | 0.09 |
由后延一天各非降水变量相关系数分布(图 8)及统计分析(表 4)可以看出:(1)3个非降水变量后延一天的自相关系数在中国各地均为正,全中国平均分别为0.66、0.62、0.25,其中,最高气温正相关最为明显,最低气温次之,日照时数最小。即前一天的日照时数对后一天日照时数影响不明显,特别是北方地区,其主要和干、湿状态有关。(2)日照时数与前一天的最高气温、最低气温以及最低气温、最高气温与前一天的日照时数的相关系数都比较小,中国大部分地区在-0.2—0.3,其中,中国大部分地区日照时数与前一天的最低气温以及最低气温与前一天的日照时数呈弱的负相关。(3)中国大部分地区最低气温与前一天的最高气温以及最高气温与前一天的最低气温的相关系数在0.2—0.7,但云南和西藏部分地区相关系数相对较小,不足0.2,这可能与该地区的地形和降水特点有关,该地区处于西南季风气流的前沿,受地形的影响(处于迎风坡),降水特别丰富,降水对最高、最低气温的影响较大。
4 结 论(1)中国各地年平均最高气温南方较高,北方较低,且干日高于湿日;最高气温平均值基波振幅自南向北递增,且大部分地区干日略小于湿日;基波位相中国大部分地区在-205—-190,东部沿海较小,云南等地相对较大,且大部分地区干日略大于湿日。
(2)中国各地年平均最高气温标准差自西南向东北递增,且大部分地区干日低于湿日;最高气温标准差基波振幅中西部较小,而华南、东北等地相对较大,且大部分地区干日高于湿日;基波位相中国大部分地区在-230—-200,且大部分地区干日大于湿日。
(3)中国各地年平均最低气温南方较高,北方较低,且大部分地区干日低于湿日;最低气温平均值基波振幅自南向北递增,且大部分地区干日略高于湿日;基波位相中国大部分地区在-205—-190,且干日略大于湿日。
(4)中国各地年平均最低气温标准差自西南向东北递增,且大部分地区干日高于湿日;最低气温标准差基波振幅中西部较小,而华南、东北等地相对较大,且大部分地区干日低于湿日;基波位相中国大部分地区在-230—-190,除东部沿海和中部部分地区外,中国大部分地区干日小于湿日。
(5)中国各地年平均日照时数自东南向西北递增,其中,四川盆地有一个明显的低值中心,且东部地区干、湿日相差较大,而西部地区相差较小;日照时数平均值基波振幅自西南向东北递增,且大部分地区干日高于湿日;基波位相中国大部分地区在-200—-160,除江南、江淮及福建等地外,中国大部分地区干日小于湿日。
(6)中国各地年平均日照时数标准差分布差异较大,其中,干日在中东部较大,西部相对较小,而湿日自西南向东北递增,且除江南西部、西南东部等地外,中国大部分地区干日低于湿日;日照时数标准差基波振幅在干日条件下中部地区较小,而华南、东北、西北等地相对较大,湿日条件下西部地区较小,而中部和东北等地较大,且大部分地区干日低于湿日;基波位相自东南向西北递增,且西部大部分地区干日高于湿日,而中东部大部分地区干日小于湿日。
(7)中国大部分地区同一天最高气温与最低气温、日照时数呈正相关,最低气温与日照时数呈负相关。中国各地3个非降水变量后延一天的自相关系数均为正,其中,最高气温最大,最低气温次之,日照时数最小;大部分地区最低气温与前一天最高气温以及最高气温与前一天最低气温有较强的正相关;其余各变量之间后延一天的相关关系不明显。
(8)根据有限的气象站点资料对中国广大地区天气发生器非降水变量模拟参数进行分析,可以为天气发生器在中国广大地区的推广应用以及模拟参数的空间插值打下基础,从而实现对中国任意地区,特别是气象站点稀少的西部地区气候要素的随机模拟,进一步更好地满足中国气候影响评估和气候服务业务的需要。
陈超, 金之庆, 郑有飞等. 2004. CO2倍增时气候及其变率变化对黄淮海平原冬小麦生产的影响. 江苏农业学报, 20(1): 7-12 |
陈杰, 张勋昌, 刘文兆等. 2007. CLIGEN非降水参数在黄土高原的适应性评估. 中国水土保持科学, 5(5): 21-31 |
陈明昌, 张强, 杨晋玲等. 1994. 降水、温度和日照时数的随机生成模型和验证. 干旱地区农业研究, 12(2): 17-26 |
丁裕国, 张金铃, 江志红. 2009. 基于多状态Markov链模式的极端降水模拟试验. 气象学报, 67(1): 20-27 |
范丽军, 符淙斌, 陈德亮. 2005. 统计降尺度法对未来区域气候变化情景预估的研究进展. 地球科学进展, 20(3): 320-329 |
廖要明, 张强, 陈德亮. 2004. 中国天气发生器的降水模拟. 地理学报, 59(5): 689-698 |
廖要明, 潘学标, 张强等. 2006. 逐日降水量的模拟及其在作物气候风险分析中的应用. 华北农学报, 21(增刊): 206-212 |
廖要明, 陈德亮, 高歌等. 2009. 中国天气发生器降水模拟参数的气候变化特征. 地理学报, 64(7): 871-878 |
廖要明, 刘绿柳, 陈德亮等. 2011. 中国天气发生器模拟非降水变量的效果评估. 气象学报, 69(2): 310-319 |
廖要明, 陈德亮, 谢云. 2012. 中国日降水量小于不同阈值日数时空分布特征. 地理学报, 67(3): 321-336 |
林而达, 张厚瑄, 王京华等. 1997. 全球气候变化对中国农业影响的模拟. 北京: 中国农业科技出版社, 142pp |
刘绿柳, 孙林海, 廖要明等. 2008. 国家级极端高温短期气候预测系统的研制及应用. 气象, 34(10): 102-107 |
刘绿柳, 孙林海, 廖要明等. 2011. 基于DERF的SD方法预测月降水和极端降水日数. 应用气象学报, 22(1): 77-85 |
马晓光, 沈佐锐. 2002. 随机天气发生器的可视化编程及其将来在农业生态学上的应用. 中国农业科学, 35(12): 1473-1478 |
魏淑秋. 1985. 农业气象统计. 福州: 福建科学技术出版社, 377pp |
吴金栋, 王馥棠. 2000. 随机天气模型参数化方案的研究及其模拟能力评估. 气象学报, 58(1): 49-59 |
徐裕华. 1991. 西南气候. 北京: 气象出版社, 298pp |
杨文锋, 陈德亮, 胡春娟. 2005. 天气发生器对陕西降水的模拟. 陕西气象, 5(1): 5-7 |
张东, 张万昌. 2004. SWAT 2000气象模拟器的随机模拟原理、验证及改进. 资源科学, 26(4): 28-36 |
张凯, 唐亚平, 李岚等. 2011. 天气发生器与SDSM两种统计降尺度技术对长江中下游地区最高温度模拟的比较研究. 安徽农业科学, 39(3): 1545-1549 |
张岩, 朱清科. 2006. 土壤侵蚀过程模型中的天气生成器研究述评. 中国水土保持科学, 4(3): 103-108 |
朱炳海. 1963. 中国气候. 北京: 科学出版社, 361pp |
Bannayan M, Crout N M J. 1999. A stochastic modelling approach for real-time forecasting of winter wheat yield. Field Crops Res, 62(1): 85-95 |
Chen D, Achberger C, Postgrd U, et al. 2008. Using a weather generator to create future daily precipitation scenarios for Sweden. Earth Sciences Centre, University of Gothenburg, Gothenburg, Sweden, 82 |
Hayhoe H N. 1998. Relationship between weather variables in observed and WXGEN generated data series. Agri Forest Meteor, 90(3): 203-214 |
Jeong D I, St-Hilaire A, Ouarda T B, et al. 2012. Multisite statistical downscaling model for daily precipitation combined by multivariate multiple linear regression and stochastic weather generator. Climatic Change, 114(3-4): 567-591 |
Johnson G L, Daly C, George H T, et al. 2000. Spatial variability and interpolation of stochastic weather simulation model parameters. J Appl Meteor, 39(6): 778-796 |
Liao Y M, Zhang Q, Chen D L. 2004. Stochastic modeling of daily precipitation in China. J Geograp Sci, 14(4): 417-426 |
Richardson C W. 1981. Stochastic simulation of daily precipitation, temperature, and solar radiation. Water Resour Res, 17(1): 182-190 |
Semenov M A, Brooks R J, Barrow E M, et al. 1998. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Climate Res, 10(2): 95-107 |
Semenov M A. 2008. Simulation of extreme weather events by a stochastic weather generator. Climate Res, 35(3): 203-212 |
Soltani A, Hoogenboom G. 2003. Minimum data requirements for parameter estimation of stochastic weather generators. Climate Res, 25(2): 109-119 |
Wetterhall F, Bárdossy A, Chen D, et al. 2006. Daily precipitation downscaling techniques in different climate regions in China. Water Resour Res, 42, W11423, doi:10.1029/ 2005WR004573 |
Wilks D S. 1999. Interannual variability and extreme-value characteristics of several stochastic daily precipitation models. Agri Forest Meteor, 93(3): 153-169 |
Wilks D S. 2010. Use of stochastic weather generators for precipitation downscaling. WIRES Climate Change, 1(6): 898-907 |