技术领域
本发明属于区域气候模型选择领域,尤其涉及一种基于方差分析的区域气候模型物理参数化方案优选方法。
背景技术
区域气候模型对于产出高分辨率的气候预报数据,支持气候变化条件下的影响评估和适应性研究有着至关重要的作用。不同的物理参数化方案的选择会导致不同的模拟结果。因此,为研究区域选择最优的物理参数化方案对于提高区域气候模型的模拟准确度有着重要的意义。
然而,由于区域气候模型计算负担较重,对所有可能的参数化组合进行长期模拟较难实现。此外,由于初始条件会带来的一定的模拟误差,仅长期模拟结果与观测数据的对比较为可靠。为解决上述问题,区域气候模型的物理参数化方案优选可分为以下两步:(1)通过短期模拟筛选出对气候指标影响最为显著的物理模式;(2)仅针对影响显著的物理模式组合进行长期区域气候模拟,进而与观测数据相比较。
近年来,国内外学者进行了一系列相关研究,以对区域气候模型中的物理参数化方案进行优选。例如,Gianotti et al.(2012)评估了RegCM中多个cumulus convectionschemes(云层对流模式)的模拟准确度;Crétat et al.(2012)运用27套WRF短期(3个月)模拟结果,深入探究了降水模拟对cumulus scheme(云层模式)、PBL scheme(边界层模式)、microphysics scheme(微物理模式)的敏感性。然而,由于区域气候模型运算负担较重,以往的研究大多只对两个或三个物理模式进行优选,其余物理模式使用默认值。此外,还有一些研究直接将短期模拟结果与观测数据相比较,导致结果存在较大误差。最近,国内外学者开发了一系列替代模型。通过建立替代模型与区域气候模型结果之间的统计学关系,实现减少相关研究运算量的目的。替代模型虽然可以有效的缩减模拟时间,但其只能提供近似的结果,在一定程度上影响了分析的准确性。
发明内容
针对上述问题,本发明旨在提出一种基于方差分析的区域气候模型物理参数化方案优选方法。该方法能够:(1)涵盖区域气候模型(RegCM)中所有的物理参数化方案组合;(2)在考虑单一的物理参数化方案的同时,考虑它们之间的交互效应对气候模拟的影响;(3)反映区域气候模型物理参数化方案优选结果的时空差异。
一种基于方差分析的区域气候模型物理参数化方案优选方法,包括:
步骤1.考虑包括陆面模型、边界层模拟、对流模拟、湿度模拟和洋流模拟的区域气候模型的五种参数化方案,针对包括平均温度、降水、风速及风向多种气候指标,进行模拟;
步骤2.将上所述气候指标视为因变量,将所述五种参数化方案看作解释变量,将参数化方案的不同选择认定为解释变量的不同水平,建立效应模型;
步骤3.计算总平方和;
步骤4.计算单一物理参数化方案的主效应;
步骤5.计算两物理参数化方案之间的交互效应;
步骤6.计算三物理参数化方案之间的交互效应;
步骤7.计算四物理参数化方案之间的交互效应;
步骤8.计算全部物理参数化方案之间的交互效应;
步骤9.计算各物理参数化方案及其交互作用对区域气候模拟方差的贡献度;
步骤10.引入贡献水平β,若物理参数化方案或其交互作用对区域气候模拟方差的贡献度小于预设的贡献水平,则假定为系统自误差;
步骤11.通过F检验得到各物理参数化方案及其交互作用对气候模拟影响的显著性,得到对气候模拟影响显著的物理参数化方案或交互;
步骤12.对影响显著的物理参数化方案组合进行长期区域气候模拟,并与观测数据相比较,以实现区域气候模型物理参数化方案的优选。
进一步,步骤2中建立的效应模型为:
y
其中,μ为平均效应;α
进一步,步骤3中的总平方和为SS
进一步,步骤4中单一物理参数化方案的主效应,以方案A为例为SS
进一步,步骤计5算两物理参数化方案之间的交互效应,以方案A和B两个方案为例为SS
进一步,步骤6中计算三物理参数化方案之间的交互效应,以方案A、B和C三个方案为例为SS
SS
进一步,步骤6中计算四物理参数化方案之间的交互效应,以A、B、C、D为例为SS
SS
进一步,步骤8中计算全部物理参数化方案之间的交互效应为SS
SS
SS
SS
SS
SS
进一步,步骤9中,各物理参数化方案及其交互作用对区域气候模拟方差的贡献度为单一物理参数化方案的主效应或交互效应与所述总平方和的比值。
进一步,显著性计算公式为
其中,df
本发明技术方案的效果:本发明所提出的方法能够有效解决区域气候模型物理参数化方案优选过程中计算负担重及结果不可靠的问题,可为产出准确可靠的高精度区域气候数据奠定坚实的基础。
具体实施方式
下面对本发明的实施方式作详细说明。
本发明提出了一种基于方差分析的区域气候模型物理参数化方案优选方法。具体实施步骤如下:
步骤1、考虑区域气候模型中所有可选的参数化方案,分别为陆面模型(landsurface model)、边界层模拟(planetary boundary layer scheme)、对流模拟(cumulusconvection scheme)、湿度模拟(moisture scheme)和洋流模拟(ocean flux scheme),针对多种气候指标,包括平均温度、降水、风速及风向,进行模拟。
步骤2、将上述气候指标视为因变量,将五种参数化方案看作解释变量,将参数化方案的不同选择认定为解释变量的不同水平。在此基础上,效应模型为:
y
其中,μ为平均效应;α
步骤3、计算总平方和(SS
步骤4、计算单一物理参数化方案的主效应(SS
步骤5、计算两物理参数化方案之间的交互效应(SS
步骤6、计算三物理参数化方案之间的交互效应(SS
SS
步骤7、计算四物理参数化方案之间的交互效应(SS
SS
步骤8、计算全部物理参数化方案之间的交互效应(SS
SS
SS
SS
SS
SS
步骤9、计算各物理参数化方案及其交互作用对区域气候模拟方差的贡献度,其为单一物理参数化方案的主效应或多个物理参数化方案之间的交互效应与总平方和的比值。
以参数化方案A为例,如下:
步骤10、由于当模型设置与输入数据相同时,区域气候模型的输出结果完全相同,本发明不具备重复实验的条件。为解决上述问题,本发明引入了贡献水平(β)。若物理参数化方案或其交互作用对区域气候模拟方差的贡献度小于预设的贡献水平,则假定为系统自误差。具体公式如下所示:
步骤11、通过F检验得到各物理参数化方案及其交互作用对气候模拟影响的显著性。具体公式如下所示:
其中,df
步骤12、通过上述方法,可以得到对气候模拟影响显著的物理参数化方案或交互。进而对影响显著的物理参数化方案组合进行长期区域气候模拟,并与观测数据相比较,以实现区域气候模型物理参数化方案的优选。
为证明本发明提出的方法的有效性,将该方法应用于加拿大地区。结果表明,该方法能够筛选出对区域气候模拟影响显著的物理参数化方案(或交互),并在此基础上优选出研究区域最优的物理参数化方案。
具体结果如下:不同参数化方案驱动的区域气候模型的模拟结果在时间和空间上均具有显著性差异。因此,为研究区域选择合适的参数化方案对于提高模拟准确度有着重要意义。此外,五种参数化方案本身对于气候模拟的影响占据了主导地位。然而,各参数化方案之间的交互作用也不容忽视,尤其是两种参数化方案之间的交互作用。
对于平均气温、总降水量和风速影响最为显著的物理过程分别为边界层模拟(Planetary Boundary Layer scheme),湿度模拟(Moisture scheme)和陆面模型(Landsurface model)。这些占据主导地位的物理过程对于相应的气候指标在研究区域内的绝大多数格点,在全年的绝大多数时间均有显著影响。
与此不同的是,其它物理过程对于气候指标的影响具有显著的时间和空间差异。例如,对流模拟过程(Cumulus Convection scheme)对于平均气温、总降水量和风速的影响在北极地区相对较弱。且相较于其它三个季节,对流模拟过程(Cumulus Convectionscheme)对于夏季气候模拟的影响最为显著。而边界层模拟(Planetary Boundary Layerscheme)对于冬季气候模拟的影响最为显著。特别指出的是,由于风向的模拟受各物理过程的交互影响较大,很难从统计学角度筛选出显著的贡献因子。
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
机译: 微遗传算法与天气研究与预测模型(μ-GA-WRF)的界面系统,用于优化WRF模型中物理参数化的方案组合
机译: 基于洛伦茨垂直离散化方法的硬球水平网格系统和硬件设备实现的数值天气预报模型物理参数化包装方法
机译: 从动态数据生成要检查的地下层结构物理特性的及时地质模型,包括对精细网格模型进行参数化以获得特性分布