全球长时序气温重建及其在高亚洲冰川模拟中的应用
文献类型：学位论文
| 作者 | 贺敏 |
| 答辩日期 | 2024-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 秦军 |
| 关键词 | 气温 数据驱动 机器学习 气候变化 冰川模拟 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 近地表气温是控制和影响各种地球表面过程的重要气候组成部分，在近地表 能量平衡、植被光合作用以及蒸散发等方面发挥着重要的作用，是地球系统模式 最重要的参数之一。目前，常见的全球气温格网产品生产方式主要有以下三类： 第一类是基于站点的插值。基于气象观测站点观测数据，利用克里金插值、反距 离权重插值等传统的空间插值方式，获取整个空间上的气温；第二类是基于卫星 观测数据的估算。卫星观测方式由于覆盖范围广，时空分辨率高，能够对一些缺 乏站点设置条件的区域进行持续的观测，为气温估算提供了时空上的便利；第三 类是基于观测数据借助于数值模拟和数据同化方法生产的再分析数据。然而，三 种获取方式也存在各种问题。首先，基于站点的空间插值通常在地形复杂、地表 异质性较强或者是缺乏站点观测的区域效果较差。人类用科技的手段定量地监测 气象变量的历史较短，在 17 世纪后期才开始有在全球范围内的气温记录，且气 象站点主要分布在德国、瑞士等欧洲发达国家。因此，稀疏的站点一方面导致1950 年之前的格网数据不确定性较大，另一方面不能很好地表达地形复杂、地表异质 性强的区域的气温特征。其次，基于卫星估算气温时可使用的卫星数据几乎始于 八十年代，时间覆盖长度相比于气象站要短得多，因此在时间跨度上不占优势。 最后，再分析数据受物理模型的约束，使得其数据产品在时空上连续性较好，但 对站点观测数据依赖性仍然较强，在缺乏观测数据的区域其精度不确定性也较大。 近一百多年以来，全球增温显著，但其时空分布极为不均，尤其是在高寒地 区以及高纬度地区，其增温速度显著高于其他区域。因此，如果要准确地探索全 球过去、现在以及未来增温的时空分布特征，必须要有高精度的长时序的格网气 温数据作为支撑。基于以上问题以及应用需求，本研究将尝试将地面站点数据、 卫星观测数据以及 CMIP6 多模式模拟数据相结合，发展一种新的精确高效的算 法，估算出全球陆地上每个 0.05°格网在 2002–2021 期间的气温；尝试基于卫星 衍生的气温及 CRU 插值数据以及 CMIP6 模拟数据构建长时间序列气温重建方 法，重建全球的 1900 年以来的 0.25°空间分辨率的气温数据；尝试基于卫星衍生 气温对 CMIP6 中 2015–2100 的多情景模式下的气温进行降尺度及偏差校正，并 根据校正后的气温分析 1900–2100 全球增温的时空分布特征；最后，尝试根据本 研究生产的气温数据模拟并分析亚洲高山区山地冰川 2000–2100 物质平衡趋势。 本研究的主要研究内容包括以下几个方面： （1）基于多源数据估算了全球陆地包括南北极的 2002–2021 年气温。针对 目前气象站点稀疏、站点分布不均等因素所带来的问题，基于地面气象站、浮标、 遥感卫星等多平台积累的全球数据，构建机器学习算法并进行了全球 2002–2021期间的近地表 0.05°×0.05°月平均气温数据格网化制图，并对该数据进行了全面 的验证，结果表明该数据在全球总体上 RMSE 和 BIAS 分别为 1.60 ℃和 0.06 ℃， 其中在青藏高原冰川上的 RMSE、BIAS 和 R2 分别为 1.71 ℃、0.49 ℃和 0.94， 在格陵兰冰川上的 RMSE、BIAS 和 R2 分别为 2.11℃、0.32 ℃和 0.97，在南极冰 川的验证结果比青藏高原和格陵兰冰川站稍差，其 RMSE、BIAS 和 R2 分别为 2.95 ℃、-0.11 ℃和 0.97。该数据弥补了青藏高原、南北极等地广人稀区域尤其 是冰川上的观测不足的缺陷。 （2）基于卫星衍生气温、CRU 气温、CMIP6 模拟气温等数据，分别重建了 1900–2014 年的 0.25°×0.25°全球月均气温、1960–2020 年的 0.05°×0.05°青藏高原 月均气温以及 1km×1km 青藏高原冰川月均气温数据。虽然目前已有的气象产品 时间已经可以覆盖到 19 世纪中后期，但仍有不少缺陷，例如空间分辨率低，缺 乏地球三极的数据，且无法准确描述特殊地表（如山地冰川）的增温情况。因此 本研究构建了一种有效的重建方法并生产了一套全球和两套地区性数据。全球数 据是自 1900s 以来的全球包括南极大陆在内的 0.25°×0.25°月平均气温数据，其验 证结果显示重建的气温的 RMSE 和 BIAS 分别为 1.36 ℃和 0.13℃，比直接偏差 校正的 CMIP6 多模式集合气温的精度高（RMSE=1.79 ℃，BIAS=0.23 ℃）。同 时，为了对比不同基函数对重建结果的影响，以青藏高原为例，以气象站点实测 数据为基函数分别重建了高原上 0.05°×0.05°分辨率的气温（RMSE=1.42℃， BIAS= 0.07℃），以及 1km×1km 分辨率的冰川近地表气温（RMSE=1.34 ℃，BIAS= -0.13 ℃），揭示出以实测站点观测数据为基函数的优越性。 （3）基于重建的历史气温数据及降尺度的 CMIP6 预测数据，分析了 1900– 2100 全球气温变化时空特征。根据以上对历史气温的重建以及未来情景模式预 估气温的偏差校正，基于近 100 年的历史气温和近 100 年的不同情景下的预测气 温数据，分析了不同区域的气候变化时空特征。从历史增温特征看，1901–1960 年期间增温的空间分布比较均匀，增温的区域主要包括北美洲、格陵兰岛、西伯 利亚远东地区，其增温速率约为 0.10 ℃/decade。相比之下，1961–2014 全球增温 速率显著增加，北半球的增温显著快于南半球。其中，泛北极地区的增温速率最 大，大部分地区超过了 0.45℃/decade，而北半球的其余地方大部分增温速率约为 0.25℃/decade。从未来的增温看，在 SSP1-2.6、SSP2-4.5、SSP3-7.0 以及 SSP5- 8.5 排放情景下，与 1901–1930 的平均气温相比，到 21 世纪末全球可能分别增温 2.26℃、3.49℃、5.20℃以及 6.34℃，而北半球可能分别增温 2.59℃、3.84℃、 5.72℃以及 7.03℃，而最敏感的泛北极地区甚至可能出现平均增温 2.77℃、4.68℃、 6.84℃以及 8.55℃的情况。 （4）基于 PyGEM (Python Glacier Evolution Model)冰川物质平衡模型模拟的 结果，分析了 21 世纪内高亚洲冰川对气候变化的响应。基于本研究重建的气温 及地区高精度降水产品，对 CMIP6 中模式模拟的气温和降水进行偏差纠正，并以此驱动 PyGEM 冰川物质平衡模型，模拟了 21 世纪内亚洲高山区大部分冰川 的物质、面积、平衡线、径流等参数的变化。物质平衡模拟结果显示，在 SSP1- 2.6、SSP2-4.5、SSP3-7.0 以及 SSP5-8.5 四种情景模式下，所模拟的高亚洲冰川在 2050s 可能分别损失储量 872.9Gt、1339.5Gt、1229.4Gt 以及 1378.3Gt，2100s 可 能分别损失储量 2418.3 Gt、4100.1 Gt、4743.3 Gt 以及 5116.5 Gt，分别占全区域 总储量的 30.8%、52.2%、60.4%以及 65.1%。相比之下，基于 ERA5 再分析数据 模拟的总的冰川物质损失在 2050s 和 2100s 比基于本研究输入数据模拟的物质损 失分别低估约 300Gt 和 600Gt，揭示了 ERA5 的气温和降水驱动的模拟结果明显 低估了高亚洲冰川物质损失量以及损失速度。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 页码 | 160 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/209364]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 贺敏. 全球长时序气温重建及其在高亚洲冰川模拟中的应用[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2024. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。