近100年德国四站点极端降水的频数和强度变化趋势以及极值理论分布拟合

论文摘要

极端降水事件日益引起世界广泛关注,一些研究数据表明在许多地区正在出现越来越多的极端降水,并有模式预测这种趋势将在未来延续下去。为了对德国地区的极端降水在过去一百多年的时间中,发生频数和强度变化趋势进行研究,.本文选取德国不莱梅、波茨坦、卡尔斯鲁厄以及楚格峰四个站点作为研究对象,分别用来代表德国不同地区不同地形的降水情况。本文所用资料为1901年至2007年间的逐日降水量,根据德国大雨与小雨的分界值,将20毫米天选取为阈值一；根据在降水量的概率密度分布图中,极端降水位于尾部5%的部分,将第95百分位点选取为阈值二,对逐日降水量超过阈值的事件定义为一次极端降水事件。本文对研究时段内,每年发生的极端降水数量进行统计,进而研究极端降水频数变化,并且对每年逐日降水量第95百分位点进行记录,作为极端降水强度变化的指数。另外,针对降水所具有的明显的季节性,本文分别对研究时段的冬季和夏季进行了分析。本文中所使用的主要方法为Mann-Kendall趋势检验法,可以对极端降水事件发生频数和强度变化趋势的显著性进行研究。结果显示,四个站点表现各不相同。与平原地区站点不同,位于山区的楚格峰无论在极端降水的频数还是强度方面都存在明显的上升趋势。在全球变暖的背景下,山区所特有的积雪融化会被加剧,从而促进水汽蒸发,导致垂直温度梯度增大,不稳定性增强,对流活动加强,为大规模降水提供了条件,所以山区站点的极端降水频数和强度才出现显著上升的变化趋势。对于大于20毫米天的降水事件,不莱梅和波茨坦发生频数保持稳定,没有显著的趋势变化,卡尔斯鲁厄有显著减少的趋势,楚格峰有显著增多趋势,而且,不莱梅的频数变化趋势与波茨坦相似,具有较强的正相关关系,而此二站与卡尔斯鲁厄的频数变化趋势大体相反,呈现较强的负相关关系；对于大于全年降水日第95百分位点的降水事件,不莱梅和楚格峰有显著增多趋势,波茨坦和卡尔斯鲁厄有显著减少的趋势。总体来说,德国北部城市极端降水数量在过去的一百年中变化不大,南部低海拔站点有减少趋势,而南部山区高海拔站点其数量有所增加。由北大西洋涛动的强弱导致的西风激流的强弱,会造成地表面风的差异,加之德国中部地形的影响,从而产生北部地区和南部地区极端降水频数变化的相反位相。当西风激流强时,南部站点极端降水数量较多,北部站点极端降水数量较少；反之亦然。冬季,大部分站点都有越来越多的极端降水,而且越来越强,只有波茨坦的频数变化保持稳定；而夏季,不莱梅在两方面都没有显著性趋势,波茨坦的极端降水有所减少,强度不变,卡尔斯鲁厄在夏季的极端降水既有所减少而且强度也在减弱,而楚格峰则完全相反,极端降水出现的频数显著增多,强度也在逐年增大。大部分站点的频数和强度都保持不变或有所下降,只有楚格峰均有上升趋势。北大西洋涛动的活动强弱在一定程度上决定了德国冬季极端降水的频数多少及强度大小,二者呈正相关的关系。北大西洋涛动越强,德国冬季的极端降水就越多,强度越大；北大西洋涛动越弱,德国冬季的极端降水就越少,强度也越小。在八月大型降水容易生成的时段里,北大西洋海温的异常可以影响到德国北部地区的极端降水规模。当冰岛低压的上游出现异常偏高的海温时,加强的蒸发对流活动可以在洋面上制造大量温暖湿润的空气,然后通过低压槽的输送给下游的地区带来大规模的降水。另外,根据极值理论,利用广义极值理论（GEV）分布以及广义帕累托分布（GPD）对四个站点的降水事件进行拟合,完成参数估计。结果显示,对于GEV分布,波茨坦和卡尔斯鲁厄都属于Frechet类型,而不来梅和楚格峰都属于Gumbel类型；而对于GPD,不莱梅、波茨坦和卡尔斯鲁厄都属于重尾分布（帕累托分布）,楚格峰可以看作轻尾分布（指数分布）。并且,根据两种分布,本文分布对四个站点不同回归周期的回归水平进行了估计,结果十分相近,但仍有细微差别。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 对极端降水研究成果回顾
• 1.2 本文研究内容
• 2 资料与分析方法
• 2.1 资料
• 2.2 分析方法
• 2.2.1 阈值确定
• 2.2.2 Mann-Kendall趋势检验法
• 2.2.3 广义极值（GEV）分布和广义帕累托分布（GPD）
• 3 平均降水量趋势变化
• 4 极端降水频数趋势变化
• 4.1 逐日降水量超过20毫米/天的极端事件
• 4.2 逐日降水量超过第95百分位点的极端事件
• 4.3 逐日降水量超过第95百分位点的极端事件在冬夏两季的表现
• 5 极端降水强度变化趋势
• 6 北大西洋涛动（NAO）对冬季极端降水的影响
• 7 北大西洋海温异常对极端降水的影响
• 8 大气环流异常与地形对极端降水的影响
• 9 山区极端降水的融雪效应
• 10 极端降水对总降水的百分比贡献
• 11 根据极值理论对极端降水的拟合
• 11.1 广义极值（GEV）分布拟合
• 11.2 广义帕累托分布（GPD）拟合
• 12 总结与讨论
• 12.1 总结
• 12.2 讨论
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文