極端事件長程相關性研究.pdf

1、極端事件具有破壞性強，可預測性差等特點，極端氣候事件的研究是氣候變化科學中的一個熱門課題。在全球變暖背景下，我國極端天氣氣候事件呈現(xiàn)破壞性大、突發(fā)性強、難以預測等特點。以往的研究認為極端事件的發(fā)生是隨機的，它們相互之間是孤立無聯(lián)系的。近來研究發(fā)現(xiàn)，極端事件之間并非相互孤立毫無聯(lián)系。本文主要研究極端事件間的聯(lián)系及其長程相關性情況，探索極端事件及其重現(xiàn)時間序列的規(guī)律，拓展極端事件可預測性研究并應用于氣象資料的分析。 首先采用典型的混

2、沌系統(tǒng)- Lorenz系統(tǒng)為研究對象進行理論方面的研究，運用去趨勢漲落分析方法對不同初值和不同參數(shù)下系統(tǒng)的長程相關性進行分析。結果表明：系統(tǒng)長程相關性與系統(tǒng)初值所處相空間位置有關，初值越靠近不穩(wěn)定平衡點系統(tǒng)長程相關性越強，則其標度指數(shù)α越大，系統(tǒng)可預測性越好；當系統(tǒng)完全處于混沌狀態(tài)時，隨著控制參數(shù)，．逐步增大其動力學結構的混沌特性更加明顯，標度指數(shù)α都呈下降趨勢，系統(tǒng)長程相關性逐漸減弱，系統(tǒng)可預測性減弱。揭示了長程相關性與系統(tǒng)可預測性的

3、對應關系。并對系統(tǒng)方程進行擾動，發(fā)現(xiàn)當加入隨機噪聲后，系統(tǒng)長程相關性隨噪聲強度增大而逐漸減弱，進一步表明了Lorenz系統(tǒng)長程相關性(標度指數(shù)α)是表征其可預測性的極其有效的物理量之一。在以上基礎上運用去趨勢漲落分析方法分別研究NCEP/NCAR再分析資料中的高度場和溫度場，闡明了東亞區(qū)域的高度場和溫度場的標度指數(shù)α分布。研究表明高度場和溫度場都具有長程相關性，且空間分布特征總體匹配。對同一層格點資料而言，赤道附近的低緯度地區(qū)標度指數(shù)α

4、較大，長程相關性較好；中高緯度地區(qū)標度指數(shù)α較小，長程相關性較差，呈現(xiàn)比較明顯的緯向分布特征。不同層格點資料的標度指數(shù)α分布有所區(qū)別，具體表現(xiàn)為高度場資料隨層數(shù)的增加平均標度指數(shù)α值呈增長趨勢，且標度指數(shù)分布的緯向分布特征更為明顯；在高度場中下層青藏高原地區(qū)標度指數(shù)明顯大于同緯度其他區(qū)域。溫度場資料隨層數(shù)的增加平均標度指數(shù)α先減小再增大，也具有一定的緯向分布特征?？傮w而言，高度場長程相關性的標度指數(shù)α值要高于溫度場。分季節(jié)研究表明，高度

5、場和溫度場在不同季節(jié)中也具有較好的長程相關性，冬季標度指數(shù)α高于其他季節(jié)，為利用冬季信息制作夏季汛期預報提供了一定的理論參考。 進一步利用固定閾值法研究了Lorenz系統(tǒng)極端事件序列的長程相關性特征。發(fā)現(xiàn)對于不同閾值標定的極端事件序列具有長程相關性，且標度指數(shù)α比較接近，但都比Lorenz系統(tǒng)略小。不同的初值對極端事件序列的長程相關性影響不大，即對初值不敏感性，但Lorenz系統(tǒng)的長程相關性隨著控制參數(shù)的增大而明顯減弱。通過與高

6、斯白噪聲序列對比研究發(fā)現(xiàn)，Lorenz系統(tǒng)極端事件序列具有較好的記憶性特征。最后采用中國氣象局國家氣候中心194測站1957-2004年日最高氣溫觀測資料進行分析，揭示了實際氣象要素中存在類似的規(guī)律，為探尋高溫極端事件發(fā)生規(guī)律和對其進行預測提供了較有價值的參考。并且發(fā)現(xiàn)氣溫極端事件序列的標度指數(shù)α在廣西的東西兩側存在兩條明顯的大值帶，匯聚于長江中下游地區(qū)。這兩條大值帶分別對應了我國南海季風及其水汽的輸送通道和印度季風及孟加拉灣水汽輸送的

7、通道，從側面建立了長程相關性與氣候系統(tǒng)記憶性的可能聯(lián)系。 然后從極端事件重現(xiàn)時間的角度，研究了極端事件發(fā)生時間間隔的長程相關性。發(fā)現(xiàn)當原始時間序列具有長程相關性時，其極端事件重現(xiàn)時間序列也具有長程相關性，并且計算表明他們兩者的標度指數(shù)α十分接近，這與隨機情況下的重現(xiàn)時間序列有明顯的區(qū)別。具有長程相關性的重現(xiàn)時間序列，它的概率密度分布函數(shù)與隨機時間序列的有著本質(zhì)的區(qū)別，前者構成的極端事件序列呈現(xiàn)出聚集現(xiàn)象。因此定義了重現(xiàn)時間的群發(fā)