《Advances in Climate Change Research》:A new method of reducing dynamic downscaling precipitation bias in drylands: Wet-day Quantile Delta Mapping (WQDM)
编辑推荐:
分位数增量映射(Quantile Delta Mapping,QDM)作为动力降尺度之后最常用的偏差订正方法,已广泛应用于多种气候区。然而,与其他地区相比,该方法在干旱区存在一个显著缺陷,即会生成过多随机数。为解决这一问题,研究人员提出了一种创新性的湿日分位数
分位数增量映射(Quantile Delta Mapping,QDM)作为动力降尺度之后最常用的偏差订正方法,已广泛应用于多种气候区。然而,与其他地区相比,该方法在干旱区存在一个显著缺陷,即会生成过多随机数。为解决这一问题,研究人员提出了一种创新性的湿日分位数增量映射(Wet-day Quantile Delta Mapping,WQDM)方法。该方法通过对湿日降水比例进行映射,克服了QDM的局限性,从而能够更有效地降低动力降尺度造成的降水偏差。在湿日频率偏差方面,与QDM相比,WQDM的最大降幅超过50%。对于极端降水,QDM可将偏差降低52.22%,而WQDM可进一步降低至61.58%。这些结果表明,WQDM具有更优的偏差订正性能,尤其适用于低频降水区域。本研究为干旱区降水资料处理提供了新的方法学支持,并为系统认识其特征、演变规律及影响机制奠定了坚实基础。
本文发表于《Advances in Climate Change Research》,聚焦干旱区动力降尺度降水资料的偏差订正问题。研究背景在于,干旱区覆盖全球大面积陆地,降水稀少且年际、季节及空间变率显著,水资源短缺与气候变化相互叠加,使该类区域成为气候变化研究中的敏感区和脆弱区。黄河流域作为亚洲乃至全球具有代表性的干旱—半干旱区域之一,其降水变化具有明显空间差异,尤其流域内部存在反相变化型和区域性降水偶极结构,因此相关研究高度依赖高分辨率气候数据。动力降尺度因具有较清晰的物理可解释性,被广泛用于将全球气候模式(Global Climate Model,GCM)输出细化为区域尺度资料;但即便是高分辨率区域气候模式(Regional Climate Model,RCM)输出,降水模拟中仍普遍存在系统性偏差,主要体现为均值、方差、分位数分布、降水发生频率、强度结构及概率密度函数等方面的失真,这显著限制了数据在气候影响评估中的应用价值。
在现有后验偏差订正方法中,分位数映射(Quantile Mapping,QM)及其衍生方法应用广泛,其中分位数增量映射(Quantile Delta Mapping,QDM)因能够在订正偏差的同时较好保留气候变化情景下原始数据的相对变化信号,已成为主流方法之一。然而,QDM在降水订正中通常需要设定湿日阈值,将阈值以下降水按随机数处理。对于干旱区而言,由于降水本身发生频率很低,这一处理会导致样本中随机生成值占比过高,进而干扰降水概率密度分布拟合及矩参数估计,尤其影响极端降水和湿日频率的刻画。研究人员正是针对这一尚缺乏充分关注的方法学缺陷,提出湿日分位数增量映射(Wet-day Quantile Delta Mapping,WQDM),旨在为干旱区建立更适宜的动力降尺度后处理框架。
研究人员以黄河流域为案例区,系统比较了原始动力降尺度资料、QDM订正结果与WQDM订正结果在整体数据结构、年循环、极端降水、干旱分区适用性以及映射参数层面的差异,最终表明WQDM整体优于QDM,尤其在低频降水区域优势更为明显。研究的重要意义在于,该方法通过显式处理湿日频率差异,减少了传统QDM中随机数替代造成的结构性误差,为干旱区降水偏差订正提供了新的技术路径,也为后续气候变化影响评估、灾害监测预警及干旱区水资源研究提供了更可靠的数据基础。
在技术方法方面,研究人员采用WRF(Weather Research and Forecasting Model)分别在30 km与10 km分辨率下对黄河流域开展动力降尺度模拟,驱动资料来自经偏差订正的CMIP6全球数据集,时间范围为1982年9月至2014年8月,其中1982年9月至1998年8月为实验期,1998年9月至2014年8月为验证期。基准资料采用ERA5,CN05.1作为补充参考。研究将黄河流域划分为20个子区,并汇总各子区格点数据构建代表性累计概率密度分布。降水分布拟合采用Gamma分布,比较极大似然估计(Maximum Likelihood Estimation,MLE)与矩估计法(Method of Moments,MoM)后,选用MoM进行最终拟合。WQDM方法以0.1 mm湿日阈值定义降水发生,并通过百分位映射确定模型湿日阈值,仅对湿日降水实施QDM订正,阈值以下直接置零,同时以均方根误差(Root Mean Square Error,RMSE)等指标评估性能。
3.1. Biases in model data for the Yellow River Basin during the experiment period
在开展偏差订正前,研究人员首先评估了实验期内模型数据对黄河流域降水的模拟能力,主要考察20个子区的均值、方差、截断尺度
以及湿日比例四项统计量。结果显示,模型偏差具有显著空间异质性。区域0–5及11主要对应源区,整体偏差较小,偏差主要体现在方差和截断尺度
上,这与这些区域靠近黄河源区和青藏高原、降水相对稳定且湿日比例较高有关。相比之下,区域6–10主要位于上游,湿日比例较低,同时方差和截断尺度
偏差显著增大,体现出干旱区低频降水条件下模型偏差加剧的典型特征。区域12–19尤其17–19主要位于中游,也表现出较大偏差,其原因在于湿日比例较低而降水量相对较高。研究特别指出,区域6–10虽均值降水较小,但其方差和极端降水误差与高均值的17–19区相当,说明模型偏差在低湿日比例区域更突出。此外,在大多数区域中,10 km分辨率的WRF
10整体优于30 km分辨率的WRF
30,表明更高空间分辨率有助于改善模拟效果。
3.2. Improvements of WQDM over QDM in the overall data structure of precipitation bias correction
在验证期内,研究人员使用与实验期相同参数,对QDM和WQDM订正结果进行比较,重点考察整体数据结构的偏差订正能力。结果表明,无论是WRF
30还是WRF
10,WQDM在几乎所有子区的四项统计指标上相对于ERA5均表现出比QDM更小的绝对误差。对于均值和方差,WQDM在低降水频率的6–10区改进尤为突出,说明该方法确实能够在低频降水区域更有效地修正降水量级及离散程度。对于既反映极端特征又是映射关键参数的截断尺度
,WQDM在全部子区均表现出更稳定、更强的改进能力,表明其在优化整体分布结构特别是极端尾部方面具有优势。对于湿日比例,WQDM表现最为突出,不仅全部子区的偏差均小于QDM,而且在部分原始阈值偏差较大的区域,湿日比例偏差降幅超过50%,证明其在大阈值误差情形下具有更强订正能力。研究同时指出,WQDM与QDM误差之间仍存在较强正相关,说明WQDM虽明显优于QDM,但并未从根本上消除QDM框架本身的全部局限。
3.3. Comparison of WQDM and QDM in bias correction for the annual cycle
在时间演变方面,研究人员比较了两种方法对降水年循环的订正效果。结果显示,QDM和WQDM均可明显减小原始模式在全年各月的偏差,但WQDM在全年循环中整体更接近ERA5,尤其在7月和8月降水最强、时间变率最大的时期表现更优。无论在10 km还是30 km分辨率下,WQDM所订正的年循环曲线及其标准差均更贴近ERA5,表明其能够更好表征日尺度降水时间一致性。该结果说明,WQDM不仅改善统计分布结构,也有助于提升降水季节内时间演变的合理性。
3.4. Comparison of WQDM and QDM in bias correction for extreme precipitation
极端降水是评估偏差订正方法有效性的关键指标。研究人员采用验证期内90
th百分位降水的空间分布进行检验,结果表明原始模型总体高估极端降水。经过偏差订正后,QDM与WQDM均显著降低偏差,其中RMSE由未订正时的4.06降至QDM的1.94和WQDM的1.56,对应偏差降幅分别为52.22%和61.58%。进一步比较发现,WQDM在空间分布上的表现优于QDM,尤其在低降水的7–10区偏差下降更明显,显示出其在干旱及低频降水区域处理极端降水方面的独特优势。与90
th百分位结果一致,截断尺度
的空间分布分析也表明WQDM优于QDM,WQDM的RMSE为3.58,低于QDM的3.90,且两者均明显优于未订正结果。这进一步证实WQDM在极端降水空间格局重建方面具有更高能力。
3.5. Comparison of WQDM and QDM in bias correction for arid zones
为检验方法在不同水热分区中的稳健性,研究人员将黄河流域划分为干旱区、半干旱区及其他区,并评估WRF
10原始数据以及QDM、WQDM订正结果。结果显示,两种方法均可显著减弱原始模拟的系统误差,但WQDM在三个分区的年总降水订正中均持续优于QDM;在空间误差方面,其总体也优于QDM,仅在半干旱区表现出轻微减弱。年降水偏差时间序列与空间RMSE随时间变化的同步特征进一步表明,这种改进并非由个别年份波动造成,而具有较强系统稳定性。总体而言,WQDM在不同干旱分区中均展示出更加精细且稳定的时空订正能力。
3.5. Bivariate kernel density distributions of
and
在前述分析基础上,研究人员进一步考察了Gamma分布两个核心参数——截断尺度
与幂律指数
——的双变量核密度分布,以揭示方法层面的偏差来源。结果表明,与ERA5相比,无论原始数据还是订正数据,整体均呈现两个负偏差中心与一个正偏差中心,且较明显的偏差中心位于
=0.6–0.8范围,说明高
值被高估、中等
值被低估,对应于特定强度范围内分布位置的偏移。原始模拟中,原本位于
=5–15范围的降水事件被错误模拟到15–20范围;经QDM与WQDM订正后,原本大于
=25的值被下调至15–20范围,表明两种方法均能削弱高端极端降水的高估。值得注意的是,WQDM在15–25核心区间的偏差小于QDM,在5–15范围的负偏差中心也较弱,说明其在极端降水强度模拟方面更具优势。30 km和10 km两种分辨率下,在
=0.6–0.8范围中,WQDM的
偏差订正误差均小于QDM,进一步证明WQDM在概率密度相关参数
与
的刻画上略优于QDM。
讨论部分指出,WQDM优于QDM的根本原因,在于其在强度订正之前先对湿日频率进行物理一致性的对齐。在干旱环境中,降水事件稀少且变率高,偏差订正的准确性高度依赖于对湿日样本群体的正确识别。WQDM通过预先调整湿日阈值,使进入Gamma分布参数估计的样本更能代表真实降水状态,从而改进形状参数与尺度参数估计,并进一步提高轻降水与极端事件的表达能力。由此,WQDM能够更真实地反映局地降水概率密度函数,避免因忽视阈值变化而造成的频率低估或强度高估。这种思路说明,在后续优化前优先利用初始数据结构特征合理表征分布,对于气候敏感区的数据订正具有重要启示。
同时,研究人员也指出WQDM的局限性。首先,尽管WQDM相较QDM有所改进,但二者结果总体仍呈正相关,说明WQDM属于对现有QDM框架的结构性优化,而非完全替代。其次,两种方法均依赖参数化累计分布函数拟合,研究显示其对
=15–20范围内的值订正效果有限。这与Gamma分布映射本身的性质有关:由于原始WRF模拟往往产生过多极端降水,导致
>20区间值偏多而
<15区间值偏少,在整体向下映射以满足观测转移函数时,原先极端值被集中压缩到15–20区间,从而在该区间产生误差积累。再次,年循环分析还表明,这类订正主要改善的是气候平均态,并未根本改变模式内部时间演变机制,因此未来可能需要引入时间依赖信息及其他物理约束变量。最后,QDM和WQDM的稳健性还依赖原始模拟与基准数据在数据结构上的一致性;若不同降水强度等级的相对比例差异较大,则Gamma参数化表达能力将受限。因此,未来可考虑在映射前先评估结构偏差,并按照物理阈值将降水划分为小雨、中雨和强降水等不同过程区间,分别建立映射函数,以进一步提升不同强度谱段上的订正精度。
研究结论部分可译为:在干旱区,低频且稀少的降水会放大模式偏差,因此对模式数据进行偏差订正具有必要性。然而,当前主流后处理方法QDM需要将阈值以下降水设为随机数,这会影响降水分布拟合及后续映射,在低频降水的干旱区尤为突出。为此,研究人员提出了面向干旱等气候敏感脆弱区的湿日分位数增量映射方法(WQDM)。结果表明,WQDM相较QDM具有以下优势:其一,在整体数据结构上,对均值和方差的偏差更小;其二,在时间演变与极端降水方面,订正后的年循环更接近ERA5,且极端降水空间分布的RMSE由QDM的1.94进一步降至1.56;其三,在映射参数层面,WQDM在偏差最显著的
=0.6–0.8范围内具有更小的
误差;其四,在高分辨率资料上具有稳定适用性,在WRF
30与WRF
10中均表现一致,且10 km数据优于30 km数据。总体而言,WQDM通过更准确刻画原始降水分布,为其他气候敏感区或降水高变率区域提供了新的方法学框架,对提升防灾减灾和预警能力具有重要价值。