[发明专利]一种考虑逐日数据波动特征的GCM校正方法

摘要

本发明公开了一种考虑逐日数据波动特征的GCM校正方法，以月为计算单元，提取某一种气象因子的历史时期逐日实测数据和同历史时期GCM逐日数据以及待矫正的未来时期GCM逐日数据，计算历史实测数据和历史GCM数据多年月均值，构建均值矫正因子，从而对未来气象数据进行逐日均值矫正，并构建方差矫正因子，对均值矫正后的未来气象数据进行方差矫正，以矫正后的方差为约束条件，得到一个新的未来GCM气象序列。本发明考虑了未来GCM数据的分布特征和实测数据的分布特征一致性，对未来GCM数据进行偏差矫正，从而使得采用GCM数据的模型模拟的结果更趋于准确。

主权项

1.一种考虑逐日数据波动特征的GCM校正方法，其特征在于，包括以下步骤：1)提取某一种气象因子的历史时期逐日实测数据和同历史时期GCM逐日数据以及待矫正的未来时期GCM逐日数据；2)计算所述气象因子历史逐日实测数据和历史GCM逐日数据各月均值，并计算二者多年月均值；3)基于历史逐日实测数据多年月均值与历史GCM逐日数据多年月均值，构建均值校正因子；4)待矫正的未来GCM逐日数据分别乘以所述均值校正因子得到均值校正后的气象序列；5)基于所述步骤1)提取的气象因子的原始数据，分别计算该气象因子历史逐日实测数据和历史GCM逐日数据各月方差，并计算多年月方差均值；6)构建方差校正因子；7)构建逐日气象因子转换函数，为：X_d,i,j＝X_i,j‑(X_i,j‑M_f,i)×(1‑β_i)其中，X_i,j为均值校正后的第i月第j天的未来GCM逐日数据，j＝1,2,3…,n，n＝28/29/30/31，具体n的值以该月的实际天数为准，M_f,i是均值矫正后的未来GCM逐日数据气象序列的逐月均值，X_d,i,j为方差校正后的第i月第j天的未来GCM逐日数据，β_i为第i月的方差校正因子。