泰国总体和极端降水的长期趋势和变率外文翻译资料

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

泰国总体和极端降水的长期趋势和变率

Atsamon Limsakul^a,Patama Singhruck^b

^a Environmental Research and Training Center, Technopolis, Klong 5, Klong Luang, Pathumthani 12120, Thailand

^b Department of Marine Science, Faculty of Science, Chulalongkorn University, Phayathai Road, Pathumwan, Bangkok 10330, Thailand

关键词：

泰国 趋势 降水 极端指数

摘要

基于质量控制的日报站数据，我们对泰国1955 - 2014年总体和极端降水指数的长期趋势和变率进行了检查。分析显示，虽然在泰国大部分地区，降水事件已经不那么频繁，但降水强度却变得更大。此外，测量强降水强度的指标表明趋向潮湿条件的趋势，这种趋势伴随着对年度总降水量贡献较大的强降水。这种变化的一个后果就是正如最近在泰国许多地方被证实的洪水的频率和严重程度的增加。在年际至年代际时间尺度上，降水指数变率与厄尔尼诺 - 南方涛动（ENSO）和太平洋年代际振荡（PDO）状态指数之间的显着关系被发现。这些结果提供了额外的证据表明太平洋的大规模气候现象是泰国全面和极端降水变化的远程驱动因素。 泰国在拉尼娜年和PDO冷阶段往往有更多的降水量和更极端的事件，在厄尔尼诺现年和PDO暖阶段，反过来也一样。另一个值得注意的发现是，在有特大极端降水事件的2011年，泰国遭遇了大洪水。 我们的结果与亚太地区的区域研究一致。 然而，这项研究提供了一个更加详细的一站式趋势图，并记录了二十一世纪发生的变化，这两者都有助于通过有关有效的管理策略的决定。

1. 介绍

降水是水文循环的关键组成部分，也是地球气候不断变化的特征。在所有气象变量中，降水最有可能直接并显着地影响生命和文明，因为降水变化往往对人类社会和自然环境造成重大影响（例如，Barretta和Santos，2014; Pielke和Downton，2000; Guan等，2014; Trenberth等，2003）。在过去几十年中，极端降水事件的频率和强度变得越来越明显，特别是在人为气候变暖下（尤其是Allan和Soden，2008年; Coumou和Rahmstorf，2012; Donat等， 2013; Min等，2011）。对于热带和亚热带来说，以极端降水事件为重点的研究量最近有了很大的进展。基于1803个站的每日降水数据集，例如，Goswami等人（2006）发现在1951年至2000年的季风季节期间，印度中部发生的极端暴雨事件的频率和幅度有所增加。Endo等人（2009）研究了东南亚降水极端的趋势，并表明，许多台站湿地天气平均降水强度呈上升趋势。 菲律宾1951-2010年期间的日常数据分析显示，一些站点极端日降水事件

的频率和强度均有明显上升（Cinco等，2014）。 此外，基于一系列区域研讨会的结果表明，在印度洋，亚太和阿拉伯地区，降水极端的趋势在空间上一致（Caesar等，2011; Choi 等，2009; Donat等，2014）。

人们认识到，降水极端分析的一个关键方面是区分某些可识别的气候强迫因子之间的变化的检测与变化归因的差异（Griffiths和Bradley，2007; Hoerling等，2010）。几项研究表明，极端降水事件的变化与大气环流模式有关（如Kenyon和Hegerl，2010; Caesar等，2011; Donat等，2014; McGree等，2014; Queralt等，2009; Zhang等，2010）。 Kenyon和Hegerl（2010）表明，全球降水极端的变化受到ENSO的显着影响，这些影响在太平洋沿岸最为明显。

鉴于降水极端的潜在重大社会，经济和生态影响，需要在当地进行最新的评估，以支持与制定有效的农业，水资源和灾害管理战略相关的决策过程。在这项研究中，特别注意到泰国，一个对极端降水事件变化研究数量仍然有限的国家。据我们所知，只有Limjirakan等人的作品（2010年）和Limsakul等人（2010年）研究了曼谷大都会地区和泰国沿海地区1965-2006年间日降水极端事件的变化。在这项研究中，降水指数主要集中在世界气象组织气候学委员会（WMO-CCI）/世界气候研究计划（WCRP）/气候变率和可预测性（CLIVAR）项目气候变化专家组推荐的极端事件计算检测指标（ETCCDI），然后，使用质量控制的每日电台数据检查了泰国在1955年至2014年期间这些指数的长期趋势，进一步研究了降水指数与ENSO和PDO在年际至年代际时间尺度上的指标之间的关系。

1. 数据和分析方法

2.1 每日降水数据

泰山气象台（TMD）地表气象台覆盖的1955年至2014年的每日降水数据为本研究奠定了基础。为了分析极端气候指标，选择站点数据时采用相当严格的标准。这些标准包括以下内容：（i）如果少于或等于5个失踪天数，一个月被认为具有足够完整的数据; （ii）如果所有月份根据（i）项完成，则一年被认为是完整的; （iii）根据（ii）（Griffiths和Bradley，2007; Moberg和Jones，2005; Chu等，2010），如果整个记录的全部记录少于或等于5个失踪年份，则一个站被认为具有完整的数据。 根据这些标准，共选择44个站进行随后的质量控制和均匀性测试。 总体而言，失踪数据的百分比范围为0％至1.9％，其中15个站点没有任何缺失值。

2.2 质量控制和同质性检查

所有选定的记录都按照Klein Tank（2009）等人概述的方法进行了进一步的统计质量控制（QC）算法，并使用了ETCCDI RClimDex软件。然后通过将它们的值与相邻天数相比较，在编辑或删除之前，对附近站的同一天和当地气候条件的专家知识进行验证其进行评估。第二步，使用ETCCDI RHtestsV4软件，根据惩罚性t检验（Wang等，2007）和惩罚性最大F检验（Wang，2008）对质量控制记录进行了同质性评估。该方法通过比较两相回归模型的拟合优度与整个基本系列的线性趋势的拟合优度，可以确定时间序列中的多个阶跃变化（Wang，2008）。在本研究中，使用相对测试对每月总降水量进行了均匀性分析，在这个测试中，对参考序列检查了候选序列（例如，Cao and Yan，2012; Aguilar等，2003; Peterson等，1998）。使用与候选站良好相关的一组均匀邻近站作为参考系（Aguilar等，2003）。 用于构建参考序列的大多数相邻数据（90％）与候选序列具有高相关性（相关系数gt;0.7）。

同质性检测确定了3个站，每月总降水量系列有重大变化。 根据站历史元数据提供的信息，这些阶段变化的原因的可能解释不清楚。 没有进一步的尝试调整数据，因为不均匀的日降水资料的调整是一个有一些不确定性的复杂的问题（Domonkos，2011; Aguilar等，2003），并且采取保守的方法来排除不均匀的数据。 在质量控制和均匀性试验的基础上，为降水指数的计算准备了1955年至2014年间的41个高质量记录的每日降水资料（图1）。 站的详细信息见表1。

图1

从1955年到2014年，TMD地表气象站的地理分布情况，长期运行质量控制日降水量记录。站点基本分为5个地形：1）北，2）东北，3）中央，4）东，5）南。

表格1

本研究中使用的TMD表面气象站的详细信息

您可能感兴趣的文章

• 基于改进TOPSIS法的我国省级高技术产业竞争力评价外文翻译资料
• 城市绿地，公共卫生和环境正义：使城市变得“足够绿色”的挑战外文翻译资料
• 中国制造业企业500强总部区位研究外文翻译资料
• 扬州市乡村旅游景区的空间分布特征研究外文翻译资料
• 亚洲前所未有的城市化对环境的影响[1]外文翻译资料
• 从1661年到1996年中国耕地覆盖的空间显性重建外文翻译资料
• 江苏省十三市产业结构与环境污染关系的研究外文翻译资料
• 基于1960-2013年观测数据的中国夏季极端高温的时间和空间变化特征外文翻译资料
• 亚太地区资源利用与资源效率外文翻译资料
• 转型视角下1970-2008年中日韩三国的物质流与资源产出率分析外文翻译资料