Page 111 - 2024年第55卷第3期

P. 111

校正对于改善数据时间序列上的相关性方面作用不大，这一结论与Ｊｏｓｅ等［２６］的研究结果也是一致的。

图２凌汛期多年日平均气温在偏差校正前后与实测气温的对比
综上可知，ＱＤＭ偏差校正方法能够较好地改善各模式对黄河流域凌汛期日平均气温的模拟能力，显
著降低了冷暖偏差，提高了模拟数据的空间相关性。多模式集合平均的方法能够进一步改善模拟数据的
性能，并能够提升模拟数据与观测数据之间的相关性。为此基于ＱＤＭ偏差校正及８模型集合平均后的凌
汛期日均气温数据评估黄河流域未来（２０１５—２１００年）凌汛期气温变化趋势下河流冰情演变特征。

表２各模式在偏差校正前后对黄河流域凌汛期日平均气温模拟性能评价指标

ＲＭＳＥ?℃ ＭＡＥ?℃ ＮＳＥＲｒ
ＧＣＭ
校正前校正后校正前校正后校正前校正后校正前校正后校正前校正后
ＭＲＩ－ＥＳＭ２－０５．９１５．１７４．７２４．０９－０．２２０．１２０．５４０．５５０．６８０．８１
ＩＮＭ－ＣＭ４－８５．２３４．８２４．１９３．８１０．０２０．２４０．６１０．６１０．７１０．８１
ＮｏｒＥＳＭ２－ＭＭ５．０２４．８２３．９８３．８１０．１５０．２４０．６００．６００．７３０．８２
ＩＮＭ－ＣＭ５－０５．５１５．１２４．４１４．０３－０．０８０．１４０．５７０．５８０．７１０．８０
ＴａｉＥＳＭ１５．８０４．８８４．６１３．８３－０．２１０．２２０．５９０．５９０．７００．８３
ＣＭＣＣ－ＣＭ２－ＳＲ５５．３１４．８０４．２１３．７９０．０４０．２４０．５９０．５９０．７１０．８２
ＣＭＣＣ－ＥＳＭ２５．６３５．１６４．４５４．０７－０．１００．１２０．５６０．５６０．７１０．８２
ＧＦＤＬ－ＥＳＭ４５．６６５．０７４．５０４．００－０．１００．１６０．５７０．５８０．７１０．８２
多模式集合平均４．３１３．７６３．４８２．９７０．３３０．５４０．７４０．７４０．７８０．８９

— ３５９ —

106 107 108 109 110 111 112 113 114 115 116