SDSM降尺度模型中文操作手册

Reviews typically group downscaling methodologies into four main types: a) dynamical climate modelling, b) synoptic weather typing, c) stochastic weather generation, or d) transfer-function approaches.

综述了典型组降尺度方法研究分为四种主要类型：一）动力气候建模，B）的天气天气分型，C）随机天气生成，或D）的传递函数方法。

The SDSM software reduces the task of statistically downscaling daily weather series into seven discrete steps: 1) quality control and data transformation; 2) screening of predictor variables; 3) model calibration;

4) weather generation (using observed predictors); 5) statistical analyses; 6) graphing model output;

7) scenario generation (using climate model predictors).

模型的校准，来源是美国国家环境预报中心（NCEP）再分析数据集–。数据被重新–网格

适应HadCM3网格系统（图2.2）。所有的预测（与地转风的方向，异常，见下文）进行标准化与1961至1990的平均水平。然而，日常的预测也为期1961–2000提供。

缩减未来气候情景下四套的GCM输出是可用的：HADCM2，HADCM3，CGCM2，CSIRO。三种排放情景：可用：CO2年均以每年1%的温室气体实验（HADCM2只），A2和B2两个SRES情景的温室气体，产生的硫酸盐气溶胶，和太阳辐射（HADCM3，CSIRO，CGCM2）。

3。开始

启动SDSM，在Windows桌面上的开始按钮，然后在 程序，然后在SDSM（出现在名单上的一个小雨云 可用的程序）。下面的屏幕会出现：

飞溅屏幕出现在未来（IE主菜单屏幕，将开始出现在盒子SDSM）单击“不再显示此屏幕再次。如果进一步的信息在任何时间，在每个屏幕的顶部，请单击“帮助”按钮（用户可以通过关键词或任务搜索帮助的内容）。SDSM是由在每个屏幕的顶部栏中选择适当的按钮导航。这些设置在同一逻辑顺序为SDSM关键功能。

在降尺度，用户应该检查的日期范围，所有输入的数据类型和完整性。建立工作环境点击扳手符号在主菜单的顶部（或任何其他屏幕顶部）访问settingsscreen（图3.3）。

3.2高级设置

先进的设置是通过设置屏幕点击高级按钮在屏幕的顶部。高级设置屏幕允许用户更改并保存偏好进一步降尺度模型（图3.4）：

模型转换：指定的变换应用在有条件的模型预测。默认的（不）时使用的预测通常是分布式的（通常为每日温度的情况下）。替代（第四根，自然对数逆正常）时使用的数据是倾斜的

（如在日降水的情况下）。请注意，逆正态变换采用观测预报量条件采样（见Wilby等。2003）。改造型记录在*。PAR和*。SIM文件来保证数据的一致处理后续方案和数据分析程序中。 方差膨胀：控制在缩减日常天气变量的方差膨胀幅度。此参数变化的方差增加/减少的“白噪声”应用于局部过程模型的估计。默认值产生近似正态方差膨胀（任何转换前）。较大的值增加收缩性质的变化。方差膨胀的–通过设置参数为零活性。请注意，第四根和自然对数模型转换（见上文），这个参数也影响均值的变化。

偏置校正补偿任何倾向于过分–或在–估计条件过程均值的降尺度模型（例如，平均日降雨量）。默认值是1，表示没有偏差校正。

条件选择：调整条件处理的方式（例如，降水量）进行采样。默认的（随机）允许的结果是完全基于机会。固定阈值允许用户增加一个条件事件的机会（通过设置阈值接近零），或减少的机会（通过设置接近1）。

优化算法：SDSM 4.2提供的优化模型–对偶单纯形的两种方法（如在早期版本的SDSM）和普通最小二乘法。虽然这两种方法都给出了类似的结果，普通最小二乘法快得多。用户也可以适当的方格打勾选择逐步回归模型。逐步回归工作逐步包括更多的变量和选择根据一个或两个指标–Akaike信息准则的预测最简约的模型（AIC）和贝叶斯信息准则（BIC）。 设置文件：位于标准和先进的设置在一个用户定义的参考文件和目录举行。一个新的或更新的设置文件被创建时，单击“保存”按钮在屏幕的顶部。C：\\ sdsm.ini设置文件自动加载时，SDSM启动。

按下重置随时重新加载原始设置，或回到设置屏幕，随后再返回上一屏幕。

4。质量控制与数据转换

一些气象站已完成和/或完全准确的数据集。缺失和不完善的数据处理是最实用的情况下有

必要。在某些情况下，可能还需要变换数据模型校准之前。SDSM使质量控制和数据转换。 4.1质量控制

检查输入文件的丢失的数据和/或可疑值，从任何的主屏幕上点击按钮的质量控制。下面的屏幕会出现：

在“选择文件”按钮单击。将一个打开的文档窗口–浏览直到你找到要在这个例子blogsville每日最高温度检查–目录和文件，tmax.dat。在所需的数据文件然后点击打开。激活的质量控制程序，在屏幕上检查filebutton点击。以下确认将出现：

点击OK按钮查看质量控制信息。在这个例子中，有10957个值没有丢失的数据（即，没有缺失值的代码?Wilby和道森，2007页25 94–999进行检测）。从6.7到34.8–oC的数据范围，并有一个平均13.1871oC（见图4.3）。点击重置按钮来清除屏幕的条目，或选择另一个文件来执行一个新的质量检查。

4.2数据转换

数据进行变换，对变换数据按钮从任何的主屏幕上点击。 下面的屏幕会出现：

在选择输入文件按钮。一个打开的文档窗口将出现。浏览到你处被转化–例如表面涡在英格兰东部的目录和文件，ncepp__zee.dat。在所需的文件，单击。如果有多个列输入数据（如天气发生器产生的合奏模拟的案例或生成场景的功能，见第7和10）输入输入文件框中的适当数量的列。为了使变换后的数据与多个列的数据处理分析功能（8节），检查框下创建SIM文件。

如果用户希望从一个多列数据文件检查此屏幕上的液箱中提取单个集合成员。进入乐团成员的数量要求和数据将被写入到所选择的保存文件。请注意，在这种情况下，没有变换应用到提取的成员。

通过检查相应的按钮选择变换。可变换包括：自然对数和log10，广场，立方体，第四大国，反演，滞后区间和二项式，连同上述的逆转换在适当的地方。如果包选择（滞后N）的最后一个值作为滞后变换的第一个值；否则，丢失的数据标识符插入（注意负滞后值将数据转发，一个积极的滞后值将数据返回）。落后的更改按钮是用来计算连续天之间的差异。所有的转换可以应用到标准的预测变量的模型校准之前（6节），产生非–线性回归模型（例如，使用功率变换的多项式模型）。

在英格兰东部的数据，选择滞n，输入“–1”框中，并检查包装箱（这将产生一个没有缺失数据的变量的滞后–1系列）。在“选择输出文件按钮。将一个打开的文档窗口–浏览到所需的目录位置，输入转换数据的文件名，在这种情况下ncepzlagee.dat（即，在前一天的涡度），然后点击保存。警示：用于转换文件的名称必须完全遵守本协议第2.4.1描述。 启动程序，对变换按钮在屏幕的顶部单击。以下确认将出现：

点击OK按钮回到变换数据文件屏幕。点击重置按钮来清除屏幕的条目，或执行一个新的转型。

5。筛选的降尺度预测变量

识别之间的经验关系式预测指标（如平均海平面气压）和单站预报对象（如站降水）是所有的统计降尺度方法中往往是最次的过程中消耗的一步。屏幕的变量选择的目的是帮助用户在模型校准适当的降尺度预测变量的选择（第6节）。SDSM执行三个配套任务：季节相关性分析，偏相关分析，和散点图。最终，然而，用户必须决定是否或不确定的关系，为网站的身体感（S）和预测量的问题。在这件事情上，是无可取代的地方性知识。 探讨潜在的有用的预测–预报量的关系，从任何的主屏幕按钮单击屏幕上的变量。下面的屏幕会出现：

5.1安装程序

在变量筛选操作的第一步是选择的预报量和预测的文件。预报量的文件（例如，观察到的日最高气温，日降水总量，等）必须由用户提供，在SDSM格式（见2.4节）。在“选择文件”按钮单击预测。将一个打开的文档窗口–浏览到适当的目录已经找到了。例如在预测数据文件–点击，最高气温在blogsville，tmax.dat，位于C：\\ \\ \\ observed1961-90 blogsville SDSM。

遵循类似的程序，找到并选择所需的预测变量从下拉在屏幕中心窗口选择正确的驱动。该驱动器上的可用的目录将出现在窗口的拖动窗口上方。浏览直到适当的目录位于。所有*。此目录中的DAT文件然后是列出的在上面的窗口。选择预测器，只需点击文件名–将高亮的蓝色。所选择的变量的一个简短的定义是在预测描述窗口了。对

选择一个文件，点击它再次，它将不再被高亮显示。预测变量选择的数显示在这个窗口（最多12个）。

在左–右边的屏幕屏幕菜单允许变量数据的分析周期的开始和结束日期必须改变。默认的日期是在设置屏幕举行（见3.1节），在这种情况下，1961–1990。如果开始日期和结束日期不在允许范围内，用户将被提示输入新值。用户也必须选择季节性的子集从下拉窗口下选择分析周期。可用的选项是年度（没有季节性亚–设置），冬季（十二月–二月），春季（3月–可能），夏季（六月–八月），秋季（九月–十一月），和个人的月。

三更多的行动是必要的分析之前发生。首先，必须指定类型的过程。如果预测–预测过程是不通过中间过程的调节（如在最高温度的情况下）然后点击无条件，否则选择条件（如沉淀在量取决于湿–天发生）。其次，显著性水平的修改的要求。这个值是用来测试预测的相关性–预测的意义。默认情况下，P＜0.05（5%）。最后，如果用户想自回归项被包括在计算中的自回归模型的选择应选择。

一旦上述已被指定，SDSM准备分析所选用的预测预报量的关系–（S），用于指定子–期（S）。

5.2时间变化的预测强度

分析按钮是用来研究变异的具体预测–预测器对解释的百分比。个人的预测强度经常变化明显的逐月的基础上（参见图5.2）。用户应该是明智的，因此，关于最适当的组合（S）的预测（S）对于一个给定的季节预报系统。如上所述，当地的知识基础，也是宝贵的确定合理组合预测时。

图5.2结果屏幕为blogsville例子。在每个月的相关性最强的是以红色显示，表明最高温度和P500和p__u之间的关系是最重要的。空白是微不足道的关系，在所选择的显著性水平

blogsville例子，选择每日最高温度（Tmax）的预测，预测和以下文件：P500，p__u，p__v，和p__z（见表2.1）。此外，使用变换工具（第4.2节）创建的滞后值（一天，即，滞后的数据- 1）为表面气流指数。预报量不依赖于一个中间发生的过程，所以无条件的过程是在检查选项。使用默认的日期数据选项（即，1961–1990），并选择在选择的分析期间的年度。使用默认的显著性水平（即，0.05）然后点击分析在屏幕variablesmenu顶部的按钮。图5.2中的结果表明，美国是一个潜在的有用的预测四月至十月最高温度，并通过3月十二月p__u。

5.3相关矩阵

相关的按钮是用来研究跨–指定变量的相关性 子–时期（年，季或月）。SDSM还报告选定的预测和预报量之间的偏相关分析。这些数据有助于确定，是每一个独特的解释力量的预测。 为blogsville的例子，使用相同的预报量与预报因子为5.2节，但选择分析期二月从下拉列表中选择。然后点击相关按钮在屏幕的顶部变量菜单。结果如图5.3所示。

图5.3结果屏幕为blogsville例子。偏相关分析表明，美国和p__z与Tmax一旦所有其他因素的影响已被删除的相关性最强。

5.4散点图

散射按钮用于变量间的行为–指定的子–时期的视觉检查（年，季或月）。由此产生的散点图（S）表示，该协会的性质（线性，非–线性，等），是否数据转换（S）可能是需要的，和异常值的重要性。

为blogsville例子，选择最高气温为预报量，p__u作为预测文件，和二月选择分析期（以下图5.2中的结果）。检查所有其他的预测已被取消，并且无条件的选择下过程。（注意，如果有条件的选择，所有的值小于或等于事件阈值设置被排除的图）。点击散射按钮在屏幕的顶部变量菜单。结果如图5.4所示。

图5.4散点图的blogsville的例子，显示二月最高温度和p__u之间的关联。结果表明，在二月，日最高温度更高更强的西风气流相关。 散点图的演示文稿的质量可以定制，根据需要，通过加倍点击任何轴的传说，标题或数据点。额外的Windows使变化作出图表字体，样式，大小，颜色，等等。 将散点图在Word文档中，在屏幕上首先使用复制按钮，然后在Word中使用特殊粘贴（图）。

6。模型校准

校准过程模型构建的降尺度基于多元回归方程模型，每日的天气数据（成分）和区域–规模，大气（预测）变量。回归模型的参数写入一个扩展名为*标准格式的文件。PAR，随着元–数据记录详细的校准周期，模型类型，预测因子，等（见6.4节）。SDSM优化模型用对偶单纯形或普通最小二乘法优化（见第3.2节中的高级设置）。

用户指定的模型结构：按月，季或年度子–模型是必需的；过程是否有无条件或条件。在无条件的模型的直接联系是假设的预测和预报量之间的（例如，当地的风速可能是一个区域的气流指数函数）。在有条件的模型，有一个区域迫使当地天气之间的中间过程（例如，当地的降水量取决于湿–/干–天发生，而这又取决于区域–规模因素如湿度和大气压力）。此外，它是可能的应用的标准转换条件模型的预测（见3.2节），和/或具体的预测（见4.2节）。 访问模式的建筑设施，点击按钮校准模型在任何屏幕上。下面的屏幕会出现：

本文来源：https://www.bwwdw.com/article/x5i5.html