本发明属于气候模式偏差校正，涉及一种考虑非一致性的两阶段气候模式多变量偏差校正方法。
背景技术：
1、全球气候模式(gcm)是进行气候模拟的重要工具和预估未来气候情景的唯一工具，近年来已被广泛应用到气候变化影响评估研究中。然而，由于模型系统误差和计算条件限制等原因，gcm输出的数据与真实的气候状态之间存在着较大的偏差。偏差校正是根据实测数据来校正气候模型输出结果的一项基本技术，其主要原则是在观测到的气象气候变量与相应的气候模式模拟结果之间建立统计关系，然后把这种关系应用到未来时段，从而得到未来时段校正后的气候模式预测结果。
2、现有的偏差校正技术大多是针对单个气候变量独立进行校正，没有考虑多变量之间相关性的偏差。在使用气候模式输出的多个气象变量驱动气象或水文模型时，这种单变量偏差校正技术继承了原始气候模式输出的相关性偏差，导致气象或水文模型输出结果存在很大不确定性。因此，发明一种能在校正各个气候变量的同时校正变量间的相关性的偏差校正方法对于科学准确地评估气候变化影响具有重要意义。
3、比如专利cn117078037a公开了一种未来气候情景空间网格逐日气候变量的偏差校正方法，具体方法为：对地面观测逐日气候变量数据进行空间插值，生成历史时期指定气候变量观测数据矩阵；对历史时期指定气候变量观测数据矩阵、未来时期指定气候变量模拟数据矩阵和历史时期指定气候变量模拟数据矩阵的时间维度进行修正；基于修正后的未来时期指定气候变量模拟数据矩阵和修正后的历史时期指定气候变量模拟数据矩阵确定逐日平均绝对变化矩阵和逐日平均相对变化矩阵；利用逐日平均绝对变化矩阵和逐日平均相对变化矩阵对修正后的历史时期指定气候变量观测数据矩阵进行偏差校正，生成未来气候预测数据。该方法先进行时间维度修正，然后利用逐日平均绝对变化矩阵和逐日平均相对变化矩阵对修正后的历史时期指定气候变量观测数据矩阵进行偏差校正，属于典型的针对单个气候变量独立进行校正，继承了原始气候模式输出的气候变量间相关性偏差，导致气象或水文模型输出结果存在很大不确定性。
4、传统的偏差校正方法一般基于一致性假设，即未来时期和历史时期气候变量具有相同的统计特征，但是在气候变化的大背景下，该假设往往与真实情况不符，即历史未来气候特征具有非一致性。因此，在传统基于一致性假设的多变量偏差校正方法中加入考虑非一致性的模块在本领域中具有极强的理论和实践价值。
5、现有技术cn112765912a公开了采用多变量偏差校正方法对全球气候模式的输出数据进行偏差校正得到校正后的全球气候模式数据，从而获得气候变化情景下的全球气候模式气象序列，校正过程中，先采用分位数映射法对全球气候模式输出变量在各个分位数上的偏差进行校正，其中，输出变量为日降水、日最高气温和日最低气温；然后重建修正后的气温降水变量间的相关性关系，获得校正后的全球气候模式气象序列。但是该校正过程没有考虑历史未来气候特征具有非一致性的特点，因此校正后的气象数据与实际还是具有较大差距。
技术实现思路
1、本发明针对现有技术不足，提出一种考虑非一致性的两阶段气候模式多变量偏差校正方法。该方法首次将非一致性思想引入多变量偏差校正方法，并将多变量偏差校正分为两个阶段：第一阶段独立校正每个单变量，第二阶段校正变量间相关性，可以应用于全球气候模式数据的后处理，减小气候变量模拟预测的不确定性，提升气候变化影响评估的可信度。
2、为了解决上述技术问题，本发明的技术方案如下：
3、一方面，本发明提供一种考虑非一致性的两阶段气候模式多变量偏差校正方法，包括以下步骤：
4、根据实际需求选取若干气候变量，获取全球气候模式输出的模拟数据序列和所选气候变量的观测数据序列；
5、将模拟数据序列和观测数据序列插值到相同分辨率的空间网格上；
6、采用单变量偏差校正方法分别对每个气候变量进行校正；
7、采用考虑非一致性的多变量间相关性校正方法对气候变量间相关性进行校正。
8、优选地，所述模拟数据序列和观测数据序列的统计时间分辨率相同，为逐日数据、逐周数据及逐月数据中的任意一种。
9、优选地，气候变量包括但不限于温度、湿度、风速、降水量、太阳辐射等。
10、优选地，为了保持数据一致性，需要剔除闰年中的2月29日数据。
11、优选地，所述全球气候模式输出的模拟数据序列包括历史时期模式模拟数据和未来时期模式预测数据。
12、优选地，所述观测数据序列包括格点观测数据序列和站点观测数据序列，将模拟数据序列和格点观测数据序列分别采用双线性插值法插值到空间网格上，将站点观测数据序列采用克里金插值法插值到空间网格上。
13、优选地，所述空间网格用经纬度网格表示，网格边长大小为0.5°-10°。
14、优选地，单变量偏差校正方法采用分位数增量映射法，传递函数采用非参数经验分布函数：
15、
16、
17、
18、式中，xbc,h(t)、xbc,f(t)分别为校正后的历史、未来时期模式数据，xm,h(t)、xm,f(t)分别为校正前的历史、未来时期模式数据，fo,h为历史时期观测数据的累积分布函数，fm,h为历史时期模式模拟数据的累积分布函数，fm,f为未来时期模式预测数据的累积分布函数，δm(t)为模式未来时期相对于历史时期的增益因子。
19、优选地，所述考虑非一致性的多变量间相关性校正方法为考虑非一致性的自由分布置乱算法，具体包括如下步骤：
20、对空间网格的每个格点分别构建历史时期模式模拟数据、未来时期模式预测数据和历史时期观测数据序列的二维多变量矩阵xh、xf、xo；二维多变量矩阵中行为序列长度，列为变量，变量数据为单变量偏差校正方法校正后的数据；
21、分别计算二维多变量矩阵xh、xf、xo的正态得分矩阵wh、wf、wo；
22、分别对正态得分矩阵wh、wf、wo进行科列斯基分解，得到三个上三角矩阵uh、uf、uo；
23、分别计算二维多变量矩阵xh、xf的新正态得分矩阵
24、将二维多变量矩阵xh、xf分别按照新正态得分矩阵的秩关系重新调整得到第二阶段校正完成的二维多变量矩阵
25、另一方面，本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述两阶段气候模式多变量偏差校正方法。
26、另一方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述两阶段气候模式多变量偏差校正方法。
27、另一方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述两阶段气候模式多变量偏差校正方法。
28、另外，还可以对比分析校正前后的气候模式数据，分析考虑非一致性的多变量间相关性校正方法的校正效果。具体为，分别比较验证期①原始gcm输出、②单变量校正、③传统一致性假设下的多变量偏差校正，④考虑非一致性的两阶段气候模式多变量偏差校正的日降水和日最高气温的皮尔逊相关系数与验证期观测数据对应的皮尔逊相关系数的偏离程度，偏离程度越小，说明校正后的相关性越接近观测数据的相关性，校正效果越好。
29、经由上述技术方案可知，与现有的偏差校正方法相比，本发明提出的考虑非一致性的两阶段气候模式多变量偏差校正方法具有以下优点：
30、1.本方法除了分别对各个气候变量进行偏差校正外，还引入置乱算法对变量间的相关性进行校正；
31、2.本方法在对气候模式数据多变量相关性进行偏差校正时考虑了非一致性，相比传统一致性假设下的校正方法可以减小gcm预测数据的不确定性，提高气候变化影响预估的准确性；
32、3.本方法通过将多变量偏差校正分为单变量校正和相关性校正两个阶段进行，无须拟合多变量联合分布，大大简化了计算。
1.一种考虑非一致性的两阶段气候模式多变量偏差校正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述考虑非一致性的两阶段气候模式多变量偏差校正方法，其特征在于：所述模拟数据序列和观测数据序列的统计时间分辨率相同，为逐日数据、逐周数据及逐月数据中的任意一种。
3.根据权利要求1所述考虑非一致性的两阶段气候模式多变量偏差校正方法，其特征在于：所述全球气候模式输出的模拟数据序列包括历史时期模式模拟数据和未来时期模式预测数据。
4.根据权利要求1所述考虑非一致性的两阶段气候模式多变量偏差校正方法，其特征在于：所述观测数据序列包括格点观测数据序列和站点观测数据序列，将模拟数据序列和格点观测数据序列分别采用双线性插值法插值到空间网格上，将站点观测数据序列采用克里金插值法插值到空间网格上。
5.根据权利要求1所述考虑非一致性的两阶段气候模式多变量偏差校正方法，其特征在于：所述空间网格用经纬度网格表示，网格边长大小为0.5°-10°。
6.根据权利要求1所述考虑非一致性的两阶段气候模式多变量偏差校正方法，其特征在于：单变量偏差校正方法采用分位数增量映射法，传递函数采用非参数经验分布函数：
7.根据权利要求1所述考虑非一致性的两阶段气候模式多变量偏差校正方法，其特征在于：所述考虑非一致性的多变量间相关性校正方法为考虑非一致性的自由分布置乱算法，具体包括如下步骤：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述两阶段气候模式多变量偏差校正方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述两阶段气候模式多变量偏差校正方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述两阶段气候模式多变量偏差校正方法。
