使用气候模型估算气候行动的非平稳特征值在土木工程实践
佬司Abrahamczyk*和
Aanis Uzair- 椅子上的先进结构,结构工程研究所、德国魏玛包豪斯大学魏玛
气候行动的特征值在当前结构设计规范是基于一个指定的概率超过数在设计结构的使用寿命。这些值通常决定从过去气候观测数据在一个固定的假设。然而,这种假设在气候变化的背景下,变得无效,气候极端变化的频率和强度对时间。本文提出一种方法来计算非平稳特征值使用最先进的气候模型的预测。非平稳特征值计算符合结构设计规范的要求,形成似稳整个bias-corrected气候模型数据的窗口。三种方法计算的非平稳特征值考虑结构的设计使用寿命超过数概率比较及其影响进行了讨论。
1介绍
气候变化是指长期大气气候的巨大变化。人类活动引起的全球变暖引发了全球平均气温1°C高于工业化前的水平,2017年,可能达到1.5°C 2040左右(艾伦et al ., 2018)。气候系统的变化是因此引起的变化的频率、强度和持续时间的极端气候(场和克里斯托弗,2012;郝et al ., 2013;米卡,2013;van der由Bintanja, 2021)。预期出现的极端气候因此会导致较大的结构可靠性,可用性,和负荷能力(Seneviratne et al ., 2012)。
在论文“行动”是指“加载”根据欧洲结构设计准则。颞可变性描述了气候变化独立于时间的变化。
气候气候变化诱导变异的行为可能会影响新结构的设计,以及现有结构设计的评估依照过去或当前的代码。结构设计规范保证结构承受环境负荷在设计工作生活(一个可接受的风险Deodatis et al ., 2014)。重要的是要注意,概念设计工作寿命只作为参考时间期间预计将达到其预定的时间结构性能目标(Yu和牛,2006年)。然而,很明显从共同的经验结构通常表现出一种现实生活超出了概念设计工作寿命,导致更大的曝光对气候变化的影响。
结构设计过程通常是由气候行动如温度、雪、风等。气候行动在设计代码的特征值估计的极值分析过去的观测数据(通常是40 - 50年的测量)在一个气候的假设即固定。统计,没有颞可变性的极端。,估计是基于有限的气象观测数据,可能存在的长期趋势通常不考虑。最近的研究表明,极端气候的形式通常表现出non-stationarity趋势,转变或两者的结合。气候系统的变化通常是与时间相关的气候变量的统计特性的变化。而完善的理论对非平稳极值分析不存在迄今为止,一般技术的定义不稳定的极值模型,表示为一个时间依赖的趋势在底层极值分布参数(科尔斯,2011)。虽然存在许多模型在文献中,简单的线性模型是最受欢迎的,仅考虑non-stationarity意味着同时保持可变性常数(Parey et al ., 2010;地中海et al ., 2013;Katz, 2013;狐狸et al ., 2013;苏拉,2013;萨拉斯Obeysekera, 2014;劳格诺et al ., 2019;de狮子座et al ., 2021)。然而,这些方法的主要缺点是缺乏物理基础,很难制定一个代表趋势函数(Mentaschi et al ., 2016)。同时,极端气候的时间依赖性是同样敏感的变化的变化比平均值的变化(卡茨和布朗,1992年)。
消除不确定性引起的非平稳模型和趋势,形成一个合理的物理基础,进一步计算,使用适当的气候模型成为不可避免的(Croce et al ., 2019)。气候模型作为主要的信息来源对未来气候演化,模拟大气和海洋开发的物理预测的气候变量(王et al ., 2004;Rummukainen 2010)。气候模型的一个关键方面是解决一个单细胞的地理网格用于仿真。截至今天,区域气候模型产生输出的分辨率10 - 12公里,接近真正的地方尺度的承诺表示空间细节和极端(克里斯坦森和克里斯腾森,2007年;Suklitsch et al ., 2008)。
气候变化对气候的影响行为的研究是未来的一个关键方面的演化结构设计规范(岑/ TC 250, 2013)。摘要一个通用方法来计算气候行动的非平稳特征值。分析了观测数据和区域气候模型来确定气候变化对气候的影响行为,提供了一个潜在的修正案在当前基础结构设计规范中特征值的定义。non-stationarity的影响是显式地讨论关于设计工作寿命,量化气候变化的影响,并确保可持续性的土木工程基础设施对潜在变量气候负荷。
2方法
方法提出了非平稳特征值的计算气候行动可以归纳为如下步骤(如图所示图1):
(1)收集高分辨率气候模型数据和提取气候变量的时间序列相对应的坐标气象台。
(2)气候模型数据的偏差纠正和聚合考虑极端气候的季节性变化的气候变量。
(3)表现不稳定的极值分析和气候行动的特征值的计算。
图1。拟议的方法概述气候行动的非平稳特征值的计算。
2.1气候数据
气候行动的特征值通常决定从过去的极值分析观测数据点规模的空间分辨率。然而,预计气候变化的长期影响只能使用区域气候模型实际评估。在这项研究中,每日最高温度的气候预测(T马克斯)在校准期间(1951 - 2005)时期(2006 - 2100)和未来场景从ReKliEs-De项目中提取两个代表浓度即路径场景。,RCP26 RCP85所示表1。ReKliEs-DE合奏的区域气候预测提供了评价德国和河集水区排入德国(Hubener et al ., 2017)。利用多模型集成的基本原理是,每个气候模型可以被看作是一个独立的进化实现未来的气候。最小和最大的考虑多模型集合覆盖的带宽,从而提高结果的可靠性可能的实现(Tebaldi Knutti, 2007)。以来,气候模型输出通常可用以网格的形式,重新映射到数据提取时间序列相对于一个气象站使用气候数据的坐标运算符(CDO) (Schulzweida et al ., 2019)。
表1。气候模型考虑列表分析(Hubener et al ., 2017)。
2.2偏差纠正
气候模型数据的使用特征值的计算气候行动有两个主要缺点:1)气候模型的输出结果(网格)通常不适合完全的潜在分布相关的观测数据(点尺度),和2)气候模型通常生成输出平均持续时间(例如,每日的意思),而气候行动的特征值计算气候数据使用一个相对不错的平均持续时间(例如,10分钟或小时平均值)。
偏差纠正气候模型规模的过程输出占系统模型错误,提高拟合观测数据,降尺度的气候变量的平均持续时间的兴趣。校正通常应用于模仿的意思是,方差,并时刻的分布越高,现在有许多方法应用偏差纠正所有分位数(-哈格曼-什纳布掌管et al ., 2011;霍普金森et al ., 2011;Gudmundsson et al ., 2012;亨佩尔et al ., 2013;古特曼et al ., 2014;李et al ., 2014)。在这项研究中,原始的气候模型数据纠正使用分位数三角洲映射(QDM) (大炮et al ., 2015),利用气候模型之间的重叠的时段和德国气象观测数据服务(DWD)。
然而,偏差纠正的概念并不是毫无争议的。尽管如此,这些程序可以产生现实的结果在某些情况下,偏差纠正气候完全不能指望产生基线(Ehret et al ., 2012)。此外,偏差纠正程序的准确性依赖于长度和观测数据的质量。观测数据中的数据点太少和不切实际的情况下可能导致的错误表示未来预期的输出。虽然,偏差纠正不是一个替代的观测数据,仍然可以使用它在缺乏可靠和长期气象记录。重要的是要注意,虽然本研究使用一个特定的气候模型(ReKliEs-De)和观测数据(DWD)精化,方法是独立于数据源,可以重新应用到任何数据集和不同的精度。
2.3聚合的极端气候
气候变量的年度极端聚合bias-corrected信封的气候模型考虑他们的季节性变化。聚合时间为每一个气候变量考虑是不同的。例如,一年一度的极端值的雪应该聚集在一段跨越从夏天到夏天在连续两年。另一方面,年极端最高温度的值之间聚合冬天夏天。这确保了重新取样极端值是相互排斥的。没有两个年度重新取样来自同一气候极端事件。
2.4非平稳特征值
一般来说,气候行动的特征值对于一个给定的概率超过数的定义一定的参考。考虑non-stationarity,极端的年度时间序列分为multi-year-quasi-stationary窗口(n)平等的长度(L-year)和静止的理论应用到每个窗口所示图2一个。窗口长度的选择取决于在特定时间序列趋势的严重程度。窗户是相互转移的1年,概率分布函数拟合,导致一系列的计算特征值(ck(n))对应nth似稳的窗口。
在那里,ck(n)的特征值p %超过数对应的概率nth似稳的窗口。F−1用户选择的是逆累积分布函数。
图2。平稳和非平稳特征值的概念:(一)定义的似稳windows极值分析;(B)固定的假设,一个分布函数;(C)非平稳的假设,“n”分布函数。
相关的概率超过数ck(n)有望改变由于non-stationarity在设计工作生活(Tl)所示的结构图2 b, C。这种瞬态特性使得应用程序和解释ck(n)在设计过程中相当困难。因此,三个可能的解决方案的函数Tl比较:a)的意思是特征值(ck,意思是),b)最大特征值(ck,马克斯),c)等效特征值(ck,情商)。
在那里,n = 1参考建筑的结构。
3结果与讨论
下面一节演示的应用提出了气候变化评估方法论的特征值最高温度(T马克斯德国Plauen)。从气候模型进行了总结表1,原始的气候模型输出重新映射到提取时间序列对应的坐标当地气象台。每个时间序列然后bias-corrected对每小时的最大观测数据使用分位数三角洲映射,同时保留分位数之间的相对变化(大炮et al ., 2015)。完整的观测数据的使用是为了减少偏差纠正带来的不确定性。bias-corrected数据然后被聚合成年度极端考虑季节性变化周期从1月到12月依照2.3节。图3显示了最小和最大年度极端的多模型集成,涵盖所有的全部带宽认为气候模型实现。年度极端的时间序列分为30年期长似稳定的窗户,互相转移的1年。在气候科学,晚饭经常被视为静止期和样本量足够长的时间,以避免不确定性进一步统计计算(Hennemuth et al ., 2013)。每个似稳定的窗口被假设拟合广义极值分布(GEV)来确定非平稳的位置(µ)、规模(σ)和形状(ζ)参数。
图3。多模型信封bias-corrected气候模型预测的最高温度(T马克斯)。似稳的窗户,每30年长期由边界框所示。
非平稳特征值计算按照Eurocode EN1990,特征值的2%的概率超过数(p)1年期的时变部分,导致50年的重现期(EN 1990 / NA, 2010)。图4显示了特征值ck(n)的最高温度计算方程1和分布参数分别对应于每个似稳定的窗口。预计温度的增加趋势ck(n)RCP85场景(红色阴影区域),因此实施更高的温度载荷对结构设计按照DIN EN 1991-1-5 / NA require-ment 37°C(冲灰线)在不久的将来。此外,相比固定特征值(蓝色的点线)计算使用观测数据(1882 - 2021),非平稳ck(n)显示了大偏差达到约±4°C接近2100年。它强调需要考虑non-stationarity设计气候负荷的计算以及关键基础设施的定期评估和建筑更高的重要性。
图4。非平稳特征值ck(n)对应于2%的概率超过数在1年期最高温度计算使用情商。1。
的瞬态特性ck(n)在设计结构的工作生活使我们有必要推出和调整值按照定义的代码超过数在1年期的概率2%。解释这个概念,让我们假设参考2051年建设一个结构的设计使用寿命50年。
现在,因为,极端事件是互斥的,相当于特征值ck,情商等于39.9°C可以确定一个超过数的概率63.5%,50年使用方程4正如所示图5。重要的是要注意,在每一个超过数概率与似稳窗口ck,情商不同于1年期2%因为non-stationarity的潜在分布参数。由于这个原因,尽管ck,情商满足定义的代码级别的概率超过数在50年,对应的2%的1年期超过数概率不一定满足所有50年的设计使用寿命由红色阴影区域,如图所示ck(n)大于ck,情商(50)。图5 b, C显示non-exceedance概率的范围,即。,0.84 to 1.0, computed for 39.9°C in each year of the 50-years design working life of the structure respectively. The smallest non-exceedance probability i.e., 0.84 corresponds to the last year within the design working life of the structure, implying a high chance of the occurrence of a load larger than the computedck(n)。
图5。非平稳的可靠性特征值在设计工作寿命的结构:(一)非平稳特征的比较值ck(n)50年的设计使用寿命特征值ck,情商;(B)评估50分布函数的设计使用寿命为非平稳的结构分析;(C)比较non-exceedance概率达到的ck,情商与目标超过数概率为2%。
处理不确定性引发的高超过数概率相关ck,情商特别是在后期的设计使用寿命,另外两个方法探索和比较。保守的方法定义的方程2也就是说,ck,意思是39.4°C的平均特征值来自50个的值ck(n)在设计结构的使用寿命。另一方面,通过方程定义的保守的方法3也就是说,ck,马克斯最多50个的值ck(n)在一个结构的设计使用寿命的管理特征值等于40.5°C。
使用三种方法的特征值派生不同参考建筑从1911年开始直到2051年相比图6;表2。三种方法导致3°C的最大区别特征值对于RCP的场景,但在不同的年。这种差异可能是温度敏感的关键结构,因此在设计过程中必须考虑以及定期评估关键基础设施和建筑的不利影响降到最低温度增加负载。
图6。比较的非平稳特征值决定使用不同的方法进行50年的设计使用寿命:(一)ck,的意思是与相对保守的价值观;(B)ck,马克斯相对保守的值;(C)ck,情商满足50年来超过数概率即定义的代码。1 - (1 - 0.02)50。
4结论
本文提出一种通用方法来评估气候变化对特征值的影响气候的行为通过观测与气候模型的数据。这个想法很贴切,因为气候行动的代表值在当前结构设计规范是基于过去的观测数据的分析的假设下静止气候最终无视气候变化的潜在影响。一年一度的极端气候变量从一个气候模型中提取的合奏,纠正对观测数据使用最先进的偏差纠正过程。极值分析使用GEV分布和执行结果的形式给出了时变特征值的设计使用寿命50年。预期增长最极端气候气候模型预测21世纪的末期最终会导致更强的非平稳趋势特别为目的设计工作寿命更长举例来说,100年。
以来,全球气温在上升,预计的特征值T马克斯将增加在未来几年。的重叠部分结果RCP26和RCP85之间图4,6表明不确定性产生的输出带宽有关气候模型的一个信封。特征值在当前就业结构的有效性准则讨论了相对于非平稳特征值计算使用该方法。
结果使用的可靠性提出方法深受观测和模拟数据集的质量。极值的趋势分析是直接引进气候预测。因此,有必要考虑使用固有的不确定性产生的输出的气候模型,在观测数据点太少会导致不切实际的模拟气候预测的偏差纠正。的可靠性和信心可以显著提高偏差纠正获得更长时间的观察数据集。
发达的方法提供了一个通用的指南气候行动的评估基于气候模型的预测。结果表明,现行的结构设计规范中指定的特征值可能不是有效的气候变化下,最终可能降低预期的现有的和新的结构的设计使用寿命。必须提到一个更广泛的应用领域和改进可以预见提议的方法,如:会计相关气候变量的组合因素,和实施气候预测和先进的随机技术更新。
数据可用性声明
本文中给出的数据集不是现成的,因为气候数据支持这一研究文章从之前报道的研究和数据集,已被引用。处理过的数据可从相应的作者。请求访问数据集应该指向lars.abrahamczyk@uni-weimar.de。
作者的贡献
洛杉矶和非盟参与论文的所有步骤的准备,从草案,论文的最终版本,修改,阅读,修改,批准,并提交版本。非盟意识到所有必要的分析。
资金
支持本研究的框架内项目”Auswirkungen des Klimawandels Gebaude汪汪汪和Quartiere-Strukturelle Integritat, Raumklima和Energieeffizienz“图林根州自由州的资金从欧洲社会基金(2019 FGR 0096)。我们承认德国研究基金会的支持(DFG)和Bauhaus-Universitat魏玛的程序内开放获取出版。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
引用
艾伦·m·R。,Dube, O. P., Solecki, W., Aragón-Durand, F., Cramer, W., Humphreys, S., et al. (2018). “Framing and context,” in全球变暖的1。5°C。IPCC特别报告对全球变暖的影响1.5°C高于工业化前的水平和相关的全球温室气体排放的途径。的背景下,加强全球应对气候变化的威胁,可持续发展,努力消除贫困,出版社。
大炮,a . J。,Sobie, S. R., and Murdock, T. Q. (2015). Bias correction of GCM precipitation by quantile mapping: How well do methods preserve changes in quantiles and extremes?j .爬。28日,6938 - 6959。doi: 10.1175 / jcli - d - 14 - 00754.1
克里斯坦森,j . H。,一个nd Christensen, O. B. (2007). A summary of the PRUDENCE model projections of changes in European climate by the end of this century.爬。改变81年,7-30。doi: 10.1007 / s10584 - 006 - 9210 - 7
厄尔·d·(2013)。“极端气候变化”检测、分析和不确定性。编辑a . AghaKouchak d Easterling k .许s舒伯特和美国Sorooshian(多德雷赫特:施普林格荷兰),97 - 114。
Croce, P。,Formichi, P., and Landi, F. (2019). Climate change: Impacts on climatic actions and structural reliability.达成。科学。9日,5416年。doi: 10.3390 / app9245416
狮子座,F。,Besio, G., Briganti, R., and Vanem, E. (2021). Non-stationary extreme value analysis of sea states based on linear trends. Analysis of annual maxima series of significant wave height and peak period in the Mediterranean Sea.海岸。Eng。167年,103896年。doi: 10.1016 / j.coastaleng.2021.103896
Ehret U。,Zehe, E., Wulfmeyer, V., Warrach-Sagi, K., and Liebert, J. (2012). HESS Opinions "Should we apply bias correction to global and regional climate model data?二聚水分子。地球系统。科学。16,3391 - 3404。doi: 10.5194 /赫斯- 16 - 3391 - 2012
EN 1990 / NA (2010),DIN EN 1990 / NA: 2010 - 12,国家Annex-Nationally parameters-Eurocode决定:结构设计的基础。柏林:Beuth - GmbH是一家。
Gudmundsson, L。,Bremnes, J. B., Haugen, J. E., and Engen-Skaugen, T. (2012). Technical note: Downscaling RCM precipitation to the station scale using statistical transformations – A comparison of methods.二聚水分子。地球系统。科学。16,3383 - 3390。doi: 10.5194 /赫斯- 16 - 3383 - 2012
古特曼,E。,Pruitt, T., Clark, M. P., Brekke, L., Arnold, J. R., Raff, D. A., et al. (2014). An intercomparison of statistical downscaling methods used for water resource assessments in the United States.水Resour。Res。50岁,7167 - 7186。wr015559 doi: 10.1002/2014
哈格曼。陈,C。,Haerter, J. O., Heinke, J., Gerten, D., and Piani, C. (2011). Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models.j . Hydrometeorol。12日,556 - 578。jhm1336.1 doi: 10.1175/2011
,Z。,AghaKouchak, A., and Phillips, T. J. (2013). Changes in concurrent monthly precipitation and temperature extremes.环绕。卷。8,034014。1748 - 9326/8/3/034014 doi: 10.1088 /
亨佩尔,S。,Frieler, K., Warszawski, L., Schewe, J., and Piontek, F. (2013). A trend-preserving bias correction – The ISI-mip approach.地球系统。力学。4,219 - 236。doi: 10.5194 / esd - 4 - 219 - 2013
Hennemuth B。本德,S。布劳,K。,Dreier, N., and Schoetter, R. (2013). “Statistical methods for the analysis of simulated and observed climate data, applied in projects and institutions dealing with climate change impact and adaptation, 135 S,”. Technical Report.
霍普金森,r F。,McKenney, D. W., Milewska, E. J., Hutchinson, M. F., Papadopol, P., and Vincent, L. A. (2011). Impact of aligning climatological day on gridding daily maximum–minimum temperature and precipitation over Canada.j:。气象学Climatol。50岁,1654 - 1665。jamc2684.1 doi: 10.1175/2011
Hubener, H。布劳,K。,Fooken, C., Früh, B., Hoffmann, P., Höpp, S., et al. (2017).ReKliEs-de ergebnisbericht。
Katz, r·W。,一个nd Brown, B. G. (1992). Extreme events in a changing climate: Variability is more important than averages.爬。改变21日,289 - 302。doi: 10.1007 / bf00139728
李,C。,Sinha, E., Horton, D. E., Diffenbaugh, N. S., and Michalak, A. M. (2014). Joint bias correction of temperature and precipitation in climate model simulations.j .地球物理学。研究大气压。119 (13),1315 - 13162。jd022514 doi: 10.1002/2014
Mentaschi, L。,Vousdoukas, M., Voukouvalas, E., Sartini, L., Feyen, L., Besio, G., et al. (2016). Non-stationary extreme value analysis: A simplified approach for earth science applications.水文地球系统。科学。讨论。doi: 10.5194 /赫斯- 2016 - 65
Parey, S。,Hoang, T. T. H., and Dacunha-Castelle, D. (2010). Different ways to compute temperature return levels in the climate change context.Environmetrics21日,698 - 718。doi: 10.1002 / env.1060
劳格诺,E。,AghaKouchak, A., Cheng, L., and Sadegh, M. (2019). A generalized framework for process-informed nonstationary extreme value analysis.Resour放置水。130年,270 - 282。doi: 10.1016 / j.advwatres.2019.06.007
萨拉斯,j . D。,一个nd Obeysekera, J. (2014). Revisiting the concepts of return period and risk for nonstationary hydrologic extreme events.j .二聚水分子。Eng。19日,554 - 568。doi: 10.1061 /(第3期)he.1943 - 5584.0000820
Seneviratne,我美国。尼科尔斯,N。,Easterling, D., Goodess, C. M., Kanae, S., Kossin, J., et al. (2012). “Changes in climate extremes and their impacts on the natural physical environment,” in管理极端事件和灾害风险的提前适应气候变化。工作组I和II的特别报告政府间气候变化专门委员会(IPCC)(英国剑桥大学,纽约,纽约,美国:剑桥大学出版社)。
Suklitsch, M。Gobiet,。,leuprecht, A., and Frei, C. (2008). High resolution sensitivity studies with the regional climate model CCLM in the alpine region.梅茨17日,467 - 476。0941 - 2948/2008/0308 doi: 10.1127 /
迪亚尔迪在内的C。,一个nd Knutti, R. (2007). The use of the multi-model ensemble in probabilistic climate projections.哲学反式。爵士。一、数学。理论物理。Eng。科学。365年,2053 - 2075。doi: 10.1098 / rsta.2007.2076
van der, K。,一个nd Bintanja, R. (2021). Contribution of climatic changes in mean and variability to monthly temperature and precipitation extremes.Commun。地球环境。2,1 - 11。doi: 10.1038 / s43247 - 020 - 00077 - 4
王,Y。,leung, L. R., McGREGOR, J. L., Lee, D.-K., Wang, W.-C., Ding, Y., et al. (2004). Regional climate modeling: Progress, challenges, and prospects.j .气象Soc。日本。82年,1599 - 1628。doi: 10.2151 / jmsj.82.1599
关键词:气候行动,气候变化,气候模型,特征值,non-stationarity极值分析
引用:Abrahamczyk L和Uzair(2023)使用的气候模型估算气候行动的非平稳特征值在土木工程实践。前面。建立环境。9:1108328。doi: 10.3389 / fbuil.2023.1108328
收到:2022年11月25日;接受:2023年1月17日;
发表:2023年1月30日。
编辑:
Marijana Hadzima-Nyarko强权统治下,Juraj Strossmayer Osijek大学克罗地亚版权©2023 Abrahamczyk和Uzair。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:Lars Abrahamczyklars.abrahamczyk@uni-weimar.de