下载文档原格式
气候变化的研究进展和预测气候变化是当前全球面临的最大挑战之一，它不仅对经济、社会、人口和自然环境等方面都产生深远影响，还威胁到生命、地球与环境的健康发展。
为了制定有效的政策以减少气候变化的影响，不断深入了解气候变化是至关重要的。
这篇文章旨在介绍气候变化的研究进展和预测，帮助更多人了解气候变化以及当今科学家用来预测气候变化的方法。
一、气候变化的研究进展随着科技的发展和全球各地气象和气候研究的加强，对气候变化的研究提供了越来越多的信息和数据。
气候变化研究涉及许多领域，如海洋学、大气科学、数学和计算机科学等。
目前，气候变化的主要研究方向有：1. 气候变化的基本机制研究气候变化的基本机制是指影响气候的基础物理和化学过程，例如碳循环、太阳辐射、地球表面和大气的热力学过程等。
通过对这些关键过程的研究，可以更好地理解气候变化的根本性质，并为模拟和预测气候变化提供有力支持。
2. 气候变化的全球定量分析全球定量分析是通过模型模拟和数据统计分析来对气候变化的原因和影响进行研究。
全球气候模型是近年来气候变化研究的重要工具之一，它可以模拟全球大气、海洋、陆地的气候变化过程，并进行数值预测。
通过全球气候模型还可以研究不同的气候预测情景，以及对不同气候预测情景下减缓气候变化的政策选项。
3. 气候变化和自然环境的耦合研究自然环境和气候变化密切相关，例如海平面上升、冰川消融、陆地绿化和生态系统变化等。
气候变化和自然环境的耦合研究旨在了解气候变化是如何影响自然环境，如何通过自然环境反馈影响气候变化，并为减缓气候变化提供新的政策方案。
二、气候变化的预测气候变化的预测是指基于科学研究的气候变化预测方法和预测结果。
气候变化的预测是一项具有不确定性和复杂性的工作，因此，对于不同的预测结果，需要进行严谨的评估和比较，并采取适当的政策和行动措施。
目前，气候变化的预测主要通过以下几种方法进行：1. 全球气候模型预测全球气候模型预测是目前较为常见的气候变化预测方法之一。
气候变化模型与预测研究综述气候变化是当代全球面临的最严峻挑战之一，对人类生存和发展造成了重大的影响。
为了解决气候变化问题，科学家们探索了许多不同的方法，其中之一是利用气候变化模型进行预测和研究。
本文将综述目前常用的气候变化模型以及它们在预测气候变化方面的应用。
气候变化模型是基于对气候系统运行原理和物理过程的理解，通过数学方程和计算机模拟来模拟和预测气候系统的变化。
这些模型能够模拟大气、海洋、陆地表面和冰层之间的相互作用，揭示气候变化的复杂机理。
目前，主要的气候变化模型包括全球气候模型（GCM）和区域气候模型（RCM）。
全球气候模型主要用于预测全球尺度的气候变化，并对过去和未来的气候进行模拟。
这些模型将地球划分成立方体网格，并在每个网格上应用物理方程和参数来模拟大气、海洋、陆地和冰层的相互作用。
全球气候模型能模拟大尺度的气候现象，如全球平均温度、海洋表面温度和降水分布等。
然而，由于计算资源有限和模拟过程的不确定性，全球气候模型在细节方面可能存在一定的误差。
区域气候模型是在全球气候模型的基础上发展起来的，用于模拟地理区域内的气候变化。
这些模型能够提供更高的空间分辨率和更准确的气候信息，对于局部和区域的气候变化研究具有重要意义。
区域气候模型通常利用全球气候模拟的结果作为边界条件，并结合当地气象数据来进行模拟。
不同的区域气候模型具有不同的空间分辨率和物理参数化方案，因此在模拟结果上可能存在一定的差异。
气候变化模型的应用不仅局限于气候预测，还可以用于估计未来的气候变化趋势和评估不同干扰因素对气候的影响。
通过改变模型的输入参数，科学家们可以模拟不同的气候情景，并研究气候系统对外部驱动力的响应。
这些情景可以包括不同排放路径、不同政策措施以及自然变化因素的影响等。
研究人员还可以利用气候模型来评估不同减缓和适应策略的效果，为决策者提供科学依据。
然而，气候变化模型仍然存在一些挑战和不确定性。
首先，模型的精度和可靠性取决于对气候系统的理解和观测数据的质量。
《统计降尺度法对未来区域气候变化情景预估的研究进展》篇一一、引言气候变化已经成为全球范围内的热点问题，随着科技的不断进步和研究的深入，我们对于未来区域气候变化的预测也愈加准确。
统计降尺度法作为预测区域气候变化的重要手段之一，其研究进展对于提高气候变化预测的精度和准确性具有重要意义。
本文旨在探讨统计降尺度法在区域气候变化情景预估方面的研究进展，以期为相关研究提供参考。
二、统计降尺度法概述统计降尺度法是一种将全球气候模型输出的气候变化信息转化为区域尺度的气候预测信息的方法。
该方法通过建立统计关系，将大尺度的气候变量与小尺度的气候变量进行关联，进而实现从全球尺度到区域尺度的转换。
统计降尺度法具有较高的灵活性和可操作性，被广泛应用于气候变化情景预估、气候适应性评估等方面。
三、研究进展1. 数据来源与处理随着观测技术和模拟技术的发展，统计降尺度法所依赖的数据源越来越丰富。
研究者们开始使用更精细的全球气候模型输出数据、遥感数据、地面观测数据等，以提高预测的精度和准确性。
同时，数据处理技术也不断更新，如机器学习、人工智能等技术的应用，使得数据处理更加高效和准确。
2. 方法创新与优化在统计降尺度法的研究中，研究者们不断探索新的方法和优化现有方法。
例如，通过引入更多的气象要素、地形因素、土地利用等因素，建立更加复杂的统计模型，以提高预测的精度和可靠性。
此外，研究者们还尝试将多种降尺度方法进行集成，以充分利用各种方法的优点，提高预测的准确性和稳定性。
3. 区域气候变化情景预估统计降尺度法在区域气候变化情景预估方面的应用取得了显著的成果。
研究者们利用统计降尺度法对未来区域气候变化的趋势、变化幅度、变化频率等进行预测，为气候适应性规划和应对气候变化提供了重要的科学依据。
同时，统计降尺度法还可以用于评估气候变化对农业、水资源、生态环境等方面的影响，为相关领域的可持续发展提供支持。
四、挑战与展望尽管统计降尺度法在区域气候变化情景预估方面取得了显著的进展，但仍面临一些挑战。
气候模拟与预测技术的发展研究气候模拟与预测技术是气候科学中的重要研究领域，通过模拟地球气候系统的变化以及利用数值模型对未来气候变化进行预测，对人类社会和生态环境的可持续发展具有重要意义。
本文将从气候模拟与预测技术的发展历程、方法和应用方面展开综述。
一、气候模拟与预测技术的发展历程气候模拟与预测技术的发展可以追溯到上世纪40年代，当时科学家开始使用简单的能量平衡模型来研究地球的热平衡与气候变化。
到了上世纪60年代，随着计算机技术的发展，科学家们开始使用数值模型来模拟地球的气候系统。
数值模型通过将地球划分成数百个栅格，并运用跨栅格的动力学、热力学和物理过程模拟地球气候系统的变化。
随着计算机计算能力的提高，模型的精度和空间分辨率得到了明显提高。
在模拟气候系统的过程中，科学家们发现了一些关键因子对气候变化的影响，如大气中的温室气体浓度、太阳辐射、云和气溶胶等。
这些因子被纳入气候模型中，从而提高了气候模拟的准确性。
此外，还有一些具体的模拟技术得到了发展，如海洋模式、海冰模式、生态模式等，这些模式可以更好地模拟地球气候系统各个组成部分的变化。
二、气候模拟与预测技术的方法目前广泛应用的气候模拟与预测技术主要包括数值模拟方法和统计方法。
1.数值模拟方法：数值模拟方法是指通过现有物理规律和方程建立数学模型，通过计算机进行运算和模拟，以模拟地球气候系统的变化。
数值模型根据对大气运动、热力学过程、辐射传输、水循环等的数学表达式进行描述，并将地球划分成数百个栅格进行模拟。
数值模拟方法通常需要大量的计算资源和高性能计算机的支撑。
2.统计方法：统计方法是指通过对历史气候数据进行统计分析，并建立统计模型来预测未来气候变化。
统计方法根据历史数据的趋势和模式，通过建立回归模型、时间序列模型等来预测未来气候的变化趋势。
相对于数值模拟方法，统计方法通常需要较少的计算资源和较少的物理参数，但对历史数据的质量和数量要求较高。
三、气候模拟与预测技术的应用1.气候变化研究：气候模拟与预测技术可以帮助科学家们更好地理解和预测全球气候变化的趋势和影响。
气候变化：未来气候趋势的预测分析引言气候变化是全球面临的一个重大问题，对人类和地球产生了深远的影响。
随着地球温度的上升和自然生态系统的紊乱，我们不得不正视这个问题并采取相应的措施来应对气候变化。
但在采取措施之前，我们首先需要了解未来气候的趋势，以便做出更准确的决策。
本文将对未来气候趋势进行预测分析，以探讨可能的情景和解决方案。
1. 当前气候变化的趋势在开始预测未来气候变化之前，我们首先需要了解当前的趋势。
根据科学研究，全球变暖是目前最明显的气候变化趋势之一。
过去几十年来，地球表面温度逐渐升高，导致极端天气事件增加，如热浪、洪水和干旱。
同时，冰川和北极冰层的消融速度加快，海平面上升，气候模式也发生了变化。
2. 气候模型和数据收集为了预测未来气候的趋势，科学家们使用气候模型和大量的数据来进行研究和分析。
气候模型是一种用来模拟大气、海洋、土地和冰层相互作用的复杂系统。
它们基于现有的气象数据和物理原理，以预测未来的气候变化。
此外，科学家们还收集并分析历史气候数据，以补充模型的预测结果。
3. 温室气体排放和影响气候变化的主要驱动因素是人类活动产生的温室气体排放，特别是二氧化碳。
燃烧化石燃料、森林砍伐和工业过程都会释放大量的温室气体到大气中，导致地球温度上升。
这种温室效应导致冰川融化、海平面上升、极端天气事件增加等。
因此，减少温室气体的排放是缓解气候变化的关键。
4. 气候模型中的不确定性虽然气候模型在预测未来气候变化方面提供了重要的指导，但它们并不是完全可靠的。
由于气候系统的复杂性和不确定性，模型的预测结果可能存在误差。
不同的模型可以得出不同的结论，这增加了预测的困难。
此外，模型无法考虑到人类活动的变化，如能源消耗和技术发展的变化。
5. RCP情景：未来气候变化的四种预测为了更好地了解未来气候的可能情景，国际科学界提出了一系列RCP （Representative Concentration Pathway）情景。
预测未来气候趋势：气候变化研究与分析引言气候变化是当今世界面临的一个严重的问题。
随着全球化和工业化的推进，人类活动对地球的气候产生了巨大的影响。
为了应对气候变化的挑战，我们需要预测未来的气候趋势，并进行科学的研究和分析。
本文将介绍气候变化的背景和原因，讨论气候变化的研究和分析方法，并展望未来的气候趋势。
气候变化的背景和原因全球气候变化是指地球长期气候系统的变化，包括气温、降水、风速等气象要素的变化。
近年来，全球气温持续上升，极端天气事件增多，冰川和冻土等关键地球系统组成部分发生了重大变化。
这种气候变化的背后，有一系列的原因。
首先，人类活动对地球的气候产生了直接和间接的影响。
工业化和城市化导致了大量的温室气体排放，尤其是二氧化碳。
这些温室气体在大气中形成保温效应，导致地球表面温度上升。
此外，森林砍伐、土地开垦等活动导致了陆地生态系统的破坏，进一步加剧了气候变化。
其次，自然因素也对气候变化起到了一定的推动作用。
太阳活动的周期性变化、火山活动和海洋循环都对气候有影响。
然而，科学研究表明，人类活动对气候变化的影响远远超过了自然因素的影响。
气候变化的研究方法为了预测未来的气候趋势，科学家们进行了大量的气候变化研究。
他们使用了多种方法来分析气候数据，理解气候系统，并预测未来的变化。
气候数据收集和分析气候数据的收集是气候变化研究的基础。
科学家们使用气象观测站、卫星等工具收集不同地区的气温、降水、风速等气象数据。
这些数据被用来建立气候模型，分析气候系统的变化模式。
科学家们还利用历史气候记录来研究过去的气候变化。
他们通过分析树木的年轮、冰芯中的气泡和海洋沉积物等，重建过去数千年的气候变化。
这些历史气候记录提供了宝贵的信息，可以揭示气候系统的长期演变。
气候模型和模拟气候模型是研究气候变化的重要工具。
科学家们使用计算机模型来模拟地球的气候系统，并预测未来的气候变化。
这些模型基于物理定律和气候系统的理论，将地球划分为各种网格，模拟大气、海洋、冰雪和陆地的相互作用。
2024年气象生态环境评估及研究进展气象生态环境是地球大气层与人类生存环境之间相互作用的复杂系统，包括大气组成、气候变化、空气质量、生态平衡等多个方面。
当前，全球气候变暖、极端气候事件频发、空气污染等问题日益严重，对气象生态环境造成了严重影响。
这些影响不仅威胁到人类的生产生活，还可能导致生态系统失衡、生物多样性丧失等严重后果。
在全球范围内，气候变化是气象生态环境面临的最大挑战之一。
随着温室气体排放的增加，全球气温不断上升，极端气候事件如暴雨、洪涝、干旱、台风等也呈现出增多和增强的趋势。
这些极端气候事件对人类社会和自然环境造成了巨大破坏，给气象生态环境带来了极大的压力。
此外，空气污染也是气象生态环境面临的重要问题。
随着工业化和城市化的加速发展，大量排放的污染物对空气质量造成了严重影响。
特别是在一些工业密集区和交通拥堵区域，空气污染问题尤为突出，对人类健康和生态环境造成了严重威胁。
二、评估方法与指标体系为了全面评估气象生态环境状况，需要建立科学的评估方法和指标体系。
评估方法主要包括定量分析和定性描述两种方式。
定量分析通过收集和分析大量的气象、环境数据，运用统计学和数学模型等方法，对气象生态环境状况进行客观评价。
定性描述则主要基于专家的经验和知识，对气象生态环境状况进行主观评价。
在指标体系方面，通常需要综合考虑多个因素来全面反映气象生态环境的状况。
这些指标可以包括气象要素（如气温、降水、风速等）、环境要素（如空气质量指数、污染物浓度等）、生态要素（如植被覆盖度、生物多样性等）等。
这些指标相互关联、相互影响，共同构成了气象生态环境评估的指标体系。
近年来，随着遥感技术和大数据的发展，越来越多的先进技术和方法被应用到气象生态环境评估中。
例如，利用遥感技术可以获取大范围的生态环境信息，通过数据分析可以揭示气象生态环境的变化规律和趋势。
此外，机器学习等人工智能技术的应用也为气象生态环境评估提供了新的思路和方法。
收稿日期收稿日期：2014-04-14；修订日期修订日期：2014-06-14基金项目基金项目：中国科学院重点部署类项目（KZZD-EW-04-05）资助。
作者简介作者简介：成爱芳（1982-），女，陕西澄城人，博士研究生，主要研究方向为气候变化水文响应。
E-mail:aifangcheng@未来气候情景下气候变化响应过程研究综述成爱芳1，冯起1，张健恺2，李宗省1，王岗1（1.中国科学院寒区旱区环境与工程研究所，甘肃兰州730000；2.兰州大学大气科学学院，甘肃兰州730000）摘要摘要：气候变化将会对生态系统、自然资源、极端气候和人类社会产生一定的影响，科学评估未来气候变化响应是应对气候变化的前提。
通过对当前研究成果的回顾，建立未来气候情景下气候变化响应研究的系统思路，并总结了研究所涉及的方法。
系统论述了应用第5阶段耦合模式比较计划（CMIP5）气候模式前进行适用性评价的必要性；分析了当前降尺度方法尤其是统计降尺度的主要方法及进展；归纳了偏差校正过程中普遍使用的方法，最后，综合分析了整个研究过程中的不确定性。
研究将为气候变化响应分析提供方法和思路指导。
关键词：降尺度方法；偏差校正方法；气候变化响应；CMIP5中图分类号中图分类号：P467文献标识码文献标识码：A文章编号文章编号：1000-0690(2015)01-0084-071研究意义IPCC 第5次评估报告（AR5）指出：自从19世纪后半期以来，全球尺度的平均气温在不断升高，过去的3个连续10a 的平均气温比有器测记录以来的任意一个10a 都高；冰川、格陵兰和南极冰盖等累积冰量的减少导致海平面上升速率由1993~2009年间的（1.0~1.4）mm/a 增加到2005~2009年间的（1.2~2.2）mm/a [1]。
报告中还指出，1971~2010年间，海洋表层0~700m 海温呈现正的变化趋势，海洋热含量也在不断增加[2]。
报告通过新的科学观测事实，更为完善的归因分析和气候系统模式模拟结果，进一步确认了近年来气候变暖的事实[3]。
收稿日期收稿日期：2014-04-14；修订日期修订日期：2014-06-14基金项目基金项目：中国科学院重点部署类项目（KZZD-EW-04-05）资助。
作者简介作者简介：成爱芳（1982-），女，陕西澄城人，博士研究生，主要研究方向为气候变化水文响应。
E-mail:aifangcheng@未来气候情景下气候变化响应过程研究综述成爱芳1，冯起1，张健恺2，李宗省1，王岗1（1.中国科学院寒区旱区环境与工程研究所，甘肃兰州730000；2.兰州大学大气科学学院，甘肃兰州730000）摘要摘要：气候变化将会对生态系统、自然资源、极端气候和人类社会产生一定的影响，科学评估未来气候变化响应是应对气候变化的前提。
通过对当前研究成果的回顾，建立未来气候情景下气候变化响应研究的系统思路，并总结了研究所涉及的方法。
系统论述了应用第5阶段耦合模式比较计划（CMIP5）气候模式前进行适用性评价的必要性；分析了当前降尺度方法尤其是统计降尺度的主要方法及进展；归纳了偏差校正过程中普遍使用的方法，最后，综合分析了整个研究过程中的不确定性。
研究将为气候变化响应分析提供方法和思路指导。
关键词：降尺度方法；偏差校正方法；气候变化响应；CMIP5中图分类号中图分类号：P467文献标识码文献标识码：A文章编号文章编号：1000-0690(2015)01-0084-071研究意义IPCC 第5次评估报告（AR5）指出：自从19世纪后半期以来，全球尺度的平均气温在不断升高，过去的3个连续10a 的平均气温比有器测记录以来的任意一个10a 都高；冰川、格陵兰和南极冰盖等累积冰量的减少导致海平面上升速率由1993~2009年间的（1.0~1.4）mm/a 增加到2005~2009年间的（1.2~2.2）mm/a [1]。
报告中还指出，1971~2010年间，海洋表层0~700m 海温呈现正的变化趋势，海洋热含量也在不断增加[2]。
报告通过新的科学观测事实，更为完善的归因分析和气候系统模式模拟结果，进一步确认了近年来气候变暖的事实[3]。
而气候变暖必然对水循环系统、农业及粮食安全、生态系统、异常气候、经济和人类社会等产生一定的影响[4~12]，并且危及人类自身的安全。
面对气候变暖的事实，作为受气候变化影响较为直接的利益相关群体，科学预估未来一段时期气候变化对各个自然环境要素及人类社会的响应，从而能够适时调整应对策略显得尤为重要。
本文综合分析了未来情景下气候变化响应研究的一般思路，系统论述了整个响应研究过程中各个环节涉及的方法和内容，以便为气候变化响应分析提供研究框架和理论依据。
2气候模式及适用性评价世界气候研究计划（WCRP ）耦合模式工作组(WGCM)联合国际地圈-生物圈计划、地球系统集成与建模项目以及世界上20多个知名的气候模拟机构共同组织实施了第5阶段耦合模式比较计划（CMIP5）[13]。
参与CMIP5的气候模式在CMIP3基础上做了很大的改进，许多新模式加入了该计划，并且建立了新的排放情景——代表性浓度路径（RCP ）[14]，同时，模式的模拟结果也被IPCC AR5所采用[1]。
全球气候模式（GCM ）是现阶段预测未来气候变化及其响应研究的主要途径。
但是值得注意的是，在气候模拟过程中，初始条件、边界条件、情景、观测、模型参数和结构均会导致模拟结果出现一定程度的不确定性，尤其是在区域尺度上[1,15~17]，不确定性更为突出。
因此，在运用GCM 预测未来气候变化之前，首先要进行模拟结果的区域适应性评价[18,19]。
当前，GCM 适用性评价主要采用3种方法：定性的诊断学研究；定量的利用一定的数学度量标准；比较并评估前后两个时期模型性能的改进程度[1,20]。
具体而言，在对模型模拟的整体性能进行评价时，最为直接的方法是将模型模拟的变量和同期相应的观测值的分位数进行比较[21,22]；在对模型模拟的某一具体过程进行评价时，需要基于相第35卷第1期2015年01月V ol.35No.1Jan.,2015地理科学SCIENTIA GEOGRAPHICA SINICA成爱芳等：未来气候情景下气候变化响应过程研究综述1期似的物理基础对系统过程进行分类，之后基于机制导向进行有针对性的分类评价[23]；另外，也有利用卫星观测数据[24]和基于多模式集成的方法进行评价[25]。
对于应用CMIP5气候模式在中国的适用性评价研究中，有学者基于CMIP5模式、CRU数据和观测资料，从中亚地区及中国气温和降水的变化趋势、空间分布特征、空间相关系数和年际变率等角度评估了模式的模拟性能，结果表明：就气温而言，大部分模式能够模拟年平均气温特点，尤其是高、低值中心和等值线数值分布；就降水而言，MRI-CGCM3、CanESM2、MIROC5、CNRM-CM5, MPI-ESM-LR,MIROC-ESM和CCSM4的模拟效果较好[26~28]。
也有学者基于NECP再分析资料和观测资料评估了CMIP5模式模拟的东亚环流、极端气温和地面风速的效果，认为模式对中国8个极端气温指数和20a一遇最高（低）气温有模拟能力；对东亚地区环流场气候态模拟效果最好的5个模式是CESM1-CAM5、MPI-ESM-P、EC-EARTH、ACCE-SS1-0和MPE-ESM-MR，而对冬、夏季大气环流场年际变率综合模拟能力最强的5个模式是MPI-ESM-MR、FG0ALS-S2、MPI-ESM-P、GFDLE-SM-2G和CanESM2；所有模式在模拟风速年际变率方面均较差[29,30]。
对于应用CMIP5气候模式在国外的适用性评价研究中，Sillmann等利用31个CMIP5模式，4个再分析资料和基于观测计算得出的极端气候指数HadEX2格点数据，分析了模式对极端气候的模拟能力，研究发现模式基本上能够模拟极端气候及其变化趋势[31]。
Perez等运用基于天气型对天气进行分类的方法评估了CMIP5模式模拟的天气形势，同时也利用历史实验数据分析了模式对气候变量历史年际多样性模拟的好坏，评估发现模拟性能较好的模式为：ACCESS1.0，ECEARTH，HadGEM2-CC，HadGEM2-ES和CMCC-CM[32]。
Elguindi等利用修正的Thornthwaite气候分类法评估了32个CMIP5集成模拟结果对历史实验模拟和未来气候情景的模拟能力，结果表明模式集合虽然能够模拟全球尺度的气候分布特征，并且能够较好的模拟极端气候模，但是个别区域的气候型模拟结果较差[33]。
另外，也有学者评估了模式对季风系统、天气系统、云反馈机制等过程的模拟性能[34,35]，综合以上国内外学者对CMIP5适用性评价的结果，发现各学者基于不同的研究过程与目的，运用不同的评价标准，结合再分析资料和观测资料，来选择出适用于本地区的GCMs,因而，在基于GCM模拟结果预估区域未来气候变化之前，选择本区域最佳的GCM组合是非常必要的。
3降尺度方法GCM的水平分辨率通常达到250~600km，如果将它的模拟结果直接应用于区域尺度或者更小的尺度气候变化响应研究当中，将会忽略小尺度上由于地形起伏、植被变化和微气候等因素产生的差异[1]。
降尺度方法是解决这种尺度不匹配问题的有效途径，它是将大尺度、低时空分辨率的GCM或区域气候模式（RCM）的输出结果通过统计或动力学方法转化为小尺度、高分辨率的区域气候信息的过程[36~38]。
降尺度方法主要可分为统计降尺度和动力降尺度。
动力降尺度是将RCM嵌套于GCM当中，基于一定的初始条件并以GCM为大气边界条件，从而获得高分辨率的区域气候信息的方法[36]。
虽然动力降尺度基于一定的物理基础，显著提高了模式的分辨率，能够模拟区域气候信息，如地形雨、极端气候事件、区域尺度的气候异常以及一些气候非线性效应，如气候异常与厄尔尼诺和南方涛动的关系[36,39]，但是，该方法也有一定缺陷：如无法获得GCM提供的驱动场与RCM模拟变量的双向反馈机制；易受驱动场系统误差的影响；同时对计算能力要求高；另外，代表次网格尺度气候过程参数化方案在未来气候应用中可能存在的问题[37,40]。
当前，该方法的进一步发展主要体现在RCM上。
从AR4以来，典型区域气候模式分辨率由50km提高到25km[41]。
但是长时间运行的较高分辨率的GCM仍然很少[42]。
同时，综合考虑海洋甚至海冰的耦合气候模式也在发展当中[43,44]。
另外，几十年尺度和百年尺度的RCM模拟及基于互相协作的RCM实验及集成研究当前也很普遍[45,46]。
统计降尺度方法主要是建立大尺度环流因子和区域气象要素之间的统计函数关系，并用独立的观测资料检验这种关系的合理性。
虽然统计降尺度模型缺少物理机理，受训练模型的观测资料影响较大，一般难以获得区域尺度空间上较为连续的结果，但是，由于它计算量小、简单灵活、节省机时以及方便使用多个GCM和不同气候情景的组合进行85地理科学35卷降尺度分析以增加预测结果的可靠性等特点，是目前应用比较广泛的一种降尺度方法[47~49]。
统计降尺度方法主要分为以下3类：第1类为天气分型法，它主要是依据大尺度的天气信息对天气型进行归类，进而推断小尺度天气和大尺度天气型的关系[50,51]；第2类为回归模型，它主要是建立大尺度预报因子与区域尺度预报量间的线性与非线性函数关系[52]；第3类为随机天气发生器，最典型的方法表现在修正常用天气发生器如WGEN和LARS-WG的参数[53,54]。
统计降尺度方法的应用是基于以下假设：①与当地尺度预报量有关的预报因子必须具有明确的物理意义，并且能够充分被GCM模拟；②当前气候条件下建立的统计关系同样需适用于于未来气候条件下；③预报因子应包含足够的并且稳定的未来气候变化信号；④决定当地尺度未来气候状况的预报因子不能与模型订正阶段的因子相同[48,55,56]。
虽然当前涌现出了许多的降尺度方法的比较研究成果，但是它们都基于不同的空间区域，不同的预报量与预报因子，不同的评价标准，因此，直接比较不同的降尺度方法的相对性能是很困难的[36]。
自从IPCC AR4以来，统计降尺度方法就有了很大的发展[36,52,54]。
当前，在区域尺度上，基于统计降尺度的未来气候变化及其响应研究得到了广泛关注[33,34,57]，并且已经应用到了极端气候研究当中[58]。
4偏差校正方法目前，由于我们对复杂大气缺乏深入理解以及GCM所采用的简单化的大气物理过程，现阶段的GCM模拟结果和观测资料会存在一定的偏差[59,60]。
例如，在降水研究中，典型的偏差通常表现在湿润天数的发生率增大、降雨的强度减小、对极端事件的错误模拟、高估或者低估了降水的季节差异[61~63]。
