本公开涉及气候模式降尺度，尤其涉及一种消减偏差非一致性影响的统计降尺度方法、系统、电子设备、非暂态计算机可读存储介质、计算机程序产品。
背景技术：
1、统计降尺度方法是全球气候变化影响评估的重要方法之一，能够将全球气候模式(gcms)输出与水文模型输入有效的衔接起来用以评估气候变化对流域径流影响。
2、在气候变化影响研究的现有技术中，所采用的统计降尺度方法均基于气候模式输出变量(如降水和气温)偏差一致性的假设，即假设气候模式输出变量的偏差在历史和未来时段相同。基于此，统计降尺度方法在历史时段通过比较观测值与气候模式模拟值，估算两者之间的差异，即气候模式输出变量的偏差，从而在未来时段气候模式模拟结果中去除同样的偏差。
3、然而，气候是一个典型的非平稳系统，在没有人为气候变化的影响下，气候本身也有其变化趋势与周期性，即气候内部变率。由于气候内部变率的存在，选择不同的率定期和检验期将影响偏差校正方法的表现。同时，不同气候模式对同一温室气体排放情景具有不同的响应，即气候模式敏感性。在历史时段具有相似偏差的气候模式，在未来时段可能会产生完全不同的结果。因此，在气候内部变率和气候模式敏感性的影响下，气候模式输出变量的偏差在历史和未来时段可能会有不同，这一变化定义为气候模式输出变量偏差的非一致性。该变化会使得现有技术中的统计降尺度方法计算的气候模式输出数据存在明显的偏差，准确度较低。
4、因此，如何提供一种消减偏差非一致性影响的统计降尺度方法，可用于消减气候模式输出变量的偏差非一致性成为目前亟需解决的问题。
技术实现思路
1、本公开提供一种消减偏差非一致性影响的统计降尺度方法，用以解决现有技术中气候模式输出变量存在偏差非一致性的缺陷，从而在一定程度上提高气候模式输出变量的准确性。
2、本公开提供一种消减偏差非一致性影响的统计降尺度方法，包括：获取与目标地域气候关联的历史观测数据、气候模式的历史模拟数据以及气候模式的未来模拟数据，并对所述历史观测数据和气候模式的历史模拟数据进行预处理，得到历史观测标准数据和气候模式的历史模拟标准数据；其中，所述历史观测数据、气候模式的历史模拟数据以及气候模式的未来模拟数据涉及的基础参数至少包括气候变量、时间和空间信息；
3、根据预设偏差判别规则，对所述历史观测标准数据和气候模式的历史模拟标准数据进行偏差非一致性判别；
4、响应于确定所述历史观测标准数据和气候模式的历史模拟标准数据之间存在偏差非一致性，利用预先训练的偏差估计模型对所述气候模式的未来模拟数据进行偏差估计，得到偏差校正参数；
5、利用所述偏差校正参数对所述气候模式的未来模拟数据进行校正，得到校正后的气候模式的未来模拟数据。
6、可选地，所述对所述历史观测数据和气候模式的历史模拟数据进行预处理，包括：
7、确定所述历史观测数据和气候模式的历史模拟数据涉及的基础参数类型，其中，所述基础参数类型包括与时间尺度相关的类型以及与空间尺度相关的类型；
8、根据所述基础参数的类型，对所述历史观测数据和气候模式的历史模拟数据执行与所述基础参数类型匹配的时间分辨率处理或空间分辨率处理。
9、可选地，所述根据预设偏差判别规则，对所述历史观测标准数据和气候模式的历史模拟标准数据进行偏差非一致性判别，包括：
10、确定所述历史观测标准数据和气候模式的历史模拟标准数据之间的至少一组偏差系列；
11、基于所述至少一组偏差系列作为样本，利用非参数的mann-kendall(mk)趋势检验方法进行偏差非一致性判别。
12、可选地，所述确定所述历史观测标准数据和气候模式的历史模拟标准数据之间的至少一组偏差系列，包括：
13、确定所述历史观测标准数据和气候模式的历史模拟标准数据之间的重叠时间段，作为研究时间；
14、利用预设滑动窗口和步长，对所述研究时间进行划分，得到多段子研究时间；
15、逐一计算每个子研究时间内的所述历史观测标准数据和气候模式的历史模拟标准数据之间偏差，得到所述至少一组偏差系列。
16、可选地，所述预先训练的偏差估计模型的训练过程包括：
17、根据空间尺度，构建用于训练的样本数据集；
18、其中，所述空间尺度包括面尺度和点尺度；所述样本数据至少包括匹配所述空间尺度的气候模式的历史模拟标准数据和偏差；其中，该匹配所述空间尺度的气候模式的历史标准模拟数据涉及的基础参数至少包括气候变量、时间和空间信息；
19、基于深度学习方法以及所述样本数据集，拟合偏差与气候模式的历史模拟标准数据之间的全过程映射关系，得到所述预先训练的偏差估计模型。
20、可选地，所述利用预先训练的偏差估计模型对所述气候模式的未来模拟数据进行偏差估计，得到偏差校正参数，包括：
21、将所述气候模式的未来模拟数据涉及的气候变量、时间和空间信息输入所述预先训练的偏差估计模型，得到所述气候模式的未来模拟数据的偏差值，作为所述偏差校正参数；
22、可选地，所述利用所述偏差校正参数对所述气候模式的未来模拟数据进行校正，得到校正后的气候模式的未来模拟数据，包括：
23、以所述偏差校正参数作为校正因子，利用均值校正法对所述气候模式的未来模拟数据进行校正，得到校正后的气候模式的未来模拟数据。
24、本公开还提供一种消减偏差非一致性影响的统计降尺度系统，其特征在于，包括：
25、数据获取模块，被配置为：获取与目标地域气候关联的历史观测数据、气候模式的历史模拟数据以及气候模式的未来模拟数据，并对所述历史观测数据和气候模式的历史模拟数据进行预处理，得到历史观测标准数据和气候模式的历史模拟标准数据；其中，所述历史观测数据、气候模式的历史模拟数据以及气候模式的未来模拟数据涉及的基础参数至少包括气候变量、时间和空间信息；
26、偏差判别模块，被配置为：根据预设偏差判别规则，对所述历史观测标准数据和气候模式的历史模拟标准数据进行偏差非一致性判别；
27、偏差估计模块，被配置为：响应于确定所述历史观测标准数据和气候模式的历史模拟标准数据之间存在偏差非一致性，利用预先训练的偏差估计模型对所述气候模式的未来模拟数据进行偏差估计，得到偏差校正参数；
28、校正执行模块，被配置为：利用所述偏差校正参数对所述气候模式的未来模拟数据进行校正，得到校正后的气候模式的未来模拟数据。
29、本公开还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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如上述任一种所述统计降尺度方法。
30、本公开还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，该计算机程序被处理器执行时实现如上述任一种所述统计降尺度方法。
31、本公开还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任一种所述统计降尺度方法。
32、如上所述，利用本公开上述实施例提供的消减偏差非一致性影响的统计降尺度方法，首先利用偏差非一致性判别，可以快速识别历史观测标准数据和气候模式的历史模拟标准数据之间偏差非一致性；然后在确定存在偏差非一致性的情况下，通过预先训练的偏差估计模型进行偏差估计，得到偏差校正参数；之后可利用偏差校正参数对气候模式的未来模拟数据进行校正。其中，预先训练的偏差估计模型可采用机器学习方法进行训练，在传统的多项式拟合的基础上，优化了拟合程度，提高了模拟精度。
33、另外，本公开上述实施例提供的消减偏差非一致性影响的统计降尺度方法，模拟了偏差变化规律，能有效消减气候模式输出变量偏差非一致性所产生的影响，减小采用传统的统计降尺度方法所带来的不确定性，填补现有技术难以有效解决偏差变化的技术空白。
1.一种消减偏差非一致性影响的统计降尺度方法，其特征在于，包括：
2.根据权利要求1所述的统计降尺度方法，其特征在于，所述对所述历史观测数据和气候模式的历史模拟数据进行预处理，包括：
3.根据权利要求1所述的统计降尺度方法，其特征在于，所述根据预设偏差判别规则，对所述历史观测标准数据和气候模式的历史模拟标准数据进行偏差非一致性判别，包括：
4.根据权利要求3所述的统计降尺度方法，其特征在于，所述确定所述历史观测标准数据和气候模式的历史模拟标准数据之间的至少一组偏差系列，包括：
5.根据权利要求1所述的统计降尺度方法，其特征在于，所述预先训练的偏差估计模型的训练过程包括：
6.根据权利要求1所述的统计降尺度方法，其特征在于，所述利用预先训练的偏差估计模型对所述气候模式的未来模拟数据进行偏差估计，得到偏差校正参数，包括：
7.根据权利要求1所述的统计降尺度方法，其特征在于，所述利用所述偏差校正参数对所述气候模式的未来模拟数据进行校正，得到校正后的气候模式的未来模拟数据，包括：
8.一种消减偏差非一致性影响的统计降尺度系统，其特征在于，包括：
9.一种电子设备，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任一项所述统计降尺度方法。
10.一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任一项所述统计降尺度方法。
