全球增暖1.5/2℃下中国区域极端降水的风险变化及其影响因子

利用24个CMIP6全球气候模式的逐日降水模拟资料,基于广义极值分布（GEV）模型,研究了全球增暖1.5/2℃下我国20、50和100 a重现期极端降水的未来风险变化。可以发现,相对于历史时期（1995—2014年）,全球升温1.5和2℃下极端降水发生概率风险空间分布相近,总体上呈现增加趋势,但额外增暖0.5℃将导致更高的风险。如50 a重现期极端降水,在增暖1.5/2℃下其重现期将分别变为17/14 a,极端降水将变得更加频繁。不同区域对气候变暖的响应存在区域差异,其中中国西部长江黄河中上游和青藏高原地区、中国东部长江黄河中下游及其以南地区,极端降水发生概率比达到3以上,局部更是达到5以上,为我国极端降水气候变化响应高敏感区域。进一步,基于概率分布函数从理论角度探讨了位置和尺度参数对发生概率风险的影响与贡献度量,并用于探讨极端降水气候平均态和变率变化对极端降水发生风险的影响,结果显示：位置和尺度参数的增量变化、风险变化率存在着显著的东西部差异,从而导致极端降水发生风险的影响因素存在差异。如中国西部尽管极端降水气候平均态和变率变化幅度不大,但因风险变化率较高,从而导致该区域的发生风险大幅增加;与之相反,中国东部风险变化率较小,但气候平均态和年际变率增幅较大,同样导致该区域风险增加依然较高;此外,相对于位置参数,全国大部分区域主要是尺度参数的变化导致极端降水未来风险增大。     

华南冬季极端低温事件的统计建模及未来预估

基于1961—2005年华南冬季逐日最低温度观测资料,以及参与CMIP5的IPSL-CM5A-MR、MPI-ESM-MR、CMCC-CMS 3个模式的历史模拟和未来排放情景预估数据,从过程角度定义和提取华南冬季极端低温事件及其特征指标,并通过引入极值理论构建极端低温事件的概率分布模型(Cold Spell Model, CSM),刻画其强度、频数和持续时间特征分布;进一步结合基于累计概率分布变换的偏差订正方法降低模式模拟的偏差,探讨了RCP4.5情景下全球升温1.5℃和2℃时极端低温事件的风险变化。研究表明：(1)CSM模型能够较好地拟合极端低温特征概率分布,大部分台站通过了K-S或卡方检验;(2)相对于观测,模式模拟极端低温存在一定偏差,经偏差订正后,各站点BS评分接近于0,SS评分普遍提高到0.88左右;(3)全球增暖背景下,华南地区极端低温呈现强度减弱、频数减少、持续时间缩短的特征。全球增暖1.5、2.0℃背景下,华南大多数地区极端低温事件平均强度减弱,频次降低,持续时间变化具有明显的空间差异;每年发生1次极端低温事件的概率增加,但每年发生3、5次的概率减少;增暖1.5℃下极端低...     

春季陆面植被对长江流域夏季降水可预报性的影响分析北大核心CSCD

利用美国全球监测与模型研究中心(GIMMS)1982—2006年逐月归一化植被指数(NDVI)、美国国家海洋和大气局(NOAA)1854—2008年海温资料以及中国国家气候中心(NCC)1951—2006年160站月降水资料,通过旋转经验正交函数分解(REOF)和相关分析获得了长江流域夏季降水预报序列和植被、海温预报因子集。基于最优子集回归方法(OSR),并借助交叉验证(CV)以及空间重建等手段,构建了单独以前期春季海温为预报因子和同时引入前期春季海温与归一化植被指数为因子的两类预报模型,对比分析引入陆面植被因子前后长江流域夏季降水预报效果改善状况,评估春季陆面植被对长江流域夏季降水可预报性的影响及预报效果的稳健性。结果表明:(1)相对于海温因子,春季陆面植被因子对长江流域夏季降水预报具有同样重要性,引入春季归一化植被指数后,长江流域夏季降水预报得到明显改善,相关系数平均由0.49提升到0.66,提高0.17左右,模型解释方差提升平均60%左右,其中单纯海温因子预报效果较差的汉江—淮河地区和淮河流域地区,相关系数更是提高了0.20—0.30,模型解释方差提升1倍左右;(2)交叉验证预报表明,相对于仅考虑海温因子模拟情形,交叉预报相关系数下降较多,模型稳健性较低,引入归一化植被指数后,长江流域夏季降水预报稳健性得到明显提升,长江中下游及其以南的长江三角洲地区、洞庭湖—鄱阳湖地区改善尤为明显;(3)长江流域降水可预报性存在明显的区域差异,嘉陵江流域地区、汉江—洞庭湖地区预报效果最好,汉江—淮河地区、淮河流域地区、长江三角洲地区预报效果最差,但引入归一化植被指数后预报效果提高最明显,而洞庭湖—鄱阳湖地区虽然模拟效果较好,但预报稳健性较低,交叉验证相关系数降幅达到0.27,这也从侧面说明了长江流域夏季降水分区预报的重要性。     

纵向数据混合效应模型的Bayes局部影响

基于分层先验思想,研究了适应于纵向数据的混合效应模型的Bayes局部影响,并根据纵向数据既包含个体又包含个体不同状态的特点,提出了两种便于合理分析数据的扰动方案,导出模型在上述各种扰动下效应参数的Bayes局部影响度量,最后给出实例。     

基于阶段式传播模型COVID-19防控措施的量化评估分析

基于病毒动力学传染机制,构建了考虑不同时期防控措施影响下的新型冠状病毒肺炎（COVID-19）阶段式传播模型.依据空间上的严重性将全国划分为三类疫情区,对各疫情区传染人数进行了阶段式模拟.结合上述模拟结果,进一步量化评估了各疫情区所采取的如武汉交通管制、对口支援湖北和小区封闭式管理等措施对抑制病毒传播的影响.结果表明,阶段式传播模型能够较好地模拟出各疫情区不同时期传染人数的变化特征,政府采取的交通管制和小区封闭式管理等防控措施大幅减少了传染人数,感染人数呈现出大幅下降的趋势,有效抑制了COVID-19的大规模扩散.     

春季陆面植被对长江流域夏季降水可预报性的影响分析

利用美国全球监测与模型研究中心(GIMMS)1982—2006年逐月归一化植被指数(NDVI)、美国国家海洋和大气局(NOAA)1854—2008年海温资料以及中国国家气候中心(NCC)1951—2006年160站月降水资料,通过旋转经验正交函数分解(REOF)和相关分析获得了长江流域夏季降水预报序列和植被、海温预报因子集。基于最优子集回归方法(OSR),并借助交叉验证(CV)以及空间重建等手段,构建了单独以前期春季海温为预报因子和同时引入前期春季海温与归一化植被指数为因子的两类预报模型,对比分析引入陆面植被因子前后长江流域夏季降水预报效果改善状况,评估春季陆面植被对长江流域夏季降水可预报性的影响及预报效果的稳健性。结果表明:(1)相对于海温因子,春季陆面植被因子对长江流域夏季降水预报具有同样重要性,引入春季归一化植被指数后,长江流域夏季降水预报得到明显改善,相关系数平均由0.49提升到0.66,提高0.17左右,模型解释方差提升平均60%左右,其中单纯海温因子预报效果较差的汉江—淮河地区和淮河流域地区,相关系数更是提高了0.20—0.30,模型解释方差提升1倍左右;(2)交叉验证预报表明,相对于仅考虑海温因子模拟情形,交叉预报相关系数下降较多,模型稳健性较低,引入归一化植被指数后,长江流域夏季降水预报稳健性得到明显提升,长江中下游及其以南的长江三角洲地区、洞庭湖—鄱阳湖地区改善尤为明显;(3)长江流域降水可预报性存在明显的区域差异,嘉陵江流域地区、汉江—洞庭湖地区预报效果最好,汉江—淮河地区、淮河流域地区、长江三角洲地区预报效果最差,但引入归一化植被指数后预报效果提高最明显,而洞庭湖—鄱阳湖地区虽然模拟效果较好,但预报稳健性较低,交叉验证相关系数降幅达到0.27,这也从侧面说明了长江流域夏季降水分区预报的重要性。     

利用广义帕雷托分布拟合中国东部日极端降水的试验

引进广义帕雷托分布拟合我国东部地区78个测站夏季(5～9月)逐日极端降水量.结果表明,不同门限值条件下的逐日降水量所拟合的降水极值概率分布均符合广义帕雷托分布,与其它极值分布如广义极值(下称GEV)分布模式相比,以GPD模式为最优.根据现代气候条件,分别计算了50年一遇和100年一遇的极端降水量分位数并分析其空间分布特征,两者基本一致,总体上都呈现出由东南向西北方减小的趋势,且南北差异较大,南方的极端降水量值可能达到北方地区的两倍以上.此外,资料年份越长,拟合效果越好.