基于贝叶斯模型的中国未来气温变化预估及不确定性分析

利用第5次耦合模式比较计划(CMIP5)中35个全球气候模式历史模拟与RCP4.5预估结果,通过贝叶斯模型平均(Bayesian Model Averaging,BMA)对中国气温进行多模式集合研究,给出了中国未来气温变化预估及其不确定性的时空分布。结果表明,中国21世纪冬夏将持续升温,且升温具有冬季高于夏季,北方高于南方的特点。初期(2016—2035年)北方有很大可能(80%)升温超过0.7℃,南方升温相同幅度的概率则超过50%;中期(2046—2065年)北方和南方升温超过1.5℃的概率分别为80%和50%;末期(2081—2100年),北方(南方)有80%(50%)的可能的升温超过2℃。气温预估的不确定性研究发现,无论冬夏,21世纪不同时期升温相对较弱的塔里木盆地、青藏高原南侧和中国东南地区为不确定性低值区,基本低于0.6℃,对应可信度较高,如21世纪初期信噪比超过4;而不确定性的高值区则主要分布在新疆北部、东北平原北部和青藏高原东南侧等升温相对较大的地区,普遍高于1℃,对应可信度较低,如初期信噪比低于2.5。此外,基于信噪比对比发现除青藏高原东部外,其他区域夏季预估的可信度均高于冬季,21世纪末期高于初期,且空间分布特征一致。     

不确定性视角下的中国省际人口迁移机制分析

人口迁移过程具有内在的不确定性。贝叶斯模型平均方法（BMA）为不确定性问题提供了行之有效的解决方案。然而,当前该方法多用于线性回归模型在变量选择时出现的模型不确定性问题,很少用于空间建模。本文以2010—2015年中国省际人口迁移流为例,将BMA方法应用于空间OD模型,在考虑网络空间结构的基础上选取迁出地和迁入地各7个解释变量及距离因素,利用马尔可夫链—蒙特卡罗模型综合方法（MC³）进行模型抽样,以后验模型概率为权重计算相应变量的迁出地、迁入地和网络效应等,定量分析不确定性背景下省际人口迁移影响因素和空间机制。结果表明：① BMA模型估计结果更为稳健可靠。与单一模型相比,BMA中变量效应估计的90%可信区间明显缩小,不确定性程度显著降低,结果更为精确;② 区域经济社会发展对省际迁移至关重要。经模型空间抽样后,迁出地人口规模和GDP、迁入地教育水平和迁移存量等的变量后验包含概率大于90%;③ 网络效应在省际迁移过程中不可忽视。所有变量的网络效应占总体效应的40%以上,其中工资、城镇化率、教育和迁移存量等的网络效应（绝对值）大于各自的迁出地和迁入地效应;④ 若不考虑迁移建模中的不确定性,绝大多数区域经济社会变量对省际迁移的影响会被高估。     

多模式集成的概率天气预报和气候预测研究进展

基于大气的混沌特性,单一的确定性预报逐步向多值的不确定性概率预报转化已成为一种趋势。本文系统地评述了概率天气预报产生的背景,介绍了概率预报的相关概念及国内外的研究状况,着重讨论了多模式集成的概率预报的两种集成方法,即贝叶斯模式平均(Bayesian model averaging,BMA)和多元高斯集合核拟合法(Gaussian ensemble kernel dressing,GEKD),并给出了两个例子的概率预报试验结果。利用BMA方法制作的概率预报的方差较小,减小了预报的不确定性,因此预报结果更接近大气的真实值。作为另一种多模式集成方法,多元高斯集合核拟合法回报的地面气温距平均值及趋势的概率预测结果与实测结果基本一致。利用此方法建立了地面气温年代际变化的概率多模式集合预测模型,并从中提取年代际气候变化特征,对东亚季风区年代际预测具有重要应用价值。     

Contribution of phytoplankton and benthic microalgae to inner shelf sediments of the north-central Gulf of Mexico

Marine sediment may contain both settled phytoplankton and benthic microalgae (BMA). In river-dominated, shallow continental shelf systems, spatial, and temporal heterogeneity in sediment type and water-column characteristics (e.g., turbidity and primary productivity) may promote spatial variation in the relative contribution of these two sources to the sediment organic matter pool available to benthic consumers. Here we use photosynthetic pigment analysis and microscopic examination of sediment microalgae to investigate how the biomass, composition, and degradation state of sediment-associated microalgae vary along the Louisiana (USA) inner shelf, a region strongly influenced by the Mississippi River. Three sandy shoals and surrounding muddy sediments with depths ranging from 4 to 20 m were sampled in April, August, and October 2007. Pigment composition suggested that sediment microalgae were primarily diatoms at all locations. We found no significant differences in sediment chlorophyll a concentrations (8–77 mg m⁻²) at the shoal and off-shoal stations. Epipelic pennate diatoms (considered indicative of BMA) made up a significantly greater proportion of sediment diatoms at sandy (50–98%) compared to more silty off-shoal stations (16–56%). The percentage of centric diatoms (indicators of settled phytoplankton) in the sediment was highest in August. Sediment total pheopigment concentrations on sandy stations (<20 mg m⁻²) were significantly lower than concentrations at nearby muddy stations (>40 mg m⁻²), suggesting differences in sediment microalgal degradation state. These observations suggest that BMA predominate in shallow sandy sediments and that phytodetritus predominates at muddy stations. Our results also suggest that the relative proportion of phytodetritus in the benthos was highest where phytoplankton biomass in the overlying water was greatest, independent of sediment type. The high biomass of BMA found on shoals suggests that benthic primary production on sandy sediments represents a potentially significant local source of sediment microalgal carbon that may be utilized by benthic consumers in continental shelf food webs.     

东亚地区冬季地面气温延伸期概率预报研究

利用TIGGE资料中的ECMWF、NCEP、UKMO三个中心集合预报系统以及由此构成的多中心集合预报系统所提供的地面2 m气温10~15 d延伸期集合预报产品,建立贝叶斯模式平均(Bayesian Model Averaging,BMA)概率预报模型,对东亚地区冬季地面气温进行延伸期概率预报研究。采用距平相关系数、均方根误差、布莱尔评分、等级概率评分等指标分别对BMA确定性结果与概率预报进行评估。结果表明,BMA方法明显地改进了原始集合预报结果,预报技巧优于原始集合预报,且多中心BMA预报优于单中心BMA预报,最佳滑动训练期取35 d。BMA预报为气温的延伸期概率预报提供了更合理的概率分布,定量描述了预报的不确定性。     

基于田间试验的土壤水分运动模型选择

基于不同形式Richards方程可建立不同适用范围和计算精度的数值模型,针对具体情况下如何选择合适模型的问题,以武汉大学农田水利试验场田间入渗试验为例,选用6种模型(Picard-h模型、Picard-θ模型、Picard-mix模型、Ross模型、动力波模型和水均衡模型),运用贝叶斯模型平均(BMA)方法进行了模型选择的计算;针对BMA方法无法考虑模型计算效率的缺点,进一步提出了可同时考虑模型计算精度与计算效率的改进BMA方法。计算结果表明,在本田间尺度问题中,Ross模型排序最高,说明其兼具高精度与高效率,改进BMA方法可增加高计算效率模型被选中的概率,使模型选择更加全面合理。     

基于CMIP5资料的东亚夏季环流的BMA预测研究

利用CMIP5的17个全球气候系统模式对500 hPa位势高度场的年代际回报结果,采用距平相关系数、均方根误差、平均绝对误差及连续等级概率评分4种指标,评估了贝叶斯模式平均(Bayesian model average,BMA)预报方法对东亚夏季环流的回报能力,并与最优单模式MIROC5和多模式简单集合平均结果进行了比较。结果表明,BMA方法对东亚夏季500 hPa位势高度场的回报效果是最好的,优于最优单模式MIROC5和简单集合平均的回报结果。BMA模型能产生高集中度的概率密度函数,并包含了多模式集成回报不确定性的定量估计。此外,BMA方法对西太平洋副热带高压的年际变率也有较好的回报效果,对西太平洋副热带高压的预报,选取60~70%概率下的结果更为合理。     

基于贝叶斯理论的单站地面气温的概率预报研究

基于贝叶斯理论,建立了将确定性预报向概率预报转换的基本模式,并利用TIGGE资料中欧洲中期天气预报中心(ECMWF)地面气温预报资料及地面气温观测资料,对概率化后的预报进行了评估与释用。结果表明,概率化后的预报结果不但能提供丰富的预报产品,而且所提供的预报均值优于原始的确定性预报。应用贝叶斯模式平均法(BMA)将中国气象局(CMA)、美国国家环境预报中心(NCEP)和ECMWF 3个模式的预报结果进行多模式集成,得到了更为合理的概率分布,其中分布的均值可作为模式的预报结果,方差和置信区间反映了预报量的可变范围。因此,基于贝叶斯预报模式的概率预报相对于确定性预报,不但能够提供更高精度的预报,而且能提供更全面的预报信息。BMA集成预报结果不但优于集合平均预报,而且还能定量描述预报的不确定性。利用ECMWF预报中心51个预报成员进行集成贝叶斯概率预报试验,发现BMA预报融合了各成员对预报不确定性的描述,还对概率预报的均值进行了调整,使之与观测值更为接近。BMA预报的概率密度分布更能反映大气的真实分布情况。     

基于贝叶斯模型平均的径流模拟及不确定性分析

水文模型是模拟水循环过程重要手段,依靠单个模型进行模拟往往存在很大的不确定性,使通过多模型进行组合模拟成为必然趋势。选取3个集总式水文模型应用贝叶斯模型平均(BMA)进行流域月径流量的多模型模拟,采用期望最大化算法推求BMA分布参数以得到BMA均值模拟序列和90%不确定性区间。以武烈河实测数据为例进行分析,结果表明:BMA方法既能通过均值模拟提供更高精度的模拟效果,还可通过不确定性置信区间定量评价模型结构不确定性,为径流模拟提供丰富信息。     

CMIP5多模式对东亚地区地面气温年际变率的回报研究

对CMIP5全球气候模式中年代际回报试验的气温资料及其简单集合平均(Multi-model ensemble mean,EMN)和贝叶斯模式平均的结果(Bayesian Model Averaging,BMA)进行经验正交函数(Empirical Orthogonal Function,EOF)分解和Morlet小波分析,检验评估各个模式及其EMN和BMA对东亚地面气温的方差、气温时空分布特征及周期变化的回报能力。结果表明,10个模式、EMN、BMA都能很好地回报出1981—2010年东亚地面气温的方差分布,其中BMA回报效果最好。EOF分析表明,BMA能较好地回报出东亚地面气温第一模态的时空分布。MIROC5能较好地回报出第二模态的趋势变化,但却不能回报出气温的年际变率。绝大多数模式和EMN、BMA虽然能回报出东亚地面气温的变化趋势,但是对气温年际变率的回报仍然是比较困难的。CMCC-CM对气温变化主模态的3~5 a的周期变化特征回报效果最好,和NCEP资料的结果最为接近。