以动力模式预报的主成分作定量长期预报
动力气候模式的持续发展为长期预报提供了强力支持.以往长期预报多依赖一些前期大气状况的分析或海温的变化讯号作为预报因子,预报一般以定性形式表达;现今的长期预报则多以动力气候模式为基础,定量的数字预报已非遥不可及.本文探讨利用美国国家环境预报中心气候预报系统的后报(hindcast)数字数据,进行经验正交函数分析,选取动力模式物理变量的主成分(Principal Component)为一些线性模型的预报因子.本文的长期预报对象为每年影响香港的热带气旋数目及年雨量,「影响香港」的定义为进入香港500公里范围.热带气旋数目为计数(count)数据,通常可以Poisson分布描述,而月雨量和季雨量则可以Gamma分布描述,历史数据显示这两个统计模型对我们的预报对象的描述是合适的.这两个统计分布有一个共同特性,就是同属于子数系(exponential family)分布.这个特性让我们可以运用广义线性模型(Generalized Linear Model)的理论来建立预报模型并计算模型参数.计算器和统计计算软件的发展亦提供了不少助力.广义线性模型的参数一般以最大似然(maximum likelihood)方法来计算,通常须以数字方法进行.R软件让我们可简易快捷地计算模型参数,并进行交叉验证.利用28年的实况和动力气候模式后报数据,本文验证了以动力模式物理变量的主成分为预报因子的广义线性模型,结果表明它的预报能力远高于气候平均法.
经验正交函数 主成分 广义线性模型 统计模型 Gamma分布 Poisson分布
李细明 陈建宇
香港天文台,中国香港
国内会议
北京
中文
1-10
2010-10-01（万方平台首次上网日期，不代表论文的发表时间）