1 / 20

青藏铁路沿线超长期气候变化的概率预测方法 王 文 wangwen@lzu

青藏铁路沿线超长期气候变化的概率预测方法 王 文 wangwen@lzu.edu.cn. 因而,一旦预测有某些气候事件将要发生,指挥决策部门就需要考虑是否采取防范措施,以减少损失。但采取防范措施本身也需要一定的资金投入,便有如下的决策矩阵(表1)。. 从预测结果的形式看,制作气候预测的(动力模式和物理因子统计)方法可以分为两大类:分类预测和概率预测。分类预测的结果是某个(或某些)气候事件(如气候变暖)将要发生,其特点是预测结果中的一个事件将要发生;概率气候预测用概率值表示预测量出现可能性的大小,它所提供的是气候事件出现的可能性有多大。. 异常气候事件防范的决策矩阵.

tait
Download Presentation

青藏铁路沿线超长期气候变化的概率预测方法 王 文 wangwen@lzu

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 青藏铁路沿线超长期气候变化的概率预测方法 王 文 wangwen@lzu.edu.cn

  2. 因而,一旦预测有某些气候事件将要发生,指挥决策部门就需要考虑是否采取防范措施,以减少损失。但采取防范措施本身也需要一定的资金投入,便有如下的决策矩阵(表1)。因而,一旦预测有某些气候事件将要发生,指挥决策部门就需要考虑是否采取防范措施,以减少损失。但采取防范措施本身也需要一定的资金投入,便有如下的决策矩阵(表1)。

  3. 从预测结果的形式看,制作气候预测的(动力模式和物理因子统计)方法可以分为两大类:分类预测和概率预测。分类预测的结果是某个(或某些)气候事件(如气候变暖)将要发生,其特点是预测结果中的一个事件将要发生;概率气候预测用概率值表示预测量出现可能性的大小,它所提供的是气候事件出现的可能性有多大。从预测结果的形式看,制作气候预测的(动力模式和物理因子统计)方法可以分为两大类:分类预测和概率预测。分类预测的结果是某个(或某些)气候事件(如气候变暖)将要发生,其特点是预测结果中的一个事件将要发生;概率气候预测用概率值表示预测量出现可能性的大小,它所提供的是气候事件出现的可能性有多大。

  4. 异常气候事件防范的决策矩阵 一般地,可以设A=B,D=0,则是否采取防范措施的临界概率PC=A/C。如果气候异常出现的概率P>PC,则应该采取防范措施;P<PC则不采取防范措施。

  5. 占领桥梁行动的决策矩阵 分类预报的结果是天气A将发生,而概率预报使每一种方案成功的期望值为: 第一方案:8×0.6+5×0.4+0×0.0=6.8 第二方案:6×0.6+10×0.4+0×0.0=7.6 第三方案:3×0.6+3×0.4+5×0.0=3.0

  6. 气象上通常有三类概率,气候概率、客观概率和主观概率。气象上通常有三类概率,气候概率、客观概率和主观概率。 客观概率预报 是指不直接依赖于预报员的判断或经验,而是依据一些固定的规则产生的某一事件发生的概率,其结果唯一且具有可重复性。列联表大概是估计未来天气事件发生概率的最简单的方法;可以使用各种各样的统计方法(或模式)来制作客观概率预报,最常用的模式是多重线性回归。如REEP方法和Logit模式。

  7. 西宁1200年气温预报列联表

  8. 1935~2000年青藏铁路沿线气温距平 (单位:ºC)在各组所占的概率分布

  9. 1000年来太阳黑子周期长度距平 (单位:a)在各组所占的概率分布

  10. 1920~2000年CO2浓度距平 (单位:ppmv)在各组所占的概率分布

  11. REEP(Regression Estimation of Event Probability): 将预报量和各预报因子做0、1化处理,若预报因子x1,x2,…,xm有n个组合状态c1,c2,…,cn ,将每种组合状态下y=1的条件概率Pj(y=1|cj) (j=1,2,…,n)看成是组合后样本资料中x1,x2,…,xm的线性组合: P(y=1|cj)=b0+b1xi1+b2xi2+…+bmxim

  12. 令 yi=pi(y=1|cj) 由最小二乘法可得求b0,b1,…,bm的线性方程组为:

  13. 将因子数据带入预报方程,可得对应于因子序列样本的计算值,取对应于实况为“1”的极小值和对应于实况为“0”的极大值,令两者的平均值为P0,则当P>P0时,y=1; P<P0时, y=0。 概率预报﹥不等于﹤预报概率。

  14. 李栋梁等利用近1000年来太阳黑子周期长度的5个显著周期及均生函数对2001~ 2100年间SCL的变化进行了预测,并对未来的CO2浓度根据1958~2000年实测值的平均递增率做了估算,在此基础上对青藏铁路沿线的年平均气温进行了100年的预测,我们则应用REEP方法对其预测结果计算了出现的可能概率。表5是用文献三个不同模型的预测结果按年代分别计算而得出的,其概率模型共有30个,为简单起见这里只给出其中的三个。

  15. 其中pi为每种组合状态下预报量y=1的条件概率的回归值,x1为太阳黑子周期长度数,x2为CO2浓度。其中pi为每种组合状态下预报量y=1的条件概率的回归值,x1为太阳黑子周期长度数,x2为CO2浓度。

  16. 年代 方法 2000 年代 2010 年代 2020 年代 2030 年代 2040 年代 2060 年代 2080 年代 2090 年代 方程(1) 0.41 -0.41 -0.78 -1.14 -1.19 -0.75 -0.74 -1.03 概 率 0.750 0.837 0.844 0.868 0.888 0.537 0.487 0.458 方程(2) 0.77 1.21 1.62 1.99 2.36 3.09 3.82 4.19 概 率 0.263 0.314 0.344 0.368 0.388 0.419 0.436 0.440 ((1)+(2))/2 0.59 0.40 0.42 0.42 0.58 1.17 1.54 1.58 概 率 0.26~ 0.75 0.31~ 0.84 0.34~ 0.84 0.37~ 0.87 0.39~ 0.89 0.42~ 0.54 0.44~ 0.48 0.44~ 0.46 不同预测方法预测的青藏铁路沿线平均年代气温相对于1990年代的增温与概率

  17. 方程(3) 0.71 0.36 0.17 0.01 -0.03 0.46 0.82 0.80 概 率 0.711 0.855 0.583 0.840 0.733 0.676 0.635 0.639 综 合 结 果 0.65 0.38 0.30 0.22 0.28 0.82 1.18 1.19 概 率 0.51~ 0.71 0.58~ 0.85 0.58~ 0.59 0.62~ 0.84 0.64~ 0.73 0.48~ 0.68 0.46~ 0.64 0.45~ 0.64 不同预测方法预测的青藏铁路沿线平均年代气温相对于1990年代的增温与概率

  18. 利用REEP方法将文献中预测的青藏铁路沿线2001~2100年平均年代气温相对于1990年代的增温的概率进行了计算,表明未来50年青藏铁路沿线气温上升0.3ºC左右的概率为0.64~0.73 ;到100年青藏铁路沿线气温上升1.0ºC左右的概率为0.45~0.64。

  19. 谢 谢

More Related