干湿持续期随机模拟.pdfVIP

第 20 卷 2 期 应用气象学报 Vol. 20 , No.2 2009 年 4 月 JOURNAL QF APPLIED METEOROLOGICAL SCIENCE April 2009 干湿持续期随机模拟得 王世替诸叶平李世娟 (中国农业科学院农业信息研究所，北京 10008 1) 摘要 该文应用数据建模技术，实现干湿期随机建模。主要包指 z 利用历史气象资料，从中采集干湿期数据 s 应用实 测数据，创建于湿期经验分布函数;应用 Monte Carlo 方法和经验分布参数，随机生成于湿期序列，通过和 Markov 链模槌输出的对比分析，讨论生成序列的统计误辈辈，测试结巢显示，与两状态 Markov 链方法相比，所建模型性能 更好。 关键诩:干搜持续期;随机建模自天气生成器 温期序列遵循简单的 Markov 过程，提出干温期的 引 概率分布。 Longley[ 川根据天气资料，用实验方法 指出，干湿期序列长度句其~积频数间有对数关系。 在农业、水文和环境等领域，随机天气模拟路 么枕生 [13] 认为，干日和服日彼此并不独立，逐日天 (或生成器)有辛苦广泛应用。它可1:成长序列天气变 气变化不符合 Bernoulli 测试，而是有后效作用的链 ，为有关数学模型提供必要的数据输入，还可 锁现象;井用 Polya 分布(亦称概率传染分布)计算 满足其他一些数据需求，如:为缺少观测的地国插褂 了干混期的期盟频数。然而，日有的研究表明，所有 逐日天气 p 在空间分析中，对每日天吨数据做网格化 尝试过的组典理论分布，似都不能满意地配合干期 处理以及构造气候变化情景。 颇数。 天气生成器通常涉及多变壤，如降水、辐射、最 为满足农业研究对长序列主墨日天气数据的需 高气温和最低气嗣等，其中关键变景是降水。相应 求，弥忡现有天气生成榕的不足，作者应用数据建模 的降水模型普遍采用两状态一阶 Markov 链(简称 (modeling of data)[14 J 方法.构造了干搜期