基于现代统计方法和高分辨率资料的人工增雨效果评估研究

Artificial rainfall enhancement is an important operational work in meteorological departments for the temporal and spatial imbalance of precipitation in China, but it is difficult to test the effect of cloud seeding. The traditional methods mostly use the linear regression and double ratio analysis without diagnostic analysis and new achievements introduced by modern statistical methods. Using high resolution data and the modern statistical methods, such as bootstrap, spatial statistical method, high dimensional data analysis method etc., this project aims to improve the testing of cloud seeding effect and build up a new way to evaluate artificial precipitation enhancement experiment. It will be helpful and meaningful to analyze further causes of seeding effects, guide seeding practices and improve operation designs.

我国降水时空分布存在严重的不平衡，目前许多省份开展了人工增雨作业及其研究，其效果检验是一项既重要又困难的工作。传统的人工增雨统计检验大多运用线性回归和双比分析，缺乏深入细致的诊断分析，很少运用现代统计方法的新成果来提高效果检验的准确性和可靠性。此外，目前的加密气象观测网可收集到多要素、高分辨率的资料，数据量增加、质量提高，检出效果的可能性增大。本项目拟基于高时空分辨率资料，运用bootstrap统计模拟方法、空间统计学方法、高维数据分析等，对现有人工增雨效果的统计检验进行改进，对分析增雨效果的影响因素、改进作业方案设计、提高播撒效率等具有重要的理论意义和实用价值。

人工增雨后的效果检验是一项既重要又困难的工作。本项目拟基于高时空分辨率气象资料，引进现代统计方法来提高人工增雨效果统计检验的科学性和合理性。选取欧洲中心大尺度气候因子作为候选协变量，利用主成分分析与典型相关分析相结合的方法，确定出重要的物理协变量。利用大尺度气候因子格点数据，采用SOM方法对研究区域进行副区划分，利用基于L矩比的区域同质性分析，检验划分区域的降水一致性。基于bootstrap数值模拟，研究作业期降水的自然变异情况及其对作业效果统计检验的影响。将平稳模型、非平稳模型、EOF分析、典型相关分析和支持向量机等现代统计分析方法引入人工增雨效果的统计检验，应用到驱动因子分析、统计建模等环节和研究中，以期改进现有统计检验方案的科学性。总结目前已有的人工增雨效果统计检验研究成果，提出一些关键问题。本项目所得成果在理论方法上更新了人工增雨效果统计检验中协变量选取、统计检验方案设计和统计建模方法的内容，同时为未来相关领域的研究指出了亟须解决的问题。本项目共完成了6篇高水平学术论文，其中4篇SCIE，2篇北大核心；申请授权实用新型专利1项。指导硕士研究生6人，已毕业1人，并获国家奖学金。