基于R-Vine Copula函数的极端降水联合分布模型及风险识别

在边缘分布函数优选的基础上,采用条件Copula函数和Vine图结构,构建基于R-Vine Copula函数的极端降水联合分布模型,以河南省4个气象站的实测数据进行模型验证和对比分析,并对极端降水指标进行了风险识别。结果表明:构建的模型可以描述变量之间的不同尾部特征,保持原序列Kendall和Spearman相关系数等统计特征,整体精度优于基于C-Vine Copula函数构建的极端降水联合分布模型;河南省年降水量与降水强度、最大1d降水量与最大5d降水量的概率分布密切相关,各指标对联合概率密度的影响程度呈现出空间异质性。     

DARMA模型在中国日降水量随机模拟中的适用性研究

为提高日降水量随机模拟精度,研究了DARMA模型模拟中国日降水量的普适性。采用中国大陆811个气象站点的日降水系列,建立DARMA（1,1）模型以模拟日降水事件的发生,进行自相关系数、干湿游程概率分布检验,根据Gamma函数随机生成不同湿游程序列日降水量,与DAR（1）模型对比。研究结果表明：中国超过50%的降水为2日及以上的多日降水事件,自相关系数衰减缓慢,符合DARMA模型特征;模拟产生的干湿游程概率分布精度优于DAR模型,优势随着降水量增加更显著,模拟序列统计特征值除均值外均优于DAR模型。DARMA模型适用于中国大陆地区日降水量的随机模拟,是一种可行的日降水量随机模拟模型。