基于广义极值分布的京津冀极端降水阈值识别及CMPAS融合降水产品评估

徐义国, 王蓉蓉, 范俊红, 赵增保, 王蕊, 王岚, 赵紫薇

Identification of extreme precipitation thresholds in the Beijing-Tianjin-Hebei region using GEV model and evaluation of CMPAS merged precipitation products

XU Yiguo, WANG Rongrong, FAN Junhong, ZHAO Zengbao, WANG Rui, WANG Lan, ZHAO Ziwei

表1 GEV模型介绍

Tab.1 GEV Model structures for location and scale parameters

类型 位置参数 尺度参数 特点 Model 1 平稳 μ σ 参数固定不随时间变化，提供一个无趋势背景下的参考框架，用于判断后续非平稳模型的必要性与显著性。 Model 2 非平稳 μ=μ0+μ1·s σ=exp（σ0+σ1·s） 参数随时间线性变化，检测极端降水是否存在长期线性增强或减弱的最直接方法。 Model 3 非平稳 μ=μ0+μ1·es σ=exp（σ0+σ1·es） 参数对时间的敏感度呈非线性放大，以反映时间对极端降水的非线性加速驱动效应，捕捉快速增强型的极端降水演变特征。 Model 4 非平稳 μ=μ0+μ1·sη σ=exp（σ0+σ1·sη） 以幂函数形式描述参数随时间的变化，该形式兼具线性与非线性特征，能更准确地描述观测数据的复杂变化，提升模型对不同演变形态的适应性。 Model 5 非平稳 μ=μ0（s+μ1）η σ=exp[σ0（s+σ1）η] 经验公式，支持参数耦合非线性变化，构建更灵活的统计框架，探索极端降水演变的复杂模式，为模型选择提供更丰富的候选方案。