极端气候事件的预测和估计

　　现代社会中，气候预测和估计是城市规划设计中的重要一环。其中极端气候的估计尤其关键，因为极端气候的发生有可能对城市和居民造成极大的损失，同时需要采用不同程度的救急措施和救急设施。在城市规划时，则需要针对可能出现的极端气候事件和极端气候事件程度，做出相应的公共设施分配和管理方案以应对这些事件。近年内较著名的极端气候事件有2003年夏天的欧洲热浪，给社会造成极大的损失，有报道称这次极热事件导致超过三万五千人死亡。究其原因，欧洲夏天温度通常较为温和，很多居民房屋没有空调，同时传统意义中高温并没有得到足够的重视。2012年7月21日北京遭遇61年一遇的暴雨事件，导致多人死亡，经济损失达80亿人民币。

　　短期极端气候的预测和估计，例如高温，暴雨等等，通常可以由气象模型来完成。从长远的角度来说，我们则可以借用相应的统计和概率模型来帮助估计。这里我们简单来说，我们希望估计若干年一遇的极端气候事件的具体程度，例如，100年一遇的最高日降雨量会到多少毫米，100年一遇的高温会到多少摄氏度，用概率的语言来说则是估计一个阀值使得日降雨量（温度）超过该阀值的概率为1/100。有了这样的估计值，城市规划时则可以做出相应的设施分配和管理方案，例如从降雨的角度，公共排水系统需要承受多大强度的排水量，需要增加多少泵站才能应付这样强度的降雨；从高温的角度则是，在高峰期需要多大的电量来保证城市空调的运转等等。通常来说，这样的估计值是通过在历史观测数据上拟合概率统计模型来取得的。在统计与概率论中的极值理论里，一段时间内的气象最大观测值可以用极值分布来模拟。另一种模拟方法则是使用帕雷托分布对超过某一预设值的观测值进行建模。随着历史数据的增加，最终阀值的估计会越来越准确。这一估计预测的过程是一个动态的过程，在智慧城市中，气候数据不断积累，阀值的估计也自动相应的更新，应急设备的调度方案也随之自动的调整。

　　与之相关的一个事实是只有当气象观测数据的地理精度达到一定精度时，数据才有实际意义。例如基于城市某一城区的降雨量对城市规划有现实意义，但是基于全中国的降雨量则帮助不大。现实中，我们收集到的气象数据来自于不同的观测站，根据观测站的数目以及历史数据的时间长度，具体的数据量有可能变得极大，分析也相对复杂一些。其中主要的挑战来自两个方面。第一是如何将地理位置相近的观测值综合利用起来以取得更准确的估计值，一般来说，地理位置相近或者地理条件相似的气候差别相对较小，将这些相似的观测站数据集中起来可以取得更准确的估计值。这一挑战可以通过建立更加复杂的统计模型来解决，例如使用贝叶斯方法对相似观测站的关联性进行建模，或者在分析优化过程中增加相应的限制条件使得相似观测站的估计值更连续。第二个挑战则是当数据量增大的时候，特别是当观测站数目变大时，模型中的参数数目也线性增加，计算的难度也随之提高。为了应对这一挑战，我们需要针对具体的模型来设计专门的算法以加快优化过程，同时我们也可以借用现有的大规模并行计算硬件来加速计算，使得传统意义上不可能完成的计算问题变为可能。

　　上图是我们利用极值模型在北美地区气候变化模拟数据上做出的三十年一遇的最大日降雨量估计。这一过程利用了超过14000个观测区域和超过30年的历史数据，最终的预测值和真实情况十分吻合。这一分析过程可以直接使用到多观测区域的城市极端气候事件预测。

　　气候数据处理相关的另一个问题则来自于历史数据测量时间的精度。这一问题在温度历史数据收集中尤为明显，例如，出于人为原因，历史数据并没有一致的在同一时间采集，部分数据可能在早上采集，而其余的可能在正午时候采集。这些人为因素直接导致了实际气候数据与真实气候的偏差和部分数据的缺失，也可能导致最终极端气候的估计值有偏差。近年来，研究人员提出越来越多的统计和数据挖掘算法来应对这一实际问题。其中较为流行的有基于回归树的拐点获取算法以及基于贝叶斯因子理论的变化侦测算法。这些算法可以有效的侦测不正常的气候历史数据并加以调整，从而使得后期的估计和预测更加准确。虽然随着时间的推移，气候测量手段的发展以及测量的规范化，气候数据的收集更加连续更加规范，数据的质量也因此而更高，我们依然需要重视数据收集的可靠性和准确性，以保证后期研究以及结论的准确性。

　　以上简单介绍了统计和概率极值理论在估计预测长期极端气候中的应用。具体的操作需要稳定准确连续的数据收集，数据质量检测和预处理，数据模型建立以及优化计算来完成。这个过程需要气象学家，统计学家，计算机学家以及相应部门的共同协同工作来达成。长远而言，这可以有效的估计极端气候事件的具体程度，从而帮助城市规划和设施调整，提高城市的应急能力，保障社会财产安全。在智慧城市的概念里，这一过程变得尤其顺利，从不同观测站气候数据的采集，到数据汇总分析预测，再到应急资源方案的调整，都可以实现有效的自动化，极大的提高效率。

　　郑维：2004年毕业于中国科技大学少年班系数学专业，于2004年至2009年留学美国威斯康辛麦迪逊大学统计系，于2009年取得统计学博士学位，师从WeiyinLoh教授。之后分别在礼来公司和赛诺菲公司从事药品研发工作。主要研究领域包括数据挖掘以及统计模型在制药临床试验中的应用。

　　文/郑维