逐分钟降雨数据驱动的降雨过程参数随机模拟：精度与区域特性

本文主要探讨了基于逐分钟降雨资料的降雨过程参数随机模拟技术，由杨俊杰、谢云和殷水清三位作者合作完成。研究背景是在中国14个气象站收集的1961年至2000年的详细降水数据基础上进行的，目标是通过对这些数据的深入分析，采用伽马分布来独立模拟次降雨过程的四个关键参数：次雨量、历时、最大5分钟雨强和最大30分钟雨强。这种方法的独特之处在于，它不仅模拟了降雨量，还考虑到了降雨事件的时间特性，这对于气候模型和天气预测具有重要意义。 研究者首先对中国气象站的逐分钟降水数据进行了详尽的统计分析，然后利用伽马分布这一概率分布模型来生成随机参数，确保模拟出的参数能够与实际观测值保持一致的相关性。通过非参数分布法，作者确保了模拟结果的精度，相对误差在次雨量和历时上分别约为6%和10%，大多数站点的模拟序列与实测序列在卡方检验和Kolmogorov-Smirnov检验中表现良好。 文章进一步比较了本研究方法与其他两种常用模拟技术——CLIGEN（v5.22564）和改进型CLIGEN方法（简称CL方法）的性能。CL方法采用指数分布来模拟降雨历时，并结合非参数分布赋予历时与次降雨量之间的关系，最后通过CLIGEN模拟雨强。结果显示，本文的研究方法在模拟效果上优于CLIGEN和CL方法。 此外，作者还对次雨量、历时和最大5分钟雨强的伽马分布参数α和β，以及这些参数在不同区域的95%百分位值进行了空间分析，揭示了各地区次降雨过程的差异性特征。这些发现对于理解降雨过程的时空变异性和气候模型的区域化设置具有重要的科学价值。 该论文通过详细的数学统计和模型构建，提供了一种有效的方法来模拟基于逐分钟降雨数据的降雨过程参数，对于气象学、气候建模和水资源管理等领域有着显著的实际应用潜力。关键词包括自然地理学、次降雨、伽马分布、非参数分布法以及CLIGEN软件，体现了研究的深度和广度。