周源濤，高 原，劉峰貴，王靜愛(ài),3

(1.青海師范大學(xué) 地理科學(xué)學(xué)院，青海 西寧 810008 ；2. 北京師范大學(xué) 地理科學(xué)學(xué)部，北京 100875；3.高原科學(xué)與可持續(xù)發(fā)展研究院，青海 西寧 810008)

在全球變暖的背景下，極端天氣和氣候事件的強(qiáng)度和頻率顯著增加[1]，引發(fā)頻繁的自然災(zāi)害，造成了巨大的人員傷亡和財(cái)產(chǎn)損失[2]。故對(duì)自然災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)的研究也就愈益重要而迫切。對(duì)各種自然災(zāi)害事件時(shí)空模式的分析和預(yù)測(cè)，通常需要高分辨率且連續(xù)的氣象數(shù)據(jù)，然而在許多地方，數(shù)據(jù)的缺乏阻礙了評(píng)估工作。對(duì)氣象資料不連續(xù)或缺測(cè)地區(qū)，或?qū)ξ磥?lái)可能發(fā)生的自然災(zāi)害研究，則需要科學(xué)的代用資料。天氣生成器(Weather Generator，WG)，國(guó)內(nèi)也常譯為天氣發(fā)生器，是采用隨機(jī)過(guò)程論并結(jié)合概率論的方法生成氣象數(shù)據(jù)的一種模型，可在每日或月時(shí)間步長(zhǎng)的實(shí)測(cè)數(shù)據(jù)基礎(chǔ)上產(chǎn)生高分辨率的代用氣象資料，包括降水、溫度、太陽(yáng)輻射和風(fēng)速等。理想情況下，模擬數(shù)據(jù)具有與觀測(cè)數(shù)據(jù)[3]相同的統(tǒng)計(jì)特征。

盡管天氣生成器最初是為土壤侵蝕模型[4]或水文氣象模型[5-7]的應(yīng)用而開(kāi)發(fā)，且多作為模型中的天氣數(shù)據(jù)發(fā)生模塊[8-9], 但近年來(lái)，它們已在各區(qū)域、流域或局地氣候的變化、農(nóng)作物估產(chǎn)方面和自然災(zāi)害研究領(lǐng)域提供了有力幫助[10-12]。本文首先梳理了5種主流天氣生成器的產(chǎn)生發(fā)展，進(jìn)而結(jié)合天氣生成器在致災(zāi)因子危險(xiǎn)性和災(zāi)害損失評(píng)估方面的研究，綜述了目前天氣生成器在災(zāi)害評(píng)估中的應(yīng)用的情況，以期為天氣生成器更好的應(yīng)用于相關(guān)研究提供思路。

1 天氣生成器的簡(jiǎn)介

天氣生成器是一種以統(tǒng)計(jì)學(xué)方法生成氣象數(shù)據(jù)的一種數(shù)學(xué)模型，最初它的產(chǎn)生主要有兩個(gè)原因：一是生成具有統(tǒng)計(jì)學(xué)特性的氣象數(shù)據(jù)時(shí)間序列，以符合水文評(píng)估或農(nóng)業(yè)應(yīng)用中要求的時(shí)間分辨率；二是將已有氣象數(shù)據(jù)時(shí)間序列的模擬擴(kuò)展到未觀測(cè)或者缺測(cè)的地點(diǎn)?，F(xiàn)天氣生成器已廣泛應(yīng)用于氣象數(shù)據(jù)模擬、土壤與農(nóng)作物模型和災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)等相關(guān)研究中，為大量的工作提供了連續(xù)、高分辨率的氣象代用數(shù)據(jù)。

1.1 天氣生成器的產(chǎn)生與發(fā)展

天氣生成器的產(chǎn)生與發(fā)展大致情況如圖1所示。最早的相關(guān)研究可追溯到以色列科學(xué)家使用馬爾可夫鏈進(jìn)行的干濕日預(yù)測(cè)[13]。1972年，JONES[14]在此基礎(chǔ)上，生成了日降水量，并基于氣溫、蒸發(fā)與降水天氣的高相關(guān)性，嘗試對(duì)日平均氣溫和蒸發(fā)量進(jìn)行模擬。1980年，BRUHN[15]增加了對(duì)日最高、最低氣溫，相對(duì)濕度和太陽(yáng)輻射的模擬。RICHARDSON等[16]于 1984 年將這一方法系統(tǒng)總結(jié)，并命名為WGEN(Weather Generator)天氣生成器。1990年，SHARPLEY等[17]將天氣生成器引入SWAT(Soil & Water Assessment Tool)模型，并命名為WXGEN(Weather Generator)；但WXGEN天氣生成器沒(méi)有單獨(dú)的交互界面，調(diào)用比較困難[18]，BAFFAULT[4]開(kāi)發(fā)了具有視窗程序的天氣生成器CLIGEN(Climate Generator)。MODAWEC(Monthly to Daily Weather Converter)隨后也結(jié)合EPIC(Environmental Policy Integrated Climate)模型提出，以解決WXGEN不能直接被EPIC使用的問(wèn)題[19]。

CLIGEN等[5]使用低階馬爾可夫鏈，在模擬極端降水時(shí)往往精度不高，因此擬合效果更好的高階馬爾可夫鏈被嘗試引用在WeaGETS(Weather Generator)天氣生成器中[20]?；隈R爾可夫鏈的天氣生成器發(fā)展的同時(shí)，半經(jīng)驗(yàn)?zāi)Ｐ鸵脖粐L試引入。LARS-WG(Long Ashton Research Station Weather Generator)是對(duì)天氣生成器基本數(shù)理方法的新探索，專(zhuān)為氣候變化與影響的相關(guān)研究設(shè)計(jì)[21]，它基于半經(jīng)驗(yàn)分布模型，有助于解決基于馬爾可夫鏈的天氣生成器對(duì)極端降水模擬準(zhǔn)確度不高的問(wèn)題[22-23]。目前，天氣生成器種類(lèi)日漸多樣，多位學(xué)者為解決自己領(lǐng)域的相關(guān)問(wèn)題，在基于經(jīng)典理論基礎(chǔ)上，開(kāi)創(chuàng)了多種以研究問(wèn)題為導(dǎo)向的新方法。天氣生成器正在朝向多種分布模型結(jié)合、多種數(shù)理方法探索、多用于針對(duì)性研究問(wèn)題解決的方向發(fā)展。

1.2 典型天氣生成器的定義與原理

經(jīng)歷60多年的發(fā)展，天氣生成器現(xiàn)已廣泛應(yīng)用于河流水文學(xué)[24-26]、氣候變化[27-29]、農(nóng)業(yè)估產(chǎn)[30-32]和災(zāi)害風(fēng)險(xiǎn)評(píng)估[55-57]等領(lǐng)域。本文選取五種常用的天氣生成器(表1)，重點(diǎn)介紹它們的定義與原理。

天氣生成器中，較早的WXGEN(1990)和CLIGEN(1995)都內(nèi)建于其他模型中。WXGEN內(nèi)建于SWAT模型，用于補(bǔ)白缺測(cè)地區(qū)的數(shù)據(jù)以全面分析流域土壤侵蝕情況[33]；CLIGEN是為WEPP(Water Erosion Prediction Project)模型而開(kāi)發(fā)的隨機(jī)天氣生成器[4]；LARS-WG參考?xì)庀笳緦?shí)測(cè)的干濕交替序列的長(zhǎng)度，進(jìn)而根據(jù)半經(jīng)驗(yàn)?zāi)Ｐ蜕山邓亢推渌麣庀髷?shù)據(jù)[34]；MODAWEC(Monthly to Daily Weather Converter)為WXGEN在EPIC模型中的改進(jìn)[19]；WeaGETS(Weather Generators)天氣生成器產(chǎn)生較晚，模型中綜合了多種數(shù)學(xué)模型和分布可供選擇，以達(dá)到產(chǎn)生更精確的降水量的目的[35]。

圖1 天氣生成器的發(fā)展時(shí)間軸

表1 五種主流天氣生成器的對(duì)比

1.3 天氣生成器的應(yīng)用領(lǐng)域

本文選擇56篇代表文獻(xiàn)，構(gòu)建了“研究區(qū)—類(lèi)型—研究領(lǐng)域”的多維圖(圖2)，以展示天氣生成器的應(yīng)用情況。包括了2大類(lèi)文獻(xiàn)，5種天氣生成器，8個(gè)研究區(qū)和4個(gè)研究領(lǐng)域。由圖2可知，天氣生成器研究的熱點(diǎn)區(qū)集中在東亞、南亞和北美，領(lǐng)域涉及氣象氣候的應(yīng)用，如在氣候變化情景下對(duì)氣溫降水的模擬和變化評(píng)價(jià)[36]，氣象數(shù)據(jù)降尺度[37-38]，補(bǔ)白缺測(cè)數(shù)據(jù)[39]；農(nóng)業(yè)的應(yīng)用，如糧食產(chǎn)量的預(yù)估[40]或生產(chǎn)潛力的評(píng)價(jià)[12]；水文的應(yīng)用，如氣候變化對(duì)徑流量的影響[41]；以及災(zāi)害學(xué)的研究，如暴雨、干旱等氣象致災(zāi)因子導(dǎo)致的農(nóng)作物產(chǎn)量損失風(fēng)險(xiǎn)評(píng)估[42]，或者未來(lái)氣候變化情景下農(nóng)作物的估產(chǎn)研究等[43]。

可以看到：①天氣生成器類(lèi)型增多，應(yīng)用日益廣泛。1975—1995年是天氣生成器的產(chǎn)生階段，研究集中于對(duì)降水概率模型的探討，并形成了WXGEN和CLIGEN，但應(yīng)用較少。1995年以來(lái)，特別是在2005年以后，天氣生成器的相關(guān)研究與使用進(jìn)入高潮，新的模型被開(kāi)發(fā)并廣泛運(yùn)用，舊模型使用減少甚至被淘汰。②應(yīng)用區(qū)域漸向全球擴(kuò)張。天氣生成器多數(shù)起源于北美，1975—2005年間的模型測(cè)試和運(yùn)用基本在美國(guó)進(jìn)行。后多國(guó)學(xué)者，特別是我國(guó)學(xué)者積極引入模型，并做了適用性評(píng)價(jià)，研究重點(diǎn)區(qū)域逐漸向農(nóng)業(yè)發(fā)達(dá)的東亞和南亞轉(zhuǎn)移。③應(yīng)用呈現(xiàn)多樣化、多學(xué)科交叉的趨勢(shì)。天氣生成器誕生之初僅作為模型當(dāng)中的功能模塊，產(chǎn)生模型所需的氣象數(shù)據(jù)，后逐漸發(fā)展出現(xiàn)結(jié)合未來(lái)氣候變化情景的農(nóng)作物估產(chǎn)研究。至今，天氣生成器在氣候變化預(yù)估，大流域多站點(diǎn)河流徑流量的模擬和氣候變化情景下農(nóng)作物災(zāi)損評(píng)估和估產(chǎn)等領(lǐng)域都有廣泛的應(yīng)用。從一開(kāi)始多用于農(nóng)業(yè)[44]氣象氣候[45]領(lǐng)域發(fā)展至水文氣象的結(jié)合[46]或水文、氣象、農(nóng)業(yè)與災(zāi)害的多領(lǐng)域結(jié)合研究[47-48]，天氣生成器的研究的面更寬，研究問(wèn)題更深入，應(yīng)用范圍更廣。

2 天氣生成器在災(zāi)害評(píng)估中的應(yīng)用

災(zāi)害評(píng)估是研究災(zāi)害學(xué)的重要內(nèi)容和步驟，一般可概括為災(zāi)害風(fēng)險(xiǎn)評(píng)估、損失評(píng)估等[72]。災(zāi)害風(fēng)險(xiǎn)評(píng)估主要包括對(duì)致災(zāi)因子的危險(xiǎn)性和承災(zāi)體脆弱性的評(píng)估[49]，涉及的氣候致災(zāi)因子主要包括干旱、暴雨等，承災(zāi)體主要包括人口、經(jīng)濟(jì)、基礎(chǔ)設(shè)施和農(nóng)作物等。災(zāi)害損失評(píng)估一般是指建立適當(dāng)?shù)脑u(píng)估模型, 對(duì)災(zāi)害的破壞程度和造成的各種損失進(jìn)行評(píng)估[72]。在未來(lái)全球變化面對(duì)諸多不確定性和人類(lèi)生存環(huán)境面臨自然災(zāi)害巨大威脅的情況下，高分辨率的連續(xù)氣象數(shù)據(jù)在研究中尤為關(guān)鍵，天氣生成器由于可產(chǎn)生連續(xù)的高分辨率代用數(shù)據(jù)，因此可用于解決災(zāi)害評(píng)估環(huán)節(jié)中的數(shù)據(jù)問(wèn)題。天氣生成器在災(zāi)害評(píng)估中的應(yīng)用流程如圖3所示，它的直接使用，或結(jié)合其他模型與未來(lái)氣候情景的綜合研究，對(duì)準(zhǔn)確評(píng)價(jià)自然災(zāi)害風(fēng)險(xiǎn)具有巨大的意義。

圖2 天氣生成器應(yīng)用情況三維圖注：ASIA-E東亞; ASIA-S南亞; ASIA-C中亞; NA北美; AFRICA-N撒哈拉以北的非洲; AFRICA-S撒哈拉以南的非洲; EU歐洲; AU澳洲; CLI氣象氣候?qū)W; HYD水文學(xué); AGR農(nóng)學(xué); DIS災(zāi)害學(xué)

圖3 天氣生成器在災(zāi)害評(píng)估中的應(yīng)用流程

2.1 致災(zāi)因子危險(xiǎn)性評(píng)估

致災(zāi)因子危險(xiǎn)性是對(duì)致災(zāi)因子的強(qiáng)度及其發(fā)生的可能性的刻畫(huà)[50]。對(duì)于致災(zāi)因子危險(xiǎn)性的評(píng)估是天氣生成器的主要應(yīng)用之一，其功能是生成所需的時(shí)長(zhǎng)、分辨率的氣象數(shù)據(jù)后，對(duì)干旱、暴雨等氣象災(zāi)害事件可能發(fā)生的強(qiáng)度或概率進(jìn)行的評(píng)估。

干旱方面應(yīng)用，一般是通過(guò)模擬降水量的多寡和有效降水日數(shù)來(lái)體現(xiàn)的。比如，LIU[51]等使用MODAWEC天氣生成器，根據(jù)月數(shù)據(jù)補(bǔ)白撒哈拉以南的非洲的缺測(cè)氣象數(shù)據(jù)，重點(diǎn)關(guān)注了干旱可能發(fā)生的概率與對(duì)農(nóng)作物的致災(zāi)情況；肖涵[52]結(jié)合全球氣候模式未來(lái)時(shí)期氣象數(shù)據(jù)，運(yùn)用SDSM模型，將新安江流域的低分辨率氣象數(shù)據(jù)進(jìn)行降尺度，模擬了新安江流域未來(lái)降水和蒸發(fā)的變化情況，預(yù)測(cè)了流域內(nèi)可能發(fā)生干旱的強(qiáng)度；石小平[53]對(duì)比了天氣生成器中常用的四種降水概率分布模型，結(jié)合中國(guó)不同地區(qū)實(shí)際氣候情況，提出了中國(guó)不同氣候區(qū)適用的最優(yōu)模型，并對(duì)模擬不同地區(qū)的干旱概率與強(qiáng)度進(jìn)行了研究。天氣生成器所評(píng)價(jià)的干旱多數(shù)指的是氣象干旱，但也有研究和干旱模型結(jié)合，從而作為氣象代用資料生產(chǎn)模型，對(duì)農(nóng)業(yè)干旱進(jìn)行科學(xué)的評(píng)估和預(yù)測(cè)。

天氣生成器可以借助馬爾可夫鏈較好的預(yù)測(cè)降水發(fā)生情況與降水量，因此在暴雨作為致災(zāi)因子的暴雨洪水災(zāi)害評(píng)估上也有很廣泛的應(yīng)用。暴雨洪水方面，張徐杰[11]等根據(jù)HadCM3大氣環(huán)流模式，使用LARS-WG天氣生成器，對(duì)21世紀(jì)中葉錢(qián)塘江流域的暴雨造成的洪水情況進(jìn)行了模擬、計(jì)算與分析；李志[54]等使用CLIGEN天氣生成器，將3種GCMs月模式數(shù)據(jù)降尺度到逐日，預(yù)測(cè)了2010—2039年黃土塬區(qū)暴雨發(fā)生的情況；田燁[55]引入IPCC第四次報(bào)告中的氣候情景，使用LARS-WG天氣生成器，預(yù)測(cè)了浙江省未來(lái)梅雨季、臺(tái)風(fēng)季降水量以及此期間洪水發(fā)生的可能性與情況。天氣生成器可產(chǎn)生具體的日降水量和降水日數(shù)，因此可以直接用于對(duì)暴雨事件的評(píng)估，但在洪水方面，一般會(huì)被集合到水文模型中，從而達(dá)成對(duì)洪水事件的評(píng)估與預(yù)測(cè)。

基于氣溫和降水事件的強(qiáng)相關(guān)性，天氣生成器也可根據(jù)不同的模型，產(chǎn)生溫度數(shù)據(jù)，進(jìn)而對(duì)極端氣溫事件發(fā)生情況進(jìn)行評(píng)估。在極端溫度方面，強(qiáng)慧婷[56]使用BCC/RCG-WG，模擬了江蘇省未來(lái)50年的逐日氣溫情況，預(yù)測(cè)了未來(lái)氣候變化下高溫?zé)岷赡茉斐傻乃镜臏p產(chǎn)狀況；郎許峰[57]使用BCC/RCG-WG，將氣象資料降尺度到逐日，預(yù)測(cè)了未來(lái)全國(guó)超過(guò)35℃與38℃的高溫事件的分布，制作了全國(guó)范圍內(nèi)高溫天數(shù)的分布圖；高淑新[58]等使用CLIGEN，模擬了東北三省內(nèi)15個(gè)氣象站點(diǎn)的逐日平均最高溫度、最低溫度，評(píng)估了極端溫度的日數(shù)且嘗試在空間上進(jìn)行插值，對(duì)其在東北三省進(jìn)行了適用性評(píng)價(jià)。天氣生成器可以直接模擬逐日乃至更高分辨率的溫度數(shù)據(jù)，對(duì)于極端溫度的評(píng)估，一般需要根據(jù)不同的承災(zāi)體厘定致災(zāi)極端溫度的閾值，再進(jìn)行評(píng)價(jià)。

天氣生成器在致災(zāi)因子危險(xiǎn)性方面的評(píng)估也不僅僅是對(duì)單個(gè)致災(zāi)因子的模擬，也有學(xué)者同時(shí)模擬多個(gè)致災(zāi)因子，分析了一個(gè)地區(qū)多個(gè)獨(dú)立氣象要素的致災(zāi)情況，以期對(duì)致災(zāi)因子危險(xiǎn)性進(jìn)行更全面的評(píng)估。BREINL[59]等使用MulGETS對(duì)美國(guó)西部日降水和氣溫進(jìn)行模擬，評(píng)價(jià)了天氣生成器對(duì)歷史時(shí)期極端氣溫、降水事件的還原情況，并預(yù)測(cè)了這里未來(lái)可能發(fā)生的各種水文與氣象災(zāi)害。KIM[42]等使用WXGEN天氣生成器，結(jié)合氣候變化情景，模擬了漢江流域2001—2090年的逐日氣溫降水?dāng)?shù)據(jù)，預(yù)測(cè)了未來(lái)漢江流域可能發(fā)生的高溫以及暴雨事件，進(jìn)而對(duì)干旱和洪澇災(zāi)害等進(jìn)行評(píng)估。

利用天氣生成器，可以在致災(zāi)因子危險(xiǎn)性評(píng)估領(lǐng)域模擬連續(xù)的、高分辨率的氣象數(shù)據(jù)，進(jìn)而用于對(duì)多種不同的致災(zāi)因子導(dǎo)致的災(zāi)害事件的模擬，又可以直接模擬致災(zāi)因子的強(qiáng)度和發(fā)生頻率，結(jié)合致災(zāi)標(biāo)準(zhǔn)對(duì)災(zāi)害事件進(jìn)行評(píng)估，也可以作為水文或農(nóng)業(yè)干旱模型的內(nèi)置天氣數(shù)據(jù)來(lái)源，為模型評(píng)估致災(zāi)因子的危險(xiǎn)性提供數(shù)據(jù)基礎(chǔ)。但由于模型多產(chǎn)生于北美，參數(shù)經(jīng)過(guò)本地化修正，模型的使用具有區(qū)域性，對(duì)致災(zāi)因子特別是極端氣象事件的還原程度具有一定的局限性，所以在區(qū)域上進(jìn)一步推廣受到限制，因此在不同地區(qū)使用前一般需要進(jìn)行適用性評(píng)價(jià)。

2.2 災(zāi)害損失評(píng)估

天氣生成器在災(zāi)害損失評(píng)估方面的應(yīng)用，主要是對(duì)承災(zāi)體遭受氣象致災(zāi)因子打擊時(shí)的損失評(píng)價(jià)。此時(shí)天氣生成器在致災(zāi)-損失評(píng)價(jià)環(huán)節(jié)中主要功能是生成高分辨率氣象數(shù)據(jù)，結(jié)合承災(zāi)體的致災(zāi)閾值，從而對(duì)承災(zāi)體在某種災(zāi)害事件下產(chǎn)生的損失進(jìn)行評(píng)價(jià)。如根據(jù)氣候變化模式數(shù)據(jù)，使用天氣生成器模擬出未來(lái)時(shí)期的高分辨率氣象數(shù)據(jù)，結(jié)合農(nóng)業(yè)模型，預(yù)估不同排放情景下的產(chǎn)量與損失，從而對(duì)風(fēng)險(xiǎn)進(jìn)行進(jìn)一步分析與評(píng)價(jià)；亦或模擬災(zāi)害事件并預(yù)測(cè)其對(duì)經(jīng)濟(jì)的打擊，從而評(píng)估災(zāi)害損失。

基于不同的承災(zāi)體展開(kāi)的災(zāi)害損失評(píng)估，最常運(yùn)用于對(duì)農(nóng)作物在某種情景下的風(fēng)險(xiǎn)損失評(píng)估。廖要明[60]等利用天氣生成器NCC/RCG-WG，模擬了研究區(qū)200年的逐日降水?dāng)?shù)據(jù)，并使用氣候統(tǒng)計(jì)學(xué)的方法，對(duì)棉花和小麥生長(zhǎng)期內(nèi)的年內(nèi)各月風(fēng)險(xiǎn)進(jìn)行了分析研究；STEINSCHNEIDER[61]等基于全球尺度氣候特征的區(qū)域大氣流動(dòng)模式和天氣生成器，模擬了美國(guó)西部逐日的天氣情況，并建立了基于氣候變化假設(shè)的水系統(tǒng)影響評(píng)價(jià)模型，進(jìn)而對(duì)美國(guó)西部水系統(tǒng)的氣候脆弱性進(jìn)行了評(píng)估；滕雅琦[62]等使用WGEN生成水稻生育期內(nèi)逐日氣象數(shù)據(jù)，結(jié)合氣象致災(zāi)因子評(píng)價(jià)了致災(zāi)因子危險(xiǎn)性后，使用廣義線性模型評(píng)估水稻的脆弱性，進(jìn)而評(píng)估了黑龍江農(nóng)墾區(qū)水稻的種植風(fēng)險(xiǎn)；并基于此制作出黑龍江全省水稻種植風(fēng)險(xiǎn)區(qū)劃[63]。農(nóng)作物作為承災(zāi)體時(shí)，天氣生成器一般作為中間工具，進(jìn)而對(duì)損失進(jìn)行評(píng)估，既可以補(bǔ)白缺測(cè)數(shù)據(jù)，對(duì)觀測(cè)缺失地區(qū)農(nóng)作物遭受災(zāi)害打擊后的損失與風(fēng)險(xiǎn)進(jìn)行評(píng)估，也可以根據(jù)氣候變化情景生產(chǎn)不同排放濃度下的模式數(shù)據(jù)，作為輸入導(dǎo)入估產(chǎn)模型中，產(chǎn)出未來(lái)不同情景下農(nóng)作物的產(chǎn)量，對(duì)未來(lái)可能的災(zāi)害損失與風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)與預(yù)測(cè)。

也有學(xué)者選擇經(jīng)濟(jì)作為承災(zāi)體，從災(zāi)害事件可能造成的經(jīng)濟(jì)損失出發(fā)，進(jìn)行城市災(zāi)害風(fēng)險(xiǎn)評(píng)估。張小瑩[64]使用WXGEN天氣生成器，生成了我國(guó)672個(gè)氣象站點(diǎn)的逐日模擬數(shù)據(jù)，并結(jié)合Pearson-Ⅲ型模型計(jì)算日最大降水的重現(xiàn)期，進(jìn)而對(duì)我國(guó)各大城市及其經(jīng)濟(jì)發(fā)展在極端降水發(fā)生時(shí)的脆弱性進(jìn)行了評(píng)價(jià)；潘潤(rùn)澤[65]使用NCC/GU-WG天氣生成器對(duì)莊河地區(qū)100年天氣數(shù)據(jù)進(jìn)行補(bǔ)充與預(yù)測(cè)，結(jié)合水文模型對(duì)研究區(qū)內(nèi)城市雨水系統(tǒng)排水能力進(jìn)行模擬，評(píng)估了城市內(nèi)澇可能造成的經(jīng)濟(jì)損失和風(fēng)險(xiǎn)；郭樹(shù)銀[66]使用LARS-WG天氣生成器，生成未來(lái)北京的氣溫序列，建立能源需求量與溫度、GDP間的關(guān)系，對(duì)北京未來(lái)的能源風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。天氣生成器在對(duì)于災(zāi)害對(duì)經(jīng)濟(jì)的打擊與風(fēng)險(xiǎn)的評(píng)估中，一般是作為災(zāi)害事件的模擬器，對(duì)最終的打擊損失或?yàn)?zāi)害風(fēng)險(xiǎn)的評(píng)估，還需結(jié)合其他方法。

天氣生成器生成的高分辨率數(shù)據(jù)，既可以被廣泛應(yīng)用于農(nóng)作物估產(chǎn)模型，產(chǎn)生研究要求的氣象參數(shù)，作為損失評(píng)估和脆弱性構(gòu)建的基礎(chǔ)，又能被應(yīng)用于對(duì)未來(lái)高精度氣候數(shù)據(jù)的預(yù)測(cè)，作為氣候變化情景下的災(zāi)害事件模擬器。故天氣生成器成為了當(dāng)今災(zāi)害研究的熱點(diǎn)，與不同的模型結(jié)合后，天氣生成器將在對(duì)致災(zāi)因子危險(xiǎn)性、承災(zāi)體脆弱性評(píng)估和災(zāi)害損失評(píng)估方面，發(fā)揮重要的作用。

3 天氣生成器應(yīng)用的問(wèn)題

一些學(xué)者指出：低階馬爾可夫鏈在生成自相關(guān)結(jié)構(gòu)和統(tǒng)計(jì)尺度的日降水量時(shí)往往效果不佳[19]，可能會(huì)產(chǎn)生并不切實(shí)際的日降水量[67]，同時(shí)也存在產(chǎn)生的月降水量和溫度普遍低于觀測(cè)數(shù)據(jù)[68]的問(wèn)題，因此在使用低階馬爾可夫鏈的天氣生成器精確地模擬日降水量數(shù)據(jù)，并預(yù)測(cè)這種降水量的影響(如洪澇災(zāi)害)時(shí)，應(yīng)當(dāng)謹(jǐn)慎。同時(shí)，天氣生成器也會(huì)低估月度和年際的天氣變化，一些較新的研究正在嘗試使用頻譜校正的方法來(lái)校正對(duì)這種低估的情況[69]。

基于半經(jīng)驗(yàn)?zāi)Ｐ偷奶鞖馍善鞅热鏛ARS-WG最初的開(kāi)發(fā)意圖是為了克服其他天氣生成器在生成降水時(shí)使用的馬爾可夫鏈的局限性[22]。經(jīng)驗(yàn)證，模型產(chǎn)生的天氣數(shù)據(jù)與觀測(cè)值相比有較強(qiáng)的信度，特別是對(duì)極端氣溫降水的還原明顯優(yōu)于其他模型[23]，但對(duì)于實(shí)測(cè)日最高氣溫呈現(xiàn)偏態(tài)分布的站點(diǎn)，模擬效果卻不佳[70]。所以本模型在模擬日最高氣溫時(shí)需要考慮站點(diǎn)的實(shí)際情況。據(jù)研究，高階馬爾可夫鏈(二階和三階)對(duì)極端降水事件的模擬會(huì)更好[24]，因此在災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)中使用基于高階馬爾可夫鏈的天氣生成器會(huì)更合理。

天氣生成器因開(kāi)發(fā)的地區(qū)不同，參數(shù)的選擇和調(diào)整也具有一定的地域特色，適宜區(qū)的不同也成為模型使用的一大問(wèn)題，因此對(duì)于天氣生成器的適用性評(píng)價(jià)也是熱點(diǎn)研究方向之一。如在我國(guó)黃河流域的適應(yīng)性評(píng)價(jià)中，張光輝[71]等人認(rèn)為：CLIGEN 模型模擬結(jié)果的標(biāo)準(zhǔn)差基本上趨于偏低。同時(shí)作者也指出，天氣資料因?yàn)榫哂幸欢ǖ慕y(tǒng)計(jì)特征相似性，可以選擇參證站對(duì)生成數(shù)據(jù)進(jìn)行驗(yàn)證，以期產(chǎn)生較為理想的未來(lái)隨機(jī)天氣序列。

4 結(jié)論與展望

4.1 結(jié)論

(1)天氣生成器是使用馬爾可夫鏈或半經(jīng)驗(yàn)分布等模型生成降水事件發(fā)生的序列，再據(jù)此生成日所需氣象數(shù)據(jù)的模型，可以用于氣象數(shù)據(jù)降尺度與補(bǔ)白研究。作為直接、有效、低成本的模型，歷經(jīng)60年發(fā)展，已經(jīng)廣泛使用在氣象資料的構(gòu)建，流域河流徑流量的模擬和災(zāi)害評(píng)估等領(lǐng)域。隨著農(nóng)業(yè)估產(chǎn)、土壤侵蝕、災(zāi)害評(píng)價(jià)研究的發(fā)展和全球尺度氣候研究的興盛，越來(lái)越多的研究中使用到天氣生成器，天氣生成器有向著獨(dú)立化，集成化，智能化，與主流數(shù)學(xué)軟件計(jì)算機(jī)語(yǔ)言結(jié)合而深入發(fā)展的趨勢(shì)。

(2)天氣生成器的發(fā)展研究，是一個(gè)基于單一統(tǒng)計(jì)學(xué)模型而不斷地向多模型、多方法發(fā)展的過(guò)程?；诘碗A馬爾可夫鏈的天氣生成器出現(xiàn)最早，數(shù)理模型最簡(jiǎn)單，應(yīng)用也為最廣泛。半經(jīng)驗(yàn)?zāi)Ｐ褪菍?duì)天氣生成器底層機(jī)理的創(chuàng)新，針對(duì)解決了馬爾可夫鏈存在的問(wèn)題。綜合多種降水量分布模型的高階馬爾可夫鏈?zhǔn)翘鞖馍善鞯那把亍?/p>

(3)天氣生成器在災(zāi)害評(píng)估領(lǐng)域的研究，首先可以用于對(duì)致災(zāi)因子危險(xiǎn)性方面的評(píng)價(jià)，模擬致災(zāi)因子的強(qiáng)度和發(fā)生頻率，結(jié)合致災(zāi)的標(biāo)準(zhǔn)對(duì)災(zāi)害事件進(jìn)行評(píng)估；也可以作為水文或農(nóng)業(yè)干旱模型的內(nèi)置天氣數(shù)據(jù)來(lái)源，為模型評(píng)估致災(zāi)因子的危險(xiǎn)性提供數(shù)據(jù)基礎(chǔ)。其次，天氣生成器可以運(yùn)用于災(zāi)害損失評(píng)估，包括基于生成的高分辨率氣象數(shù)據(jù)，產(chǎn)生中間參數(shù)，應(yīng)用于農(nóng)作物估產(chǎn)模型，作為損失評(píng)估和脆弱性構(gòu)建的基礎(chǔ)；又可應(yīng)用于對(duì)未來(lái)高精度氣候數(shù)據(jù)的預(yù)測(cè)，作為氣候變化情景下的災(zāi)害事件模擬器。

4.2 災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)中天氣生成器的應(yīng)用展望

目前，天氣生成器在災(zāi)害評(píng)估中的使用已經(jīng)積累了不少的經(jīng)驗(yàn)，也有很多學(xué)者因地制宜嘗試對(duì)天氣生成器進(jìn)行本土化，但研究中仍存在一些問(wèn)題。比如單純使用馬爾可夫鏈的模型往往不能產(chǎn)生符合實(shí)際的降水序列，結(jié)合實(shí)際降水的半經(jīng)驗(yàn)?zāi)Ｐ驮跇O端值的模擬上又顯得不完美，這些缺點(diǎn)在災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)中往往是致命的。建議在天氣生成器的使用過(guò)程中，應(yīng)考慮針對(duì)不同的研究需求選擇不同類(lèi)型的天氣生成器。針對(duì)災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)的發(fā)展，天氣生成器也迫切的需要從兩個(gè)方面進(jìn)行改進(jìn)。首先是對(duì)于高階馬爾可夫鏈的進(jìn)一步使用、驗(yàn)證與探索，改進(jìn)模型以產(chǎn)生更準(zhǔn)確的極端氣象數(shù)據(jù)。氣象數(shù)據(jù)缺測(cè)區(qū)比如青藏高原、非洲等漸漸成為災(zāi)害評(píng)價(jià)關(guān)注的焦點(diǎn)，使用天氣生成器補(bǔ)白數(shù)據(jù)的特點(diǎn)將會(huì)使天氣生成器在災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)中發(fā)揮更大的作用；其次，天氣生成器未來(lái)的發(fā)展也可以考慮結(jié)合區(qū)域氣候的相似性構(gòu)建自己的數(shù)據(jù)庫(kù)，計(jì)算每一種氣候的統(tǒng)計(jì)學(xué)特征，更準(zhǔn)確的還原缺測(cè)數(shù)據(jù)；同時(shí)也可以結(jié)合多種氣候情景構(gòu)建未來(lái)不同地區(qū)的氣象數(shù)據(jù)序列，發(fā)生高分辨率的數(shù)據(jù)。天氣生成器也可以結(jié)合大數(shù)據(jù)深度學(xué)習(xí)的思想，基于不同區(qū)域的實(shí)測(cè)數(shù)據(jù)訓(xùn)練模型，調(diào)整經(jīng)驗(yàn)公式與關(guān)鍵系數(shù)，以生成更符合這一地區(qū)的氣象數(shù)據(jù)。在此基礎(chǔ)上，天氣生成器產(chǎn)生的高分辨率數(shù)據(jù)就可以作為橋梁，更好的為全球不同地區(qū)的災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)服務(wù)。

致謝：本文寫(xiě)作的過(guò)程中，得到了北京師范大學(xué)江耀、青海師范大學(xué)馬偉東、賈偉、蘇鵬等人的幫助，在此一并表示感謝！