預測特定地點大氣變量閾值超過事件

研究論文探討在特定地點預測大氣變量如溫度和風速閾值超過事件的方法。論文比較了兩種方法：直接概率法將超過事件視為二元分類問題，而全分佈概率法則模型目標變量的完整條件概率分佈。通過理論分析和數值模擬，並使用MeteoNet數據集（2016-2018年）的東南法國真實數據進行驗證，研究發現全分佈方法在罕見極端事件中始終表現更優。這是因為全分佈方法能從中等和輕度強度事件中有效學習條件分佈的參數，從而在尾部獲得更好的校準和區分能力。研究還發現，所選分佈的具體參數形狀相比準確捕捉其主體屬性（如均值和方差）的可預測變化扮演次要角色。這一實證結果也揭示了驅動大氣極端事件的物理機制，表明極端超過事件主要由整個分佈的顯著條件位移驅動，而非靜態氣候學中不可預測的肥尾異常。研究結果通過適當的評分規則（如布里爾分數、對數分數）和確定性技能分數（如皮爾斯技能分數、CSI、HSS）進行驗證。這些發現強調了對罕見事件預測建模完整概率分佈的關鍵重要性，並為改進業務氣象學中的極端天氣預測提供了實用指導。