极端气候事件对人类生命财产、区域社会经济以及生态系统有重要的影响，但对它的预测问题是目前国际上的难点。这不仅因为它是小概率事件，而且很多天气/气候极值并不服从正态分布，使得以往基于正态分布假定的传统回归模型不再适用。而且，城市尺度上，还要考虑城市化效应对极端气候事件尤其是极端高温的影响，这在以往统计预测模型中也几乎没有考虑，因为城市化效应难以在每个地方都准确地估计。针对上述困难，中国科学院大气物理研究所钱诚研究员和南京大学杨修群教授以及香港城市大学周文教授、陈仲良教授合作，提出用“一阶差分”（当差分对象为年尺度时，为年际增量）的方法可以绕开上述难题。经过一阶差分后，预报量变得平稳，更容易服从正态分布。选用影响差分的有物理意义的前期预测因子构建多元回归模型，预测差分后再把前一个观测值加回来，得到要预测的值。城市化效应包含在前一个观测值中，因此是直接来自观测。将该方法运用到受城市化效应显著影响的香港的极端高温日数统计预测模型的回报检验结果显示，该方法有较好的预测技巧（图1）（Qian et al. 2018, IJoC）。
Qian, C., W. Zhou, X.-Q. Yang and J. C. L. Chan, 2018: Statistical prediction of non-Gaussian climate extremes in urban areas based on the first-order difference method. Int. J. Climatol., 38(6), 2889–2898, DOI:10.1002/joc.5464
图1.一阶差分的流程图和香港极端高温日数统计预测模型的回报检验
