本书介绍了集合预报和预报系统，阐述了集合预报统计后处理的基本理论，分类说明了集合预报的统计后处理方法以及专门为评估集合预报而设计的预报检验方法，同时阐述了这些方法在天气、气候和水文预报以及可再生能源预报等几个重要领域的应用。针对本书中提出的一些方法，介绍了集合预报统计后处理中一些重要而有用的R语言函数，并给出了四个典型后处理实例的R语言实现过程。 本书汇集了当前国际上集合预报统计后处理最新的方法和技术，内容全面，数理概念明晰，并配有示例，可操作性强。该书可供高等院校大气科学相关专业的高年级本科生、研究生使用，也可作为大气科学、水文学、可再生能源、环境科学和农业等领域的相关科研人员和业务工作者的参考书。

译者名单
贡献者名单
序言
译者前言
第1章 来自确定性动力预报的不确定性
1.1 对初始条件的敏感性或“混沌”
1.2 确定性预报中的不确定性和概率
1.3 集合预报
1.4 单个动力预报的后处理
1.5 集合预报的后处理：本书概述
参考文献
第2章 集合预报和校准的需要
2.1 动力天气预报问题
2.2 大气的混沌性
2.3 从单一预报到集合预报
2.4 预报误差的来源
2.5 全球集合业务预报系统的特点
2.6 回报系统的价值
2.7 未来展望
2.8 小结：本章的关键信息
参考文献
第3章 单变量集合预报后处理方法
3.1 引言
3.2 非齐次回归及其他回归方法
3.3 贝叶斯模型平均及其“集合敷料法”
3.4 完全的贝叶斯集合预报后处理方法
3.5 非参数化集合预报后处理方法
3.6 各种方法间的比较
参考文献
第4章 包含相关结构的集合后处理方法
4.1 引言
4.2 基于copula的相关性建模
4.3 多变量参数化方法
4.4 多变量非参数化方法
4.5 考虑相关关系的单变量方法
4.6 讨论
参考文献
第5章 极端事件的后处理
5.1 引言
5.2 极值理论
5.3 单变量极值的后处理：降水
5.4 多变量和空间极值的极值理论
5.5 空间极值的后处理：阵风
5.6 本章小结
5.7 附录
参考文献
第6章 检验：校准和准确性的评估
6.1 引言
6.2 校准
6.3 准确性的检验
6.4 模式性能的理解
6.5 总结
参考文献
第7章 统计后处理的实际应用
7.1 引言
7.2 偏差一方差权衡
7.3 统计后处理的训练数据问题
7.4 统计后处理中实践问题的补救措施
7.5 个例研究：用全球多模式集合制作高分辨率降水概率的后处理
7.6 软件和测试数据协作以加速后处理改进
7.7 建议和结论
参考文献
第8章 后处理在水文预报中的应用
8.1 引言
8.2 单变量水文集合预报后处理
8.3 多变量水文集合预报后处理
8.4 展望
参考文献
第9章 后处理技术在可再生能源预测中的应用
9.1 引言
9.2 预备知识：预测产品和符号
9.3 气象变量与功率的转化
9.4 风功率预测密度的校准
9.5 结论与展望
9.6 附录：风功率转换模拟数据
参考文献
第10章 长期预报的后处理
10.1 引言
10.2 长期预报面临的困难和问题
10.3 后处理的统计学框架
10.4 多模式的组合或集成
10.5 使用多模式进行概率预报
10.6 漂移和趋势订正技术
10.7 集合后处理技术
10.8 后处理在理想模式中的应用
10.9 一个业务长期预报系统的应用
10.10 结论
10.11 附录：理想模式
参考文献
第11章 用R语言进行集合预报后处理
11.1 引言
11.2 确定性预报的后处理
11.3 温度的单变量后处理
11.4 降水的单变量后处理
11.5 温度与降水的多变量后处理
11.6 小结与讨论
11.7 附录
参考文献
主题索引