《极端气候研究方法导论（诊断及模拟与预测）》从气候系统复杂性及其不确定性的基本思想出发，阐明气候变量的概率属性及其数学模式理论，并由此引入气候概率分布的形成机制，从而将气候变化的统计意义深化为气候概率分布参数和型态的变化，着重从气候数值模拟的降尺度、气候极值统计和气候极值随机过程等多种理论相结合的观点叙述气候极值事件的诊断、模拟和预测方法。《极端气候研究方法导论（诊断及模拟与预测）》力图较系统地阐述涉及这一领域的各种基本理论和方法，以供广大科技工作者参考应用。
　　《极端气候研究方法导论（诊断及模拟与预测）》共分三篇，其中第一篇（1～3章）为理论基础，着重叙述极端气候的概率意义及其形成机制与气候变化的关系；第二篇（4～6章）为极端气候概率与时空变化特征诊断，着重阐明气候的极值分布理论及其描述方法和极端气候时空变化特征的诊断；第三篇（7～9章）为极端气候的模拟与预估，着重阐明借助于全球模式输出信息的降尺度细化方法，并由此进一步生成未来区域气候情景，从而预估气候极值统计特征。书中最后还简介了当前该领域的国内外研究进展。
　　《极端气候研究方法导论（诊断及模拟与预测）》内容涉及较宽知识面，在考虑知识结构系统性和发散性相结合的基础上安排章节顺序。读者阅读本书不必拘泥于逐章顺序，尤其是已经具备概率统计基础的读者，可根据需要选章参考。本书也适合一般需要了解极端气候变化规律的非气象科技人员阅读参考。

 

前言
引言
第一篇  理论基础
第1章  极端气候变化的概率意义
1．1  气候事件及其概率
1．2  气候变量及其概率分布
1．3  气候变化的概率意义
1．4  常规观测中的气候极值和极端气候指标
1．5  描述极端气候的指标体系
第2章  气候概率分布模式拟合
2．1  离散型变量分布模式
2．2  连续型变量分布模式
2．3  总体、样本、样品与抽样分布
2．4  参数估计与拟合效果检测
2．5  由观测资料拟合分布模式的步骤
第3章  气候概率分布的成因机制与统计模拟
3．1  不确定性的信息度量：熵的概念
3．2  最大熵原理
3．3  气候概率分布的成因机制
3．4  模拟气候概率分布的Monte—Carlo方法
3．5  广义（时空域）气候概率分布
第二篇  极端气候概率与时空分布特征
第4章  极端气候概率特征描述
4．1  经典极值分布理论
4．2  基于AM抽样的广义极值分布模式
4．3  基于POT抽样的广义帕雷托（GPD）分布模式
4．4  GEV与GPD模式参数的关联性
4．5  GEV与GPD模式应用实例
4．6  经典极值分布的某些应用
第5章  极端气候的时域变化规律分析
5．1  气候时间序列的统计结构
5．2  极值变化过程的特殊性
5．3  平稳过程的交叉理论
5．4  气候时间序列的极值特征分析
5．5  实际时间序列样本估计公式
5．6  Markov过程与Markov链
5．7  Poisson随机点过程
第6章  极端气候状况时空分布特征的诊断
6．1  一般诊断方法简述
6．2  极端气温变化的分区及其时空分布特征
6．3  我国东部地区极端降水的时空分布特征
6．4  西北地区极端干期的概率参数时空分布特征
第三篇  极端气候的模拟与预估
第7章  全球气候模拟结果的降尺度精细化
7．1  降尺度精细化的必要性
7．2  降尺度方法
7．3  动力降尺度（DD）方法
7．4  统计降尺度（SD）方法
7．5  运用降尺度方法的关键步骤
7．6  应用实例
第8章  未来全球气候情景下的极端气候预估
8．1  平均气候与极端气候的关联性
8．2  极端气候模拟预估的一般步骤
8．3  极端气候统计特征的模拟
8．4  基于ECHAM5模式的局地流域极端气温和降水变化预估（实例之一）
8．5  基于IPCCAR4耦合模式的本世纪中国极端气候变化预估（实例之二）
8．6  基于可变分辨率模式的本世纪中国区域极端气候预估（实例之三）
第9章  极端气候研究进展
9．1  观测和模拟研究
9．2  极值统计分布模式的应用
9．3  降尺度方法述评
9．4  极端气候研究展望
后记
参考文献