甲子流域维持了流域上游和下游地区数百万人的生计。 人们依靠季风降雨从事农业生产，水力发电和其他生计活动。 预计气候变化将对其环境产生严重影响。 为了减少灾害的不利影响并更好地了解气候变化对可持续发展的影响，在这方面必须采取主动行动。 通过分析过去的气象趋势和未来的气候预测，可以使我们对预期的事情以及如何做好准备和管理可用资源有一种感觉。 在本文中，我们使用了高分辨率气候模型，即“提供影响研究的区域气候”（PRECIS），以预测科希河流域未来的气候情景，以进行影响评估。 模型预测中的量化不确定性（QUMP）模拟的三个输出已用于预测未来的气候。 这些模拟是根据IPCC SRES A1B排放情景，使用Hadley中心耦合模型（HadCM3）从17个成员的扰动物理集合（PPE）中选择的。 对2011-2040年（不久的将来），2041-2070年（本世纪中叶）和2071-2098年（遥远的未来）三个时间段的未来预测进行了分析。 尽管存在定量的湿偏和冷偏，该模型仍能够很好地解决季节性模式。 该模型预测在不久的将来降雨将减少，到本世纪末逐渐增加。 预计的降雨变化是不均匀的，在南部平原和中部山区有所

1. 中国气候资料日值数据集 V3.0 包含 1951年—2019 年间气温、气压、风向风速、降水、蒸发、相对湿度、地面气温、日照时数等气象要素，压缩包大小 1.99 G，解压缩后文件大小 22.6 G； 1. 文件夹内包含气象资料日值数据集配套中国主要气象站站点 shp 数据。

基于加权马尔可夫链的降水预测应用研究.pdf

人工智能-短期降水预报BP神经网络预报方法研究.pdf

1951-2020年中国气象站逐日降水数据，包含txt格式的原始数据和已处理成一个年份单独一个excel文件，收集收集与整理不易，有需要可以下载~

摘 要 短时强降水是气象上的常见灾害性天气，准确认识短时强降水的发生规律和科学有效地预报是防灾减灾的关键问题。利用江苏省13个气象观测站历史上短时强降水观测资料，用遗传算法进行特征选择，选定影响短时强降水的对流抑制能、对流有效势能、高空水汽通量场等19个特征为主要因素，将是否短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析，构建便于预报员使用的短时强降水预报规则集。实验部分，随机选择3000条样本进行训练模型，得到适合江苏地区的短时强降水规则集，用剩余的838条数据进行检验，模型的短时强降水预报准确率为88.26%，非强降雨预报准确率为96.81%，较特征选择之前分别提升4.75%和0.70%。

用grads处理欧洲中心的再分析降水资料。（所下资料为每三小时，1979-2017年）将资料处理为每天的累计降水。根据需要进行脚本的调整即可

大数据-算法-黄河上游人工增雨期间云物理观测和降水过程的数值模拟研究.pdf

马可夫链matlab源代码OMC 包：降水的发生马尔可夫链模型 OMC 包由两个 Matlab 函数组成：OMC_fit 和 OMC_sim，用于模拟每日降水的发生和强度。 发生遵循可变阶马尔可夫链，强度遵循伽马-伽马混合模型。 该方法遵循以下描述：Daniel J. Short Gianotti、Bruce T. Anderson 和 Guido D. Salvucci，2014 年：美国大陆降水发生、强度和季节性总量的潜在可预测性。 J. 气候，27，6904​​-6918。 代码托管在： 欢迎您在任何非商业环境中使用此代码，但我要求您使用以下 DOI 引用代码：10.5281/zenodo.45435 引用样式示例是：Daniel J. Short Gianotti，2016 年：发生马尔可夫链每日降水模型。 , DOI:10.5281/zenodo.45435。 如果由于某种原因您无法引用源代码，请引用以下论文：Daniel J. Short Gianotti、Bruce T. Anderson 和 Guido D. Salvucci，2014 年：降水发生率、强度和季节性总量

【Python在气象中的实战应用案例】Python计算降水线性倾向率并进行显著性检验.zip