有目的的预测情境化预测
正如这次研讨会所展示的，气候预测及其应用在过去几十raybet雷竞技最新年已经相当成熟。我们的社会可能从进一步的研究和开发中获得潜在利益，这令人兴奋。因此，这篇论文的标题是“季节和年际气候预测:增加气候变化的新工具”raybet雷竞技最新准备气候变raybet雷竞技最新化和农业规划和操作的变化”。我们问自己:气候应用有多“新”?raybet雷竞技最新为了回答这个问题，我们将引用巴西文学中最重要的书籍之一，欧几里得·达库尼亚(Euclides da Cunha)于1902年首次出版的《Os Sertoes》。以下引文摘自芝加哥大学出版社1995年版出版的英译本《Backlands》:
．.．的干旱周期．.．遵循它们周期的开始和结束的节奏，这种节奏是如此明显，以至于使人认为在这一切的背后一定有某种自然规律，而我们至今还不知道。
．.．然后，突然间，他们单调的生活出现了悲剧性的突破。干旱即将来临。由于天灾发生的独特节奏，sertanejo能够预见和预言它。然而，他并没有在逃离中寻求庇护，放弃了这个地区，这个地区正一点点被来自塞阿拉的灼热地狱所入侵. ...他和他们对峙干旱坚忍地。虽然这种痛苦的折磨发生过无数次…尽管如此，他仍然被一种不可能实现的希望所支撑，即能够坚持下去。
．.．他尽他所能研究了这种苦难，以便能够理解它，并能够忍受或避免它。夏至前两三个月，他撑起并加固堤坝的墙壁，或者清理水坑。他照看着自己的田地，在河边的狭长可耕地上犁地，为第一场雨的焦化做好准备。然后，他努力弄清楚未来会发生什么。他抬起眼睛，向四面八方凝视了很长时间，试图发现风景可能提供给他的最微弱的暗示。干旱的症状不久就出现了;它们是一连串的，一个接一个地来，不可阻挡地来，就像地球上的某种周期性疾病，某种可怕的间歇性发烧。
．.．这是圣卢西亚的传统实验。12月12日，黄昏时分，他把六块盐放在一排，让它们暴露在露水的作用下;从左到右分别代表从一月到六月的六个月。第二天黎明时分，他观察了它们。如果它们完好无损，则预示着干旱;如果第一层已经溶解了一些，变成了一团湿漉漉的东西，他肯定一月份会下雨;如果第二个发生这种情况，二月就会下雨;如果大多数肿块都有这种情况，那么这个冬天将是一个温和的冬天。
这个实验很有趣。尽管它带有迷信的污名，但它有一个积极的基础，当我们停下来考虑从它中可以收集到空气中蒸发水分的数量或多或少，并通过推断，气压降低带来降雨的可能性的大小时，它是可以接受的。
这是100多年前写的，只是语言泄露了它的年代，而不是内容。我们真的进步了那么多吗?巴西北部地区的牧场主和小农仍在遭受干旱之苦，他们希望神的干预，而关于干旱原因和可预测性的科学辩论仍在继续(Moura和Shukla, 1981;Ward and Folland, 1991;凯恩,1997;Folland等人，2000)。
3.1.raybet雷竞技最新气候在不同的尺度上变化
近几十年的研究和经验表明，厄尔尼诺-南方涛动现象(ENSO)在部分解释许多国家，特别是热带和亚热带地区的降雨变化方面发挥着关键作用。雷竞技手机版app然而，ENSO并不是降水变率的唯一来源。南亚地区尤其受到ENSO的强烈影响，我们将使用该地区作为这里提出的许多论点的案例研究。
除了ENSO和固有的不可预测的混沌成分之外，还有一系列其他在大范围时间尺度上变化的气候现象，这些现象决定了什么表现为“气候变率”。raybet雷竞技最新目前的研究大多集中在可信度的发展上全球环流模式(GCM)，期望所有这些相互作用现象(包括CC)的新兴动态都能被充分捕捉。在澳大利亚，努力的方向是调查高频现象，如马登-朱利安振荡(MJO，也被称为季节内振荡或“ISO”)，enso相关信息(例如，基于SOI或sst的预测系统)和低频现象，如年代际和多年代际气候变率和CC(表I)。raybet雷竞技最新
在最高频率时，MJO涉及风、海面温度、云量和降雨的变化，这些变化每30-50天有规律地发生一次。虽然MJO是一种热带现象(Wheeler和Weickmann, 2001)，但它可以通过远程连接影响澳大利亚、印度和海洋大陆大部分地区的降雨事件。MJO由起源于印度洋的云团组成，以5-10米s-1的速度向东移动。MJO尤其影响
表我
导致澳大利亚降雨变化的已知气候现象及其返回间隔(频率，年)
频率气候现象的名称和/或类型raybet雷竞技最新
季节内马登-朱利安振荡(MJO或ISO)
基于厄尔尼诺-南方涛动(ENSO)的SOI相位，季节性到年际
准两年振荡(QBO)
南极绕极波(ACW)，年际
亚热带脊纬度，年际至年代际
Inter-decadal太平洋振荡年代际太平洋振荡(DPO)
多年代际降水变化
半球热对比(长期气候信号)raybet雷竞技最新
raybet雷竞技最新气候变化(CC)
Madden and Julian (1972) 0.1-0.2
Lindesay (1988) 1-2
白色(2000b) 3-5
Pittock (1975) 10-11
Power et al. (1999);Meinke et al. (2005);Mantua等人(1997);艾伦(2000)
Allan (2000) 18-39
Follandetal。(1998) 50 - 80
Timmermann等人??(1999);Kumar等等。(1999)
强度和间歇期的澳大利亚和印度季风也与ENSO相互作用。澳大利亚东北部的许多农民经常遵循MJO的通过来进行一些战术决策。
ENSO是一种准周期性的、年际的全球大气环流变化海洋环流模式这就导致了局部，季节性降雨在世界各地的许多地方都有所不同。这是所有这些现象中研究得最好的，在过去十年中吸引了相当多的媒体关注。
低频降雨波动的物理原因仍在研究中，但我们对这些过程的理解正在稳步增长(Power et al.， 1999;艾伦,2000;白色,2000 b)。这些低频现象似乎大多导致enso相关变率的修正(Kleeman和Power, 2000;Meehl et al.， 2001)。低频变化的可预测性仍然值得怀疑，随机共振(即噪声放大微弱信号对周围环境的影响的现象)的可能性也不能排除
(Ganopolski和Rahmstorf, 2002)。然而，ENSO与降雨模式的遥相关在这些年代际到多年代际时间尺度上明显受到影响(例如，澳大利亚:Power et al.， 1999;美国:Hu and Feng, 2001)。
虽然人为诱导的CC不振荡，但它需要包括在这个列表中，因为它(a)与CV的“振荡”现象相互作用，并有增加我们已经经历的CV量的趋势(Kumar et al.， 1999;Timmermann等人，1999;Salinger et al.， 2000)和(b)管理对CC的潜在响应——以及量化它们的工具——与对低频气候变率的响应没有本质区别(Howden et al.， 1999,2000,2003)。raybet雷竞技最新
虽然表一列出了影响大洋洲地区的最重要的已知现象，但它绝不是完整的。此外，我们并不想暗示所有这些现象都可能——甚至在理论上——是可预测的(例如，参见Storch和Zwiers, 1999年关于在随机时间序列中“识别”周期性的危险的关键注释)。表一是目前科学辩论中出现的现象的一个例子，我们承认明确区分其中一些现象有困难。此外，全球其他地区受到不同的影响，例如，对于北半球，北大西洋涛动(NAO)是年际CV的最重要贡献者之一(Salinger et al.， 2000)。
表一只考虑与农业管理有关的时间尺度，因此忽略了几个世纪及以后的已知波动(例如:Dansgaard-Oeschger事件在1500年或更长的时间里，米兰柯维奇迫使时间尺度超过10万年的波动或冰河期)。
对降雨在一定时间尺度上变化的原因和后果的科学理解的增强，以及我们预测其中一些周期的能力的增强，使“气候变化的管理”成为澳大利亚的一个重要特征raybet雷竞技最新农业系统．在其他地方也可以观察到类似的发展(Meinke et al.， 2001)。
3.2.模拟建模在农业系统管理中的作用
所有主要的农业决策都是在一些关键参数(如经济条件、物理环境等)的可变性引起的不确定性下做出的。决策者需要认识到决定这种可变性的时间尺度，以及这种可变性对他们的业务可能造成的后果。通过提供关于他们所处的环境和关于替代管理方案的可能结果的新的定量信息，可以减少这种不确定性(Byerlee和Anderson, 1982)。计算机模拟可以提供这样的信息，对于定量比较季节性CV高的地区的替代管理方案特别有用，例如
澳大利亚、东南亚、非洲、美国部分地区和南美洲(Meinke et al.， 2001;Gadgil等人，2002;汉森,2002;琼斯等人，2000年;Jagtap等人，2002)。
经济结果很重要，但决策也基于许多其他因素，如环境后果(农场内外)、杂草和疾病影响、生活方式和现有政策框架。在农场层面，大多数管理决策必须符合整个农场的战略计划，因此许多决策都是提前几个月计划好的，其后果在几个月后才能看到。在决定行动方案和实现其结果之间需要一定的提前时间，这是管理种植和放牧系统的一个特征(Carberry等人，2000;Carter et al.， 2000)。Pannell et al.(2000)强调了做出正确的重大决策的重要性，如土地购买、机械投资和资源改进。他们指出，如果农民粗略地解决了整个问题，而不是试图极好地解决部分问题，他们通常会过得更好。或者，正如我们的一位同事所说:大致正确比完全错误要好(海曼，个人沟通)。这加强了在时间尺度上考虑CV和CC的重要性。
可以从有针对性的预测中获益的决策也在一定的时间和空间尺度上作出。这些范围从关于种植或收获作业安排的战术决策到关于土地使用分配的政策决策(例如，放牧制度与种植制度)。表二给出了在与表一所示的气候模式相似的时间尺度上的这类决策的几个例子。
在水有限的环境，如半干旱的热带地区在亚热带地区，降雨变率是决定生产变率和环境风险的主要因素。然而，起始土壤湿度、土壤类型、土壤肥力、温度、种植日期、降雨强度和及时性等因素
表二世
可以从有针对性的气候预测中受益的一系列时间和空间尺度上的农业决策raybet雷竞技最新
决策类型示例
频率(年)
物流(例如，种植/收获作业的安排)
战术作物管理(例如，化肥/农药的使用)
作物类型(如小麦或鹰嘴豆)或种群管理
作物序列(例如，长休耕或短休耕)或载畜率
作物轮作(例如，冬季或夏季作物)
农作物工业(如谷物或棉花;原生牧场或改良牧场)
农业(如农作物或牧场)
土地利用(如农业或自然系统)
土地利用和现行制度的适应
季内(<0.2)季内(0.2-0.5)季内(0.5-1.0)年际(0.5-2.0)年/两年(1-2)年代际(~10)年代际(10-20)多年代际(>20)降雨气候变化对最终结果也有较大影响。raybet雷竞技最新虽然降雨和植物生长密切相关，但由于这些对生长的其他影响，降雨变化的后果因季节而异。在畜牧系统中，这些因素不仅影响饲料的生长和可用性，还影响动物本身，使情况进一步复杂化。仿真模型可以以一种生理上有意义的方式整合所有这些影响。Sivakumar等人(2000)强调，可持续粮食生产战略的制定需要对生态系统以及作物、树木和牲畜之间的相互关系有更全面的理解。我们建议将“管理”添加到交互元素列表中，并提出仿真建模是唯一可用的工具，可以方便地以概率方式量化这些相互关系。
此外，通过实验和实时分析农业系统及其替代管理方案通常是不可可行的，因为所需的时间长和资源多。经过良好测试的模拟方法为物理系统的实验提供了一种时间和成本效益的替代方案，可以在几小时或几天内获得结果，而不是几年或几十年。这提供了评估大量组合的能力。今天，模拟分析已经成为评估政策和资源管理问题的合法手段(例如，Nelson等人，1998;豪登等人，1999;Meinke等人，2001)，但它们也为农场决策提供了有价值的信息(Meinke和Hochman, 2000;Gadgil等人，2002;纳尔逊等人，2002年;Podesta等人，2002)。这得到了Sivakumar等人(2000)的强烈支持，他们将农业模型确定为解决21世纪可持续农业发展的优先事项。
传统上，科学家们使用模拟模型作为“知识储存库”来描述感兴趣的领域。一旦有了模型，人们的兴趣很快就从对基本原理的好奇转变为将模型用于预测(例如，开发情景或作为决策支持工具)或用于解释，以调查通常只单独研究的过程之间的相互作用。这个多元模型的使用已经开始了一场关于用数学方法描述生物关系的合适方法的辩论，以及一个“好的”模型所需的细节水平。关于“正确”建模方法的争论主要集中在代表生物、化学和物理过程时可接受的经验主义水平上。这场争论并没有太大帮助，因为它是由对使用模型的不同目的感兴趣的团体进行的，即要么解释系统如何运行，要么预测系统的行为。前一个目标需要详细描述潜在的生理过程和参数值，通常是困难的，如果不是不可能，获得实验。这种参数的不确定性导致预测能力较低。另一方面，为预测管理反应而明确开发的模型通常使用过程组的现象学描述，这些过程组易于导出参数值，但过程细节较少(Meinke, 1996)。与遗传研究和建立基因功能(G)及其与环境(E)和管理(M) (G x E x M)的相互作用相关的一些新挑战需要更平衡地强调所有属性，并可能显示出前进的方向(Hammer等人，2002年)。
生物和气候模型都很有用，因为它们将真实系统的raybet雷竞技最新复杂性降低到一个水平，使我们能够预测操纵系统的后果。它们还允许科学家测试系统方法是否充分描述了他们正在处理的系统。模型中包含的流程细节的数量必须与其预期的应用程序相匹配。然而，无论何时降低流程细节级别，都需要小心，因为这种简化是基于对底层流程的合理理解的。在模拟生物系统时，为了减少参数的数量和不确定性，基于过程的方法可以在不牺牲科学原理的情况下，被过程的现象学描述所取代。这要求:(a)过程已经在更基本的层次上被理解;(b)现象学描述在广泛的条件范围内是通用的，并且具有较低的复杂性，易于导出参数值。这将增加模型的预测能力，并可能最终导致一个更高级、更正式的框架，用于处理整体概念和紧急系统属性(Gell-Mann, 1995)。在可能存在多个假设的情况下，人们可以根据它们的合理性来区分它们(Peng和Reggia, 1990)。这种似是而非的解释是由简约原则或奥卡姆剃刀给出的，即最合理的解释是包含最简单的想法和最少的假设(Davies, 1990)。
生物模型永远不可能被完全验证。在最好的情况下，我们可以提供案例研究和模型性能的例子，并认为这是充分的证据来使用模型输出进行决策。为了说明这一点，考虑下面的例子:
作为一个研究项目的一部分，我们测试了APSIM-Wheat模型(Keating et al.， 2003)，数据来自23个试验点的100个植物育种实验，历时数年。我们认为该模型的性能足够(R2 = 0.6)来表征G x E交互的环境成分(图1a，未发表的数据，Cooper，个人通信;查普曼等人，2000a)。这些实验不是专门为模型测试而进行的，虽然可以获得一些关于土壤类型、土壤水分和养分状况的信息，但实验数据集仍然包含相当多的参数不确定性。使用来自长期土壤肥力试验的数据(Strong et al.， 1996)，其中所有必要的输入参数和起始条件都已测量并可用，得到R2值为0.8(图1b)。显然，当输入参数的不确定性降低时，实测数据与模拟数据的一致性更好。然而，同样的数据集也凸显了使用R2值作为模型性能指标的缺陷(Oreskes等人，1994年):当仅使用一个子集(即来自1个干旱年份的数据)进行测试时，R2为零(图1c)，尽管模型明显能够捕捉与气候相关的产量年变化(图1b)。raybet雷竞技最新
图1。apsim -小麦的表现与(a) 23个地点数个季节100个育种试验的产量数据的比较(R2 = 0.6);(b)昆士兰单一地点8年5个氮水平和2种地表管理制度下土壤肥力研究的实验结果(R2 = 0.8)和(c)干旱年(b)的结果(R2 = 0;数据包括(b)，见箭头)。
图1。apsim -小麦的表现与(a) 23个地点数个季节100个育种试验的产量数据的比较(R2 = 0.6);(b)昆士兰单一地点8年5个氮水平和2种地表管理制度下土壤肥力研究的实验结果(R2 = 0.8)和(c)干旱年(b)的结果(R2 = 0;数据包括(b)，见箭头)。
在高产水平(>4000 kg hm -1)明显的“过度预测”通常是模型没有考虑到的生物胁迫(即病虫害)的结果(图1b)。
这个例子表明，生物模型的有效性并不取决于相关系数(或任何其他单值性能测量)，而是取决于预测值和观测值之间不可避免的差异是否为决策者所接受。这类似于Murphy(1994)和Potgieter等人(2003)，他们发现没有单一的统计方法来确定“预测能力’(见第4.4节)。模型的性能不仅取决于模型的科学和技术方面，还取决于用户的经验和技能。高性能农业模拟平台如DSSAT (Jones et al.， 1998)、CropSyst (Stockle et al.， 2003)或APSIM (Keating et al.， 2003)的开发成本高且耗时。由于现代用户界面，这些建模平台易于使用，因此人们很容易认为进行农业模拟分析是一项低成本和直接的工作。事实远非如此。所有模型都需要个体用户有一个相当长的学习曲线，然后才能适当地应用。
不幸的是，我们经常遇到不适当的模型使用的证据，这突出了对大量和充分的用户培训的需要。此外，许多气候应用并不依赖于raybet雷竞技最新直接的模拟，而是需要对模型进行修改，而这些修改只能由非常熟悉相关模型发展路径的高技能人员实施。
在一般环流模型(GCMs)中也出现了非常相似的问题。可以理解为什么最严格和最成功的气候应用通常是由来自每个关键科学领域的专家组成的跨学科团队使用成熟的模拟平台实现的。raybet雷竞技最新我们不应该期望农学家开发和运行gcm，也不应该期望气候科学家成为生物模型开发和应用的专家(然而，也有一些罕见但值得注意的例外!)raybet雷竞技最新不仅模型中考虑的细节程度必须与预期的应用相一致，我们还必须确保应用中对气候成分的关注程度与农业建模的努力具有相似的分辨率和质量。不幸的是，捐助者和资助机构往往没有认识到这种平衡的重要性，通常只对其中一种提供支持，很少同时对两者提供支持。
3.3.操作方面——气候预报、农业模型和概率raybet雷竞技最新
许多气候科学家正在形成一种共识，即基于统计的enso预测方法正在接近其可预测性的极限。raybet雷竞技最新因此，gcm的开发和应用越来越受到重视区域气候模式raybet雷竞技最新(rcm)。将大气环流模型与农业模拟模型连接起来是气候应用的一种潜在的强大方法。raybet雷竞技最新然而，这两种方法很难联系起来，迄今为止最成功的气候应用仍然依赖于统计气候预测方法，而不是动态气候模型。raybet雷竞技最新一般来说，生物模型需要每天的点尺度天气数据作为输入(参见Hoogenboom, 2000，关于这些问题的更详细的讨论)。通常，在输入生物模型所需的分辨率类型上，gcm无法提供熟练的可预测性。
混沌在气候系统中扮演着重要的角色，大气经常像一个“随机数raybet雷竞技最新发生器”。这意味着决定论的陈述不能被合理地作出。科学家有责任传播他们的无知程度，以及他们的知识。只有明确量化不确定性，才能制定改进的风险管理实践。Murphy(1993)讨论了在预测中适当反映判断中固有的不确定性的必要性。他指出，在制定和传达预测时忽视不确定性的普遍做法是一种极端形式的不一致，通常会导致质量和价值的最大可能下降。大多数公共机构和越来越多的私人服务提供商现在承认，有必要通过概率陈述来传达已知的不确定性水平。在某种程度上，这一趋势已经被越来越多的潜在责任(公司风险)意识所加速，组织通过提供不充分或误导性的建议而暴露自己，无论是真实的还是感知的(Meinke et al.， 2003)。
概率预测比确定性预测更有价值(Moss和Schneider, 2000)。这甚至适用于那些定义上罕见的事件(例如，极端事件，如60年一遇的洪水)，因此具有相当大的不确定性。未来可能引入基于gcm输出的预测，这可能会使气候预测比目前的情况更具通用性，包括更好地预测极端天气。raybet雷竞技最新Palmer和Ratsanen(2002)在对温室效应情景的研究中，量化了概率预测相对于单一的确定性预测的附加价值，发现概率预测的经济价值明显大于确定性情景，且从未低于确定性情景。
3.3.1.模拟年法
历史气候记录可以根据同raybet雷竞技最新时存在的海洋和大气条件(即SOI和/或SST异常)划分为“年份或季节类型”，从而产生“SOI相”(Stone等人，1996年)或ENSO相(Messina等人，1999年;Phillips等人，1999)。这种分类必须基于对海洋-大气动力学的理解和成功划分数据的良好统计程序。然后，可以将当前条件分配到特定类别，并与其他类别进行比较，以评估所讨论的生物系统的概率性能(例如，Meinke和Hochman, 2000;Podesta等人，2002)。这是一种将气候预报与生物模型联系起来的简单方便的方法，因为它只需要历史天气记录。raybet雷竞技最新该方法在世界范围内被广泛使用，为许多决策者提供了有价值的信息(Meinke和Stone, 1992;梅西纳等人，1999;Hammer等人，2000年;纳尔逊等人，2002年; Podesta et al., 2002). The SOI phase system has become the dominant scheme used in Australia and neighbouring countries while ENSO phases are often used in the Americas. However, both schemes are globally applicable. Hill et al. (2000) compared the value of the SOI phases versus the broader ENSO phases for Canadian and US wheat producers and found that in this particular case the SOI phases generally provided more valuable information than ENSO phases. However, the authors stressed that in some regions neither method had any value for their specific application and that forecasts need to be targeted to industries and regions.
3.3.2.gcm和rcm
统计方法有相当大的局限性，预计在不久的将来，动态气候模拟将大大提高预测技能。raybet雷竞技最新这需要适当的解决方案来解决我们之前提到的“连通性问题”。必须找到方法将大型的网格GCM输出转换为类似于点尺度的每日气象站数据。使用由GCM数据初始化的高分辨率rcm被认为是一种替代方案，但这些数据的统计特性通常与观测到的历史气候记录有很大差异，需要进一步处理。raybet雷竞技最新另一种方法可能是将统计聚类过程应用于GCM预测输出(后推)，以便推导出适合输入农业模拟模型的模拟年份或季节，如上所述(Stone等人，2000b)。或者，GCM输出可用于建立气候趋势，这些趋势然后用于修改历史气候记录，以用于生物模式。raybet雷竞技最新当评估CC对农业系统的影响时，通常采用这种方法(例如，Reyenga等人，1999;豪登等人，2001)。胡根布姆(2000)还提请注意大气环流模型和生物模型中隐含的不同尺度。在作物模型中使用其他形式和格式的预测有许多有前途的方法，但它们尚未得到广泛的测试。 This issue is a high priority for most agricultural scientists using crop simulation for forecast applications (Jim Hansen, personal communication).
Murphy(1993)认为，一个好的预测需要三个不同的属性，即一致性(预测和判断之间的一致性)、质量(预测和观察之间的一致性，通常也被称为“技能”)和价值(预测对用户的增量收益)。他进一步指出，这种质量/价值关系基本上是非线性的。在应用任何预测或预测方案之前，都需要一些基本的“技能”和“性能测试”。大多数性能测试程序起源于测试天气预报技能，在处理确定性预测方案时相对透明。然而，当概率方法需要在气候预测系统中进行测试时，事情就变得更加复杂了。raybet雷竞技最新Murphy(1994)和Potgieter等人(2003)明确指出，为了衡量概率预测方案的性能，任何评估方案都必须至少衡量系统的两个基本组成部分，即(a)预测的平均值和中位数相对于参考分布的偏移，以及(b)预测相对于参考分布的离散度的变化。基于对区域小麦和糖产量预测的案例研究，他们得出结论，没有一个单一的测试方案能够很好地衡量这两种属性，因此没有一个单一的统计程序可以充分衡量预测性能。
在制定国际上可接受的气候预报核查方案时，必须考虑到这一点。raybet雷竞技最新我们强调，验证气候预测输出仍然是用户和气候科学家的基本要求，以raybet雷竞技最新便获得真实的“预测”技能评估，而不是历史的“后验”技能(Murphy, 1993;Elsner和Schmertmann, 1994;尼科尔斯,2000)。
更令人担忧的是“人工技能”的问题，特别是当可以使用大量可能的统计预测方案，并且根据一些测试统计数据而不是基本原理选择一些“最佳”表现方案时。这个问题很复杂，超出了本文的范围。然而，我们认为，随着全球范围内越来越多的潜在预报方案得到推广，我们至少必须将其列为一个需要解决的问题。
用户对预测质量的看法往往与数学家或统计学家的看法大不相同。导致相当混乱的最常见问题之一是未能区分预测的质量及其价值或影响(Murphy, 1993)。raybet雷竞技最新气候信息只有在信息内容被应用后，有明确界定的利益时才有价值。换句话说:信息必须导致改变决策，最终必须导致改善的结果(Hammer et al.， 1996,2000;Weiss et al.， 2000)。因此，一个预测可能非常有技巧，但仍然没有任何价值。相反，在适当的情况下，如果应用得当，即使是相当中等的预测技能也可以转化为高价值和影响。
证明CV的效果常常与预测的实际或潜在影响相混淆。气候预报的有效应用(影响，I)取决于预报的质量(Q)raybet雷竞技最新、预报提供的时间和模式(通信，C)及其影响具体决策的适用性(S)。
系数a, j, x和S将根据个人情况而变化(范围:0-1)。因此，当所有系数接近统一时，预测的影响将最大化。然而，这是不太可能实现的，因为每个系数都是子成分的乘积，其中a是分布的平均值和相对于参考分布的分散的函数(通常是“无技能”情况;Potgieter等人，2003)，j取决于预测的时间、交付模式和用户的背景知识，x描述了预测与特定决策的相对相关性，该决策可以根据预测方案提供的信息进行更改，S衡量了预测质量对整个系统性能的重要性。当然，这意味着即使a的值很低也会产生高影响(或价值)，前提是其他参数的值也很高。相反，即使是统一的a值也可能对预测产生很少或没有影响(或价值)。
3.5.目标预测和参与性方法
除非预测具有“相关性”，即它以一种会对决策产生积极影响的方式解决问题，否则预测将仍然没有影响(Hammer，
2000;汉森,2002)。影响这种相关性的往往是人们的看法，而不是事实。Podesta等人(2002)在他们对阿根廷农民的案例研究中发现，人们明显不愿意使用预测，因为预测的时间和空间分辨率被认为与当地条件无关，这表明预期的预测分辨率不一定与所产生的前景一致(Buizer等人，2000)。这种看法的问题，无论是否合理，都必须加以考虑，以便提高预测的相关性(从而提高预测的采用)。
基于未来气候条件知识的管理决策在某些年份会产生积极的结果，而在其他年份则会产生消极的结果。理想情况下，这不应该被视为所采用策略的“胜利”或“失败”，因为每个赛季只代表了可能结果分布中不太明确的一个样本。为了评估这种概率信息的真实价值，需要将每个季节的结果与在没有这种信息的情况下可能取得的结果进行比较。
开发适当的管理系统，能够承受与低概率事件相关的非预期结果，仍然是一个相当大的挑战。
农业决策涉及许多层面，涉及范围广泛的潜在使用者。为这些客户提供最合适的决策工具，需要明确关注他们的具体要求和需求。这是确保决策者、顾问和科学家之间持续联系的有效系统方法的重要组成部分(Hammer, 2000)。这种参与式研究方法的重要性现已得到广泛认可(例如，Meinke等人，2001;Gadgil等人，2002;Jagtap等人，2002)。尽管农民是一个明显的客户群体，但他们并不一定是对预测反应最快的群体。这种响应能力在很大程度上取决于社会经济和政治环境、当地基础设施和相关农业系统。为了清晰地识别客户及其决策点，根据地理规模和信息需求对客户进行分类是有帮助的。这样一个概念框架有助于确定决策者的信息需求，它也有助于选择最合适和最有效的工具来使用(Hammer, 2000)。 Modelling approaches are frequently the tools of choice, but the type of model required will differ depending on geographic scale, required inputs and information needs.
澳大利亚在跨时间尺度的决策中有益使用预测的一些具体例子如下:
1.昆士兰的棉花种植者，他们中的许多人现在正在根据下一个MJO的预期通过来安排他们的棉花收获时间;
2.澳大利亚东北部的农民使用基于enso的信息，根据当时的当地条件和未来几个月的降雨概率来调整他们的轮作和作物管理(Meinke和Hochman, 2000);
3.昆士兰北部的糖农和磨坊主在涉及收获策略、种植决策和磨坊产量操作的管理决策中使用有针对性的气候预测(Everingham等人，2002raybet雷竞技最新年);
4.散装装卸和营销机构，需要准确的区域商品预测，以帮助他们在收获前进行储存、运输物流和出口销售(Hammer等人，2000年;Potgieter等人，2002);
5.政府机构，要求对CV对生产的影响和严重性进行客观评估(例如，Keating和Meinke, 1998);而且
6.政策制定者，他们需要对温室效应情景进行影响评估，以便为国际条约谈判提供意见(例如，Howden等人，2001年)。
3.6.农民的决定
Hammer(2000)通过一个简单的例子说明了有效应用和评估季节气候预测的基础，该例子是在澳大利亚昆士兰种植的棉花作物的行列配置的战术管理。raybet雷竞技最新他问道:是否有可能根据季节性气候预测，通过战术上操纵旱地棉花的行列配置来提高盈利能力?raybet雷竞技最新利用模拟方法和100年的历史降雨数据，他确定了在所有年份或播种前与每个SOI阶段相关的年份中最有利可图的行配置选项(固体、单跳或双跳)。“全年”情况指的是每年都没有收到预报的情况。在这种情况下(固定管理)，在100年期间最有利可图的选择是每年采用实行配置。另一种情况考虑播种时基于soi的预测。分析表明，对于某些预测类型，采用单跳行或双跳行配置(响应式管理)平均更有利可图。为了检验与采用响应式管理相关的所有年份的价值和风险，他然后计算了响应式(战术)管理选项和非响应式(固定)管理选项之间每年的毛利率差异。
平均而言，战术管理方法使毛利率(利润)增加了6%(11%)。然而，在若干特定年份，响应式管理表现较差。理解关于结果风险的这一点对于气候预测的有效应用至关重要。raybet雷竞技最新虽然一个显著的优势往往会在一段时间内产生(就像这个简单的例子)，但不能保证这将在任何特定的年份发生，事实上，决策者有时会变得更糟。这个过程被描述为与决策者相关的“原型化”决策规则，并产生集体学习(Hammer, 2000)。尽管模型预测没有涵盖系统的所有方面，但它们在处理与某些决策相关的复杂性和风险时，本质上表现为“讨论”支持系统(Nelson et al.， 2002)。
这个简单的例子说明了如何为生产管理确定与降雨概率变化相关的知识的价值。各种可能性的平衡表明，从长远来看，这些信息的用户将会受益。然而，它并不能消除与对预测的战术反应相关的生产风险，也不能消除农民做出决策的需要。该分析并没有为棉花的最佳行配置管理提供一个规则。这种规则只能在考虑到特定企业非常具体的物质和经济情况的情况下制定;他们还必须考虑到当前的生产成本、商品价格和土壤状况。
最近对澳大利亚昆士兰部分农场管理者进行的研究表明，通过将气候信息与系统分析结合使用，生产者可以减少对气候预测的依赖。raybet雷竞技最新通过确定在经济或环境方面对整个农场运营产生积极影响的决策，这些生产者更好地理解了系统的脆弱性，并开始“抗气候变化”他们的经营。raybet雷竞技最新当天气预报显示“可能比正常情况更干燥”时，可采取的措施包括:尽量扩大免耕面积(节约用水)，及早施用氮肥，以便在最适当的时间在储存水分的土壤上种植;将大部分小麦晚种以降低霜冻风险。在可能比正常情况更潮湿的季节，管理方法包括:提前播种小麦;在棉花种植后，对干燥的小麦覆盖作物施用氮肥(通常预计不会产生可收获的产量)，并对小麦作物施用杀菌剂以尽量减少叶片疾病(Meinke和Hochman, 2000年)。
3.7.市场营销决策
基于SOI阶段(Stone et al.， 1996)和区域(基于郡的)小麦模型(Stephens, 1998)， Hammer et al.(2001)开发了一个区域商品预测系统。它允许检查从种植季节开始与不同季节类型相关的长期中位数郡产量的可能性。该系统目前在澳大利亚昆士兰州运行，每月根据迄今为止的实际降雨量和SOI阶段的任何变化更新预测。虽然似乎有商业应用，但该系统主要是为了通知昆士兰州政府在任何一年里更有可能遭遇歉收的地区。这些信息为与潜在干旱相关的异常情况提供了警报，与Carter等人(2000)对昆士兰牧场系统的描述相同。销售机构根据其在2000年区域小麦展望方面的经验所收到的零星资料表明，如果在现有方法之外使用季节性作物预测，将有利于它们的决策过程。当前景显示“可能比正常情况更干燥(湿润)”时，可以采取的决策包括，提前买进(卖出)粮食或将资源从高产地区转移到贫瘠地区。需要考虑产量和价格之间存在的明显联系(Stone和Meinke, 1999;Jagtap等人，2002)。
Potgieter等人(2002)使用了这个方法区域模型研究澳大利亚小麦产量的时空模式与ENSO的关系。他们发现，SOI相位系统在区分大多数小麦年份类型方面表现出了显著的技能。在这种情况下，“技能”指的是使用既定数值技术的预测和预测技能。与Hill等人(2000)的研究结果一起，这表明SOI相位系统在商品预测方面具有全球适用性。Potgieter等人(2002)的结果也与在农田和农场规模上的发现一致(Hammer, 2000)。然而，他们的结论是，预测能力有很大的潜力可以提高，并表示有可能识别气候系统或海洋raybet雷竞技最新大气特性这可能是因果关系，在改进的预测模式中最有用[原文如此]。
3.8.政策决定
对于季节到季节间的时间尺度，Keating和Meinke(1998)、Stephens(1998)和Hammer等人(2000)展示了如何使用点源和基于区域的生产模型来量化异常情况和干旱影响。Howden et al.(1999)举例说明了模型应用在指导全球变暖情景的政策决策方面的价值。他们调查了小麦的关键适应选项，如栽培品种的选择和播种窗口，并在整个澳大利亚小麦带的10个地点发现了显著的区域差异。具体来说，他们发现可能不仅会影响产量，还会影响蛋白质含量等谷物品质特征。他们的发现表明，如果要维持目前的粮食质量水平，未来需要提高氮肥施肥率。
Reyenga等人(2001)使用相同的建模方法发现，到2100年，温度、二氧化碳水平和降雨模式的变化可能导致澳大利亚东部的“种植边界”向西移动约100公里。这类研究可能会影响未来的土地使用政策决定。
Phillips等人(2002)在津巴布韦发现，季节性气候预测往往会增加生产的波动性。raybet雷竞技最新他们建议，在未来，适当的市场或政策干预可能需要伴随着针对农民的信息，以增加预测的社会效益。Meinke等人(2001)指出，虽然有许多模拟方法的案例研究示例可以为政策过程提供信息，但这很少能实现，而且挑战仍然是将这些方法实际整合到政策框架中，从而导致改进。
气候知识如何影响政策制定的例子有很多。raybet雷竞技最新但是，为了确保资源管理人员的行动和政策“协调一致”，需要采取更加一致的方法，以便能够同时影响基于共同数据源和工具的政策和风险管理决策。
继续阅读:Ranet系统
这篇文章有用吗?
