分位数映射数据后处理-Quantile Mapping后处理 (R语言)

统计后处理器基本上是统计模型，将观察到的关注变量与从气象或水文模型的直接模型输出（DMO）导出的适当预测变量相关联。统计后处理的重要性早已在气象预报中得到认可。早期的工作包括完善的预测(perfect prognosis)，模型输出统计（MOS）和模拟方法（analog method）等模型。 近年来，已经提出了许多其他后处理方法，包括秩直方图校准（rank histogram calibration），分位数映射（quantile mapping，QM）和集成预处理器（ensemble preprocessor, EPP）。几种基于贝叶斯定理的模型已被研发了，以将先前的气候学信息与实时预测相结合，例如输出的贝叶斯处理器（Bayesian processor of output, BPO），预测的贝叶斯处理器（Bayesian processor of forecast, BPF）和集合贝叶斯处理器（Bayesian processor of ensemble, BPE）。 同时，也存在多种基于回归的模型，包括集成模型输出统计（EMOS），逻辑回归（logistics regress, LR），分位数回归（quantile regression, QR）和逐成员方法(member-by-member approach)。今天，介绍一种简单的后处理方法，分位数映射(Quantile Mapping)数据后处理方法。

1. 定义

分位数映射后处理，也叫分位数与分位数转换，或者累积分布函数匹配(CDF)，是一种简单的后处理方法，具体是根据观测值的CDF去校正预测值的CDF。在实施QM过程中，就是把每个预报的值映射到观测值的CDF上对应的分位数。

下面引用Piani的一篇文章里的图，(Piani C, Statistical bias correction for daily precipitation in regional climate models over Europe. Theor Appl Climatol 2010,99:187–192)