标记序列数据中分布差异的检测及其在热带气旋卫星影像中的应用

我们的目标是量化热带气旋（TC）卫星影像中的时空模式是否以及在何种程度上预示即将发生的快速强度变化事件。为解答该问题，我们提出一种图像时间序列与二元事件标签序列之间关联性的新型非参数检验。我们考察事件前与非事件前（相依但同分布）的24小时图像序列之间是否存在分布差异。通过将统计检验改写为回归问题，我们利用神经网络推断代表快速强度变化事件前兆的TC对流结构演变模式。邻近序列间的依赖性通过自举程序处理，该程序估计标签序列的边际分布。我们证明，只要标签序列的分布被良好估计，就能保证I类错误控制，而二元TC事件标签的大量历史数据使这一点更为容易。我们给出经验证据，表明所提方法识别出与升高的快速增强风险相关的红外影像原型，其典型特征为随时间加深或深化的核心对流。此类结果为改进快速增强预报奠定了基础。