热带气旋（台风）是世界上对生命和财产的最大威胁之一。通常用风场的重现期或重现水平来量化台风强风危险性。要准确估计台风强风危险性，特别是对极端台风强风的危险性，需要对发生概率极低，即重现期极长的的灾难性台风进行准确估计。由于可靠的台风数据仅限于最近几十年，因此随机建模和模拟被证明是实现更稳定的危害估计的有效方法，特别是对于很少或没有历史台风记录的地区。

通行的台风危险性估计方法包括两个阶段。第一阶段是用全海域的台风最佳路径资料拟合台风全路径模型，模拟生成成千上万的合成台风，这些合成台风符合观测台风的统计特征，从而能够弥补台风观测的稀疏性。第二阶段是将这些合成台风与台风风场模型相结合，在模拟路径上重建风场，进行进行台风强风危险性估计，或进一步驱动风暴潮模型进行沿海洪水灾害估计。因此，合成台风的性能对后续的风险评估至关重要。作者应用多元函数型数据主成分分析方法，开发了一种新的全路径台风建模和模拟方法（Yang et al. 2021），该方法在第一阶段任务中表现出高性能和高效率。

在此，我们提出了一种贝叶斯层次建模方法来重建台风风场（Yang et al. 2024），以完成第二阶段的任务。该方法基于第一阶段生成的合成台风，应用修正的Rankine涡旋模型，考虑了风场的波数-1不对称性。Rankine涡旋模型包含4个参数，以表征风场廓线形状和水平不对称性。以台风路径的主要参数，即中心位置、最大风速、移动速度和方向等作为输入变量，通过神经网络构建4个风场参数预测模型；模型参数（神经网络权重）需要结合Rankine涡旋模型，通过构建贝叶斯层次模型来进行估计。重建的台风风场可直接用于台风强风危险性分析。通过这一研究以及之前的工作，完整构建了内在特征一致的、系统性的台风强风危险性分析方法。

应用结果表明，本方法具有以下优势：

1、 从台风全路径模拟到风场重建，只应用最低限度的数据集，即台风最佳路径资料，从而保证了分析结果的稳定和内在一致性。

2、 不同于已有方法中，每一阶段都由若干模块分工组合，导致台风特征缺乏相关性，本方法每一阶段只由单一的模型框架完成，充分考虑了模拟和重建台风物理特征的内在相关和协调一致性，确保分析结果的合理性。

3、 本方法高度自动化，计算效率高，模型和分析结果易于随着观测资料的更新而更新，极大降低了模型维护和运行成本，可满足各相关领域对台风强风危险性评估的需要。

参考文献

Yang C, Xu J, Yin J. (2021). Stochastic Simulation of Tropical Cyclones for Risk Assessment at One Go: A Multivariate Functional PCA Approach. Earth and Space Science, 8(8). https://doi.org/10.1029/2021EA001748.

Yang C, Xu J. (2024). Tropical Cyclone Wind Field Reconstruction for Hazard Estimation via Bayesian Hierarchical Modeling with Neural Network. Earth and Space Science, in review.