logo资料库

气象数据分析方法合集.pdf

发布时间：2022-06-05 发布人：admin 分类：说明书 资料大小：1.86M 资料格式：pdf 举报 版权申诉
第1页 / 共58页
第2页 / 共58页
第3页 / 共58页
第4页 / 共58页
第5页 / 共58页
第6页 / 共58页
第7页 / 共58页
第8页 / 共58页
资料共58页，剩余部分请下载后查看
    目 录 A 气气气候候候数数数据据据分分分析析析 A.1 普通相关系数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 A.2 秩相关系数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 A.3 谐波分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 A.4 功率谱分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 A.5 交叉谱分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 A.6 时间序列滤波分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 A.7 EOF分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 A.7.1 REOF分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 A.8 SVD分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
    图 目 录 A.1 北京夏季气温和降水的相关系数 . . . . . . . . . . . . . . . . . . . . . A.2 ENSO指数与全球温度的滞后相关 . . . . . . . . . . . . . . . . . . . . 8 9 A.3 虚假的相关信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 A.4 沙尘暴日数与850hPa高度高频变率方差的相关场 . . . . . . . . . . . 12 A.5 北京月平均气温的谐波分析 . . . . . . . . . . . . . . . . . . . . . . . 15 A.6 北京夏季平均气温的谐波分析 . . . . . . . . . . . . . . . . . . . . . . 21 A.7 北京夏季气温各谐波的方差贡献 . . . . . . . . . . . . . . . . . . . . . 21 A.8 500hPa高度场超长波分析 . . . . . . . . . . . . . . . . . . . . . . . . 23 A.9 Nino3区海温的功率谱分析 . . . . . . . . . . . . . . . . . . . . . . . . 29 A.10 全球副高指数和NinoC区SST交叉谱分析 . . . . . . . . . . . . . . . . 32 A.11 北京夏季气温简单滑动平均 . . . . . . . . . . . . . . . . . . . . . . . 33 A.12 1-2-1加权滑动平均的频率响应函数 . . . . . . . . . . . . . . . . . . . 35 A.13 9点二项式权重系数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 A.14 高斯滤波的频率响应函数 . . . . . . . . . . . . . . . . . . . . . . . . 39 A.15 不同参数n的权重系数的频率响应函数 . . . . . . . . . . . . . . . . . 40 A.16 北半球1月份MSLP距平EOF分析第一模态 . . . . . . . . . . . . . . . 47 A.17 不同资料处理方式EOF结果的差别 . . . . . . . . . . . . . . . . . . . 49 A.18 北半球春季NDVI和气温SVD分析结果 . . . . . . . . . . . . . . . . . 55
    表 目 录 A.1 Z统计表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.2 相关系数检验表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.3 有效自由度估计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 6 7 A.4 北京气温年循环的谐波分析 . . . . . . . . . . . . . . . . . . . . . . . 16 A.5 北京夏季气温谐波F检验值 . . . . . . . . . . . . . . . . . . . . . . . . 20 A.6 不同落后步长对功率谱分析结果的影响 . . . . . . . . . . . . . . . . . 28 A.7 滑动平均计算实例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 A.8 二项式权重系数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 A.9 高斯滤波权重系数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
    A A.1 普普普通通通相相相关关关系系系数数数 计计计算算算方方方法法法 气候数据分析 为 了 度 量 两 个 变 量 之 间 的 线 性 关 联 程 度 ， 常 用 的 指 标 是 普 通 相 关 系 数 ， 即Pearson相关系数。任意两个变量 x 和 y，样本(时间长度)为n，其标准差分 别为σx和σy则它们之间的Pearson相关系数的计算公式是： 1 n r = n n n i=1 另外一种计算公式是： r = xi − x σx ( yi − y σy ) )( n i=1(xi − x)(yi − y) i=1(xi − x)2 i=1(yi − y)2 (A.1) (A.2) r可以客观的度量两个因子之间的关联程度。|r| ≤ 1，正相关表示两者之间变 化性质相同，负相关表示两个变量之间变化性质相反。例如图A.1是北京夏季降 水和气温的时间序列，通常夏季降水如果偏多，则地面接受的太阳辐射减少，而 且由于地表和土壤水份蒸发也消耗大量热量，也会降低地面气温。1951 − 2002年 共52年二者的相关系数是−0.433，也就很好的说明这一点。 1
    协协协方方方差差差与与与方方方差差差 两个变量之间的协方差定义为： Sxy = 1 n i=1(xi − x)(yi − y) 显然一个变量与自己的协方差，就是其方差： Sxx = 1 n i=1(xi − x)2 = σ2 x n n 通常大家常用简单的回归方程来表示两个变率之间的关系，某种程度上是与 相关系数等价的。如果用北京夏季降水量的变化来拟合夏季气温的年际波动，即 y = a + bx (A.3) 这里a是截距，b是回归系数，y是气温，x是降水量。利用最小二乘法，可以得到: n n n n i − ( i=1 yixi − ( i=1 yi)( i=1 x2 i=1(yi − y)(xi − x) i=1(xi − x)(xi − x) i=1 xi)/n i=1 xi)2/n n n n Sxy Sxx b = = = (A.4) (A.5) (A.6) 截距 a 可以由下式计算得到: n n yi)/n − b( xi)/n a = ( i=1 = y − bx i=1 Sxy表示xy之间的协方差，Sxx表示x与自己的协方差，即方差。根据相关系数 2
    的定义(A.2式)，可以得到: r = = = 由A.6式和A.9式，可以得到： n n Sxy SxxSyy Sxy σxσy n i=1(xi − x)(yi − y) i=1(xi − x)2 i=1(yi − y)2 σy σx Syy Sxx b = r = r (A.7) (A.8) (A.9) (A.10) (A.11) 可见回归系数 b 只与温度和降水的相关系数以及各自的标准差有关。如果进行 回归分析之前，将温度和降水时间序列已经标准化，即σx = σy = 1；¯x = ¯y = 0； 那么温度和降水的关系简化为：y = rx。由相关系数，可以很方便的估计出北京 夏季降水量和温度两个变量之间的线性关系系数(b): b = r σy σx = −0.433 × 0.8679 190.120 = −0.00198◦C/mm 因此当降水量每增加100mm，气温大致下降0.2◦C。 那么用降水解释的气温方差是多少呢？根据方程(A.3)，将降水量代入方程 可以计算出相应的温度时间序列。最后得到这个计算出来的温度序列的方差 是0.1414(◦C)2，而实际观测的气温序列(即图A.1(a))的方差是0.7533(◦C)2；因此， 降水的变化可以解释气温年际变化方差的值是0.1414/0.7533 × 100% = 18.8%。实 际上可以证明，解释的方差比例可以简单地相关系数估计出来： σ2 ˆy σ2 y = r2 即 r2 × 100% = (−0.433)2 × 100% = 18.8%。上面的例子说明可以直接用相关 系数来判断两个变量之间相关、置信度以及他们之间的方差解释率。 3
    显显显著著著性性性检检检验验验 √ n − 3 2 ln 1 + r 1 − r 为检验相关系数有别于 0 的置信度，可以用 Z 统计量检验，即： (A.12) 上面的计算中北京夏季降水量和温度的相关系数是−0.433，n = 52，代入公 Z = 式(A.12)，得到： √ Z = 52 − 3 2 ln 1 + 0.433 1 − 0.433 = 3.245 再查 Z 分布表，即累积标准化正态分布统计表。以方便大家查询在表A.1中 列出。一般统计书中也有此表。对于单侧0.01显著水平检验，由于Z统计量两 侧是对称的，1 − 0.01 = 0.99，在表A.1中找到对应于0.99累积概率的 Z 值，得 到Z0.01 = 2.33，该值小于计算得到的 Z 值。因此，上述相关系数是显著的。 另外，也可以用 t 统计量检验。即： √ n − 2 √ r 1 − r2 t = 得到 √ √ 0.433 52 − 2 1 − 0.4332 t = = 3.397 (A.13) 查 t 分布表，对于双侧0.005显著水平检验，样本数为52时，t0.005 = 2.678，小于 计算得到的 t 值。也可得到相关系数是显著的结论。 在样本数比较少的情况下( n 低于30)，应该用 t 统计量检验。大样本情况 下， t 统计量分布逼近正态分布。实际应用中为方便检验，常常根据(A.12)式或 者(A.13)式将不同自由度和置信度情况下的相关系数阈值事先计算出来，编成检 验表，需要时直接查表比较就可以了。表A.2给出了不同置信度时，根据双测 t 统 计量检验计算的相关系数阈值。分析中得到的相关系数的绝对值高于阈值时，相 关系数才是显著的。 自自自由由由度度度的的的估估估计计计 简单估计：随机样本数减2，即ν = n − 2 实际上气候变量的一个突出特点就是具 有红噪声谱，即不同时间的数据之间不是完全独立的(不是随机的)。气候变量某 4
    表 A.1: 累积标准化正态分布函数( Z 统计量) z −∞ ( F (z) = 1√ 2π z 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 1.30 1.40 1.50 1.60 1.70 1.80 1.90 2.00 2.10 2.20 2.30 2.40 2.50 2.60 2.70 2.80 2.90 3.00 3.10 3.20 3.30 3.40 .00 0.6915 0.7257 0.7580 0.7881 0.8159 0.8413 0.8643 0.8849 0.9032 0.9192 0.9332 0.9452 0.9554 0.9641 0.9713 0.9772 0.9821 0.9861 0.9893 0.9918 0.9938 0.9953 0.9965 0.9974 0.9981 0.9987 0.9990 0.9993 0.9995 0.9997 .01 0.6950 0.7291 0.7611 0.7910 0.8186 0.8438 0.8665 0.8869 0.9049 0.9207 0.9345 0.9463 0.9564 0.9649 0.9719 0.9778 0.9826 0.9864 0.9896 0.9920 0.9940 0.9955 0.9966 0.9975 0.9982 0.9987 0.9991 0.9993 0.9995 0.9997 .02 0.6985 0.7324 0.7642 0.7939 0.8212 0.8461 0.8686 0.8888 0.9066 0.9222 0.9357 0.9474 0.9573 0.9656 0.9726 0.9783 0.9830 0.9868 0.9898 0.9922 0.9941 0.9956 0.9967 0.9976 0.9982 0.9987 0.9991 0.9994 0.9995 0.9997 .03 0.7019 0.7357 0.7673 0.7967 0.8238 0.8485 0.8708 0.8907 0.9082 0.9236 0.9370 0.9484 0.9582 0.9664 0.9732 0.9788 0.9834 0.9871 0.9901 0.9925 0.9943 0.9957 0.9968 0.9977 0.9983 0.9988 0.9991 0.9994 0.9996 0.9997 .04 0.7054 0.7389 0.7704 0.7995 0.8264 0.8508 0.8729 0.8925 0.9099 0.9251 0.9382 0.9495 0.9591 0.9671 0.9738 0.9793 0.9838 0.9875 0.9904 0.9927 0.9945 0.9959 0.9969 0.9977 0.9984 0.9988 0.9992 0.9994 0.9996 0.9997 5 e− z2 2 dz ) .05 0.7088 0.7422 0.7734 0.8023 0.8289 0.8531 0.8749 0.8944 0.9115 0.9265 0.9394 0.9505 0.9599 0.9678 0.9744 0.9798 0.9842 0.9878 0.9906 0.9929 0.9946 0.9960 0.9970 0.9978 0.9984 0.9989 0.9992 0.9994 0.9996 0.9997 .06 0.7123 0.7454 0.7764 0.8051 0.8315 0.8554 0.8770 0.8962 0.9131 0.9279 0.9406 0.9515 0.9608 0.9686 0.9750 0.9803 0.9846 0.9881 0.9909 0.9931 0.9948 0.9961 0.9971 0.9979 0.9985 0.9989 0.9992 0.9994 0.9996 0.9997 .07 0.7157 0.7486 0.7794 0.8078 0.8340 0.8577 0.8790 0.8980 0.9147 0.9292 0.9418 0.9525 0.9616 0.9693 0.9756 0.9808 0.9850 0.9884 0.9911 0.9932 0.9949 0.9962 0.9972 0.9979 0.9985 0.9989 0.9992 0.9995 0.9996 0.9997 .08 0.7190 0.7517 0.7823 0.8106 0.8365 0.8599 0.8810 0.8997 0.9162 0.9306 0.9429 0.9535 0.9625 0.9699 0.9761 0.9812 0.9854 0.9887 0.9913 0.9934 0.9951 0.9963 0.9973 0.9980 0.9986 0.9990 0.9993 0.9995 0.9996 0.9997 .09 0.7224 0.7549 0.7852 0.8133 0.8389 0.8621 0.8830 0.9015 0.9177 0.9319 0.9441 0.9545 0.9633 0.9706 0.9767 0.9817 0.9857 0.9890 0.9916 0.9936 0.9952 0.9964 0.9974 0.9981 0.9986 0.9990 0.9993 0.9995 0.9997 0.9998
    分享到：
    赞 收藏

    相关推荐

    资料库

    考试认证

    共收录20637份资料，累计11个分类，关注成员有19位，主要包括：真题,美赛,软考,PMP,Linux/Unix认证,思科认证,微软认证,Oracle认证,华为认证,软考等考,其它

    热门标签

    真题 美赛 软考 PMP Linux/Unix认证 思科认证 微软认证 Oracle认证 华为认证 软考等考 其它

    最新资料