气候统计气候变化趋势分析.pptVIP

滑动平均——例子说明 计算的是北京1951-1996年夏季（6-8月）降水量的11年滑动平均。 滑动后序列能消除10年以下的周期振荡，从而体现出10年以上周期振荡特征。 从图中可以看出： 降水量演变趋势有几次明显的波动； 演变趋势是呈现上升趋势，还是下降趋势。 因此，滑动长度越大，被过滤掉的短周期越长。 二项系数滑动 为了使权重分配不等量，则通常采用二项系数分配权重，该权重值满足二项分布。 二项分布： 权重系数由二项式系数求得： 二项系数滑动——权重系数 对于3点滑动而言，即 二项式系数为： 权重为：1/4，2/4，1/4 对于5点滑动而言，即 二项式系数为： 权重为：1/16，4/16，6/16，4/16，1/16 二项系数滑动——权重系数（9点） 9点二项式滑动权重系数 摘自龚道溢（2004） 二项系数滑动——权重系数（9点） 9点二项式滑动的频率响应函数 摘自龚道溢（2004） 二项系数滑动——图解 从上图可见，对于 的高频部分全部滤掉了，而保留了较多的低频部分。 与3点二项系数平滑比较而言，高频部分滤去的更多，是更为理想的低通滤波器。 如果想保留10年以上时间尺度的长期变化，则可以用9点二项式滑动进行滤波。 因此对于上述滑动平均而言，滑动区间越大，过滤掉的短周期就越长； 低通与高通滤波 低通和高通滤波是可以转换的，如从北京夏季气温时间序列中减去9点二项式低通滤波，则得到的主要是年际尺度的变化，即相当于高通滤波处理结果。 滑动平均优势及作用 优势： 计算量小； 滑动平均线能较好地反映时间序列的趋势及其变化。 滑动平均的过程其实就是削弱短周期振荡对数据的影响，从而突出长周期波动的作用，因而也反映了气候变量长周期的变化状况。 滑动平均缺点 滑动平均滤波法会损失数据，平滑后数据比原数据各损失（2L+1-1）/2=L个数据，即共损失2L个数据点。 解决该问题的方式可以采用在原数据前后各添加L个数据，然后再滤波，添加的方式通常有： 添加平均值； 相邻的L个数据反向对称地添加。 当然，上述处理得到的前L和后L个滤波结果是有一定误差的。 一次滑动平均（即等权重滑动平均） 考虑3点滑动平均： 滑动数据为： 建立一次线性回归方程： 根据最小二乘原理： 一次滑动平均（即等权重滑动平均） 即求解正规方程组： 得到： 则代入回归方程得： 一次滑动平均（即等权重滑动平均） 考虑5点滑动平均： 滑动数据为： 建立一次线性回归方程： 则得到滑动平均公式为： 二次滑动平均——3点 仍考虑3点滑动平均： 滑动数据为： 建立二次线性回归方程： 则得到滑动平均公式为： 二次滑动平均——5点 考虑5点滑动平均： 滑动数据为： 建立二次线性回归方程： 则得到滑动平均公式为： 二次滑动平均——7点和9点 因此对于二次滑动平均的一般公式为： 7点二次滑动平均公式： 9点二次滑动平均公式： 说明 为了使二次平滑得到的平滑值数据与原数据长度保持一致，通常可以采用下述方法弥补缺失点的数据： 对五、七和九点端点处的平滑值，分别由相邻的二、三和四点平滑值求平均得到。这样就得到了n个平滑值。 当然上述处理在端点处仍然有失客观性和准确性。 举例——9点二次平滑 三次滑动平均——5点 建立三次线性回归方程： 5点三次滑动平均公式： 说明 五点三次平滑公式中： 前两个公式，为平滑序列开始2点的平滑值计算公式； 后两个公式，为平滑序列结束2点的平滑值计算公式； 五点三次平滑能很好的反映原序列的实际趋势，特别适合于对相对短时期变化趋势的分析。 举例——5点三次平滑 累积距平 累积距平是一种由曲线直观的判断气候序列变化趋势的方法。 对于气候变量x，某一时刻对应的累积距平表示为： 绘出n个时刻的累积距平值，便可以对趋势进行分析。 累积距平——举例 累积距平——举例 变化趋势的显著性检验 由线性倾向估计法考察气候序列的变化趋势，有常用的检验方法。 然而，虽然对于滑动平均、累积距平、多项式拟合等方法可以根据变化趋势曲线图直观判断，但难以准确得到结果。 对以上问题的解决，可由非参数统计检验方法得到。 变化趋势的显著性检验——方法概述 对于气候序列 ，在 时刻有： 因此， 是时刻 之后时刻的数据值 大于该时刻的数据值 的样本个数。 该气候序列可以是原气候序列，也可以是由某种方法得到的趋势序列。 变化趋势的显著性检验——方法概述 构建检验统计量： 由检验统计量可知，若序列为递增序列，则 序列为