第四章 气候变化趋势的分析.pptVIP

第四章 气候变化趋势分析 随时间变化的一列气候数据构成了一个气候时间序列。 气候时间序列一般具有以下特征： 数据的取值随时间变化； 每一时刻取值的随机性； 前后时刻数据之间存在相关性和持续性； 序列整体上有上升或下降趋势，并呈现周期振荡； 在某一时刻的数据取值出现转折或突变。 前两种特征是一般规律，后几种则在不同的序列有不同的表现。 本章介绍气候趋势的诊断方法 下一章介绍突变的检测方法 第六章介绍时间序列周期的提取 对任一气候时间序列xi都可以看成是由以下几个分量构成： xt=Ht+Pt+Ct+St+at Ht为气候趋势分量，指几十年的时间尺度显示出的气候变量上升下降趋势，是一种相对序列长度的气候波动； Pt为气候序列存在的一种固有的周期性变化，例如年、月变化； Ct为循环变化分量，代表气候序列周期长度不严格的隐含周期性波动； St是平稳时间序列分量； at是随机扰动项。 St具有两个特点： 绕同一水平均匀摆动，即数学期望、方差不随时间变化； 不同时刻之间的相关函数只是这两个时刻之差的函数，与时间起点无关。 §4.1 线性倾向估计（线性趋势） 方法：一元线性回归 用xi表示样本量为n的某一气候变量，用ti表示所对应的时刻，建立xi与ti之间的一元线性回归： 式中a为回归常数，b为回归系数。a和b可以用最小二乘法进行估计。 ti与xi之间的相关系数r为： 对于线性回归计算结果，主要分析回归系数b和相关系数r。 b的符号表示气候变量的倾向趋势。b0表明随时间增加x呈上升趋势，b0表示随时间增加x呈下降趋势。b的大小反映上升或下降的速率，即表示上升或下降的倾向程度。因此，通常将b称为倾向值，将这种方法叫做线性倾向估计。 r表示变量x与时间t之间的线性相关的密切程度。r的符号与b相同，因此r也可以说明x的上升下降趋势，要判断变化趋势是否显著可对r进行检验。 P39，例4.1 P40，例4.2 §4.2 滑动平均 滑动平均相当于低通滤波器，保留低频部分，去掉高频部分。用确定时间序列的平滑值来显示变化趋势。对样本量为n的序列x，其滑动平均序列表示为： k为滑动长度，一般取奇数，以使平均值可以加到时间序列中项的时间坐标上。 经过滑动平均后，序列中短于滑动长度的周期大大削弱，显示出变化趋势。 分析时主要从滑动平均序列曲线图来诊断其变化趋势。 例如：看变化趋势有几次明显的波动，是呈上升还是下降趋势。P42，例4.3。 §4.3 累积距平 对序列x，其某一时刻t的累积距平表示为： 其中 将n个时刻的累积距平值全部算出，就可绘出累积距平曲线进行趋势分析。 累积距平曲线呈上升趋势，表示有正距平值，呈下降趋势则表示有负距平值。从曲线明显的上下起伏，可以判断其长期显著的演变趋势及持续性变化，甚至还可诊断出发生突变的大致时间。（？） P44，例4.4 §4.4 五、七、九点二次平滑 也是起到低通滤波的作用，它可以克服滑动平均削弱过多波幅的缺点。对于时间序列x，用二次多项式拟合： 根据最小二乘法确定系数a0，a1，a2，可以分别得到五点二次、七点二次和九点二次平滑公式： P46，例4.5 §4.5 变化趋势的显著性检验 非参数统计检验方法： 对气候序列xi，在i时刻，i=1，2，…，n-1，有 计算统计量 对于递增直线，r序列为n-1，n-2，…，1，这时Z=1，对于递减直线Z=-1，则Z值在-1至1之间变化。 给定显著性水平?，则判据 若|Z|Z?， 则认为变化趋势显著。P60，例4.7 第四章 完