气候统计气候突变检验PPT.pptVIP

Mann-Kendall Trend Test 基于数据的秩，而不是数据本身； 原假设：时间序列值是独立的，具有相同的分布； 备择假设：存在一个单调（不一定是线性）的趋势； 检验统计量 Mann-Kendall Trend Test 零分布：对于大样本（大约n8，有学者认为10）为正态分布： 用标准Gaussian分布检验： Mann-Kendall Trend Test 若存在一些ties需要修改方差 其中g是ties的组数（a tied group is a set of sample data having the same value）， 是第p个组的数据个数； Mann-Kendall Trend Test 例如时间序列为 则有： Mann-Kendall方法 Kendall slope是对原数据单调趋势的无偏估计： 正值显示上升趋势，负值显示下降趋势； Pettitt方法 Pettitt方法也是一种非参数检验方法，最初由A.N. Pettitt用于检验突变点，故取名为Pettitt法。 方法： 对于样本容量为n的气候序列 ，其对应的秩序列为 ，则构建统计量： Pettitt方法 为检验结果，如果在某年出现突变，则 E为出现突变的年份。 该方法不实用于突变点较多的情况。 Pettitt方法——检验 Pettitt(1979)给出了显著性检验水平。 摘自Wijngaard（2003） 第六章 气候突变检验 概述 从历史资料看，全球气候已经历了各种时间尺度的巨大变化； 未来，可以预测还将变化不息； 气候的变化有渐变和突变两种形式： 气候的渐变表现在相当长时间内在某一相对稳定态附近振动； 气候的突变则是相对稳定态的不连续跳跃。 摘自李建平（1993） 概述——什么是突变？ 突变可以理解为一种质变，即当一种量变达到一定的限度时发生的质变。 在气象学范畴内，即在天气过程的变化中存在的某种不连续现象，这种不连续性称为突变。 气候突变泛指气候从一种状态到另一种状态的较迅速（跳跃性）转变的现象。 又可以称之为气候跃变。 摘自严中伟（2007） 概述——突变的统计学含义 从统计学的角度而言，突变现象可以定义为从一种统计特性到另一个统计特性的急剧变化； 通常就是考察统计特征值（统计量）的变化： 如平均值和方差。 Annual mean daily minimum temperature time series at two neighbouring sites in Quebec. Sherbrooke has experienced considerable urbanization since the beginning of the century whereas Shawinigan has maintained more of its rural character. Top: The raw records. The abrupt drop of several degrees in the Sherbrooke series in 1963 reflects the move of the instrument from downtown Sherbrooke to its suburban airport. The reason for the downward dip before 1915 in the Shawinigan record is unknown. Bottom: Corrected time series for Sherbrooke and Shawinigan. The Sherbrooke data from 1963 onward are increased by 3.2℃. The straight lines are trend lines fitted to the corrected Sherbrooke data and the 1915–90 Shawinigan record. 注意事项 目前，突变统计分析并不十分成熟； 在应用中存在一些问题： 如虽然对气候序列已分析出存在突变，但由于没有合适的物理机制支持，或尚不明确造成突变的原因，将难以解释造成突变现象的原因； 有时，由于使用的突变检测方法不当，可能最终会得到错误的结论。 建议： 在确定某气候系统或过程发生突变现象时，最好使用多种方法进行比较； 给定严格的显著性水平进行检验； 运用气候学的知识加以判断。 气候突变示例 上世纪60年代北非Shahel地区降水量突变性的减少 摘自严中伟（2007） 滑动t检验 滑动t检验是通过考察两组样本平均值的