气候统计气候突变检验参考.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） Pettitt方法——举例 摘自Wijngaard（2003） SNHT (Standard Normal Homogeneity Test)方法 Alexandersson(1986)发展了该方法。 方法： 对于样本容量为n的气候序列 ，构建统计量： SNHT方法 即比较前k年与后n-k年的差异。 如果出现突变，则应满足： SNHT方法 Jaruskova(1994)进一步提出： 大于临界值，则具有显著的突变。 SNHT方法——检验 摘自Wijngaard（2003） SNHT方法——举例 摘自Wijngaard（2003） Buishand range test方法 对于样本容量为n的气候序列 ，定义： 如果原序列是均一的，即没有明显的突变存在，则 将围绕0值附近波动，即原数据值没有显著的偏离平均值的点出现； 如果存在突变，则在突变点处， 达到一个最大或最小值 Buishand range test方法 构建检验统计量： 检验，其中给定一个尺度调整范围R： 检验临界值为： Buishand range test方法——检验 摘自Wijngaard（2003） Buishand range test方法——举例 摘自Wijngaard（2003） 迁站造成的突变，加南大魁北克的Sherbrooke1963年从市中心迁站至郊区机场，温度下将3C左右。 * 有些原因并不清楚，如1915年前Shawinigan记录中下降趋势，但这个下降趋势可能是错误的，下图将1963年后Sherbrooke记录+3.2C，Shawinigan的记录从1915年开始考虑。 注意：Sherbrooke的强趋势变化与城市化有关，而不应看作是全球变暖的结果；Shawinigan更多的体现了自然变化的结果。 * 方差相等情况下的检验。 * * x1-x2 正序代表序列的演变，逆序为了确定变化开始的位置 * tai * 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。 概述——突变的原因分析 根据突变的原因，突变可划分为两类： 一类是简单突变，常发生在天气系统内部，即不考虑系统边界外力影响下或外界气候系统没有大的变化情况下出现的突变。 如初霜冻、季风爆发等。 这类突变常有周期变化，如年变化周期。 另一类为由于外力的突变是天气过程发