基于M―K方法及成分提取海洋表层热状分析.docVIP

基于M―K方法及成分提取海洋表层热状分析 　　摘要：本文针对东海一点的9年海表温度遥感数据集的序列（2003-2011）进行处理，首先通过SPSS初步检验出所处理的温度数据满足正态性。然后通过Mann-Kendall秩次相关检验研究了数据点温度的趋势性和突变性。通过周期存在性检验取定四个周期。用傅里叶函数描述周期成份，各自系数分别通过参数估计得到。对比测试数据的周期项和原始数据图表得结果有效。该随机序列的自相关是拖尾的，而偏相关是一阶截尾的，故可建立AR（3）模型，分析得序列是白噪声序列。 　　关键词：海表温度；Mann-Kendall方法；趋势性；突变性；周期成分 　　1.引言：时间序列分析是概率统计学科中的一个分支，随着基本理论的更加深入和完善，以及统计软件技术的发展，使其在气象水文等领域有了更加广泛的应用。海表温度不仅是描述海洋表层热状况的重要指标，其异常情况还是海洋影响大气环流、气候变化的主要因子。所以海表温度一直都是诸多学者观察、研究和预测的重要研究对象。趋势性、突变性和周期性是时间序列数据的基本特征， Mann-Kendall方法作为一种非参数统计检验方法，其优点在于样本不需遵从一定的分布，也不会受少数异常值的干扰，计算相对方便。近几年被广泛用于气温、降水量变化 、植被变化等自然界变化的趋势分析中，考虑到海表温度的变化规律也有相似的性质。因此，本文选择通过处理海表温度使其可以显示出正态性，而后引入该M-K方法测试数据在一定时间段内是否异常，在此基础上再进一步提取海表温度集的周期成分，确立时间序列模型。 　　2.数据预处理 　　本文考?]建立合理的分析模型提取海洋表层温度数据的趋势性、周期性和突变性特征，通过误差分析比较不同提取方法的优缺点，为预测海表温度未来的变化提供更加有效的依据。此外，将温度数据集进行合理的区间划分，使得每个区间内的统计数据复合最优的正态分布统计，并给出正态分布的检验方法、统计区间的上下节点及统计分布模型的相关参数。 　　本文采用了东海海表上2003年至2011年一研究点的温度遥感数据集，从1开始编号，共计数据3287个。计一年为365天，这组数据记录了9年里每一天的温度，但是由于2004年和2008年是闰年，为减小不同年份的对比差异，将这两年2月29日的温度数据剔除。推算可得这两个时间点的温度数据对应的序号分别为425和1886，剔除后数据长度变为3285。 　　几乎所有的科研数据都必须满足正态性才能进行分析，因此要对数据进行正态性检验，以保证后续分析的可靠性。本文利用SPSS对每个点每一年的温度数据进行了直方图和正态曲线绘制，具体将东海2003年的情况呈现如下： 　　观察图1可得数据呈正态分布。图2给出了K-S检验的具体结果，由于概率p值为0.227，大于0.05，故不能拒绝K-S检验的原假设，即数据满足正态性。这为接下来的探讨提供了一定的支持和帮助。 　　3.海表温度基本特征分析 　　3.1 Mann-Kendall方法简介。Mann-Kendall方法由于最初由H.B. Mann和M.G.Kendall提出原理并发展了该方法。当时这一方法仅用于检测序列的变化趋势，后来经他人进一步完善和改进，才形成目前的计算格式。该方法既可以检测序列的变化趋势，也可以进行突变点检验。 　　3.2 Mann-Kendall方法应用 　　3.2.1 研究点海表温度的日变化趋势与突变情况。在对东海表温度的数据的趋势性和突变性信息进行提取时，本文主要采用M-K方法，通过matlab软件编写程序，我们得到下述结果： 　　①趋势变化： 　　②突变情况： 　　③结果分析：一般而言M-K方法计算的趋势符合正态分布，且Z= 4.3811.96，则说明该点海表温度的日变化趋势有明显上升趋势。UFK和UBK在95%的信度线之间没有交点，说明该点温度在这段期间内没有突变。 　　3.2.2 研究点海表温度的年变化趋势与突变情况 　　①趋势变化： 　　②突变情况： 　　③结果分析：Z statistic = 0.312771.96，说明该点温度的年变化趋势有上升但不明显。UFK和UBK在95%的信度线之间有交点，且致在8-9年之间，说明该点海表温度在第八年左右发生突变，且该点表温度由下降趋势转为上升趋势。 　　3.3 周期成分识别 　　3.3.1 周期显著性判断。首先我们用方差分析法判断时间序列中是否存在显著周期。在分析周期之前，事先并不知道这一序列的周期是多少，所以要根据序列长度，列出可能存在的周期。若时间序列总长度为n，则可能存在的周期为。将周期为T的时间序列进行分组，对应可以分为组数据，根据 　　可知第i组的平均值为： 　　上式中ni表示第i组内的数据个数。 　　将时间序列分别