气候趋势分析.pptxVIP

第四章 气候变化趋势分析1、线性倾向估计2 、滑动平均3、 累积距平4 、五、七和九点二次平滑5 、变化趋势的显著性检验1. 1861年以来，全球的气温变化趋势如何？2. 找出20世纪气温增幅最大的两个时期。（毕鸣等，1997）Help me!2008年春节前后中国雪灾2006年7月23日，在法国东南部的里昂，一只猴子端起瓶子喝水。在该年热浪袭击期间，法国共有112人直接死于高温。2006年7月19日，在德国东部的一片麦田中，一位农民手捧受到高温干旱影响而颗粒干瘪的麦穗。冰雹干旱2010年8月7日22时许，甘肃省舟曲县突降强降雨，发生特大山洪泥石流灾害。 2013年第30号台风“海燕” 菲律宾中部民众躲避台风台风前后菲律宾的卫星图对比研究对象：---气候时间序列：随时间变化的一列气候数据。如年降水总量、月海表温度、季平均气温序列等。---气候序列的基本特点：1）数据取值随时间变化；2）每一时刻取值的随机性；3）前后时刻数据之间存在相关性、持续性；4）序列整体有上升或下降趋势，或呈周期振荡；5）某一时刻数据取值出现转折或突变。任一气候时间序列xt可看成由以下几个分量构成： xt ＝ Ht + Pt + Ct + St + at Ht : 气候趋势分量 Pt : 气候序列固有的周期性变化 Ct : 循环变化分量 St : 平稳时间序列分量 at : 随机扰动项要分离Ht的常用做法 , 采用年、月、季节总量或平均值等来构造气候时间序列。这样可以消除Pt ，再通过统计处理消除或削弱Ct 和at 。含义：用一条合理的直线 表示x与其时间t 之间的关系。a 回归常数，b是回归系数，a 和b 可用最小二乘法进行估计。 －－－－一元线性回归第一节 线性倾向估计一、方法介绍用xi表示样本量为n的某一气候变量，用ti表示xi所对应的时间，建立xi与ti之间的一元线性回归关系：(1)(2)二、计算步骤对变量xi 构造其对应的时间序列ti。可以是年份，也可以是自然数序列1，2，3……。根据公式（1）和（2）算出回归系数b，回归常数a，及相关系数r。将a，b的值代入回归方程式，求出回归计算值。三、计算结果分析（b, r） 回归系数b-----倾向值b的符号说明了气候变量x的趋势倾向。当b>0, x是呈上升趋势；当b<0，则为下降。b值的大小反映了上升或下降的速率，b的绝对值越大，表明直线越倾斜。相关系数r反映了x与t间的密切程度。当r=0，说明x的变化与时间无关。r>0，说明，x随时间t的增加，x呈上升趋势；当r<0，则相反。r的绝对值越大，说明x与时间的关系越密切。这与b所反映的意义是一致的。要判断变化趋势的程度是否显著，可以对b、r进行显著性检验。r=0.16r=0.57四、举例冬、夏季500hPa位势高度场的年际变化张家口利用线性倾向估计研究全球冰雪的变化趋势。（j =1,2,….n-k+1） 第二节 滑动平均一、方法概述滑动平均是趋势拟合技术最基础的方法，它相当于低通滤波器，滤除了高频成分。用确定时间序列的平滑值来显示变化趋势。对样本量为n的气候序列x，其滑动平均序列表示为：式中k 为滑动长度，一般取奇数。如：对一个n =23的时间序列进行k =3点平滑，则新序列为： ( j =1,2,3…21)，即：经过滑动平均后，序列中短于滑动长度的周期大大削弱，体现出变化趋势来。但经过这种滑动平均后的新序列比原气候时间序列短，原序列两头的信息不能体现。用这种方法求得的是各个时刻的趋势值，而不是具体的数字表达式。 二、计算步骤 n个数据可以得到n-k+1的平滑值。 编程计算时：先用前k个数据求和，得到一个数字；然后依次用这个数字减去平均时段的第一个数字，并加上第k+1个数据，再用求出的值除以k；循环这样的过程计算出第2个到第n-k+1个平滑值。第一个平滑值就是前k个数据的平均值。三、计算结果分析 主要从滑动平均序列曲线图来诊断其变化趋势。 例如：看其演变趋势有几次明显的波动，是呈上升还是下降趋势。 实例: 计算北京 l951-1996 年夏季降水量的11年滑 动平均。资料见下表：北京 l951-1996 年夏季( 6-8月 ) 降水量（mm）年份原始数据19511970197119901991—1996 249 404 490 848 621 859 382 452 1170 410 411 285 660 520 185 448 484 204 675 456 383 228 528 372 357 578