气温统计分析方法剖析.pptVIP

气候诊断及预测实习;气候诊断与预测技术;气候诊断与预测技术;线性倾向估计;根据最小二乘法，有： ; 利用回归系数b,求出时间 与变量 之间的相关系数: ;计算步骤： (1) 对变量 构造其对应 的时间的序列。 可以是年份;也可以是序号。 (2) 求回归系数 b, 回归常数α及相关系数ｒ (3) 将 a 和 b 代入方程, 求出回归计算值 。;计算结果分析: 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。;相关系数 r： (表示变量x与时间t之间线性相关的密切程度) 当 r=0 时, b=0, 说明x的变化与时间t无关； 当 r0 时, b0, 说明x随时间t呈上升趋势； 当 r0 时, b0, 说明x随时间t呈下降趋势。 |r| 越接近于0, x与t之间的线性相关就越小。 |r|越大,r与t之间的线性相关就越大。 ; 序列变化趋势的程度是否显著,需要对相关系数进行显著性检验。 确定显著性水平α,若 |r|ra,表明 x 随时间 t 的变化趋势是显著的,否则表明变化趋势是不显著的。; 实例: 用线性倾向估计分析华北地区（24站）1951~1995 年夏季(6-8月)干旱指数的变化趋势。 ; 分析代表华北整个区域干旱状况的干旱指数的变化趋势。n=45, ＊计算求出 a =40.7602, b =-0.0182, r=-0.3395, ＊将a和b代入方程,求出 = 40.7602 - 0.0182 ＊绘制出线性趋势图。 ;结论： 该地区夏季干旱指数呈下降趋势,相关系数|r| =0.2875,表明这种下降趋势在α=0.05 显著性水平上是显著的。 由图可见,回归直线向下倾斜比较明显。;滑动平均;计算步骤： 根据具体问题的要求及样本量大小确定滑动长度k, 用方程直接计算序列（观测数据）的滑动平均值。 n 个数据可以得到 n–k+1个平滑值。;计算结果分析: 分析时主要从滑动平均序列曲线图来诊断其变化趋势。看其演变趋势有几次明显的波动,是呈上升趋势还是呈下降趋势。 ; 实例: 计算北京 l951-1996 年夏季 降水量的11年滑动平均。 样本量n=46, 滑动平均后得到46–11+1=36 个平滑值。 ; ; 图中虚线为滑动平均曲线。 可以看出： 20世纪50年代中期??60年代未,北京夏季降水量呈逐渐下降趋 势。 20 世纪70年代初降至低点后变化平缓, 处于少雨阶段,并持续至今,虽有小的波动, 但没有出现明显的上升或下降趋势。;五点二次平滑;五点二次平滑;五点二次平滑;五点二次平滑;滑动 t 检验;滑动 t 检验;滑动 t 检验;滑动 t 检验;滑动 t 检验;滑动 t 检验; 从图中看出，自1920年以来，t统计量有两处超过0.01显著性水平，一处是正值(出现在1920年)，另一处是负值(出现在1950年)。 说明中国年平均气温在近85年，出现过两次明显的突变。20年代经历了一次由冷到暖的转变，50年代经历了一次由增暖转为变冷的明显突变，尽管70年代末80年代初，中国气温与全球气温同步在回升，但没有达到显著性水平。;Mann—Kenddall 检验;方法概述： 对于具有n个样本量的时间序列X，构造一秩序列： 可见，秩序列sk是第i时刻数值大于j时刻数值个数的累计数。在时间序列随机独立的假定下，定义统计量 式中UF1=0，E(sk)，Var(sk)是累计数sk的均值和方差，在x1,x2,…,xn相互独立，且有相同连续分布时，由下式算：; UFk为标准正态分布，它是按时间序列x顺序x1,x2,…,xn计算出的统计量序列，给定显著性水平α，查正态分布表，若 |UFk|Ua，则表明序列存在明显的趋势变化。 按时间序列x逆序xn,xn-1,…,x1，再重复上述过程，同时使UBk= –UFk，k=n,n–1,…,1)，UB1=0。 这一方法的优点：计算简便，可明确突变开始的时间，并指出突变区域。;计算步骤： (1) 计算 顺序时间序列的秩序列Sk，并按方程计算UFk。 (2) 计算逆序时间序列的秩