气象统计方法实习报告材料Word下载.docx
《气象统计方法实习报告材料Word下载.docx》由会员分享，可在线阅读，更多相关《气象统计方法实习报告材料Word下载.docx（42页珍藏版）》请在冰豆网上搜索。
\gradsdata\h500.grd'
form='
binary'
write（16）（（var（i,j,iz,it）,i=1,nx）,j=1,ny）
CalculatingtheClimatologicalField
doi=1,nx
doj=1,ny
sum=0
doiz=1,nz
sum=sum+var（i,j,iz,it）
cl（i,j,it）=sum/4
enddo
Outputclimate-file
open（12,file='
\gradsdata\climate.grd'
doit=1,nt
write（12）（（cl（i,j,it）,i=1,nx）,j=1,ny）
!
CalculatingtheAnomaly
doj=1,ny
jp（i,j,iz,it）=var（i,j,iz,it）-cl（i,j,it）
open（13,file='
\gradsdata\anomaly.grd'
Outputanomaly-file
write（13）（（jp（i,j,iz,it）,i=1,nx）,j=1,ny）
CalculatingtheMean-squareDeviation
sum=sum+（jp（i,j,iz,it））**2
jfc（i,j,it）=sqrt（sum/4）
Outputmean-squaredeviation-file
open（14,file='
\gradsdata\deviation.grd'
write（14）（（jfc（i,j,it）,i=1,nx）,j=1,ny）
enddo
end
（2）、grads文件
'
openg:
\gradsdata\***.ctl'
（***为所求场对应的ctl文件名）
setlat040'
setlon60150'
setlev500'
enableprintg:
\gradsdata\***.gmf'
（***为所求场名称）
i=1
while（i<
=48（或12））
sett'
i
dh'
print'
c'
i=i+1
endwhile
disableprint'
;
（3）、实习结果
①、原始场
1982年1月
1982年7月
结果分析：
冬季（此处以1月为代表）等高线分布整体平缓，表明高度场分布相对均匀，且北部接近极地位势高度低，赤道地区位势高度高，这与太阳直射点在1月在南半球，使北半球整体的辐射吸收随纬度增加而减小有关。
北半球的气块受热随纬度递增而递减，因而膨胀率递减，故南方接近赤道地区的气体膨胀大，位势高，而北方近极地地区气体膨胀小，位势低。
夏季（此处以7月为代表），大洋上空出现副热带高压（588线位置），在东亚地区存在较为明显的位势高度槽，即东亚大槽。
夏季在30°
N以北的地区位于西风带中，从图中可看出明显的西风带长波特征。
除东亚大槽外，在中亚地区也存在一长波槽，这些槽线发生长波调整时，会在部分地区发生较剧烈的天气变化。
此外，从图中可以看出，1982年7月副热带高压脊线的平均位置位于25°
N,125°
E附近，我国华东地区位于副高北侧西南气流控制下，西南气流为水汽输送的主要通道，该地区发生降水较为频繁。
从图中还可以看出冬夏季的位势高度分布存在明显差异，这与太阳直射点的年纪变化密切相关。
②、气候场
2月
8月
气候场是多年数据中同时段的平均值序列，表征了区域内多年平均的位势高度变化。
从气候场图形可以看出多年平均的500hPa高度场中，冬季（此处以多年平均的2月气候场为代表）等高线较平直，大陆上等高线较稀疏，而海洋上等高线较密集，这表明大陆上空的位势高度变化率较海洋小。
此外，冬季等位势高度线分布平直，还说明冬季的天气变化显著。
夏季（此处以多年平均的8月气候场为代表）在太平洋上有副热带高压，副高是深厚的系统，所以可以一直延伸到500hPa高度。
东亚地区存在明显的西风带长波槽，即东亚大槽，东亚大槽的移动和变化配合副热带高压和夏季风的影响，会使我国大部分地区天气造成强烈变化，如形成大范围降水或强对流天气。
同时，孟加拉湾处存在一低涡。
由于高原的阻挡作用，这一系统对我国的影响并不显著。
图中副高脊线8月的多年平均位置位于30°
N以北，且东部长波槽位于110°
E附近，故由气候场分析，华北地区位于长波槽前，又槽线受到副高的阻挡作用，因而华北地区容易形成降水。
③、距平场
距平场指示了位势高度的震荡趋势，因距平的平均值为0，则大于0的值表明位势高度偏高，小于0的值表示位势高度偏低。
从图中可看出冬季（此处以1982年1月距平场做代表）在大陆位势高度为正距平，而在大洋则存在明显的负距平。
则由距平场的性质得，冬季在大洋上位势高度偏高，在大陆上位势高度偏低。
其原因是，海水的比热大于陆地，则冬季海洋温度比陆地高，所以海洋上气块膨胀更多，位势高度更高。
夏季（此处以1982年7月距平场做代表）相反，大洋上位势高度偏低，而陆地偏高。
在70°
E~90°
E附近位势偏高的原因在于夏季青藏高原接受太阳辐射使之在对流层中层形成热源，位势高度因比大陆其他位置高。
由此可见，位势高度的变化不仅与海陆差异有关，同时也与地形有关。
在海洋上副热带高压所在的位置存在证据平值。
④、均方差场
6月
12月
均方差场反应同一时段内的位势高度变化幅度的大小。
由图可以看出，整体位势高度在大陆上的变化幅度比海洋小，且海洋上冬季的变化幅度比夏季大，而陆地上相反，冬季的变化幅度比夏季小。
因为陆地的比热小，所以陆地在夏季白天与夜间的温差大于冬季，对应的高度场震荡就比冬季剧烈。
海洋上的位势高度变化幅度的影响方面温差为次要因素，其主要受到副热带高压，西风带长波槽脊影响，位势高度根据天气系统的移动而变化，所以震荡幅度较大。
除受到天气系统影响外，海洋上的位势高度场还受到洋流等因素的影响。
实习二计算给定数据资料的简单相关系数和自相关系数
根据下表中年平均气温和冬季平均气温的等级数据进行下列计算：
1）计算两个气温之间的简单相关系数。
2）分别找出两个气温数据自相关系数绝对值最大的滞后时间长度。
（滞后长度τ最大取10）
2、要求
实习报告中附出简单相关系数或自相关系数程序。
答案：
r=0.47
年平均气温在滞后长度j=3、冬季序列在j=4最大。
3、实习结果
（1）、Fortran源程序
PROGRAMEXAM
IMPLICITNONE
INTEGER,PARAMETER:
N=20
INTEGERi,j,k,ty,tw,tyw
REAL:
avr_y=0,avr_w=0,sy=0,sw=0,rxy=0,max_y=0,max_w=0,max_yw=0
REALy（N）,w（N）
DATAy/3.4,3.3,3.2,2.9,3.4,2.8,3.6,3.0,2.8,3.0,3.1,3.0,2.9,2.7,3.5,3.2,3.1,2.8,2.9,2.9/
DATAw/3.24,3.14,3.26,2.38,3.32,2.71,2.84,3.94,2.75,1.83,2.80,2.81,2.63,3.20,3.60,3.40,3.07,1.87,2.63,2.47/
REALsyy（N）,sww（N）,r（N）,rty（N）,rtw（N）,rtyw（N）,rxy_ty（N）,rxy_tw（N）,rxy_tyw（N）
求两数组平均值
DOi=1,N
avr_y=avr_y+y（i）
avr_w=avr_w+w（i）
ENDDO
avr_y=avr_y/N
avr_w=avr_w/N
简单相关系数
DOj=1,N
syy（j）=（y（j）-avr_y）**2
sy=sy+syy（j）
sww（j）=（w（j）-avr_w）**2
sw=sw+sww（j）
ENDDO
sy=sqrt（sy/N）
sw=sqrt（sw/N）
r（j）=（（y（j）-avr_y）/sy）*（（w（j）-avr_w）/sw）
rxy=rxy+r（j）
rxy=rxy/N
PRINT"
（/'
1970-1989年全年平均气温与冬季平均气温的简单相关系数rxy='
f5.2）"
rxy
k=0
自相关系数
DOty=1,N/2
DOi=1,N-ty
rty（i）=（（y（i）-avr_y）/sy）*（（y（i+ty）-avr_y）/sy）
rxy_ty（ty）=rxy_ty（ty）+rty（i）
ENDDO
rxy_ty（ty）=rxy_ty（ty）/（N-ty）
rxy_ty（ty）=ABS（rxy_ty（ty））
IF（rxy_ty（ty）>
max_y）THEN
max_y=rxy_ty（ty）
k=ty
ENDIF
（'
全年平均气温绝对值最大自相关系数rxy_ty='
f7.4,/,'
滞后时间长度k='
I2）"
rxy_ty（k）,k
DOtw=1,N/2
DOi=1,N-tw
rtw（i）=（（w（i）-avr_w）/sw）*（（w（i+tw）-avr_w）/sw）
rxy_tw（tw）=rxy_tw（tw）+rtw（i）
rxy_tw（tw）=rxy_tw（tw）/（N-tw）
rxy_tw（tw）=ABS（rxy_tw（tw））
IF（rxy_tw（tw）>
max_w）THEN
max_w=rxy_tw（tw）
k=tw
冬季平均气温绝对值最大自相关系数rxy_tw='
rxy_tw（k）,k
落后交叉相关系数
DOtyw=1,N/2
DOi=1,N-tyw
rtyw（i）=（（y（i）-avr_y）/sy）*（（w（i+tyw）-avr_w）/sw）
rxy_tyw（tyw）=rxy_tyw（tyw）+rtyw（i）
rxy_tyw（tyw）=rxy_tyw（tyw）/（N-tyw）
rxy_tyw（tyw）=ABS（rxy_tyw（tyw））
IF（rxy_tyw（tyw）>
max_yw）THEN
max_yw=rxy_tyw（tyw）
k=tyw
全年平均温度与冬季平均气温之间的落后交叉相关系数rxy_tyw='
rxy_tyw（k）,k
END
（2）、程序运行结果：
实习三分析中国夏季降水线性趋势的分布特征
1.资料介绍及要求：
利用数据160zhan-rainfall-summer.txt，编写求1982-2006年中国160站各站夏季降水线性倾向率，给出分布图，并进行简单分析。
read-rain.for给出了阅读资料的fortran程序。
数据在文件夹中单独给出。
2.实习结果
（1）.matlab程序
%编写求1982-2006年中国160站各站夏季降水线性倾向率
clearall
clc
fid=fopen（'
E:
/160zhan-rainfall-summer.txt'
'
rt'
）;
tline=fgets（fid）;
data1=fscanf（fid,'
%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f%f'
[28,160]）;
data2=data1'
fclose（fid）;
fori=1:
160;
j（i,1:
25）=data2（i,4:
28）;
n1=1982:
1:
2006;
pp（i,:
）=polyfit（n1,j（i,1:
25）,1）;
b=pp（:
1）;
jd=data2（:
3）;
wd=data2（:
2）;
jdc=75:
0.5:
135;
wdc=18:
.5:
55;
bz=griddata（jd,wd,b,jdc,wdc'
cubic'
c=contour（jdc,wdc,bz）
xlabel（'
精度'
ylabel（'
纬度'
title（'
1982-2006年中国160站各站夏季降水线性倾向率分布图'
（2）.程序运行结果
实习四求给定数据的一元线性回归方程
1、资料介绍及要求
利用下表数据，以环流指标为预报因子，气温为预报量，计算气温和环流指标之间的一元线性回归方程，并对回归方程进行检验。
年份
气温T
环流指标
1951
0.9
32
1952
1.2
25
1953
2.2
20
1954
2.4
26
1955
-0.5
27
1956
2.5
24
1957
-1.1
28
1958
1959
6.2
15
1960
2.7
16
1961
3.2
1962
30
1963
22
1964
1965
1.8
1966
0.6
33
1967
1968
1969
1970
-0.8
35
F=20.18>
Fα=4.41，回归方程显著
2、实习结果
（1）、MATLAB程序
%实习四求给定数据的一元线性回归方程
ClimateData=xlsread（'
F:
气象统计方法\实验数据\气象统计 实验四 数据.xls'
%从Excel文件读取数据
x=ClimateData（:
%提取ClimateData的第三列，即环流指标
y=ClimateData（:
%提取ClimateData的第三列，即气温T
xdata=[ones（size（x,1）,1）,x];
%在原始数据x的左边加一列1，即模型包含常数项
[b,bint,r,rint,s]=regress（y,xdata）;
%调用regress函数作一元线性回归
yhat=xdata*b;
%计算y的估计值
%定义元胞数组，以元胞数组形式显示系数的估计值和估计值得95%置信区间
head1={'
系数的估计值'
估计值的95%置信下限'
估计值的95%置信上限'
};
[head1;
num2cell（[b,bint]）]
%定义元胞数组，以元胞数组形式显示y的真实值、y的估计值、残差和残差的95%置信区间
head2={'
y的真实值'
y的估计值'
残差'
残差的95%置信下限'
残差的95%置信上限'
%同时显示y的真实值，y的估计值、残差和残差的95%置信区间
[head2;
num2cell（[y,yhat,r,rint]）]
%定义元胞数组，以元胞数组形式显示判定系数、F统计量的观测值、检验的P值和误差方差的估计值
head3={'
判定系数'
F统计量的观测值'
检验的P值'
误差方差的估计值'
[head3;
num2cell（s）]
（2）、程序运行结果
ans=
'
[7.5095][4.6554][10.3637]
[-0.2343][-0.3433][-0.1253]
[0.9000][0.0123][0.8877][-1.5633][3.3388]
[1.2000][1.6523][-0.4523][-3.0331][2.1285]
[2.2000][2.8237][-0.6237][-3.1171][1.8696]
[2.4000][1.4180][0.9820][-1.5611][3.5251]
[-0.5000][1.1837][-1.6837][-4.1250][0.7576]
[2.5000][1.8866][0.6134][-1.9531][3.1800]
[-1.1000][0.9494][-2.0494][-4.4072][0.3084]
[0][1.8866][-1.8866][-4.2867][0.5136]
[6.2000][3.9952][2.2048][0.1971][4.2125]
[2.7000][3.7609][-1.0609][-3.3535][1.2317]
[3.2000][1.8866][1.3134][-1.1840][3.8108]
[-1.1000][0.4808][-1.5808][-3.9959][0.8342]
[2.5000][2.3552][0.1448][-2.4137][2.7034]
[1.2000][0.4808][0.7192][-1.8001][3.2385]
[1.8000][1.8866][-0.0866][-2.6717][2.4986]
[0.6000][-0.2220][0.8220][-1.5996][3.2437]
[2.5000][2.8237][-0.3237][-2.8318][2.1844]
[1.2000][0.0123][1.1877][-1.2301][3.6056]
[-0.8000][-0.6906][-0.1094][-2.4794][2.2606]
[0.5313][20.4045][2.6673e-004][1.5134]
（3）、结果分析
从输出的结果看，常数项和回归系数的估计值分别为7.5095和-0.2343，从而可以写出线性回归方程为
回归系数估计值的置信区间为[-0.3433,-0.1253]。
对回归直线进行显著性检验，原假设和对立假设分别为
检验P的值为2.6673×
10-4<
0.01，可知显著性水品α=0.01下应拒绝原假设
可认为y（环流指数）与x（气温T）的线性关系是显著的。
原始数据散点图与回归直线图
>
plot（x,y,'
k.'
Markersize'
15）%原始数据散点图
holdon
plot（x,yhat,'
linewidth'
3）%回归直线图
环流指标（x）'
）%标注x轴
气温（y）'
）%标注y轴
legend（'
原始散点'
回归直线'
）%加标注框
实习五对给定的海温数据进行EOF分析
给出海表温度距平数据资料sstpx.grd，以及相应的数据描述文件sstpx.ctl，对其进行EOF分析，资料的时空范围可以根据sstpx.ctl获知。
数据在文件夹中单独给出，距平或者标准化距平处理后再进行EOF。
Zhunsst.for给出了如何读取资料，
Ssteof.for为对距平或者标准化距平处理后的资料进行EOF分析。
实习报告中给出第一特征向量及其时间系数，并分析其时空特征。
3、实习结果：
（1）、FORTRAN源程序
preparedataforeofanalysis
theprogramistonormalizeseasurfacetemperature（SST）
mt:
thelengthoftimeseries;
mo:
themonthnumbers;
my:
theyearnumbers;
sst:
sea
升级会员 