精品文档气象统计方法实习报告 6000字范文word版 33页.docx
《精品文档气象统计方法实习报告 6000字范文word版 33页.docx》由会员分享,可在线阅读,更多相关《精品文档气象统计方法实习报告 6000字范文word版 33页.docx(26页珍藏版)》请在冰豆网上搜索。
精品文档气象统计方法实习报告精品文档气象统计方法实习报告6000字范文字范文word版版33页页本文部分内容来自网络整理,本司不为其真实性负责,如有异议或侵权请及时联系,本司将立即删除!
=本文为word格式,下载后可方便编辑和修改!
=气象统计方法实习报告气象统计方法实习报告(6000字字)实习一求500hPa高度场气候场、距平场和均方差场-31、资料介绍-32要求-33、实习结果-31)、FORTRAN源程序-3
(2)、grads文件-5(3)、实习结果-6实习二计算给定数据资料的简单相关系数和自相关系数-111、资料介绍-112、要求-113、实习结果-12
(1)、Fortran源程序-12
(2)、程序运行结果:
-14实习三分析中国夏季降水线性趋势的分布特征-151.资料介绍及要求:
-152.实习结果-15
(1).matlab程序-15
(2).程序运行结果-16实习四求给定数据的一元线性回归方程-171、资料介绍及要求-172、实习结果-18
(1)、MATLAB程序-18
(2)、程序运行结果-18(3)、结果分析-19实习五对给定的海温数据进行EOF分析-211、资料介绍-212、要求-213、实习结果:
-21
(1)、FORTRAN源程序-21
(2)空间场和时间序列的ctl文件-23(3)运行结果-24(4)分析-26实习三(附加)计算给定数据的11年滑动平均和累积距平-281、资料介绍-282、要求-283、实习结果-28实习四(附加)求给定数据的多元线性回归方程-311、说明-312、要求-313、实习结果:
-31
(1)Matlab源程序-31
(2)运行结果-35实习一求500hPa高度场气候场、距平场和均方差场1、资料介绍有一500hPa高度场资料,文件名h500.dat,范围:
60150E,040N.时段:
1982.11985.12共48个月。
水平分辨率:
2.5*2.5,格点数:
37*17。
2要求编fortran程序,求500hPa高度场的
(1)气候场;
(2)距平场;(3)均方差场。
并能用Grads做出图形,实习报告中气候场、距平场、均方差场任意给出两张图,图注要清楚,即要注明是哪个时间的图形,并做简单分析。
注:
h500.For给出了如何用fortran读取ASCII码资料h500.dat.3、实习结果1)、FORTRAN源程序programex_gradsimplicitnoneinteger,parameter:
nx=37,ny=17,nz=4,nt=12integeri,j,iz,itrealvar(nx,ny,nz,nt),cl(nx,ny,nt),sum,jp(nx,ny,nz,nt),jfc(nx,ny,nt)!
Openingfileopen(10,file=g:
gradsdatah500.dat)doiz=1,nzdoit=1,ntread(10,1000)read(10,3000)(var(i,j,iz,it),i=1,nx),j=1,ny)enddoenddo1000format(2i7)201Xformat(37f6.2)3000format(37f8.1)4000format(37f7.2)close(10)!
Outputopen(16,file=g:
gradsdatah500.grd,form=binary)doiz=1,nzdoit=1,ntwrite(16)(var(i,j,iz,it),i=1,nx),j=1,ny)enddoenddo!
CalculatingtheClimatologicalFielddoit=1,ntdoi=1,nxdoj=1,nysum=0doiz=1,nzsum=sum+var(i,j,iz,it)enddocl(i,j,it)=sum/4enddoenddoenddo!
Outputclimate-fileopen(12,file=g:
gradsdataclimate.grd,form=binary)doit=1,ntwrite(12)(cl(i,j,it),i=1,nx),j=1,ny)enddo!
CalculatingtheAnomalydoiz=1,nzdoit=1,ntdoi=1,nxdoj=1,nyjp(i,j,iz,it)=var(i,j,iz,it)-cl(i,j,it)enddoenddoenddoenddoopen(13,file=g:
gradsdataanomaly.grd,form=binary)!
Outputanomaly-filedoiz=1,nzdoit=1,ntwrite(13)(jp(i,j,iz,it),i=1,nx),j=1,ny)enddoenddo!
CalculatingtheMean-squareDeviationdoit=1,ntdoi=1,nxdoj=1,nysum=0doiz=1,nzsum=sum+(jp(i,j,iz,it)*2enddojfc(i,j,it)=sqrt(sum/4)enddoenddoenddo!
Outputmean-squaredeviation-fileopen(14,file=g:
gradsdatadeviation.grd,form=binary)doit=1,ntwrite(14)(jfc(i,j,it),i=1,nx),j=1,ny)enddoend
(2)、grads文件openg:
gradsdata*.ctl(*为所求场对应的ctl文件名)setlat040setlon60150setlev500enableprintg:
gradsdata*.gmf(*为所求场名称)i=1while(imax_y)THENmax_y=rxy_ty(ty)k=tyENDIFENDDOPRINT(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),kk=0DOtw=1,N/2DOi=1,N-twrtw(i)=(w(i)-avr_w)/sw)*(w(i+tw)-avr_w)/sw)rxy_tw(tw)=rxy_tw(tw)+rtw(i)ENDDOrxy_tw(tw)=rxy_tw(tw)/(N-tw)rxy_tw(tw)=ABS(rxy_tw(tw)IF(rxy_tw(tw)max_w)THENmax_w=rxy_tw(tw)k=twENDIFENDDOPRINT(冬季平均气温绝对值最大自相关系数rxy_tw=,f7.4,/,滞后时间长度k=,I2),rxy_tw(k),kk=0!
落后交叉相关系数DOtyw=1,N/2DOi=1,N-tywrtyw(i)=(y(i)-avr_y)/sy)*(w(i+tyw)-avr_w)/sw)rxy_tyw(tyw)=rxy_tyw(tyw)+rtyw(i)ENDDOrxy_tyw(tyw)=rxy_tyw(tyw)/(N-tyw)rxy_tyw(tyw)=ABS(rxy_tyw(tyw)IF(rxy_tyw(tyw)max_yw)THENmax_yw=rxy_tyw(tyw)k=tywENDIFENDDOPRINT(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=,f7.4,/,滞后时间长度k=,I2),rxy_tyw(k),kEND
(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1982-201X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1982-201X年中国160站各站夏季降水线性倾向率clearallclcfid=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:
201X;pp(i,:
)=polyfit(n1,j(i,1:
25),1);endb=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(1982-201X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1982-201X年中国160站各站夏季降水线性倾向率分布图55504540度纬353025208090100110120130经度)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。
答案:
?
7.5-0.23xyF=20.18F=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(:
3);%提取ClimateData的第三列,即环流指标y=ClimateData(:
2);%提取ClimateData的第三列,即气温Txdata=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=系数的估计值估计值的95%置信下限估计值的95%置信上限7.50954.655410.3637-0.2343-0.3433-0.1253ans=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0.90000.01230.8877-1.56333.33881.201X1.6523-0.4523-3.03312.12852.201X2.8237-0.6237-3.11711.86962.40001.41800.9820-1.56113.5251-0.50001.1837-1.6837-4.12500.75762.50001.88660.6134-1.95313.1800-1.10000.9494-2.0494-4.40720.308401.8866-1.8866-4.28670.51366.201X3.99522.20480.19714.21252.70003.7609-1.0609-3.35351.23173.201X1.88661.3134-1.18403.8108-1.10000.4808-1.5808-3.99590.83422.50002.35520.1448-2.41372.70341.201X0.48080.7192-1.80013.23851.80001.8866-0.0866-2.67172.49860.6000-0.22200.8220-1.59963.24372.40001.41800.9820-1.56113.52512.50002.8237-0.3237-2.83182.18441.201X0.01231.1877-1.23013.6056-0.8000-0.6906-0.1094-2.47942.2606ans=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0.531320.40452.6673e-0041.5134(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?
7.5095?
0.2343xy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H0:
?
1?
0,H1:
?
1?
0-4检验P的值为2.667310plot(x,y,k.,Markersize,15)%原始数据散点图holdonplot(x,yhat,linewidth,3)%回归直线图xlabel(环流指标(x)%标注x轴ylabel(气温(y)%标注y轴legend(原始散点,回归直线)%加标注框气温(y)152025环流指标(x)3035实习五对给定的海温数据进行EOF分析1、资料介绍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。
2、要求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:
seasurfacetemperaturedata;!
sst3:
theworkarray;avf:
theaverageofSST;!
df:
thevarianceofSST;programmainparameter(mo=12,my=43,nx=18,ny=12,mt=516)dimensionavf(mo,nx,ny),df(mo,nx,ny)dimensionsst(nx,ny,mt),sst3(nx,ny,mt)open(1,file=g:
sstpxsstpx.grd,form=unformatted,access=direct,recl=nx*ny)doit=1,mtread(1,rec=irec)(sst(i,j,it),i=1,nx),j=1,ny)irec=irec+1enddo!
averagedoj=1,nydoi=1,nxdok=1,modoit=k,mt,12avf(k,i,j)=avf(k,i,j)+sst(i,j,it)enddoavf(k,i,j)=avf(k,i,j)/myenddoenddoenddo!
variancedoj=1,nydoi=1,nxdok=1,modoit=k,mt,12df(k,i,j)=df(k,i,j)+(sst(i,j,it)-avf(k,i,j)*2enddodf(k,i,j)=sqrt(df(k,i,j)/my)enddoenddoenddo!
standardizingdoj=1,nydoi=1,nxdok=1,modoit=k,mt,12if(sst(i,j,it)=-999.0)thensst3(i,j,it)=-999.0elsesst3(i,j,it)=(sst(i,j,it)-avf(k,i,j)/df(k,i,j)endifenddoenddoenddoenddo!
outputfileopen(2,file=g:
sstpxstandard.grd,form=unformatted,access=direct,recl=nx*ny)irec=1write(2,rec=irec)(sst3(i,j,it),i=1,nx),j=1,ny)irec=irec+1enddoclose
(2)close
(1)end分解后的时间系数写入tcf.grd文件中,空间场写入evf.grd文件中,特征值和分析误差写入sstpx文件夹下的eigenvalue.dat文件,特征向量写入eigenvactors.dat文件。
由eigenvalues.dat中的标准特征向量可得出一般特征值的前两个模态有效。
用grads打开evf.ctl和tcf.ctl,分别画出海平面气温EOF分解后的空间场和时间序列。
(2)空间场和时间序列的ctl文件evf.ctldsetg:
sstpxevf.grdtitleCoadsSSTAEundef-999.0xdef18linear12010ydef12linear-27.55zdef1linear10001tdef2linear1jan19481monthvars1S099CoadsSSTanomalyinterperatedusingendvarstcf.ctldsetg:
sstpxtcf.grdtitleCoadsSSTATundef-999.0xdef1linear12010ydef1linear-27.55zdef1linear10001tdef516linear1jan19481monthvars2a099timecoefficient1b099timecoefficient2endvars(3)运行结果第一模态空间场时间系数第二模态空间场时间系数第一特征向量Eigenvalues.dat文件给出了EOF分析的第一特征向量值的216个值000-0.02200.01800.04300.03400.06400.05400.06000.06900.05500.03700.0100-0.0190-0.0210-0.04600000-0.02300.02100.05000.06100.05400.05000.02600.01300.0070-0.0600-0.0580-0.0690-0.0530-0.05500-0.01300-0.00100.02300.02800.03500.05100.03200.0080-0.0550-0.0730-0.1070-0.1180-0.0990-0.0760-0.0680-0.07800-0.0140-0.01400.00100.03600.02700.0180-0.0010-0.0560-0.0610-0.1050-0.1230-0.1230-0.1220-0.1140-0.0970-0.0870-0.11100-0.0130-0.00500.01700.0490-0.0140-0.0510-0.0540-0.1050-0.1120-0.0970-0.1010-0.1400-0.1410-0.1270-0.1270-0.1070-0.11800-0.00800.01700.04900.0120-0.0640-0.0950-0.1100-0.1330-0.1250-0.1220-0.1130-0.1220-0.1270-0.1360-0.1190-0.118000-0.02000.01200.0150-0.0010-0.0480-0.1040-0.1030-0.1270-0.1300-0.1160-0.1180-0.1130-0.1010-0.1000-0.1060-0.1240-0.10800-0.02800.00700.01400.0120-0.0020-0.0340-0.0710-0.0810-0.0800-0.1020-0.1150-0.0980-0.0950-0.0890-0.1080-0.1380-0.11200-0.03200.01200.02500.01200.0010-0.0190-0.0080-0.0440-0.0620-0.0770-0.0810-0.0630-0.0530-0.0810-0.0770-0.1310-0.0780-0.0640-0.0210-0.00900.02100.03100.02400.0040-0.0090-0.0370-0.0610-0.0560-0.0640-0.0650-0.0720-0.0840-0.0850-0.0520-0.0660-0.0780-0.0110-0.0260-0.0100-0.01100.02800.01800.02400-0.0230-0.0420-0.0660-0.0630-0.0650-0.09600.0160-0.0340-0.0480-0.0630-0.0080-0.0110-0.0070-0.00500.01300.03500.04500.06000.05500.0280-0.0230-0.0590-0.0950-0.06300.00700.00400.0100-0.0140(4)分析第一模态空间场时间系数此次试验EOF分析中的前两个特征向量最大限度地表征了海平面温度场的主要结构。
第一特征向量所描绘的第一经验正交函数的特征场(即第一模态)具有海表面气温516个样本的最相似的特征。
若其可以解释为516个月的标准化特征,它指示出海表温度变化的扰动。
其对应的时间系数可以表示为第一模态空间场的时间权重。
从第一模态的空间特征场可以看出,受到大尺度环流影响,整场的空间变化基本全为负值。
而其值乘以时间权重后均变为负值。
也就是大的时间系数乘以空间特征值对应海表温度的低值,而小的时间系数乘以空间特征值则对应高值。
海表温度的低值对应了气象上的拉尼娜年,而海表温度的高值对应