精品文档气象统计方法实习报告 6000字范文word版 33页Word文档格式.docx

1、（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 program ex_grads implicit none integer,parameter:nx=37,ny=17,nz=4,nt=12 integer i,j,iz,it real var（nx,ny,nz,nt）,cl（nx,ny,nt）,sum,jp（nx,ny,nz,nt）,jfc（nx,

2、ny,nt）!Opening file open（10,file=g:gradsdatah500.dat）do iz=1,nz do it=1,nt read（10,1000）read（10,3000）（var（i,j,iz,it）,i=1,nx）,j=1,ny）enddo enddo 1000 format（2i7）201X format（37f6.2）3000 format（37f8.1）4000 format（37f7.2）close（10）!Output open（16,file=g:gradsdatah500.grd,form=binary）do iz=1,nz do it=1,nt

3、 write（16）（var（i,j,iz,it）,i=1,nx）,j=1,ny）enddo enddo!Calculating the Climatological Field do it=1,nt do i=1,nx do j=1,ny sum=0 do iz=1,nz sum=sum+var（i,j,iz,it）enddo cl（i,j,it）=sum/4 enddo enddo enddo!Output climate-file open（12,file=g:gradsdataclimate.grd,form=binary）do it=1,nt write（12）（cl（i,j,it）

4、,i=1,nx）,j=1,ny）enddo!Calculating the Anomaly do iz=1,nz do it=1,nt do i=1,nx do j=1,ny jp（i,j,iz,it）=var（i,j,iz,it）-cl（i,j,it）enddo enddo enddo enddo open（13,file=g:gradsdataanomaly.grd,form=binary）!Output anomaly-file do iz=1,nz do it=1,nt write（13）（jp（i,j,iz,it）,i=1,nx）,j=1,ny）enddo enddo!Calcula

5、ting the Mean-square Deviation do it=1,nt do i=1,nx do j=1,ny sum=0 do iz=1,nz sum=sum+（jp（i,j,iz,it）*2 enddo jfc（i,j,it）=sqrt（sum/4）enddo enddo enddo!Output mean-square deviation-file open（14,file=g:gradsdatadeviation.grd,form=binary）do it=1,nt write（14）（jfc（i,j,it）,i=1,nx）,j=1,ny）enddo end（2）、grad

6、s 文件 open g:gradsdata*.ctl（*为所求场对应的 ctl 文件名）set lat 0 40 set lon 60 150 set lev 500 enable print g:gradsdata*.gmf（*为所求场名称）i=1 while（imax_y）THEN max_y=rxy_ty（ty）k=ty END IF END DO PRINT（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 k=0 DO tw=1,N/2 DO i=1,N-tw rtw（i）=（w（i）-avr_w）/sw）*（w（i+

7、tw）-avr_w）/sw）rxy_tw（tw）=rxy_tw（tw）+rtw（i）END DO 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 END IF END DO PRINT（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）,k k=0!落后交叉相关系数 DO tyw=1,N/2 DO i=1,N-tyw rtyw（i）=（y（i）-avr_y）/sy）*（w（i+tyw）-a

8、vr_w）/sw）rxy_tyw（tyw）=rxy_tyw（tyw）+rtyw（i）END DO 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 END IF END DO PRINT（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）,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

9、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 clear all 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%

10、f%f%f%f%f%f%f%f%f%f%f%f%f,28,160）;data2=data1;fclose（fid）;for i=1:160;j（i,1:25）=data2（i,4:28）;n1=1982:1:201X;pp（i,:）=polyfit（n1,j（i,1:25）,1）;end 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-

11、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 5550 4540 度 纬 35 302520 80 90 100 110 120 130 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：?7.5-0.23x y F=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=xlsre

12、ad（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 head

13、1=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;n

14、um2cell（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 7.5095 4.6554 10.3637 -0.2343-0.3433-0.1253 ans=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 0.9000 0.0123 0.8877 -1.5633 3.3388 1.201X 1.6523-0.4523 -3.0331 2.1285 2.201X 2.8237-0.6237 -3.1171 1.8696 2.4000 1.4180 0.9820 -1.5611 3.5251 -0.5000 1.1

15、837-1.6837 -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 6.201X 3.9952 2.2048 0.1971 4.2125 2.7000 3.7609-1.0609 -3.3535 1.2317 3.201X 1.8866 1.3134 -1.1840 3.8108 -1.1000 0.4808-1.5808 -3.9959 0.8342 2.5000 2.3552 0.1448 -2.41

16、37 2.7034 1.201X 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 2.4000 1.4180 0.9820 -1.5611 3.5251 2.5000 2.8237-0.3237 -2.8318 2.1844 1.201X 0.0123 1.1877 -1.2301 3.6056 -0.8000 -0.6906-0.1094 -2.4794 2.2606 ans=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

17、.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?7.5095?0.2343x y 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,H1:0-4 检验 P 的值为 2.6673 10plot（x,y,k.,Markersize,15）%原始数据散点图 hold on plot（x,yhat,linewidth,3）%回归直线图 xlabel（环流指标（x）%标注 x轴 ylabel

18、（气温（y）%标注 y轴 legend（原始散点,回归直线）%加标注框 气温（y）15 20 25 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

19、：（1）、FORTRAN源程序!prepare data for eof analysis!the program is to normalize sea surface temperature（SST）!mt:the length of time series;!mo:the month numbers;my:the year numbers;sst:sea surface temperature data;sst3:the work array;avf:the average of SST;df:the variance of SST;program main parameter（mo=1

20、2,my=43,nx=18,ny=12,mt=516）dimension avf（mo,nx,ny）,df（mo,nx,ny）dimension sst（nx,ny,mt）,sst3（nx,ny,mt）open（1,file=g:sstpxsstpx.grd,form=unformatted,access=direct,recl=nx*ny）do it=1,mt read（1,rec=irec）（sst（i,j,it）,i=1,nx）,j=1,ny）irec=irec+1 end do!average do j=1,ny do i=1,nx do k=1,mo do it=k,mt,12 av

21、f（k,i,j）=avf（k,i,j）+sst（i,j,it）end do avf（k,i,j）=avf（k,i,j）/my end do end do end do!variance do j=1,ny do i=1,nx do k=1,mo do it=k,mt,12 df（k,i,j）=df（k,i,j）+（sst（i,j,it）-avf（k,i,j）*2 end do df（k,i,j）=sqrt（df（k,i,j）/my）end do end do end do!standardizing do j=1,ny do i=1,nx do k=1,mo do it=k,mt,12 if（

22、sst（i,j,it）=-999.0）then sst3（i,j,it）=-999.0 else sst3（i,j,it）=（sst（i,j,it）-avf（k,i,j）/df（k,i,j）end if end do end do end do end do!output file open（2,file=g:sstpxstandard.grd,form=unformatted,access=direct,recl=nx*ny）irec=1 write（2,rec=irec）（sst3（i,j,it）,i=1,nx）,j=1,ny）irec=irec+1 end do close（2）clos

23、e（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.ctl dset g:sstpxevf.grd title Coads SSTA E undef-999.0 xdef 18

24、linear 120 10 ydef 12 linear-27.5 5 zdef 1 linear 1000 1 tdef 2 linear 1jan1948 1month vars 1 S 0 99 Coads SST anomaly interperated using endvars tcf.ctl dset g:sstpxtcf.grd title Coads SSTA T undef-999.0 xdef 1 linear 120 10 ydef 1 linear-27.5 5 zdef 1 linear 1000 1 tdef 516 linear 1jan1948 1month

25、vars 2 a 0 99 time coefficient 1 b 0 99 time coefficient 2 endvars（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 0 0 0-0.0220 0.0180 0.0430 0.0340 0.0640 0.0540 0.0600 0.0690 0.0550 0.0370 0.0100-0.0190-0.0210-0.0460 0 0 0 0-0.0230 0.0210 0.0500 0.0610 0.0540 0

26、.0500 0.0260 0.0130 0.0070-0.0600-0.0580-0.0690-0.0530-0.0550 0-0.0130 0-0.0010 0.0230 0.0280 0.0350 0.0510 0.0320 0.0080-0.0550-0.0730-0.1070-0.1180-0.0990-0.0760-0.0680-0.0780 0-0.0140-0.0140 0.0010 0.0360 0.0270 0.0180-0.0010-0.0560-0.0610-0.1050-0.1230-0.1230-0.1220-0.1140-0.0970-0.0870-0.1110 0

27、 -0.0130-0.0050 0.0170 0.0490-0.0140-0.0510-0.0540-0.1050-0.1120-0.0970-0.1010-0.1400-0.1410-0.1270-0.1270-0.1070-0.1180 0-0.0080 0.0170 0.0490 0.0120-0.0640-0.0950-0.1100-0.1330-0.1250-0.1220-0.1130-0.1220-0.1270-0.1360-0.1190-0.1180 0 0-0.0200 0.0120 0.0150-0.0010-0.0480-0.1040-0.1030-0.1270-0.130

28、0-0.1160-0.1180-0.1130-0.1010-0.1000-0.1060-0.1240-0.1080 0-0.0280 0.0070 0.0140 0.0120-0.0020-0.0340-0.0710-0.0810-0.0800-0.1020-0.1150-0.0980-0.0950-0.0890-0.1080-0.1380-0.1120 0-0.0320 0.0120 0.0250 0.0120 0.0010-0.0190-0.0080-0.0440-0.0620-0.0770-0.0810-0.0630-0.0530-0.0810-0.0770-0.1310-0.0780-

29、0.0640-0.0210-0.0090 0.0210 0.0310 0.0240 0.0040-0.0090-0.0370-0.0610-0.0560-0.0640-0.0650-0.0720-0.0840-0.0850-0.0520-0.0660-0.0780-0.0110-0.0260-0.0100-0.0110 0.0280 0.0180 0.0240 0-0.0230-0.0420-0.0660-0.0630-0.0650-0.0960 0.0160-0.0340-0.0480-0.0630-0.0080-0.0110-0.0070-0.0050 0.0130 0.0350 0.04

30、50 0.0600 0.0550 0.0280-0.0230-0.0590-0.0950-0.0630 0.0070 0.0040 0.0100-0.0140 （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