第五章 气候持续性与气候趋势诊断.pdf

第五章 气候持续性与气候趋势诊断 本章重点介绍气候变化趋势的诊断 气候序列一般具有以下特征 : (1) 数据的取值随时间变化； (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和持续性； (4) 序列整体上有上升或下降趋势,并呈现周 期性振荡； (5) 在某一时刻的数据取值出现转折或突变。 x 气候时间序列 , 由下列几个分量构成:t x  H  P  C  S  t t t t t t 其中 H 气候趋势,气候要素在几十年的时间尺度上的t 缓慢上升或下降的变化，相对序列长度的气候波动； P 气候序列中固有的周期性变化；t （年变化、月变化） C 循环变化分量, 气候序列周期长度不严格的t 隐含周期性波动（周期长度不很严格的振动）； S 平稳时间序列分量；t  随机扰动项,又称白噪声。t 分离气候变化趋势的常用做法 用年 (月、季)总量或年 （月、季）平均值 构造气候时间序列,由此可消除固有周期 性分量 P 。 t 作统计处理,消除或削弱循环变化分量 C t 和随机扰动项 a 。 t 由此可将趋势分量 H 显现出来。 t s 则可以由平稳随机序列分析方法处理。 t §5.1 气候持续性的诊断 气候持续性是指气候变化过程中，某种气 候状态维持相当长的时间，例如连续几年少雨 干旱或多雨洪涝，连续几年温度偏低或偏高。 气候持续性的诊断 设x ，x ，…，x 是某气候要素X的n次观 1 2 n 测，根据气候持续性定义，得到如下关系式 x ax  t t1 i 式中 ε是随机误差。 t 由数理统计知识，可以求得 acov{x ,x }/ 2 t t1 1  cov{x ,x }/ 2 2 2 t t2 1     1 ||    一个时间序列是否具有持续性，需要进行 统计检验。 由于气候持续性特性由其观测序列的自相 关系数决定，故要对自相关系数，主要是后延 为1的自相关系数 ρ进行检验。 1 假定时间序列服从正态分布，且样本容量n 足够大 (时间足够长)，一般n30，则在显著性 水平为 α，原假设 ρ=0的条件下，可以求得 1 判断样本相关系数r 显著性的临界值为