《气象统计方法实习报告材料》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(56页珍藏版)》请在人人文库网上搜索。

1、实用标准文档目录实习一求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41 )、FORTRAN 源程序4(2)、grads 文件8(3 )、实习结果8实习二 计算给定数据资料的简单相关系数和自相关系数 151、资料介绍 152、要求 153、实习结果 16(1 )、Fortran 源程序 1 6(2 )、程序运行结果： 20实习三 分析中国夏季降水线性趋势的分布特征 211.资料介绍及要求： 212.实习结果 21(1 ) .matlab 程序 21(2 ) 程序运行结果 22实习四 求给定数据的一元线性回归方程 241、资料介绍及要求 242、实习结果 。

2、25(1 )、MATLAB程序 25(2 )、程序运行结果 26(3 )、结果分析 27实习五 对给定的海温数据进行EOF分析 291、资料介绍 292、要求 293、实习结果： 29(1 )、FORTRAN 源程序 29(2 )空间场和时间序列的 ctl文件 33(3 )运行结果 34(4 )分析 37实习三(附加)计算给定数据的11年滑动平均和累积距平 401、资料介绍 402、要求 403、实习结果 41实习四(附加) 求给定数据的多元线性回归方程 431、说明 432、要求 443、实习结果： 44(1 ) Matlab 源程序 44(2 )运行结果 52实习一 求500hPa高度场气。

3、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program ex。

4、_gradsimplicit nonein teger,parameter: nx=37 ,ny =17 ,nz=4,n t=12in teger i,j,iz,itreal var(nx,ny,nz,n t),cl( nx,ny,n t),sum,jp( nx,ny,nz,n t),jfc( nx,ny,nt)! Opening fileope n( 10,file=g:gradsdatah500.dat)do iz=1, nzdo it=1, ntread(10,1000)read(10,3000) (var(i,j,iz,it),i=1,nx),j=1,ny)en ddoen ddo10。

5、00format(2i7)2000format(37f6.2)3000format(37f8.1)4000format(37f7.2)close(10)!Outputope n( 16,file=g:gradsdatah500.grd,form=b in ary)do iz=1, nzdo it=1, ntwrite(16) (var(i,j,iz,it),i=1, nx),j=1, ny)en ddoen ddo!Calculating the Climatological Fielddo it=1, ntdo i=1, nxdoj=1, nysum=0do iz=1, nzsum=sum+。

6、var(i,j,iz,it)en ddocl(i,j,it)=sum/4en ddoen ddoen ddo! Output climate-fileope n( 12,file=g:gradsdataclimate.grd,form=b in ary) do it=1, ntwrite(12)(cl(i,j,it),i=1, nx),j=1, ny)en ddo!Calculating the Anomalydo iz=1, nzdo it=1, ntdo i=1, nxdoj=1, nyjp(i,j,iz,it)=var(i,j,iz,it)-cl(i,j,it)en ddoen ddoe。

7、n ddoen ddoope n( 13,file=g:gradsdataa no maly.grd,form=b in ary)!Output ano maly-filedo iz=1, nzdo it=1, ntwrite(13)(jp(i,j,iz,it),i=1, nx),j=1, ny)en ddoen ddo!Calculat ing the Mean-square Deviatio ndo it=1, ntdo i=1, nxdoj=1, nysum=0do iz=1, nzsum=sum+(jp(i,j,iz,it)*2en ddojfc(i,j,it)=sqrt(sum/4)。

8、en ddoen ddoen ddo!Output mean-square deviation-fileope n(14,file=g:gradsdatadeviatio n.grd,form=bi nary)do it=1, ntwrite(14)(jfc(i,j,it),i=1, nx),j=1, ny)en ddo end、grads文件open g:gradsdata*.ctl(* 为所求场对应的 ctl 文件名)set lat 0 40set lon 60 150set lev 500enable print g:gradsdata*.gmf(* 为所求场名称)i=1while(im。

9、ax_y) THENmax_y=rxy_ty(ty)k=tyEND IFEND DOPRINT (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=,l2),rxy_ty(k),kk=0DO tw=1,N/2DO i=1,N-twrtw(i)=(w(i)-avr_w)/sw)*(w(i+tw)-avr_w)/sw)rxy_tw(tw)=rxy_tw(tw)+rtw(i)END DOrxy_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)。

10、k=twEND IF间长度滞后时END DOPRINT (冬季平均气温绝对值最大自相关系数rxy_tw=，亿4,/,滞后时k=,l2),rxy_tw(k),k k=0!落后交叉相关系数DO tyw=1,N/2DO i=1,N-tywrtyw(i)=(y(i)-avr_y)/sy)*(w(i+tyw)-avr_w)/sw)rxy_tyw(tyw)=rxy_tyw(tyw)+rtyw(i)END DOrxy_tyw(tyw)=rxy_tyw(tyw)/(N-tyw)rxy_tyw(tyw)=ABS(rxy_tyw(tyw)IF(rxy_tyw(tyw)max_yw) THENmax_yw=rxy_。

11、tyw(tyw)k=tywEND IFEND DOPRINT (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,/,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1982-2006 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1982-20。

12、06年中国160站各站夏季降水线性倾向率clear allclcfid=fopen(E:/160zhan-rainfall-summer.txt,rt);tlin e=fgets(fid);data1=fsca nf(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);for i=1:160;j(i,1:25)=data2(i,4:28);n仁 1982:1:2006;pp(i,:)=polyfit( n1,。

13、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=c on tour(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1982-2006年中国160站各站夏季降水线性倾向率分布图5550454035302520_,、 i 6-A HAh a占勺%广?r打 p ,j7P-*1 :严t 匚-茂一C。

14、L 1-雲-c iii:7-1510-58090100 110经度)120130-10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19510.93219521.22519532.22019542.4261955-0.52719562.5241957-1.128195802419596.21519602.71619613.2241962-1.13019632.52219641.23019651.82419660.63319672.42619682.5201。

15、9691.2321970-0.835答案：?7.5- 0.23xF=20.18 F尸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,。

16、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仁系数的估计值,估计值的95%置信下限,估计值的95%置信上限;headl; nu m2cell(b,bi nt)%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; nu m2cell(y,y。

17、hat,r,ri nt)%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; nu m2cell(s)(2)、程序运行结果ans = 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7.50954.655410.3637-0.2343-0.3433-0.1253y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0.90000.01230.8877-1.56333.33881.20001.6523-0.4523-3.03312.12852.200。

18、02.8237-0.6237-3.11711.86962.40001.41800.9820-1.56113.5251-0.50001.1837-1.6837-4.12500.75762.5000 1.88660.6134-1.95313.1800-1.10000.9494-2.0494-4.40720.30840 1.8866-1.8866-4.28670.51366.20003.99522.20480.19714.21252.70003.7609-1.0609-3.35351.23173.2000 1.88661.3134-1.18403.8108-1.10000.4808-1.5808-3。

19、.99590.83422.50002.35520.1448-2.41372.70341.20000.48080.7192-1.80013.23851.8000 1.8866-0.0866-2.67172.49860.6000-0.22200.8220-1.59963.24372.40001.41800.9820-1.56113.52512.50002.8237-0.3237-2.83182.18441.20000.01231.1877-1.23013.6056-0.8000-0.6906-0.1094-2.47942.2606ans =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0.53。

20、1320.40452.6673e-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 0.2343x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H 0 :10, H 1 :10检验P的值为2.6673 X104 plot(x,y, k. ,Markersize ,15) % 原始数据散点图hold onplot(x,yhat, li newidth ,3) % 回归直线图xlabel(环流指标(x)%标注x轴ylabel(气温(y。

21、)% 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! prepare data for eof a。

22、n alysis! the program is to no rmalize sea surface temperature(SST)! mt: the len gth of time series;! mo: the month nu mbers;my: the year nu mbers;! sst: sea surface temperature data;!sst3: the work array;avf: the average of SST;! df: the varia nee of SST;program mai nparameter(mo=12,my=43, nx=18, n。

23、y=12,mt=516)dime nsion avf(m o,nx,ny ),df(m o,nx,ny)dime nsion sst( nx,ny, mt),sst3( nx,ny, mt)ope n(1,file=g:sstpxsstpx.grd,form=un formatted,aeeess=direet,reel=nx*ny)iree=1do it=1,mtread(1,ree=iree)(sst(i,j,it),i=1, nx),j=1, ny) iree=iree+1end do! averagedoj=1, nydo i=1, nxdo k=1,modo it=k,mt,12av。

24、f(k,i,j)=avf(k,i,j)+sst(i,j,it)end doavf(k,i,j)=avf(k,i,j)/myend doend doend do! varia needoj=1, nydo i=1, nxdo k=1,modo it=k,mt,12df(k,i,j)=df(k,i,j)+(sst(i,j,it)-avf(k,i,j)*2end dodf(k,i,j)=sqrt(df(k,i,j)/my)end doend doend do! sta ndardiz ingdoj=1, nydo i=1, nxdo k=1,modo it=k,mt,12if(sst(i,j,it)。

25、=-999.0)the nsst3(i,j,it)=-999.0elsesst3(i,j,it)=(sst(i,j,it)-avf(k,i,j)/df(k,i,j)end ifend doend doend doend do! output fileope n( 2,file=g:sstpxsta ndard.grd,form=un formatted,access=direct,recl=nx*ny)irec=1do it=1,mtwrite(2,rec=irec)(sst3(i,j,it),i=1, nx),j=1, ny)irec=irec+1end doclose(2)close(1)。

26、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eige nvalues.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.ctldset g:sstpxevf.grdtitle Coads SSTA Eun def -999.0xdef 18 lin ear 120 10ydef 12 l。

27、in ear -27.5 5zdef 1 linear 1000 1tdef 2 linear 1jan 1948 1mo nthvars 1S 0 99Coads SST ano maly in terperated usingen dvarstcf.ctldset g:sstpxtcf.grdtitle Coads SSTA Tun def -999.0xdef 1 lin ear 120 10ydef 1 lin ear -27.5 5zdef 1 linear 1000 1tdef 516 linear 1jan 1948 Imonthvars 2a 0 99 time coeffic。

28、ie nt 1b0 99 time coefficie nt 2en dvars(3 )运行结果第一模态空间场the SST Spacial Field for EOF Analysis/NOJI20EI40EIfiAf180HOW120*I DOW&0W时间系数the SST Time Coefficient for EOF Anolysis/Nor1第二模态空间场the SST Spaciol Field for EOF Analysis/N0.2-15N -10W 25S-0 03ISOI2CWIDO*0*时间系数the SST Time Coefficient for EOF Anal。

29、ysis/Nc.2ISM1901Wlft?D19*0T9R5l*Wfl第一特征向量Eige nvalues.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 -0.00100.02300.02800.03。

30、500.05100.03200.0080-0.0550-0.0730-0.1070-0.1180-0.0990-0.0760-0.0680-0.07800-0.0140-0.01400.00100.03600.02700.0180-0.0010-0.0560-0.0610-0.1050-0.1230-0.1230-0.1220-0.1140-0.0970-0.0870-0.11100-0.0130-0.00500.01700.0490-0.0140-0.0510-0.0540-0.1050-0.1120-0.0970-0.1010-0.1400-0.1410-0.1270-0.1270-0.1。

31、070-0.11800-0.00800.01700.04900.0120-0.0640-0.0950-0.1100-0.1330-0.1250-0.1220-0.1130-0.1220-0.1270-0.1360-0.1190-0.118000-0.02000.01200.0150-0.0010-0.0480-0.1040-0.1030-0.1270-0.1300-0.1160-0.1180-0.1130-0.1010-0.1000-0.1060-0.1240-0.10800-0.02800.00700.01400.0120-0.0020-0.0340-0.0710-0.0810-0.0800。

32、-0.1020-0.1150-0.0980-0.0950-0.0890-0.1080-0.1380-0.11200-0.03200.01200.02500.01200.0010-0.0190-0.0080-0.0440-0.0620-0.0770-0.0810-0.0630-0.0530-0.0810-0.0770-0.1310-0.0780-0.0640-0.0210-0.00900.02100.03100.02400.0040-0.0090-0.0370-0.0610-0.0560-0.0640-0.0650-0.0720-0.0840-0.0850-0.0520-0.0660-0.078。

33、0-0.0110-0.0260-0.0100-0.01100.02800.01800.02400-0.0230-0.0420-0.0660-0.0630-0.0650-0.09600.0160-0.0340-0.0480-0.0630-0.0080-0.0110-0.0070-0.00500.01300.03500.04500.06000.05500.0280-0.0230-0.0590-0.0950-0.06300.00700.00400.0100-0.0140(4)分析第一模态空间场the SST Spacial Field for EOF Analysis/NOJ时间系数the SST 。

34、Time Coefficient for EOF Analysis/NoH 115日liURBSIttTD1-OflSqtT 丹l-BMl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。

35、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了厄尔尼诺年。厄尔尼诺现象泛指赤道附近的东部太平洋表层海水温度上升引起的气候异常现象，它是热带海洋洋流与大气互作用的产物。 其基本特征是太平洋沿岸的海面水温异常升高，海水水位上涨，并形成一股暖流向南流动。它使原属冷水域的太平洋东部水域变成暖水域，结果引起海啸和暴风骤雨，造成一些地区干旱，另一些地区又降雨过多的异常气候现象。 所以，在 空间特征场乘以时间系数后的高值表示厄尔尼诺年。拉尼娜现象是指海洋中的赤道的中部和东部太平洋，东西上万公里，南北跨度上千公里的范围内，海洋温度比正常温度东部和中部海面温度。

36、偏低0.2摄氏度，并持续半年(与厄尔尼诺现象正好相反)，东南信风将表面被太阳晒热的海水吹向太平洋西部，致使西部比东 部海平面增高将近 60厘米，西部海水温度增高，气压下降，潮湿空气积累形成台风和热带 风暴，东部底层海水上翻，致使东太平洋海水变冷的现象。所以，在空间特征场乘以时间系数后的低值表示拉尼娜年。实习三(附加) 计算给定数据的11年滑动平均和累积距平1、资料介绍利用数据ma.dat，编写11点滑动平均的程序，ma.for给出了阅读 资料的fortran程序。数据在文件夹中单独给出。2、要求实习报告中附出程序，并给出原数据和滑动后数据的图形(1张图)Matlab 程序load g:MA.D。

37、ATx=M A;year=1922:1:2006;year2=year(1+(ih-1)/2:le ngth(x)-(ih-1)/2);ih=11;for i=1:length(x)-10avr(i)=sum(x(i:i+10)/ih;endplot(year,x, b:)hold onplot(year2,avr, r),avr，-ascii)save (Exam_4_output_data.txt3、实习结果、FORTRAN程序滑动平均计算值(已导入文件Exam_4 output file_DATA.dat)3.0727272.7727282.6545463.0545463.0727273。

38、.0454552.7727282.6818183.0818193.0545462.9909102.7636372.7545453.1181823.0818182.9545462.7727282.7909093.1363643.0090912.9181822.7636372.8818183.1818193.0000002.9363642.7272733.0090913.1545463.0090912.9000002.6818183.0363643.2000012.9727272.8545462.6636373.0727273.1727282.9909092.7818192.6636373.118。

39、1823.2181833.0545462.7363642.6181823.0909093.2272733.0727272.7454552.5727273.1090913.1818193.0454552.7545462.5363643.1090913.1636372.7272732.5272733.1454553.1363642.7272732.5363643.1272733.1000012.7545462.5727273.1090913.0636372.7363642.6090913.0818193.018182、原始数据及实验滑动平均拟合曲线图表(图表由matlab画出)1/1 E 3. L。

40、- I i-FJ 丄4亡7尹叫、分析在分图中滑动平均值很好的描述了变量 x随时间的变化趋势。滑动平均值滤掉了较大的震荡, 趋势更加明显。从图中看出，x的整体趋势被体现而震荡的极大值却在趋势线中没有显著表 示。所以，滑动平均在分析数据时可以更好的体现变化趋势但无法体现较大的异常值。析异常时，不宜使用滑动平均。实习四(附加)求给定数据的多元线性回归方程1、说明X1-X4为四个预报因子，y为预报量；样本个数n=132、要求选取预报因子1、2、4，求预报量的标准化回归方程。ii2345678910111213xi7111117113122111110X2262956315255713154474066。

41、68X3615886917221842398X4605220473322644222634121278.74.104.87.95.109.102.72.93.115.83.113.109.y5336927519834答案：标准化变量回归方程：? =0.5679人+0.4323X2 0.2613x4附加：利用上表资料，尝试编写逐步回归程序。3、实习结果：(1)Matlab源程序ClimateData=xlsread( F:-0 O-0伍气象统计方法实验数据气象统计实验四 数据(附加题).xIs); %从Excel文件读取数据X=ClimateData(2:5,:);%提取ClimateData 。

42、的第二到5行数据，即自变量观测矩阵Xy=CIimateData(6,:);% 提取 ClimateData 的第六行，即预报量reglm(y,X) %调用reglm函数做4重线性回归，显示回归分析的方差分析表和参数估计表 fun ctio n stats = reglm(y,X,model,varnames)%多重线性回归分析或广义线性回归分析% % reglm(y,X)，产生线性回归分析的方差分析表和参数估计结果，并以表格形式显示在屏幕上.参%数X是自变量观测值矩阵，它是n行p列的矩阵.y是因变量观测值向量，它是n行1列的列向量.% stats = reglm(y,X)，还返回一个包括了回归。

43、分析的所有诊断统计量的结构体变量 stats.% stats = reglm(y,X,model)，用可选的model参数来控制回归模型的类型.model是个字符串,%其可用的字符串如下%li near带有常数项的线性模型(默认情况)%in teractio n带有常数项、线性项和交叉项的模型%quadratic带有常数项、线性项、交叉项和平方项的模型purequadratic带有常数项、线性项和平方项的模型% stats = reglm(y,X,model,varnames)，用可选 的 varnames 参数指定变 量标签varn ames%可以是字符矩阵或字符串元胞数组，它的每行的字符或每个元胞的字符串是一个变量的标签，它的行%数或元胞数应与X的列数相同默认情况下，用X1,X2,作为变量标签。