极端降水指数怎么算

Python029

极端降水指数怎么算,第1张

极端气候包括干旱、洪涝、高温热浪和低温冷害等。随着污染日渐严重，出现极端气候的现象将平凡，次数将大幅增加。 极端气候的气候指标有：极端温度、极端降水及其他指标。其指标体系包括百分位指数、绝对指数、门限指数、持续时间指数及其他指数。道客巴巴十亿文档/文辑 0

14/24

评价指数的计算

采用线性回归计算极端降水指数的变化趋势，回归系数b表示该极端降水指数每10a的变化，并取α=0.05,对其进行F检验。

计算全国极端降水指数随时间变化的特征时，采用面积加权法。

2.3阈值的计算方法

主要方法：固定阈值法、参数法和非参数法

(适用于气候变化较小的范围)

实际操作：

百分位值法(国际气象研究)

概率分析法(水文领域),如:Peason-III

去趋势波动分析(DFA)指数法(长程相关性)

Hill图法(构造Hill图)

年交叉率法(泊松分布)

参考文献：1.王月华，李占玲.疏勒河流域极端降水特征分析，水资源研究，2015，4(6)：537-545；2.李占玲,王武.基于GPD分布的黑河流域极端降水频率特征分析.

R语言-统计学 描述性统计

描述定量数据的数值方法：中心趋势度量 变异的度量 相对位置的度量。

1.中心趋势度量 ： 算数平均 中位数 众数

1.1 在R中计算平均数的函数 mean( )常规的mean() 函数用法mean(x, trim = 0, na.rm = FALSE, ...) 参数说明： x 对象名称trim 过滤掉异常值 ，按照距离平均值的远近距离排除，如对象中含有10个数据，排除最高和最低值，trim=0.2na.rm 默认为F 表示是否计入空值实例1： 做一个稍微复杂点的操作，用r做数据透视表并把结果转换为matrix ，对行列求和。(仅娱乐，无实用价值)

demo <- mtcars[1:6,] # 调用R自带函数集，并去前6行

toushi <- aggregate(mtcars[,5:6] ,by = list(cyl = mtcars$cyl),sum) # 数据透视表求和

toushi <- as.matrix(toushi) # 将结果的数据框转化成矩阵

#(toushi <- apply(toushi,c(1,2),sum))

(rowSums(toushi)) # 行求和

(colSums(toushi)) # 列求和

toushi <- rbind(toushi,rowSums(toushi)) #将行求和结果并入最后一行

toushi <- cbind(toushi,colSums(toushi)) #将列求和结果并入最后一列

1.2 中位数和众数

对于偏度极大的数据集，中位数能更好的描述数据分布的中心。

很少用众数作为数据数据趋势的度量，只有当对y出现的相对频率感兴趣时，才会考虑到众数。

R实现中位数 ：

median(x, na.rm = FALSE)

R中没有直接插找众数的命令

which.max(table(x))

2.变异的度量 ： 极差 方差 标准差

2.1 .极差 = max（）- min（）

2.2 方差和标准差

对一个有n个测量值的有限总体来说，方差计算公式的分母为n。关于样本方差和总体方差分母的差异原因，可自行百度搜索。

R语言计算方差的函数： var(x,)

w<-c(75.0,64.0,47.4,66.9,62.2,62.2,58.7,63,5,66.6,64.0,57.0,69.0,56.9,50.0,72.0)

var(w)

# 附加指数点：标准差的两个有用法则：经验法则 和 切比雪夫法则，共同说明一个问题，对于任意大于1的正数k，至少有（1-1/k^2）的测试值落在平均值的k个标准值范围内。

3.变异的度量 ： 百分位数 Z得分

3.1 .最常见的四分位数（一般从大到小）

quantile(x, probs = seq(0, 1, 0.25), na.rm = FALSE,names = TRUE, type = 7, ...)