气象统计方法&短期气候预测代码汇总

这篇具有很好参考价值的文章主要介绍了气象统计方法&短期气候预测代码汇总。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

公布这些代码的目的之一肯定是解决大家实习课的困难,二是想让大家看到更简洁易懂的代码。

之前或多或少看过别人写的例如气象统计方法实习or短期气候预测实习的代码,那些代码大多冗余繁杂,不够简洁易懂,里面大都充斥了for循环语句,若是数据的分辨率较低倒还好,若是遇上高精度的数据还能用for循环吗?真的很浪费时间的!!!

这份代码是改良多次的结果。会尽可能避免for循环的使用,数据处理一般三下五除二,用不了几行就处理好了,但每一行代码都值得推敲,希望使用的同学明白为什么是这样处理。

另外,关于绘图,绘图是不得不写更多行去美化修饰,大家也可以自行美化,这里也只是简单的美化了一下。它不同于grads或NCL专门的气象绘图软件,python绘图要自己去调整。

资料说明

现有热带太平洋海温场资料,文件名 NCEP_TPSST_30y_Wt.dat

  • 范围:120~300E,20S~20N
  • 时段:冬季1978~2007年共30年
  • 水平分辨率:不等距(具体参考NCEP_TPSST_30y_Wt.ctl文件)
    格点数:32 * 7

实习要求

  1. 利用该资料求热带太平洋海温气候场、均方差场,并给出1982年和1998年冬季海温原始数据场和距平场,对计算结果进行初步分析。
  2. 进一步计算Nino3.4区(5S-5N,170W-120W)海温指数,分别给出原始数据序列、距平序列及标准化时间序列。根据这些时间序列,判断哪些是El Nino年和La Nina年(这里定义大于(小于)等于一个标准偏差的为El Nino(La Nina)年)。

代码获取链接

https://www.heywhale.com/mw/notebook/62f12bd15f0fe96a59a1f25a

资料说明

现有热带太平洋海温场资料,文件名 NCEP_TPSST_30y_Wt.dat

  • 范围:120~300E,20S~20N
  • 时段:冬季1978~2007年共30年
  • 水平分辨率:不等距(具体参考NCEP_TPSST_30y_Wt.ctl文件)
    格点数:32 * 7

现有全球海平面气压场资料,文件名 NCEP_slp_30y_Wt.dat

  • 时段:冬季1978~2007 年共 30 年
  • 水平分辨率:7.5 * 7.5(具体参考NCEP_slp_30y_Wt.ctl文件)
  • 格点数:48 * 24

实习要求

  1. 利用合成方法,分析El Nino 和La Nina 期间全球海平面气压异常场之间是否存在显著差异?
  2. 利用相关分析方法,计算热带太平洋 Nino3.4 海温指数与全球海平面气压场之间的相关关系。
  3. 分别计算南方涛动指数 SOI 与 Nino3.4 指数各自超前滞后相关系数及两者之间的超前滞后相关系数。(这里我们可以根据题 2 中确定最大/最小值相关系数的中心位置, 计算该位置海平面气压场差值近似定义 SOI 指数)

代码获取链接

https://www.heywhale.com/mw/project/62c6f6dd6dd9641f3a3753ed

资料说明

现有热带太平洋海温场资料,文件名 NCEP_TPSST_30y_Wt.dat

  • 范围:120~300E,20S~20N
  • 时段:冬季1978~2007年共30年
  • 水平分辨率:不等距(具体参考NCEP_TPSST_30y_Wt.ctl文件)
    格点数:32 * 7

现有全球海平面气压场资料,文件名 NCEP_slp_30y_Wt.dat

  • 时段:冬季1978~2007 年共 30 年
  • 水平分辨率:7.5 * 7.5(具体参考NCEP_slp_30y_Wt.ctl文件)
    格点数:48 * 24

实习要求

  1. 利用回归方法,分析热带太平洋 El Nino 海温与全球海平面气压场之间的关系。
  2. 比较合成方法、相关方法及回归方法分析热带太平洋 El Nino 海温与全球海平面气压场之间的关系,它们之间有什么联系和差别。

代码获取链接

https://www.heywhale.com/mw/notebook/62f12bd25f0fe96a59a1f264

资料说明

现有全球200hPa位势高度场资料,文件名NCEP_Z200_30y_Wt.dat

  • 时段:冬季1978~2007年共30年
  • 水平分辨率:7.5X7.5(具体参考NCEP_Z200_30y_Wt.ctl文件)
    格点数:48 * 24

现有热带太平洋海温场资料,文件名 NCEP_TPSST_30y_Wt.dat

  • 范围:120~300E,20S~20N
  • 时段:冬季1978~2007年共30年
  • 水平分辨率:不等距(具体参考NCEP_TPSST_30y_Wt.ctl文件)
    格点数:32 * 7

还有热带印度洋海温场资料,文件名NCEP_IOSST_30y_Wt.dat

  • 范围:35~125E,20S~20N
  • 时段:冬季1978~2007年共30年。
  • 水平分辨率:不等距(具体参考NCEP_IOSST_30y_Wt.ctl文件)
    格点数:16 * 7

实习要求

  1. 利用一元回归方法,分析全球200hPa位势高度场分别与热带太平洋El Nino海温和热带印度洋海盆一致模IOB海温异常之间的关系(IOB海温序列可以近似用热带印度洋区域平均海温来表示)。

  2. 利用多元回归方法,分析全球200hPa位势高度场与热带太平洋El Nino海温和热带印度洋海盆一致模IOB海温异常之间的关系。

  3. 利用偏相关分析方法,分析全球200hPa位势高度场与热带太平洋El Nino海温和热带印度洋海盆一致模IOB海温异常之间的相关关系。

  4. 比较一元线性回归方法、多元回归方法及偏相关方法分析全球200hPa位势高度场与热带太平洋El Nino海温和热带印度洋海盆一致模IOB海温异常之间的关系,它们之间有什么区别和联系。

代码获取链接

https://www.heywhale.com/mw/notebook/62f12bd45f0fe96a59a1f284

资料说明

热带印度洋海温场资料,文件名 NCEP_IOSST_30y_Wt.dat

  • 范围:35~125E,20S~20N
  • 时段:冬季 1978~2007 年共 30 年。
  • 水平分辨率:不等距(具体参考 NCEP_IOSST_30y_Wt.ctl 文件)
    格点数:16 * 7

现有全球海洋海温场资料,文件名 NCEP_GSST_50y_Wt.dat

  • 时段:冬季 1958~2007 年共 50 年。
  • 水平分辨率:不等距(具体参考 NCEP_GSST_30y_Wt.ctl 文件)

实习要求

  1. 以热带印度洋(35~125E,20S~20N)区域平均海温时间序列为例,利用气候趋势分析的三种方法分析热带印度洋平均海温随时间的变化趋势。
  2. 近 50 年冬季全球海温变化趋势如何

代码获取链接

https://www.heywhale.com/mw/notebook/62f12bd25f0fe96a59a1f267

资料说明

热带印度洋海温场资料,文件名 NCEP_IOSST_30y_Wt.dat

  • 范围:35~125E,20S~20N
  • 时段:冬季 1978~2007 年共 30 年。
  • 水平分辨率:不等距(具体参考 NCEP_IOSST_30y_Wt.ctl 文件)
    格点数:16 * 7

实习要求

  1. 利用主分量分析方法(EOF分解),给出热带太平洋海温变化的前两个主模态及对应时间序列。试分析这两个主模态的特征(空间和时间)?根据第一主分量,判断哪些年是 El Nino 年、哪些年是 La Nina 年(可以近似用 0.5 个标准偏差定义 El Nino/La Nina 年),进行合成分析并给出特殊年份海温异常情况(选一个特殊年份即可)。
  2. 利用前十个模态重建热带太平洋海温异常资料,并给出特殊年份海温异常重建结果,与原始数据进行比较分析。

代码获取链接

https://www.heywhale.com/mw/notebook/62f12bd35f0fe96a59a1f26c文章来源地址https://www.toymoban.com/news/detail-743699.html

到了这里,关于气象统计方法&短期气候预测代码汇总的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 短期光伏发电量短期预测(Python代码,基于LSTM模型)

    一.代码流程(运行视频:短期光伏发电量短期预测(Python代码,基于LSTM模型)_哔哩哔哩_bilibili) 数据预处理: 读取CSV文件,并使用Pandas库将数据加载到DataFrame中。 将时间列转换为日期时间格式。 对数据进行重采样和插值,将数据转换为每分钟的数据。 将数据保存到CSV文

    2024年02月07日
    浏览(42)
  • 【Matlab】LSTM长短期记忆神经网络时序预测算法(附代码)

     资源下载: https://download.csdn.net/download/vvoennvv/88688439  资源合集:https://download.csdn.net/download/vvoennvv/88700669 【Matlab】BP 神经网络时序预测算法 【Matlab】CNN卷积神经网络时序预测算法 【Matlab】ELM极限学习机时序预测算法 【Matlab】基于遗传算法优化BP神经网络 (GA-BP)的数据时序

    2024年02月03日
    浏览(51)
  • 【数据预测】基于蜣螂优化算法DBO的VMD-KELM光伏发电功率预测 短期功率预测【Matlab代码#53】

    蜣螂优化算法可参考DBO介绍 变分模态分解(Variational Mode Decomposition,简称VMD)是一种信号分解和降噪方法,用于从复杂的信号中提取出不同的成分或模态。 VMD是在2014年由Konstantin Dragomiretskiy和Dominique Zosso提出的。它基于变分原理,通过最小化信号的复杂度和不同成分之间的相

    2024年02月14日
    浏览(36)
  • Matlab|基于支持向量机的电力短期负荷预测【三种方法】

    目录 主要内容      部分代码      结果一览    下载链接 该程序主要是对电力短期负荷进行预测,采用三种方法,分别是最小二乘支持向量机(LSSVM)、标准粒子群算法支持向量机和改进粒子群算法支持向量机三种方法对负荷进行预测,有详实的文档资料,程序注释清

    2024年02月20日
    浏览(41)
  • 基于蜣螂优化算法DBO优化的VMD-KELM光伏发电短期功率预测MATLAB代码

    微 ❤ 关注“电气仔推送”获得资料(专享优惠)        VMD适用于处理非线性和非平稳信号,例如振动信号、生物信号、地震信号、图像信号等。它在信号处理、振动分析、图像处理等领域有广泛的应用,特别是在提取信号中的隐含信息和去除噪声方面表现出色。        

    2024年02月08日
    浏览(42)
  • 基于时空序列模型ConvLstm的气象预测

    去国家气象科学数据中心下载雷达拼图 可以手动收集也可以写爬虫程序收集 手动收集就更改日期和时间 中国气象数据网 - Online Data  得到这些PNG图片后,首先做处理,只关注东南部分,其他的都扔掉(即从图中截取一个固定的长方形,就差不多是下面这个部分。保证截取的

    2024年02月02日
    浏览(39)
  • 统计信号处理-基于AR模型的卡尔曼滤波股票预测-matlab仿真-附代码

    题目 给出基于AR模型的卡尔曼滤波股票预测。 设计思路 本实验实现的是中兴通讯公司股价预测,使用AR模型预测股价,并将卡尔曼滤波应用到AR模型的预测结果上,对预测的股价进行滤波处理,可以更准确地预测股价趋势。 第一步是加载股票数据,然后将股票数据分为训练数

    2024年02月08日
    浏览(50)
  • 股票预测和使用LSTM(长期-短期-记忆)的预测

            准确预测股市走势长期以来一直是投资者和交易员难以实现的目标。虽然多年来出现了无数的策略和模型,但有一种方法最近因其能够捕获历史数据中的复杂模式和依赖关系而获得了显着的关注:长短期记忆(LSTM)。利用深度学习的力量,LSTM 提供了一种很有前途

    2024年02月11日
    浏览(39)
  • 基于LSTM的短期股票预测

      目录 1.原始RNN的问题 2.LSTM (1)原理 (2)Tensorflow2描述LSTM层 (3)LSTM股票预测         RNN面临的较大问题是无法解决长跨度依赖问题,即后面节点相对于跨度很大的前面时间节点的信息感知能力太弱,如下图中的两句话:左上角的句子中sky可以由较短跨度的词预测出来,

    2024年02月10日
    浏览(43)
  • 基于长短期神经网络的可上调容量PUP预测,基于长短期神经网络的可下调容量PDO预测,LSTM可调容量预测

    目录 背影 摘要 代码和数据下载:基于长短期神经网络的可上调容量PUP预测,基于长短期神经网络的可下调容量PDO预测,LSTM可调容量预测(代码完整,数据齐全)资源-CSDN文库 https://download.csdn.net/download/abc991835105/88230834 LSTM的基本定义 LSTM实现的步骤 基于长短期神经网络的可

    2024年02月07日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包