【技术实现步骤摘要】
一种面向遥相关模式的空间自相关聚类方法
本专利技术涉及气象与气候学领域，更具体的，涉及一种面向遥相关模式的空间自相关聚类方法。
技术介绍
大尺度的气象因子与全球各地降水异常的相互关系一直受到人们的重视，利用相关的气象因子指标和各地月或季节尺度降水的相关系数，可以量化这种遥相关作用的强度和模式。然而在实际计算中，相邻区域的降水往往并非独立，而是存在较强的相关关系。为了探测这种空间上的自相关性，往往采用空间自相关局部指标(LISA)进行空间自相关分析，探测变量是否存在空间格局的有关信息。然而对于以相关系数衡量的遥相关模式而言，系数本身已经具有标准化的性质，而常用的LISA指标如Moran指数，根据《计量地理学》第四章中所描述的定义，其计算过程中将对变量进行标准化处理，因此所得结果只能反映在同一时间及指标下，相对的高值和低值分布，而难以对不同时间或指标的计算结果进行横向对比。而大尺度气象因子往往具有较强的季节间或年际周期性，不同季节下的遥相关强度和模式通常具有较大的差别。因此，有必要对传统的LISA指标进行改进，以便于对不同季节、...
【技术保护点】
1.一种面向遥相关模式的空间自相关聚类方法，其特征在于，包括以下步骤：/nS1：获取研究区域空间网格坐标信息，依据坐标信息计算空间权重矩阵；/nS2：获取研究区域网格尺度降雨数据及相同时间范围的大尺度气象因子指标，得到降雨-气象指标时间序列；/nS3：依据所获得的降雨-气象指标时间序列，逐网格计算降雨-气象指标相关系数r；/nS4：根据相关系数r及空间权重矩阵，计算逐网格的空间自相关局部指标LISAAC；/nS5：重排步骤S2中的降雨及气象指标时间序列，获得新的降雨-气象指标时间序列，重复执行步骤S3-S4，直到达到预设的迭代次数n；/nS6：根据步骤S4得到的n组随机LI...
【技术特征摘要】
1.一种面向遥相关模式的空间自相关聚类方法，其特征在于，包括以下步骤：
S1：获取研究区域空间网格坐标信息，依据坐标信息计算空间权重矩阵；
S2：获取研究区域网格尺度降雨数据及相同时间范围的大尺度气象因子指标，得到降雨-气象指标时间序列；
S3：依据所获得的降雨-气象指标时间序列，逐网格计算降雨-气象指标相关系数r；
S4：根据相关系数r及空间权重矩阵，计算逐网格的空间自相关局部指标LISAAC；
S5：重排步骤S2中的降雨及气象指标时间序列，获得新的降雨-气象指标时间序列，重复执行步骤S3-S4，直到达到预设的迭代次数n；
S6：根据步骤S4得到的n组随机LISAAC，构建参考经验分布H；
S7：根据观测LISAAC、观测相关系数r以及经验分布H，得到在指定显著性水平下各网格的分类结果。
2.根据权利要求1所述的一种面向遥相关模式的空间自相关聚类方法，其特征在于，在所述步骤S1的空间权重矩阵计算中，距离的表示方法为欧几里得距离。
3.根据权利要求1所述的一种面向遥相关模式的空间自相关聚类方法，其特征在于，在所述步骤S1的空间权重矩阵计算中，权重的表示方法为距离平方的倒数。
4.根据权利要求1所述的一种面向遥相关模式的空间自相关聚类方法，其特征在于，在所述步骤S2中，记观测的气象指标为：
X＝[xt]
其中，xt为第t年观测到的指标数值，X为xt组成的集合；记网格总数为N，以i为网格索引，类似地，记观测降雨为：
Y＝[yt,i]
其中，yt,i为第t年在网格i观测到的指标数值，Y为yt,i组成的集合。
5.根据权利要求4所述的一种面向遥相关模式的空间自相关聚类方法，其特征在于，在所述步骤S3中，对于给定的网格i，由X和Y序列得到气象因子和降雨之间的相关系数：
式中，rxt(ryt)代表第t年气象因子，即观测降雨在原始序列中的排序，而则代表序列rxt(ryt)的均值；r的值介于-1与1之间，当两个变量完全单调相关时，r的值为1或-1；对于网格i，所计算的相关系数可记为ri，由此可得到相关系数组成的集合R＝[ri]。
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。