一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法技术

本发明专利技术公开了一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法，包括：选取研究区域，确定研究对象，利用大数据技术获取多源数据；采用Sen斜率估计方法分析各数据源研究对象的变化趋势；采用Mann

【技术实现步骤摘要】
一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法


[0001]本专利技术属于水文气象学科气候变化评估领域，具体涉及一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法。

技术介绍

[0002]水文气象要素时空演变是气候变化领域研究的热点。针对无资料或缺资料区域，由于气候条件恶劣，地形复杂，现有水文气象要素观测站点稀少，长序列大范围水文气象要素数据资料匮乏，因而难以准确的诊断该区域气候变化时空演变特征。数值模拟由于缺乏观测数据的验证，模拟效果存在一定的不确定性。随着卫星遥感技术的发展和数值模拟技术的提升，为缺资料区长序列水文气象要素的获取提供了条件。Sen斜率估计是非参数趋势计算方法，效率高且抗噪性好。Mann
‑
Kendall检验是一种非参数的时间序列趋势性检验方法，不受异常值影响且不需要数据服从正态分布。目前，Sen斜率估计和Mann
‑
Kendall检验方法被广泛应用于水文气象要素的变化趋势分析中。然而，如何充分利用大数据资源，从多数据源资料中提取气候要素时空演变的复合特征及强度暂无相关研究。

技术实现思路

[0003]专利技术目的：为了有效评估气候变化趋势，解决现有观测数据不足，各数据源气候变化趋势不统一的问题，本专利技术提出一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法。
[0004]技术方案：为实现本专利技术的目的，本专利技术所采用的技术方案是：一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法，包括如下步骤：
[0005]步骤1，确定研究区域，选取代表区域气候变化的水文气象要素作为研究对象，获取选定研究对象的数据源；
[0006]步骤2，采用Sen斜率估计方法得到各数据源各格点研究对象的变化趋势；
[0007]步骤3，采用Mann
‑
Kendall检验评估各数据源各格点研究对象变化趋势的可信度；
[0008]步骤4，根据是否通过可信度检验选定研究对象的复合变化趋势评估指标；
[0009]步骤5，区分不同条件下各数据源中研究对象的变化趋势特征；
[0010]步骤6，分类汇总各格点研究对象的复合变化趋势特征；
[0011]步骤7，通过聚类分析方法计算各格点研究对象的复合变化趋势特征比率；
[0012]步骤8，通过聚类分析方法计算各格点研究对象的复合变化趋势特征及强度指标；
[0013]步骤9，根据研究对象的复合变化趋势特征及强度指标诊断研究区域气候变化特征。
[0014]进一步的，所述步骤2，采用Sen斜率估计方法分析各数据源各格点研究对象的变化趋势，具体包括：
[0015]利用公式(1)，获取研究对象在第q个数据源第p个格点研究时段内固定时间步长
的Sen斜率成员；
[0016]利用公式(2)，采用MATLAB中median函数获取研究对象在第q个数据源第p个格点研究时段内固定时间步长的Sen斜率，即变化趋势；
[0017][0018]β(X
p,q
)＝median(X
k,p,q
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0019]其中，X
k,p,q
是研究对象X在第q个数据源第p个格点研究时段内固定时间步长的第k个Sen斜率成员，X
j,p,q
和X
i,p,q
分别为研究对象X在第q个数据源第p个格点的第j和第i时刻的量，j>i，n为总的时间序列长，N为各格点Sen斜率成员总数；β(X
p,q
)为研究对象X在第q个数据源第p个格点的Sen斜率；
[0020]β(X
p,q
)>0表示研究对象在研究时段内呈正增长趋势，反之呈负增长趋势；β(X
p,q
)的量值大小代表增长的幅度，即变化趋势强度。
[0021]进一步的，所述步骤3，采用Mann
‑
Kendall方法获取研究对象X在第q个数据源第p个格点变化趋势的可信度检验指标Z
S
(X
p,q
)，具体包括：
[0022]利用sign符号函数计算研究对象X在第q个数据源第p个格点的累积变化趋势统计量S(X
p,q
)，公式如下：
[0023][0024][0025]其中，sign(X
j,p,q
‑
X
i,p,q
)是研究对象X在第q个数据源第p个格点的第j和第i时刻的变化趋势；X
p,q
代表第q个数据源第p个格点的研究对象X，S(X
p,q
)是研究对象X在第q个数据源第p个格点的累积变化趋势；
[0026]计算研究对象X在第q个数据源第p个格点的Mann
‑
Kendall可信度检验指标Z
S
(X
p,q
)，公式如下：
[0027][0028][0029]式中，V(S(X
p,q
))为研究对象X在第q个数据源第p个格点的Mann
‑
Kendall可信度检验方差；
[0030]选取置信水平α，如果|Z
S
(X
p,q
)|>Z1‑
α/2
，则研究对象在第q个数据源第p个格点的Sen趋势通过置信水平α的Mann
‑
Kendall可信度检验，Z1‑
α/2
为置信水平取值α时的量值。
[0031]进一步的，所述步骤4，根据是否考虑可信度检验选定研究对象的复合变化趋势评估指标，具体包括：
[0032]1)若不考虑可信度检验，则使用各数据源各格点的Sen斜率评估研究对象的复合
变化趋势特征及强度；
[0033]若研究对象X在第q个数据源第p个格点的Sen斜率β(X
p,q
)>0表示研究对象在研究时段内呈正增长趋势，反之呈负增长趋势；β(X
p,q
)的量值大小代表增长的幅度，即变化趋势强度；
[0034]2)若考虑可信度检验，则综合使用各数据源各格点的Sen斜率和Mann
‑
Kendall可信度检验指标评估研究对象的复合变化趋势特征及强度；
[0035]选定置信水平α，若研究对象X在第q个数据源第p个格点的Sen斜率β(X
p,q
)>0且|Z
S
(X
p,q
)|>Z1‑
α/2
，则表明第q个数据源第p个格点的研究对象X在研究时段内呈显著正增长趋势；β(X
p,q
)>0但|Z
S
(X
p,q
)|≤Z1‑
α/2
，则表明第q个数据源第p个格点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法，其特征在于，包括如下步骤：步骤1，确定研究区域，选取代表区域气候变化的水文气象要素作为研究对象，获取选定研究对象的数据源；步骤2，采用Sen斜率估计方法得到各数据源各格点研究对象的变化趋势；步骤3，采用Mann
‑
Kendall检验评估各数据源各格点研究对象变化趋势的可信度；步骤4，根据是否通过可信度检验选定研究对象的复合变化趋势评估指标；步骤5，区分不同条件下各数据源中研究对象的变化趋势特征；步骤6，分类汇总各格点研究对象的复合变化趋势特征；步骤7，通过聚类分析方法计算各格点研究对象的复合变化趋势特征比率；步骤8，通过聚类分析方法计算各格点研究对象的复合变化趋势特征及强度指标；步骤9，根据研究对象的复合变化趋势特征及强度指标诊断研究区域气候变化特征。2.根据权利要求1所述的一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法，其特征在于，所述步骤2，采用Sen斜率估计方法分析各数据源各格点研究对象的变化趋势，具体包括：利用公式(1)，获取研究对象在第q个数据源第p个格点研究时段内固定时间步长的Sen斜率成员；利用公式(2)，采用MATLAB中median函数获取研究对象在第q个数据源第p个格点研究时段内固定时间步长的Sen斜率，即变化趋势；β(X
p,q
)＝median(X
k,p,q
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，X
k,p,q
是研究对象X在第q个数据源第p个格点研究时段内固定时间步长的第k个Sen斜率成员，X
h,p,q
和X
i,p,q
分别为研究对象X在第q个数据源第p个格点的第j和第i时刻的量，j>i，n为总的时间序列长，N为各格点Sen斜率成员总数；β(X
p,q
)为研究对象X在第q个数据源第p个格点的Sen斜率；β(X
p,q
)>0表示研究对象在研究时段内呈正增长趋势，反之呈负增长趋势；β(X
p,q
)的量值大小代表增长的幅度，即变化趋势强度。3.根据权利要求2所述的一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法，其特征在于，所述步骤3，采用Mann
‑
Kendall方法获取研究对象X在第q个数据源第p个格点变化趋势的可信度检验指标Z
S
(X
p，q
)，具体包括：利用sign符号函数计算研究对象X在第q个数据源第p个格点的累积变化趋势统计量S(X
p，q
)，公式如下：)，公式如下：其中，sign(X
j，p，q
‑
X
i，p，q
)是研究对象X在第q个数据源第p个格点的第j和第i时刻的变化
趋势；X
p，q
代表第q个数据源第p个格点的研究对象X，S(X
p，q
)是研究对象X在第q个数据源第p个格点的累积变化趋势；计算研究对象X在第q个数据源第p个格点的Mann
‑
Kendall可信度检验指标Z
S
(X
p，q
)，公式如下：式如下：式中，V(S(X
p，q
))为研究对象X在第q个数据源第p个格点的Mann
‑
Kendall可信度检验方差；选取置信水平α，如果|Z
S
(X
p，q
)|＞Z1‑
α/2
，则研究对象在第q个数据源第p个格点的Sen趋势通过置信水平α的Mann
‑
Kendall可信度检验，Z1‑
α/2
为置信水平取值α时的量值。4.根据权利要求3所述的一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法，其特征在于，所述步骤4，根据是否考虑可信度检验选定研究对象的复合变化趋势评估指标，具体包括：1)若不考虑可信度检验，则使用各数据源各格点的Sen斜率评估研究对象的复合变化趋势特征及强度；若研究对象X在第q个数据源第p个格点的Sen斜率β(X
p，q
)＞0表示研究对象在研究时段内呈正增长趋势，反之呈负增长趋势；β(X
p，q
)的量值大小代表增长的幅度，即变化趋势强度；2)若考虑可信度检验，则综合使用各数据源各格点的Sen斜率和Mann
‑
Kendall可信度检验指标评估研究对象的复合变化趋势特征及强度；选定置信水平α，若研究对象X在第q个数据源第p个格点的Sen斜率β(X
p，q
)＞0且|Z
S
(X
p，q
)|＞Z1‑
α/2
，则表明第q个数据源第p个格点的研究对象X在研究时段内呈显著正增长趋势；β(X
p，q
)＞0但|Z
S
(X
p，q
)|≤Z1‑
α/2
，则表明第q个数据源第p个格点的研究对象X在研究时段内呈不显著正增长趋势；若β(X
p，q
)<0且|Z
S
(X
p，q
)|＞Z1‑
α/2
，则表明第q个数据源第p个格点的研究对象X在研究时段内呈显著负增长趋势；若β(X
p，q
)<0但|Z
S
(X
p，q
)|<Z1‑
α/2
，则表明第q个数据源第p个格点的研究对象X在研究时段内呈不显著负增长趋势；β...

【专利技术属性】
技术研发人员：刘娣，孙佳倩，余钟波，吕海深，朱永华，
申请(专利权)人：河海大学，
类型：发明
国别省市：