第1章 气象资料与数据 1
1.1 气象数据的特征 1
1.2 气象数据的类型 1
1.3 气象数据的描述 2
1.4 数据整理的方法论 6
参考文献 6
第2章 大气基本状态 7
2.1 大气平均状态的描述 7
2.2 大气状态的异常 8
2.3 大气平均状态的代表性 10
2.4 大气平均状态的差异性 11
2.5 大气状态出现的频率 12
2.6 大气变量的分布 14
2.7 大气状态的分级 18
2.8 大气异常的极端状态 21
2.9 大气变量的数据变换 24
参考文献 26
第3章 大气变量的相互关系 28
3.1 大气状态的关联性 28
3.2 信息关联 30
3.3 列联表 32
3.4 级别变量的相关 33
3.5 连续变量的相关 34
3.6 偏相关 37
3.7 不同时刻的交叉相关 38
3.8 不同时段的相关 39
3.9 变量的瞬时相关 40
3.10 变量相关程式关系 43
3.11 多个变量的相关 44
3.12 变量变化的相似性 45
参考文献 47
第4章 大气变量的时间演变特征 49
4.1 离散变量持续性 49
4.2 连续变量的持续性 51
4.3 变量的变化趋势 54
4.4 变量变化趋势的检验 60
4.5 变量变化的突变 61
4.6 变量变化的周期性 70
4.7 两个变量变化的交叉周期性 82
4.8 变量的时间变化滤波 84
参考文献 86
第5章 大气变量场基本特征 89
5.1 大气变量场基本状态 89
5.2 变量场的变化特征 92
5.3 变量的条件平均场 94
5.4 变量信号场 99
5.5 条件差值场 104
5.6 外力影响特征 108
参考文献 113
第6章 大气变量场中的相关性 115
6.1 遥相关 115
6.2 高度场时空特征模态 119
6.3 大气涛动 124
6.4 地面要素场时空特征模态 128
6.5 风场时空特征模态 133
6.6 变量场中的关联性 136
6.7 变量场中气候分类 139
6.8 变量场中的波动特征 146
参考文献 150
第7章 两个变量场的关系 154
7.1 两个变量场的差异性 154
7.2 两个变量场的相似性指标 155
7.3 两个风场相似性 157
7.4 两个变量场的关联性 158
7.5 两个变量场的回归关系 165
7.6 两个变量场的耦合关系 168
参考文献 179
第8章 多个变量场耦合分析 181
8.1 多变量场的综合模态 181
8.2 风场综合模态 182
8.3 多变量场模态 184
8.4 变量场时间演变模态 185
8.5 联合耦合模态 186
参考文献 189
第9章 变量场的时间演变特征 190
9.1 变量场的趋势分析 190
9.2 变量场的平均序列演变特征 192
9.3 变量场的时间演变特征提取 194
9.4 变量场的周期变化特征 198
9.5 变量场时间演变模态 203
9.6 风场的时间演变特征 207
9.7 多变量场时间演变特征 210
9.8 周期变化外力成因 214
参考文献 217
第10章 大气变量的预报 219
10.1 外因子预报模型 219
10.2 持续性预报模型 224
10.3 周期模式预报模型 225
10.4 时间外延预报模型 227
10.5 大气变量场的预报 229
10.6 潜在可预报性 236
10.7 预报的稳定性 243
10.8 预报效果评价 247
参考文献 256
第11章 大气变量动力统计预报 259
11.1 数值预报产品释用 259
11.2 随机气候模式 267
11.3 动力系统的可预报性 274
11.4 集合预报 276
11.5 降尺度预报 279
11.6 数值预报的统计订正 285
参考文献 289
第12章 气象数据修正、插补和融合 292
12.1 气象资料数据的质量评估与控制 292
12.2 气象资料数据的均一性处理 295
12.3 城市化对气候序列均一性的影响 302
12.4 资料恢复与插补 305
12.5 大气变量场的空间插值 309
12.6 气象数据融合、同化及再分析 315
参考文献 317
附录A 回归分析 321
A1 单个因子的回归模型 321
A2 多因子线性回归模型 325
A3 逐步回归模型 331
A4 事件概率回归(REEP) 335
A5 Logit回归模型 337
A6 最佳子集回归模型 339
A7 预报残差最小逐步回归 342
A8 权重回归 344
A9 卡曼滤波回归 346
A10 岭回归 348
A11 贝叶斯回归 349
A12 支持向量机回归 351
附录B 判别分析 354
B1 费歇判别方程 354
B2 贝叶斯判别方程 359
B3 逐步判别 360
B4 回归逐步判别 363
附录C 变量场的分解 365
C1 主分量分析 365
C2 经验正交函数分解 368
C3 多变量场经验正交函数分解 373
C4 复向量经验正交函数分解 374
C5 扩展经验正交函数分解 377
C6 联合经验正交函数分解 378
C7 复经验正交函数分解 379
C8 主振荡模态分析 382
C9 独立分量分析 384
附录D 聚类分析 388
D1 因子分析的一般模型 388
D2 主因子分析模型 390
D3 因子轴的转动 393
D4 对应分析 396
D5 串组法 398
附录E 变量场的耦合分析 402
E1 典型相关分析 402
E2 奇异值分解 413
E3 偏最小二乘回归 416
附录F 大气变量时域分析 419
F1 自回归模型 419
F2 滑动平均模型 423
F3 自回归滑动平均模型 425
F4 方差分析模型 428
F5 均生函数模型 429
F6 经验模态分解 430
F7 去趋势的涨落分析 430
附录G 大气变量频域分析 432
G1 变量的频谱 432
G2 功率谱 434
G3 非整谱 439
G4 最大熵谱 440
G5 双谱分析 442
G6 多窗口谱分析 443
G7 滤波 444
G8 交叉谱 451
G9 奇异谱 454
G10 交叉奇异谱 456
G11 小波分析 457
G12 交叉小波谱 459
附录H 大气变量场的谱分析 460
H1 纬向谐波分析 460
H2 高度场的物理量谱 462
H3 高度场的球谐分析 464
H4 时空谱 465
H5 二维空间谱分析 467
H6 变量场中的交叉谱分析 467
H7 多窗口—奇异值分析 468
H8 循环平稳经验正交函数分解 469
附录Ⅰ 马尔科夫概型分析 471
I1 马尔科夫链 471
I2 转移概率 471
I3 绝对概率 473
I4 转移概率矩阵的谱分解 474
I5 马尔科夫性质的检验 475
附录J 神经网络 477
J1 神经元模型 477
J2 神经网络结构 479
J3 网络学习 481
J4 前馈型神经网络 482
J5 径向基函数网络 486
J6 自组织映射网络 487
附录K 统计检验 490
K1 假设检验 490
K2 平均值检验 491
K3 两组样本平均值差异的检验 491
K4 方差检验 492
K5 相关系数的检验 493
K6 变量的分布检验 495
K7 频率的检验 496
K8 趋势检验 497
K9 突变检验 498
K10 蒙特卡洛检验 501
附录L 气象统计常用数表 502
L1 正态分布函数 502
L2 x2分布 503
L3 F分布 504
L4 t分布 506