气候单因子相关分析方法

㈠ 单因子指数法的主成分分析方法

地理环境是多要素的复杂系统，在我们进行地理系统分析时，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，我们就会很自然地想到，能否在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息？事实上，这种想法是可以实现的，本节拟介绍的主成分分析方法就是综合处理这种问题的一种强有力的方法。
第一节 主成分分析方法的原理
主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。假定有n个地理样本，每个样本共有p个变量描述，这样就构成了一个n×p阶的地理数据矩阵：
如何从这么多变量的数据中抓住地理事物的内在规律性呢？要解决这一问题，自然要在p维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标来代替原来较多的变量指标，而且使这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息，同时它们之间又是彼此独立的。那么，这些综合指标（即新变量)应如何选取呢？显然，其最简单的形式就是取原来变量指标的线性组合，适当调整组合系数，使新的变量指标之间相互独立且代表性最好。
如果记原来的变量指标为x1，x2，…，xp，它们的综合指标——新变量指标为x1，x2，…，zm（m≤p)。则
在（2)式中，系数lij由下列原则来决定：
（1)zi与zj（i≠j；i，j=1，2，…，m)相互无关；
（2)z1是x1，x2，…，xp的一切线性组合中方差最大者；z2是与z1不相关的x1，x2，…，xp的所有线性组合中方差最大者；……；zm是与z1，z2，……zm-1都不相关的x1，x2，…，xp的所有线性组合中方差最大者。
这样决定的新变量指标z1，z2，…，zm分别称为原变量指标x1，x2，…，xp的第一，第二，…，第m主成分。其中，z1在总方差中占的比例最大，z2，z3，…，zm的方差依次递减。在实际问题的分析中，常挑选前几个最大的主成分，这样既减少了变量的数目，又抓住了主要矛盾，简化了变量之间的关系。
从以上分析可以看出，找主成分就是确定原来变量xj（j=1，2，…，p)在诸主成分zi（i=1，2，…，m)上的载荷lij（i=1，2，…，m；j=1，2，…，p)，从数学上容易知道，它们分别是x1，x2，…，xp的相关矩阵的m个较大的特征值所对应的特征向量。
第二节 主成分分析的解法
主成分分析的计算步骤
通过上述主成分分析的基本原理的介绍，我们可以把主成分分析计算步骤归纳如下：
（1)计算相关系数矩阵
在公式（3)中，rij（i，j=1，2，…，p)为原来变量xi与xj的相关系数，其计算公式为
因为R是实对称矩阵（即rij=rji)，所以只需计算其上三角元素或下三角元素即可。
（2)计算特征值与特征向量
首先解特征方程|λI-R|=0求出特征值λi（i=1，2，…，p)，并使其按大小顺序排列，即λ1≥λ2≥…，≥λp≥0；然后分别求出对应于特征值λi的特征向量ei（i=1，2，…，p)。
（3)计算主成分贡献率及累计贡献率
一般取累计贡献率达85-95%的特征值λ1，λ2，…，λm所对应的第一，第二，……，第m（m≤p)个主成分。
（4)计算主成分载荷
由此可以进一步计算主成分得分：
第三节 主成分分析应用实例
主成分分析实例
对于某区域地貌-水文系统，其57个流域盆地的九项地理要素：x1为流域盆地总高度（m)x2为流域盆地山口的海拔高度（m)，x3为流域盆地周长（m)，x4为河道总长度（km)，x5为河
表2-14 某57个流域盆地地理要素数据
道总数，x6为平均分叉率，x7为河谷最大坡度（度)，x8为河源数及x9为流域盆地面积（km)的原始数据如表2-14所示。张超先生（1984)曾用这些地理要素的原始数据对该区域地貌-水文系统作了主成分分析。下面，我们将其作为主成分分析方法在地理学研究中的一个应用实例介绍给读者，以供参考。
表2-15相关系数矩阵
（1)首先将表2-14中的原始数据作标准化处理，由公式（4)计算得相关系数矩阵（见表2-15)。
（2)由相关系数矩阵计算特征值，以及各个主成分的贡献率与累计贡献率（见表2-16)。由表2-16可知，第一，第二，第三主成分的累计贡献率已高达86.5%，故只需求出第一，第二，第三主成分z1，z2，z3即可。
表2-16 特征值及主成分贡献率
（3)对于特征值λ1=5.043，λ2=1.746，λ3=0.997分别求出其特征向量e1，e2，e3，并计算各变量x1，x2，……，x9在各主成分上的载荷得到主成分载荷矩阵（见表2-17)。
表2-17 主成分载荷矩阵
从表2-17可以看出，第一主成分z1与x1，x3，x4，x5，x8，x9有较大的正相关，这是由于这六个地理要素与流域盆地的规模有关，因此第一主成分可以被认为是流域盆地规模的代表：第二主成分z2与x2有较大的正相关，与x7有较大的负相关，而这两个地理要素是与流域切割程度有关的，因此第二主成分可以被认为是流域侵蚀状况的代表；第三主成分z3与x6有较大的正相关，而地理要素x6是流域比较独立的特性——河系形态的表征，因此，第三主成成可以被认为是代表河系形态的主成分。
以上分析结果表明，根据主成分载荷，该区域地貌-水文系统的九项地理要素可以被归为三类，即流域盆地的规模，流域侵蚀状况和流域河系形态。如果选取其中相关系数绝对值最大者作为代表，则流域面积，流域盆地出口的海拔高度和分叉率可作为这三类地理要素的代表，利用这三个要素代替原来九个要素进行区域地貌-水文系统分析，可以使问题大大地简化。
二、内梅罗水质指数污染
表1 内梅罗水质指数污染等级划分标准 P <1 1～2 2～3 3～5 >5 水质等级 清洁 轻污染 污染 重污染 严重污染 表2 地表水环境质量标准（GB3838—2002） 单位：mg/L 序 号 项 目 V类标准值 1 水温(℃) — 2 PH值（无量纲） 6—9 3 溶解氧 ≥ 2 4 高锰酸盐指数 ≤ 15 5 化学需氧量 ≤ 40 6 五日生化需氧量 ≤ 10 7 氨氮 ≤ 2.0 8 总磷 ≤ 0.4 9 总氮 ≤ 2.0 10 铜 ≤ 1.0 11 锌 ≤ 2.0 12 氟化物 ≤ 1.5 13 硒 ≤ 0.02 14 砷 ≤ 0.1 15 汞 ≤ 0.001 16 镉 ≤ 0.01 17 铬（六价） ≤ 0.1 18 铅 ≤ 0.1 19 氰化物 ≤ 0.2 20 挥发酚 ≤ 0.1 21 石油类 ≤ 1.0 22 硫化物 ≤ 1.0 23 粪大肠菌群（个/L） ≤ 40000 表3 水质评价计算方法 单因子污染指数 Pi = Ci/ Si Ci——第i项污染物的监测值； Si——第i项污染物评价标准值； 溶解氧指数 Cf——对应温度T时的饱和溶解氧浓度；
Ci——溶解氧浓度监测值；
Si——溶解氧评价标准值； pH指数 pHi——pH监测值；
pHS,min——评价标准值的下限；
pHS,max ——评价标准值的上限； 污染物超标倍数 Ci ——第i项污染物的监测值；
C0 ——第i项污染物评价标准值； 内梅罗指数 Pmax ——单因子污染指数的最高值；
Pi ——第i项污染物的污染指数；
n ——参与评价污染物的项数； 常用的客观赋权法之一:熵值法
熵是信息论中测度一个系统不确定性的量。信息量越大，不确定性就越小，熵也越小，反之，信息量越小，不确定性就越大，熵也越大。熵值法主要是依据各指标值所包含的信息量的大小，利用指标的熵值来确定指标权重的。熵值法的一般步骤为：
(1)、对决策矩阵作标准化处理，得到标准化矩阵，并进行归一化处理得：
(2)、计算第个指标的熵值：。其中。
(3)、计算第个指标的差异系数。对于第个指标，指标值的差异越大，对方案评价的作用越大，熵值越小，反之，差异越小，对方案评价的作用越小，熵值就越大。因此，定义差异系数为：。
(4)、确定指标权重。第个指标的权重为：。
效益型和成本型指标的标准化方法
对于效益型（正向）指标和成本型（逆向）指标，由于这两者是最常见并且使用最广泛的指标，所以，对这两种指标标准化处理的方法也最多，一般的处理方法有：
1. 极差变换法
该方法即在决策矩阵中，对于效益型指标，令
=
对于成本型指标，令
=
则得到的矩阵称为极差变换标准化矩阵。其优点为经过极差变换后，均有，且各指标下最好结果的属性值，最坏结果的属性值。该方法的缺点是变换前后的各指标值不成比例。
2. 线性比例变换法
即在决策矩阵中，对于效益型指标，令
=
对成本型指标，令
=
或
=
则矩阵称为线性比例标准化矩阵。该方法的优点是这些变换方式是线性的，且变化前后的属性值成比例。但对任一指标来说，变换后的和不一定同时出现。
3. 向量归一化法
即在决策矩阵中，对于效益型指标，令
对于成本型指标，令
则矩阵称为向量归一标准化矩阵。显然，矩阵的列向量的模等于1，即。该方法使，且变换前后正逆方向不变，缺点是它是非线性变换，变换后各指标的最大值和最小值不相同。
4. 标准样本变换法
在中，令
其中，样本均值，样本均方差，则得出矩阵，称为标准样本变换矩阵。经过标准样本变换之后，标准化矩阵的样本均值为，方差为。
5. 等效系数法
对成本型指标，令
=
该方法的优点是变换前后的指标值成比例，缺点是各指标下方案的最好与最差指标值标准化后不完全相同。
另外，关于效益型指标的标准化处理还有：
=
关于成本型指标的标准化处理还有：
=
固定型指标的标准化方法
对于固定型指标，若设为给定的固定值，则标准化处理的方法主要有以下几种，即令
或
或
或
(4.15)式的特点是各最优属性值标准化后的值均为1，而各最差属性的值标准化后的值不统一，即不一定都为0。
若设和分别是人为规定的最优方案和最劣方案，在该情形下，还给出了效益型、成本型和固定型指标的新的标准化方法。
对效益型和成本型，有：
对固定型指标则有：
区间型指标的标准化方法
对区间型的指标，其指标标准化处理的方法主要有以下几式：
设，令
或令
显然，还可以简化为：
或令
或令
其中，是指给定的某个固定区间，即属性值越接近该区间越好。
偏离型指标的标准化方法
对越来越偏离某值越好的偏离性指标，一般有如下标准化公式：
或令
（对都有）
或令
偏离型指标是与固定型指标相对立的一种指标类型，它的公式使用可以用固定型指标的公式改造，但在使用时要注意其公式的适用范围。
偏离区间型指标的标准化方法
对偏离区间型指标，有如下标准化的方法：
令
或令
或令
其中，是某个固定区间，属性值越偏离该区间越好。偏离区间型指标是与区间型指标相对立的一种指标类型。

㈡ 因子分析法的分析步骤

因子分析的核心问题有两个：一是如何构造因子变量；二是如何对因子变量进行命名解释。因此，因子分析的基本步骤和解决思路就是围绕这两个核心问题展开的。
（i）因子分析常常有以下四个基本步骤：
⑴确认待分析的原变量是否适合作因子分析。
⑵构造因子变量。
⑶利用旋转方法使因子变量更具有可解释性。
⑷计算因子变量得分。
（ii）因子分析的计算过程：
⑴将原始数据标准化，以消除变量间在数量级和量纲上的不同。
⑵求标准化数据的相关矩阵；
⑶求相关矩阵的特征值和特征向量；
⑷计算方差贡献率与累积方差贡献率；
⑸确定因子：
设F1，F2，…， Fp为p个因子，其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时，可取前m个因子来反映原评价指标；
⑹因子旋转：
若所得的m个因子无法确定或其实际意义不是很明显，这时需将因子进行旋转以获得较为明显的实际含义。
⑺用原指标的线性组合来求各因子得分：
采用回归估计法，Bartlett估计法或Thomson估计法计算因子得分。
⑻综合得分
以各因子的方差贡献率为权，由各因子的线性组合得到综合评价指标函数。
F = (w1F1+w2F2+…+wmFm)/(w1+w2+…+wm )
此处wi为旋转前或旋转后因子的方差贡献率。
⑼得分排序：利用综合得分可以得到得分名次。
在采用多元统计分析技术进行数据处理、建立宏观或微观系统模型时，需要研究以下几个方面的问题：
· 简化系统结构，探讨系统内核。可采用主成分分析、因子分析、对应分析等方法，在众多因素中找出各个变量最佳的子集合，从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响。“从树木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认识系统的内核。
· 构造预测模型，进行预报控制。在自然和社会科学领域的科研与生产中，探索多变量系统运动的客观规律及其与外部环境的关系，进行预测预报，以实现对系统的最优控制，是应用多元统计分析技术的主要目的。在多元分析中，用于预报控制的模型有两大类。一类是预测预报模型，通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术。另一类是描述性模型，通常采用聚类分析的建模技术。
· 进行数值分类，构造分类模式。在多变量系统的分析中，往往需要将系统性质相似的事物或现象归为一类。以便找出它们之间的联系和内在规律性。过去许多研究多是按单因素进行定性处理，以致处理结果反映不出系统的总的特征。进行数值分类，构造分类模式一般采用聚类分析和判别分析技术。
如何选择适当的方法来解决实际问题，需要对问题进行综合考虑。对一个问题可以综合运用多种统计方法进行分析。例如一个预报模型的建立，可先根据有关生物学、生态学原理，确定理论模型和试验设计；根据试验结果，收集试验资料；对资料进行初步提炼；然后应用统计分析方法（如相关分析、逐步回归分析、主成分分析等）研究各个变量之间的相关性，选择最佳的变量子集合；在此基础上构造预报模型，最后对模型进行诊断和优化处理，并应用于生产实际。

㈢ 什么是单因子分析法

单因子分析法应该是单因素敏感性分析法
每次只变动一个因素而其他因素保持不变时所做的敏感性分析法叫做单因素敏感性分析法

㈣ 单因子指数法的方法简介及步骤

计算某一评价指标的污染指数公式为：
单项指标污染指数：
（2–1）
或者
（2–2）
某断面综合污染指数：
（2–3）
式中 Pi——某一评价指标的相对污染值
Ci——某一评价指标的实测浓度值
Co——某一评价指标的最高允许标准值
P——某断面的污染指数
n——某断面内测点数
计算单项参数溶解氧（DO）来说，，其只值应随浓度增大而减小，因此它的计算式：
2–4
式子是根据国家及有关部门颁布的水环境质量标准，以L4作为溶解氧最低浓度标准值，以C i≥8作为河流未受污染时的情况.
对于评价参数pH ，由于它的Ci浓度值为7．0时，表明河流水质状况良好，Ci过高或过低均表示不同性质的污染。计算公式为：
2–5
式中：—— pH 的最高浓度标准值
—— pH 的最低浓度标准值

㈤ 常用的气候变化检测和归因方法有哪些

水文频率分析计算是水利工程规划设计、施工以及运行管理的基础工作,传统的水文频率分析计算的一个基本前提是水文序列满足一致性假设。近几十年来,受气候变化和人类活动影响,许多河流的径流序列存在非一致性,导致传统基于一致性假设的水文频率计算方法的适用性受到严峻挑战,因此研究非一致性条件下水文频率分析方法具有重要的意义。在总结了国内外最新的非一致水文序列频率分析研究成果的基础上,将该研究方向的研究重点、难点和热点归纳为如下四方面:1)单变量水文序列的非一致性诊断;2)单变量水文序列非一致性的数学描述与归因分析;3)非一致性条件下的单变量随机事件重现期定义和估计;4)多变量非一致水文序列的频率分析。

㈥ 描述气候的主要指标有哪些

气象指标：气象部门根据气象预测而发布的为居民生产，生活出行而提供的参考数据。包括温度、湿度、风向、风力、太阳照射强度等相关数据。气象指标是利用气象观测、试验调查资料，以及利用气象的历史资料，进行分析、验证、修正、归纳得出的具体数值，在所选用资料的区间范围内比较稳定并具有代表性。指标有单因子和多因子两种，后者又称综合指标。单因子指标以一个气象参数的量值表示，如平均温度，降水量等；多因子指标以多个气象参数的量值表示，如用气温、相对湿度和风速表示的干热风指标，用蒸发量与降水量的比值来表示干湿程度的干燥指数或干燥度等。同一单因子指标因气象条件的不同关系，又可有多种具体指标，如温度指标还可分为最低、最高、适宜等。