技术领域
[0001] 本发明属于应用气候学领域，涉及一种区域性气候系统特征分类及代表性格点的选取方法。
相关背景技术
[0002] 大尺度的气候变化影响评估、适应和应对(LSCCIAA)需要气候特征分类及代表性格点选取来克服模拟计算的复杂性。现有的气候分类技术，如K均值分类、自组织图和模糊分类等，缺乏严谨的统计推理，难以有效反映气候特征的时空异质性和分类结果的多维特征。同时，现有的格点选取技术，如随机、均值和主观选取等，未能定量分析格点代表性及其随气候分类、气候指标、格点和时间的复杂变化。现有相关技术的这些缺陷使得最终选取的区域气候格点的代表性不足，进而降低了相应的LSCCIAA措施的可靠性，或将给社会经济和生态环境带来严重影响。
[0003] 发明目的
[0004] 本发明的目的即在于应对现有技术的不足，提供一种区域性气候系统特征分类及代表性格点选取方法，通过析因推断格点分类和代表性分析(FIGGRA)，以克服现有相关技术的缺陷，实现系统性的区域气候特征代表性格点选取、科学支撑LSCCIAA决策。
具体实施方式
[0012] 以下结合附图，详细说明本发明的具体实施方式。需要指出的是，此处的具体实施方式只是为了示例性阐述本发明，只是本发明的优选实施例，而不应被视为对本发明的限制，任何不脱离本发明主旨的变体或要素的等效替代均落入本发明的范围。
[0013] 图1是区域性气候系统特征分类及代表性格点选取方法FIGGRA的框架图。
[0014] 由图可知，该方法包括以下步骤：
[0015] (1)递归推断格点分类(RIGG)：将气候变量(如降水或温度)的多格点上的多年序列表征为矩阵。如果任一序列不服从正态分布，则转化为正态分布。通过逐列排序和逐行划分，将矩阵拆为两个子矩阵，并利用统计检验分析它们的差异是否显著。由此，将矩阵拆分为之间差异显著而内部不显著的子矩阵，实现气候特征的分类。
[0016] (2)格点分类评估：假设原始矩阵划分为了R个子矩阵(即气候类别)。基于地学领域内广泛应用的衡量两个序列近似程度的Nash系数，提出量化气候分类效果的各类别内部相似性指数、类别间相异性指数以及整体的分类有效性指数。
[0017] (3)格点选取和代表性分析：类似地，提出一系列指数来量化代表性格点与非代表性格点间的相似性、代表性格点与类均值间的相似性、以及代表性格点与非代表性格点间的最低相似性。在此基础上，提出衡量格点整体代表性的指数，以实现每个气候类别中代表性格点的科学选取。
[0018] (4)多因子多水平析因分析：针对FIGGRA方法中的多个参数，即分布转化参数(Nml)、统计显著性水平(α)和类别最小格点数(Nmin)，构建它们的不同组合及相应的分类和格点选取结果。然后，基于方差分析，定量解析这些参数的单独或联合变化对结果方差的影响，以此实现气候分类及格点选取中技术参数敏感性的量化表征。
[0019] 图2示出了本发明所述方法应用于黄土高原气候分类和代表性格点选取中的应用效果，具体应用于了中国黄土高原气候(温度和降水)的分类及代表性格点选取。其中，将FIGGRA与现有常用方法(即随机选取Rds和自组织图SOM)作了多方面的对比；另外，根据气候分类和格点选取中评价指标的多样性，试验了FIGGRA的多个不同版本，即FIGGRA‑Ma&i、FIGGRA‑Md和FIGGRA‑Mg&ig。结果显示，在气候类内格点相似性、类间格点相异性以及格点代表性等各个方面，FIGGRA均优于现有技术中Rds法和SOM法。
