基于IDRISI降雨量的时间序列分析与预测

发布时间：2021-05-26 09:04

　　笔者以全球1982年至2000年5月、6月、9月的降水量数据为研究对象,分别从空间尺度和时间尺度对此期间降雨量进行分析,并运用全球趋势模型对未来降雨量进行预测。结果表明,1982年至2000年,全球这3个月的降雨量普遍增加,但是增量不大;5月和6月的降雨量的差值在长时间序列上基本保持稳定,9月份的降雨量在时间序列上明显增加。全球6月份降雨量的预测公式为■.以此预测的降雨量数据与实际数据差异不大,且变化趋势相似。 

【文章来源】：山西林业科技. 2020,49(03)

【文章页数】：3 页

【文章目录】：
1 研究方法
    1.1 降雨量分析
    1.2 降雨量预测
2 全球降雨量的差值分析
    2.1 空间尺度上的降雨量分析
    2.2 时间尺度上的降雨量分析
3 全球趋势模型预测降雨量
4 结论与讨论


【参考文献】：
期刊论文
[1]基于ARIMA模型的拉萨降水量时间序列分析与预测[J]. 宫晨.  北华航天工业学院学报. 2011(05)
[2]改进时间序列模型在降雨量预测中的应用研究[J]. 白玉洁.  计算机仿真. 2011(10)
[3]一类未知参数非线性系统的自适应无源控制[J]. 张静,武俊峰,曾蓉.  控制工程. 2009(05)
[4]青藏铁路沿线气温和降水的小波分析[J]. 万明波,程智,王文.  干旱气象. 2006(04)
[5]基于小波分析的河北平原降水变化规律研究[J]. 许月卿,李双成,蔡运龙.  中国科学（D辑:地球科学）. 2004(12)
[6]1920～2000年全球6～8月陆地旱涝气候变化[J]. 施能,陈绿文,封国林.  气象学报. 2003(02)
[7]全球陆地年降水场的长期变化（1948～2000年）[J]. 施能,陈绿文.  科学通报. 2002(21)
[8]子波分析及其在水文水资源中的潜在应用[J]. 李贤彬,丁晶,李后强.  四川联合大学学报(工程科学版). 1997(04)
[9]西安市近50年来气候变化多时间尺度分析[J]. 邓自旺,林振山,周晓兰.  高原气象. 1997(01)



本文编号：3206110