《时间序列分析》习题解答?0?2习题2.3?0?21考虑时间序列10判断该时间序列是否 平稳计算该序列的样本自相关系数 kρ∧绘制该样本自相关图并解释该图形. ?0?2解根据时序图可以看出该时间序列有明显的递增趋势所以它一定不是平稳序列?0?2即可判断该时间序是非平稳序列其时序图程序见后。?0?2 时间序描述程序data example1 input number timeintnxyear01jan1980d _n_-1 format time date. cards 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 proc gplot dataexample1 plot numbertime1 symbol1 cblack vstar ijoin run?0?2?0?2?0?2当延迟期数即k本题取值1 2 3 4 5 6远小于样本容量n本题为20时自相关系数kρ∧计算公式为 number1234567891011121314151617181920time01JAN8001J AN8101JAN8201JAN8301JAN8401JAN8501JAN8601JAN870 1JAN8801JAN8901JAN9001JAN9101JAN9201JAN9301JAN9 401JAN9501JAN9601JAN9701JAN9801JAN99121nkttktknttX XXXXXρ?6?1∧?6?1?6?1≈?6?1∑∑ 0kn4.9895?0?2 注20.05125.226χ接受原假设认为该序列为纯随机序列。?0?2解法三、Q统计量法计算Q统计量即12214.57kkQnρ∑?0?2?0?2?0?2?0?2?0?2?0?2?0?2?0?2?0?2?0?2查表得210.051221.0261χ?6?1由于Q统
青海民族大学 毕业论文 论文题目：时间序列分析方法及应用—以青海省GDP 增长为例研究 学生姓名：学号： 指导教师：职称： 院系：数学与统计学院 专业班级：统计学 二○一五年月日
时间序列分析方法及应用——以青海省GDP增长为例研究 摘要: 人们的一切活动，其根本目的无不在于认识和改造世界，让自己的生活过得更理想。时间序列是指同一空间、不同时间点上某一现象的相同统计指标的不同数值，按时间先后顺序形成的一组动态序列。时间序列分析则是指通过时间序列的历史数据，揭示现象随时间变化的规律，并基于这种规律，对未来此现象做较为有效的延伸及预测。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律或从动态的角度刻画某一现象与其他现象之间的内在数量关系及其变化规律性，达到认识客观世界的目的。而且运用时间序列模型还可以预测和控制现象的未来行为，由于时间序列数据之间的相关关系（即历史数据对未来的发展有一定的影响），修正或重新设计系统以达到利用和改造客观的目的。从统计学的内容来看，统计所研究和处理的是一批有“实际背景”的数据，尽管数据的背景和类型各不相同，但从数据的形成来看，无非是横截面数据和纵截面数据两类。本论文主要研究纵截面数据，它反映的是现象以及现象之间的关系发展变化规律性。在取得一组观测数据之后，首先要判断它的平稳性，通过平稳性检验，可以把时间序列分为平稳序列和非平稳序列两大类。主要采用的统计方法是时间序列分析，主要运用的数学软件为Eviews软件。大学四年在青海省上学，基于此，对青海省的GDP十分关注。本论文关于对1978年到2014年以来的中国的青海省GDP（总共37个数据）进行时间序列分析，并且对未来的三年中国的青海省GDP进行较为有效的预测。希望对青海省的发展有所贡献。 关键词: 青海省GDP 时间序列白噪声预测
第16卷第1期极地研究Vol.16,No.1 2004年3月CHIN ESE JOURNAL OF POLAR RESEARCH March2004 研究论文 南极海冰的时空变化特征 马丽娟 陆龙骅 卞林根 (中国气象科学研究院,北京100081) 提要 依据Hadley中心提供的全球海冰密集度格点资料,利用诊断分析方法,对近35年来南极海冰的时空变化特征进行了研究。研究表明,在南极地区,海冰平均北界和海冰总面积的变化基本一致,可以用海冰北界来研究南极海冰的时空变化特征。南极海冰最多和最少期分别出现在9月和2月;威德尔海和罗斯海地区海冰最多、变化最大,南极半岛地区海冰最少,变化也小;近35年来环南极地区的海冰有明显的减少趋势。南极海冰变化的时空多样性十分明显,存在着5个变化不同的区域,其中有两个区域近35年来海冰范围扩大,面积增加,而另三个区域则海冰范围缩小,面积减少。不同区域的海冰都存在着较明显的2—3年和5—7年主振荡周期。南极海冰时空变化特征的研究对进一步认识南极地区海2冰2气相互作用的物理过程,讨论南极海冰变异与大气环流和天气气候的关系有重要意义。 关键词 南极海冰 数学诊断 时空变化 全球变化 1 引言 全球气候变化是当今举世瞩目的重要课题,南极地区是全球气候变化的关键区和敏感区。科学家们目前正力图从此发现全球气候变化的前兆。极地是地球大气热机运转的冷源所在地,其海洋和大气状况对于全球大气环流和天气气候变化具有重要作用。南极地区是全球地2气系统的主要冷源之一,而赤道地区则是全球地2气系统的主要热源(周秀骥,陆龙骅等,1996)。旋转地球上冷热源的非均匀分布,正是产生大气环流的直接原因。 海冰是南极地区最重要的大气环境特征之一。海冰的存在及其季节和年际变化,是极地海洋状况最显著和变化最大的特征。海冰所具有的高反射率及其对海洋与大气之间热量和水汽交换的抑制作用,以及海冰生消所伴随的潜热变化,对于极地和高纬度地区大气的热量收支有着至关重要的影响,进而影响极地大气冷源的强度。因此,极地海冰覆盖范围的变化可以通过影响极地大气冷源的强度而影响大气环流。另一方面,由于受极地海陆分布及洋流等因素的影响,海冰地理分布不均,导致极地各区域海冰对大气环流的影 [收稿日期] 2004年2月收到来稿。 [基金项目] 科技部基础工作专项资助。 [作者简介] 马丽娟,女,1979年生。中国气象科学研究院2001级硕士研究生。专业方向是极地气象与全球变化研究。
微 波 遥 感 技 术 和 应 用 机械工程学院 机械设计制造及其自动化 张霁 1005040221
一、遥感技术的介绍 遥感技术是20世纪60年代兴起的一种探测技术，是根据电磁波的理论，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。目前利用人造卫星每隔18天就可送回一套全球的图像资料。利用遥感技术，可以高速度、高质量地测绘地图。它好比孙悟空的一双火眼金睛，能从云朵上看清万物根本面目，从高空感知地下和海底的宝藏。 二、微波遥感的定义 运用波长为1～1 000mm的微波电磁波的遥感技术。包括通过接收地面目标物辐射的微波能量，或接收遥感器本身发射出的电磁波束的回波信号，根据其特征来判别目标物的性质，特征和状态，包括被动遥感和主动遥感技术。微波遥感对云层、地表植被、松散沙层和冰雪具有一定的穿透能力，可以全天侯工作。 微波遥感是传感器的工作波长在微波波谱区的遥感技术，是利用微波投射于物体表面，由其反射回的微波波长改变及频移确定其大小、形态以及移动速度的技术。 常用的微波波长范围为0. 8～30厘米。其中又细分为K、Ku、X、G、C、S、Ls、L 等波段。 微波遥感的工作方式分主动式（有源）微波遥感和被动式（无源）微波遥感。前者由传感器发射微波波束再接收由地面物体反射或散射回来的回波，如侧视雷达；后者接收地面物体自身辐射的微波，如微波辐射计、微波散射计等。 三、遥感技术的发展史 遥感是以航空摄影技术为基础，在20世纪60年代初发展起来的一门新兴技术。开始为航空遥感，自1972年美国发射了第一颗陆地卫星后，这就标志着航天遥感时代的开始。经过几十年的迅速发展，目前遥感技术已广泛应用于资源环境、水文、气象，地质地理等领域，成为一门实用的，先进的空间探测技术。 1、萌芽时期 1608年制造了世界第一架望远镜。
收稿日期收稿日期：2013-05-23；修订日期修订日期：2013-12-09 基金项目基金项目：国家自然科学基金资助项目（41271144）、2013年度河南省政府决策研究招标课题（2013B053）资助。作者简介作者简介：刘静玉（1971-），男，河南林州人，副教授，博士，硕士生导师，主要从事城市-区域综合发展、城市规划与设计研究。E-mail:liujy@https://www.doczj.com/doc/039359014.html, 中原经济区城市间相互作用时空格局演变研究 刘静玉，杨虎乐，宋琼，范晓霞 （河南大学区域发展与规划研究中心/环境与规划学院，河南开封475004） 摘要摘要：将中原经济区30个省辖市市区作为研究对象，按照由“线”→“点”→“面”的分析思路，运用引力模型、潜能模型与潜能得分模型、经济隶属度模型等各种模型，定量分析1990~2010年间中原经济区城市间相互作用时空格局的演变过程与特征。结果表明：城市间相互作用强度的时空差异明显。“线”层次上，城市间的引力和城市联结线数目的增多，逐渐形成辐射网络，引力和联结线数目的变化存在时空差异性。“点”层次上，通过“线-点”叠加分析，城市最大联结线数目增多和城市潜能等级提升的时空差异性明显。而且1990~2010年间各个城市潜能等级跃迁的时空差异明显。“面”层次上，近20多年来，区域中心城市没有变化，但4个中心城市的腹地变化明显，核心组团——郑州组团1990~2000年北扩，2000~2010年东扩；1990~2010年，潜能高值区域的空间收缩也表现出阶段性特征。关键词：城市间相互作用；城市潜能；中原经济区中图分类号中图分类号：F129.9 文献标识码文献标识码：A 文章编号文章编号：1000-0690(2014)09-1060-09 空间相互作用用以表达两地之间的相互联系程度[1]，城市间相互作用的研究始终是学术界的热点之一。相关研究可归纳如下：第一，研究方法不断更新，多采用定性[2~4]、定量[5~8]以及定性与定量[9,10]相结合的方法展开研究。由于城市间OD(Origin-Desti-nation)交通距离数据获取难度较大，而采用理论模型[11~13]计算相对简单，因此，随着理论[14~18]和模型研究的不断深入，计量模型不断更新[19~24]。第二，数据类型多样化。研究数据分为静态数据和动态数据。因为属性数据的易获取性，研究中多采用由城市属性数据诸如GDP 、人口、投资、城市空间或时间距离等组成的静态数据[25~31]。但属性数据不能直接反映城市之间的动态关系，因此，学者多从人流、物流、技术流、信息流、金融流等方面收集数据[32,33]，运用流数据进行研究[27,34~37]。但由于研究多为客货流总量数据[38]或铁路区段OD 数据（单元偏大、空间属性比较笼统），很少涉及城市间OD 数据，即使涉及也多采用替代指标[39]或推算的间接数据[40]。第三，计量模型多样化。计量模型是定量化研究的重要手段，传统的或改进的引力模型[22,41]、城市化曲线[42]、重力模型[20]、可达性模型[21]、地缘经济 关系分析模型[43]、中心职能强度指数模型[26]和城市流强度模型[44~49]是常用的计量方法。此外，相关系数、综合客货量模型[50]、投入-产出模型等也在相关研究中采用[51]。第四，研究内容不断细化。相关研究多从静态角度来研究城市体系某个时间断面上的 空间联系特征[40，52，53] ，并将空间联系细分为经济、 旅游、劳动力流动、行政、社会联系[26,50,54,55]乃至创新联系[56]等，其中以经济联系研究为主[57~60]。第五，主要研究邻近城市和城市群、城市带城市间的相互作用[26,43,45,46,48]，针对城市群的研究多集中 于长三角[61，62]、珠三角[26,43]和环渤海城市群[48,63]。 相关研究的主要特点是：第一，数据类型由大量使用静态属性数据，转向动态的流数据。第二，从定性描述转向定量刻画。定量模型表现出多样化趋势，传统模型及其改进模型依旧发挥重要作用，新的计量、数理模型不断引进。第三，不同尺度的城镇体系内部城市间相互作用是传统研究热点，经济联系活跃的邻近城市、发育较好的城市群与经济区域同样是研究的热点区域。第四，城市间作用机理辨析、经济空间划分、区域空间结构优化是相关研究的主要目的。当然，相关研究也存 第34卷第9期2014年09月 V ol.34No.9Sep.,2014 地理科学 SCIENTIA GEOGRAPHICA SINICA
土地利用时空变化特征及驱动力分析 摘要：基于1997-2010年土地利用变化数据，从土地利用类型的数量变化、土地利用程度的变化、土地利用的动态度、土地利用的经济效益变化等方面，对重庆市土地利用时空特征进行分析，从经济和社会两个方面定性分析了影响土地利用变化的人文驱动因素，主要包括经济利益、经济发展水平、产业结构、宏观政策、人口因素、交通因素等。结合1997-2010年重庆市相关数据，从定量角度分析表明，人口驱动因子和经济发展驱动因子是影响重庆市耕地面积变化的主要驱动因子。结合重庆实际，提出了大力发展外向型农业和“三高”农业既有利于经济社会发展，又能保护耕地和保障粮食安全的政策措施。 关键词：土地利用；一圈两翼；主成分分析；重庆市 重庆地处长江上游，目前正处于经济社会发展和城市化进程的加速时期，也处于全国统筹城乡配套改革试验区建设的关键时期与重点突破阶段，如何协调好建设、发展和吃饭的问题就成为了一个急需解决的问题。以往对重庆市土地利用变化分析只见于局部地区和小流域[1-5]，关于全市土地利用变化的研究也仅限于少数文献[6-9]。 本研究基于第二次土地调查数据，通过对相关文献阅读[10-15]，从多个角度更加详细地分析了重庆市1997-2010年这14年的土地利用变化，揭示其时空变化特征，并对影响土地利用变化的驱动机制进行分析，以期更加合理高效地配置土地资源，正确处理重庆经济社会发展与耕地资源保护、保障粮食安全提供理论依据。 1 重庆市土地利用时空变化特征 1.1 土地利用类型的数量变化 1997年直辖以来，重庆市土地利用格局迅速变化。①耕地面积1997-2010年逐年减少，每年平均减少7 031.46 hm2。耕地的占用主要是人们追求经济利益和人口增多、大力发展城镇经济产业、旅游业等政策的结果及重庆市直辖后城市化建设，由1997-2010年建设用地审批情况来看，每年建设用地均占用较大面积的耕地。②1997-2010年园地、林地面积呈逐年增加的态势。园地年均增加7 855.03 hm2，林地年均增加58 165.25 hm2。主要由于退耕还林、还园的政策及经济利益的驱动：一是脆弱的生态环境和三峡库区生态保护，实施森林工程和库周绿化带工程建设等改善生态环境；二是在市场经济条件下，园地的经济效益远p 1.2 土地利用程度的变化 区域土地利用程度变化是多种土地利用类型变化的综合结果，可以用土地利用程度综合指数来表征某一区域的土地利用程度，土地利用程度变化值可以表达为：
微波遥感技术的应用现状综述 彭文放02126033 （西安电子科技大学 021261班） 摘要：针对我国微波遥感的应用现状进行综述。微波技术已经在冰雪、海洋、气象、农业、军事、灾害监测、以及室内实验方面得到了广泛研究和应用，在未来必将得到更加深入发展。 关键词：微波遥感应用现状 中图文分类号：TP7 文献标识码：A 1 引言 遥感技术包括传感器技术，信息传输技术，信息处理、提取和应用技术，目标信息特征的分析与测量技术等。遥感技术依其遥感仪器所选用的波谱性质可分为：电磁波遥感技术、声纳遥感技术、物理场（如重力和磁力场）遥感技术。电磁波遥感技术是利用各种物体／物质反射或发射出不同特性的电磁波进行遥感的。其可分为可见光、红外、微波等遥感技术。按照感测目标的能源作用可分为：主动式遥ks5u感技术和被动式遥感技术。按照记录信息的表现形式可分为：图像方式和非图像方式。按照遥感器使用的平台可分为：航天遥感技术、航空遥感技术、地面遥感技术。按照遥感的应用领域可分为：地球资源遥感技术、环境遥感技术、气象遥感技术、海洋遥感技术等。微波遥感是利用某种传感器接收地面各种地物发射或反射的微波信号，籍以识别、分析地物、提取所需信息。微波遥感分为主动式和被动式。主动式包括成像雷达、微波散射计微波高度计和降雨雷达；被动式主要有微波辐射计。这些微波遥感器各有特点和适用范围。 2微波遥感额特点 微波遥感器不受或很少受云、雨、雾的影响，不需要光照条件，可以全天候，全天时的取得图像和数据。又因为微波有一定的穿透能力，故能获得较深层的信息。在毫米波亚毫米波段有一些气体有谐振谱线，利于监测。微波遥感：是传感器的工作波长在微波波谱区的遥感技术，是利用某种传感器接受地理各种地物发射或者反射的微波信号，藉以识别、分析地物，提取地物所需的信息。微波遥感是20世纪后期发展起来的新一代先进航天遥感技术。1888年，物理学家赫兹发现了电磁波，为无线电通信开辟了道路。19世纪末无线电的发送、接收技术和20世纪初电子管的发明，带来了20世纪科学技术的突飞猛进。20世纪80
收稿日期收稿日期：2016-02-23；修订日期修订日期：2016-08-13 基金项目基金项目：国家自然科学基金项目(41601162、41571384)资助。[Foundation:National Natural Science Foundation of China (41601162,41571384).] 作者简介作者简介：贺三维(1987-)，女，湖北荆州人，博士，讲师，主要从事城市与区域发展研究。E-mail:sanwei.87@https://www.doczj.com/doc/039359014.html, 通讯作者通讯作者：王伟武，副教授。E-mail:weiwuwang@https://www.doczj.com/doc/039359014.html, 贺三维，王伟武，曾晨，等.中国区域发展时空格局变化分析及其预测[J].地理科学,2016,36(11):1622-1628.[He Sanwei,Wang Weiwu,Zeng Chen et al.Spatio-tem-poral Pattern of Economic Development and the Forecast in China.Scientia Geographica Sinica,2016,36(11):1622-1628.]doi:10.13249/https://www.doczj.com/doc/039359014.html,ki.sgs.2016.11.003 中国区域发展时空格局变化分析及其预测 贺三维1,2，王伟武3，曾晨4，刘明辉1 （1.中南财经政法大学公共管理学院，湖北武汉430073；2.中南财经政法大学地方政府研究中心，湖北武汉430073； 3.浙江大学建筑工程学院，浙江杭州310058； 4.华中农业大学公共管理学院，湖北武汉430070） 摘要摘要：基于1997~2010年的全国省级、地级市和县级多尺度社会经济发展数据库，采用GIS 与空间统计学相结合方法，揭示了中国经济发展的空间格局及其动态演变特征及时空格局的尺度依赖性，并对未来经济发展空间格局进行合理预测。结果表明：①1997~2010年中国经济的空间中心位于河南省境内，并呈现出西北移动的趋势，出现沿海-大陆共生的经济空间格局并逐步均衡化。②经济发展空间格局具有较为显著的尺度效应，其分布重心、形状和方位在不同尺度上发生变化；总体而言，空间尺度越小，其经济重心越偏向西南方向，其空间分布形状越接近于正圆，主轴方位越偏东。③预测结果表明未来10~20a 中国经济重心会继续向北移动，略微偏向东部地区，京津冀、长三角等沿海城市群仍是未来中国经济发展的主要增长引擎。研究结果可以为各级政府制定区域发展政策提供科学的理论依据。 关键词关键词：经济发展；空间格局；多尺度；标准差椭圆；灰色预测模型中国分类号中国分类号：F129.9 文献标识码文献标识码：A 文章编号文章编号：1000-0690（2016）11-1622-07 区域经济差异一直是经济学家和地理学家关注的重点和难点。在理论研究方面，新古典增长理论、增长极理论、库兹涅茨曲线、内生性增长理论、循环累积因果论等主流经济学理论一般忽视经济 活动的空间性[1，2]。20世纪90年代以后，随着新经 济地理学的提出，许多经济学家开始重视空间因素的作用，强调经济活动的空间依赖性、空间异质性和空间集聚特征[3~5]。目前经济发展空间格局正成为区域差异研究的核心问题，越来越多的学者予以重视，研究成果日趋丰富，主要归纳为四大特点：①区域差异理论由关注收敛与分异、内生与外生问题，开始注重空间区位和空间布局对经济发展 的作用[6，7] ；②经济发展空间格局关注空间和时间两个维度，更注重空间格局的动态演变过程和规律[8，9]； ③研究尺度趋于多元化，由区域、省级、地级市等宏观中观尺度转向于县级等微观尺度[10]；④测度方法和技术手段日趋成熟，包括Moran ’s I 指数、局部Moran ’s I 指数、Geary ’s C 指数、热点分析、空间马 尔科夫链、探索性空间数据分析等[11~13]。然而，目前研究尚存在一些不足之处：①区域发展及差异等地理现象具有较强的空间尺度效应，基于多尺度对比和县级等微观尺度的研究尚不多[14~16]。②研究方法上，多采用地理空间方法（如探索性空间数据分析） 分析经济发展空间格局的集聚或扩散特征[17，18] 。它 侧重于空间数据的自相关问题，但忽略了空间数据的整体性、图像性以及空间格局之间的变异性[19]。因此，本研究将从省级、地级市、县级3个空间尺度上，采用空间格局统计方法来探讨中国经济发展的主体空间格局及其动态变化特征，并对比分析中国经济发展空间格局的尺度效应，结合灰色预测模型对未来中国经济发展进行时空格局预测，为相关政府部门制定发展政策提供理论依据。 1研究区域及研究方法 1.1研究区域及研究数据 为了揭示经济发展的空间尺度效应，研究以 地理科学 Scientia Geographica Sinica 第36卷第11期2016年11月 V ol.36No.11Nov.,2016
中国冻土的时空变化特征 添加收藏 会议名称: 中国气象学会2006年年会 摘要: 通过对中国气象台站观测的冻土气象观测资料的整理和分析，研究了中国冻土分布的时空演变规律.主要分析了中国冻土分布的季节变化，开始冻结的日期分布，开始解冻的日 期分布，冻结的时间长度分布以及中国冻土的深度的空间变化，同时也分析了上述特征 的时间变化.主要结论如下: 中国冻土分布十分广泛，季节性冻土和多年冻土影响的面积 约占中国陆地总面积的70％.按照决定冻土的形成和分布规律的主要自然因素的综合特 征，可将冻土划分为三个东部，西北，青藏高原三个区域.在东部区域从最北端的大小兴 安岭地区到长江流域都有冻土分布，在个别年份冻土的范围扩展到浙江，湖南，福建等 省份，在中国西北地区，青藏高原地区都有广泛的多年冻土和季节性冻土的分布.中国东 部地区冻土的分布主要表现为纬度地带性规律，而青藏高原冻土分布主要表现为高度地 带性，西北地区则兼而有之. 中国季节性冻土具有显著的年内变化特征，季节性变化明 显，冻结主要从9月开始，由北向南逐渐推进，在冬末春初我国的冻土面积和深度都达 到最大，北方部分地区以及青藏高原部分地区冻结深度超过了100cm，部分地区超过了 200cm.在夏季，季节性冻土面积不断减少，八月份达到最小.而秋季，春季则是过渡季 节，秋季冻土面积和深度不断增加，春季则相反.从冻结时间长度来看，大小兴安岭地区 和青藏高原地区的季节冻结区冻结时间长度最长，其时间长达半年以上，江淮流域冻土 的冻结时间最短，只有两到三个月左右的时间. 在全球变暖背景下，近几十年来，中国 地区的冻土总体表现为最大冻土深度减小，冻结时间推迟，融化时间提前，冻结持续日 缩短，多年冻土面积萎缩，以及冻土下界上升的总体退化趋势.冻土的主要转型时期发生 在上世纪80年代中后期.同时在一些地区的冻土也有不同的变化，例如在东北大兴安岭 部分地区，青藏高原的柴达木盆地北部地区，青海东南部部分地区冻土是总体是呈增加 的趋势的. 关键词: 冻土分布,空间分布,年际变化,冻土气象观测,冻结时间 会议年代: 2006
【时间简“识”】 说明：本文摘自于经管之家(原人大经济论坛) 作者：胖胖小龟宝。原版请到经管之家(原人大经济论坛) 查看。 1.带你看看时间序列的简史 现在前面的话—— 时间序列作为一门统计学，经济学相结合的学科，在我们论坛，特别是五区计量经济学中是热门讨论话题。本月楼主推出新的系列专题——时间简“识”，旨在对时间序列方面进行知识扫盲（扫盲，仅仅扫盲而已……），同时也想借此吸引一些专业人士能够协助讨论和帮助大家解疑答惑。 在统计学的必修课里，时间序列估计是遭吐槽的重点科目了，其理论性强，虽然应用领域十分广泛，但往往在实际操作中会遇到很多“令人发指”的问题。所以本帖就从基础开始，为大家絮叨絮叨那些关于“时间”的故事！ Long long ago，有多long估计大概7000年前吧，古埃及人把尼罗河涨落的情况逐天记录下来，这一记录也就被我们称作所谓的时间序列。记录这个河流涨落有什么意义当时的人们并不是随手一记，而是对这个时间序列进行了长期的观察。结果，他们发现尼罗河的涨落非常有规律。掌握了尼罗河泛滥的规律，这帮助了古埃及对农耕和居所有了规划，使农业迅速发展，从而创建了埃及灿烂的史前文明。
好~~从上面那个故事我们看到了 1、时间序列的定义——按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。 2、时间序列分析的定义——对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。 既然有了序列，那怎么拿来分析呢 时间序列分析方法分为描述性时序分析和统计时序分析。 1、描述性时序分析——通过直观的数据比较或绘图观测，寻找序列中蕴含的发展规律，这种分析方法就称为描述性时序分析 描述性时序分析方法具有操作简单、直观有效的特点，它通常是人们进行统计时序分析的第一步。 2、统计时序分析 （1）频域分析方法 原理：假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动 发展过程： 1）早期的频域分析方法借助富里埃分析从频率的角度揭示时间序列的规律 2）后来借助了傅里叶变换，用正弦、余弦项之和来逼近某个函数 3）20世纪60年代，引入最大熵谱估计理论，进入现代谱分析阶段 特点：非常有用的动态数据分析方法，但是由于分析方法复杂，结果抽象，有一定的使用局限性 （2）时域分析方法
地理学报ACTA GEOGRAPHICA SINICA 第68卷第11期 2013年11月V ol.68,No.11Nov.,2013 收稿日期：2013-05-28;修订日期：2013-07-26 基金项目：林业公益性行业科研专项经费项目(201304301);教育部人文社会科学研究基金项目(10YJCZH130; 11YJA630008)[Foundation:The Forestry Public Welfare Project of China,No.201304301;The Research Projects of the Social Science and Humanity of the Ministry of Education,No.10YJCZH130; No.11YJA630008)] 作者简介：李名升(1981-),男,山东安丘人,博士,高级工程师,主要从事环境质量综合分析与评价研究。 E-mail:lims@https://www.doczj.com/doc/039359014.html, 1504-1512页 近10年中国大气PM 10污染时空格局演变 李名升,张建辉,张殷俊,周磊,李茜,陈远航 (中国环境监测总站,北京100012) 摘要：为分析近10年来中国PM 10污染时空格局演变，运用统计学和GIS 方法对2002-2012年 PM 10监测数据进行分析，结果表明：①地级及以上城市ρ(PM 10)年均值由0.130mg ·m -3下降至 0.076mg ·m -3，达标城市比例由37.6%上升至92.0%；环保重点城市ρ(PM 10)日均值超标天数比 例由24.7%下降至7.0%。②12月份PM 10污染最重，其次为1月和11月；8月份污染最轻，其 次为7月和9月。③PM 10的重污染区域明显减小，由集中连片分布变为零星点状分布。但空间 格局未发生明显变化，北方尤其是西北、华北地区及山东、江苏、湖北一直是PM 10污染相对 严重地区。④北方地区PM 10污染重于南方地区，两者的差异主要发生在北方采暖期(1-4月及 11-12月)。⑤PM 10污染的改善主要体现在重污染城市的改善，1/10左右的重污染城市对降低 全国PM 10平均浓度的贡献约占1/3，而清洁城市PM 10污染则有加重趋势。⑥环保重点城市污 染天气以轻度污染为主，占全部污染天数的80.4%。受沙尘天气影响，3、4月份发生严重污染 天气的比例较高。 关键词：可吸入颗粒物；PM 10；时空格局；空间分异；空气质量 DOI:10.11821/dlxb201311006 随着工业化、城市化快速发展及机动车保有量的大幅增加，环境空气质量尤其是城市空气质量受到不同程度污染，已成为威胁可持续发展和人类健康的重要挑战。影响环境空气质量的主要污染物包括二氧化硫(SO 2)、氮氧化物(NO x )、臭氧(O 3)、颗粒物(PM)及有机物等。其中，颗粒物是空气污染中较为普遍且危害较大的污染物之一[1]。颗粒物中空气动力学直径小于或等于10μm 的称为可吸入颗粒物(PM 10)。由于PM 10能够进入人体的呼吸系统甚至深入肺泡进入人体的血液循环[2-3]，对人体健康的危害更大。有研究表明：空气中可吸入颗粒物的浓度与呼吸统统疾病、心脑血管疾病等的发病率、死亡率有很强的正相关关系[4-5]，此外，颗粒物浓度对大气能见度[6]和全球气候变化[7]也有重要影响。因此，围绕污染分布[8]、健康风险评价[9]、污染来源[10]、影响因素[11]、预测与模拟[12-13]等方面，PM 10的研究已经成为国际大气环境研究的热点之一。 PM 10是影响我国环境空气质量的首要污染物[14]，开展对PM 10的相关研究对我国更具有重要意义。自2000年以来，众多学者在PM 10的污染特征[15-16]、健康评价[17-19]、源解析[20]、跨界污染[21]等方面取得了可喜的成果，分析气象因素[22-23]、沙尘[24]等条件对PM 10污染的影响，试图建立颗粒物的排放源清单[25]，尝试应用遥感手段进行PM 10监测[26-27]。但这些研究多针对某一城市，且时间序列较短[15-16,18-20]，缺乏大尺度长时间序列的研究，对PM 10空间分布规律的探讨更少。 本文利用地级及以上城市2002年以来的监测数据对PM 10污染时空格局进行分析，以
利用被动微波遥感提高土壤湿度分辨率 摘要】土壤湿度对于河水监测预报、水文模型的 建立、气象模型等至关重要，被动微波遥感凭借范围广、对土壤湿度敏感、周期快等优点，在反演土壤湿度方面越来越普遍。但其分辨率较低，提高其分辨率成为广大学者研究的重点。本文对国内外提高其分辨率的方法进行总结研究并提出建议。 关键词】被动微波遥感；土壤湿度；分辨率 0 背景在进行河水监测预报、水文模型的建立、气象模型等都 需要大尺度的土壤湿度数据；为了应用于不同尺度的模型，不同分辨率的土壤湿度数据的需求越来越大。但如此重要的物理量在目前的方法中却没有得到广泛的应用，其主要原因是土壤湿度时间和空间的变化率非常大，使得大范围的观测极其困难。 微波遥感凭借其范围广、周期短等优势，同时对目标具 有一定的穿透能力，不受云、雨、雾的限制，所监测到的数据很少受到土壤表面低矮植被覆盖的影响，在空间、时间大尺度上反演的土壤湿度就更具连续性和准确性。 在过去的几十年中，已经发展了很多从雷达后向散射、
微波遥感亮度温度等数据中获得近地表土壤水分的方法。这些方法的主要依赖于以下两点：（1）微波遥感数据和土壤水 分含量的物理联系较强（特别是低频波段，如L 波段）；（2） 不同传感器获得的观测值的空间/时间分辨率不同。微波数据 比热红外数据与土壤湿度的关系更直接[1]。 虽然微波数据对土壤湿度的敏感性很高，但受成像原理、 被动微波遥感器件的限制，其空间分辨率较低，约为几十公里（SMOS MIRAS数据为40km , AMSR-E数据为25km , FY数 据为25km）,为了使被动微波土壤湿度数据能更广泛的应用于各种需要高空间分辨率土壤湿度的学科，提高空间分辨率就成为急迫解决的问题之一。 国内外已经发展了很多提高被动遥感分辨率的方法。这 里主要介绍仪器改进方法和数据结合改进方法。 1仪器法尺寸天线是监测表面土壤湿度辐射计在空间展开的重 要因素，针对真实孔径辐射计，主要通过加大天线的尺度得到较高的空间分辨率。即使在低地球轨道上，21cm 长波条件下，到达10km空间分辨率也需要20m x 20m数量级的天 线，这样的天线在实际情况下是不可能实现的。 在高分辨率对地微波遥感中，综合孔径辐射计作为一新 型微波遥感仪器，避免了传统全功率辐射计大口径天线设计及机械扫描带来的困难，成为国际上的研究热点。
引用格式：Ｂａｉ Ｓｈｕｙｉｎｇ，Ｓｈｉ Ｊｉａｎｑｉａｏ，Ｓｈｅｎ Ｗｅｉｓｈｏｕ，ｅｔ ａｌ．Ｓｐａｔｉａｌ ａｎｄ Ｔｅｍｐｏｒａｌ Ｖａｒｉａｔｉｏｎｓ ｏｆ Ｓｎｏｗ ａｎｄ Ｉｎｆｌｕｅｎ－ｃｉｎｇ Ｆａｃｔｏｒｓ ｉｎ Ｔｉｂｅｔ Ｐｌａｔｅａｕ ｂａｓｅｄ ｏｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２０１４，２９（６）：９５４－９６２．［白淑英，史建桥，沈渭寿，等．卫星遥感西藏高原积雪时空变化及影响因子分析［Ｊ］．遥感技术与应用，２０１４，２９（６）：９５４－ ９６２．］ｄｏｉ：１０．１１８７３／ｊ ．ｉｓｓｎ．１００４－０３２３．２０１４．６．０９５４收稿日期：２０１３－０９－０１；修订日期：２０１３－１１－ ０５基金项目：国家环保公益性行业科研专项项目“青藏高原生态退化及环境管理研究”（２００９０ ９０５０）。作者简介：白淑英（１９７３－），女，内蒙古宁城人，博士，副教授，主要从事遥感与ＧＩＳ在资源环境中的应用研究。Ｅ－ｍａｉｌ：ｂａｉｓｈｕ－ｙｉｎｇ ＠１６３．ｃｏｍ。通讯作者：沈渭寿（１９５８－） ，男，甘肃景泰人，博士，研究员，主要从事生态环境保护和荒漠化防治理论与技术方面的研究。Ｅ－ｍａｉｌ：ｓｈｅｎｗｅｉｓｈｏｕ＠１ ６３．ｃｏｍ。卫星遥感西藏高原积雪时空变化及影响因子分析 白淑英１， ２，史建桥１，３ ，沈渭寿２，高吉喜２，张学成３（１．南京信息工程大学遥感学院，江苏南京 ２１００４ ４；２．环境保护部南京环境科学研究所，江苏南京 ２１００４２；３．９４７８３部队６１分队，浙江长兴 ３１３１１１）摘要：积雪是气候变化的指示器，其变化对地球能量和辐射平衡以及水分循环产生深刻的影响。研究积雪与气候变化的关系是气候变化区域响应的最好实证。利用２０００年３月～２０１１年２月共１１ａ的ＭＯＤＩＳ雪盖产品数据、１９７９～ ２０１０年逐日雪深被动微波遥感数据、ＤＥＭ数据以及地面气象观测数据，通过ＧＩＳ空间分析及地统计分析功能，系统分析西藏高原雪深、雪盖和雪线的时空变化规律及其对气候变化的响应关系。研究表明：研究区雪深的分布形成了四周山地积雪深度大，中部腹地雪深小的空间格局。１９７９～１９９９年平均雪深呈极显著增加趋势，线性倾向率为０．２６ｃｍ／１０ａ，１９９９～２０１０年则呈下降趋势。逐像元回归分析结果显示， 研究区年积雪深度呈增加趋势的像元数占全区像元总数的７６．９％， 有减少趋势的仅占２３．１％；雪盖面积变化总体呈缓慢波动减少趋势，线性倾向率为－３．８９万ｋ ｍ２ ／１０ａ；７、８月在中东部念青唐古拉山、南部喜马拉雅山、冈底斯山和昆仑山等山脉一带以及高原腹地局部地区仍存在大面积常年积雪；雪线年平均呈微弱上升趋势，线性倾向率为６．５４ｍ／１ ０ａ，各季节平均雪线中，秋季雪线的变化对年平均贡献最大；雪线空间分布呈现从东南向西北逐步升高的态势。积雪参数与气候因素的相关分析表明，雪深春秋季主要受风速和日照时数影响，夏冬季则分别是降水量和风速；气温是影响四季积雪覆盖面积的主导因素，春秋季雪线与气温分别呈正相关和负相关。 关 键 词：西藏高原；积雪；时空变化；气候因子；遥感 中图分类号：ＴＰ ７９ 文献标志码：Ａ 文章编号：１００４－０３２３（２０１４）０６－０９５４－０９１ 引 言 越来越多的研究表明全球气候正在变暖，而积雪是全球气候变化最敏感的气候变化响应因子之一，全球变化必然引起积雪数量、面积和持续时间的变化，从而导致积雪地区水资源数量与河川径流季 节分配的变化［ １－ ２］。青藏高原作为全球气候变化的敏感区域，冰雪覆盖面积大，对全球气候变化的响应得到了最充分的体现。高原相对于其上方空气来 说，冬季为冷源，夏季为热源，高原与大气之间的热量交换可以影响大气环流的变化，而积雪又可以加强或减弱高原的冷热源作用，因此作为一种重要的陆面强迫因子，积雪的增加必然对气候变化特别是 区域气候产生重要影响［ ３］ ，如高原冬春积雪对我国夏季降水及春旱有重要影响［ ４－ ５］。更为重要的是未来青藏高原气候将进一步变暖，由此会对高原生态 系统带来明显的影响［ ６］ 。早期的积雪资料主要来自于地面气象站的观 第２９卷 第６期２０１４年１２月 遥 感 技 术 与 应 用 ＲＥＭＯＴＥ ＳＥＮＳＩＮＧ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＡＰＰＬＩＣＡＴＩＯＮ Ｖｏｌ．２９ Ｎｏ．６ Ｄｅｃ．２ ０１４
季节性时间序列分析方 法 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
第七章季节性时间序列分析方法 由于季节性时间序列在经济生活中大量存在，故将季节时间序列从非平稳序列中抽出来，单独作为一章加以研究，具有较强的现实意义。本章共分四节：简单随机时间序列模型、乘积季节模型、季节型时间序列模型的建立、季节调整方法X-11程序。 本章的学习重点是季节模型的一般形式和建模。 §1 简单随机时序模型 在许多实际问题中，经济时间序列的变化包含很多明显的周期性规律。比如：建筑施工在冬季的月份当中将减少，旅游人数将在夏季达到高峰，等等，这种规律是由于季节性（seasonality）变化或周期性变化所引起的。对于这各时间数列我们可以说，变量同它上一年同一月（季度，周等）的值的关系可能比它同前一月的值的相关更密切。 一、季节性时间序列 1．含义：在一个序列中，若经过S个时间间隔后呈现出相似性，我们说该序列具有以S为周期的周期性特性。具有周期特性的序列就称为季节性时间序列，这里S为周期长度。 注：①在经济领域中，季节性的数据几乎无处不在，在许多场合，我们往往可以从直观的背景及物理变化规律得知季节性的周期，如季度数据（周期为4）、月度数据（周期为12）、周数据（周期为7）；②有的时间序列也可能包含长度不同的若干种周期，如客运量数据（S=12，S=7） 2．处理办法： （1）建立组合模型； （1）将原序列分解成S个子序列（Buys-Ballot 1847）
对于这样每一个子序列都可以给它拟合ARIMA 模型，同时认为各个序列之间是相互独立的。但是这种做法不可取，原因有二：（1）S 个子序列事实上并不相互独立，硬性划分这样的子序列不能反映序列{}t x 的总体特征；（2）子序列的划分要求原序列的样本足够大。 启发意义：如果把每一时刻的观察值与上年同期相应的观察值相减，是否能将原序列的周期性变化消除（ 或实现平稳化），在经济上，就是考查与前期相比的净增值，用数学语言来描述就是定义季节差分算子。 定义：季节差分可以表示为S t t t S t S t X X X B X W --=-=?=)1(。 二、 随机季节模型 1．含义：随机季节模型，是对季节性随机序列中不同周期的同一周期点之间的相关关系的一种拟合。 AR （1）：t t S t S t t e W B e W W =-?+=-)1(11??，可以还原为：t t S S e X B =?-)1(1?。 MA （1）：t S t S t t t e B W e e W )1(11θθ-=?-=-，可以还原为：t S t S e B X )1(1θ-=?。 2．形式：广而言之，季节型模型的ARMA 表达形式为 t S t S e B V W B U )()(= （1） 这里，?? ? ??----=----=?=qS q S S S pS P S S S t d S t B V B V B V B V B U B U B U B U X W 2212211)(1)()(平稳。 注：（1）残差t e 的内容；（2）残差t e 的性质。 §2 乘积季节模型 一、 乘积季节模型的一般形式 由于t e 不独立，不妨设),,(~m d n ARIMA e t ，则有
收稿日期收稿日期：2012-12-24；修订日期修订日期：2013-04-07 基金项目基金项目：国家973计划项目(2010CB95090103)资助。作者简介作者简介：于灵雪（1987-），女，山东淄博人，博士研究生，主要研究方向为土地覆被与气候变化研究。E-mail:lxyu2010@https://www.doczj.com/doc/039359014.html, 雪数据集研究综述 于灵雪1,2，张树文1，卜 坤1，杨久春1，颜凤芹1，2 ，常丽萍1 （1.中国科学院东北地理与农业生态研究所，吉林长春130012；2.中国科学院大学，北京100049）摘要摘要：大范围的雪盖变化是气候变化的指示剂，雪通过其自身的物理性质调节着地气之间的物质与能量循环，还能影响地表径流，调节水文循环，甚至在全球生态系统中发挥着重要的作用，因此建立数据集，实时监测雪盖的变化就变得非常必要。通过阅读大量文献，总结目前应用较为广泛的数据集，主要包括可见光/近红外数据集如NOAA 数据集、MODIS 数据集，微波数据集如SMMR 数据集、AMSR-E 数据集，以及多数据源的数据集。分析各种数据集的生成原理和优缺点，对目前雪数据集研究中可能存在的问题进行总结。关键词：雪数据集；积雪覆盖；雪水当量；雪深；遥感中图分类号中图分类号：TP79 文献标识码文献标识码：A 文章编号文章编号：1000-0690(2013)07-0878-06 全球气候正经历以变暖为主要特征的变化，冰雪覆盖作为一种气候变化的响应对气候变化非常敏感[1]。在此背景下，南、北半球积雪的平均面积已经减少，而这种雪盖的大范围减少已经引起海平面上升，预测未来的积雪覆盖范围将进一步缩小[2]，同时，地球陆地表面的30%以上被季节性积雪所覆盖，10%的陆地被永久性积雪和冰川所覆盖，雪的积累和融化是地表最重要的季节性环境变化之一[3]。 大尺度雪盖变化是气候变化的指示剂，不仅如此，雪还能在不同的尺度下影响地球系统的其它部分[4]。凭借其辐射和热性能，它能够调节地表-大气之间的能量和物质转移[5]，从而在控制局部乃至全球的反馈网络中扮演着重要的角色；雪可以影响地表径流，调节水文循环[6]；积雪覆被的变化可能会影响生物物候和生态系统功能[7]；北方寒冷地区雪储存大量的水资源，雪的变化对人类活动有深远影响[8]。此外，雪的观测是气候模型输入与研究的关键[9]。因此积雪信息的观测与提取就变得非常有意义。 在卫星遥感出现之前，受技术的限制，雪的监测与管理主要依赖于气象站点点数据进行独立的点的观测，但其非连续性严重的制约了冰雪信息 的提取与应用。20世纪60年代以来，遥感技术的蓬勃发展为积雪的监测与应用提供有力的平台，开始全方位的积雪监测。本文在查阅大量的文献资料的基础上，对这些用于积雪监测的遥感数据进行统筹与划分，并在此基础上分析国内外目前应用广泛的积雪数据集，目的是对冰雪研究有一个综合全面的认识，并对未来冰雪研究的发展提供思路。 1理论基础与背景 积雪监测的方法包括气象站点监测、模型以及遥感方法。气象站法是对各个站点的观测值进行插值分析，但受气象站点的数量和分布影响较大。模型的方法主要是通过建立积雪变量如雪深、雪水当量等与气象观测值或者是遥感观测值之间的经验或者半经验关系，完成雪的监测。遥感方法则是应用雪与其他地物的电磁特性差异来反演积雪覆盖范围、雪水当量和雪深等参量[5]，这使得卫星观测对全球雪盖监测和大尺度的雪数据的环境应用更具吸引力。1.1传统的气象站点监测 最早的积雪观测方法就是气象站点法，积雪观测资料包括积雪日数和雪深，利用气象站点的 第33卷第7期2013年07月 V ol.33No.7July,2013 地理科学 SCIENTIA GEOGRAPHICA SINICA