介绍国外有、国内缺的气候统计新方法Bootstrap Methods—德国气候学者的著作与其软件

hillside

        德国气候学者Manfred Mudelsee在他的个人主页提供了他《气候时间序列分析》著作与他的多个气候软件(fortran语言编写)的免费下载。Manfred Mudelsee博士在古气候学方面看来有比较深入的研究。
      说明：Manfred Mudelsee博士的软件是否包含Bootstrap Methods我不清楚，因帖子标题长度所限，未能明确表达。关于Bootstrap Methods方法本身，网上的信息很多。
                                                                              http://www.manfredmudelsee.com/
      Bootstrap Methods（鞋襻法、自举法、自助法）作为统计方法已有多年历史，近年在国内水文学领域已有应用，但搜索之下，很少发现有应用此法的国内气候类研究文献。Manfred Mudelsee在他的气候时间序列专著中重点研究了 Bootstrap Methods。
      有回复问：是否有中文版？我估计没有。
        
                                     Climate Time Series Analysis:Classical Statistical and Bootstrap Methods

Mudelsee M (2010) Climate Time Series Analysis: Classical Statistical and Bootstrap Methods. Springer, Dordrecht Heidelberg London New York. [ISBN-13: 978-90-481-9481-0, ISBN-10: 90-481-9481-4, e-ISBN: 978-90-481-9482-7, DOI: 10.1007/978-90-481-9482-7; xxxiv + 474 pp; Atmospheric and Oceanographic Sciences Library, Vol. 42]
Climate is a paradigm of a complex system. Analysing climate data is an exciting challenge, which is increased by non-normal distributional shape, serial dependence, uneven spacing and timescale uncertainties. This book presents bootstrap resampling as a computing-intensive method able to meet the challenge. It shows the bootstrap to perform reliably in the most important statistical estimation techniques: regression, spectral analysis, extreme values and correlation.
This book is written for climatologists and applied statisticians. It explains step by step the bootstrap algorithms (including novel adaptions) and methods for confidence interval construction. It tests the accuracy of the algorithms by means of Monte Carlo experiments. It analyses a large array of climate time series, giving a detailed account on the data and the associated climatological questions.

Contains 29 algorithms, 99 figures, 1135 references and 47 tables.

An excerpt from the Preface can be found at Climate Risk Analysis.

A large sample part (PDF) is here: Climate Time Series Analysis.

A small sample part is at Google Books.

Software
My software is written in Fortran and uses gnuplot for "interactive visualization." Given are links to the reference paper (I appreciate your citations) and the code with installation hints.
2SAMPLES
2SAMPLES estimates differences in location (mean, median) and scale (standard deviation, MAD) between two samples and gives bootstrap confidence intervals. [Text (PDF)] [Code]
BREAKFIT
BREAKFIT fits a break function (trend-change model) to time series and determines standard errors by means of block bootstrap resampling. [Text (PDF)] [Code]
CLIM-X-DETECT
CLIM-X-DETECT robustly detects extremes against a time-dependent background in climate and weather time series. [Text (PDF)] [Code]
Exceedance Product
A collection of programs to calculate the exceedance product with bootstrap confidence levels. Program written by Karsten Kürbis (University of Leipzig, Germany). (Kürbis et al. 2009 Theoretical and Applied Climatology 98:187)[Code]
PearsonT
PearsonT calculates Pearson's correlation coefficient between two climate time series. This program gives bootstrap confidence intervals that are valid also in the presence of autocorrelation. [Text (PDF)] [Code]
RAMPFIT
RAMPFIT quantifies a climate transition using a nonlinear regression and a search for a global optimum. The bootstrap error bars for the transition parameters take autocorrelation into account. [Text (PDF)][Code]
REDFIT
REDFIT estimates the spectrum using the Lomb-Scargle periodogram. It uses Monte Carlo simulations for bias correction. REDFIT performs a test of the AR(1) red-noise alternative by employing a routine from TAUEST (see below). This method can be directly used for unevenly spaced climate and weather time series. Program written by Michael Schulz (University of Bremen, Germany). [Text (PDF)] [Code]
RNG
Fortran 90 source code for parallel implementation of mzran random number generator (Marsaglia and Zaman 1994). [Code]
TAUEST
TAUEST fits an AR(1) model to unevenly spaced climate time series with bootstrap confidence interval. [Text (PDF)] [Code]

附1：http://www.math.ntu.edu.tw/~hchen/Teach/readme.html台湾大学数学系
                           近代統計方法一:
自助法(Bootstrap Method)是Efron(1979)於Annals of Statistics所發表的一個辦法，是近代統
計發展上極重要的一個里程碑，而在執行上常需借助於現代快速的電腦。
舉例來說，當用樣本平均來估算母群體期望值時，為對此一估算的誤差有所瞭解，我們
常用信賴區間(confidence interval)的辦法來做推估，此時得對樣本平均的sampling
distribution有所瞭解。在基本統計教本上，當樣本所來自的母群體，可用常態分配描述時，
其sampling distribution可或為常態分配或為t分配。但當樣本所來自的母群體，不宜用
常態分配描述時，我們或用電腦模擬或用漸進分析的辦法加以克服。當對母群體的瞭解
不夠深時，漸進分析的辦法是較有效的方法，故中央極限定理(Central Limit Theorem)，
Edgeworth Expansion (small sample theory)等辦法及其可行性及限制等於文獻中廣被
探討，人們雖不全然喜歡這些辦法，但也找不出更理性的方法來取代漸進分析的辦法。
而自助法確是一個相當具說服力的方法，更提供了統計工作者另一個尋找sampling distribution
的辦法，故在近年來於文獻中廣被探討。

附2：一篇中山大学硕士论文，里面谈及Bootstrap Methods的气象应用：《基于bootstrap方法的北江流域径流趋势分析》
http://www.doc88.com/p-777829743485.html

附3：一篇网搜的国内文献http://www.cnki.com.cn/Article/CJFDTotal-NJQX201302011.htm   
                                                     近25a气候变化对江苏省粮食产量的影响
                                                                        《大气科学学报》 2013年02期

潘敖大  曹颖  陈海山  孙善磊  

【摘要】：利用1986—2010年江苏省63个气象站的常规气象数据和粮食单产统计资料,分析了苏北、苏中、苏南地区和江苏全省三种时间尺度的气候变化特征;基于自助抽样(bootstrap)和一元线性回归的方法,研究了各区和全省粮食产量对作物年(11月—次年10月)、夏粮—秋粮生长季(11月—次年5月和6—10月)和月尺度气候要素的响应;并定量评价了过去25a气候变化对各区和全省粮食产量的影响以及各气候要素的贡献。结果表明:1)在作物年、夏粮—秋粮生长季以及月尺度上,三区和全省各气候要素均发生了不同程度的变化,且存在一定的时空差异。在不断发展的农业管理措施和技术以及气候的共同作用下,三区和全省粮食单产显著(p0.01)增加,其中,全省增加趋势为66.89kg·hm-2·a-1。2)除苏南地区对作物年尺度上的气候变化响应不显著外,粮食产量对降水的不随时间变化的负响应关系(即随降水的增加而减小,减小而增加)均在不同时间尺度和地区得到了体现,说明降水对这些地区粮食生产的影响十分重要;其中,苏北、苏中和全省粮食产量随作物年降水的增加(减少)而减小(增加),平均速率分别为0.19%·(10mm)-1、0.09%·(10mm)-1和0.11%·(10mm)-1。3)三类模型结果均显示气候变化使得苏北、苏南和江苏粮食产量减小,但结果略有差异,其中,利用月气候要素建立的模型C的结果显示气候变化对粮食单产(总产)的影响最大,其均值分别为-6.51%·(10a)-1(-11.28×108kg·(10a)-1)、-3.27%·(10a)-1(-2.36×108kg·(10a)-1)和-1.34%·(10a)-1(-4.45×108kg·(10a)-1)。另外,为了系统而全面地评估气候变化对粮食产量的影响,考虑月尺度的气候变化的影响是十分必要的。
【作者单位】： 气象灾害教育部重点实验室(南京信息工程大学);厦门市气象局;江苏省气象局;
【关键词】： 气候变化 粮食产量 自助抽样方法 江苏省

scwjx520

好资源啊，就不知道那本书有中文版的吗?

a平和a

有中文版的才看得懂啊！

LOSER

新年好，谢谢分享

哈哈哈哈哈哈哈

中国没人研究嘛？

scwjx520

好东西，这种资料个人超喜欢，谢谢楼主分享啊，顶顶顶，收藏必须的。{:5_213:}

Miffy

谢谢楼主分享啊

天籁之音

好东西，但有些看不懂，谢谢楼主

光头

谢谢分享，值得学习

qxssp

谢谢！好东西！学习了！