爱气象,爱气象家园! 

气象家园

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
查看: 10180|回复: 11

利用ncl的trend_manken函数作图

[复制链接]
发表于 2020-8-18 23:38:01 | 显示全部楼层 |阅读模式

登录后查看更多精彩内容~

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
一般论文中都提到a=0.05可为显著,可是我利用ncl的trend_manken检验做的图结果都是P大于0.05,如下面一张图,所以就想问这个P与a的所谓关系最后想问一下有没有有关这个显著性检验的论文可以看(就是讲的比较详细的那种)



guiyuan.png
密码修改失败请联系微信:mofangbao
发表于 2020-8-19 14:54:28 | 显示全部楼层

回帖奖励 +2 金钱

p值是0-1之间,越小越显著。粗糙的讲,你提到的a(一般是0.05,也可以是0.01,0.02, 或者0.1)是人为选定的p值,即人为设定的显著性。
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2020-8-19 14:57:47 | 显示全部楼层
我说的p value是一般大家说的那个p值,不知道你ncl的trend_manken检验得出的p是不是我说的那个p value,你自己斟酌一下。
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2020-8-20 12:10:35 | 显示全部楼层

回帖奖励 +2 金钱

给你一个脚本
begin
all_files = systemfunc ("ls GLDAS_CLM_TP.*.nc")
fall      = addfiles (all_files, "r")                     
ST         = fall[:]->var85

u1    =ST(0:11,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u1_avg = dim_avg_n_Wrap(u1,0)                    ;1年的平均
u1_avg_1 = dim_avg_n_Wrap(u1_avg,0)              ;深度平均
printVarSummary(u1_avg_1)
u2    =ST(12:23,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u2_avg = dim_avg_n_Wrap(u2,0)                    ;1年的平均
u2_avg_1 = dim_avg_n_Wrap(u2_avg,0)      

u3    =ST(24:35,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u3_avg = dim_avg_n_Wrap(u3,0)                    ;1年的平均
u3_avg_1 = dim_avg_n_Wrap(u3_avg,0)

u4    =ST(36:47,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u4_avg = dim_avg_n_Wrap(u4,0)                    ;1年的平均
u4_avg_1 = dim_avg_n_Wrap(u4_avg,0)

u5    =ST(48:59,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u5_avg = dim_avg_n_Wrap(u5,0)                    ;1年的平均
u5_avg_1 = dim_avg_n_Wrap(u5_avg,0)

u6    =ST(60:71,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u6_avg = dim_avg_n_Wrap(u6,0)                    ;1年的平均
u6_avg_1 = dim_avg_n_Wrap(u6_avg,0)

u7    =ST(72:83,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u7_avg = dim_avg_n_Wrap(u7,0)                    ;1年的平均
u7_avg_1 = dim_avg_n_Wrap(u7_avg,0)

u8    =ST(84:95,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u8_avg = dim_avg_n_Wrap(u8,0)                    ;1年的平均
u8_avg_1 = dim_avg_n_Wrap(u8_avg,0)

u9    =ST(96:107,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u9_avg = dim_avg_n_Wrap(u9,0)                    ;1年的平均
u9_avg_1 = dim_avg_n_Wrap(u9_avg,0)

u10    =ST(108:120,1:4,{24.500:41.500},{72.500:105.500})   ;从CLM中提取数据
u10_avg = dim_avg_n_Wrap(u10,0)                    ;1年的平均
u10_avg_1 = dim_avg_n_Wrap(u10_avg,0)

STA=(/(u1_avg_1),(u2_avg_1),(u3_avg_1),(u4_avg_1),(u5_avg_1),(u6_avg_1),(u7_avg_1),(u8_avg_1),(u9_avg_1),(u10_avg_1)/)

STA@long_name="soil_temperature_avg"
STA!0="year"

STA!1="lat"

STA!2="lon"
copy_VarCoords(u1_avg_1(lat|:, lon|:), STA(0,:,:))

printVarSummary(STA)
rs  =   trend_manken(STA, False, 0)
copy_VarCoords(STA(lat|:, lon|:,year|:), rs(0, :,:))

printVarSummary(rs)
wks = gsn_open_wks("png", "987")
    gsn_define_colormap(wks, "BlueRed")
       
       
    res = True
    res@gsnFrame = False
    res@gsnDraw = False
    res@gsnAddCyclic = False   
        res@cnLevelSelectionMode = "ManualLevels"
        res@cnMissingValFillColor = "Gray"
    res@mpMaxLatF=40.125
    res@mpMinLatF=25.875
    res@mpMaxLonF=104.125
    res@mpMinLonF=74.875      
    res@mpDataSetName = "Earth..4"  
    res@mpDataBaseVersion = "MediumRes"
    res@mpOutlineBoundarySets = "National"         
    res@mpNationalLineThicknessF = 2
    res@mpOutlineOn = True        
    res@mpLandFillColor= "white"  
    res@mpInlandWaterFillColor="white"         
    res@cnFillOn = True
    res@cnLinesOn = False
    res@cnLineLabelsOn = False
    res@cnInfoLabelOn = False   
    res@cnLevelSelectionMode = "ExplicitLevels"
    res@lbLabelBarOn = True     
   
    res@gsnCenterString = "(a)"
    plot0 = gsn_csm_contour_map(wks, rs(0,:,:),res)
    res@gsnCenterString = "(b)"
    plot1 = gsn_csm_contour_map(wks, rs(1,:,:),res)

   
    resmp1                   =   True
    resmp1@gsLineColor       =   "black"
    resmp1@gsLineThicknessF  =   2.0

   
    resmp2                  =   True
    resmp2@gsLineColor      =   "black"
    resmp2@gsLineThicknessF =   3.0
    res@gsnCenterString = "Sensible heat net flux"

    plotmp1 = gsn_add_shapefile_polylines(wks, plot0, "shapefile/China_GuoJieShengJie_Polyline.shp", resmp1)
    plotmp2 = gsn_add_shapefile_polylines(wks, plot0, "shapefile/Qinghai-Tibet Plateau.shp", resmp2)

    plotmp11 = gsn_add_shapefile_polylines(wks, plot1, "shapefile/China_GuoJieShengJie_Polyline.shp", resmp1)
    plotmp22 = gsn_add_shapefile_polylines(wks, plot1, "shapefile/Qinghai-Tibet Plateau.shp", resmp2)


    res_panel = True
    panel_dims = (/1, 2/)
    res_panel@gsnMaximize = True
    gsn_panel(wks, (/plot0, plot1/), panel_dims, res_panel)
end
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2020-10-9 10:54:25 | 显示全部楼层

回帖奖励 +2 金钱

请问楼主解决了嘛,怎么根据p值看检验?
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2022-3-22 15:51:56 | 显示全部楼层
请问楼主解决了吗?这个问题?
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2022-5-1 16:58:19 | 显示全部楼层
请问这个trend_manken函数是需要保证数据没有缺省值吗
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2022-5-1 17:01:55 | 显示全部楼层
苏拉苏拉 发表于 2020-8-19 14:54
p值是0-1之间,越小越显著。粗糙的讲,你提到的a(一般是0.05,也可以是0.01,0.02, 或者0.1)是人为选定的p ...

请问ncl中的trend_manken是需要保证数据没有缺省值吗
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2022-5-4 17:19:16 | 显示全部楼层
yuyuyudorian 发表于 2022-5-1 17:01
请问ncl中的trend_manken是需要保证数据没有缺省值吗

sorry,ncl不熟
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

发表于 2023-12-8 22:49:20 | 显示全部楼层
你好 请问解决了吗
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Copyright ©2011-2014 bbs.06climate.com All Rights Reserved.  Powered by Discuz! (京ICP-10201084)

本站信息均由会员发表,不代表气象家园立场,禁止在本站发表与国家法律相抵触言论

快速回复 返回顶部 返回列表