观察气象的心得

观察气象的心得篇一：一7总结我们的天气观察

观察气象的心得篇二：总结我们的天气观察

观察气象的心得篇三：总结我们的天气观察

观察气象的心得篇四：气象观测员心得感想

气象观测员心得感想

抬头看云、雨中漫步在别人看来是很浪漫的事，可是对于气象观测员来说却早已成为习惯。云在他们的眼中只有形状和种类，雨对于他们来说也只是一种天气现象，全然没有了浪漫的色彩，那一组组枯燥的数字书写着他们寂寞的青春，然而，他们依然义无反顾地诠释着奉献的内涵。

气象观测员的工作可谓单调乏味，一支铅笔、一本观测记录簿是他们永远不变的工作“道具”。他们日复一日、年复一年地往返于值班室和观测场，记录着宝贵的气象数据。气象观测员有很强的时间观念和责任感，生怕由于自己的疏忽而写错了一个数据，在他们的眼里，气象观测高于一切，能在规定时间内采集到准确的气象数据比什么都重要。

气象观测最重要的就是时间，只要是到了观测时间，无论是倾盆大雨，还是鹅毛大雪，无论是烈日炎炎，还是寒风刺骨，气象观测员都会勇敢地冲向观测场，记录下第一手观测资料。为了做好观测工作，他们甚至不惜放弃与亲人团圆的机会，在孤灯下，与那支铅笔、观测记录簿为伴。还有很多观测员为了工作，他们远离了亲朋好友；为了工作，他们放弃了几十年一遇的同学聚会；为了工作，他们倾注了满腔热情，奉献了自己的毕生精力。

当过气象观测员的人都做过相同的梦——起床迟了、观测误了、仪器没了„„时常在惊恐中醒来，这也许就是“日有所思，夜有所梦”吧！出错情时的懊悔，创“百班”、“250班”时的快乐，看天识云时的专注，天气预报出现偏差时的不安，所有这一切，道不尽气象观测员的酸甜苦辣，个中滋味只有他们自己才能体会。

时代在飞速发展，科技的发展也是日新月异，可是气象观测员面对的还是那支铅笔和那本观测记录簿，他们依然默默无闻地隐藏在天气预报的背后。在当今这个物欲横流的社会，到处充斥着浮躁和功利、冷漠与自私，气象观测员却仍然坚守着那份清贫，踏踏实实地重复着每天同样的观测工作，无怨无悔地奉献着自己的青春。气象观测员用坚实的脚步，在观测场上留下了闪光的足迹，用简单的字符，谱写了气象人的颂歌。

观察气象的心得篇五：总结我们的天气观察

观察气象的心得篇六：总结我们的气象观察

电 子 备 课 教 案

观察气象的心得篇七：总结我们的天气观察

观察气象的心得篇八：气象站观察记录表

五里乡落圈小学校园气象观测记录表

年 月 日天气星期

五里乡落圈小学校园气象观测记录表

年 月 日天气星期

观察气象的心得篇九：气象观察站的优化

气象观察站的优化

5号 陈婷华 30号 蒲姝君

摘要 ：（略） 一，问题重述：（略）

二，模型假设和符号说明（略） 三，问题分析：（略）

四，模型建立与求解：

通过分析，我们知道：在降水量梯度变化较小的区域，观测站所提供

的信息会有很大重叠，这时需要适当减少观测站；而在降水量梯度变化较大的区域，观测站所提供的信息会有显著差异，这些观测站不可撤除。因此我们需要对观测站进行分类。

基于以上的问题分析和模型假设，我们建立了以下模型：

现在，我们以1981—1990这10年所得到的观测数据为指标，对这

12个观测站所在的地区进行聚类。利用spss软件，得到以下结果：

Stage Cluster First

1 2 3 4 5 6 7 8 9 10 11

Cluster Combined Cluster 1

6 5 4 8 4 2 3 2 3 2 1

Cluster 2

11 10 7 9 12 5 6 4 8 3 2

Coefficients 51417.850 53312.770 56565.890 67221.050 72922.555 99919.715 114623.215 122136.609 140451.998 146686.321 168391.853

Appears

Cluster 1

0 0 0 0 3 0 0 6 7 8 0

Cluster 2

0 0 0 0 0 2 1 5 4 9 10

Next Stage

7 6 5 9 8 8 9 10 10 11 0

通过上图可以清楚的看到聚类的方式，然后在根据上图，利用MATLAB编程，求出：

伪F统计量：

n

G

F

类间离差平方和类内离差平方和



(T-PG)/(G-1)(PG)/(n-G)

(xix=

i1

x

Gk1

T

i

xSk)/(G1)

k1



(Sk)/(nG)

其中

Sk

iGk

x

1

n

i

xk

x

T

i

xk



x

xn

i1

i

伪F统计量它用于评价聚为G类的效果。F越大 ，类间离差平方和，类内离差平方和的比值越大，说明聚为一类的样本越相似，而类间的差异越大，所以应该取伪F统计量较大而类数较小的聚类水平。

通过编程 得到F的数据如下：（从一类到十一类）

R

2

（从十一类到一类）

表格中我们可以看出，当聚为7类时，F的值达到最大，这说明聚为7类可以使得类间差异与类内差异的比值达到最大；当聚为8类时，虽然F的值有所减小，但减小的幅度不大，但是聚为8类会增加一个观测站，并且可以使类间差异与类内差异的比值仍然保持较大；而当聚为6类时，F 的值将有很大幅度的减小，这说明分6类会使类间的差异大幅度减小，故分6类是不合理的。 伪t2统计量 其中， t2=

聚类后类内离差平方和

聚类前类内离差平方和

的增量

它是用来评价聚类后的效果。 （从7类到1类，从11到8均为0）

图3中我们可以看出，当聚为7类时，t2 的值较小，当再由7类聚为6类时，t2值突然有较大幅度的增加，这说明若聚为6类，类内样本差异的增量会大幅度增加，故聚6类是不合理的，应该选择分为7类。 根据假设4减少一个观测站会节省很大的费用，再结合以上的分析我们可以得出，将观测站所在的区域分为7类既能够最大的节省开支，又可以使所得到的降水量的信息量仍然足够大。

3建立一个观测站会花费很大的费用，为节省开支，我们不考虑新建观测站，即只需要在原来的12个观测站中剔除5个。

于是，现在的问题就转化为：在同类中究竟应该保留哪个观测站，才能使最终所得到的降水量的信息量仍然足够大？

我们的思路是：通过对12个观测站的测量值求期望，可以得出每年该地区的年降水量i0，再通过对7个观测站的测量值求期望，也可得出每年该地区的年降水量i。然后用差值率|（i-i0）/i0 |表示第i年降水量的误差率，亦即

10

|(

信息损失率。求出10年的平均信息损失率

i1

i

i0)/i0|10

后，利用公式1-

10

|(

i1

i

i0)/i0|10

即可求得信息量。信息量越大，则组合最优，此时的组合即

为最终要保留的观测站。

第一步：通过对12个观测站的测量值求期望，得出每年该地区的年降水量

i0。

第二步：前面我们已经将12 个观测站分成了7类，其中，6，11归为一类；8，9归为一类；5，10归为一类；4，7，12归为一类。每一类保留一个观测站，一共可以得到24个不同的组合(附录表1_73)。然后利用matlab得出不同组合下该地区的年降水量期望值i.（附录表1_72） 第三步：求不同组合下的信息量。

10

|(

信息量 = 1-

i1

i

i0)/i0|10

利用matlab我们得到24个组合的信息量，

在用matlab编程可只，其中最大的为97.5%，对应的组合为1，2，3，5，6，8，12 .

五，模型评价（略） 六，参考文献（略）

程序如下：

（1），计算伪F统计量 a=0;

for i=1:12

a=a+shuju(:,i); end

a=a/12; b=0;

for i=1:12

MATLAB

b=b+(shuju(:,i)-a)'*(shuju(:,i)-a); end T=b;

Q=zeros(1,11);F=zeros(1,11);

a=(shuju(:,3)+shuju(:,6)+shuju(:,11)+shuju(:,8)+shuju(:,9)+shuju(:,2)+shuju(:,5)+shuju(:,10)+shuju(:,4)+shuju(:,7)+shuju(:,12))/11; b=(shuju(:,3)-a)'*(shuju(:,3)-a)+(shuju(:,6)-a)'*(shuju(:,6)-a)+(shuju(:,11)-a)'*(shuju(:,11)-a)+(shuju(:,8)-a)'*(shuju(:,8)-a)+(shuju(:,9)-a)'*(shuju(:,9)-a)+(shuju(:,2)-a)'*(shuju(:,2)-a)+(shuju(:,5)-a)'*(shuju(:,5)-a)+(shuju(:,10)-a)'*(shuju(:,10)-a)+(shuju(:,4)-a)'*(shuju(:,4)-a)+(shuju(:,7)-a)'*(shuju(:,7)-a)+(shuju(:,12)-a)'*(shuju(:,12)-a); Q(2)=b;

F(10)=((T-sum(Q))/1)/(sum(Q)/10);

（2）计算R2

R=zeros(1,11); for i=1:11

R(i)=1-S(i)/T; end

（3）计算t2

a=(shuju(:,3)+shuju(:,6)+shuju(:,11))/3;

b=(shuju(:,3)-a)'*(shuju(:,3)-a)+(shuju(:,6)-a)'*(shuju(:,6)-a)+(shuju(:,11)-a)'*(shuju(:,11)-a); Q(5,1)=b;

a=(shuju(:,8)+shuju(:,9))/2;

b=(shuju(:,8)-a)'*(shuju(:,8)-a)+(shuju(:,9)-a)'*(shuju(:,9)-a); Q(5,2)=b;

a=(shuju(:,3)+shuju(:,6)+shuju(:,11)+shuju(:,8)+shuju(:,9))/5;

b=(shuju(:,3)-a)'*(shuju(:,3)-a)+(shuju(:,6)-a)'*(shuju(:,6)-a)+(shuju(:,11)-a)'*(shuju(:,11)-a)+(shuju(:,8)-a)'*(shuju(:,8)-a)+(shuju(:,9)-a)'*(shuju(:,9)-a);

观察气象的心得篇十：总结我们的天气观察