🔮 Climate Anomaly and Trend Analyzer

Analyze climate prediction, anomalies and trends from temperature and precipitation series.

📐 计算公式

距平 = 观测值 − 常年平均值

标准化距平 σ = 距平 ÷ 历史标准差

把当期观测值与常年平均值（通常为 30 年气候平均）对比，算出距平、距平百分率与标准化距平 σ，并按 σ 的绝对值给出正常、偏强偏弱或显著异常的判读。所有数据仅在浏览器本地处理，不上传。

当期观测值

常年平均值

历史标准差

要素单位

📚 深度解析：气候距平与标准化异常分析

气温偏高幅度

某站 7 月平均气温 26.8℃，常年平均 24.2℃，历史标准差 1.1℃。距平 = 26.8 − 24.2 = 2.6℃，距平百分率 = 2.6 ÷ 24.2 = 10.7%，标准化距平 σ = 2.6 ÷ 1.1 = 2.36，落在 2~3 区间，判为「显著偏强」。

降水偏少到什么程度

某月降水 48 mm，常年平均 120 mm，标准差 35 mm。距平 = −72 mm，距平百分率 = −60.0%，σ = −72 ÷ 35 = −2.06，达到「显著偏弱」量级；若常年月际波动很小，同样的毫米数会得到更大的 σ，所以跨区域比较时看 σ 比看毫米数更公平。

为什么必须除以标准差

A 站常年气温波动小（标准差 0.4℃），B 站波动大（标准差 1.5℃）。两地距平同为 +1.2℃ 时，A 站 σ = 3.0 已属异常偏高，B 站 σ = 0.8 仍在正常范围内。标准差把「当地年际波动有多大」这个背景信息纳入判读。

常年平均值应该用哪一段？: 气象业务通常采用 WMO 建议的 30 年气候标准期（如 1991—2020 年）平均作为常年值。自算短期平均（如近 5 年）会使多年均值本身漂移，导致距平系统性偏向一侧。
σ 到多少算异常事件？: 常用口径是 |σ| 小于 1 为正常，1~2 为偏强或偏弱，2~3 为显著，不小于 3 通常写入异常气候事件监测。各单位业务规定会有差异，发布对外材料时按所属行业的规定判读。
降水这类分布很偏的要素能用吗？: 可以算，但要注意降水分布常年右偏，σ 的对称性判读会失真。实践中降水常用百分位阈值或标准化降水指数 SPI 做干旱判读，距平百分率更适合快速描述幅度。