🔮 Climate Anomaly and Trend Analyzer

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

📐 計算公式

距平 = 觀測值 − 常年平均值

標準化距平 σ = 距平 ÷ 歷史標準差

把當期觀測值與常年平均值（通常為 30 年氣候平均）對比，算出距平、距平百分率與標準化距平 σ，並按 σ 的絕對值給出正常、偏強偏弱或顯著異常的判讀。所有資料僅在瀏覽器本地處理，不上傳。

當期觀測值

常年平均值

歷史標準差

要素單位

📚 深度解析：氣候距平與標準化異常分析

氣溫偏高幅度

某站 7 月平均氣溫 26.8℃，常年平均 24.2℃，歷史標準差 1.1℃。距平 = 26.8 − 24.2 = 2.6℃，距平百分率 = 2.6 ÷ 24.2 = 10.7%，標準化距平 σ = 2.6 ÷ 1.1 = 2.36，落在 2~3 區間，判為「顯著偏強」。

降水偏少到什麼程度

某月降水 48 mm，常年平均 120 mm，標準差 35 mm。距平 = −72 mm，距平百分率 = −60.0%，σ = −72 ÷ 35 = −2.06，達到「顯著偏弱」量級；若常年月際波動很小，同樣的毫米數會得到更大的 σ，所以跨區域比較時看 σ 比看毫米數更公平。

為什麼必須除以標準差

A 站常年氣溫波動小（標準差 0.4℃），B 站波動大（標準差 1.5℃）。兩地距平同為 +1.2℃ 時，A 站 σ = 3.0 已屬異常偏高，B 站 σ = 0.8 仍在正常範圍內。標準差把「當地年際波動有多大」這個背景資訊納入判讀。

常年平均值應該用哪一段？: 氣象業務通常採用 WMO 建議的 30 年氣候標準期（如 1991—2020 年）平均作為常年值。自算短期平均（如近 5 年）會使多年均值本身漂移，導致距平系統性偏向一側。
σ 到多少算異常事件？: 常用口徑是 |σ| 小於 1 為正常，1~2 為偏強或偏弱，2~3 為顯著，不小於 3 通常寫入異常氣候事件監測。各單位業務規定會有差異，釋出對外材料時按所屬行業的規定判讀。
降水這類分佈很偏的要素能用嗎？: 可以算，但要注意降水分佈常年右偏，σ 的對稱性判讀會失真。實踐中降水常用百分位閾值或標準化降水指數 SPI 做乾旱判讀，距平百分率更適合快速描述幅度。