前言
第1章  引论——从气候跃变说起
  1.1  理论背景
    1.1.1  气候变率的周期观
    1.1.2  Lorenz系统的启示
  1.2  气候跃变定义及实例
    1.2.1  冰期循环中的跃变
    1.2.2  现代气候观测中的年代际气候跃变
  1.3  本书内容概要
  思考题
第2章  统计量和概率分布
  2.1  中心统计量
  2.2  变幅统计量
  2.3  分布形态统计量
  2.4  经验分布
    2.4.1  柱状图
    2.4.2  经验累积频率分布图
    2.4.3  盒须图
  2.5  相关
    2.5.1  标准化距平
    2.5.2  散点图
    2.5.3  Pearson线性相关
    2.5.4  Spearman秩相关
    2.5.5  自相关
  2.6  理论分布
    2.6.1  二项式分布
    2.6.2  几何分布
    2.6.3  泊松分布
    2.6.4  连续分布的概率密度函数和累积分布函数
    2.6.5  正态分布
    2.6.6  Gamma分布
    2.6.7  极值分布
    2.6.8  分位数对比图
  思考题
第3章  显著性检验
  3.1  基本概念
  3.2  参数检验
    3.2.1  单样本均值的显著性检验
    3.2.2  双样本均值差异的显著性检验
    3.2.3  单样本的方差显著性检验
    3.2.4  双样本的方差显著性检验
    3.2.5  相关系数的显著性检验
  3.3  拟合优度检验
    3.3.1  卡方检验
    3.3.2  K-S检验
    3.3.3  Smirnov检验
    3.3.4  Anderson-Darling检验
  3.4  非#数检验
    3.4.1  秩和检验
    3.4.2  符号秩检验
    3.4.3  Lepage检验
    3.4.4  双样本置换检验
    3.4.5  单样本Bootstrap检验
    3.4.6  双样本的Bootstrap检验
  思考题
第4章  回归分析
  4.1  一元线性回归
  4.2  多元线性回归
  4.3  因子筛选和逐步回归
  4.4  偏最小二乘回归
  4.5  正则化回归
    4.5.1  原理
    4.5.2  应用案例
  4.6  Logistic回归
    4.6.1  原理
    4.6.2  Logistic回归系数的含义
    4.6.3  回归系数的检验
    4.6.4  应用案例
  思考题
第5章  气候序列的趋势和检验
  5.1  气候序列和噪声
  5.2  气候趋势估计方法
    5.2.1  线性趋势
    5.2.2  滑动平均
    5.2.3  多项式拟合
  5.3  趋势的显著性检验
    5.3.1  秩相关系数检验
    5.3.2  差分平均值检验
    5.3.3  秩统计量检验
    5.3.4  Mann-Kendall趋势检验
    5.3.5  Spearman秩相关检验
  5.4  气候极值指数序列的趋势分析
  思考题
第6章  气候变量场趋势
  6.1  背景问题
  6.2  气候序列的非线性趋势——三次样条回归
    6.2.1  简单趋势分析方法的问题
    6.2.2  三次样条回归
    6.2.3  全球平均温度序列的非线性趋势分析
  6.3  气候场的趋势格局
    6.3.1  广义加法模型
    6.3.2  澳大利亚西南部的降水场趋势分析
  6.4  气候趋势场的成因分析
    6.4.1  广义线性模型
    6.4.2  欧洲逐日极大风速的变化及成因
  思考题
第7章  气候变量场的时空分解
  7.1  EOF分析的基本原理
  7.2  EOF应用于气候研究的若干问题
    7.2.1  时间变率还是空间格局？
    7.2.2  距平还是标准化距平？
    7.2.3  EOF和PC及有关术语
  7.3  EOF分析的应用
    7.3.1  典型应用案例分析
    7.3.2  应用EOF的注意事项
    7.3.3  扩展EOF分析
  7.4  旋转EOF
    7.4.1  截断
    7.4.2  REOF
    7.4.3  应用案例
  7.5  奇异值分解
  7.6  气候分析中的SVD/MCA
  思考题
第8章  多尺度气候信号分析
  8.1  时间序列的平稳性
    8.1.1  何谓平稳？
    8.1.2  平稳化处理
    8.1.3  时间序列分析方法
  8.2  谐波分析
    8.2.1  一个谐波函数表征一个简单的时间序列
    8.2.2  多个谐波的拟合
    8.2.3  谐波对原序列的贡献
    8.2.4  假名现象
    8.2.5  离散功率谱
    8.2.6  连续功率谱
    8.2.7  应用案例
  8.3  小波分析
  8.4  集合经验模分解
    8.4.1  集合经验模分解的由来和用处
    8.4.2  EMD原理
    8.4.3  EEMD原理
    8.4.4  EEMD代码和常见问题
    8.4.5  研究案例
  思考题
第9章  气候跃变的诊断方法
  9.1  滑动t检验
  9.2  滑动F检验
  9.3  滑动符号检验
  9.4  Mann-Kendall跃变检测
  9.5  Pettitt变点检测
  9.6  标准正态均一性检验
  9.7  Buishand范围检验
  9.8  小波检测
  9.9  气候变量场中的跃变分析
  思考题
第10章  气候极值
  10.1  背景问题
  10.2  气候平均态和气候极值
  10.3  从“分布”的视角看气候变化
  10.4  逐日气候分布
  10.5  气候极值指数
  10.6  极值理论分布
    10.6.1  广义极值分布
    10.6.2  广义Pareto分布
  10.7  非平稳极值理论
  10.8  用广义线性模型分析气候极值变化
  思考题
第11章  随机天气发生器
  11.1  定义、实例及应用场景
    11.1.1  何谓随机天气发生器？
    11.1.2  一个启发性的SWG
    11.1.3  应用场景
  11.2  随机天气发生器的建模
    11.2.1  逐日降水的Markov模型
    11.2.2  包含其他天气变量的SWG
    11.2.3  随机天气发生器的改进
    11.2.4  案例分析
    11.2.5  如何选择最优模型
  11.3  运用SWG分析季节极端降水的潜在可预测性
  思考题
第12章  气候序列的均一化
  12.1  基本概念和理论分析
    12.1.1  均一化方法：从物理到统计
    12.1.2  从理想的非均一气候序列说起
    12.1.3  从实际案例进一步看均一化的复杂性
  12.2  常用的均一化方法
    12.2.1  标准正态检验法
    12.2.2  RHtest方法
    12.2.3  序列均一化的多元分析方法
    12.2.4  更多可用于均一化的统计检测方法
  12.3  进一步的均一化方法发展
    12.3.1  针对气候极值的序列均一化
    12.3.2  多要素协同的均一化方法
    12.3.3  均一化结果的不确定性
  12.4  基于均一化资料重新评估近百年中国气候变暖
    12.4.1  早期研制的中国百年气温序列
    12.4.2  基于均一化观测的中国百年气温序列
    12.4.3  20世纪40年代中国并不普遍偏暖
    12.4.4  城市化加剧局部增暖但对全国平均趋势的影响小
    12.4.5  小结
  思考题
第13章  气候变化的检测归因
  13.1  检测归因的概念
  13.2  长期气候变化的归因方法
    13.2.1  基于气候模式和最优指纹方法
    13.2.2  时间序列方法
  13.3  极端事件的归因方法
    13.3.1  经验方法
    13.3.2  基于环流相似的方法
    13.3.3  耦合模式法
    13.3.4  大气模式法
  13.4  结语
  思考题
第14章  天气气候研究中的机器学习
  14.1  机器学习及其应用简介
    14.1.1  定义
    14.1.2  机器学习解决天气气候问题的优势
  14.2  统计机器学习
  14.3  深度学习
    14.3.1  神经网络
    14.3.2  深度学习步骤
    14.3.3  构成深度神经网络的组件
  14.4  气候研究中的应用案例
    14.4.1  运用树模型对降水进行诊断
    14.4.2  运用CNN检测极端天气气候事件
    14.4.3  运用CNN进行季节预测
    14.4.4  运用ConvLSTM进行海温预报
    14.4.5  运用可解释性技术对机器学习模型进行解释
  14.5  未来发展与思考
  思考题
主要参考文献