风速均一化订正实战：基于SNHTT与Python的年最大风速处理

简介：在气象与水文学研究中，风速数据的连续性和可比性直接影响天气预报、气候分析与环境影响评估的可靠性。这份以最大风速为例的均一化订正资源包，面向需要处理历史观测数据的气象学者、环境评估人员及数据分析学习者，提供一套从原始数据到订正结果的完整代码方案。包内共含3个文件：Python脚本覆盖数据读取、缺失值插补、订正因子计算、结果验证与趋势图绘制等环节；CSV文件存放1971-2015年的最大风速观测记录，方便直接测试；PDF文档详解代码逻辑与均一化订正原理，便于快速上手。整体体积仅377KB，轻巧但信息密度高。目前已有592人浏览学习，适合作为学习Thorne-Wyatt、HOM等均一化算法的入门实操素材。运行代码后，读者既能掌握处理非均一化数据的通用思路，也能将方法迁移至降水、温度等其他气象要素，为气候研究奠定更坚实的数据基础。

1. 以最大风速为例的风速均一化订正：这套代码和数据能解决哪个实际问题

做风电场微观选址或者桥梁抗风设计时，常会遇到一个尴尬场景：同一站点不同年份的最大风速序列，在某一年突然整体跳高一截，或者毫无征兆地跌下去，看起来像气候变了，实际上很可能是那一年前后站址搬迁、测风仪器换型，或者周围盖了高楼。遇到这种数据，直接用原始序列算极值重现期，结果很容易偏离真实情况几十个百分点。风速均一化订正，就是针对这种非气候突变做的一套数据处理流程，它把序列里站址、仪器、环境变化造成的系统偏差识别出来并消除，同时保留真实的气候波动。这份以最大风速为例的代码包，能帮你完成断点检测、分段订正、结果输出这条完整链路，适合气象水文资料整编、风工程评估和相关专业的学生直接参照复现。

2. 风速均一化订正的原理和选型：为什么先从年最大风速开刀

2.1 站点序列里的非气候信号：迁站、换仪器和环境变化如何混进来

国家气象站的历史风速序列，很少是真正“同址、同仪器、同环境”测出来的。最常见的干扰是站点迁移：一个站从城区楼顶迁到郊区开阔地，测风高度、周边粗糙度全变了，年最大风速可能整体抬高或压低一到两米每秒。第二个常见干扰是仪器换型：早期机械式风杯测风仪的启动风速偏高，弱风时捕捉不到，真正的最大风速也容易因为风杯惯性被低估；换到新型自动站之后，采样频率提高，同样的一场大风，记录值可能比旧仪器高出不少。第三个干扰是台站环境变化：周边盖楼、树木长高、工地围挡出现，都会改变局地的气流绕行特征。

这些信号混进原始序列之后，外在表现往往就是“均值突变”或者“方差突变”。做风速均一化订正，第一步就是判断哪些突变属于非气候信号，哪些属于真实的气候事件。常见误区是把所有突然的变化都当成气候突变，这是做订正时第一个要克服的本能。区分两者的一个基本思路是：气候信号通常是区域性的，附近多个站点会有相似变化；而台站本身的非气候信号是局地的，往往只影响这一个站。这就是后面“参考站法”的出发点，也是为什么纯单站订正永远只能算次优解。

2.2 年最大风速的统计特性：极值段对突变比均值段更敏感

这套示例代码选择“最大风速”而不是“月平均风速”，不是随意为之。第一个原因很实际：工程上关心的是极值。风机高度处的极端风、建筑风荷载设计、防洪防风标准，全部直接落在年最大风速和重现期的换算上。如果月平均风速序列被订正得很好，但年最大风速一端仍然带着系统偏差，那对设计参数毫无帮助。第二个原因是统计上的：年最大风速序列每年只取一个最大值，样本之间的相关性很弱，基本满足独立同分布假设，而逐月或逐时风速序列存在强自相关，会干扰变点检验的显著性判断。

第三个原因容易被忽略：极值段对均值突变更敏感。一个站点的年平均风速如果偏移 0.5 m/s，可能完全看不出来；但年最大风速整体偏移 2 m/s，在 50 年一遇重现期上可能就是 28 m/s 和 32 m/s 的区别。换句话说，极值序列的均一性问题，最终会直接放大到设计参数里。当然，用年最大值做样本也有代价：样本量等于年数，通常只有 30 到 50 个点，订正常数本身有估计误差。所以后续代码里对分段样本量做了严格限制，低于 10 年的分段不建议单独做订正。

以最大风速为例还有一个数学上的灵活性：风速可以近似看成乘性误差占主导。旧仪器、低高度、高粗糙度带来的往往是“同样的大风测出来偏低一截”，而不是“固定少 2 m/s”。所以订正常用比值法而不是差值法，这也是标题这个例子最容易扩展成通用流程的原因。理解了这一点，再看后面的代码，就不会把订正常数误当成一个简单的减法偏移。

2.3 变点检测方法怎么选：SNHTT、Pettitt 与参考序列的取舍

做风速均一化订正，断点检测是核心环节。常用方法里，标准正态同质性检验也就是 SNHTT，主要思路是把原始序列标准化，然后遍历每个可能的断点位置，计算前段均值与后段均值的偏离统计量；Pettitt 检验则是基于秩的 Mann-Whitney 统计量，不需要数据服从正态分布；MASH 则是荷兰皇家气象研究所发展起来的多站联合同质化方法，适合有完整站网的业务环境。

单站绝对订正的问题在于，它把真实气候波动也当成候选断点来处理，断点位置检测出来之后，很难判断是迁站还是气候转折。所以我在实际处理中，只要周围有相关性达标的参考站，就优先做差值序列检测。所谓差值序列，就是把目标站年最大风速减去参考站年最大风速，得到一条新的序列，再对这条序列做 SNHTT。区域性气候波动在差值里被抵消，剩下更大的部分才是目标站的局地非气候突变。这套流程在后面的代码主流程里会体现出来。

方法选型还有一个前置条件：台站历史沿革资料。断点检测给出的是统计提示，不是最终结论。迁站年份、换仪器年份如果没有元数据支撑，统计上再显著的断点也只能标注为“待核实”。这也是为什么所有正规的同质化订正业务里，统计结果都要和台站沿革记录交叉验证。

3. 把订正流程写成 Python 脚本：最小可跑版本和参数说明

3.1 读入风速 CSV：先统一列名、单位和缺测标记

压缩包里的示例数据是 CSV 格式，每一行代表一个年份。运行代码之前先确认三件事：列名、单位、缺测标记。我一般会先用一段极简代码把数据读进来，打印表头和数据分布，再继续往下走。

import pandas as pd df = pd.read_csv("ws_max.csv", encoding="utf-8-sig") print(df.head()) print(df.dtypes) print(df.isna().sum())

这段代码里encoding="utf-8-sig"是为了兼容中文列名，防止在 Windows 下用 Excel 打开时出现乱码。df.isna().sum()用来统计缺测年份，后续断点检测不允许序列里出现 NaN，这一步能提前暴露问题。

如果原始数据里的列名是中文，比如“年份”“最大风速”，先做重命名，避免后面代码反复用中文索引：

df = df.rename(columns={"年份": "year", "最大风速": "ws_max"})

单位统一放在读入阶段处理。示例数据采用 m/s，如果你的数据来自统计年鉴且单位是 km/h，直接除以 3.6 即可。这里要特别提醒：不要忽略“最大风速”口径。日最大风速、10 分钟平均最大风速、瞬时极大风速是三个不同概念，混合使用会让订正结果完全失去意义。

3.2 SNHTT 断点检测：一个函数找出序列断点

SNHTT 的代码量不大，但参数处理有不少细节。函数输入是一维风速序列，输出是最可能断点的位置和对应统计量。

import numpy as np def snhtt_detect(series, min_sep=0.1): """SNHTT 变点检测。 series: 一维数值序列，不允许含 NaN。 min_sep: 断点不允许落在序列首尾的占比。 """ series = np.asarray(series, dtype=float) if np.any(np.isnan(series)): raise ValueError("序列存在 NaN，请先插补或删除缺测年") n = len(series) z = (series - series.mean()) / series.std(ddof=1) k_start = max(1, int(n * min_sep)) k_end = min(n - 1, int(n * (1 - min_sep))) best_k, best_T = None, -np.inf for k in range(k_start, k_end): z1 = z[:k].mean() z2 = z[k:].mean() T = k * z1 ** 2 + (n - k) * z2 ** 2 if T > best_T: best_T, best_k = T, k return best_k, best_T

逻辑说明：先把原始序列标准化成 z 序列，消除量纲影响；然后从第k_start个观测点开始，逐个假设“第 k 个观测之后发生了断点”，分别计算前后两段标准化均值；T值越大，说明该位置的断点越显著。best_k返回的是索引位置，含义是第best_k个观测之后出现断点，对应到年份序列时要注意索引和年份的对应关系。

参数说明：min_sep=0.1表示断点不允许落在序列最前和最后的 10% 区间内，这是为了避免样本量过小导致订正常数不可靠。如果站点序列只有 20 年，那么首尾各 2 年被禁止作为断点，程序只会检测中间约 80% 的范围。

这个函数里我选择了直接抛错而不是静默处理 NaN，原因是缺测没有统一处理方案时产生的错误很难被发现。实际业务中，缺测年份应该先插补再进入检测，具体插补策略在第 5 章会展开。

3.3 分段订正常构建：比值订正与基准段选择

检测到断点之后，下一步是构建订正常。风速偏差以乘性为主，所以示例代码采用比值订正而不是差值订正。订正常等于两段均值的比值，订正目标是把两段均值拉齐到同一水平。

def segment_adjust(series, break_k, base_segment="second"): """分段比值订正。 base_segment='second' 表示以后段为基准，把前段向下调整； base_segment='first' 表示以前段为基准，把后段向下调整。 """ seg1 = series[:break_k] seg2 = series[break_k:] if base_segment == "second": coef = seg1.mean() / seg2.mean() adjusted = series.copy() adjusted[:break_k] = series[:break_k] / coef else: coef = seg2.mean() / seg1.mean() adjusted = series.copy() adjusted[break_k:] = series[break_k:] / coef return adjusted, coef

逻辑说明：假设某站 1980 年迁站，新站址比旧站址测得的平均最大风速整体偏大 10%，那么后段均值约等于前段均值乘以 1.1。以更可靠的新站址为基准时，应该把前段风速整体除以 1.1，而不是把后段风速乘以 0.9。中括号切片adjusted[:break_k]处理的是断点前的年份，adjusted[break_k:]处理的是断点后的年份，边界要检查清楚，否则会出现偏移一年。

参数说明：base_segment的默认值是"second"，这并不是算法最优解，而是业务上的常见选择。通常认为新站址、新仪器的观测更接近现代标准，所以把历史旧段向新段靠拢。如果你的台站元数据表明旧段更可信，把参数改成"first"即可。这个参数的选择，本质上是元数据判断，不是统计判断。

3.4 单站订正主流程：断点迭代直到序列平稳

单次断点检测订正一遍通常不够，长序列里可能存在两个以上的断点。标准做法是迭代处理：检测出最强断点，订正，再对订正后序列重新检测，直到没有显著断点或达到最大迭代次数。

def adjust_station(df, min_sep=0.1, threshold=8.0, max_iter=3): """单站订正主流程，返回订正后序列和断点记录。""" years = df["year"].to_numpy() series = df["ws_max"].to_numpy(dtype=float) adjusted = series.copy() records = [] for _ in range(max_iter): k, T = snhtt_detect(adjusted, min_sep=min_sep) if T < threshold: break adjusted, coef = segment_adjust(adjusted, k, base_segment="second") records.append({ "break_year": years[k - 1], "statistic_T": round(T, 2), "coef": round(coef, 4), }) result = pd.DataFrame({ "year": years, "ws_max_raw": series, "ws_max_adj": adjusted, }) return result, records

逻辑说明：循环里每次重新调用snhtt_detect，等价于在第 3.2 节中把订正后的序列再做一次标准化检测。threshold=8.0是 SNHTT 统计量的经验阈值，当样本量约 30 到 50 年时，95% 置信度的临界值大致落在这个量级，正式业务应查阅对应样本量的临界值表。max_iter=3是防过度订正的开关，限制最多迭代 3 次，避免把序列拆得过于零碎。

参数说明：break_year的记录用的是years[k - 1]，表示断点发生在前段最后一个观测年之后；如果希望记录成新段起始年，改成years[k]即可。coef是比值订正常数，大于 1 说明旧段均值偏高被向下调整，小于 1 说明旧段均值偏低被向上调整。输出表格里ws_max_raw保留原始值，这一列永远不要删除，后面对比和验收全都要靠它。

4. 让代码吃进正确的数据：最大风速抽样与文件组织

4.1 年最大风速还是月最大风速：抽样时次决定断点位置

这份代码的检测对象是“年最大风速”，但“年最大风速”本身有三种常见取法：直接取日历年内 12 个月的月最大风速中的最大值；取日最大风速序列的全年最大值；取定时观测记录里的瞬时极大风速。三种取法得到的数字差异很大，断点检测的敏感度也不一样。

在气象水文业务里，最常见的是第一种取法，因为月最大风速报表齐全，缺测少，跨年问题也容易处理。但要注意台风影响明显的区域，一次台风过程可能横跨 12 月到次年 1 月，如果按日历年来切，同一场台风的风速被分到两个年份，会人为压低两个年份的极值。研究这类区域时，我会改用“滑动年”或“气象年”，比如从上年 7 月 1 日到当年 6 月 30 日作为一个统计年，这样一次台风过程不会跨年。代码本身不关心你给的是日历年还是气象年，但抽样口径不同，断点位置会明显变化，这一点在报告里必须交代清楚。

另外要区分“最大风速”和“极大风速”。国内观测规范里，最大风速通常指 10 分钟平均风速的最大值，极大风速指瞬时风最大值。两种序列的统计特性不同，订正常数也不同。如果你手里的数据文件没有写清楚口径，建议先看数据说明或原始报表，不要直接跑代码。

4.2 数据文件怎么排：站号、年份、风速和缺测的约定

压缩包里的示例数据按一个站点一个 CSV 文件组织，表头字段约定如下。

如果需要做参考站差值检测，建议把参考站放在另一个 CSV 文件里，字段同上，并保证年份范围与目标站一致。示例数据里给出了一个单站序列和对应的参考站序列，两个文件按站号区分，读取后先按年份对齐再进入检测流程。

缺测用NaN表示，不要用-9999或0填充。原因是 3.2 节的snhtt_detect会直接拒绝含 NaN 的序列，而如果用-9999充当数值，程序不会报错，但会把缺测年当成一个极小的风速值参与统计，标准差和均值全部被污染。这是最容易出现但最难排查的问题。

两个文件是否要对齐成同一个年份列表？我一般会做一次pd.merge(df_target, df_ref, on="year", how="inner")，只保留双方都有观测的年份。缺测年太多时，先插补再做差值序列，插补方法放到第 5 章集中说明。

4.3 三个必调参数：断点搜索范围、显著性阈值、最小分段长度

代码能跑起来是一回事，参数调得对是另一回事。这套流程里三个参数直接影响结果质量。

第一个是min_sep，断点搜索范围。示例值 0.1，配合 30 年序列，相当于断点年份限制在第 3 年到第 27 年之间。如果站点有过两次迁站，且第二次迁站发生在第 28 年，这个参数会漏掉它。这时可以把min_sep调小到 0.05，但要接受首尾分段样本量变小、订正常数方差变大的代价。

第二个是threshold，显著性阈值。示例值 8.0，这是一个经验值而非标准值。SNHTT 临界值随样本量变化，30 年序列和 60 年序列的 95% 置信度临界值并不相同。代码里把这个值做成函数参数，就是希望你在正式业务中查阅对应文献，而不是直接沿用示例数字。

第三个是base_segment，基准段选择。这个参数调整的是订正方向。判断依据来自台站沿革：迁站后、换新仪器后的记录段通常更可信，就以新段为基准；如果你手里的序列恰好相反，早期用的是进口高精度设备，后期换了国产设备且明显偏低，那基准段就应该选在早期。示例默认"second"，但正式的订正报告里，这一选择必须写理由。

三个参数之间互相影响：调小min_sep会增加可检测断点范围，但显著性阈值不变时容易把噪声当断点；调低threshold会让迭代更容易提前终止，适合短序列；基准段选错则会让整个订正方向反转。所以参数调完，一定要回到第 6 章的验证环节看整体效果，不能只盯检测统计量。

5. 风速均一化订正避坑：5 条现象到原因再到解决

5.1 订正完强台风记录被压没了

现象：订正后的序列里，历史上几次强台风年份的风速值明显变小，极值序列看起来被“削平”了。

原因：比值订正常数按整段均值计算，会把一个统一的倍率套用到该段所有年份上。但强台风年份的风速往往不完全服从这种倍率关系，比如旧仪器在 10 m/s 以下偏低明显，而在 40 m/s 以上因为风杯飞转反而接近真实值，套用同一个系数就会把本应保留的极值压下去。

解决：订正后单独检查历史前 5% 的风速记录。如果某些极端年份被过度修正，可以只对非极值部分做订正，或者用分段分位点订正来替代单纯的均值比值订正。更稳妥的做法是保留原始序列，在报告里把订正结果和原始极值并列展示，不要用订正结果覆盖原始记录。记住订正的目的是消系统偏差，不是抹平极端年份。

5.2 订正方向反了，序列比原来更不齐

现象：订正后的序列均值方差反而更大，断点位置依旧一眼可见，甚至比订正前更刺眼。

原因：基准段选错了方向。如果旧站址周边全是建筑，测得的风速系统性偏低，新站址开阔、风速偏高，而你把旧段默认成了基准，就会把后期偏高的记录向下压，等于把真实偏差越纠越偏。

解决：查看台站历史沿革，确认哪一段观测环境更符合规范要求。代码里segment_adjust的base_segment参数存在的原因，就是让方向判断显式化为一个可审查的决策。如果元数据不可靠，还有一个交叉验证手段：把订正后的序列分别与参考站做差值方差比较，方差显著增大的那一版，大概率是方向选反了。

5.3 多个断点叠在一起，订正完段间不衔接

现象：站点 40 年里经历过两次迁站，代码只检测出一个断点，订正完成后，序列里还剩一个明显台阶。

原因：SNHTT 统计量遍历所有断点位置时，多个断点会干扰彼此的显著性。最强断点被找到后，次级断点的统计量大幅下降，单次检测容易漏掉；而如果试图一次性把两个断点都写进模型，又容易把两个断点的位置都估计偏移。

解决：用第 3.4 节的迭代流程，每次只检测最强断点，订正后重新标准化再检测下一断点。同时限制最小分段长度，比如每个分段至少 10 年，防止迭代把序列拆得过于零碎。每轮迭代的断点年份、订正常数都要记录到表格里，否则报告阶段说不清“为什么在这个年份断开”。

5.4 参考站选错，差值序列检出一堆假断点

现象：加了参考站做差值序列之后，原本单站检测还算合理的结果，反而冒出来三四个显著断点，断点年份和台站沿革完全对不上。

原因：参考站和目标站的气候相关性不足。比如目标站靠海，参考站在内陆，它们对同一场台风的响应差别很大；或者两站海拔差了三四百米，地形抬升效应让风速变化并不同步。差值序列把这两部分不相关的信号叠加起来，信噪比反而下降。

解决：做参考站差值之前，先算两个站原始序列的相关系数，通常要求相关系数不低于 0.6，同时距离不宜过远。如果没有满足条件的参考站，老实回到单站绝对订正，并在结果表里标记“未做参考站验证”。参考站数量也不宜贪多，选择 3 到 5 个相关性高、分布在目标站不同方向的站点会更稳健。

5.5 缺测年份处理不当，SNHTT 统计量失真

现象：某站有 5 年缺测，代码没报错，但检测出的断点年份落在缺测年附近，订正常数大得离谱。

原因：如果缺测被填充成 0 或空字符串，序列会变成“正常值 + 一堆 0”的组合，标准化后均值被拉低，标准差被放大，断点统计量会在缺测边缘出现虚假峰值。如果缺测被直接跳过，年份和序列索引错位，断点年份的定位也会出错。

解决：先插补，再检测。常见做法是取相邻年份的线性内插，或者用该站多年同期平均风速做气候值替换。插补完成后，在数据表里保留一个flag列标记哪些年份是插补值，订正报告里也要注明缺测年份数量。如果缺测年超过总年数的 20%，就不建议做严格意义上的均一化订正了，样本量不足以支撑可靠的订正常数。

6. 订正结果怎么验收：从对比图到重现期变化

6.1 订正效果的三张图与一张表

结果不是算完就结束的，订正质量要用图和表交代清楚。第一张图是订正前后年最大风速时间序列对比，原始值画灰线，订正值画黑线，断点年份用竖直虚线标出来；第二张图是订正后的序列减去参考站序列的差值图，看差值是否围绕 0 附近波动，方差是否比订正前明显缩小；第三张图是订正前后的风重现期对比曲线，直接展示工程关心的参数变化。一张表对应输出年份、原始风速、订正风速、断点编号和订正常数，原始值永远保留。

import matplotlib.pyplot as plt plt.plot(result["year"], result["ws_max_raw"], label="raw", color="gray") plt.plot(result["year"], result["ws_max_adj"], label="adjusted", color="black") plt.axvline(records[0]["break_year"], linestyle="--", color="red") plt.legend() plt.savefig("adjusted_series.png", dpi=200)

绘图这段代码没什么特殊逻辑，唯一要提醒的是records[0]只有在至少存在一个断点时才能取到。实际运行时先判断records是否为空，否则画图会直接报错。这张图也是后续核对台站沿革的记录：断点年份有没有落在迁站年份前后，一眼就能判断。

6.2 五十年级别风速是最终验收标准

验收时，我最看重的是订正前后“50 年一遇最大风速”的变化幅度。用经验频率法能快速得到近似结果，适合初验：把序列按大小排序，第 i 大的观测对应重现期约 (n+1)/i 年，再在排序序列里找到最接近 50 年的位置。

def emp_return_period(series, return_level=50): n = len(series) sorted_series = np.sort(series)[::-1] rp = (n + 1) / np.arange(1, n + 1) idx = np.argmin(np.abs(rp - return_level)) return sorted_series[idx]

经验法只适合快速对比。如果差异小于 10% 到 15%，属于合理范围，说明订正没有过度干预；如果差异超过这个范围，就要倒回去检查参数选择。我自己就吃过一次亏：第一次跑通流程时，把订正后的序列单独存了一版，原始值被覆盖，后来复核时才发现某年台风风速被压掉了，翻原始报表才找回来。那之后我养成了两个习惯：原始列永远保留，订正列单独放；每次交付都附一张断点观测图。希望帮到你。

本文还有配套的精品资源，点击获取