### Python 实现 Theil-Sen 趋势分析和 Mann-Kendall 显著性检验 以下是基于 Python 的 Theil-Sen 趋势分析和 Mann-Kendall 显著性检验的代码示例。此代码可以应用于降水数据分析。 #### 1. 导入必要的库 为了完成 Theil-Sen 和 Mann-Kendall 分析，需导入以下常用库： ```python import numpy as np from scipy.stats import theilslopes, kendalltau import pandas as pd ``` #### 2. 数据准备 假设我们有一组年降水量数据（单位：毫米），存储在一个列表中： ```python precipitation_data = [800, 790, 810, 830, 850, 860, 870, 880, 890, 900] years = list(range(2010, 2020)) # 对应年份 data = pd.DataFrame({'Year': years, 'Precipitation': precipitation_data}) ``` #### 3. 使用 `scipy` 进行 Theil-Sen 趋势分析 Theil-Sen 方法可以通过 SciPy 库中的 `theilslopes` 函数实现。该函数返回斜率、截距以及置信区间[^1]。 ```python # 计算 Theil-Sen 斜率 x = data['Year'].values y = data['Precipitation'].values slope, intercept, lo_slope, up_slope = theilslopes(y, x, alpha=0.95) print(f"Theil-Sen Slope (Trend): {slope} mm/year") # 输出趋势值 print(f"Intercept: {intercept}") # 截距 print(f"Lower Confidence Limit of Slope: {lo_slope}") print(f"Upper Confidence Limit of Slope: {up_slope}") ``` 如果 `slope > 0` 表明降水量呈上升趋势；反之则表明下降趋势[^2]。 #### 4. 使用 `kendalltau` 进行 Mann-Kendall 显著性检验 Mann-Kendall 检验可通过 SciPy 中的 `kendalltau` 函数实现。它返回 Kendall 秩相关系数 (`tau`) 及 p 值[^1]。 ```python # 执行 Mann-Kendall 检验 tau, p_value = kendalltau(x, y) print(f"Mann-Kendall Tau: {tau}") # tau 值反映单调趋势强度 print(f"P-value: {p_value}") # 判断显著性水平 ``` - 如果 `p_value < 0.05`，说明存在显著的趋势。 - 若 `tau > 0`，表示升序趋势；若 `tau < 0`，表示降序趋势。 #### 完整代码示例 将以上部分组合成完整的脚本如下所示： ```python import numpy as np from scipy.stats import theilslopes, kendalltau import pandas as pd # 输入数据 precipitation_data = [800, 790, 810, 830, 850, 860, 870, 880, 890, 900] years = list(range(2010, 2020)) data = pd.DataFrame({'Year': years, 'Precipitation': precipitation_data}) # Theil-Sen Trend Analysis x = data['Year'].values y = data['Precipitation'].values slope, intercept, lo_slope, up_slope = theilslopes(y, x, alpha=0.95) print(f"\nTheil-Sen Slope (Trend): {slope:.2f} mm/year") print(f"Intercept: {intercept:.2f}") print(f"Confidence Interval: [{lo_slope:.2f}, {up_slope:.2f}]") # Mann-Kendall Test tau, p_value = kendalltau(x, y) print(f"\nMann-Kendall Tau: {tau:.4f}") print(f"P-value: {p_value:.4f}") if p_value < 0.05: trend_direction = "increasing" if slope > 0 else "decreasing" print(f"Trend is significant and {trend_direction}.") else: print("No significant trend detected.") ``` --- ### 结果解释 运行上述代码后： - **Theil-Sen 斜率**反映了长期变化速率（单位：mm/年）。正值代表增加趋势，负值代表减少趋势。 - **Mann-Kendall 检验**提供了统计显著性判断依据。P 值低于阈值（通常为 0.05）时，认为趋势具有统计学意义。 ---