黄嘉佑和李庆祥编著的《气象数据统计分析方法》将侧重介绍近代数据处理与统计方法如何实际应用到各类气象分析中。例如，如何描述气象中的数据，如何对气象数据进行基础处理，如何对气象要素的时间演变序列做规律性分析，如何研究不同气象要素之间的变化关系，如何分析一个地区的气象要素和气候要素的时空变化，如何做气象要素和气候变化的预报和预测，如何进行气象资料均一化处理，如何对气象资料进行插补，等等。本书正文内容主要介绍数据处理方法如何应用在气象中；并将一些常用的数据处理方法的基本原理和计算步骤作为参考编写在附录中，希望有助于从事气象研究和业务的工作人员参考使用。

黄嘉佑和李庆祥编著的《气象数据统计分析方法》主要介绍了近代数据处理与统计方法及其在各类气象分析中的应用，并加入了许多21世纪以来国际上在气象应用统计领域的一些最新成果。此外，还将一些常用的数据处理方法的基本原理和计算步骤编写在附录中，希望有助于气象工作人员参考使用。

本书可以作为具有一定气象学基础的气象及相关行业技术人员从事相关研究及业务工作的参考书，也可以作为气象学硕士、博士研究生开展相关研究的参考书或教材。

前言

第1章 气象资料与数据

 1.1 气象数据的特征

 1.2 气象数据的类型

 1.3 气象数据的描述

 1.4 数据整理的方法论

 参考文献

第2章 大气基本状态

 2.1 大气平均状态的描述

 2.2 大气状态的异常

 2.3 大气平均状态的代表性

 2.4 大气平均状态的差异性

 2.5 大气状态出现的频率

 2.6 大气变量的分布

 2.7 大气状态的分级

 2.8 大气异常的极端状态

 2.9 大气变量的数据变换

 参考文献

第3章 大气变量的相互关系

 3.1 大气状态的关联性

 3.2 信息关联

 3.3 列联表

 3.4 级别变量的相关

 3.5 连续变量的相关

 3.6 偏相关

 3.7 不同时刻的交叉相关

 3.8 不同时段的相关

 3.9 变量的瞬时相关

 3.10 变量相关程式关系

 3.11 多个变量的相关

 3.12 变量变化的相似性

 参考文献

第4章 大气变量的时间演变特征

 4.1 离散变量持续性

 4.2 连续变量的持续性

 4.3 变量的变化趋势

 4.4 变量变化趋势的检验

 4.5 变量变化的突变

 4.6 变量变化的周期性

 4.7 两个变量变化的交叉周期性

 4.8 变量的时间变化滤波

 参考文献

第5章 大气变量场基本特征

 5.1 大气变量场基本状态

 5.2 变量场的变化特征

 5.3 变量的条件平均场

 5.4 变量信号场

 5.5 条件差值场

 5.6 外力影响特征

 参考文献

第6章 大气变量场中的相关性

 6.1 遥相关

 6.2 高度场时空特征模态

 6.3 大气涛动

 6.4 地面要素场时空特征模态

 6.5 风场时空特征模态

 6.6 变量场中的关联性

 6.7 变量场中气候分类

 6.8 变量场中的波动特征

 参考文献

第7章 两个变量场的关系

 7.1 两个变量场的差异性

 7.2 两个变量场的相似性指标

 7.3 两个风场相似性

 7.4 两个变量场的关联性

 7.5 两个变量场的回归关系

 7.6 两个变量场的耦合关系

 参考文献

第8章 多个变量场耦合分析

 8.1 多变量场的综合模态

 8.2 风场综合模态

 8.3 多变量场模态

 8.4 变量场时间演变模态

 8.5 联合耦合模态

 参考文献

第9章 变量场的时间演变特征

 9.1 变量场的趋势分析

 9.2 变量场的平均序列演变特征

 9.3 变量场的时间演变特征提取

 9.4 变量场的周期变化特征

 9.5 变量场时间演变模态

 9.6 风场的时间演变特征

 9.7 多变量场时间演变特征

 9.8 周期变化外力成因

 参考文献

第10章 大气变量的预报

 10.1 外因子预报模型

 10.2 持续性预报模型

 10.3 周期模式预报模型

 10.4 时间外延预报模型

 10.5 大气变量场的预报

 10.6 潜在可预报性

 10.7 预报的稳定性

 10.8 预报效果评价

 参考文献

第11章 大气变量动力统计预报

 11.1 数值预报产品释用

 11.2 随机气候模式

 11.3 动力系统的可预报性

 11.4 集合预报

 11.5 降尺度预报

 11.6 数值预报的统计订正

 参考文献

第12章 气象数据修正、插补和融合

 12.1 气象资料数据的质量评估与控制

 12.2 气象资料数据的均一性处理

 12.3 城市化对气候序列均一性的影响

 12.4 资料恢复与插补

 12.5 大气变量场的空问插值

 12.6 气象数据融合、同化及再分析

 参考文献

附录A 回归分析

 A1单个因子的回归模型

 A2多因子线性回归模型

 A3逐步回归模型

 A4事件概率回归（REEP）

 A5Logit回归模型

 A6最佳子集回归模型

 A7预报残差最小逐步回归

 A8权重回归

 A9卡曼滤波回归

 A10岭回归

 A11贝叶斯回归

 A12支持向量机回归

附录B 判别分析

 B1费歇判别方程

 B2贝叶斯判别方程

 B3逐步判别

 B4回归逐步判别

附录C 变量场的分解

 C1主分量分析

 C2经验正交函数分解

 C3多变量场经验正交函数分解

 C4复向量经验正交函数分解

 C5扩展经验正交函数分解

 C6联合经验正交函数分解

 C7复经验正交函数分解

 C8主振荡模态分析

 C9独立分量分析

附录D 聚类分析

 D1因子分析的一般模型

 D2主因子分析模型

 D3因子轴的转动

 D4对应分析

 D5串组法

附录E 变量场的耦合分析

 E1典型相关分析

 E2奇异值分解

 E3偏最小二乘回归

附录F 大气变量时域分析

 F1自回归模型

 F2滑动平均模型

 F3自回归滑动平均模型

 F4方差分析模型

 F5均生函数模型

 F6经验模态分解

 F7去趋势的涨落分析

附录G 大气变量频域分析

 G1变量的频谱

 G2功率谱

 G3非整谱

 G4最大熵谱

 G5双谱分析

 G6多窗口谱分析

 G7滤波

 G8交叉谱

 G9奇异谱

 G10交叉奇异谱

 G11小波分析

 G12交叉小波谱

附录H 大气变量场的谱分析

 H1纬向谐波分析

 H2高度场的物理量谱

 H3高度场的球谐分析

 H4时空谱

 H5二维空间谱分析

 H6变量场中的交叉谱分析

 H7多窗口奇异值分析

 H8循环平稳经验正交函数分解

附录I 马尔科夫概型分析

 I1马尔科夫链

 I2转移概率

 I3绝对概率

 I4转移概率矩阵的谱分解

 I5马尔科夫性质的检验

附录J 神经网络

 J1神经元模型

 J2神经网络结构

 J3网络学习

 J4前馈型神经网络

 J5径向基函数网络

 J6自组织映射网络

附录K 统计检验

 K1假设检验

 K2平均值检验

 K3两组样本平均值差异的检验

 K4方差检验

 K5相关系数的检验

 K6变量的分布检验

 K7频率的检验

 K8趋势检验

 K9突变检验

 K10蒙特卡洛检验

附录L 气象统计常用数表

 L1正态分布函数

 L2γ2分布

 L3F分布

 L4t分布