简介：极端气候指数计算软件配套文档，面向气候科研、气象业务及相关专业学习者，聚焦极端气候事件的监测与指数化分析。压缩包仅含1个doc文件，约600KB，为RClimDex用户手册，介绍该软件由加拿大环境部气象研究分支开发维护的背景、安装运行、数据质量控制与指数计算流程，并附已知问题与缺陷报告指引。正文及附录覆盖ETCCDMI推荐的27项核心气候指数清单、输入数据格式、各指数定义，以及阈值和基准期温度指数的计算方法与统计意义，另含R在Windows环境下的常见问题解答，便于读者理解软件功能边界、核对计算结果并排查数据格式问题。已有3839人学习下载，适合需要查阅RClimDex使用说明、核对指数定义、排查数据格式问题或进行结果解释的研究者作为案头参考。

1. 极端气候指数不是算不出来，是算得不一致

手里攥着一份六十年的逐日气温降水表，想回答“这地方的霜冻日到底有没有在减少”，最省事的做法是丢进表格软件拉一个条件计数。可只要换个人、换个起始年、换一种缺测处理方式，同一个站能算出两条方向相反的趋势线。RClimDex 这款极端气候指数计算软件就是冲着这个不一致来的：它把 ETCCDMI 推荐的 27 个核心极端气候指数固化成一套带强制质量控制的流程，喂进一个纯文本日值文件，吐出逐年指数序列和趋势图。它从表格环境迁到 R 上，核心动机只有一个——百分位类温度指数需要 bootstrap 重采样，表格软件做不了。手上有多站逐日数据、要出可横向对比指数序列的人，值得把它拆开看一遍；只想画条气温曲线的，这套东西偏重了。

2. 跑起来之前：R 运行时、六列文本和三个输出目录

这套工具的门槛不在算法，在“喂进去的东西必须长得一模一样”。它不是一个装完就能双击的 exe，而是一段 R 源码加上一层 TclTk 图形界面，所有的交互都建立在“当前工作目录里有什么文件”这件事上。目录搞错、列数错一位、缺失值写成 -999，界面会直接卡住或者弹一个语焉不详的报错。所以先把底座铺平，再谈算指数。

2.1 R 与 TclTk：为什么二十年前的界面今天还能开

RClimDex 依赖两样东西：R 的基础环境，以及 TclTk 图形库。手册成书年代的 R 版本号还停留在 1.8.x，那个年代 TclTk 需要单独装；从 R 1.9.0 之后，Windows 版的默认安装包里已经带上了 TclTk，所以你今天下载任意一个 4.x 的 Windows 安装包，一路下一步走完，图形库就齐了。Linux 下则建议用发行版仓库里的预编译包，源码编译虽然也能过，但 TclTk 的开发头文件经常缺，会白折腾一轮。

装完之后先做一件事：确认library(tcltk)不报错。这一步比什么都重要，因为 RClimDex 的主菜单、参数窗口、文件选择框全部由 TclTk 渲染，缺了它，source()执行到一半会抛出一个跟界面毫无关系的错误，新手很容易误判成源码损坏。

# 环境自检：三行都通过再往下走 getRversion() # 建议 4.0 以上 capabilities("tcltk") # 必须为 TRUE library(tcltk) # 不报错即正常

Windows 下还有一个老问题：R 启动时会读一个叫HOME的环境变量，用来定位用户目录。部分机器上这个变量没设，source()用相对路径找文件时就会跑到系统目录里去，报“找不到 rclimdex.r”。解决办法不复杂，在系统环境变量里加一条HOME，值指向你的工作目录即可。这是手册附录里专门拎出来讲的一条，说明当年踩的人不少。

2.2 输入文件的六列约定：一行都不能多

RClimDex 只认一种输入：纯 ASCII 文本，文件名形如站号.txt，无表头，空格或制表符分隔，固定六列，顺序是年、月、日、降水量、日最高温、日最低温。缺测统一写-99.9，这是程序内部识别的哨兵值，写-999、NA、空字符串都会被当成非法数据。

先用 shell 过一遍字段数，比在界面里反复试错快得多。任何一行字段数不等于 6，程序在读入阶段就会失败，而报错信息只会告诉你“格式不对”，不会告诉你第几行。

# 逐行检查字段数，把非 6 列的行连行号一起打出来 awk 'NF != 6 {print NR": "$0}' 21946.txt | head -20 # 顺便看看有没有人用逗号做了分隔 grep -c "," 21946.txt

字段数对了，还要看日期链是否连续、有没有重复日。RClimDex 内部按日索引，缺一天不会报错，但会让某些需要滑动窗口的指数（比如连续干旱日数、生长期长度）在跨年处算错位。用下面这段做一次全量体检：

raw <- read.table("21946.txt", header = FALSE, na.strings = "-99.9", col.names = c("year","month","day","prcp","tmax","tmin")) # 1) 日期能否正常构造 d <- as.Date(sprintf("%04d-%02d-%02d", raw$year, raw$month, raw$day)) cat("非法日期数:", sum(is.na(d)), "\n") # 2) 重复日期 cat("重复日期数:", sum(duplicated(d)), "\n") # 3) 缺失的日历日 full <- seq(min(d, na.rm = TRUE), max(d, na.rm = TRUE), by = "day") miss <- setdiff(as.character(full), as.character(d)) cat("日历缺口数:", length(miss), "\n"); head(miss, 10)

na.strings = "-99.9"这一句是关键，它把哨兵值在读入阶段就转成 R 的NA，后面的统计才不会把 -99.9 当成真实的低温参与平均。日期缺口如果集中在某几年，八成是原始数据本身断档，不用强行补齐，让它在指数序列里体现为缺测年份反而更诚实。

2.3 加载源码与工作目录：source()之后发生了什么

手册给的加载方式是source("rclimdex.r")，不是library()。这点经常被搞混——早期分发形态就是一份单文件源码，靠source()注入当前会话，执行完主菜单窗口就弹出来了。后来也有打包成 R 包的版本，用install.packages()加library()加载，两种方式对应不同分发渠道，拿到手先看对方给的是.r文件还是包名，不要混着用。

# 方式一：本地源码（最原始也最稳） setwd("D:/climdex") # 必须先切到 rclimdex.r 所在目录 source("rclimdex.r") # 成功后弹出主菜单 # 方式二：已打包版本 # install.packages("RClimDex") # library(RClimDex)

setwd()这一步不是可选项。RClimDex 的所有输出都写在“当前工作目录”下，它不会问你存哪儿，而是自动建三个子目录：

• log/：质量控制阶段的四个 CSV 和四张 PDF 时序图；
• indices/：每个指数一个 CSV，命名规则是站号_指数名.cvs；
• plots/：每个指数一张 JPEG 趋势图，文件名与 indices 里一一对应。

注意indices目录里文件的扩展名是.cvs而不是.csv，这是程序里写死的拼写，不是笔误也不是你下载坏了。双击打不开是正常的，用文本编辑器打开或者手动改后缀即可。工作目录里如果已经存在同名的log、indices、plots，新一轮计算会直接覆盖，不会提示——这也是为什么建议一个站一个目录，别图省事全塞一起。

3. 质量控制：把哨兵值、负降水和 Tmin>Tmax 拦在计算之前

RClimDex 主菜单里第二个按钮叫“Load Data and Run QC”，很多人把它当成一个可跳过的前置步骤，直接奔着指数计算去。这是一个典型的翻车起点。这一步不是“检查一下”，而是“改数据”——它会把不合理值替换成NA，并生成一份清洗后的中间文件供后续计算使用。跳过它，后面的百分位指数会直接把 -99.9 当成真实低温算进第 10 百分位里，出来的“冷夜日数”能翻好几倍。

3.1 QC 到底改了什么：四类值、两种命运

质量控制做的事可以拆成两条主线。第一条是无条件替换：所有-99.9转成 R 内部的NA；所有负的日降水量转成NA；所有“日最高温小于日最低温”的记录，两个温度值一起转成NA。这三类属于物理上不可能或明确非法的值，程序不问你，直接动手。

第二条是标记而非替换：日最高温和日最低温的离群值。判定区间是[均值 - n×标准差, 均值 + n×标准差]，均值和标准差按“同一日历日的历史序列”算，也就是 1 月 1 日只跟历年 1 月 1 日比，而不是跟全年比。这个设计是对的——否则季风区一个正常的盛夏高温会被判成离群。

关键差异在这里：被标记的离群值不会被改成NA，它只是被记录进一个清单文件。计算指数时用的仍然是原始值。换句话说，QC 阶段程序只替你处理“确定错的”，把“可能错的”留给你判断。这个边界划得很清楚，但很多人没注意到，以为标记了就等于删掉了。

3.2 n 取 3 还是 4：一个直接影响工作量的参数

参数窗口里那个n默认是 3。按正态分布算，±3σ 之外大约占 0.27%，六十年逐日数据差不多六万条，理论上会标出 160 条左右。但实际日温度序列不是正态的，尤其日最低温在冬半年有明显偏态，真正被标出来的数量经常是理论值的好几倍。

手册里明确建议：先用 4 起手。这是个很实在的经验值。n=3 时你可能拿到几千条标记，逐条核对根本不现实；n=4 能把量级压下来，剩下的才值得人工看。n 越大漏检越多，n 越小噪音越多，没有普适最优，我的习惯是先跑 4，看标记条数：如果还是超过总记录数的 1%，说明这个站的温度序列本身波动极大（比如高原站、内陆站），可以再放到 5；如果只有几十条，那就逐条看。

这里还有个容易忽略的点：QC 窗口里有个“Station name or code”输入框，很多人纠结要不要填。不用填，这个参数是给后续某个环节预留的，此时填了也不影响本次 QC 的文件命名——文件名始终取自你选的输入文件名。

3.3 四个输出文件：谁是黑匣子，谁是真正被计算的

QC 跑完，log/目录下会多出四个 CSV 和四张 PDF。这四张 PDF 是日降水量、日最高温、日最低温、日较差的时间序列图，缺测点用红点标出。它们不是装饰，一眼扫过去能立刻发现某几年的数据整段缺失，或者某个时段温度曲线出现台阶状跳变——后者往往是台站迁址导致的，光看数字看不出来。

四个 CSV 的分工要记清楚：

前三个是黑匣子，用来追溯“程序到底动了哪些数”。第四个indcal.csv才是真正的计算底稿：里面只有缺测和非法值被换成了NA，被标记的离群值原封不动保留。这个设计意味着，如果你认为某个离群值确实是错的，必须自己去改这个文件，程序不会替你决定。

3.4 改完数据要不要重跑：一个反复被问的问题

原始输入文件在整个流程中是只读的，QC 不会回写。所以流程有两种走法，选错一种就白干：

第一种，直接编辑log/站号indcal.csv，把确认错误的离群值改成NA或修正值，然后进入指数计算。这条路径快，但缺点是可追溯性差——你改了什么、改了多少条，没有留痕。第二种，回到原始站号.txt修正，然后重新走一遍“Load Data and Run QC”，让indcal.csv重新生成。这条路径慢，但每次改动都能在原始文件里查到。

我一般走第二种。理由是indcal.csv是派生文件，一旦你手工改过它，再想复现同一批结果就得靠记忆。改原始文件虽然多花几分钟，但半年后回头看，源头在哪一目了然。无论走哪条，有一条铁律：改了数据就必须重新跑 QC，否则指数计算用的还是旧的indcal.csv，你会盯着一个没变化的输出怀疑程序坏了。

4. 指数计算：基准期、纬度符号和四类自定义阈值

主菜单第三个按钮“Indices Calculation”才是真正的计算入口，但它前面横着一个参数窗口。这个窗口里填错任何一项，结果不会报错，只会安静地错给你看。尤其是纬度那一栏，填错正负号不产生任何提示，但会直接改变生长期长度这类跨年指标的季节边界。

4.1 参数窗口逐项拆解

窗口里一共八项输入，分三组。第一组是基准期起止年，决定百分位指数的参考时段；第二组是纬度，决定南北半球的季节窗口；第三组是一个降水阈值和四个温度阈值，用来生成用户自定义的 Rnn、SUmm、FDmm、TRmm、IDmm 系列指数。

基准期的选法有讲究。它必须早于或等于数据起始年之后的某个时段，而且要足够长（WMO 惯例是 30 年）才能让第 10、第 90 百分位稳定。如果数据只有 1980 年以后，硬填 1961–1990 会让基准期落在数据范围之外，百分位指数算出来全是NA。

纬度的作用容易被低估。生长期长度这个指数的定义里，北半球按 1 月 1 日到 12 月 31 日统计，南半球按 7 月 1 日到次年 6 月 30 日统计。纬度填成正数，南半球的站就会被按北半球的窗口切分，跨年的那一段直接被劈成两半，得到一条锯齿状毫无意义的序列。

4.2 27 个核心指数不是一锅端

参数设好之后会弹出一个指标勾选列表，默认全选。全选不是不行，但代价是时间，而且很多指数跟你的研究问题无关。按数据依赖关系，这 27 个指数大致分三档：

第一档只依赖当日或当年数据，比如霜冻日数 FD0（TN<0℃ 的年天数）、夏日日数 SU25（TX>25℃）、冰日日数 ID0（TX<0℃）、热带夜 TR20（TN>20℃）。这一档算得最快，也不受基准期影响。

第二档依赖固定阈值或年总量，比如年总降水量 PRCPTOT、日降水强度 SDII、连续干旱日数 CDD、连续湿润日数 CWD、大雨日数 R10mm 与 R20mm、湿日降水百分位 R95p 与 R99p。R95p 这类指数依赖基准期内的湿日降水分布，基准期一变，结果全变。

第三档依赖百分位和滑动窗口，包括冷夜日数 TN10p、暖夜日数 TN90p、冷昼日数 TX10p、暖昼日数 TX90p，以及基于这些的冷持续指数 CSDI 和暖持续指数 WSDI。这一档最慢，也是 bootstrap 修正的主要受益者。

如果只是想快速看一眼数据质量，先只勾第一档，几分钟出结果。确认流程通了，再回到主菜单重新进“Indices Calculation”，补算第三档——注意不用重跑 QC，QC 结果还在，直接算就行。

4.3 百分位指数为什么非要 bootstrap

这是 RClimDex 相对表格工具的核心优势，值得说清楚。计算 TN10p 需要先确定“第 10 百分位”这个门槛，常规做法是用整个基准期的所有日最低温算出一个固定值，然后逐年统计低于它的天数比例。

问题出在 inhomogeneity：如果基准期是 1961–1990，那么 1961 年的数据既参与了门槛的计算，又被拿来跟门槛比较；而 2010 年的数据只参与比较，不参与门槛计算。这导致序列在基准期末尾出现一个不真实的跳变，趋势被系统性高估。解决办法是“留一年法”的 bootstrap：算某一年的指数时，把该年从基准期中剔除，用剩下 29 年重算门槛，再统计这一年。这样每一年都是“外来者”，序列才齐。

这套重采样在表格环境里几乎无法实现，但在 R 里只是几行循环。代价是计算时间——第三档指数比第一档慢一到两个数量级，六十年数据可能要跑几分钟到十几分钟。慢的时候别以为卡死了，程序在算，等就行。手册里明确提过“较慢的机器上这一步可能需要几分钟”。

4.4 结果怎么读：CSV 里的数、JPEG 里的线

算完之后，每个被勾选的指数在indices/下生成一个站号_指数名.cvs，一列年份、一列指数值，逗号分隔。plots/下同名 JPEG 是该序列的年度折线图，图上叠了两条拟合线：实线是普通最小二乘线性趋势，虚线是局部加权回归（LOWESS）平滑。线性拟合的统计量直接印在图上方。

这里要提醒一点：图上那条线性趋势的显著性，是程序按最简单的最小二乘给的，没有考虑序列自相关。年尺度的气候指数序列经常有一阶自相关，直接读 p 值会偏乐观。要发文章的话，趋势显著性得自己另做，比如用去趋势预白化之后再拟合。程序图上的数字只适合快速判断方向，不适合直接引用。

另外，indices目录里的值是“每年一个”，但像 TXx（月最高温的年内最大值）这类指数，程序实际是先算月值再取年极值。如果你的研究需要月尺度序列，得自己从indcal.csv重算，输出文件只给到年。

5. 避坑清单：五类翻车现场的现象、成因与处置

以下五条都是这套流程上真实会卡住人的地方，按“现象→原因→解决”整理。

第一条：程序在算百分位指数时突然停住，R 控制台没有任何有效报错。

现象是勾完指数点确定，进度走了一段就没了，窗口还在但不再响应。原因是手册第 4 节明确写过的已知缺陷：当数据的起始年份与基准期起始年份完全相同时，百分位指数的计算需要基准期边界之外的数据，程序取不到就中断了。解决办法很土但有效——在输入文件第一行前面补一条记录，日期取基准期起始年的前一天，六个字段里后三个全填-99.9。比如基准期是 1961–1990，数据也从 1961 开始，就在文件头加一行1960 12 31 -99.9 -99.9 -99.9。

第二条：选完文件后弹窗报错，提示格式不正确。

现象是文件明明存在、也能用记事本打开，界面就是不认。原因通常有三种：文件带表头行、字段之间用了逗号、列数不是 6。RClimDex 的读取逻辑非常死板，不猜分隔符也不跳表头。解决方式是用第 2 章那两行awk先扫一遍，把表头删掉、把逗号换成空格、把多出来的列（比如站点号、质量标志位）砍掉。

第三条：南半球的站，生长期长度序列全是 0 或者锯齿状。

现象是指数能算出来，但数值明显不对，跨年那一段完全断裂。原因是纬度填了正数。程序按纬度正负判断半球，进而决定 GSL 的统计窗口是 1 月–12 月还是 7 月–次年 6 月。解决方式是回到参数窗口把纬度改成负值，重算该指数。注意这一步不需要重跑 QC，QC 结果与纬度无关。

第四条：改了indcal.csv里的错误值，重算指数，结果一点没变。

现象是明明把某个离谱的低温改成了NA，输出序列纹丝不动。原因是指数计算读的是indcal.csv，但很多人改的是tempQC.csv或者tepstdQC.csv——后两个只是记录文件，不参与计算。还有一种情况是改对了文件，但没有重新点“Indices Calculation”，程序用的还是上一轮内存里的数据。解决方式：确认改的是log/站号indcal.csv，改完退出主菜单重新进计算入口，或者干脆回原始文件改完重跑 QC。

第五条：离群值标记文件里几千条记录，误以为数据烂了，把整个站弃用。

现象是tepstdQC.csv打开一看密密麻麻，直觉判断这份数据不可用。原因是 n 取了默认值 3，对偏态明显的日最低温序列来说这个门槛太紧，标出的多数是正常的寒冬极值。解决方式是把 n 调到 4 甚至 5 重跑 QC，观察标记数量是否落到合理区间；同时抽几条标记记录，回原始数据里对照同期的邻站数据，确认是真错还是正常极值。只要不是成片连续标记，通常不影响指数计算——毕竟这些值根本没被替换。

6. 批量跑站与结果自检：把 27 个指数收进总表之前先过三道校验

这套工具是交互式的，一站一窗口，几十个站手工点下来既慢又容易漏。常见做法是分两层处理：前置的数据体检和参数生成用脚本批量化，后置的结果汇总与校验也用脚本批量化，中间那层真正需要点鼠标的 QC 和计算保持手工，但把顺序固定下来。

第一道校验在算之前：把每个站的六列格式、日期连续性、缺测比例一次性扫出来，生成一张清单。缺测率超过 20% 的站直接标记出来，这类站的百分位指数不可信。

files <- list.files("raw", pattern = "\\.txt$", full.names = TRUE) chk <- do.call(rbind, lapply(files, function(f) { x <- read.table(f, header = FALSE, na.strings = "-99.9", col.names = c("year","month","day","prcp","tmax","tmin")) data.frame(station = basename(f), n = nrow(x), miss_prcp = mean(is.na(x$prcp)), miss_tmax = mean(is.na(x$tmax)), start = x$year[1], end = x$year[nrow(x)]) })) subset(chk, miss_prcp > 0.2 | miss_tmax > 0.2) # 需要人工确认的站

第二道校验在算之后：拿输出指数做内部一致性检查。R10mm的天数不可能超过当年的降水日数；FD0与SU25之和不可能超过 365；TXx必须大于等于当年TX的均值。这些约束任何一条被打破，说明输入或参数出了问题，不用往下看趋势。

第三道校验是交叉复算：从indcal.csv独立算一遍PRCPTOT，跟indices/站号_PRCPTOT.cvs对差值，应当严格为 0。

qc <- read.csv("log/21946indcal.csv") out <- read.csv("indices/21946_PRCPTOT.cvs") my <- tapply(qc$prcp, qc$year, sum, na.rm = TRUE) max(abs(my - out[, 2])) # 应为 0，非 0 说明中间有人动过文件

这套检查用不了十分钟，但能拦住九成的“结果看着怪”的问题。早年我做一批站的指数汇总，图省事跳过了第三道，直接把二十几个 CSV 拼在一起，等到写分析时才发现其中一个站的基准期填成了数据起始年，百分位指数整列缺失，前面所有图白画。从那以后，我每次批量跑完都强制走一遍这三道校验，宁可慢半小时，也不返工一周。希望帮到你。

本文还有配套的精品资源，点击获取