简介：RClimDex 极端气候指数计算软件配套用户手册，面向气候研究、气象监测、生态与水文分析人员，用于在 R 环境中完成极端气候指数计算、数据质量控制及结果解读。手册覆盖软件加载、缺失值与异常值检查、高温日数、低温日数、极端降雨量等指数计算，涵盖 ETCCDMI 推荐的 27 项核心指数及用户自定义阈值指数，并说明阈值与基准期设置、已知问题反馈方式；附录汇总指数清单、输入数据格式、指数定义及 Windows 环境常见问题，便于按主题查阅。压缩包仅含 1 个 doc 文件，大小约 600KB，属于轻量级工具文档，适合作为实际分析时的速查资料。已有 3839 人学习下载，可帮助读者理解极端气候事件监测流程，并为气候变化检测分析提供可复用的软件说明与指标参考。

1. 一份 2004 年的 R 脚本，为什么今天还在算极端气候指数

手里这份 RClimDex 1.0 的用户手册只有二十多页，讲的是一个跑在 R 上的极端气候指数计算包。它不训练模型、不做可视化大屏，只干一件事：把逐日气象站观测（降水量、最高温、最低温）按统一口径换算成 27 个极端气候指数，再顺手画一条趋势线。做气候变化检测、区域极端事件统计、台站资料整编的人，绕不开这套口径——ETCCDMI 定义的 27 个核心指数，很多论文和业务报告里的 FD0、SU25、R95p 就是按它算的。新手拿它当“算指数的计算器”能直接上手，熟手更在意它的 QC 规则和百分位指数的 bootstrap 处理，这两处决定了结果能不能跨站、跨期比较。下面按“跑起来 → 喂数据 → 设参数 → 排错 → 接自己的分析”走一遍。

2. 装环境、加载脚本：让 RClimDex 的图形菜单弹出来

RClimDex 1.0 不是一个能install.packages()装下来的包，它是一份rclimdex.r源码脚本，source()进 R 之后弹出一个 TclTk 写的图形菜单。这个设计在 2004 年是合理的——当年 R 的包管理还不成熟，作者要的是一个“拷过去就能跑”的单文件工具。理解这一点很关键：后面所有“装不上”“找不到包”“菜单不弹”的问题，根子都在这里。

2.1 R 与 TclTk：GUI 到底依赖什么

RClimDex 的界面全部由 TclTk 绘制，菜单、弹窗、文件选择框都是 TclTk 控件。R 从 1.9.0 版本开始把 TclTk 打进默认安装包，所以只要装的是近十几年的 R，Windows 用户基本不会缺这一块。但 Linux 发行版经常把 R 拆成多个包，r-base装了，tk没装，结果就是source("rclimdex.r")执行完毫无反应，控制台也不报错——这是最典型的翻车现场之一。

判断方法很简单，在 R 控制台里跑一行：

# TRUE 表示当前 R 编译时链接了 TclTk，FALSE 则图形菜单一定弹不出来 capabilities("tcltk")

返回FALSE就别往下折腾数据了，先把 TclTk 补上。返回TRUE但菜单仍然不出现，那问题在别处，通常是脚本没找到、或者source()的路径不对。

需要提醒的是，RClimDex 1.0 是在 R 1.84 时代写的，脚本里用到的一些老式写法在新版 R 上偶尔会有兼容性摩擦，但核心的读数据、算指数、画图逻辑都能正常跑。我自己的习惯是把它放在一个独立的、路径全英文的工作目录里，不跟别的项目混在一起，出问题好排查。

2.2 把 R 装到位：Windows 与 Linux 两条路

Windows 下最省事：从 R 项目官网下载对应系统的安装程序，一路默认下一步，桌面会出现 R 图标，双击进控制台。安装时不要改动默认组件，TclTk 就在默认组件里。如果你用的是很老的 R 版本（1.9.0 以前），需要单独补 TclTk，这种环境现在基本见不到了。

Linux 下用包管理器装，注意把图形依赖一起带上：

# Debian/Ubuntu 系：r-base 是解释器，tk/tcl 是 RClimDex 界面依赖的图形库 sudo apt-get update sudo apt-get install -y r-base r-base-dev tk tcl # 装完立刻验证，输出 TRUE 才说明图形界面这条路通了 Rscript -e 'print(capabilities("tcltk"))'

这里的r-base-dev不是必需的，但编译一些辅助包时会用到，一起装上省事。tk和tcl才是关键，缺了它们 R 能跑、脚本能source，就是没有窗口。

Windows 上还有一个历史坑：部分机器启动 R 时提示找不到HOME环境变量，脚本读写临时文件会失败。遇到这种情况，在系统环境变量里加一个HOME，指向一个存在的目录即可，比如C:\Users\你的用户名。这个问题在手册的附录里也提过，属于老版本 Windows 的遗留问题，新系统上很少见了。

2.3 加载 rclimdex.r 的两种姿势与首次自检

脚本加载有两条路。第一条是命令行方式，最直接：

# 先把工作目录切到 rclimdex.r 所在的位置 # 路径里不要有中文和空格，R 对这两样东西的容忍度很低 setwd("D:/climate/rclimdex") # 确认文件确实在当前目录下，返回 TRUE 再继续 file.exists("rclimdex.r") # 加载脚本，成功后会自动弹出 RClimDex 主菜单窗口 source("rclimdex.r")

第二条路是图形操作：R 的菜单里选“文件 → 载入 R 代码”，在弹窗里挑中rclimdex.r。两种方式等价，但排查问题时我更信命令行——source()报的错会直接打在控制台里，图形方式有时候把错误吞掉，只剩一个“没反应”。

source()成功之后，屏幕上会出现一个标题为 RClimDex 的小窗口，里面大致是“载入数据并运行质量控制”“指数计算”“退出”这几项。看到这个窗口，环境这一关就算过了。

这里有个容易被忽略的细节：source()只是把函数和菜单定义加载进当前会话，并没有把数据读进来。如果你关掉菜单窗口，函数还在，重新敲一次source()或者重新调用入口函数又能弹出来。反过来，如果重启了 R，之前source的东西全没了，必须重新加载。我见过有人换了台机器直接点“指数计算”，然后困惑为什么没有任何反应——因为新会话里根本没加载过脚本。

再补一个自检习惯：加载完成后先别急着读数据，在控制台里敲getwd()看一眼当前目录，确认它就是rclimdex.r和你的站点文件所在的地方。RClimDex 的日志目录log、结果目录indices、图件目录plots都是相对当前工作目录创建的，工作目录错了，结果会散落到你意想不到的地方，找起来非常费劲。

3. 喂数据与质量控制：-99.9、NA 和 n 倍标准差

数据质量控制在 RClimDex 里不是可选项，而是计算指数的前置步骤，手册里写得很直白：必须先做 QC，再算指数。原因不复杂——极端指数大量依赖阈值判断（比如“日最高温大于 25 度”），一个荒唐的极值就能把整年的统计带偏，而气象站原始数据里恰恰不缺这种东西：传感器故障、传输丢包、人工录入错位，都会留下痕迹。

3.1 六列定宽文本：输入文件的字段与格式错

RClimDex 吃的输入是纯文本，一行一天，六列，空格或制表符分隔，没有表头，按时间升序排列。列的顺序是固定的：年、月、日、日降水量、日最高温、日最低温。缺测统一用-99.9占位。

1961 1 1 0.0 -3.2 -11.5 1961 1 2 2.4 -1.8 -9.6 1961 1 3 0.0 -2.5 -10.1 1961 1 4 7.8 0.6 -6.4

四行的含义分别是：1961 年 1 月 1 日无降水，最高温 -3.2℃，最低温 -11.5℃；后面依次类推。降水单位是毫米，温度单位是摄氏度，不要混入开尔文或者华氏度，程序不会帮你换算。

文件名建议按站号.txt的规则来，比如demo01.txt。这不是强制要求，但 RClimDex 会用文件名前缀给输出文件命名，站号规范一点，后面几十个站的结果摆在一起时你会感谢自己。

格式错是读取失败的头号原因，常见的几类：文件里带了表头行、列数不是六列、日期顺序写成“日月年”、用逗号而不是空格分隔、文件编码带 BOM。R 控制台里一旦出现读取相关的报错，第一件事就是把文件头和文件尾各拉几行出来，跟上面的样例逐列对一遍，九成的错在这一步就能看出来。

还有一类隐蔽的错：数据不是严格按日期升序。RClimDex 内部有按年、按日序取值的逻辑，顺序乱了不会立刻报错，但算出来的百分位阈值可能是错的。这种事最坑，因为结果看起来“有数”，不核对根本发现不了。

3.2 质量控制做了什么：四类清洗与一类标记

点开“载入数据并运行 QC”，选中站点文件，程序会做四件事：

第一，把所有-99.9替换成 R 内部的缺失值NA。这一步是格式转换，不是判断，-99.9在 RClimDex 里就是“缺测”的约定记号。

第二，把日降水量小于 0 的值置为NA。负降水在物理上不成立，只可能是仪器或录入问题。

第三，把日最高温小于日最低温的记录置为NA。这个判断看起来很笨，但极其有效，能抓出一大批列错位、符号错、单位错的数据。

第四，标记离群值。规则是按“同日序的气候态”算均值和标准差，落在[mean - n*std, mean + n*std]之外的值标为可疑。这里的n由用户在弹窗里填，默认是 3。手册里明确建议：3 会标出非常多的点，可以先从 4 开始试。

这里必须说清楚一个关键区别：前三类是“改”，第四类是“标”。被标为离群的值不会从数据里删掉，indcal.csv里这些值原样保留，只是另外写进tepstdQC.csv供你人工核对。这个设计是合理的——统计上偏离不等于数据错误，一次真实的极端高温事件本来就应该离群，程序没有资格替你删掉它。

n怎么定，是个经验活。台站资料年头长、质量控制好，n=3问题不大；资料年头短、站点海拔高、日较差大，n=3会标出一大片，人工核对的工作量爆炸。我一般的做法是先用 4 跑一遍，看看标记比例，如果某个站被标了超过 1% 的日值，就把n放到 4.5 或 5，同时把tepstdQC.csv里标记最集中的月份挑出来，回去查原始报表。

3.3 log 目录里的四个文件怎么看

QC 跑完，当前工作目录下会多出一个log子目录，里面固定生成四个 CSV 和四张 PDF 时序图。四个 CSV 各有各的用处，别混：

四张 PDF 分别是降水、最高温、最低温、日较差的时序图，缺测点用红点标出。这份图价值很高，一眼就能看出资料有没有整段缺失、有没有台阶式跳变。整段缺失往往意味着台站迁址或者观测中断，台阶跳变则可能是仪器更换，这两种情况都会让指数序列出现虚假的“突变”，做趋势分析前必须先心里有数。

3.4 异常值只标不改，改不改由你定

tepstdQC.csv拿到手，工作才刚开始。这份清单要逐条看，判断标准是常识加原始记录：盛夏午后 38℃ 在多数地区正常，隆冬凌晨 38℃ 就一定是错的；日最低温比前后几天高出十几度而最高温没动，多半是录入时小数点错了位。

确认有错的，在indcal.csv里改。Windows 下用 Excel 打开改是最快的，注意保存时选 CSV 格式，别存成 xlsx。改完必须重新走一遍“载入数据并运行 QC”——手册特意强调过这件事：指数是从 QC 后的数据算的，原始输入文件全程不被修改，你改了原始文件却不重跑 QC，指数结果不会跟着变。这一点我吃过亏，改完数据直接点“指数计算”，出来的还是旧结果，对着屏幕愣了半天。

4. 算 27 个核心指数：基准期、纬度与五组自定义阈值

数据洗干净，进入正题。RClimDex 能算 27 个 ETCCDMI 核心指数，外加一批带用户自定义阈值的温度、降水指数。菜单里点“指数计算”，先弹参数窗，再弹指数勾选窗，两步都不能跳。

4.1 27 个指数分成四组，先想清楚要哪几个

不勾选全部指数是个务实的选择。百分位类指数要跑 bootstrap，27 个全勾，一个长资料站点跑十几分钟很正常；而你写报告可能只需要五六个数。按计算逻辑分四组看：

FD0 数的是日最低温小于 0℃ 的天数，SU25 数的是日最高温大于 25℃ 的天数，这两个最直观，也最适合拿来当“结果对不对”的第一道验证。GSL 生长季长度的定义稍微绕：北半球按 1 月 1 日到 12 月 31 日，先找到第一个连续 6 天日均温大于 5℃ 的时段，再找 7 月 1 日之后第一个连续 6 天日均温小于 5℃ 的时段，两者之间的天数就是 GSL；南半球整体平移半年，从 7 月 1 日算起。日均温由最高温和最低温取平均得到。

百分位类指数是这套工具的核心竞争力所在。TN10p 是日最低温低于基准期第 10 百分位的天数占比，问题在于：如果整段资料共用一个固定的百分位阈值，序列前后期的比较会带上“不均匀性”，趋势可能是算法造出来的而不是气候本身的。正确做法是 bootstrap——对每个日历年，用基准期做重采样，逐年重算阈值再判定。这个流程在 Excel 里几乎没法实现，也正是 RClimDex 存在的理由。

4.2 基准期、纬度与五组阈值，一个都不能填错

参数窗里有五类输入，填错任何一个都会让结果悄悄跑偏：

基准期起止年。百分位阈值和 bootstrap 都基于这段时间，常用 1961—1990，也有用 1981—2010 的，选哪个取决于你的资料长度和研究口径，但必须写清楚并在全文统一。基准期太短（少于 20 年）会让百分位阈值不稳定，太长又可能跨越资料断档。

台站纬度。北半球填正，南半球填负。这个参数唯一的作用是决定 GSL 和部分季节相关指数走北半球分支还是南半球分支。填错符号不会报错，只会让南半球站点的生长季长度算成完全错误的数——属于典型的静默错误。

日降水阈值 P。用于 Rnn 指数，即日降水量超过该阈值的日数。填 1 就是 R1mm，填 10 就是 R10mm，填 20 就是 R20mm。想同时要几个，就分几次跑，或者一次填一个主力阈值。

四组自定义温度阈值。对应 SUmm、FDmm、TRmm、IDmm 四个指数：日最高温上限（超过即计入 SUmm）、日最高温下限（低于即计入 FDmm）、日最低温上限（超过即计入 TRmm）、日最低温下限（低于即计入 IDmm）。这里的mm就是你填的数值，比如最高温上限填 35，生成的指数就叫 SU35。

站名或站号。QC 窗口里也出现过这个输入框，那里可以不填，但指数计算这一步建议填上，它会进到输出文件里，方便后面合并多站结果时溯源。

填完点确定，程序会先做一轮数据预处理，慢的机器上要等几十秒，别以为卡死了。预处理完成后弹出指数勾选窗，默认全选，按需取消再点确定。

4.3 indices 与 plots：结果文件怎么读

计算完成后，工作目录下多出两个子目录。indices里是结果，命名规则是站号_指数名.csv，列之间用逗号分隔，一行一年。plots里是每个指数的年序列图，JPEG 格式，文件名规则相同。

图上有两条线：实线是普通最小二乘线性趋势，虚线是局部加权回归（LOESS）平滑，图角上还标了线性拟合的统计量。实线看整体斜率，虚线看年代际波动，两者不一致的时候要留神——比如实线平缓但虚线有明显的“先降后升”，说明趋势被前后两段抵消了，只报一个斜率会掩盖真实结构。

结果文件是一年一行的年序列。这里有个使用习惯值得养成：拿到indices目录先别急着做趋势检验，挑一个站、挑一个指数，回到indcal.csv里手工数一遍。比如 SU25，直接在清洗后的数据里筛出日最高温大于 25 的记录按年计数，跟demo01_SU25.csv对一遍。对上了，说明数据读取、QC、阈值判定这条链路是通的；对不上，问题多半出在缺测处理或者年份边界上。这个笨办法我每次都做，花十分钟，能省掉后面几天的返工。

5. 避坑与排查：五类翻车现场和它们的解法

这套工具用了二十年，坑基本被踩遍了。下面五条是我自己和周围人真金白银换来的，按“现象 → 原因 → 解决”写，遇到问题可以直接对号入座。

5.1 首年等于基准期首年，程序直接崩

现象：数据从 1961 年开始，基准期也填 1961—1990，点完确定，R 控制台刷出一串报错，计算中断，indices目录里什么都没有。

原因：百分位指数在计算年初和年末的阈值时，需要取基准期边界之外的数据做窗口平滑。手册里把这条列为已知 bug——当资料首年与基准期首年重合，程序取不到边界外的记录，直接抛错。这是 RClimDex 1.0 的固有问题，不是你的数据错了。

解决：在输入文件最前面手工插一行基准期开始前一年的 12 月 31 日，三个要素全填缺测：

1960 12 31 -99.9 -99.9 -99.9 1961 1 1 0.0 -3.2 -11.5 1961 1 2 2.4 -1.8 -9.6

这一行不参与任何统计，只是给程序一个“边界外还有记录”的信号。插完重新走一遍 QC 和指数计算即可。注意日期必须是基准期首年的前一年年末，基准期换成 1981—2010 就插 1980 年 12 月 31 日。

5.2 脚本加载了，菜单不弹，控制台也没报错

现象：source("rclimdex.r")回车，光标回到提示符，一切安静，就是没有窗口。

原因：三种可能。一是 TclTk 没编进当前 R，capabilities("tcltk")返回FALSE；二是在无图形界面的环境里跑（比如纯命令行的服务器会话），根本没有显示服务；三是脚本source成功但入口函数没被自动调用。

解决：先跑capabilities("tcltk")确认依赖；返回FALSE就补装tk、tcl后重启 R。在远程服务器上跑的话，这套图形菜单本来就不适用，只能退回到读取indcal.csv自己写脚本算指数。第三种情况最少见，看一眼source()有没有返回值、控制台有没有被警告信息刷屏，通常能定位。

5.3 读数据报错，或者读进去了但年份不对

现象：选完文件，控制台报错，或者不报错但算出来的年序列缺了好几年。

原因：格式问题。表头没删、列数不对、分隔符用了逗号、日月顺序颠倒、文件里有空行、编码带 BOM，都会导致读取失败或者错位。年份缺失则多是因为某些年份的天数不足 365 天，被程序判为不完整年跳过。

解决：用文本编辑器打开文件，确认第一行就是数据、每行六列、只有空格或制表符、严格按年月日升序。年份缺失要回去查原始资料，看那几年是不是真有整段缺测。缺测比例过高的年份，与其硬算，不如在结果里标注出来。

5.4 改了原始数据，结果却没变

现象：发现某天最低温录错了，改了原始文件，重新点“指数计算”，出来的值和改之前一模一样。

原因：指数是从 QC 后的indcal.csv算的，不是从原始文件算的。原始文件只在“载入数据并运行 QC”这一步被读取，你不重跑 QC，indcal.csv还是旧的。

解决：改完数据必须完整重走“载入数据并运行 QC → 指数计算”。更稳妥的做法是直接改log/indcal.csv，改完从指数计算那一步接着走。但要记住，indcal.csv会在下次 QC 时被覆盖，所以改动要同步回原始文件，否则下次一跑 QC 全白改。

5.5 输出文件扩展名和手册写的不一致

现象：手册里说结果文件叫21946_XXX.cvs，实际生成的是.csv，用 Excel 双击打开没问题，但写脚本按.cvs去找就找不到文件。

原因：手册里的cvs是笔误，实际输出是标准的.csv。

解决：批处理脚本一律按.csv匹配。这类文档笔误还有几处，比如手册里对某些指数的单位描述前后不完全一致，真正算的时候以输出文件里的数值和定义为准，别死抠文档字面。

6. 把结果接进自己的分析：批量合并与一次手工验证

单站跑通只是起点，真正的工作量在几十上百个站。RClimDex 的图形界面不适合批量，但它的输出结构非常规整——indices目录下全是站号_指数名.csv，一行一年，列名固定。这意味着批量处理可以完全脱离界面，用脚本把结果拼起来。

我一般这么干：先把所有站跑完，把各自的indices目录汇总到一个大目录下，然后用一段 R 代码按指数名分组读取、纵向拼接，顺便算 Sen 斜率做趋势：

# 汇总目录下所有站点、所有指数的结果文件 files <- list.files("all_indices", pattern = "_SU25\\.csv$", full.names = TRUE) # 逐个读取并加上站号列，站号从文件名里截出来 res <- do.call(rbind, lapply(files, function(f) { d <- read.csv(f, header = TRUE) d$station <- sub("_.*$", "", basename(f)) # 文件名前缀即站号 d })) # 按站号统计 SU25 的多年均值，快速看空间分布是否合理 agg <- aggregate(SU25 ~ station, data = res, FUN = mean, na.rm = TRUE) # 趋势检验建议用 trend 包里的 Sen 斜率 + Mann-Kendall，别只看最小二乘 # library(trend); sens.slope(res$SU25[res$station == "demo01"])

这段代码的关键点在pattern和站号截取两处：pattern用指数名做后缀匹配，避免把温度指数和降水指数混在一起；站号靠文件名下划线前的部分截取，所以前面强调过文件名规范要统一。真要做得细，还得处理站点资料长度不一、年份不齐的问题，merge按年对齐比rbind更稳妥。

验证方法我固定用一个：挑一个资料完整、气候背景熟悉的站，把demo01_SU25.csv里某一年的数值，跟indcal.csv里该年日最高温大于 25 的记录条数手工对一遍；再挑一个降水指数，比如 R95p，用该年日降水排序后第 95 百分位以上的降水量求和核对。两个指数都对上，才认为这条流水线是可信的。

血泪经验是：不要相信“跑完没报错”就等于结果正确。这套工具最危险的错误全是静默的——纬度符号填反、基准期填错、数据没按年升序，程序一句提示都没有，出来的图还挺好看。从那以后我每次跑完新站点，都强制走一遍手工核对，再顺手看一眼plots里那四张 QC 时序图有没有整段红点。希望帮到你。

本文还有配套的精品资源，点击获取