参考自https://climatedataguide.ucar.edu/climate-tools/taylor-diagrams， https://pcmdi.llnl.gov/staff/taylor/CV/Taylor_diagram_primer.pdf
泰勒图（Taylor，2001）提供了一种以图形方式总结一个模态（或一组模态）与观测的匹配程度的方式。两种模式之间的相似性是由它们的相关性、它们的中心均方根差和它们的变化幅度（用它们的标准差表示）来量化的。这种图表在评估复杂模型的多个方面或衡量许多不同模型的相对技能方面尤其有用（例如，IPCC，2001）。
图1是一个样本泰勒图，显示了如何使用它来总结几个全球气候模型模拟年平均降水量空间模式的相对技巧。计算了八个模型的统计数据，图上出现的每个字母的位置量化了该模型模拟的降水模式与观测结果的匹配程度。
以模型F为例。其模式与观测值的相关性约为0.65。模式与“观测”的点的距离表示中心化的均方根误差（模拟和观测之间差异的均方根误差）。可以看出，在模型F的情况下，中心均方根误差约为2.6 mm/天。模式与原点的距离表示模型的标准偏差。对于模型F，模拟场的标准差（约3.3毫米/天）明显比观测值的标准差（2.9毫米/天）更大。虚线弧表示了观测的标准差。
从图1中可以推断出各种模型的相对优点。与观测最相近的模式距x轴上的“观测”点最近。这些模式将具有相对较高的相关系数和较低的均方根误差。位于虚线弧上的模型将具有正确的标准差（这表明图案变化具有正确的幅度）。
在图1中可以看出，模型A和C通常与观测结果最为一致（相关系数较高）（在同一条青色射线上），他们的均方根误差大致相同（在同一绿色等值线上）。然而，模型A具有与观测值相同的标准差（在虚线弧上），而模式C自身的空间变异性太小（与2.9毫米/天的观测值相比，标准偏差为2.3毫米/天）。
在性能较差的模型中，模型E的模式相关性较低，而模型D的变化远大于观测到的变化（到原点的距离太远），在这两种情况下，都会导致相对较大的中心均方根误差（约3毫米/天）。
还要注意的是，尽管模型D和B与观测值具有大致相同的相关系数，但模型B比模型D更好地模拟变化的幅度（即标准偏差），这导致更小的中心均方根误差。
一般来说，泰勒图表征了两个场之间的统计关系，一个是“测试”场（通常表示模式模拟的场），另一个是是“参考”场（基于观测结果，通常表示“真相”）。请注意，在计算其二阶统计量之前，会减去场的平均值，因此该图不提供有关总体偏差的信息，而是仅表征中心化的模式误差。
泰勒图中的每个点可以同时表示三种不同的统计数据（即中心化的均方根误差、相关系数和标准差）的原因是这些统计数据通过以下公式相关：
其中R是模式场和观测场之间的相关系数，E’是场之间的中心RMS差，σf2和σr2分别是测试场和参考场的方差。（本文件末尾提供了计算这些二阶统计量的公式。）该图的构建（具有方位角余弦给出的相关性）基于上述方程和余弦定律的相似性：该图上有几个微小的变化，已被发现可用于各种目的（见，Taylor，2001）。例如
- 该图可以扩展到第二个“象限”（左边），以允许负相关性
- 统计数据可以归一化（和无量纲化），将“测试”场的RMS差和标准差除以观测值的标准差。在这种情况下，“观察到的”点绘制在离原点单位距离的x轴上。这使得在同一绘图上绘制不同场（具有不同单位）的统计数据成为可能
- 在上面的示例图上绘制的等值线经常被省略，以便更容易看到绘制的点
- 当比较由两个不同版本的模型模拟的场时，图上表示这些场的两点通常用箭头连接，以更清楚地表明模型是否正在朝着观察所定义的“真理”前进。
此处提供了一些示例图。