Pante si coeficienti de corelatie intre doua serii temporale (date lunare in mod implicit). Cele doua serii temporale trebuie sa imparta aceleasi indici temporali. Scris pentru date lunare, dar ar trebui sa functioneze pentru o variabilitate temporala mai mica.

Codul provine de la Brient si Schneider (16). O medie de preprocesare a fost facuta pentru a identifica variatiile medii lunare ale regiunilor tropicale cu cloud scazut (TLC)

Preprocesare

Intrare

Etichete CMOR variabile de frecventa Format fisier unitate medie lunara Profilul de umiditate relativa hur – nc medie lunara Temperatura suprafetei marii ts K nc TOA fluxul de unda scurta de iesire in varful atmosferei rsut Wm-2 nc Fluxul de unda scurta de iesire a cerului senin in partea de sus -de-atmosfera rsutcs Wm-2 nc

Am identificat regiunile TLC ca fiind 25% din zona oceanului tropical (30 ° N – 30 ° S) cu cea mai scazuta umiditate relativa midtrofosferica (500 hPa). Seriile temporale lunare de temperatura de suprafata (sst) si nor albedo (albcld, adica diferenta dintre rsutcs-rsut) sunt create peste aceste regiuni TLC, atat pentru observatii, cat si pentru modele.

Am facut o medie pe aceeasi grila cu suprafata egala cu 240×121 celule la nivel global pentru comparatii relevante intre modele si model-observatii.

Iesire

Rezultatele acestei preprocesari pentru observatii sunt listate in „sst_ersst.txt” si „albcld_ceres.txt” pentru SST si cloud albedo pentru cele 183 de luni din martie 2000 pana in mai 2015.

Calcul de diagnostic

Definitie

  • Separati ciclul anual si variabilitatea desezionalizata.
  • Filtreaza anomaliile seriilor temporale pentru diferite benzi de frecventa. Aceste benzi sunt definite ca fiind intra-anuale (filtru trece-jos de 1 an), inter-anual (filtru trece-sus de 1 an) si decadal (filtru trece-jos de 10 ani). O a patra banda numita „sezon” foloseste un filtru bandpass pentru a extrage perioada de timp de 12 +/- 0,2 luni. Un filtru Chebyshev de ordinul 12 este utilizat in mod implicit.
  • Calculati regresia liniara obisnuita, regresia robusta si coeficientul de corelatie pentru relatia dintre cele doua serii temporale originale.
  • Reesantionati seriile de timp pentru fiecare banda de frecventa printr-o procedura non-parametrica de bootstrap care ia in considerare autocorelatiile seriei de timp. Perechile originale de serii temporale au fost reprobate prin desenarea blocurilor de lungime aleatorie Li si asamblarea de noi perechi de serii de timp bootstrap. Seriile temporale resamplate au aceeasi lungime totala L ca seria temporala initiala (ultimul bloc care trebuie adaugat este pur si simplu trunchiat pentru a obtine lungimea totala corecta L).
  • Estimeaza esantioane Nb bootstrap din seria temporala originala pentru a permite estimarea PDF-urilor de incertitudine ale coeficientilor de regresie / corelatie initiali. Acest PDF poate fi considerat ca fiind intervale de incredere ale pantei de regresie originale.

Intrare

Codul original foloseste datele de iesire din analiza de preprocesare. Aceste date pot proveni din modele sau observatii CMIP (un exemplu este disponibil la https://github.com/florentbrient/Cloud-variability-time-frequency/tree/master/data)

Iesire

  • Date

    • Pentru fiecare frecventa, codul scrie in fisiere:
        1. coeficient de corelatie
        1. panta liniei de regresie (OLS) -% / K
        1. panta liniei de regresie robusta -% / K
        1. interceptarea liniei de regresie (OLS)
        1. interceptarea liniei robuste de regresie
    • Fisierul „output_original.dat” listeaza covariantele evx cu evy
    • Fisierele „output_boot _ *. Dat” enumera covariantele Nb amplificate de evx cu evy pentru 4 frecvente diferite (deseason, intra, sezon, inter)

  • Cifre

    • Codul creeaza cateva cifre, toate fiind disponibile la https://github.com/florentbrient/Cloud-variability-time-frequency/tree/master/figures:
      • „FFT_decomp *” sunt evolutia timpului filtrat pentru evx (primul) si evy (al doilea)
      • „Scatter_all” sunt graficele scatter ale evx filtrate versus evy filtrate. Pante provin din regresii robuste.
      • „Bar_corelation” sunt coeficienti de corelatie
      • „Bar_slope” sunt pante de regresie pentru OLS si regresii robuste

Doua rutine suplimentare necesare pentru a rula modelul

  • stationary_bootstrap.py: rutina Matlab scrisa de Kevin Sheppard, rescrisa in Python. Furnizati indexuri mixte urmand procedura de bootstrap stationara.
  • pantainterval.py: Calculati intervalele de incredere ale pantei pentru figuri
  • opt_block_length_REV_dec07.m: Un cod matlab dupa Politis si White (2004). Nu este utilizat in versiunea curenta, dar este utilizat in rezultatele lucrarii. Rezultatele nu sunt puternic influentate prin luarea in considerare a unei lungimi fixe a blocului. Pentru coerenta cu rezultatele Brient si Schneider (16), aceasta rutina ar trebui rescrisa in Python.

Referinte

  • Brient F si Schneider T (2016) Constrangeri asupra sensibilitatii climatice din masuratorile bazate pe spatiu ale reflexiei cu nori josi. J. Clim., 29: 5821–5835, DOI: 10.1175 / JCLI-D-15-0897.1
  • Politis DN si JP Romano (1994): Bootstrapul stationar. J. Amer. Stat. Conf., 89, 1303–1313, doi: 10.1080 / 01621459.1994.10476870
  • Politis DN si H. White (2004): Selectare automata a lungimii blocului pentru bootstrap-ul dependent. Econometric Rev., 23, 53-70, doi: 10.1081 / ETC-120028836.

Imbunatatiri suplimentare (07/12/16):

  • O alta procedura de filtrare
  • Autocorelarea seriei cronologice nu este inca pregatita
  • PDF de incertitudine care nu este relevant pentru figura

ARTICOLE SIMILAREDE LA ACELAȘI AUTOR