Un marco de cópula de vid para la detección de no estacionariedad entre la precipitación y factores meteorológicos y posibles factores impulsores
Autores: Liu, Yang; Jiang, Daijing; Wang, Haijun; Han, Cong; Sang, Guoqing
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Cambio climático
Factores meteorológicos
Dependencias
Marco de análisis estadístico
Distribuciones conjuntas multivariadas
Precipitación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 4
Citaciones: Sin citaciones
El aumento del cambio climático conduce a la variabilidad de las dependencias entre factores meteorológicos. Actualmente, la investigación de la interdependencia de las variables meteorológicas se centra principalmente en las relaciones bivariadas, como la precipitación y la temperatura o la precipitación y la velocidad del viento. Sin embargo, las dependencias de alta dimensión entre múltiples factores meteorológicos no han sido exploradas a fondo. Este artículo propone un marco de análisis estadístico que analiza de manera integral los cambios en las dependencias entre factores meteorológicos. Este marco de análisis estadístico se basa en distribuciones conjuntas multivariadas y permite la detección de puntos de cambio en la dependencia, así como el análisis de los impulsores utilizando formulaciones de probabilidad total y experimentos ortogonales. Tomando la región de Huang-Huai-Hai, un área receptora del proyecto de desvío de agua del Sur al Norte, como área de estudio, construimos una distribución conjunta multivariada basada en cópulas de vid para la precipitación (Pre) y seis factores meteorológicos: temperatura (Tm), temperatura máxima (Tmax), temperatura mínima (Tmin), velocidad del viento (Win), humedad relativa (Rhu) y el Índice de Oscilación del Sur (SOI). Los resultados indican que existe un punto de cambio en la dependencia de las variables de 7 dimensiones (Pre y seis factores meteorológicos) en la región de Huang-Huai-Hai en 2013. Tmin, Win y Tmax son los principales factores impulsores que afectan la relación de dependencia entre precipitación y meteorología. La función de distribución acumulativa (CDF) se utiliza para describir la distribución de probabilidad de la precipitación y los factores meteorológicos relacionados. Los valores óptimos de CDF del modelo de distribución conjunta multivariada se lograron con Rhu y Tmax en el nivel 3, SOI y Tm en el nivel 2, y Win y Tmin en el nivel 1. Los resultados pueden proporcionar un método teórico para probar la no estacionariedad de las dependencias de variables meteorológicas de alta dimensión y ofrecer soporte de probabilidad condicional para la construcción de modelos de aprendizaje automático de predicción meteorológica.
Descripción
El aumento del cambio climático conduce a la variabilidad de las dependencias entre factores meteorológicos. Actualmente, la investigación de la interdependencia de las variables meteorológicas se centra principalmente en las relaciones bivariadas, como la precipitación y la temperatura o la precipitación y la velocidad del viento. Sin embargo, las dependencias de alta dimensión entre múltiples factores meteorológicos no han sido exploradas a fondo. Este artículo propone un marco de análisis estadístico que analiza de manera integral los cambios en las dependencias entre factores meteorológicos. Este marco de análisis estadístico se basa en distribuciones conjuntas multivariadas y permite la detección de puntos de cambio en la dependencia, así como el análisis de los impulsores utilizando formulaciones de probabilidad total y experimentos ortogonales. Tomando la región de Huang-Huai-Hai, un área receptora del proyecto de desvío de agua del Sur al Norte, como área de estudio, construimos una distribución conjunta multivariada basada en cópulas de vid para la precipitación (Pre) y seis factores meteorológicos: temperatura (Tm), temperatura máxima (Tmax), temperatura mínima (Tmin), velocidad del viento (Win), humedad relativa (Rhu) y el Índice de Oscilación del Sur (SOI). Los resultados indican que existe un punto de cambio en la dependencia de las variables de 7 dimensiones (Pre y seis factores meteorológicos) en la región de Huang-Huai-Hai en 2013. Tmin, Win y Tmax son los principales factores impulsores que afectan la relación de dependencia entre precipitación y meteorología. La función de distribución acumulativa (CDF) se utiliza para describir la distribución de probabilidad de la precipitación y los factores meteorológicos relacionados. Los valores óptimos de CDF del modelo de distribución conjunta multivariada se lograron con Rhu y Tmax en el nivel 3, SOI y Tm en el nivel 2, y Win y Tmin en el nivel 1. Los resultados pueden proporcionar un método teórico para probar la no estacionariedad de las dependencias de variables meteorológicas de alta dimensión y ofrecer soporte de probabilidad condicional para la construcción de modelos de aprendizaje automático de predicción meteorológica.