[论文解读] A new recurrences based technique for detecting robust extrema in long temperature records

Davide Faranda, Sandro Vaienti|arXiv (Cornell University)|Aug 26, 2013

Complex Systems and Time Series Analysis被引用 6

一句话总结

本文提出一种基于递归的检测方法，其理论基础源于动力系统理论，用于在长期气温记录中识别出稳健的极值。通过将气温递归统计建模为带有噪声的混沌系统，该方法能够区分自然气候变异性与真正的极端事件，从而在用户指定的时间尺度下提供一种自洽的极端事件检测标准。

ABSTRACT

In this paper, by using new techniques originally developed for the analysis of extreme values of dynamical systems, we analyze several long records of temperatures at different locations showing that they have the same recurrence time statistics of a chaotic dynamical system perturbed with dynamical noise and by instrument errors. The technique provides a criterion to discriminate whether the recurrence of a certain temperature belongs to the natural climate variability or can be considered as a real extreme event with respect to a specific time scale fixed as parameter. The method gives a self-consistent estimation of the convergence.

研究动机与目标

• 开发一种可靠的方法，用于识别长期气候记录中的极端气温事件，这些事件并非仅仅是自然变异性的一部分。
• 解决在噪声较大、长期的气温数据中区分真实气候极值与统计波动的挑战。
• 基于动力系统理论，提供一种自洽的、与时间尺度相关的极端事件检测标准。
• 通过在不同地理区域的真实长期气温记录中验证该方法。

提出的方法

• 该方法应用动力系统理论中的递归时间统计特性，分析气温时间序列。
• 将气温记录建模为受动态噪声和仪器误差扰动的混沌动力系统。
• 将气温值的递归模式与此类系统的理论递归统计特性进行比较。
• 基于用户指定的时间尺度定义一个阈值，以判断某次递归是否构成真正的极端事件。
• 该方法自洽地估计收敛性，确保在不同数据段中检测极值的稳健性。
• 该方法依赖于递归时间的统计特性，而非传统的基于阈值的极端事件检测方法。

实验结果

研究问题

• RQ1 长期气温记录的递归时间统计特性能否被建模为带有噪声的混沌系统的统计特性？
• RQ2 如何利用递归模式区分自然气候变异性与真正的极端气温事件？
• RQ3 时间尺度参数在定义气候数据中稳健的极端事件中起什么作用？
• RQ4 真实气温记录在多大程度上表现出与混沌动力系统一致的递归统计特性？
• RQ5 该方法能否为极端事件检测提供自洽的收敛性估计？

主要发现

• 来自不同地理位置的长期气温记录表现出与带有噪声的混沌动力系统一致的递归时间统计特性。
• 该方法通过采用与时间尺度相关的判定标准，成功区分了极端事件与自然变异性。
• 该技术提供了自洽的收敛性估计，增强了极端事件检测的可靠性。
• 该方法识别出的稳健气温极值在统计上与仅由噪声或变异性引起的极值明显不同。
• 该方法适用于多种地理区域，表明其在气候数据分析中具有广泛适用性。
• 该方法通过依赖递归时间的内在统计特性，避免了人为设定的阈值。