[论文解读] Optimal Combination of Arctic Sea Ice Extent Measures: A Dynamic Factor Modeling Approach

Francis X. Diebold, Maximilian Göbel+3 more|arXiv (Cornell University)|Mar 31, 2020

Arctic and Antarctic ice dynamics参考文献 17被引用 6

一句话总结

本文提出一种动态因子模型，通过卡尔曼平滑法最优地整合四种基于卫星的北极海冰范围（SIE）测量值——NSIDC海冰指数、戈达德Bootstrap、JAXA和不莱梅——以提取一个潜在的、误差校正的SIE。主要发现是该模型几乎将全部权重分配给NSIDC海冰指数，证实其在统计上的最优性，并进一步增强了对美国国家航空航天局（NASA）Team算法的信心。

ABSTRACT

The diminishing extent of Arctic sea ice is a key indicator of climate change as well as an accelerant for future global warming. Since 1978, Arctic sea ice has been measured using satellite-based microwave sensing; however, different measures of Arctic sea ice extent have been made available based on differing algorithmic transformations of the raw satellite data. We propose and estimate a dynamic factor model that combines four of these measures in an optimal way that accounts for their differing volatility and cross-correlations. We then use the Kalman smoother to extract an optimal combined measure of Arctic sea ice extent. It turns out that almost all weight is put on the NSIDC Sea Ice Index, confirming and enhancing confidence in the Sea Ice Index and the NASA Team algorithm on which it is based.

研究动机与目标

• 解决由于不同卫星算法和处理方法导致的北极海冰范围测量不确定性。
• 开发一种统计上最优的方法，将多个SIE指标整合为一个更准确的潜在度量。
• 评估将多个SIE指标进行集合平均是否相比使用单一权威来源能提高估计精度。
• 检验NSIDC海冰指数在更复杂、多指标模型中的稳健性。

提出的方法

• 构建一个动态因子状态空间模型，将潜在的真实北极海冰范围表示为一个共同的随机过程。
• 该模型将四个观测到的SIE指标——NSIDC、Goddard、JAXA和Bremen——作为潜在范围的噪声且相关的测量值。
• 通过两种识别策略对因子载荷进行归一化：一种以NSIDC海冰指数为中心（λS = 1），另一种以Goddard Bootstrap为中心（λG = 1）。
• 应用卡尔曼平滑器，通过最小化组合指标的均方误差，估计最优的时变潜在SIE。
• 该模型考虑了指标之间随时间变化的互相关性以及不同的波动性。
• 模型比较基于提取因子在线性变换下的不变性，验证了最优组合的稳健性。

实验结果

研究问题

• RQ1 动态因子模型能否产生多个北极海冰范围指标的统计最优组合？
• RQ2 通过动态因子建模整合多个SIE测量值，是否能获得比使用任一单一指标更精确的估计？
• RQ3 不同SIE指标所分配的相对权重如何变化，这对其可靠性意味着什么？
• RQ4 NSIDC海冰指数是否在统计上为最优，以至于与其它指标组合无法带来改进？
• RQ5 SIE指标之间的测量误差和算法差异在多大程度上影响长期趋势的估计？

主要发现

• 动态因子模型几乎将全部权重分配给NSIDC海冰指数，表明其在四个测量值中具有统计最优性。
• 在NSIDC归一化（λS = 1）下的提取潜在SIE几乎与NSIDC海冰指数本身完全一致，证实其主导地位。
• 在Goddard归一化（λG = 1）下的提取因子与基于NSIDC的因子高度相关，R² > 0.999且斜率接近1.0，证实了线性变换下的不变性。
• 该模型表明，将NSIDC指数与其他指标组合无法带来统计优势，因为潜在因子在本质上与仅使用NSIDC指数的结果完全相同。
• 结果强化了NSIDC海冰指数及其NASA Team算法的可信度，支持其作为SMMR、SSM/I和SSMIS被动微波SIE记录的权威来源地位。
• 卡尔曼平滑器成功提取出测量误差更小的潜在SIE，验证了状态空间模型在气候指标融合中的有效性。