降水和温度等主要气候变量用于描述极端天气事件,从而对生态系统和社会产生深远的影响。这些变量在当地规模的准确模拟是必要的适应城市系统和对未来的气候变化政策。然而,准确模拟这些气候变量的困难是由于可能的相互依存和反馈。本文介体的概念被用来模型季节性降水和温度之间的相互依存。五连系动词功能安装在网格(大约10公里×10公里)安大略省南部的气候数据从1960年到2013年,加拿大。理论和实证接合部被互相比较选择最合适的接合部家庭这个地区。测试结果表明,介体,没有人一直表现最好的整个地区在所有季节。然而,甘力克接合部是最好的表演者在冬季期间,和克莱顿在夏季表现最好。多变化的最好的接合部被发现在春天和秋天的季节。通过检查并发极端温度和降水的可能时间包括湿/冬天凉爽和干燥/热在夏天,我们发现忽略了联合分布和混杂的影响降水和温度的低估导致发生概率这两个并发的极端模式。 This underestimation can also lead to incorrect conclusions and flawed decisions in terms of the severity of these extreme events.
一个bstract>极端天气事件可以有严重的身体和经济对城市和农村社区的影响(
大多数气候变化影响研究认为独立温度和降水的变化。然而,这两个变量是身体依赖通过几种机制。例如,降雨影响土壤水分,进而可能影响地表和低层空气温度通过传热通量的影响和分区合理和潜热通量之间或低/高博文比(
许多研究表明,温度和降水变化的空间和季节之间的联系(
大多数的研究,分析了温度和降水之间的依赖假定这两个变量的线性关系和正态分布(例如,
研究地区位于南安大略省,加拿大(图
研究地点在加拿大安大略省南部。绿色圆圈表示的每个1699 ANUSPLIN网格点(∼10公里×10公里)在研究区域。
每天观察到的降水和最大和最小2 m气温数据集用于本研究从网格中提取历史气象站数据(CanGrid)由加拿大自然资源使用插值加拿大环境观察站整个加拿大。这个数据集(
连系动词是一个统计概念用于描述随机变量之间的非线性依赖和使用他们的边际函数建立这些变量的联合分布。也形容为一个函数,将单变量分布的多元分布描述相关变量之间的依赖。使用介体方法的主要优点如下:(1)灵活地选择任意边际和结构的依赖,(2)扩展到超过两个变量,和(3)的分离分析边际分布和依赖结构(
数学上,介体是一种多变量概率分布连接标准均匀分布不着边际。假设<我t一个lic>
X我t一个lic>和<我t一个lic>
Y我t一个lic>是对随机变量的累积分布函数(CDF),<我nline-formula>
在这里,<我t一个lic>
C (u, v)我t一个lic>是一个任意二维相关函数。这个函数<我t一个lic>
C我t一个lic>具有以下基本属性(
对于每一个<我t一个lic>
u我t一个lic>和<我nline-formula>
为每一个<我t一个lic>
u我t一个lic>1,
各种各样的接合部家庭被描述在文献中(例如,
在这项研究中使用的介体成员列表。
提供气候数据首次接受以下标准:天无降水(< 0.10毫米)被分析和其他日子都是分为季节(December-January-February (DJF) March-April-May(老妈),Jun-July-August环流),和September-October-November(儿子))。适合温度和降水之间的联合分布使用介体方法,使用下列程序:
在第一步的分析,适当的边缘分布(概率分布函数、PDF)选择为每个变量进行了研究。事实上,每日平均温度和日常的边际分布总降水研究地区被发现。确定合适的概率分布可以预测的概率超过数为指定的大小(分位数)或与一个特定的大小超过数概率。没有理论依据的选择概率分布和参数估计方法。在这项研究中,12个概率分布是适合每个网格和季节。安装pdfβ,指数,极值,γ,广义极值,广义帕累托,逆高斯分布,物流,Log-logistic,对数正态分布,正常,威布尔(见表
在第二步的分析,这些分布的累积分布函数(CDF)用于计算边际累积概率<我nline-formula>
在第三步的分析,五连系动词的功能(如表中定义
每日平均温度的拟合边缘分布和日常总降水。
一旦每个网格建立的联合分布(包括利润、介体,他们的参数),它可以被使用,例如,计算联合风险(概率)。联合概率的降水和平均温度是非常重要的管理和评估由极端气象和水文事件的风险。它有助于在农业生产力等资源的管理。一般来说,在二维情况下,四个同步事件感兴趣的可以:(1)同时超过数{<我t一个lic>
P我t一个lic>≥<我t一个lic>
p我t一个lic>,<我t一个lic>
T我t一个lic>≥<我t一个lic>
t我t一个lic>},(2)exceedance-non-exceedance {<我t一个lic>
P我t一个lic>≥<我t一个lic>
p我t一个lic>,<我t一个lic>
T我t一个lic>≤<我t一个lic>
t我t一个lic>},(3)non-exceedance-exceedance {<我t一个lic>
P我t一个lic>≤<我t一个lic>
p我t一个lic>T≥<我t一个lic>
t我t一个lic>同时nonexceedance {}, (4)<我t一个lic>
P我t一个lic>≤<我t一个lic>
p我t一个lic>,<我t一个lic>
T我t一个lic>≤<我t一个lic>
t我t一个lic>}。在这项研究中,我们主要集中在计算并发极端温度和降水的概率事件包括湿/酷(用<我t一个lic>
P我t一个lic>
(a)的空间变异性季节平均温度(°C)和(b)的空间变异性季节性降水总量(mm)暂时平均(1960 - 2013)时期的四季使用ANUSPLIN数据。季节是定义为DJF过冬,老妈春天,为夏季环流,儿子下降。
空间变异性的月平均气温平均在研究期间所有四季图所示
斯皮尔曼等级相关的日常非零沉淀和每日平均温度数据之间(a)。<我t一个lic> p我t一个lic>显著性检验值(b),一个小<我t一个lic> P我t一个lic>值(小于0.05)显著相关。
总降水的空间变异性,暂时平均在研究期间如图
图
(a)最佳参数概率分布函数(PDF)(边缘分布)的贝叶斯信息准则适合每日平均温度历史数据和(b)的概率分布函数,每日平均温度网格1(红色)和1699(黑),分别。
图
(a)最佳参数概率分布函数(PDF)(边缘分布)的贝叶斯信息准则适合日常非零沉淀历史数据和(b)概率分布函数的日常非零沉淀网格1(红色)和1699(黑),分别。
图
(a)均方误差(MSE) 1699年的网格计算使用理论和实证的相关函数和(b)最好的相关函数的最小化MSE适合联合研究地区的降水和平均温度数据。
图
差异可能并发极端((a)湿/凉爽的冬天和(b)在夏季炎热干燥/)假设,分别<我t一个lic> P我t一个lic>和<我t一个lic> T我t一个lic>依赖和独立的(可能依赖和独立的可能性)。
在本节中,一个应用程序显示的影响忽略温度和降水之间的依赖性等极端事件的估计风险湿/冬天凉爽和干燥/热在夏天。图
模型的有效性的另一个例子一个极端事件的风险基于温度和降水的联合分布,而不是基于模型分别对这两个变量,如图
累积联合概率的例子(<我t一个lic> p我t一个lic>1682年电网)。轮廓代表不同的二元分位数曲线nonexceedance事件。单变量分位数可以推导出二元极值的分位数曲线(见black-dashed线)。
在这项研究中,一种copula-based方法被用来确定固有的季节平均温度和总之间的关系,非零沉淀在日常决议在安大略省南部。我们发现之间的正相关关系在整个地区的气温和降水量。我们的分析结果与先前的研究在文献报道一致,表明该地区降水和温度之间的正相关关系(例如,
这项研究的结果是一个重要的一步描述和量化非线性依赖降水和温度的领域之间容易发生极端天气事件对加拿大和有着深刻的社会和经济意义。这里演示的建议的方法是灵活和assumption-free。事实上,模仿依赖结构不需要正常的边际分布的变量关联变量上提供了很大的灵活性,同时也防止类似的边际分布的必要性。
我们发现甘力克和克莱顿介体是最合适的适合温度和降水之间的依赖在冬季和夏季,分别。甘力克和克莱顿是两个不对称的接合部,右(甘力克)和左(Clayton)尾依赖
摘要copula-based方法提出了模型温度和降水的季节性联合或混杂分布。该方法是灵活的和自由的假设。五连系动词属于三个家庭成员都安装到1699网格(∼10公里×10公里分辨率)在安大略省南部。信息标准计算每个网格的使用经验和理论接合部和选择最适合接合部是基于非线性相关性的强度。造型的联合分布,降水和温度的天气事件将有助于生产改进的模拟可以帮助增加风险评估的准确性。
结果表明,没有接合部一贯执行最好的接合部和整个地区的所有四个季节。耿贝尔表现冬天最适合接合部,克莱顿的相关表现最适合夏天的接合部。多变化的最好的接合部被发现在春季和秋季,这可能是由于温度的变化(即在特定事件或阈值。网格点之间,在0°C)和混合降水类型从而导致不同与温度(正如[
极端气象变量可能产生重大影响的生态系统和社会通过极端天气事件的发生。评估极端气候变量的潜在风险是韧性的关键政策和缓解气候变化的负面影响。这项研究的潜在有价值的延伸小介体分析连接降水和温度与作物生产规划和农业经济学和洪水评估。这样的研究可以用于发展中农民和决策者的风险减少策略,这将变得越来越重要在面对气候变化和极端的相关修改,水循环和水文气象灾害。
在这项研究中使用的日常CanGrid数据从以下网站:
作者宣称没有利益冲突。
金融支持本研究提供的自然科学和工程研究理事会(NSERC)加拿大通过FloodNet项目。作者还要感谢加拿大研究人员在自然资源和加拿大环境和气候变化的贡献提供气候数据集。
一个ck>