文摘

贝叶斯变点分析是应用于检测变点出现的热带之夜(TN)天在50年的时间序列数据为大韩民国五大城市。一万亿天仅仅是定义为一天,每日最低温度大于25^∘执行c .贝叶斯分析的变点检测一个未知的时间点在TN天频率时间序列,由一个独立的泊松模型的随机变量。结果表明,单一的改变发生在1993年三个城市(仁川,首尔和大邱)。然而,当我们排除了非凡的一年,1994年,一个单一的改变发生在1993年,只有在首尔和大邱。TN天在首尔和大邱的平均数量显著增加,150%以上,后变点。TN天突然增加的频率在两个城市大韩民国1993年左右可能与东亚夏季风的显著的年代际变化在1990年代中期,快速城市化。

1。介绍

极端天气和气候事件对人类社会产生广泛的影响,以及在生物物理系统(1- - - - - -3]。由于其潜在的对生命和财产造成损害,极端天气事件,如热浪、热带之夜(TN),极端降雨事件,已经吸引了近几十年来增加的关注4- - - - - -13]。特别是,随着人口的增加和基础设施发展在城市地区容易受到极端天气,突然时间变化(突然的政权转移)在气候时间序列已成为越来越重要的问题14- - - - - -17]。此外,全球平均气温的增加广泛观察到由于增强大气的温室气体,如有限公司₂,CH₄阿,₃,城市热岛效应(18]。特别是,考虑到可能的频率和强度的增加极热天气事件引起的全球变暖可能会产生更大的影响人类健康和死亡率比其他任何形式的恶劣天气,关注有关此类事件大大增加(3,19]。

坦克和能帮20.)表明,在欧洲一集明显变暖,极端温暖的年度数量增加两倍的速度比预期在极端寒冷的数量相应减少1976 - 99亚纪。Kuglitsch et al。12)还表明,均值热浪强度,热浪长度和热东地中海地区的波数1960年代以来显著增加。众所周知,每年发生的显著增加温暖的夜晚或TN天是因为的每日最低温度的增加大于最高温度,这是造成城市热岛效应(21- - - - - -24]。

几项研究基于地面观测数据的线性趋势检验和/或突然改变(政权转变)在极端天气事件在韩国25- - - - - -29日]。他们表明,大量增加和/或突然极端温度和降水的变化发生在近几十年来在韩国。特别是,温度,包括每日最高/最低温度在韩国,显著增加近年来由于全球变暖的影响和快速城市化30.- - - - - -32]。结果,极端暖(冷)的频率和强度温度事件,如温暖的天,热,TN的日子,和霜冻天,明显增加(减少)。崔和Kwon31日]表明,出现TN天晚上更明显(21 LST)和Changma休息期间(8月晚July-early)和TN天晚上经常发生在城市化的内陆城市在低纬度地区由于城市热岛。此外,他们显示出现的TN天在城市地区增加了自1990年代以来由于颞Changma晚期的变化和城市化加剧。Ha和云24]表明,强劲的上升趋势显著调制TN天在首尔的水蒸气和空气温度,尤其是7月和8月。尽管许多研究都已经执行的趋势在极端温度和他们对韩国对死亡率的影响,相对较少的研究已经进行调查在极端温度变点的存在,尤其是在TN天使用长期数据(32,33]。

本研究的目的是调查的存在变点的时间序列TN天使用贝叶斯变点分析一个50年期间(1958 - 2007)在韩国。当我们考虑这一事实TN天对人类健康产生影响和/或状态,它是有意义的调查时间序列的变点TN的日子。贝叶斯分析被选中,因为它是一个有效的方式提供一个连贯的和理性的框架,用于蒸馏等整合多样化的信息来源的不确定性的主观信念,历史观测和数值模型模拟(15,17,29日,34,35]。

本文的概述如下。在这项研究中使用的数据和方法来获取TN天介绍部分2。贝叶斯模型选择和评估选择的模型提出了部分3。变点的详细结果和讨论TN天在韩国部分所示4。简要总结的结果和结论部分5。

2。数据

缺乏高质量的、长期的气候数据和分析极端温度的适当时间分辨率是最大的一个问题在执行分析的极端气候事件。气象观测站点的数量由韩国政府自1970年代初以来稳步提高。因此,当前的观测站点的数量是80。本研究中使用的观测站点选择获得最长记录时间和严格的标准。站与缺失的数据每年超过三天,尤其是在温暖的月份(6月、7月、8月、9月),或者已经观察不到50年被排除在外。然而,我们没有考虑观察站的运动和变化的观测环境,观察仪器,因为没有足够的文档。检验时间序列的存在变点TN天,只有5台的每日最低温度在当前80观察站从1958年到2007年在韩国符合本研究中使用的标准(图1和表1)。三个城市(首尔,大邱,光州)位于土地,而其他两个城市(釜山和仁川)位于沿海地区。所有五个城市的地形小于50米。所选城市的人口非常类似,除了首尔,1000万多居民。极端高温以来发生在夏天在韩国,只有炎热的夏季(6)观察用于这项研究。

虽然没有统一的量化定义一万亿天,TN天通常被定义为天的极端高温的出现,通常基于一个阈值(例如,20°C或25°C)的每日最低温度。在这项研究中,一万亿天每天被定义为每日最低温度大于25°C Ha和云(24]。

图2显示了TN天的时间序列的频率在共和国的五个城市被认为是韩国从1958年到2007年。TN天明显增加的数量在所有五个城市近几十年来,特别是在首尔和大邱。线性趋势表明,TN天在首尔和大邱的数量将增加13.5天/ 100 / 100 y, y, 10.7天。同时,TN天在光州和仁川的数量将增加只有2.0天/ 100 / 100 y, y, 3.7天。它显示的数量和趋势TN天显然是影响城市热岛效应和城市的地理位置23,24]。非常大量的TN天1994年,无论地理位置,与破纪录的炎热的夏天在韩国36]。我们还可以看到的数量突然增加1993 TN天后,特别是在首尔和大邱。这可能是突然的年代际变化有关东亚夏季季风在1990年中期到后期37- - - - - -39]。Ha和云24)还表明,TN天在首尔的数量高出近3倍在1994 - 2008年期间,相比之下,在1979 - 1993年的年度数据。这个异常事件可能导致积极的转变发生的速率TN天,这意味着序列的变异点的检测数据可能受到此事件的影响。因此,这种影响将被视为部分更详细地4。

3所示。贝叶斯分析

在本节中,提出了一种贝叶斯分析的检测变点在一个未知的时间点TN的日子里,由一个独立的泊松模型的随机变量。一些应用程序相关的主题研究楚和赵15和赵和楚40,41]。

让的样本TN出现超过50年。考虑到观测,我们假设一个变点模型可能发生在任何时间点,并考虑两种类型的模型中,与模型和一个变化模型,检查是否有变化的频率TN的日子。使用的模型如下:模型: 模型: 在哪里表示的泊松分布参数和是一个未知参数,称为变点的模型。研究变点问题通常分为两个部分。第一部分测试的存在使用贝叶斯因子或后验概率变化,和第二部分选择的变点模型的参数估计。

贝叶斯模型选择和假设检验之前需要规范的分布对上述模型的参数(3)。摘要信息先验假设为每个模型的参数。为模型和先验分布,和()伽马分布,表示在接下来的形式,分别为: γ函数被定义为在哪里。此外,随机变量被认为是一个离散的均匀分布。

每个模型的后验概率用于选择一个模型从两个以上的模型。给定的先验分布,模型的后验概率和通过贝叶斯定理: 在哪里每个模型的先验概率,也就是说,,因为没有先验信息的哪一个模型是更可取的。

得到后验概率(6),我们需要指定的边缘分布对于每个模型。从(3)和(5)的边际分布分别为每个模型获得的, 在哪里离散均匀分布在一组。使用(6)和(8),我们可以选择最合理的最大后验概率模型。

每个模型的后验概率(6)和(8)展示在表2。为选定的变点模型,我们考虑参数的贝叶斯估计。首先,固定,有条件的联合后验分布 在哪里和。

数据的概率分布函数只有条件变点,成正比, 通过整合适当的参数(9),有条件的后验分布和表示转点前后,通过以下形式,分别为: 在哪里表示伽马分布的参数和。

自边缘后验分布是未知的,使用贝叶斯定理推导(10)。的边际密度变点通过计算

这种离散分布,对于每一个时间点,强度转变率的后验概率,假设发生变化与不确定性。最后,边缘后验分布和是平均获得的相应的条件后验密度对后质量的函数: 注意的边际分布和表现为有限的加权伽马分布的混合物的边际值后变点的密度。

4所示。结果和讨论

从两个模型,选择一个模型和我们计算后验概率(6)TN的日子。结果通过使用MATHEMATICA [42因为实际使用伽马函数的限制。得到后验概率(6),必须计算γ函数的精确值。也就是说,如果任何实际价值的γ函数(10),(或),大于一个指定值,然后γ函数在大多数程序返回一个值的无穷和有价值的范围。因此,很难计算后验概率的数量。然而,数学(42)可以计算γ函数的精确值任何真正的价值,它提供了精确的后验概率。在我们的模拟中,考虑noninformative之前,我们之前认为只有少量的信息是可用的,并分配小值。

首先,我们进行的序列版本Mann-Kendall测试(43)来检测任何一步切换点。在我们的数据的存在。Mann-Kendall的连续版本测试可以检测近似发生时间的趋势,定位的十字路口向前统计和向后的统计。远期顺序统计量估计使用原始的时间序列数据,从第一个数据点。向后顺序统计量的值估计使用逆转时间序列数据,从时间序列的结束。顺序Mann-Kendall测试的结果呈现在图3。

首尔,一个明显的积极趋势从1973年到2007年观察到的变化点也发现在1994年和1996年,大邱的变化点检测到几乎在1990年代的问题,但是这并不表示任何可辨认的趋势。光州显示两个点的顺序Mann-Kendall情节交点在1976年和1997年,分别,虽然他们并不重要,选择的意义。仁川和釜山的前后情节相交好几次,没有一个有意义的时间序列趋势或突然改变。

每个模型的后验概率相等的假设下给出了先验概率模型在表2。仁川,首尔和大邱,模型的后验概率是比;因此,这些选择变点模型。然而,光州和釜山选择一个与模型。这表明,三个城市的重大变化往往是强大的;然而,变化往往是弱光州和釜山。

图4显示了后验概率的变点在三个城市的TN天韩国绘制的函数。一般而言,在给定的时间序列变化的可能性成正比变化的后验概率的大小。因此,在1993年的最大后验概率表明TN天的三个城市的改变发生在1993年左右。

在模型,精确的贝叶斯估计未知的变点和参数和(意味着之前和之后变点)。表3显示了估计后的手段和。三个城市,它是发现,有相当多的TN天后变点比之前变点。这表明,TN天出现自1993年以来已经变得越来越频繁。

边际的后验密度函数和1993年前后的变点呈现在图5。实线是一个边际TN的前几天变化的后验密度函数,虚线是TN天后改变。自这两个之间的重叠在尾部区域后验分布较弱,边缘后验分布的密度函数的变点也证实,TN天的变化发生在1993年。

正如上面提到的,看到的是非常大量的TN天发生在1994年。项TN的样本平均1993天之后可能更高和线性趋势可能揭示越来越模式,因为它受到事件的影响。因此,这可能会误导导致一个变点问题。检查效果,首先,删除事件,然后应用变点检测方法。贝叶斯分析的结果变点的年度项TN天三个城市是列在表中4和5和图6。

在表4,一个单一的变化模型首尔和大邱被选中,因为它与最大的概率。这与以前的研究结果是一致的,不依赖于异常事件。然而,在仁川的情况下移除事件后与模型是首选。这是不同于以前的结果,是受异常值影响的事件。

在图6最大后验概率的变点发生在1993年,这意味着加息后1993年。这个结果之前的结果是一致的。

首尔和大邱的表5,看到TN天后变点相当的数量比之前变点。更高的平均泊松意味着利率确认的方向改变后,TN天活动的增加。然而,几乎没有差异之前和之后的TN天数仁川的变点。

在图6的边缘后验密度的平均利率的泊松率TN变点显示之前和之后出现轻微的重叠,这意味着大幅加息后改变即使今年数最高的TN天了。

对韩国的大邱,贝叶斯变点分析的结果表明,单一的变化发生在1993年,不会受到这个例外事件中TN天的计数。然而,仁川显示了相互矛盾的结果,因为这些取决于这个事件检测变点。根据结果,有不充分的证据支持增加在仁川TN天的活动。

比较平均的TN天后政权转变的一年,平均TN天在首尔和大邱显著增加,150%以上,变点后一年(1993),即使平凡的一年,1994年,是排除在外。Ha和云24)还表明,一年一度的TN的天数在首尔期间几乎三倍1994 - 2008与1979 - 1993年期间。然而,每年的TN天数在光州和釜山只增长了不到130% 1994年TN天时被排除在外。它证实了变点的频率TN天只发生了两个城市,首尔和大邱。

5。结论

众所周知,极端温度的频率和强度是影响全球变暖的影响和本地化的迫使,如城市化。增加每日最低温度是更重要的比最高温度。因此,频率和强度的热带之夜(TN)天或温暖的晚上天显著增加由于增强变暖,在韩国迅速城市化。在这项研究中,时间序列的变异点的存在TN天五个主要城市(首尔、釜山、大邱、仁川、光州)在韩国考察了使用贝叶斯变点分析一个50年期间(1958 - 2007)。贝叶斯分析的检测变点在一个未知的时间点TN的日子里,由一个独立的建模泊松随机变量。

边际分布的后验密度函数的变点确认TN天频率的变化发生在1993年的三个城市,大邱,首尔和仁川。然而,当我们排除了非凡的一年,1994年,贝叶斯变点分析表明,一个只在首尔和大邱变化发生在1993年,但它更喜欢在仁川与模型。平均TN天变点前后一年(1993年)还表明,TN天的改变发生在1993年只有两个城市,首尔和大邱。平均TN天在首尔和大邱显著增加,150%以上,变点后一年(1993),即使平凡的一年,1994年,是省略。突然增加TN天约1993/1994两个城市在韩国可能与东亚夏季风的显著的年代际变化发生在1990年代中期,所选城市的快速城市化24,37,39]。这个结果表明,TN天的变化频率调制,不仅大规模强制(如全球变暖、循环变化),也由当地城市的环境(如地理位置、城市大小)。

在这项研究中,我们只研究了时间序列的变异点的存在TN的日子。因此,更多的工作是需要调查的热力学机制TN天突然变化的频率,包括城市化进程和大规模的循环变化。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项工作是由韩国气象局研究和发展项目在格兰特满足2012 - 3081。