基于多代用指标的贝叶斯分层时间序列水文气候重建模型
应用统计
2022-08-09 v3
摘要
我们提出一个贝叶斯分层模型，可生成澳大利亚昆士兰水文气候变率的概率性重建。该模型提供了一种利用来自石笋、冰芯和树轮等自然档案的多种古气候代用记录进行水文气候重建的标准化方法。该方法将时间序列建模与逆预测相结合，在观测期内量化给定水文气候指数与相关代用指标间的关系，进而向后重建水文气候。我们给出布里斯班和菲茨罗伊流域的个案研究，聚焦于两个水文气候指数：降雨指数（RFI）和标准化降水蒸散指数（SPEI）。重建的概率性质使我们能估计任意重建年份的水文气候指数低于（高于）观测期内最小值（最大值）的概率。在布里斯班，RFI 不太可能（概率 < 20%）出现超出 1889 至 2017 年间观测最小/最大值的极端值。然而在菲茨罗伊，重建期内有若干年份 RFI 很可能（概率 > 50%）表现出超出已观测最小/最大值的情形。对于 SPEI，自 1889 年观测期结束以来，布里斯班或菲茨罗伊任一重建年份中观测到此类极端值的概率均不超过 50%。
引用
@article{arxiv.2202.09383,
title = {A Bayesian Hierarchical Time Series Model for Reconstructing Hydroclimate from Multiple Proxies},
author = {Niamh Cahill and Jacky Croke and Micheline Campbell and Kate Hughes and John Vitkovsky and Jack Eaton Kilgallen and Andrew Parnell},
journal= {arXiv preprint arXiv:2202.09383},
year = {2022}
}
备注
20 pages, 10 figures