面向Argo数据的函数型数据分析方法
应用统计
2021-05-11 v2
摘要
Argo数据是一套现代海洋学数据集,提供了海洋上层2000米深度内温度和盐度观测前所未有的全球覆盖。我们从函数型数据分析(FDA)的视角研究Argo数据。我们发展了用于均值与协方差估计的时空函数型克里金方法,以在固定位置将温度和盐度预测为深度的光滑函数。通过结合FDA与空间统计的工具,包括平滑样条、局部回归以及多元空间建模与预测,我们的方法相较于当前在固定深度进行逐点估计的方法具有优势。我们的方法自然地利用空间、时间和深度上不规则采样的数据,拟合温度与盐度的时空函数型模型。所发展的框架提供了新的工具,以解决涉及整个海洋上层水体的基础科学问题,如海洋热含量、层化与温盐振荡的估计。例如,我们表明,我们的函数型方法比基于压力中离散积分近似的海洋热含量估计更为准确。此外,利用导数函数估计,我们获得了全球混合层深度图的新产品,这是海洋热吸收与营养盐循环研究中的关键要素。导数估计还揭示了在具有特别不同水团混合特征的区域中存在密度倒转的证据。
引用
@article{arxiv.2006.05020,
title = {A functional-data approach to the Argo data},
author = {Drew Yarger and Stilian Stoev and Tailen Hsing},
journal= {arXiv preprint arXiv:2006.05020},
year = {2021}
}