南大洋异质生物地球化学 Argo 数据的函数型回归模型
统计方法学
2024-09-02 v2 应用统计
统计计算
摘要
利用可用的环境测量数据有助于我们理解复杂过程。一个例子是 Argo 生物地球化学数据，其旨在收集海洋中不同深度的氧气、硝酸盐、pH 值及其他变量的测量值。我们关注南大洋的氧气数据，其对海洋生物学和地球碳循环具有重要意义。此类数据的系统性监测最近才开始建立，且数据稀疏。相比之下，Argo 的温度和盐度测量要丰富得多。在这项工作中，我们引入并估计了一个函数型回归模型，同时描述 Argo 数据所覆盖所有深度上氧气、温度和盐度数据中的依赖关系。我们的模型阐明了温度、盐度和氧气联合分布的重要方面。由于在南大洋形成确立 distinct 空间区域的锋面，我们用一个混合成分扩充了该函型回归模型。通过在混合成分和数据本身中建模空间依赖关系，我们提供了网格上的预测并改进了锋面位置的估计。我们的方法可扩展到 Argo 数据的规模，并且我们在交叉验证和模型的综合解释中展示了其成功。
引用
@article{arxiv.2211.04012,
title = {A functional regression model for heterogeneous BioGeoChemical Argo data in the Southern Ocean},
author = {Moritz Korte-Stapff and Drew Yarger and Stilian Stoev and Tailen Hsing},
journal= {arXiv preprint arXiv:2211.04012},
year = {2024}
}