气候网络构建的陷阱：统计学视角
机器学习
2023-06-14 v2 机器学习
摘要
基于网络的动力系统分析在气候科学中日益流行。本文从统计学视角探讨网络构建，并强调一个常被忽视的事实：所计算的相关值仅为经验估计。为将伪行为度量成对真实网络的偏离，我们在球面上模拟时间相关的各向同性随机场并应用常见的网络构建技术。我们发现，源于估计过程的不确定性对网络特征产生重大影响的若干途径。当数据具有局部相干相关结构时，必然会出现伪链路束遥相关与伪高度数簇。各向异性估计方差也会给经验网络带来严重偏差。我们用ERA5再分析数据验证了上述发现。此外，我们解释了为何常用的重采样程序不适用于显著性评估，并提出了统计上更有意义的集合构建框架。通过阐明从稀缺数据估计中出现的困难并展示哪些设计决策可增强鲁棒性，我们希望有助于未来更可靠的气候网络构建。
引用
@article{arxiv.2211.02888,
title = {Pitfalls of Climate Network Construction: A Statistical Perspective},
author = {Moritz Haas and Bedartha Goswami and Ulrike von Luxburg},
journal= {arXiv preprint arXiv:2211.02888},
year = {2023}
}