印度昼夜温差时空模式：随机矩阵方法——印度案例

我们考虑印度期间 1951--2022 年的 72 年间格点化每日昼夜温差（DTR）数据。我们将该数据与赤道年-南方振荡（ENSO）信息、气候区域（Stamp 的和 Koeppen 的分类）以及印度四个季节的信息相结合。我们使用各种矩阵理论方法来剔除强但常规信号，使用随机矩阵理论消除噪声，并使用新颖的经验广义奇异值分布来建立在修剪后数据中保留关键信号。我们利用空间 Bergsma 统计量测量空间关联，并识别时空关联的时间变点。特别是，我们的调查捕捉了在 72 年内尚未知晓的变点，印度 DTR 空间关联出现剧烈变化。它还揭示了与 ENSO 相关的空间关联变化。我们得出结论，尽管在研究/建模印度 DTR 数据时，应该给予持续数十年表现出强烈空间关联的考虑，并且应为其时间行为中潜在变点保留准备，以此可能导致空间关联图案出现中等到剧烈的变化。我们分析的一些结果也再次确认了其他作者关于 DTR 的时空行为的结论，为我们的观点添上了自己的见解。我们从年、季节和气候区域的角度考虑数据，发现了几个新的有趣的统计结构，这些结构对于气候学家和统计学家来说应该具有更大的兴趣。我们的方法不具国界限制，可有效应用于其他地理区域的 DTR 数据。