网格化温度数据的时空聚类分析——K-means与MiSTIC的比较
统计方法学
2023-07-21 v1
摘要
地球是一个由众多相互关联的圈层(如气候)组成的系统。气候的全局和区域影响要求理解其随空间和时间的演化,以增进认知和预报能力。分析和研究数十年的气候数据是一项数据挖掘挑战。聚类分析通过聚类最小化数据量并分析行为。理解不变行为与分析可变行为同样关键。来自两个来源的网格化数据:Grided IMD数据和CMIP5 HadCM3十年实验,使用K-Means和MiSTIC聚类技术进行研究,以探索最高和最低温度的时空聚类。k-means聚类的边界与地形相对应。印度次大陆的自然地理、气候和地形特征影响了MiSTIC的核心区域。两种技术均产生重叠聚类。数据集的MiSTIC聚类数量差异显著。数据对该技术的影响体现在数据集对喜马拉雅山脉的分组方式中。
引用
@article{arxiv.2307.00480,
title = {Spatiotemporal Cluster Analysis of Gridded Temperature Data -- A Comparison Between K-means and MiSTIC},
author = {E Ankitha Reddy and KS Rajan},
journal= {arXiv preprint arXiv:2307.00480},
year = {2023}
}
备注
6 pages, 7 figures, Published with International Journal of Scientific Research and Engineering Development - Volume 6 Issue 1