基于ARIMA模型每日的太阳辐射和表面空气温度外文翻译资料

基于ARIMA模型每日的太阳辐射和表面空气温度

原文作者 Olavi Karner

单位 Tartu Observatory, Observatory 1, Toravere, 61602, Estonia

摘要：ARIMA（ARIMA模型）模型来比较总的太阳辐照度（TSI）在顶部长程时间变异大气层（TOA）和地表气温系列。该比较显示了一个和相同类型的模式也适用于表示TSI和气温系列。在模型及表面空气温度模仿方面对于TSI密切。这可能意味着，目前还没有其他强制的气候系统能够改变建立的随机游动型变异旋转的太阳变化的活性。结果应该激励更多详细检查各种气候短程的依赖波动的TSI。

关键词：太阳变化的影响；时间序列分析；气候变化；太阳辐射

一．介绍

自1978年11月从一组太阳辐射（TSI）测量结果看可用空间，从而产生的时间序列在25年以上。目前，有三种TSI复合材料在大气顶部（TOA）可以用。该ACRIM复合出版了威尔森（1997）和莫尔德维诺夫（2003年）。该PMOD复合材料是通过弗罗利希和精益（1998年a，b）和周期性更新（弗罗利希sented2006）。近来三种复合材料，所谓IRMB，由Dewitte等人提出了（2004）。这三个从相同的原始数据构建，但使用不同方法来构造序列。该问题是没有一个传感器通过1978年的整个时期中收集数据。在20世纪80年代和90年代弗罗利希和精益（1998年，B）没有发现提高太阳辐射。Wilson和莫尔德维诺夫（2003）发现每十年为一个TSI趋势期间太阳活动周期21-23，由于有些不同结构的复合材料的序列的时间变化的交互分析是非常有用的。

这里的第一个目标是到t自回归和移动平均（ARIMA模型）模型来描述这些序列远距离时空变异，该结果被认为是显示了不同的堆肥计划产生的一系列静止变化。同样在所使用的模型的术语，前提是同一个模型类型看来是适用于所有三个版本。erence在tted的参数值可能作为版本之间的衡量假定STI的时间变化的一些影响可以结转到气候系统响应序列。因此，第二个进球考察同类型ARIMA模型，模型是否适用于表示每天的TSI和基础的水陆空的时空变异温度的时间序列。系列为主站，以获取短信最长可记录选择。

该算法的拟合在这里使用ARIMA模型。这是由于施加随机游动型模型中的早期经验，为了表示对各种大气温度序列的时间变化。在本文我们的目标是TA模式 从ARIMA模型家庭使用的时间超过一天的日常系列。较长时间导致更好的拟合条件，因为TSI和温度系列是具有不同非平稳的强度在自相似性参数H。后者是由结构函数来确定的条款。

二．数据

三个版本的所有TSI可在网上找到。 IPMOD的更新版本系列也包含在Exper42未发表的数据iment上的合作ESA/ NASA的使命。D41610710版本还包含由在周期21校准所述代理模

型的延伸部分，被用在当前研究。这实际上是较长（从1976年3月6日至2007年10月12日）超过两其他复合材料。该ACRIM和IRMB复合材料是由http://www.acrim.com/Data下载。

为了获得与IRMB系列可用，间隔时间选择为comparison.It一个共同的时间重合，在betweenJulian,2443829至2453264延长，相应9436天区间fromNovember 16日，1978年最好的

条件，9月14日，2004年该系列上的相同的卫星信息thebasis组成。后者并不适用于所有天。以有条不紊的在theresulting系列erences有在此期间erent数量ofgaps，在整个周期内的IRMB系列包含240 ACRIM 269和PMOD673天缺少辐射值。主要amountof它们是现有辐射数据之间1天差距。但也有一些憧憬也是长时间缺少数据，其中最长的为35天

在1992年的一个相同的简单的方案施加到间隙中的所有三个系列。一天的间隙用LLED.较长的间隙的平均值分别LLED以获得之前和之后的间隙平均化的最后一个和第一个值，分别为常数。这保证了一系列的t方差不操作期间增加。

关于被分析TSI系列概要信息列表。前三列显示的系列名称，分别分析了多年，序列长度。第四个FTH柱对每个样品显示平均值和标准偏差。最后三列显示一些特性TSI的日常56天的增量。使用56天增量的原因是解释建模的细节连接后面。第六列显示了每日增量标准偏差。对于IPOD的值似乎比另外两个稍小。有的部分原因可能在LLED部分数据的较大。第七和第八列显示为56天的增量的平均值和标准偏差。这些都是有用的表征建模。值得注意的是，所有的三个增量装置是负表明该系列日期在高太阳活动的区域和端部中的低活动区域。

三．地表气温数据

根据气温序列比TSI序列要长得多。两方法被用于模拟的首要目标是与辐射变异详细比较。为此目的在同一时间间隔9436天，从1978年11月16日起从现有的温度记录选择。平均季节性周期计算该期间和相应的异常变化序列为蓝本。

在欧洲和气象台站在来的亚洲地表气温数据ARIMA模型家庭模式，以日平均的时间序列。其中九个是从http://eca.knmi.nl下载（见克莱恩坦克等，2002了解详情）。从1772至2005年该英格兰中部的温度（CET）系列（帕克等，1992）。亚洲站的数据是从http://www.meteo.ru下载。这些数据集包括日平均在相应车站的空气温度值。在系列中的记录长度从50到250年不等。第一个四列表致力于分别为站名，纬度，经度和记录时间。所有的分析是使用异常序列中对于当地的季节性周期。季节性周期为每个日历日平均分别观测到的温度值（包括计算2月29日）。

异方差性

TSI系列比那些表面空气温度模式更复杂，因为他们显然是异方差，即有不等方差为太阳活动周期。究其原因是由于可变太阳能输出变化的TSI。太阳白子随太阳黑子数存在明亮的磁性区域被称为光斑，是IM的治疗中主要集中在各地的黑子群亮团块。 Foukal在2006年给出了详细的说明这些黑暗和明亮的结构是如何产生TSI变化的。结构的投影面积和它的光度对比度相对于相邻的，不受干扰光球形圆盘的产物。实证模型重建TSI变化加入了用这些thespots和磁增亮的变化领域的纪录。这些模型可以解释为在辐照时间序列的方差的80％以上。这表明，附加contribu系统蒸发散到从光球温度变化外斑点和磁性增亮的TSI变动必须很小。

要获取各种范围内的有关样本方差变化过程中的太阳活动周期一例示于图1的上面板的阶段。它显示了计算出的连续非重叠56天长的时间间隔样本标准差为iPod和日常增量。在可用的时间。太阳活动周期21至23，它们清楚观察到TSI和其增量序列两个标准偏差。

在时间序列中的异方差性带来的趋势一些问题例如分析McKitrick（2002年），一般迫使我们使用非线性模型来描述他们的变化。在目前的研究中，我们试图克服culties分析子系列较稀疏网格从原始每日的时间序列分离。该方法有助于产生子系列的时间变化的同化。使它们的方差更趋于均匀。

地表气温序列的行为erently。作为一个例子，标准差的时间序列进行CET和日常增量在连续非重叠56天间隔如图2的下面板。该显示的时间间隔大约为与对IPMOD重合1976-2006.更均匀的短程方差表示出了erence。可以使用记录中没有发现太阳活动的变化。该TSI分布在TOA没有精确确定的量，吸收在气候系统的太阳能。由于它的云高反照率一个重要组成部分是重新回太空（如韦伯斯特和斯蒂芬斯1984年）。这意味着，任何存在TSI之间的直接依赖和温度变化的可能性不大。但是，时间序列分析可以帮助检查在统计模型方面的关系。

结果

用相同的公式来计算相应的残差，它们是依次用来测试它们是否可以当作白噪声（WN）。在目前的研究中，混合测试（例如框和詹金斯1976）被用在99％的显着性水平。在tted模型两个子系列PMOD和一个系列ACRIM和IRMB在99％的水平混成测试未能通过，。因此，似乎是版本之间令人满意的根据在适用性方面。

该tted模型依赖于一个cient。它的价值在子系列的帮助下可以分布比较TSI版本。对于三个版本的相应直方图示于连续的面板图的。系数而变化显着地由这样的事实，该子系列含有高值和低活性制度erent部分。该变化的内部版本似乎具有比之间更大的程度平均COE？该版本的cients。的平均值示于最后一个表。内部变化为cient是从0.636到0.804（PMOD），从0.645至0.766（ACRIM）以及从0.620到0.756（IRMB）。

比较表明，版本表示是相等的ARIMA模型。该cient直方图是相似的，因此解释方差波动在相同的时间间隔，从25％至35％表示解释方差为ACRIM和IRMB版本。该模型的PMOD显示cient值高一点，也从23％至40％，为解释方差。这可能是由于大LLED辐射值的比例，其中有一些平滑造成的的是tted。为主站温度序列相同的时间间隔的系列。同一型号的确定由TSI record.异常被计算在相对于对应26年意味着季节周期。用过的子系列号是56和所有的tted车型通过在99％的显着性水平的混成测试。温度子系列cient值均高于对辐射系列显着走高。此erence通过在初始系列的erent异引起的。erence可以遵循呈现增长速度分别为饱和度R的图表（1），。对于TSI系列，R近似自相似区域超过45时：（1）周围的值0波动。对于温度序列它的饱和度发生不久值0：5。

结论

表示各种气候相关的时间序列的时间变异考虑到该模型类型可取决于它是非常重要的上的连续的期限在初始序列之间的时间间隔。该代表TSI在TOA和当地的空气温度，在每日系列表现出强劲的短距离非平稳性是削弱的，连同增加的时间尺度。量化通过构造函数来荷兰国际集团的可变性是一个简单的工具，使 我们选择一个适当的间隔。子系列的可变性所选定的时间间隔，使我们能够代表在长范围变异该系列。

总太阳辐射（TSI）远程时空变化和车站基于地面气温距平时间序列是通过检测手段非平稳ARIMA（0,1,1）的模型。该模型tted子系列超过56一天的时间的步骤。间隔被选择的两个太阳能转动的基础上会合周期。间隔保证了在短程变异uence该tted模型被最小化，并且该模型使我们能够更精确地描述远距离变化TSI和温度分别。

随着太阳黑子数及在增亮太阳uence到的TSI由Foukal等人描述。 （2006）。该tted模型显示，在TSI长期变化可通过随机冲击型的装置进行说明增量。它也表明，由于一个随机（和样品依赖性）的估计数之间由TSI系列的趋势erence性质来回hlich和精益（1998年，B）andWillson andMordvinov（2003年）有一个边际在模型类型方面的价值。该版本是相等的模型而言。相同的模型类型似乎是适当的用于表示变异。

在长期的日常地表气温的时间序列。所获得的比较为cient值显示出了温度的模型解释较高的部分比TSI车型的方差。这是一个指示 有持有的气候系统有能力很强的负反馈平滑的非平稳迫使uence。 14时间序列建模表明，当地气候（在空气中的温度而言）可能会更好比它的平衡可在TSI波动的基础上可以预料的。

外文文献出处： olavi k arner.ARIMA representation for daily solarirradiance and surface air temperature timeseries[j].Journal of Atmospheric and Solar-Terrestrial Physics,2009,71(8):841-847.

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 29 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[287167]，资料为PDF文档或Word文档，PDF文档可免费转换为Word