方法来确定最高温度气候数据的95

Question

我分析了极端天气对牛奶产量的影响(面板数据)。我看天气的直接影响和间接影响动物(牛奶产量)。

关于极端天气,我看着下面的变量——Tmin,最高温度和降水。因变量(牛奶升)是一个月累积值。因此,我不得不产生更有意义的极端天气变量在月度水平。如没有几天的达峰时间> 95,无天的温度湿度指数(THI)在特定的阈值,等。确定没有几天的达峰时间>第95百分位,我用下面的方法。

我最高温度计算出每个月的第95个百分位值和每个农场使用基期数据1980 - 2010。然后我申请了决定价值daywise数据(2011 - 2015),以确定价值超过第95百分位值。如果超过,那么其他1 0。然后聚合不天与最高温度(> 95)的月。你认为这个方法确定极端吗?

最近,我遇到过一个方法来计算daywise百分位数,每日温度高为一个特定的一年一天的高温当天所有年。天超过第95百分位是选为事件。

我试图比较两方法的一个农场的位置。我发现以前的方法(monthwise百分位数)识别少数量的事件相比,最近的方法。

欢迎建议使用正确的方法。

Answer 1

你正沿着正轨,但有几件事你可能想要确保你考虑当决定方法。

1。符号

很久以前有一个专家团队对气候变化检测、监测和指数(ETCCDMI)提出了一些命名约定不同的气候指标,因为它变得有点麻烦谈论诸如“日常最大的年度最低”。他们首先本文中描述:

亚历山大et al。(2006),全球观察每日极端气候温度和降水的变化,j .地球物理学。Res。111年,D05109 jd006290 doi: 10.1029/2005

在你的案例中,95的每日最高温度(TX)被称为TX95p。

2。想想你的科学问题

大多数温度时间序列在过去的几十年里将包含一个变暖的趋势,这大热天的效果会更频繁地发生在以后的部分比早些时候的数据部分。你需要考虑温度的哪些方面会引起系统中的影响你学习来决定你是否需要去趋势数据。如果问题发生在绝对温度超过极限,那么你可能不想去趋势。如果系统可以适应均值变化但问题发生,如果天热发生在集群,那么你可能想去趋势数据。

你需要做出类似的决定关于de-seasonalising数据,考虑你目前做的每个日历月分别在估计TX95p时。在大多数情况下它意义de-seasonalise数据,特别是在大型年度周期的地方。当你,考虑是否需要分析全年。如果你担心影响仅发生在特定的季节,然后那个赛季目标分析:例如,一个温暖的夏季极端通常比冬天温暖的极端影响更大。

3所示。估计TX95p

除非你有一些特定的假设或协议需要单独的时间,我使用所有年的数据(1980 - 2015)来估计TX95p。如果你假设TX95p之间的是静止的时间,然后使用更久会给你一个更准确的估计的阈值。

最近,我遇到过一个方法来计算daywise百分位数,每日温度高为一个特定的一年一天的高温当天所有年。天超过第95百分位是选为事件。

你发现这里没有标准的方式估计TX95p,气候的底线,一个炎热的一天。快速浏览我的笔记把各种方法:

• 每日使用15天窗口集中在day-of-year气候学(Della-Marta等,2007;费舍尔和Schaer, 2010;珀金斯等人,2012;邓等,2013)

• 日常使用后10天窗口集中在day-of-year气候学消除趋势数据(克鲁格等,2015)

• 每日使用5天窗口集中在day-of-year气候学(洛伦兹等人,2010;穆勒和Seneviratne, 2012)

• 每日气候学使用天窗口,然后平滑和快速傅里叶变换(逃避等,2012)。

• 单一阈值使用所有日常TX萨默斯(Vautard等,2013)。

我试图比较两方法的一个农场的位置。我发现以前的方法(monthwise百分位数)识别少数量的事件相比,最近的方法。

我怀疑,试图从仅31值估计每日TX95p每年的每一天非常不准确的结果,而估计每月TX95p从930(31 * 30)值则更为现实。每日估计可能跳来跳去,从一天到下一年,这显然是一个抽样人工制品,和产量值非常接近TX100p,所以你诊断减少炎热的天气。这就是为什么上面列出的文件使用不同的滤波方法。