德赛斯文档
德赛斯从时间序列中删除可变性的季节性(又名年度)周期。
也可以看看:季节,,,,气候学,,,,Sinefit,,,,正弦, 和Sinefit_bootstrap。
内容
句法
ads = deseason(a,t)ads = deseason(...,'daily')ads = deseason(...,'每月')ads = deseason(...,'decrend',detrendoption)ads = deseason(...,“昏暗”,维度)
描述
ads = deseason(a,t)从时间序列中删除典型的季节性(又名年度)周期一个对应时间t以Datenum格式。如果t每天,输出TS是1至366,作为一年中366天的平均值将包含平均值。如果输入是每月的TS是1:12和作为一年中的12个月中的每个人中的平均值将包含。
ads = deseason(...,'daily')直接指定输入是每日分辨率。DeSeason功能通常会自动弄清楚这一点,但是如果您的数据中缺少较大的差距,则可能希望通过每天指定来确保正确的结果。
ads = deseason(...,'每月')如上所述,但强制每月解决方案。
ads = deseason(...,'denrend',detrendoption)指定基线相对于确定季节性异常的基线。选项是“线性”,,,,“二次”, 或者'没有任何'。默认情况下,在删除线性最小二乘趋势后计算异常,但是例如,如果变暖是强烈的非线性,则可能更喜欢“二次”选项。笔记:DESEAN功能不会返回降解的数据。相反,仅执行脱押才能确定季节性周期。默认为“线性”。
ads = deseason(...,'dim',维度)指定评估季节的维度。默认情况下,如果一个IS 1D,沿着非辛格尔顿维度返回季节性周期;如果一个IS 2D,沿尺寸1(时间向下行进)进行DESEAS;如果一个IS 3D,沿尺寸3执行DESEAS。
示例:海冰范围
考虑此样品海冰范围数据:
加载seaice_extent图图(t,范围_n,'b') 抓住上情节(t,范围_s,'r')轴紧的盒子离开传奇('北半球',,,,'南半球',,,,'地点',,,,'西北')ylabel'海冰范围(10^6 km^2)'
如您所见,海冰范围的变异性由季节性周期绝大多数。让我们每次序列均可获得更多的了解,以更好地了解日间发生的事情:
north_ds = deseason(范围_n,t);south_ds = deseason(lenta_s,t);情节(t,north_ds,'b')图(t,south_ds,'r')
让我们只用拆卸数据来制作一个新的数字,然后使用多层添加趋势线:
图图(t,north_ds,'b') 抓住上情节(t,south_ds,'r')轴紧的盒子离开传奇('北半球',,,,'南半球',,,,'地点',,,,'西北')ylabel'海冰范围(10^6 km^2)'%覆盖趋势线:polyplot(t,north_ds,1,'b')polyplot(t,south_ds,1,'r')
上面的图表明,在整个卫星时期,北半球海冰范围有所下降,而南半球海冰范围有所增加。但是可能很难看到哪个半球赢了。看到全球正在发生的事情的一种简单方法是简单地添加北半球和南半球海冰:
图图(t,north_ds+south_ds,'K') 抓住上polyplot(t,north_ds+south_ds,1,'K',,,,'行宽',2)轴紧的盒子离开ylabel“全球海冰范围(10^6 km^2)”
上面的情节清楚地表明,南极海冰的增长并没有跟上北极海冰的损失。
我们可以通过趋势功能。这趋势函数计算相对于您提供的单位的线性趋势,我们正在使用datenum几天的单位,所以我们会乘以365.25*10为了获得“每十年”单元的海冰趋势,然后乘以1E6在km^2中获得单位:
趋势(范围_s+strent_n,datenum(t))*365.25*10*1E6
ANS = -4.5833E+05
这告诉我们在卫星记录上,我们在全球范围内一直损失近半百万平方公里的海冰。
此功能如何工作
这德赛斯功能只是这样起作用:
ads = a-季节(a,t);
您会发现有关如何季节功能计算季节性信号这里。
季节与气候学
CDT具有称为季节还有另一个称为气候学。唯一的区别是输出气候学包括变量的平均值,而输出季节将始终具有0个平均值。因此,德赛斯功能可以消除可变性的季节性成分,同时保留总体平均值和趋势。
通常,CDT假定在次年分辨率下采样的多年记录可以由
y = y__0 + y_tr + y_season + y_var + y_noise
在哪里
- y_0是长期的意思是,,,,
- y_trend是长期的趋势,,,,
- Y_SEAN是典型的季节异常,是季节函数在逐渐降低和删除平均值后获得
- y_var代表年际变异性,并且
- y_noise是其他一切
在这个模型中,
y_climatology = y_0 + y_season
定义季节性的其他方法
对于另一种定义季节性的方法,请参阅Sinefit,,,,正弦, 和Sinefit_bootstrap。
作者信息
此功能由乍得·格林德克萨斯大学地球物理学研究所(UTIG),2017年7月。