Detailansicht
Distanzmaße beim statistischen Downscaling
Evaluierung ausgewählter Distanzmaße mittels der
Analog-Methode
Elsa Maria Dos Santos Cardoso
Art der Arbeit
Diplomarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Betreuer*in
Georg Skoda
DOI
10.25365/thesis.1345
URN
urn:nbn:at:at-ubw:1-30273.43705.834966-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Um Aussagen über die Entwicklung von Klimavariablen zu ermöglichen ist
es notwendig, eine sinnvolle Projektion von großskaligen Klimainformationen
auf kleinere Skalen umzusetzen. Einen möglichen Zugang bietet das Statistische
Downscaling, welches sich einerseits als kostengünstige Möglichkeit
erweist im Vergleich zu anderen komplexeren Verfahren. Andererseits macht
das Verfahren von den empirischen Zusammenhängen zwischen einem meteorologischen
Parameter auf der groben Skala und den Beobachtungen eines anderen
Parameters auf der lokalen Skala Gebrauch. In der vorliegenden Arbeit
wird die Analog-Methode verwendet, um den Einfluss von Distanzmaßen auf
der Suche nach dem „ähnlichsten Tag“ zu evaluieren. Distanzmaße werden oft
in der Mustererkennung eingesetzt, um Ähnlichkeiten zwischen Objekten zu
bestimmen. Die Analog-Methode wurde erstmals von Storch(1999) [61] mit
anderen statistischen Downscaling Verfahren verglichen. Um dies umzusetzen
werden die Startclim Stationen als lokale Beobachtungen und die ERA40
Daten als grobaufgelöste Felder herangezogen, welche einer Hauptkomponentenanalyse
(PCA) unterworfen werden. Die hier eingesetzten Distanzmaße
sind das Euklidische Distanzmaß, die Gewichtung der Euklidischen Distanz
mit den Eigenwerten, das City-Block-Distanzmaß und anschliessend wird eine
Version der Mahalanobis Distanz eingesetzt. Letztere wurde von Yambor
[59] auf ein PCA-basierendes Verfahren angewandt. Es zeigt sich, dass die
Analog-Methode auf saisonaler Basis zufriedenstellend die statistischen Eigenschaften
des Niederschlags erkennt.
Abstract
(Englisch)
In order to predict the behavior of regional climate variables, an appropriate
projection of coarse scale information to finer scales is required. In the past,
several statistically motivated methods for downscaling climate information
to scales suitable for climate impact studies have been proposed. Compared
to other approaches, statistical downscaling methods are easy to implement
and offer low computational complexity. Additionally, statistical downscaling
methods exploit relationships between large and fine scale meteorologic
parameters, identified in the observed climate. As well established statistical
downscaling algorithm is the Analog Method, which has been shown to
compare favorably with other approaches [61]. The present work is based
on the Analog Method, evaluating the impact of various distance measures
on the performance of queries for the "most similar day". This idea has
been adopted from the field of pattern recognition, where the application of
specialized distance measures for assessing pattern similarity is a common
technique (see e.g. [10] und [59]). In this thesis, we combined large scale
ERA-40 data with local Startclim station data and performed a subsequent
Principal Component Analysis (PCA) in order to reduce the dimensionality
of the input data by "filtering"out irrelevant (low-variance) information.
The distance measures utilized in our tests are: (a) Euclidean distance, (b)
eigenvalue-weighted Euclidean distance [61], (c) City-block, and (d) a Mahalonobis
distance-based measure, applied in the context of PCA-based face
recognition by [59].
Evaluations of the Analog Method were carried out on a daily, as well as
on a seasonal Basis. In our experiments we found that the Analog Method
was able to capture the statistical properties of seasonal precipitation satisfactorily
and that the eigenvalue-weighted Euclidean Distance performed
best among the tested measures.
Schlagwörter
Schlagwörter
(Deutsch)
Downscaling statistisches Downscaling Klimaforschung
Autor*innen
Elsa Maria Dos Santos Cardoso
Haupttitel (Deutsch)
Distanzmaße beim statistischen Downscaling
Hauptuntertitel (Deutsch)
Evaluierung ausgewählter Distanzmaße mittels der
Analog-Methode
Publikationsjahr
2008
Umfangsangabe
157 S. : Ill., graph. Darst.
Sprache
Deutsch
Beurteiler*in
Georg Skoda
Klassifikation
38 Geowissenschaften > 38.82 Klimatologie
AC Nummer
AC07679930
Utheses ID
1055
Studienkennzahl
UA | 415 | | |