Διερεύνηση της ύπαρξης μακροπρόθεσμης εμμονής στην ετήσια βροχόπτωση από μία παγκόσμια βάση δεδομένων

Abstract

Η διερεύνηση της ύπαρξης μακροπρόθεσμης εμμονής σε γεωφυσικά δεδομένα συγκεντρώνει το ενδιαφέρον των επιστημόνων τις τελευταίες δεκαετίες μετά την ανακάλυψη του φαινόμενου από τον Hurst (1951). Εδώ μελετάται η υπόθεση ύπαρξης μακροπρόθεσμης εμμονής στην ετήσια βροχόπτωση. Για το σκοπό αυτό χρησιμοποιήθηκαν ημερήσια δεδομένα βροχόπτωσης από την παγκόσμια βάση δεδομένων GHCN (Global Historical Climatology Network), τα οποία μετά από επεξεργασία και συμπλήρωση χρησιμοποιήθηκαν για τον υπολογισμό του συντελεστή μακροπρόθεσμης εμμονής H. Επιλέχθηκαν 1265 σταθμοί, βάσει κριτηρίων καταγραφών και ποιότητας, οι οποίοι εξετάστηκαν επιπρόσθετα και ως προς ορισμένα χαρακτηριστικά της βροχόπτωσης. Για την εκτίμηση της μακροπρόθεσμης εμμονής, εφαρμόστηκαν η μέθοδος της συναθροισμένης διασποράς και η μέθοδος ελαχίστων τετραγώνων βασισμένη στην τυπική απόκλιση LSSD (Least Squares based on Standard Deviation). Επίσης, έγινε έλεγχος της υπόθεσης ύπαρξης κοινού συντελεστή H στα δεδομένα. Για την πληρέστερη μελέτη της δομής εξάρτησης μελετήθηκε η δομή της αυτοσυσχέτισης των δεδομένων και πραγματοποιήθηκε έλεγχος για τη σχέση της με δομή AR(1). Τα αποτελέσματα συνηγορούν υπέρ της ύπαρξης ενδείξεων μακροπρόθεσμης εμμονής στο 3/4 των σταθμών, με διαφοροποιήσεις ως προς την ισχύ της. Εκτενέστερη ανάλυση χρειάζεται πιθανόν μελλοντικά για την αξιοποίηση μεγαλύτερων χρονοσειρών που θα είναι διαθέσιμες τότε.

High scientific interest is raised around the hypothesis testing of long range dependence structure in geophysical data since Hurst discovered the phenomenon in 1951. Herein, we examine the hypothesis of long range dependence in the annual rainfall structure. A global data base of daily rainfall data GHCN (Global Historical Climatology Network) is processed along with the infilling of missing values. Based on length and quality criteria, 1265 rainfall stations are chosen for the estimation. Statistical properties of rainfall are also derived from the stations. In order to estimate the Hurst coefficient, the aggregated variance method as well as the LSSD (Least Squares based on Standard Deviation) method are applied to the data. Hypothesis testing for the existence of a common Hurst coefficient is conducted. In addition, the study of the autocorrelation function and the comparison with an AR(1) structure are performed as they provide a deeper insight on the matter. The results are in favor of the existence of long range dependence for the 3/4 of rainfall stations, although there exist considerable differences among them in the intensity of the phenomenon. In the future, the longer existing data lengths will perhaps enable a more certain estimation.