• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of the royal statistical society >A hidden semi-Markov model for characterizing regime shifts in ocean density variability
【24h】

A hidden semi-Markov model for characterizing regime shifts in ocean density variability

机译：一个隐含的半马尔可夫模型，用于表征海洋密度变化中的政权转移

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Societally important decadal predictions of temperature and precipitation over Europe are largely affected by variability in the North Atlantic Ocean. Within this region, the Labrador Sea is of particular importance because of its link between surface-driven density variability and the Atlantic meridional overturning circulation. Using physical justifications, we propose a statistical model to describe the temporal variability of ocean density in terms of salinity-driven and temperature-driven density. This is a hidden semi-Markov model that allows for either a salinity-driven or a temperature-driven ocean density regime, such that the persistence in each regime is governed probabilistically by a semi-Markov chain. The model is fitted in the Bayesian framework, and a reversible jump Markov chain Monte Carlo algorithm is proposed to deal with a single-regime scenario. The model is first applied to a reanalysis data set, where model checking measures are also proposed. Then it is applied to data from 43 climate models to investigate whether and how ocean density variability differs between them and also the reanalysis data. Parameter estimates relating to the mean holding time for each regime are used to establish a link between regime behaviour and the Atlantic meridional overturning circulation.
机译：具有社会意义的十年来欧洲温度和降水的重要预测在很大程度上受北大西洋的变化影响。在该区域内，拉布拉多海之所以特别重要，是因为它在地表驱动的密度变化与大西洋经向俯仰环流之间具有联系。利用物理证明，我们提出了一个统计模型，以盐度驱动和温度驱动的密度来描述海洋密度的时间变化。这是一个隐藏的半马尔可夫模型，它允许盐度驱动或温度驱动的海洋密度机制，这样每个机制中的持久性都可能由半马尔可夫链来控制。该模型适合贝叶斯框架，并提出了可逆的跳跃马尔可夫链蒙特卡罗算法来处理单区域方案。该模型首先应用于重新分析数据集，其中还提出了模型检查措施。然后将其应用于来自43个气候模型的数据，以调查它们之间的海洋密度变异性是否存在差异以及差异如何，以及重新分析数据也是如此。与每个方案的平均保持时间相关的参数估计值用于建立方案行为与大西洋经向翻转环流之间的联系。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号