Ανάπτυξη στατιστικών μεθόδων υποβιβασμού κλίμακας με εφαρμογές σε περιβαλλοντολογικά προβλήματα
Περίληψη
Αντικείμενο της παρούσας διατριβής αποτελεί η ανάπτυξη μιας νέας στατιστικής προσέγγισης στον υποβιβασμό κλίμακας προκειμένου να κατασκευαστούν σενάρια για την εκτίμηση μελλοντικών τοπικών κλιματικών αλλαγών. Με τις μεθόδους υποβιβασμού κλίμακας προσδιορίζονται οι σχέσεις ανάμεσα σε μεταβλητές μεγάλης κλίμακας και σε μεταβλητές που εκφράζουν το τοπικό κλίμα ώστε να δημιουργήσει ένα στατιστικό μοντέλο. Η προτεινόμενη μέθοδος υποβιβασμού κλίμακας βασίζεται στην ανάλυση των κανονικών συσχετίσεων μεταξύ δυο συνόλων μεταβλητών των ανεξάρτητων ή των προγνωστών και των εξαρτημένων δηλαδή των κλιματικών παραμέτρων που θα εκτιμηθούν. Τα σημαντικά στοιχεία αυτής της προσέγγισης επικεντρώνονται σε δυο παράγοντες: (α) στην απαλοιφή της στατιστικά σημαντικής τάσης από τα σύνολα των ανεξάρτητων και των εξαρτημένων μεταβλητών μέσω των μοντέλων γραμμικής παλινδρόμησης των οποίων οι συντελεστές εκτιμώνται με τη μέθοδο των γενικευμένων ελαχίστων τετραγώνων και (β) στον κατάλληλο προσδιορισμό της συσχέτι ...
περισσότερα
Περίληψη σε άλλη γλώσσα
The present PhD thesis is a contribution to the study of the statistical downscaling methods. An attempt was made to research a new statistical downscaling approach, based on canonical correlation analysis, in order to construct climate change scenarios. The suggested approach focuses on two novel points: (a) the elimination of the statistical significant trend of the involved variables (predictors and predictands), by regression models using generalized least square estimators and (b) the most suitable relationship between the canonical variates, assuming that the residuals from the model-fit are serially correlated. Moreover, according to the models based on the new and the classical statistical downscaling approach, we investigate a sufficient condition that implies the suggested method is more reliable than the classical method. The statistical downscaled models are validated for a known period, using a number of distinct performance criteria. It was found that the models were abl ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (891.66 kB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.