Modeling the relationship between climate oscillations and drought by a multivariate GARCH model
Notice bibliographique
Résumé
Typical multivariate time series models may exhibit comovement in mean but not in variance of hydrologic and climatic variables. This paper introduces multivariate generalized autoregressive conditional heteroscedasticity (GARCH) models to capture the comovement of the variance or the conditional covariance between two hydroclimatic time series. The diagonal vectorized and Baba-Engle-Kroft-Kroner models are developed to evaluate the covariance between drought and two atmospheric circulations, Southern Oscillation Index (SOI) and North Atlantic Oscillation (NAO) time series during 1954-2000. The univariate generalized autoregressive conditional heteroscedasticity model indicates a strong persistency level in conditional variance for NAO and a moderate persistency level for SOI. The conditional variance of short-term drought index indicates low level of persistency, while the long-term index drought indicates high level of persistency in conditional variance. The estimated conditional covariance between drought and atmospheric indices is shown to be weak and negative. It is also observed that the covariance between drought and atmospheric indices is largely dependent on short-run variance of atmospheric indices rather than their long-run variance. The nonlinearity and stationarity tests show that the conditional covariances are nonlinear but stationary. However, the degree of nonlinearity is higher for the covariance between long-term drought and atmospheric indices. It is also observed that the nonlinearity of NAO is higher than that for SOI, in contrast to the stationarity which is stronger for SOI time series. Key Points Multivariate heteroscedastic models are developed for drought analysis Conditional covariance between drought, SOI, and NAO is not strong Time-varying correlations between drought and atmospheric indices are estimated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».