Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Các đặc điểm vòng tròn của các con đường bão tại Philippines
Tóm tắt
Mục tiêu của bài báo này là khám phá các đặc điểm của các con đường bão tại Philippines bằng cách sử dụng Thống kê Hướng hoặc Thống kê Vòng tròn. Cụ thể, bài báo điều tra các phân bố vòng tròn của các biến thời gian và không gian của các cơn bão, bao gồm sự tương quan với các biến không vòng tròn như cường độ bão và áp suất khí quyển trung tâm tương ứng. Ngoài ra, hàm tự tương quan vòng tròn cũng được tạo ra lên đến độ trễ thời gian thứ 12 (hay 3 ngày) cho các biến không gian; và việc phân loại các con đường bão tại Philippines đã được thực hiện bằng cách sử dụng phân cụm phân cấp. Dữ liệu được thu thập từ Trung tâm Khí tượng Đặc biệt Khu vực (RMSC) của Cơ quan Khí tượng Nhật Bản (JMA), với các điểm thời gian từ năm 1950 đến năm 2021. Các phát hiện gợi ý rằng Thống kê Vòng tròn có thể trả lời các câu hỏi chính hữu ích cho việc mô hình hóa thêm các cơn bão, đặc biệt về việc xác định kiến trúc mô hình và các tính năng mô hình phù hợp.
Từ khóa
#bão #thống kê vòng tròn #cường độ bão #áp suất khí quyển trung tâm #phân cụm phân cấpTài liệu tham khảo
Schiermeier, Q. (2013). Did climate change cause Typhoon Haiyan? Nature. https://doi.org/10.1038/nature.2013.14139
Lagmay, A. M. F., Agaton, R. P., Bahala, M. A. C., Briones, J. B. L. T., Cabacaba, K. M. C., Caro, C. V. C., Dasallas, L. L., Gonzalo, L. A. L., Ladiero, C. N., Lapidez, J. P., Mungcal, M. T. F., Puno, J. V. R., Ramos, M. M. A. C., Santiago, J., Suarez, J. K., & Tablazon, J. P. (2015). Devastating storm surges of typhoon haiyan. International Journal of Disaster Risk Reduction, 11, 1–12. https://doi.org/10.1016/j.ijdrr.2014.10.006
Strobl, E. (2019). The Impact of Typhoons on Economic Activity in the Philippines: Evidence from Nightlight Intensity. ADB Economics Working Paper Series https://doi.org/10.22617/WPS190278-2
Jha, S., Martinez, A., Quising, P., Ardaniel, Z., & Wang, L. (2018). Natural disasters, public spending, and creative destruction: A case study of the philippines. ADBI Working Paper 817. https://www.adb.org/publications/natural-disasters-public-spending-and-creative-destruction-philippines. Accessed August 27, 2021
Takayabu, I., Hibino, K., Sasaki, H., Shiogama, H., Mori, N., Shibutani, Y., & Takemi, T. (2015). Climate change effects on the worst-case storm surge: a case study of typhoon haiyan. Environmental Research Letters, 10(6), 064011. https://doi.org/10.1088/1748-9326/10/6/064011
Nakamura, R., Shibayama, T., Esteban, M., & Iwamoto, T. (2016). Future typhoon and storm surges under different global warming scenarios: case study of typhoon haiyan (2013). Natural Hazards, 82,. https://doi.org/10.1007/s11069-016-2259-3
Zhao, B., Qiao, F., Cavaleri, L., Wang, G., Bertotti, L., & Liu, L. (2017). Sensitivity of typhoon modeling to surface waves and rainfall. Journal of Geophysical Research: Oceans, 122(3), 1702–1723. https://doi.org/10.1002/2016JC012262
Yang, M.J., Zhang, D.L., & Huang, H.L. (2008). A modeling study of typhoon nari (2001) at landfall. part i: Topographic effects. Journal of the Atmospheric Sciences 65(10), 3095 – 3115. https://doi.org/10.1175/2008JAS2453.1
Knaff, J. A., Sampson, C. R., & DeMaria, M. (2005). An operational statistical typhoon intensity prediction scheme for the western north pacific. Weather and Forecasting, 20(4), 688–699. https://doi.org/10.1175/WAF863.1
Chen, R., Wang, X., Zhang, W., Zhu, X., Li, A., & Yang, C. (2019). A hybrid cnn-lstm model for typhoon formation forecasting. GeoInformatica, 23, 375–396. https://doi.org/10.1007/s10707-019-00355-0
Gao, S., Zhao, P., Pan, B., Li, Y., Zhou, M., Xu, J., Zhong, S., & Shi, Z. (2018). A nowcasting model for the prediction of typhoon tracks based on a long short term memory neural network. Acta Oceanologica Sinica, 37, 8–12. https://doi.org/10.1007/s13131-018-1219-z
Altis, A., Nguyen, P. H., Hegger, R., & Stock, G. (2007). Dihedral angle principal component analysis of molecular dynamics simulations. The Journal of Chemical Physics, 126(24), 244111. https://doi.org/10.1063/1.2746330
Brunsdon, C., & Corcoran, J. (2006). Using circular statistics to analyse time patterns in crime incidence. Computers, Environment and Urban Systems, 30(3), 300–319. https://doi.org/10.1016/j.compenvurbsys.2005.11.001
Rios Gaona, M. F., & Villarini, G. (2018). Characterization of the diurnal cycle of maximum rainfall in tropical cyclones. Journal of Hydrology, 564, 997–1007. https://doi.org/10.1016/j.jhydrol.2018.07.062
Koad, P., & Jaroensutasinee, K. (2021). Annual cycle of tropical and subtropical precipitation estimated from tmpa 3b42 dataset. Asia-Pacific Journal of Atmospheric Sciences, 57, 235–260. https://doi.org/10.1007/s13143-020-00192-4
Veatch, W., & Villarini, G. (2020). Modeling the seasonality of extreme coastal water levels with mixtures of circular probability density functions. Theoretical and Applied Climatology, 140, 1199–1206. https://doi.org/10.1007/s00704-020-03143-1
Nguyen, C. H., Owen, J. S., Franke, J., Neves, L. C., & Hargreaves, D. M. (2021). Typhoon track simulations in the north west pacific: Informing a new wind map for vietnam. Journal of Wind Engineering and Industrial Aerodynamics, 208, 104441. https://doi.org/10.1016/j.jweia.2020.104441
Bowers, J., Morton, I., & Mould, G. (2000). Directional statistics of the wind and waves. Applied Ocean Research, 22(1), 13–30. https://doi.org/10.1016/S0141-1187(99)00025-5
Bezanson, J., Edelman, A., Karpinski, S., & Shah, V. B. (2017). Julia: A fresh approach to numerical computing. SIAM Review, 59(1), 65–98. https://doi.org/10.1137/141000671
Wessel, P., Luis, J. F., Uieda, L., Scharroo, R., Wobbe, F., Smith, W. H. F., & Tian, D. (2019). The generic mapping tools version 6. Geochemistry, Geophysics, Geosystems, 20(11), 5556–5564. https://doi.org/10.1029/2019GC008515
R Core Team. (2020). R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing.
Camargo, S.J., Robertson, A.W., Gaffney, S.J., Smyth, P., & Ghil, M. (2007). Cluster analysis of typhoon tracks. part i: General properties. Journal of Climate 20(14), 3635 – 3653. https://doi.org/10.1175/JCLI4188.1
Kim, H. S., Kim, J. H., Ho, C. H., & Chu, P. S. (2011). Pattern classification of typhoon tracks using the fuzzy c-means clustering method. Journal of Climate, 24(2), 488–508. https://doi.org/10.1175/2010JCLI3751.1
Nakamura, J., Lall, U., Kushnir, Y., & Camargo, S. J. (2009). Classifying north atlantic tropical cyclone tracks by mass moments. Journal of Climate, 22(20), 5481–5494. https://doi.org/10.1175/2009JCLI2828.1
Elsner, J. B. (2003). Tracking hurricanes. Bulletin of the American Meteorological Society, 84(3), 353–356. https://doi.org/10.1175/BAMS-84-3-353
Mardia, K., & Jupp, P. (2000). Directional Statistics. USA: Wiley.
Hyndman, R., & Athanasopoulos, G. (2018). Forecasting: principles and practice. OTexts, Melbourne, Australia