Optimale Kombination mehrerer Datenquellen durch Kriging

Slides:



Advertisements
Ähnliche Präsentationen
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Teilprojekt 2.3.
Advertisements

Mittlere absolute Abweichung vom Mittelwert(1)
Streuungsmaß 3: absolute Abweichung vom Mittelwert
Seminar „Extrapolationsmethoden für zufällige Felder“
1 1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung
Physikalische Messgrößen
Theorie psychometrischer Tests, III
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2006/2007 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2004/2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2004/2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
A-Priori Kontraste Prüfung des Mittelwerteunterschieds von Faktorstufen bzw. Kombinationen von Faktorstufen: z.B.: oder.
Andreas Hense Meteorologisches Institut Universität Bonn
Kriging & al. Ralf Lindau Seminar – 5. Juli 2010.
Seminar – 13. Dezember 2010 Korrelierte Fehler in Wasserdampfschätzungen aus Satellitendaten Ralf Lindau.
Ein frohes und erfolgreiches Jahr
Latente Variablen – Kennwerte zur Beurteilung von Modellen
Aufgabe Der Zusammenhang zwischen einem traumatischen Erlebnis und der Entstehung einer PTBS wird von mehreren Variablen …………….: Copingstrategien, Kontrollüberzeigung,
Strukturgleichungsmodelle
Was sind Histogramme? (1)
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung des.
Nachholung der Vorlesung vom Freitag
Ab nächster Woche wird die Übungsgruppe Gruppe 2: Henrike Berg Di SR 222 wegen Personalmangel eingestellt.
Mögliche Funktionenklassen
Datenmatrix. Datentabelle für 2 Merkmale Kontingenztafel der absoluten Häufigkeiten.
Kolmogorov-Smirnov-Test. A. N. Kolmogorov Geboren in Tambov, Russland. Begründer der modernen Wahrscheinlichkeitstheorie.
Die Vorlesung am 14. Mai (Tag nach Himmelfahrt) wird auf Montag, den 17. Mai verlegt! Zeit: 16 Uhr Ort: Kiste Nächste Woche!!!!
Datenmatrix.
Korrelationskoeffizient nach Bravais-Pearson Eigenschaften X und Y unabhängig.
Datentabelle für 2 Merkmale
Test auf Normalverteilung
Klausur am :00 bis 13:00 Hörsaal Loefflerstraße und Hörsaal Makarenkostraße.
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Vorlesung: ANOVA I
Seminar Stringtheorie und Geometrische Methoden der Physik
Daten auswerten Boxplots
Ausgleichungsrechnung II
Aufgabenzettel V Statistik I
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Regionalisierte Variablen und Kriging
Globale Interpolations- und Prädiktionsverfahren
Einführung in SPSS/PASW. Inhaltsübersicht 1. Intro ( ) 2. Deskriptive Statistik ( ) 3. Ausgaben ( ) Wiederholung Tabellen,
Messwerte, Verteilung, Histogramm, Mittelwert und Standardabweichung
Massenmittelpunkt, „Schwerpunkt“, Drehachsen und Trägheitsmoment
Mittelwert und Standardabweichung
Versuch zur Messung der Geschwindigkeit
Kennwerte und Boxplots
Datenanalyse.
Statistik: Mehr zur Regression.
Mehr zum Testen von Hypothesen
Das ÖWA-Verfahren zur Ermittlung der Online-Nutzung Mag. Nadja Vaskovich September 2004 Österreichische Webanalyse Bericht über das 1. Quartal
1 Stichprobenverfahren zur Qualitätssicherung Hilfestellung der Statistik in der Wirtschaftsprüfung.
Kopfrechnen Geometrie Gleichungen Prozente Vermischtes
Regression Maria Morozova Lisa Ochsenhofer. Einführung Francis Galton 1886 Größe von Vater und Sohn Regression zum Mittelwert.
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
Statistik Statistik I Seminar + Blockveranstaltung Statistik I
Statistik – Regression - Korrelation
Meßreihe: Modellansatz
Variogramme und Kriging
setzt Linearität des Zusammenhangs voraus
Varianzanalyse und Eta²
8. Deutsche Klimatagung Bonn – 8. Oktober 2009 Wie gut stimmt der modellierte Niederschlag des COSMO-CLM mit Messungen an Klimastationen des DWD überein?
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Validierung der.
Geostatistik Kriging Sarah Böckmann.
Niederschlags-Analyse für Deutschland Zur Validierung von Wettervorhersagemodellen Zeitauflösung:Zugbahn und subsynoptische Entwicklung von Fronten und.
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
Anzahlen und Durchschnitte
 Präsentation transkript:

Optimale Kombination mehrerer Datenquellen durch Kriging Eine Pilotstudie zum Gesamtwasserdampfgehalt aus SSM/I und AMSU Ralf Lindau Uni Bonn FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Ziel Bestimmung optimaler täglicher Wasserdampffelder aus: 2 AMSU-Satelliten NOAA-15 NOAA-16 3 SSM/I-Satelliten F13 F14 F15 FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Daten AMSU SSM/I Größere Datenlücken bei SSM/I Standardabweichung ortsabhängig AMSU hat größere Fehler Standardabweichung FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Kriging-Ansatz Es gibt n Beobachtungen xi an den Orten Pi. Mache eine Vorhersage x0 für den Ort P0 . Konstruiere die Vorhersage aus einem gewichteten Mittel der Beobachtungen xi. Berücksichtige dabei die Fehler Dxi. Bestimme die Gewichte li. FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Kriging-Gleichung Zur Bestimmung der Gewichte li braucht man also: Die räumlichen Kovarianzen [ xi xj ] Die Fehlervarianzen [ Dxi Dxi ] FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Kriging-Fehler Der beim Kriging minimierte Ausdruck ist der Krigingfehler. Er setzt sich aus vier Komponenten zusammen: FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Wir brauchen: räumliche Korrelationen Fehler der Beobachtungen Wir bekommen: Optimale Karten des TPW Fehlerkarten FFS Freiwilliges Ferien Seminar - 04.April 2005

Räumliche Korrelation Korrelation ist eine reine Funktion des Abstands. Anpassung von: r = exp (a0 + a1x + a2x2) Handliche Kennzahlen: Korrelationlänge: 696 km Achsenabschnitt: 0.99 FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Korrelationslänge Weitere Abhängigkeiten: Monat Richtung Geographische Breite FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Korrelationslängen von TPW in km Jan Apr Jul Oct NOAA-15 632 696 551 590 NOAA-16 634 700 543 574 F13 608 695 529 F14 627 707 525 F15 710 545 602 FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Varianzzerlegung FFS Freiwilliges Ferien Seminar - 04.April 2005

Anschaulich Gesamtvarianz = Externe Varianz + Interne Varianz Varianz zwischen den Mittelwerten der Klassen + Interne Varianz Mittlere Varianz innerhalb der Klassen FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Nordatlantik, Januar 2002: tägliche 1°x 1° Mittelwerte aus allen 5 Satelliten N n n/N Gesamt-varianz Externe Varianz Interne Varianz 89589 7311447 81 228.63 mm2 221.86 mm2 6.77 mm2 Aber: Sind Satellitenpixel wirklich unabhängig ? Nur 5 Meßgeräte (Radiometer) Nur 2 Algorithmen (zur TPW-Berechnung) FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Intern goes Extern Je mehr Kriterien als extern betrachtet werden, desto mehr schrumpft die interne Varianz zu Gunsten der externen. 0.65 mm2 herrscht zwischen Typen-Mittelwerten. 2.38 mm2 herrscht zwischen Instrumenten-Mittelwerten. FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Varianz mm2 6.77 4.39 + 2.38 6.12 + 0.65 Unabhängige 81 5 2 Fehler 0.09 0.60 0.65 FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Datenunabhängigkeit Wenn Daten unabhängig sind, gibt Varianz / n den Fehler des Mittelwertes. Alternativ: Bilde N Unterkollektive und betrachte die Varianz der Mittelwerte dieser Unterkollektive. Falls die ursprünglichen n Werte wirklich unabhängig waren, ist das Ergebnis gleich. Die fünf Satelliten sind unabhängig. Die einzelnen Pixel nicht. FFS Freiwilliges Ferien Seminar - 04.April 2005

Fehler täglicher Mittelwerte AMSU Gesamt SSM/I FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Zeitreihen 40°N, 45°W 03.01.2002 Fehler klein 04.01.2002 Fehler groß 25°N, 25°W Fehler insgesamt kleiner FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Ready to run FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 TPW Anomalie am 1.April FFS Freiwilliges Ferien Seminar - 04.April 2005

Statistiken & Beispiele Summe der Gewichte SSM/I Anzahl verwendeter Gitterpunkte Anzahl verwendeter Beobachtungen FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 TPW am 1.April 2001 Anomalie am 1.April Mittelwert und Stdabw. im April FFS Freiwilliges Ferien Seminar - 04.April 2005

FFS Freiwilliges Ferien Seminar - 04.April 2005 Zusammenfassung Tägliche Felder des Gesamtwasserdampfes wurden konstruiert aus: SSM/I und AMSU Daten Ableitung der räumlichen Korrelationfunktion Fehler von täglichen 1°x1° Mittelwerten Prüfung der Unabhängigkeit der Daten Universell anwenbares Verfahren Zu jedem Feld wird ein Fehlerfeld mitgeliefert FFS Freiwilliges Ferien Seminar - 04.April 2005