Анализ Тригонометрических Составляющих Временных Рядов Данных Мониторинга Окружающей Среды

Abstract

Актуальность. Прогноз состояния природных ресурсов и изменений климата всегда актуален, так же как и поиск новых математических подходов. Анализ дендрохронологических и климатических временных рядов дает важную информацию для описания этих рядов, понимания, а также предсказания поведения рядов, характеризующих годичный прирост лесов, протекающих в них экологических процессов, а также климата в целом. Работы такого плана полезны и связаны с необходимостью сохранения заповедных лесных зон и развития лесной индустрии в целом. Цель: прогнозирование природных ресурсов и климата на основе выделения и использования многолетних трендов и тригонометрических составляющих известных характеристик: плотности годичных колец, изменений общего содержания озона в атмосфере, влияющего на уровень УФ-В радиации или УФ-В, и индекса аридности де Мортона, содержащего информацию о температуре и влажности лесных зон; представление исходных временных рядов в аддитивной форме в аналитическом виде. Объекты: временные ряды общего содержания озона в атмосфере, плотности годичных колец и индексов аридности де Мортона. Методы: анализ временных рядов (декомпозиция временного ряда, идентификация параметров модели, прогнозирование временного ряда), статистический анализ (F-критерий, - критерий Пирсона). Результаты. Произведен анализ дендрохронологических и климатических данных на предмет наличия тригонометрической компоненты. Это дало возможность получить сведения для прогноза температуры, осадков, ультрафиолет-B радиации, или УФ-В, и др. Получены аналитические выражения для тригонометрических составляющих максимальной плотности годичных колец, общего содержания озона, индекса аридности де Мортона. Совокупность тригонометрической составляющей и тренда позволяет получить достоверный прогноз и реконструкцию условий формирования годичных колец и плотности древесины. Прогнозные модели аппроксимации временных рядов тригонометрическим полиномом могут конкурировать с прогнозными моделями временных рядов спектрально-сингулярного разложения («Гусеница»).