Modeling Satellite Ozone Data
卫星臭氧数据的建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究环境卫星数据的时空回归，虽有时间依赖，但未涉及宏观经济序列，现有细分缺乏直接对应。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
卫星臭氧数据的建模
- 研究问题
- 如何在固定纬度的卫星臭氧数据中同时处理时间与经度依赖，并检验不同经度观测序列的长期趋势是否一致？
- 方法与思路
- 作者建立时空回归模型，利用循环矩阵性质获得显式似然，讨论估计量渐近性质，并提出暂定噪声阶数的诊断方法。
- 材料陈述的贡献
- 摘要提出可检验经度间长期趋势一致性的时空模型，给出似然与阶数诊断，并应用于 TOMS 卫星数据的趋势评估。
- 阅读关注点
- 应核对时间和经度依赖的参数化、循环矩阵适用条件、趋势一致性检验，以及噪声阶数选择对趋势推断的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；渐近条件、阶数诊断性能和臭氧趋势结果未详述，不能推断其他版本的变化。
原文摘要
Starting in the early 1970s, the decline in column ozone over much of the earth has received much attention. Satellite ozone data, with the advantage of global coverage, now play an important role in assessing long-term trends in ozone distributions. We consider a class of space-time regression models for the analysis of satellite data on a fixed latitude, which take into account temporal and longitudinal dependence of the observations. The models can be used to test the uniformity of long-term trends in different longitudinal ozone series. Using the property of circular matrices, explicit expressions of the likelihood functions are obtained. Asymptotic properties of the parameter estimates are briefly discussed. A diagnostic method is proposed to tentatively select the orders in the noise terms of the models. The space-time regression models are applied to the total ozone mapping spectrometer (TOMS) data for trend assessment.