基于净辐射资料的多云日数识别

Question

根据每日净辐射时间序列(在FluxNet/AMERIFlux站点计算)，我如何确定某一天是多云或晴天？我在某个地方读到，晴朗的天空辐射具有正弦行为。如果我们有不同的行为，那就意味着它是由云引起的。我不知道该怎么处理这个问题？下面是示例数据：https://drive.google.com/file/d/1f1YfWgPbg3fxhFG1DTNH9Ex3lTDqLBZp/view?usp=sharing

Answer 1

如果我们获取原始数据并将Time列从文本转换为我们可以处理的实际日期，这将有助于分析。我们还将删除带有NaN值的行：

df <- read.csv("net_rad.csv")

df$Date <- as.POSIXct(strptime(df$Time, "%m/%d/%Y"))
df <- df[!is.nan(df$NET_RAD),]

如果我们绘制每日净辐射图，我们可以看到一个明显的季节模式：

library(ggplot2)

ggplot(df, aes(Date, NET_RAD)) + geom_line()

​

​

我们可以利用季节分解来观察这些季节性影响，甚至消除它们：

net_rad_ts <- ts(df$NET_RAD, frequency = 365)
net_rad_decomp <- stats::decompose(net_rad_ts)
plot(net_rad_decomp)

​

​

我们可以看到，除了季节变化外，每个季节都有一个背景趋势和相当大的随机变化。我们还可以看到，夏季的变化似乎高于冬季(这是合理的)。

如果没有明确的截断来定义“多云”在净辐射方面的含义，我们可以简单地说明，在考虑到一年中的时间和随时间变化趋势之后，我们只想确定太阳辐射低于平均值的日子。所以我们可以：

df$cloudy <- as.logical(net_rad_decomp$random < 0)

这样，我们就可以绘制数据，显示那些在黄色中异常明亮的日子，以及那些在灰色中显得异常暗淡的日子：

ggplot(df, aes(Date, NET_RAD, colour = cloudy)) + 
  geom_point() +
  scale_color_manual(values = c("gold", "gray40")) +
  theme_bw()

​

​

这给了我们一个粗略的近似你的答案，这将足够，直到你想出一个很好的定义“多云”。