根据净辐射数据识别阴天

Question

如何根据每天的净辐射时间序列（在FluxNet / AMERIFlux站点上计算）确定特定的日子是多云还是晴朗的天空？我在某处看到晴朗的天空辐射具有正弦行为。如果我们得到不同的行为，则意味着它是由云引起的。我不知道如何精确地解决这个问题？以下是示例数据：https://drive.google.com/file/d/1f1YfWgPbg3fxhFG1DTNH9Ex3lTDqLBZp/view?usp=sharing

Answer 1

如果我们获取您的原始数据并将Time列从文本转换为可以使用的实际日期，这将有助于分析。我们还将删除具有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，我们会看到一个清晰的季节性模式：

library(ggplot2)

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

我们可以使用季节性分解来查看这些季节性影响，甚至可以将它们删除：

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，每个季节内都有背景趋势和相当大的随机变化。我们还可以看到，夏季的方差似乎大于冬季的方差（这是有道理的）

如果没有清晰的界限来定义“阴天”在净辐射方面的含义，我们可以简单地指定，在考虑了一年中的时间和随时间变化的趋势之后，我们想要确定太阳辐射低于平均水平的日子。 。因此，我们可以这样做：

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

这使我们能够绘制数据，显示黄色的季节异常明亮，而灰色的季节异常暗：

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

这使我们对您的答案有一个大概的近似，直到您对“阴天”有了一个很好的定义为止，这才足够。