The impact of data missingness mechanisms and degradation levels on rainfall agroclimatic data analyses
本研究利用蒙特卡洛模拟证明，非随机缺失（MNAR）机制和较高的缺失量（高达20%）会显著偏置农业气候降水指数，其中最大连续干旱日数（CDD）表现出最强的敏感性，且与湿润地区相比，干燥地区受到的影响较小。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图烤出一个完美的蛋糕，但你手头的食谱却缺了几页。如果你靠猜测缺失的配料，你可能会做出美味的甜点，也可能做出一个硬邦邦的砖头。这正是研究天气和农业的科学家们每天面临的现实。他们依赖“降雨数据”——一份关于每天降雨量的长期、连续的日记——来预测农作物何时生长、干旱何时可能袭来，以及如何喂养数百万人。但在现实世界中，这些天气日记经常是残缺不全的。观测站损坏、电池耗尽，或者风暴摧毁了设备，导致记录中出现了巨大的空白。核心问题在于：数据丢失的方式是否重要？如果缺失的天数只是随机发生的意外，这与那些专门发生在强风暴期间的缺失天数有什么不同吗？如果我们尝试用数学方法填补这些空白，我们的“蛋糕”味道还会对吗，还是整个配方会彻底崩溃？
这项由来自津巴布韦的研究人员开展的研究，通过将降雨数据视为一场“填空游戏”，深入探讨了这个棘手的问题。他们拿了一份完美、完整的降雨记录，并故意在其中撕开漏洞，以观察会发生什么。他们测试了数据丢失的三种不同方式：“完全随机缺失”（就像书中的一页随机掉落）、“随机缺失”（缺失的数据取决于已观测到的数值，而非缺失值本身）以及“非随机缺失”（最糟糕的情况，即缺失的页面恰恰是那些包含最重要降雨量的页面，比如强风暴）。他们还测试了当移除 5%、10% 或 20% 的数据时，情况会变得多么糟糕。
研究人员并没有仅仅靠猜测；他们运行了一个大规模的计算机模拟（一次“蒙特卡洛”实验）超过 2,000 次，以观察这些缺失的部分如何干扰五项特定的天气测量指标：最长连续降水天数（降雨量至少为 3mm 的天数）、最长连续干旱天数（降雨量少于 3mm 的天数）、季节总降水量、雨季开始时间以及雨季结束时间。他们发现，数据的消失方式有着巨大的影响。当数据是“非随机缺失”（隐藏了强降雨）时，结果的偏差最大，造成的误差也最严重。令人惊讶的是，关于季节开始和结束时间的测量指标非常顽强；即使数据缺失，它们也基本保持准确。然而，最长连续干旱天数的测量指标却完全失控了。在干旱地区，即使是少量的缺失数据也会使干旱期的计算变得混乱，有时甚至会让结果产生接近 100% 的偏差。
研究还揭示了一个有趣的转折：降雨量较多的湿润地区在数据缺失时，其总降水量会出现更大的误差，仅仅是因为那里有更多的“东西”会丢失。但在该国最干旱的部分，总降水量数值保持得相当稳定，因为原本就没有多少降雨。然而，那些干旱地区付出了另一种代价：它们追踪干旱期的能力完全崩溃了。研究人员得出结论，虽然我们无法阻止天气观测站损坏，但我们需要非常谨慎地处理如何填补空白。如果我们假设缺失的数据是随机的，而实际上它隐藏了风暴，那么我们对农民的预测可能会出现危险的错误，从而可能导致规划不周和减产。这项研究表明，保持我们的天气仪器正常运转才是最好的“配方”，因为没有任何数学方法可以完美修复一本残缺的日记。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。