Diese Seiten untersuchen meteorologische Zeitreihen als zeitlich zusammenhängende Prozesse. Im Fokus stehen Abweichungen vom saisonal Erwartbaren, deren Dauer, Stärke und zeitliche Struktur.
Statistische Kenngrößen wie Persistenz, Autokorrelation oder Lag-Abhängigkeiten dienen hier der Beschreibung typischer Dynamiken, nicht der Vorhersage oder Kausalinterpretation.
Alle Auswertungen sind deskriptiv.
Autokorrelation beschreibt den linearen Zusammenhang einer Zeitreihe mit sich selbst bei zeitlicher Verschiebung.
Formal ist die Autokorrelation ρ(τ) der Pearson-Korrelationskoeffizient zwischen den Werten x(t) und x(t+τ), wobei τ der zeitliche Versatz (Lag) ist.
Für τ = 0 gilt stets ρ(0) = 1.
In diesen Auswertungen wird die Autokorrelation für tägliche Werte mit ganzzahligen Lags in Tagen berechnet. Es werden ausschließlich Wertepaarungen innerhalb desselben Kalenderjahres verwendet.
Grundlage ist die tägliche Anomalie ΔT(t) = Tmean(t) − Terwartet(DOY), wobei Terwartet als gebinnter Median (±7-Tage) aus den Referenzjahren gebildet wird. Gezeigt ist die Autokorrelation ρ(τ) für Lags τ = 0..60 Tage.
Schwarz: ρ(ΔT) · Rot: ρ(|ΔT|)
| Lag | ρ(ΔT) | ρ(|ΔT|) | Paare |
|---|---|---|---|
| 1 | 0.768 | 0.570 | 3742 |
| 3 | 0.351 | 0.131 | 3714 |
| 7 | 0.131 | 0.030 | 3658 |
| 14 | 0.004 | -0.029 | 3572 |
| 30 | -0.006 | 0.001 | 3380 |
| 60 | -0.030 | 0.001 | 3023 |
Paare = gültige (t, t+Lag) innerhalb desselben Jahres.
Die gezeigten Auswertungen basieren auf realen Daten aus dem laufenden Betrieb. Wenn dir etwas unklar ist oder du eine Auswertung vermisst, schreib mir.