Ek olarak,cistancheayrıca cildin elastikiyetini ve parlaklığını artırabilen ve hasarlı cilt hücrelerinin onarılmasına yardımcı olabilen kollajen üretimini teşvik etme işlevine de sahiptir.Cistanche Feniletanol Glikozitlerüzerinde önemli bir aşağı düzenleyici etkiye sahiptir.tirozinazaktivite ve tirozinaz üzerindeki etkinin rekabetçi ve geri dönüşümlü inhibisyon olduğu gösterilmiştir, bu da tirozinazı geliştirmek ve kullanmak için bilimsel bir temel sağlayabilir.beyazlatıcı maddelerCistanche'de. Bu nedenle, cistanche önemli bir role sahiptir.cilt beyazlatmak. Renk solmasını ve donukluğu azaltmak için melanin üretimini engelleyebilir; Vekollajen üretimini teşvik etmekcilt elastikiyetini ve parlaklığını artırmak için. Cistanche'nin bu etkilerinin yaygın olarak tanınması nedeniyle, birçok cilt beyazlatma ürünü, tüketici talebini karşılamak için Cistanche gibi bitkisel içerikleri aşılamaya başlamış ve böylece cilt beyazlatma ürünlerinde Cistanche'nin ticari değeri artmıştır. Özetle cilt beyazlatmada kistin rolü çok önemlidir. Antioksidan etkisi ve kollajen üreten etkisi, renk solmasını ve donukluğu azaltabilir, cilt elastikiyetini ve parlaklığını artırabilir ve böylece beyazlatma etkisi elde edebilir. Ayrıca, Cistanche'nin geniş uygulamasıcilt beyazlatmakürünler, ticari değerdeki rolünün küçümsenemeyeceğini göstermektedir.

Hangi Cistanche'nin En İyi Olduğunu Tıklayın

Daha fazla bilgi için:

david.deng@wecistanche.com WhatsApp:86 13632399501

Modeli gerçek sıcaklık zaman serileri ile sürmek.Geçici serotip çapraz korumasının aracılığı ile sıcaklığın yönlendirdiği mekanik model, verilerde gözlemlenenlere niteliksel olarak benzer dinamikler üretebildi (örn. S1 Ekindeki S12 Şekil'e bakın), böylece sıcaklığın önemli bir rol oynadığı hipotezini destekledi. rol. Bildirilen vakalar ile modellenmiş çıktımız arasındaki oranlar (tüm iller ve zaman içindeki noktalar için medyan 0,11), şuna göre neredeyse 30 kat daha fazladır (1 yıllık bir çapraz koruma için). Reich ve meslektaşları tarafından tahmin edilenler [19] (serotipler genelinde 0.0037 ile 0,0120 arasındaki medyan değerler), modeldeki bulaşma oranlarının nispeten düşük olabileceğini düşündürür. Ancak, sonuçlarımız aktarımdaki değişikliklere karşı sağlamdı (bkz. S1 Ekindeki "Sağlamlık testleri" bölümü). Simülasyon 1 için (72 il için sıcaklık zaman serisi kullanılarak), model çıktısı için WMF her zaman istatistiksel olarak önemli bir senkronizasyona sahipti (Şekil 2C). Modellenmiş dang çıktısı ile dang humması verileri WMF'leri (Şekil 2B ve 2C) arasındaki Pearson ve Spearman korelasyonları sırasıyla 0.29 (P=0.017) ve 0.32 (P=0.011) idi. Bu korelasyon katsayılarının istatistiksel olarak anlamlı olması, ancak dang humması vakaları ile sıcaklık arasındakilerin olmaması, çapraz koruma ile birlikte modelde kodlanan sıcaklıktaki lineer olmama durumlarının dang dinamiklerinin önemli unsurları olduğunu düşündürür. Bu korelasyon katsayıları, ortalama çapraz koruma süresine ilişkin farklı varsayımlar için hala önemliydi (S1 Ekindeki S1 Tablosu). İller genelinde sıcaklık ve model çıktısı arasındaki faz açıları, beklendiği gibi, çoğu zaman noktasında tutarlı ve istatistiksel olarak anlamlıydı (Şekil 2E). Çapraz korumaya ilişkin farklı varsayımlar kullanan model çıktıları için WMF'ler ve CWMF'ler, S1 Ekindeki S13 Şekil'de gösterilmektedir ve daha uzun ortalama çapraz korumalarla (örn. 2 yıl), modellenen dang humması ve sıcaklık arasındaki faz açılarındaki tutarlılığın daha düşük olduğunu göstermektedir. daha kısa çapraz korumalara göre. Model çıktısı için hem WMF hem de CWMF, 1970'lerin başlarında, sıcaklıkta bulunanları yeniden üreten dikkate değer bir eşzamanlılık olayı içerir; bu özellik, veriler kullanılarak tahmin edilen WMF ve CWMF'de yoktur (Şekil 2B ve 2D). Ayrıca düşük ve yüksek senkronizasyon dönemleri için ayrı ayrı her il için modellenen dang humması çıktısının dalgacık spektrumları ile dang humması verileri arasındaki korelasyonları karşılaştırdık. Yüksek senkronizasyon koşullarındaki korelasyonlar da düşük senkronizasyon sırasındakinden önemli ölçüde daha yüksekti, ancak burada düşük senkronizasyon korelasyonları, sıcaklık ve dang humması verileri arasındaki düşük senkronizasyon korelasyonlarından ortalama olarak daha yüksekti (bkz. S2 Tablosu ve S16 Şekil, S1 Ek). Bu sonuçlar, modelin (bağışıklık dinamiklerini içeren) düşük senkronizasyon sırasında her ilde işleyen mekanizmaları yakaladığını ve sıcaklığın tek başına sağlayamadığı çok yıllı dang humması dinamiklerindeki bazı varyasyonları açıkladığını göstermektedir.

Bir sıcaklık gradyanı, eşzamansız dang humması dinamikleri oluşturabilir.Simülasyon 2'nin idealleştirilmiş deneyleri için, serotipler arasında en az ortalama 1 yıllık geçici çapraz koruma ile ortaya çıkan dang dinamiklerinin, tamamen dinamiklere atfedilebilen çok yıllı döngüleri (Şekil 4A-4C) içerdiğini bulduk. burada sıcaklıkta çok yıllı döngü olmadığı göz önüne alındığında bağışıklık. Bununla birlikte, bu döngülerin periyodikliği (ve genlikleri), sıcaklık rejiminin bir sonucu olarak değişti. Sıcaklık koşulları bulaşma için optimize edildikçe (yani ortalama sıcaklıklar arttıkça, örneğin Bangkok'ta sıcaklığı karakterize eden daha yüksek sıcaklıklara yaklaştıkça; S42 Şekil S1 Ekinde), dang hummasındaki çok yıllı bileşenlerin periyodikliği azalır (yani çok yıllı döngüler) daha sıktır) ve çok yıllı zaman ölçeklerindeki güç artar. Ortalama 2 yıllık çapraz koruma ile en yüksek ortalama sıcaklıkta, 2 ana eğilim nedeniyle mevsimsel döngüler neredeyse tamamen ortadan kalkar (Şekil 4C). Bir yandan, çapraz koruma uzadıkça, çok yıllı döngülerin gücü (ve dolayısıyla genlikleri) artar (Şekil 4A–4C). Öte yandan, bulaşmadaki mevsimsel değişim, en yüksek ortalama sıcaklıklarda en sınırlıdır (S44 Şekil S1 Ekinde), dolayısıyla dang humması vakalarında daha sınırlı bir mevsimsel değişim üretir. Birlikte ele alındığında, bu 2 eğilim, dinamiklerin giderek daha çok çapraz koruma yoluyla üretilen çok yıllı döngüler tarafından ve sıcaklıktaki mevsimsel değişimler tarafından daha az hakim hale geldiği anlamına gelir. Her sıcaklık rejimi için çok yıllı döngülerin periyodikliği, 1 ve 2 yıllık çapraz koruma araçları arasında çok az değişirken, önemleri: Daha uzun çapraz koruma ile, bu döngüler ortalama dalgacık gücünde artar. Tüm çapraz koruma varsayımları altında konumlar arasında üretilen dinamiklerin aralığı yeterince çeşitlidir: Eşzamanlılık algılanmamıştır (örn., Şekil 4D). Bununla birlikte, dang humması vakalarında gözlemlenen eşzamansızlığın bir kısmı (Şekil 2B), konumlar arasındaki sıcaklıktaki çok yıllı döngülerdeki eşzamansızlığa da bağlı olabilir.

Sıcaklıktaki yaygın çok yıllı dalgalanmalar, dang humması dinamiklerini senkronize edebilir.Farklı sıcaklık rejimleri farklı dang humması dinamikleri üretebildiğinden (Şekil 4A–4C), senkronizasyon için basit bir açıklama, ülke çapındaki sıcaklıkların bu dönemlerde daha benzer bir sıcaklık rejimine yakınsayarak daha senkronize dang dinamikleri ile sonuçlanması olabilir. Ancak, Tayland'da durum böyle olmamıştır (S38 S1 Ekinde Şekil). Bir sonraki hipotez, sıcaklıktaki çok yıllık yaygın bir dalgalanmanın dang humması dinamiklerini senkronize edebileceğidir. Simülasyon 3'ün sonucu, sıcaklıktaki çok yıllı dalgalanmanın genliği mevsimsel döngünün en az yüzde 20'si olduğunda, çapraz korumaya ilişkin tüm varsayımlar altında 6 konumun geçici olarak senkronize edilmesiydi (Şekil 4E). Dang hummasında senkronizasyon tipik olarak bir dizi zaman ölçeğinde tespit edildi. Ancak, çok yıllı dalgalanma mevsimsel döngünün genliğinin yüzde 10'u olduğunda ve ortalama çapraz koruma 2 yıl olduğunda, senkronizasyon daha zayıftı (S32 Şekil S1 Ekinde). Sıcaklıktaki çok yıllı dalgalanma daha uzun bir periyodikliğe (örn. 5 yıl) ve en az 1 yıllık bir çapraz korumaya sahip olduğunda, senkronizasyon da genellikle daha zayıftı.

Bağışıklık ve sıcaklığın oynadığı roller.Simülasyon 3 deneylerinde elde edilen senkronizasyon, ortalama çapraz koruma süresinin bir fonksiyonu olarak değişti: Senkronizasyon derecesi, daha uzun bir çapraz koruma ile düştü (S24–S32 S1 Ekindeki Şekiller). Nedenini açıklamak için, içsel ve dışsal faktörlerin ürettiği çok yıllı zaman ölçeklerinin nasıl etkileşime girdiğini daha iyi anlamamız gerekiyor. Sıcaklıkta tek bir çok yıllı dalgalanma olan (simülasyon 3) ve olmayan (simülasyon 2) simülasyonları karşılaştırmak, özellikle sıcaklıktaki çok yıllı dalgalanmanın bir sonucu olarak dang hummasındaki çok yıllı zaman ölçeklerinin nasıl değiştiğini ölçmemizi sağlar. Sıcaklıktaki çok yıllı dalgalanmanın periyodikliği, sonuçta ortaya çıkan dang humması dinamiklerinde genel olarak saptanabilirken, içsel dinamiklerin zaman ölçeklerine göre öneminin (yani, tek başına çapraz korumaya atfedilebilen dang çok yıllı zaman ölçekleri) aşağıdakilerin bir fonksiyonu olarak değiştiğini bulduk: ortalama sıcaklık, sıcaklıktaki mevsimsel genlik ve ortalama çapraz koruma (Şekil 5). Dang humması, artan ortalama sıcaklıklar, sıcaklıktaki daha küçük mevsimsel değişimler ve daha uzun çapraz korumalar ile sıcaklıktaki çok yıllı dalgalanmalara karşı daha duyarsız görünmektedir. Spesifik olarak, çapraz koruma süresi ve/veya ortalama sıcaklıklar arttıkça ve sıcaklıktaki mevsimsellik azaldıkça, çok yıllı içsel dinamiklerin gücü artar, öyle ki sıcaklıktaki çok yıllı dalgalanmanın etkisi çok büyük olabilir. Simülasyonlarımızda bu, özellikle daha yüksek ortalama sıcaklıklar ve ortalama 2 yıllık çapraz koruma için geçerlidir (Şekil 5).

Ayrıca, sıcaklıktaki çok yıllı dalgalanmanın, dang humması dinamiklerinde mutlaka doğrudan yeniden üretilmediğini de belirtmekte fayda var. Bunun yerine, sıcaklıkta çok yıllı dalgalanma olan ve olmayan simülasyonlar arasındaki faz açısını çizerken açıkça görülebileceği gibi, sıcaklıktaki çok yıllı dalgalanmanın ötesine zaman içinde uzayabilen dang humması vakalarında geçici bir tepki ortaya çıkarır (S33 Şekil S1 Ekinde) ). Bunlar hem sıcaklıktaki çok yıllı dalgalanmanın etkisinin kalıcı olabileceğini gösteriyor hem de sıcaklıktaki çok yıllı dalgalanmanın etkisinin daha uzun çapraz korumalar ve daha yüksek ortalama sıcaklıklarla azaldığını doğruluyor.

Tartışma

Analizlerimizde birkaç uyarı var. Sıcaklığa odaklanmayı seçtik çünkü bunun dang humması dinamiklerini mekanik olarak nasıl etkileyebileceğine dair özel teorilerimiz var. Bununla birlikte, dang hummasındaki her senkronizasyon modelini sıcaklıktaki senkronizasyona bağlayamadık. Örneğin, Tayland, 1972 civarında sıcaklıkta güçlü bir şekilde senkronize bir yıllık 2- dalgalanma yaşadı ve bu dalgalanma, model çıktımızda yeniden üretilirken, gözlemlenen dang humması dinamiklerinde bariz bir şekilde yoktu. Bu tutarsızlığı açıklayabilecek birçok neden var. Kayıtların önceki bölümünde, dang humması vakaları daha az etkili bir şekilde tespit edilmiş olabilir, bu nedenle potansiyel olarak altta yatan dinamiklerin çok yıllı özelliklerini niteliksel olarak yakalayamayabilir. Öte yandan, diğer çevresel değişkenler (özellikle yağış) ve bunların sıcaklıkla etkileşimi, dang humması vektörünün dinamikleri için muhtemelen önemlidir. Örneğin, sıcaklıktaki eş zamanlı bir olayın, dang hummasındaki çok yıllı döngüleri ne ölçüde senkronize edebileceği, o yıllardaki yağış miktarına veya yağmur mevsimlerinin zamanlamasına bağlı olabilir. Ek olarak, diğer çevresel olmayan mekanizmalar da dang hastalığında senkronizasyonu etkileyebilir. Karmaşık çok yıllı döngüler, eşzamanlılık ve zaman içinde eşzamanlılık derecesindeki değişimler teorik olarak, örneğin konakçıların konumlar arasındaki hareketi yoluyla üretilebilir [15]. Tayland'da aynı zamanda çok yıllı dinamikleri ve senkronizasyonu da etkileyebilecek bir dizi eşzamanlı değişiklik vardır. Örneğin, ülke genelinde doğum oranları düşüyor [53] ve düşüş oranları mekansal olarak heterojen olabilir. Benzer şekilde, ülke genelindeki nüfus yoğunluklarındaki uzun vadeli eğilimler de gözlemlenen uzay-zamansal kalıplara katkıda bulunabilir. Bu faktörlerin sıcaklıkla nasıl etkileşime girebileceğini ve gözlemlenen uzay-zamansal modellere nasıl katkıda bulunabileceğini keşfetmek, daha fazla ilgiyi hak ediyor. Burada kullandığımız mekanik model, verilerle karşılaştırıldığında, literatürde tahmin edilenlerden belirgin şekilde daha yüksek raporlama oranlarına da yol açmaktadır [19], bu da modeldeki iletim hızlarının düşük olabileceğini ima etmektedir. Duyarlı olanlar daha yavaş tükeneceğinden ve bağışıklığın ürettiği çok yıllı döngülerin periyodikliğinde bir artışa yol açacağından, daha düşük bulaşma hızlarının bağışıklığın dinamiklerini etkilemesi beklenebilir. Bununla birlikte, senkronizasyonla ilgili sonuçlarımız iletimdeki varyasyonlara karşı sağlamdır. Son olarak, kullandığımız model zorunlu olarak basitleştirici varsayımlarda bulunur (bkz. S1 Ekindeki "Dang humması modeliyle ilgili uyarılar" bölümü). Bu varsayımlardan hangisinin senkronizasyonu önemli ölçüde etkileyebileceğini anlamak için daha fazla çalışma gereklidir.

Gözlemlediğimiz sıcaklıkta eşzamanlı modeller, daha geniş klimatolojik modellerin bir sonucu olarak ortaya çıkar. Spesifik olarak, sıcaklıktaki eşzamanlı olaylar (Şekil 2A), sırasıyla ortalamadan daha yüksek ve daha düşük sıcaklıkların kaydedildiği güçlü El Niño ve La Niña olaylarıyla (1972 - 1973, 1982 - 1983, 1997 - 1998 ve 2014 - 2016) çakışır. ülke genelinde [54]. Eşzamanlılığın tespit edildiği çok yıllı zaman ölçeği, El Niño olaylarını ne ölçüde La Niña olaylarının izlediğine ve bunların güçlü yönlerine bağlı olabilir. El Niño Güney Salınımının (ENSO) etkilerinin geniş coğrafi erişimi nedeniyle, ENSO'nun yerel iklim koşullarında benzer bir tezahür gösterdiği diğer ülkelerde sıcaklığın dang dinamiklerini senkronize etmesini bekleyebiliriz, örneğin aşağıda gösterildiği gibi van Panhuis ve arkadaşları [40]. Aslında, birkaç çalışma dang humması dinamikleri ile ENSO arasındaki bağlantıları araştırmıştır (örn. [35,38,40,55,56]). Burada amacımız, dang humması vektörünü etkilediğini bildiğimiz çevresel bir değişken olan sıcaklığın, dang humması vakalarında asenkroni ve senkroni nasıl üretebileceğine dair spesifik hipotezleri test etmekti. ENSO ve dang humması dinamikleri arasındaki bağlantıyı çizerken dikkatli olunmalıdır, çünkü ENSO çevreyi sadece sıcaklığın ötesinde etkiler ve ENSO'nun herhangi bir yerdeki fiziksel belirtileri karmaşıktır ve zamanla değişebilir [57]. Örneğin, muhtemelen dang humması dinamiklerinde de rol oynayan yağış, ENSO ile de değişebilir (El Niño ile ilişkili daha kuru koşullar, La Niña ile daha nemli; [58]), ancak Tayland'da yağış ile ENSO arasındaki korelasyon artmıştır. zaman içinde, Hindistan'da ise tersi eğilim doğrudur [59].

Öncelikle dışsal (çevresel) faktörler tarafından yönlendirilen herhangi bir hastalık, bu çalışmada gözlemlediğimiz gibi, çevrede ve hastalıkta benzer bir çakışan ve ilişkili senkronize edici olaylar modeli sergileyebilir. Çalışmamız bağlamında dang hummasını karmaşık bir sistem yapan özellik, içsel dinamiklerin, dışsal etkenler (sıcaklık) ile benzer (çok yıllık) periyodikliklerde değişkenlik gösterebilmesi ve bu sistemdeki her birinin rolünü çözmede zorluğa yol açabilmesidir. Bu özellik, diğer hastalık sistemlerinde ortaktır ve dışsal ve içsel faktörlerin çözülmesi önceki çalışmalarda önemli bir soru olmuştur [29-34]. Burada bir dizi yöntem (CWMF'ler, düşük ve yüksek senkronizasyonda korelasyonlar) uyguladık ve geliştirdik ve her birinin göreli rolünü daha iyi anlamak için simülasyonlar kullandık. Bu nedenle yaklaşımımız, zaman ölçeklerinin benzer bir şekilde birbirine karıştığı ve içsel dinamiklerin dikkate alınması gereken önemli bir filtre oluşturabileceği diğer sistemler için yararlı olabilir (örn. Zika, chikungunya, respiratuar sinsityal virüs, gripte olduğu gibi).

Çoğu lokasyonun sıcaklıkları ortalama olarak artıyor ve mevsimsel değişimlerde azalıyor gibi görünmektedir (S39 ve S42 Şekiller S1 Ekinde). Bu eğilimler korunursa, sonuçlarımız, dang humması dinamiklerinin de yavaş yavaş değişebileceğini ve daha yüksek ortalama insidansla (S19-S21 S1 Ekindeki Şekiller) ve mevsimsel yerine çok yıllı dinamiklerin giderek daha fazla hakim olduğu bir rejime yaklaşabileceğini göstermektedir. döngüler. Çok yıllı döngüler ayrıca, sıcaklıkta mevcut olan çok yıllı zaman ölçekleri üzerindeki içsel faktörler tarafından büyük ölçüde belirlenebilir, bu da gelecekte sıcaklığın dang humması dinamiklerini daha az senkronize edebileceği anlamına gelir. Bununla birlikte, bu hipotezler, serotipler arasındaki etkileşimlerin ve diğer dışsal (örn. yağış) ve içsel faktörlerin (demografideki değişiklikler ve konakçıların konumlar arasındaki hareketi gibi) katkılarının daha kesin bir şekilde anlaşılmasına bağlıdır.

Malzemeler ve yöntemler

Veri

Sıcaklık zaman serileri, GHCN CAMS ızgaralı ({{0}},5˚ x 0,5˚ çözünürlük) aylık ortalama sıcaklık veri setinden (NOAA/OAR/ESRL PSD, Boulder, Colorado, ABD tarafından sağlanmıştır, indirilmiştir) elde edilmiştir. 18 Haziran 2019). Bu veri seti, Küresel Tarihsel Klimatoloji Ağı v2 ve İklim Anomalisi İzleme Sisteminden [60] (S37 ve S38 Şekiller S1 Ekinde) alınan istasyon gözlemlerini birleştirir. Zaman serisi 1948'de başlıyor. 12 Şubat 2019'da Tayland eyaletleri için şekil dosyalarını indirdik ve "PBSmapping" v2.72.1 R paketindeki "calcCentroid" işlevini kullanarak eyalet merkezlerini tahmin ettik. Daha sonra her ilin merkezine en yakın grid noktası kullanılarak her il için bir zaman serisi elde edildi.

Gerçek sıcaklık zaman serilerini kullanan simülasyonlar için (simülasyon 1; Tablo 1), Tayland Ulusal İstatistik Ofisi'nden 24 Kasım 2021'de indirilen her ilin 2020 nüfus büyüklüğünü (en yakın 1*105'e yuvarlanmış) kullanıyoruz. Sayılarda olduğu gibi durumlarda, 1982'den itibaren oluşturulan iller için popülasyonları birleştiriyoruz.

Dalgacık dönüşümleri

Dang humması vakalarının salınım davranışının zaman içinde nasıl değiştiğini keşfetmek için sürekli WT'ler uyguladık. WT'ler artık bulaşıcı hastalık dinamikleri çalışmasında [37,40,56,61,62] ve daha geniş olarak ekolojide [50,51] kapsamlı bir şekilde uygulanmaktadır. WT'ler, zaman serilerini frekans bileşenlerine ayırır, ancak Fourier dönüşümlerinin aksine, WT'ler ayrıca zaman içinde yerelleştirilir. Böylece, WT'ler durağan olmayan zaman serilerini ve farklı frekansların göreli öneminin zaman içinde nasıl değiştiğini karakterize etmek için kullanılabilir. WT'nin temeli, hem frekansta hem de zamanda lokalize (yani sınırlı süreli) bir "ana" dalgacıktır; bu daha sonra ölçeklenir veya uzatılır (frekans bileşeni için) ve zaman ekseni boyunca kaydırılır (zamansal için). bileşen) bir dizi "kız" dalgacık türetmek için. WT daha sonra zaman serileri ve kardeş dalgacıklar seti arasındaki bir korelasyon (veya daha özel olarak evrişimi) olarak anlaşılabilir [63].

WT'yi "WaveletComp" v1.1 R paketinde uygulandığı şekliyle kullanıyoruz—ayrıntılar paket belgelerinde [64] ve kodda sağlanmıştır ve burada bir özet verilmiştir. Paket bir Morlet ana dalgacığı kullanır, ψ(t)=π−1/4 exp(i ω t) exp(−t 2 /2), burada t, zamandır (t=1,. . ., T) ve ω açısal frekanstır, 6 radyan t −1'e ayarlanmıştır [64]. WT, W, τ zamanında ve s ölçeğinde (dönemle orantılı, frekansın tersi) şu şekildedir:

burada x(t) orijinal zaman serisidir ve * karmaşık eşleniği belirtir. W(τ,s), |W(τ,s)|'nin modülü, τ zaman noktasında ve s ölçeğinde yerel A genliğini verir. WT'nin herhangi bir çizimi veya doğrudan üzerinde yapılan hesaplamalar için A'yı düzeltiriz, böylece A(τ,s)=s −1/2 |W(τ,s)| [65]. A(τ,s) 2 dalgacık enerji yoğunluğudur. W(τ,s) ayrıca anlık yerel dalgacık fazını verir. WT, zaman ve ölçekte önemli fazlalık içermesine rağmen, orijinal zaman serisini (veya yalnızca belirli ölçekleri içeren zaman serilerini), WT'nin gerçek kısmı üzerinden toplama temelinde yeniden oluşturmak mümkündür [63].

Bu analizler için, WT'yi gerçekleştirmeden önce, ln dönüşümünden ve ortalama 0'ye ve 1'lik bir standart sapmaya normalleştirmeden önce dang humması vakalarının zaman serisine 1 değeri eklendi. dalgacık gücü hesaplanmadan önce dang humması vakalarının trendi kaldırılmadı çünkü sıfırlarla bir zaman serisinin trendi kaldırıldığında yapay olarak tuhaf modeller üretildi. Sıcaklık zaman serileri dönüştürülmedi; uzun vadeli doğrusal olmayan eğilimler, yerel bir polinom regresyonunun kalıntıları alınarak (0,75 açıklıklı "lös" işlevi kullanılarak) çıkarıldı ve trendden arındırılmış zaman serileri daha sonra yukarıdaki gibi normalleştirildi. Zaman serisinin sonlu uzunluğu nedeniyle, dalgacıklar zaman serisinin kenarlarının ötesine geçtiğinde, dönüşüm katsayılarının tahminleri daha az doğru olur. Bu sorun, zaman içinde daha da genişleyen dalgacıklar nedeniyle ölçekler arttıkça şiddetlenir [63,64]. Bu kenar etkilerinin mevcut olduğu bölgeler (genellikle "etki konisi" olarak anılır), dalgacık grafiklerinde kalın kesikli çizgilerle açıkça belirtilir.

Dang hummasının dinamikleri mevsimsel olsa da, önceki çalışmalar aynı zamanda belirgin çok yıllı zaman çizelgeleri belirlemiştir [27,35,37,40,56]. Bu çok yıllı zaman ölçekleriyle özellikle ilgileniyoruz; bu nedenle 1,5 yılı aşan zaman ölçeklerine odaklanıyoruz. Bu alt sınır, yıllık sinyalden çok yıllı zaman çizelgelerine sızmayı önler. Zaman ölçekleri arttıkça, kenar etkileri giderek daha fazla hakim olur ve güvenilir bir şekilde analiz edebileceğimiz süre kısalır. Ayrıca, önceki çalışmalar [35,40], daha kısa zaman serileri kullansalar da tipik olarak 2 ila 3 yılda çok yıllı bileşenleri tanımlamıştır. Bu nedenlerle, burada 1.5- ila 5-yıllık zaman ölçeklerine odaklanıyoruz (bundan böyle "çok yıllık" bileşenler veya zaman ölçekleri bu aralığa atıfta bulunur). Farklı termal rejimlerle karakterize edilen 4 temsili Tayland ili için dang humması ve sıcaklık zaman serileri ve bunların ilgili WT'si için S1 Ekindeki S43 Şekil'e bakın.

Dalgacık, senkronizasyon ölçüsü olarak ortalama alanlar

WMF'ler, hem ölçeğin hem de zamandaki noktanın bir fonksiyonu olarak bir senkronizasyon ölçüsü sağlar (daha fazla ayrıntı Sheppard ve meslektaşlarında bulunabilir [50,51]; burada sadece bir özet verilmiştir). Daha sezgisel olarak, WMF'ler, salınımların her iki aşamasının ve büyüklüğünün iller arasında tutarlı (veya daha senkronize) olduğu ölçekleri ve zaman noktalarını gösterir. WMF'ler, her bir WT'yi şu şekilde normalleştirdiğimiz tüm N konumlardaki (n=1,. . ., N) her bir konumun güçle normalleştirilmiş WT'lerinin bir ortalamasıdır.

Eşzamanlılığın, eşzamansız sıfır hipotezine karşı çok yıllı aralıkta istatistiksel olarak anlamlı olup olmadığını test etmek için, konumlar arasındaki fazların tutarlılığına odaklanıyoruz (S1 Ekindeki "(çapraz)dalgacık ortalama alanlarının önemini tahmin etme üzerine bir not" bölümüne bakın) WMF'lerin öneminin neden fazların tutarlılığına odaklandığına dair bir açıklama için). Bunu, şu şekilde tanımlanan dalgacık fazör ortalama alanını (WPMF) tahmin ederek yaparız:

dönüşümlerin karmaşık aşamaları hakkında bilgi tutan [51]. Farklı konumlar benzer bir faza sahip olduğunda, WPMF'nin değeri büyük olurken, her bir konumdaki faz diğer tüm konumlardan bağımsız olduğunda, WPMF'nin değeri küçük olacaktır. Her zaman serisindeki otokorelasyon yapısının korunduğu vekil veri kümeleri oluşturarak anlamlılığı test ediyoruz. Bunu, orijinal zaman serileriyle aynı Fourier spektrumuna sahip zaman serileri üreterek yapıyoruz [51]. Bu yaklaşımı izleyerek, "wsyn" v1.0.2 [66] R paketindeki "vekil" işlevini kullanarak 1,000 vekil zaman serisi ürettik. Her yedek veri kümesi için bir WPMF ürettik ve ardından, zaman içindeki her nokta için ve çok yıllı ölçekler genelinde,

Daha fazla bilgi için: david.deng@wecistanche.com WhatApp:86 13632399501