全球变暖预测：SFTS模型下的温度异常分析与比较

本篇论文深入探讨了全球变暖现象的测量方法，特别关注的是利用切片功能时间序列（SFTS）模型来预测全球和南北半球的平均温度异常。作者Farah Yasmeen从美国国家航空航天局（NASA）的戈达德空间研究所（GISS）获取了详尽的陆地和海洋表面温度数据，这些数据涵盖自1880年以来每个月、每个季度和每年的全球平均气温，以及北半球和南半球的相应数据，直至2019年3月。 研究的核心是应用SFTS模型对过去一个多世纪的温度变化进行分析。通过对全球地表温度的变化进行细致研究，论文旨在解决关于全球变暖的现实性问题，尤其是针对上个世纪期间全球及南北半球温度序列中出现的离群值。通过对比SFTS模型与其他分析方法，如ARIMA模型、带漂移的随机游走模型和指数平滑状态空间（ETS）模型，作者评估了不同模型在预测方面的准确性和稳定性。 论文的比较部分主要基于均方根误差（RMSE）、平均绝对百分比误差（MAPE）以及预测间隔的长度等指标，以确定SFTS模型在预测未来20年内温度异常方面的能力。这样的量化分析有助于科学家们理解哪种模型更有效地捕捉全球气候变化趋势，并为气候政策制定者提供科学依据。 此外，论文的发表在《开放应用科学杂志》（Open Journal of Applied Sciences）上，展示了国际学术界对这一主题的关注和贡献。通过分享这种方法和结果，本文不仅提供了对全球变暖趋势的深入见解，也为未来气候研究和预测技术的发展提供了新的视角和工具。 这项研究对于理解全球气候变化的关键变量，提升温度异常预测的精度，并推动全球变暖议题的讨论具有重要意义。通过将理论与实际数据相结合，它为我们提供了对地球温度变化更为精确的认识，从而帮助我们更好地应对气候变化带来的挑战。