文章内容仅用于自己知识学习和分享，如有侵权，还请联系并删除 ：）
泰勒图(Taylor diagram) 可以简单的理解为一种的可同时展示相关系数（their correlation）、中心均方根误差（their centered root-mean-square difference ）、标准差(the amplitude of their variations , represented by their standard deviations) 三个指标的可视化图表 [1]。
在做模型相关的工作时，我们经常会需要比较模拟效果。当使用多个模型时，看那个模型的模拟效果更好些，模拟误差更小，仅仅画散点图进行比较是不直观的。Taylor Diagram 泰勒图是一种可以直观进行模型比较的方法。它巧妙利用三角函数几何原理，把三种评价模型的指标在一张图上展现 [4]。
这里主要介绍为三个指标所代表的含义和为什么选择以上三个指标 [1][2]。
为了研究两个变量在变化过程中的相似程度，我们引入了相关系数。如下图可知，情况1和情况2中，X（红）和 Y（绿）的 同步率都很高，意味着情况1和情况2，X和Y的相关系数都很高。
但是在X、Y两个变量同向变化时候，X变化的幅度不一样。 这时候就需要引入中心均方根误差和标准差来描述变化的幅度。（详细描述可参考[1] link ）
这里以评估GPP模型表现为例，介绍泰勒图的应用，具体描述可见 [2] link
简单来说，泰勒图能够直观地展示下述的四种信息
这里主要介绍基于R语言的绘制方法 [7]。
# R-openair包是一个提供空气质量数据(air quality data)的第三方包，其提供的TaylorDiagram() 绘图函数就可以很好的绘制泰勒图
install.package("tidyverse")
install.package("openair")
library(openair)
library(tidyverse)
# Step2-1: 加载数据
dat <- selectByDate(mydata, year = 2003)
dat <- data.frame(date = mydata$date, obs = mydata$nox, mod = mydata$nox)
dat <- transform(dat, month = as.numeric(format(date, "%m")))
mod1 <- transform(dat, mod = mod + 10 * month + 10 * month * rnorm(nrow(dat)),
model = "model 1")
# model 1
mod1 <- transform(mod1, mod = c(mod[5:length(mod)], mod[(length(mod) - 3) :
length(mod)]))
# model 2
mod2 <- transform(dat, mod = mod + 7 * month + 7 * month * rnorm(nrow(dat)),
model = "model 2")
# model 3
mod3 <- transform(dat, mod = mod + 3 * month + 3 * month * rnorm(nrow(dat)),
model = "model 3")
mod.dat <- rbind(mod1, mod2, mod3)
# Step2-2: 可视化绘制 (结果见下方)
## -----------------------------
## (1) basic Taylor plot
## -----------------------------
TaylorDiagram(mod.dat, obs = "obs", mod = "mod", group = "model")
## -----------------------------
## (2) Taylor plot by season
## -----------------------------
TaylorDiagram(mod.dat, obs = "obs", mod = "mod", group = "model", type = "season")
## -----------------------------
## (3) now show how to evaluate model improvement (or otherwise)
## -----------------------------
mod1a <- transform(dat, mod = mod + 2 * month + 2 * month * rnorm(nrow(dat)),
model = "model 1")
mod2a <- transform(mod2, mod = mod * 1.3)
mod3a <- transform(dat, mod = mod + 10 * month + 10 * month * rnorm(nrow(dat)),
model = "model 3")
mod.dat2 <- rbind(mod1a, mod2a, mod3a)
mod.dat$mod2 <- mod.dat2$mod
## now we have a data frame with 3 models, 1 set of observations
## and TWO sets of model predictions (mod and mod2)
## do for all models
TaylorDiagram(mod.dat, obs = "obs", mod = c("mod", "mod2"), group = "model")
## -----------------------------
## (4) all models, by season
## -----------------------------
TaylorDiagram(mod.dat, obs = "obs", mod = c("mod", "mod2"), group = "model",
type = "season")
## -----------------------------
##(5) consider two groups (model/month). In this case all months are shown by model
## but are only differentiated by model.
## -----------------------------
TaylorDiagram(mod.dat, obs = "obs", mod = "mod", group = c("model", "month"))
(1) dat
（2） mod1
（3） mod2
（1）basic Taylor plot
(2) Taylor plot by season
(3) now show how to evaluate model improvement (or otherwise)
(4) all models, by season
(5) consider two groups (model/month). In this case all months are shown by model but are only differentiated by model
[1] 科学网： 我们为什么要用泰勒图验证模型模拟精度？: link （原理）
[2] 知乎： 带散点标注的泰勒图绘制（Taylor Diagram）——R语言: link （原理和案例）
[3] 知乎：泰勒图（Taylor Diagrams）原理及绘制 link
[4] 科学网：Use R: 画泰勒图 Taylor Diagram,模型比较一目了然: link （原理）
[5] CSDN: 泰勒图（Taylor diagram): link
[6] 超干货 | 泰勒图(Taylor diagram)绘制方法大汇总: link
[7] R package和案例：link