Климат как сложные сети - Climate as complex networks

Поле сложные сети превратилась в важную область науки, позволяющую по-новому взглянуть на природу сложных систем.[1][2] Применение теории сетей к климатология это молодая и развивающаяся область.[3][4][5][6] Чтобы определить и проанализировать закономерности глобального климата, ученые моделируют климатические данные в виде сложных сетей.

В отличие от большинства реальных сетей, где узлы и края хорошо определены, в климатических сетях узлы идентифицируются как места в пространственной сетке базового набора глобальных климатических данных, которые могут быть представлены в различных разрешениях. Два узла соединены ребром в зависимости от степени статистического сходства (что может быть связано с зависимостью) между соответствующими парами Временные ряды взято из климатических записей.[4][5][7][8]Подход климатической сети позволяет по-новому взглянуть на динамику климатическая система в разных пространственных и временных масштабах.[5][9][10]

Строительство климатических сетей

В зависимости от выбора узлы и / или края, климатические сети могут принимать самые разные формы, формы, размеры и сложности. Цонис и др. представила область сложных сетей для климата. В их модели узлы сети состояли из одной переменной (500 гПа) от NCEP / NCAR повторный анализ наборы данных. Чтобы оценить края между узлами, коэффициент корреляции при нулевом временном лаге между всеми возможными парами узлов оценивались. Пара узлов считалась связанной, если их коэффициент корреляции выше порога 0,5.[1]

Команда Хэвлина представила метод взвешенных связей, который учитывает (i) временную задержку соединения, (ii) максимум взаимная корреляция по временной задержке и (iii) уровень шума в функции взаимной корреляции.[4][8][9][10][11]

Штайнхойзер и его команда представили новую технику многомерный сети в климат путем построения сетей отдельно из нескольких климатических переменных и учета их взаимодействия в многомерной прогнозной модели. В их исследованиях было продемонстрировано, что в контексте климата извлечение предикторов на основе кластер атрибуты дают информативные предшественники для улучшения предсказательный навыки.[7]

Kawale et al. представил подход, основанный на графах, для поиска диполей в данных о давлении. Учитывая важность дистанционное соединение, эта методология может дать важную информацию. [12]

Imme et al. представил новый тип построения сети в климатических условиях на основе временной вероятностной графической модели, которая обеспечивает альтернативную точку зрения, фокусируясь на потоке информации в сети во времени. [13]

Приложения климатических сетей

Климатические сети позволяют понять динамика из климат система во многих пространственных масштабах. Местный степень центральности и соответствующие меры были использованы для идентификации суперузлов и их связи с известными динамическими взаимосвязями в атмосфере, называемыми дистанционное соединение узоры. Было отмечено, что климатические сети обладают "маленький мир" свойства за счет дальних пространственных связей.[3]

Температуры в разных зонах мира не показывают значительных изменений из-за Эль-Ниньо кроме случаев, когда измерения проводятся в ограниченной зоне в Тихий океан. Ямасаки и др. обнаружили, напротив, что динамика климатической сети, основанная на одних и тех же записях температуры в различных географических зонах мира, в значительной степени зависит от Эль-Ниньо. В течение Эль-Ниньо многие звенья сети разорваны, а количество уцелевших звеньев представляет собой особую и чувствительную меру для Эль-Ниньо События. Хотя в периоды, не связанные с Эль-Ниньо, эти связи, которые представляют корреляции между температурами в разных местах, более стабильны, быстрые колебания корреляций наблюдаются во время Эль-Ниньо периоды приводят к разрыву ссылок.[4]

Более того, Gozolchiani et al. представил структуру и эволюцию климата сеть в разных географических зонах и обнаруживают, что сеть уникальным образом реагирует на Эль-Ниньо События. Они обнаружили, что когда Эль-Ниньо события начинаются, Эль-Ниньо бассейн теряет влияние на свое окружение, почти полностью зависит от своего окружения и становится автономным. Формирование автономного бассейна - это недостающее звено для понимания, казалось бы, противоречивых явлений отмеченного выше ослабления взаимозависимостей в климатической сети во время Эль-Ниньо и известное влияние аномалий внутри Эль-Ниньо бассейна по глобальной климатической системе.[9]

Steinhaeuser et al. применял сложные сети для исследования многомерных и многомасштабный зависимость в климатических данных. Результаты группы показали близкое сходство наблюдаемых моделей зависимости от нескольких переменных в разных временных и пространственных масштабах.[6]

Цонис и Робер исследовали архитектуру связи климатической сети. Было обнаружено, что вся сеть возникает из взаимосвязанных подсетей. Одна подсеть работает на больших высотах, а другая - в тропиках, а экваториальная подсеть действует как агент, связывающий два полушария. Хотя обе сети обладают Недвижимость в маленьком мире, две подсети существенно отличаются друг от друга с точки зрения сетевых свойств, таких как распределение степеней.[14]

Donges et al. прикладные климатические сети для физики и нелинейных динамических интерпретаций климата. Команда использовала меру центральности узла, центральность посредственности (BC), чтобы продемонстрировать волнообразные структуры в до н.э поля климатических сетей, построенные на основе среднемесячного повторного анализа и модели общей циркуляции, связанной с атмосферой и океаном (AOGCM) температура приземного воздуха (SAT) данные.[15]

Характер местных суточных колебаний климатических полей, таких как температуры и геопотенциальные высоты, нестабилен и трудно предсказуем. Как ни странно, Березин и другие. обнаружили, что наблюдаемые отношения между такими колебаниями в различных географических регионах дают очень устойчивую структуру сети, которая остается очень стабильной во времени.[8]

Людешер и др. нашли доказательства того, что крупномасштабный кооперативный режим - связывание Эль-Ниньо бассейн (экваториальный тихоокеанский коридор) и остальная часть океана - накапливается примерно за календарный год до потепления. На этой основе они разработали эффективную схему 12-месячного прогнозирования явлений Эль-Ниньо.[16] Глобальное влияние EN было изучено с использованием климатических сетей в Jing-fang et al. [17]

Схема связности сетей, основанная на записях температуры на уровне земли, показывает плотную полосу связей во внетропических зонах южного полушария. Ван и др. [10]показали, что статистическая категоризация этих связей дает четкую связь с характером атмосферных волн Россби, одним из основных механизмов, связанных с погодной системой и переносом энергии в планетарном масштабе. Показано, что чередующиеся плотности отрицательных и положительных звеньев расположены на половине расстояний волн Россби около 3500, 7000 и 10 000 км и совпадают с ожидаемым направлением потока энергии, распределением временных задержек и сезонностью этих волн. Кроме того, линии на большие расстояния, связанные с волнами Россби, являются наиболее доминирующими звеньями в климатической сети.

Различные определения звеньев в климатических сетях могут привести к существенно различающимся топологиям сетей. Используя анализ колебаний без тренда, перемешанные суррогаты и анализ разделения морских и континентальных записей, Guez et al. обнаружил, что одним из основных факторов, влияющих на структуру климатических сетей, является наличие сильных автокорреляций в записях, которые могут создавать ложные связи. Это объясняет, почему разные методы могут привести к разным топологиям климатической сети.[18]

Путь телесвязи

Телесоединения играют важную роль в динамике климата. Был разработан метод климатической сети для определения прямых путей телесвязи на земном шаре.[19]

Телесоединения представляют собой пространственные структуры в атмосфере, которые связывают погодные и климатические аномалии на больших расстояниях по всему миру. Телесоединения обладают такими характеристиками, что они постоянны, длятся от 1 до 2 недель, а часто и намного дольше, и они являются повторяющимися, поскольку аналогичные схемы имеют тенденцию повторяться. Наличие телесвязи связано с изменениями температуры, ветра, осадков, атмосферных переменных, представляющих наибольший интерес для общества.[20]

Вычислительные проблемы и проблемы

Существует множество вычислительных проблем, которые возникают на различных этапах процесса построения и анализа сети в области климатических сетей:[21]

  1. Вычисление попарных корреляций между всеми точками сетки - нетривиальная задача.
  2. Вычислительные требования для построения сети, которые зависят от разрешения пространственная сетка.
  3. Создание прогнозных моделей на основе данных создает дополнительные проблемы.
  4. Учет эффектов запаздывания и опережения по пространству и времени - нетривиальная задача.

Смотрите также

Рекомендации

  1. ^ а б Альберт, Река; Барабаши, Альберт-Ласло (2002). «Статистическая механика сложных сетей». Обзоры современной физики. 74 (1): 47–97. arXiv:cond-mat / 0106096. Bibcode:2002РвМП ... 74 ... 47А. Дои:10.1103 / RevModPhys.74.47. ISSN  0034-6861.
  2. ^ Коэн, Реувен; Хавлин, Шломо (2010). Сложные сети: структура, надежность и функции. Дои:10.1017 / CBO9780511780356. ISBN  9780511780356.
  3. ^ а б Tsonis, Anastasios A .; Swanson, Kyle L .; Роббер, Пол Дж. (2006). "Какое отношение сети имеют к климату?". Бюллетень Американского метеорологического общества. 87 (5): 585–595. Bibcode:2006БАМС ... 87..585Т. Дои:10.1175 / БАМС-87-5-585. ISSN  0003-0007.
  4. ^ а б c d Yamasaki, K .; Гозолчиани, А .; Хавлин, С. (2008). «Климатические сети по всему миру значительно подвержены влиянию Эль-Ниньо». Письма с физическими проверками. 100 (22): 228501. Bibcode:2008PhRvL.100v8501Y. Дои:10.1103 / PhysRevLett.100.228501. ISSN  0031-9007. PMID  18643467.
  5. ^ а б c Donges, J. F .; Zou, Y .; Marwan, N .; Куртс, Дж. (2009). «Сложные сети в динамике климата». Специальные темы Европейского физического журнала. Springer-Verlag. 174 (1): 157–179. arXiv:0907.4359. Bibcode:2009EPJST.174..157D. Дои:10.1140 / epjst / e2009-01098-2.
  6. ^ а б Steinhaeuser, Karsten; Ganguly, Auroop R .; Чавла, Нитеш В. (2011). «Многомасштабная и многомасштабная зависимость в глобальной климатической системе, выявленная через сложные сети». Климатическая динамика. 39 (3–4): 889–895. Bibcode:2012ClDy ... 39..889S. Дои:10.1007 / s00382-011-1135-9. ISSN  0930-7575.
  7. ^ а б Steinhaeuser, K .; Chawla, N.V .; Гангулы, А. (2010). «Сложные сети как единая основа для описательного анализа и прогнозного моделирования в климатологии». Статистический анализ и интеллектуальный анализ данных. John Wiley & Sons, Inc. 4 (5): 497–511. Дои:10.1002 / sam.10100.
  8. ^ а б c Березин, Ю .; Гозолчиани, А .; Guez, O .; Хавлин, С. (2012). «Устойчивость климатических сетей во времени». Научные отчеты. 2: 666. arXiv:1109.5364. Bibcode:2012НатСР ... 2Е.666Б. Дои:10.1038 / srep00666. ISSN  2045-2322. ЧВК  3444802. PMID  22993691.
  9. ^ а б c Гозолчиани, А .; Havlin, S .; Ямасаки, К. (2011). «Возникновение Эль-Ниньо как автономного компонента климатической сети». Письма с физическими проверками. 107 (14): 148501. arXiv:1010.2605. Bibcode:2011ПхРвЛ.107н8501Г. Дои:10.1103 / PhysRevLett.107.148501. ISSN  0031-9007. PMID  22107243.
  10. ^ а б c Ван, Ян; Гозолчиани, Ави; Ашкенази, Йосеф; Березин, Йехиель; Гез, Одед; Хавлин, Шломо (2013). «Доминирующий отпечаток волн Россби в климатической сети». Письма с физическими проверками. 111 (13): 138501. arXiv:1304.0946. Bibcode:2013ПхРвЛ.111м8501Вт. Дои:10.1103 / PhysRevLett.111.138501. ISSN  0031-9007. PMID  24116820.
  11. ^ Guez, O .; Гозолчиани, А .; Березин, Ю .; Wang, Y .; Хавлин, С. (2013). «Глобальная климатическая сеть развивается с фазами североатлантического колебания: связь с южной частью Тихого океана». EPL. 103 (6): 68006. arXiv:1309.1905. Bibcode:2013EL .... 10368006G. Дои:10.1209/0295-5075/103/68006. ISSN  0295-5075.
  12. ^ Kawale J .; Liess S .; Кумар А .; Steinbach M .; Ganguly AR .; Саматова Ф; Semazzi F; Снайдер К; Кумар В. (2011). «Обнаружение динамических климатических диполей на основе данных» (PDF). Материалы конференции 2011 г. по интеллектуальному пониманию данных, CIDU 2011, 19–21 октября 2011 г., Маунтин-Вью, Калифорния, США: 30–44.
  13. ^ Имме, Эберт-Упхофф; Дэн, И (2012). «Новый тип климатической сети на основе вероятностных графических моделей: результаты бореальной зимы по сравнению с летом». Письма о геофизических исследованиях. Springer-Verlag. 39 (19): 157–179. Bibcode:2012GeoRL..3919701E. Дои:10.1029 / 2012GL053269.
  14. ^ Tsonis, A.A .; Роббер, П.Дж. (2004). «Архитектура климатической сети». Physica A: Статистическая механика и ее приложения. 333: 497–504. Bibcode:2004PhyA..333..497T. Дои:10.1016 / j.physa.2003.10.045. ISSN  0378-4371.
  15. ^ Donges, J. F .; Zou, Y .; Marwan, N .; Куртс, Дж. (2009). «Основа климатической сети». EPL. 87 (4): 48007. arXiv:1002.2100. Bibcode:2009EL ..... 8748007D. Дои:10.1209/0295-5075/87/48007. ISSN  0295-5075.
  16. ^ Ludescher, J .; Гозолчиани, А .; Богачев, М. И .; Bunde, A .; Havlin, S .; Шелльнхубер, Х. Дж. (2014). «Очень раннее предупреждение о следующем Эль-Ниньо». Труды Национальной академии наук. 111 (6): 2064–2066. Bibcode:2014PNAS..111.2064L. Дои:10.1073 / pnas.1323058111. ISSN  0027-8424. ЧВК  3926055. PMID  24516172.Людешер, Йозеф; Гозолчиани, Ави; Богачев, Михаил И .; Бунде, Армин; Хавлин, Шломо; Шельнхубер, Ганс Иоахим (16 июля 2013 г.). «Улучшенное прогнозирование Эль-Ниньо за счет обнаружения кооперативности». Труды Национальной академии наук Соединенных Штатов Америки. 110 (29): 11742–11745. arXiv:1304.8039. Bibcode:2013ПНАС..11011742Л. Дои:10.1073 / pnas.1309353110. ЧВК  3718177. PMID  23818627.
  17. ^ Фань, Цзинфан; Meng, Jun; Ашкенази, Йосеф; Хавлин, Шломо (18.07.2017). «Сетевой анализ показывает сильно локализованные воздействия Эль-Ниньо». Труды Национальной академии наук. 114 (29): 7543–7548. Bibcode:2017PNAS..114.7543F. Дои:10.1073 / pnas.1701214114. ISSN  0027-8424. ЧВК  5530664. PMID  28674008.
  18. ^ Guez, Oded C .; Гозолчиани, Ави; Хавлин, Шломо (2014). «Влияние автокорреляции на топологию климатической сети». Физический обзор E. 90 (6): 062814. arXiv:1407.6243. Bibcode:2014PhRvE..90f2814G. Дои:10.1103 / PhysRevE.90.062814. ISSN  1539-3755. PMID  25615155.
  19. ^ Чжоу, Донг; Гозолчиани, Ави; Ашкенази, Йосеф; Хавлин, Шломо (2015). «Пути телесвязи через обнаружение прямого канала климатической сети». Письма с физическими проверками. 115 (26): 268501. Bibcode:2015PhRvL.115z8501Z. Дои:10.1103 / PhysRevLett.115.268501. ISSN  0031-9007. PMID  26765033.
  20. ^ Фельдштейн, Стивен Б .; Францке, Кристиан Л. Э. (январь 2017 г.). "Шаблоны атмосферной телесвязи". В Franzke, Christian L.E; Оканэ, Теренс Дж (ред.). Нелинейная и стохастическая динамика климата. С. 54–104. Дои:10.1017/9781316339251.004. ISBN  9781316339251. Получено 2019-12-07.
  21. ^ Steinhaeuser K .; Чавла Н.В .; Гангулы А. (2010). «Комплексная сеть в области климатологии». Конференция по интеллектуальному пониманию данных: 16–26.