Podnebí jako složité sítě - Climate as complex networks - Wikipedia

Pole komplexní sítě se ukázala jako důležitá oblast vědy pro vytváření nových pohledů na podstatu složitých systémů[1][2] Aplikace teorie sítí na věda o klimatu je mladý a rozvíjející se obor.[3][4][5][6] Vědci za účelem identifikace a analýzy vzorců globálního klimatu modelují data o klimatu jako komplexní sítě.

Na rozdíl od většiny reálných sítí, kde uzly a hrany jsou dobře definovány, v klimatických sítích jsou uzly identifikovány jako místa v prostorové mřížce podkladového globálního souboru údajů o klimatu, které lze reprezentovat v různých rozlišeních. Dva uzly jsou spojeny hranou v závislosti na stupni statistické podobnosti (která může souviset se závislostí) mezi odpovídajícími páry časové řady převzato z klimatických záznamů.[4][5][7][8]Přístup založený na klimatické síti umožňuje nový pohled na dynamiku EU klimatický systém v různých prostorových a časových měřítcích.[5][9][10]

Výstavba klimatických sítí

V závislosti na výběru uzly a / nebo hrany „Klimatické sítě mohou mít mnoho různých forem, tvarů, velikostí a složitostí. Tsonis a kol. představil oblast komplexních sítí pro klima. V jejich modelu byly uzly pro síť tvořeny jedinou proměnnou (500 hPa) z Reanalýza NCEP / NCAR datové sady. Aby bylo možné odhadnout hrany mezi uzly, korelační koeficient byly odhadnuty nulové časové prodlevy mezi všemi možnými páry uzlů. Dvojice uzlů byla považována za spojenou, pokud byla korelační koeficient je nad prahovou hodnotou 0,5.[1]

Havlinův tým představil metodu vážených odkazů, která zohledňuje (i) časové zpoždění spojení, (ii) maximum vzájemná korelace v časovém zpoždění a (iii) úroveň šumu ve funkci vzájemné korelace.[4][8][9][10][11]

Steinhaeuser a tým představili novou techniku vícerozměrný sítě v klima konstrukcí sítí z několika klimatických proměnných samostatně a zachycením jejich interakce ve vícerozměrném predikčním modelu. Ve svých studiích bylo prokázáno, že v kontextu klimatu je extrakce prediktorů založena na shluk atributy zlepšují informativní prekurzory prediktivní dovednosti.[7]

Kawale a kol. představil grafický přístup k nalezení dipólů v údajích o tlaku. Vzhledem k důležitosti teleconnection, tato metodika má potenciál poskytnout významné poznatky. [12]

Imme a kol. představil nový typ konstrukce sítě v klimatu založený na časovém pravděpodobnostním grafickém modelu, který poskytuje alternativní hledisko zaměřením na tok informací v síti v čase. [13]

Aplikace klimatických sítí

Klimatické sítě umožňují nahlédnout do EU dynamika z klima systém v mnoha prostorových měřítcích. Místní stupně centrálnosti a související opatření byla použita k identifikaci superuzlů a jejich přidružení ke známým dynamickým vztahům v atmosféře, tzv teleconnection vzory. Bylo zjištěno, že klimatické sítě mají "malý svět" vlastnosti díky prostorovým spojům na velké vzdálenosti.[3]

Teploty v různých zónách světa nevykazují významné změny El Niño kromě případů, kdy se měří v omezené oblasti v EU Tichý oceán. Yamasaki a kol. naopak zjistili, že dynamika klimatické sítě založené na stejných teplotních záznamech v různých geografických zónách světa je významně ovlivněna El Niño. V době El Niño mnoho odkazů v síti je přerušeno a počet přežívajících odkazů zahrnuje specifické a citlivé opatření pro El Niño Události. Zatímco v obdobích jiných než El Niño jsou tyto vazby, které představují korelace mezi teplotami na různých místech, stabilnější, rychlé fluktuace korelací pozorované během El Niño období způsobují přerušení odkazů.[4]

Navíc Gozolchiani a kol. představil strukturu a vývoj podnebí síť v různých geografických zónách a zjistíte, že síť reaguje jedinečným způsobem El Niño Události. Zjistili, že když El Niño události začínají, El Niño pánev ztrácí vliv na své okolí téměř veškerou závislost na svém okolí a stává se autonomní. Vytvoření autonomní pánve je chybějícím článkem k pochopení zdánlivě protichůdných jevů výše zmíněného oslabení vzájemných závislostí v klimatické síti během El Niño a známý dopad anomálií uvnitř El Niño povodí globálního klimatického systému.[9]

Steinhaeuser a kol. aplikoval složité sítě k prozkoumání vícerozměrných a multi-scale závislost na datech o klimatu. Nálezy skupiny naznačovaly blízkou podobnost pozorovaných vzorců závislostí ve více proměnných v různých časových a prostorových měřítcích.[6]

Tsonis a Roeber zkoumali spojovací architekturu klimatické sítě. Bylo zjištěno, že celková síť vychází z propletených podsítí. Jedna podsíť pracuje ve vyšších nadmořských výškách a druhá v tropech, zatímco rovníková podsíť funguje jako agent spojující dvě hemisféry. Obě sítě však mají Majetek malého světa, 2 podsítě se od sebe podstatně liší, pokud jde o vlastnosti sítě, jako je rozdělení stupňů.[14]

Donges a kol. aplikované klimatické sítě pro fyziku a nelineární dynamické interpretace v klimatu. Tým použil míru centrálnosti uzlů, centrality mezi (BC) k prokázání vlnových struktur v před naším letopočtem pole klimatických sítí vytvořená z průměrného měsíčního reanalyzačního modelu a modelu obecné cirkulace spojeného s atmosférou a oceánem (AOGCM) povrchová teplota vzduchu (SAT) data.[15]

Schéma místních denních výkyvů klimatických polí, jako jsou teploty a geopotenciální výšky, není stabilní a je těžké jej předpovědět. Překvapivě, Berezin et al. zjistil, že pozorované vztahy mezi takovými výkyvy v různých geografických oblastech poskytují velmi robustní síťový vzorec, který v průběhu času zůstává vysoce stabilní.[8]

Ludescher a kol. našel důkaz, že rozsáhlý režim spolupráce - spojující El Niño povodí (rovníková tichomořská chodba) a zbytek oceánu - se hromadí přibližně v kalendářním roce před oteplovací událostí. Na tomto základě vyvinuli efektivní 12měsíční prognostické schéma pro události El Niño.[16] Globální dopad EN byl studován pomocí klimatických sítí v Jing-fang et al [17]

Vzorec připojení sítí založený na teplotních záznamech na úrovni země ukazuje hustý pruh odkazů v extra tropech jižní polokoule. Wang a kol [10]ukázaly, že statistická kategorizace těchto vazeb poskytuje jasnou souvislost se vzorem atmosférických Rossbyho vln, jednoho z hlavních mechanismů spojených s meteorologickým systémem a s přenosem energie v planetárním měřítku. Ukazuje se, že střídavé hustoty negativních a pozitivních vazeb jsou uspořádány do poloviny Rossbyho vlnových vzdáleností kolem 3 500, 7 000 a 10 000 km a jsou vyrovnány s očekávaným směrem toku energie, distribucí časových zpoždění a sezónností těchto vln. Kromě toho jsou odkazy na velké vzdálenosti spojené s Rossbyho vlnami nejdominantnějšími odkazy v klimatické síti.

Různé definice odkazů v klimatických sítích mohou vést ke značně odlišné topologii sítě. Guez a kol. S využitím zadržené fluktuační analýzy, zamíchaných náhradníků a separační analýzy námořních a kontinentálních záznamů zjistili, že jedním z hlavních vlivů na strukturu klimatických sítí je existence silných autokorelací v záznamech, které mohou zavádět falešné odkazy. To vysvětluje, proč by různé metody mohly vést k různým topologiím klimatických sítí.[18]

Teleconnection path

Telekomunikace hrají důležitou roli v dynamice klimatu. Metoda klimatické sítě byla vyvinuta k identifikaci přímých cest na celém světě telekomunikačních připojení.[19]

Telekomunikace jsou prostorové vzorce v atmosféře, které spojují počasí a klimatické anomálie na velké vzdálenosti po celém světě. Telekomunikace mají vlastnosti, které jsou trvalé, trvají 1 až 2 týdny a často mnohem déle a jsou opakované, protože se podobné vzory obvykle vyskytují opakovaně. Přítomnost telekomunikačních spojení je spojena se změnami teploty, větru, srážek, atmosférických proměnných, které mají největší společenský zájem.[20]

Výpočtové problémy a výzvy

V různých fázích procesu budování a analýzy sítě v oblasti klimatických sítí vyvstává řada výpočetních výzev:[21]

  1. Výpočet párových korelací mezi všemi body mřížky je netriviální úkol.
  2. Výpočetní náročnost výstavby sítě, která závisí na rozlišení prostorová mřížka.
  3. Generování prediktivních modelů z dat představuje další výzvy.
  4. Zahrnutí účinků zpoždění a olova v prostoru a čase je nepodstatný úkol.

Viz také

Reference

  1. ^ A b Albert, Réka; Barabási, Albert-László (2002). "Statistická mechanika komplexních sítí". Recenze moderní fyziky. 74 (1): 47–97. arXiv:cond-mat / 0106096. Bibcode:2002RvMP ... 74 ... 47A. doi:10.1103 / RevModPhys.74.47. ISSN  0034-6861.
  2. ^ Cohen, Reuven; Havlin, Shlomo (2010). Komplexní sítě: struktura, robustnost a funkce. doi:10.1017 / CBO9780511780356. ISBN  9780511780356.
  3. ^ A b Tsonis, Anastasios A .; Swanson, Kyle L .; Roebber, Paul J. (2006). „Co mají sítě společného s podnebím?“. Bulletin of American Meteorological Society. 87 (5): 585–595. Bibcode:2006 BAMS ... 87..585T. doi:10.1175 / BAMS-87-5-585. ISSN  0003-0007.
  4. ^ A b C d Yamasaki, K .; Gozolchiani, A .; Havlin, S. (2008). „Klimatické sítě po celém světě jsou El Niño významně ovlivněny“. Dopisy o fyzické kontrole. 100 (22): 228501. Bibcode:2008PhRvL.100v8501Y. doi:10.1103 / PhysRevLett.100.228501. ISSN  0031-9007. PMID  18643467.
  5. ^ A b C Donges, J. F .; Zou, Y .; Marwan, N .; Kurths, J. (2009). "Komplexní sítě v klimatické dynamice". Zvláštní témata v Evropském fyzickém žurnálu. Springer-Verlag. 174 (1): 157–179. arXiv:0907.4359. Bibcode:2009EPJST.174..157D. doi:10.1140 / epjst / e2009-01098-2.
  6. ^ A b Steinhaeuser, Karsten; Ganguly, Auroop R .; Chawla, Nitesh V. (2011). „Vícerozměrná a vícenásobná závislost v globálním klimatickém systému odhalená prostřednictvím komplexních sítí“. Dynamika podnebí. 39 (3–4): 889–895. Bibcode:2012ClDy ... 39..889S. doi:10.1007 / s00382-011-1135-9. ISSN  0930-7575.
  7. ^ A b Steinhaeuser, K .; Chawla, N.V .; Ganguly, A.R. (2010). „Komplexní sítě jako jednotný rámec pro deskriptivní analýzu a prediktivní modelování ve vědě o klimatu“. Statistická analýza a dolování dat. John Wiley & Sons, Inc. 4 (5): 497–511. doi:10.1002 / sam.10100.
  8. ^ A b C Berezin, Y .; Gozolchiani, A .; Guez, O .; Havlin, S. (2012). „Stabilita klimatických sítí v čase“. Vědecké zprávy. 2: 666. arXiv:1109.5364. Bibcode:2012NatSR ... 2E.666B. doi:10.1038 / srep00666. ISSN  2045-2322. PMC  3444802. PMID  22993691.
  9. ^ A b C Gozolchiani, A .; Havlin, S .; Yamasaki, K. (2011). „Vznik El Niño jako autonomní složky v klimatické síti“. Dopisy o fyzické kontrole. 107 (14): 148501. arXiv:1010.2605. Bibcode:2011PhRvL.107n8501G. doi:10.1103 / PhysRevLett.107.148501. ISSN  0031-9007. PMID  22107243.
  10. ^ A b C Wang, Yang; Gozolchiani, Avi; Ashkenazy, Yosef; Berezin, Yehiel; Guez, Oded; Havlin, Shlomo (2013). „Dominantní otisk Rossbyho vln v klimatické síti“. Dopisy o fyzické kontrole. 111 (13): 138501. arXiv:1304.0946. Bibcode:2013PhRvL.111m8501W. doi:10.1103 / PhysRevLett.111.138501. ISSN  0031-9007. PMID  24116820.
  11. ^ Guez, O .; Gozolchiani, A .; Berezin, Y .; Wang, Y .; Havlin, S. (2013). „Globální klimatická síť se vyvíjí ve fázích severoatlantického oscilace: připojení k jižnímu Tichému oceánu“. EPL. 103 (6): 68006. arXiv:1309.1905. Bibcode:2013EL .... 10368006G. doi:10.1209/0295-5075/103/68006. ISSN  0295-5075.
  12. ^ Kawale J .; Liess S .; Kumar A .; Steinbach M .; Ganguly AR .; Samatova F; Semazzi F; Snyder K; Kumar V. (2011). „Data Guided Discovery of Dynamic Climate Dipoles“ (PDF). Sborník konference z roku 2011 o porozumění inteligentním datům, CIDU 2011, 19. – 21. Října 2011, Mountain View, Kalifornie, USA: 30–44.
  13. ^ Imme, Ebert-Uphoff; Deng, Yi (2012). "Nový typ klimatické sítě založený na pravděpodobnostních grafických modelech: Výsledky boreální zimy versus léto". Dopisy o geofyzikálním výzkumu. Springer-Verlag. 39 (19): 157–179. Bibcode:2012GeoRL..3919701E. doi:10.1029 / 2012GL053269.
  14. ^ Tsonis, A.A .; Roebber, P.J. (2004). "Architektura klimatické sítě". Physica A: Statistická mechanika a její aplikace. 333: 497–504. Bibcode:2004PhyA..333..497T. doi:10.1016 / j.physa.2003.10.045. ISSN  0378-4371.
  15. ^ Donges, J. F .; Zou, Y .; Marwan, N .; Kurths, J. (2009). „Páteř klimatické sítě“. EPL. 87 (4): 48007. arXiv:1002.2100. Bibcode:2009EL ..... 8748007D. doi:10.1209/0295-5075/87/48007. ISSN  0295-5075.
  16. ^ Ludescher, J .; Gozolchiani, A .; Bogachev, M. I .; Bunde, A .; Havlin, S .; Schellnhuber, H. J. (2014). „Velmi včasné varování před dalším El Nino“. Sborník Národní akademie věd. 111 (6): 2064–2066. Bibcode:2014PNAS..111.2064L. doi:10.1073 / pnas.1323058111. ISSN  0027-8424. PMC  3926055. PMID  24516172.Ludescher, Josef; Gozolchiani, Avi; Bogachev, Michail I .; Bunde, Armin; Havlin, Shlomo; Schellnhuber, Hans Joachim (16. 7. 2013). "Vylepšené předpovědi El Nino díky detekci spolupráce". Sborník Národní akademie věd Spojených států amerických. 110 (29): 11742–11745. arXiv:1304.8039. Bibcode:2013PNAS..11011742L. doi:10.1073 / pnas.1309353110. PMC  3718177. PMID  23818627.
  17. ^ Ventilátor, Jingfang; Meng, červen; Ashkenazy, Yosef; Havlin, Shlomo (2017-07-18). „Síťová analýza odhaluje silně lokalizované dopady El Niño“. Sborník Národní akademie věd. 114 (29): 7543–7548. Bibcode:2017PNAS..114,7543F. doi:10.1073 / pnas.1701214114. ISSN  0027-8424. PMC  5530664. PMID  28674008.
  18. ^ Guez, Oded C .; Gozolchiani, Avi; Havlin, Shlomo (2014). "Vliv autokorelace na topologii klimatické sítě". Fyzický přehled E. 90 (6): 062814. arXiv:1407.6243. Bibcode:2014PhRvE..90f2814G. doi:10.1103 / PhysRevE.90.062814. ISSN  1539-3755. PMID  25615155.
  19. ^ Zhou, Dong; Gozolchiani, Avi; Ashkenazy, Yosef; Havlin, Shlomo (2015). "Teleconnection Paths via Climate Network Direct Link Detection". Dopisy o fyzické kontrole. 115 (26): 268501. Bibcode:2015PhRvL.115z8501Z. doi:10.1103 / PhysRevLett.115.268501. ISSN  0031-9007. PMID  26765033.
  20. ^ Feldstein, Steven B .; Franzke, Christian L. E. (leden 2017). „Atmosférické vzory pro telekomunikační připojení“. In Franzke, Christian L. E; Okane, Terence J (eds.). Nelineární a stochastická dynamika klimatu. str. 54–104. doi:10.1017/9781316339251.004. ISBN  9781316339251. Citováno 2019-12-07.
  21. ^ Steinhaeuser K .; Chawla N.V .; Ganguly A.R. (2010). „Komplexní síť v oblasti klimatu“. Konference o porozumění inteligentním datům: 16–26.