Arctic teleconnection on climate and ozone pollution in the polar jet stream path of eastern US
The University of Sydney(悉尼大学);Chennai Mathematical Institute(马德拉斯数学研究所);AI 4 Water LTD(AI 4 Water有限公司);Institute for Interdisciplinary Research(跨学科研究所);School of Computational and Integrative Sciences, Jawaharlal Nehru University(贾瓦哈拉尔·尼赫鲁大学计算与综合科学学院)
研究探讨了北极海冰变化通过大气路径影响美国东部臭氧水平的机制,发现北极海冰通过气象间接机制影响臭氧,内陆地区敏感性最高,沿海受海洋边界层过程调节。
2026-04-30 physics.ao-ph physics.data-an stat.AP
Teleconnection processes linking the intensity of the Atlantic Multidecadal Variability to the climate impacts over Europe in boreal winter
欧洲气候和大西洋年代际变率(AMV)之间的遥相关仍然很难在观测中分离,因为内部变率和气候强迫信号。使用CMIP 6/DCPP-C框架内提出的模型敏感性实验,冬季AMV/欧洲遥相关的研究在大型合奏的起搏器型模拟的CNRM-CM 5全球环流模式。为了评估模式响应对AMV振幅的敏感性,进行了AMV强迫模式乘以2和3(分别为2xAMV和3xAMV)的实验,以补充参考系综(1xAMV)。基于流动模拟方法,AMV强迫的大气环流被发现,以冷却欧洲大陆,而剩余的信号,主要包括对流过程,有助于变暖。在1xAMV中,这两项相互抵消,解释了整体较弱的AMV强迫大气信号。在2xAMV和3xAMV中,热力学贡献克服了动力冷却,并导致了更温和和更潮湿的条件。该术语包括更温暖和更潮湿的海洋空气穿透内陆的平流和与(i)改变云量和(ii)积雪减少作为AMV振幅的正反馈相关的地面辐射通量的修改。动力学异常环流结合了(i)作为热带大西洋西部Rossby波源的增强非绝热加热的远程响应和(ii)与副极地环流上空温暖SST相关的局部响应,使异常高压消失。热带-外热带过程和相关反馈之间的权重被推测为部分解释了对AMV强迫振幅的响应的非线性敏感性,从而挑战了所谓的模式缩放技术的使用。
2019-06-13 physics.ao-ph
Lagged teleconnections of climate variables identified via complex rotated Maximum Covariance Analysis
正确描述海洋-大气相互作用是正确理解气候演变的关键。影响气候的不同变量之间的相互作用是复杂的,往往导致长空间距离的相关性(遥相关)。在某些情况下,这些遥相关发生相当显着的时间变化,这是基本的理解的基础现象,但这是很难捕捉到的标准方法。对地球物理数据集应用诸如最大协方差分析(MCA)的正交分解允许提取两个不同变量之间的共同主导模式,但是通常遭受(i)非物理正交约束以及(ii)简单相关性的考虑,由此时间偏移信号未被检测到。在这里,我们提出了一个扩展,复杂的旋转MCA,以解决这两个限制。我们使用希尔伯特变换对信号进行变换,并在复空间中执行正交分解,从而使我们能够正确地关联异相信号。随后的方差最大旋转删除正交约束,导致更有物理意义的地球物理变化模式。作为应用的一个例子,我们采用这种方法对海表温度和大陆降水;我们的方法成功地捕捉到这两个变量之间的时间和空间的相互作用,即(i)季节循环,(ii)典型ENSO,(iii)全球变暖趋势,(iv)太平洋十年振荡,(v)ENSO Modoki和最后(vi)大西洋经向模态。MCA的复杂旋转模式提供了有关区域振幅的信息,并且在某些条件下,还提供了海洋温度和陆地降水变化之间的区域滞后时间。
2021-10-08 physics.ao-ph physics.data-an
Non-linear dependence and teleconnections in climate data: sources, relevance, nonstationarity
通过统计相关性措施量化有关测量变量之间的关系是分析气候数据的一个常见步骤。术语“连通性”用于网络环境中,包括复杂耦合动力系统的研究。相关性度量的选择是后续分析和解释结果的关键。线性皮尔逊相关系数的使用是广泛和方便的。另一方面,由于气候被广泛认为是一个非线性系统,非线性连接量化方法,如基于信息理论的概念,越来越多地用于这一目的。在本文中,我们概述了一种方法,使明智的选择的连接方法为给定类型的数据,提高了随后的解释结果。所提出的多步方法包括统计测试,量化的具体非线性的相互作用信息的贡献,最强的非线性贡献和评估的作用,包括信号的非平稳性的特定时间模式的节点的本地化。详细地说,我们研究的后果选择一个一般的非线性连接措施,即互信息,专注于其相关性和潜在的变化,发现依赖结构。我们将该方法应用于NCEP/NCAR再分析数据集和ERA数据集的月平均温度数据。我们已经能够确定所观察到的节点间耦合的非线性的主要来源。详细的分析表明,在气候数据中的几个来源的非平稳性的重要作用。在这个尺度上,真正的非线性耦合的定量作用已被证明几乎可以忽略不计,这为使用线性方法处理这类数据提供了定量支持。
2012-11-28 physics.ao-ph physics.data-an stat.ME
Let's consider more general nonlinear approaches to study teleconnections of climate variables
Universitat de València(瓦伦西亚大学)
Rieger等人(2021年)最近的工作涉及从时空地球物理信号中提取特征的问题。为了解决特征表示的滞后效应和非正交性问题,提出了复数旋转多分量分析(xMCA)。该方法基本上(1)利用希尔伯特变换将信号变换到复平面;(2)应用倾斜(方差最大和Promax)旋转以去除正交约束;以及(3)在该复空间中执行本征分解(Horel等人,1984)。我们认为,该方法本质上是在(Bueso et al.,2019年,2020年),我们提出了相同的方法:首先用希尔伯特变换将数据变换到复平面,然后应用方差最大旋转,唯一的区别是特征分解是在对偶(核)希尔伯特空间中执行的。后者使我们能够通过提取非线性(曲线)功能时,使用非线性核函数来推广xMCA解决方案。因此,当在输入数据空间中而不是在数据已被映射到的高维(可能是无限的)核希尔伯特空间中计算内积时,xMCA的解归结为ROCK-PCA。在这个简短的通信中,我们从理论上证明了xMCA是ROCK-PCA的一个特例,并提供了定量证据,证明在使用内核时可以提取更具表现力和信息量的特征;全球海表温度(SST)场的分解结果显示了ROCK-PCA处理非线性过程的能力,与xMCA不同。
2022-12-15 cs.LG physics.ao-ph physics.comp-ph
Observed circulation trends in boreal summer linked to two spatially distinct teleconnection patterns
Institute for Environmental Studies at Vrije Universiteit Amsterdam(阿姆斯特丹自由大学环境研究所);Royal Dutch Meteorological Institute (KNMI)(荷兰皇家气象研究所);Laboratoire de Météorologie Dynamique/IPSL, ENS, PSL Research University, École Polytechnique, Institut Polytechnique de Paris, Sorbonne Université, CNRS(动态气象实验室/IPSL,巴黎高等师范学院,PSL研究大学,巴黎综合理工学院,巴黎理工学院,索邦大学,法国国家科学研究中心)
研究发现观测到的北半球夏季环流趋势由两种空间上不同的遥相关模式组成,而CMIP6模型未能准确再现这些模式。
2025-06-16 physics.ao-ph
Extratropical Atmospheric Circulation Response to ENSO in Deep Learning Pacific Pacemaker Experiments
University of Washington(华盛顿大学)
本研究通过深度学习太平洋节拍实验,发现耦合模型对ENSO的响应被放大,导致极端事件模拟出现偏差,强调了对DL模型进行物理验证的必要性。
2025-11-25 physics.ao-ph
On the archetypal `flavours', indices and teleconnections of ENSO revealed by global sea surface temperatures
本文提出用 archetypal analysis 分析全球去趋势海表温度异常,以层级方式识别 ENSO 类型、相位及遥相关,并验证其优于多种机器学习相位识别方法。
2024-06-12 physics.ao-ph physics.data-an
Distinguishing the effects of internal and forced atmospheric variability in climate networks
众所周知,地球气候是一个高度复杂的动力系统。在过去的几十年里,人们一直致力于了解一个地理区域的气候现象如何影响其他区域的气候。复杂网络是识别气候相互依存关系的有力框架。为了进一步利用经由网络分析发现的链接的知识(例如,预测的改进),需要对这些联系背后的物理机制有很好的理解。在这里,我们专注于理解大气变率的作用,并构建代表内部和强迫变率的气候网络。在这些网络的连通性,我们评估的两个主要指标,NINO3.4和北大西洋涛动(NAO)的影响,通过计算这些指标线性删除的时间序列的网络。我们发现强迫变率网络的连通性受到“厄尔尼诺”的严重影响:去除NINO3.4指数会导致连通性的普遍丧失;甚至远离赤道太平洋的地区之间的遥相关也会丧失,这表明这些地区不是直接联系的,而是通过“厄尔尼诺”间接相互联系的,特别是在年际时间尺度上。相反,在内部变率网络(独立于海表温度强迫),我们发现,链接显着影响NAO年内时间尺度的最大值。虽然最强的非本地的联系是那些被迫由海洋,我们表明,也有很强的遥相关,由于内部大气的变化。
2013-11-13 nlin.CD physics.ao-ph
Complex networks in climate dynamics - Comparing linear and nonlinear network construction methods
复杂网络理论提供了一个强有力的框架来统计研究气候系统中局部和非局部统计相互关系的拓扑结构,即遥相关。利用线性Pearson相关系数或非线性互信息作为区域间动力相似性的度量,从局部、中观和全球拓扑尺度上系统地比较了由同一全球气候数据集构建的气候网络。从AOGCM和再分析数据集的地面空气温度场的局部和中观拓扑尺度上观察到高度的相似性。我们发现在全球范围内的差异较大,特别是在介数中心领域。利用互信息获得的气候网络的全球尺度视图提供了有前途的新的视角来检测网络结构的基础上非线性物理过程的气候系统。
2009-07-24 physics.ao-ph physics.data-an
Dynamic Arctic weather variability and connectivity
本文提出基于复杂性的方法分析北极天气变率,揭示其与北极涛动、海冰下降及大气遥相关的联系,并通过多变量气候网络发现北极与全球天气不稳定的正反馈机制。
2023-02-03 nlin.CD physics.ao-ph physics.geo-ph
A climate network-based index to discriminate different types of El Niño and La Niña
厄尔尼诺表现出不同的东太平洋(EP)和中太平洋(CP)类型,它们通常但不总是一致地通过赤道气候变率的不同特征相互区分。在这里,我们提出了一个基于不断发展的气候网络的指数,通过利用标量值不断发展的气候网络措施,量化厄尔尼诺相关遥相关的空间定位和分散,客观地区分这两种口味。我们的指数在EP事件期间显示出一个尖峰(高定位),而在CP事件期间(较大的离散度),它仍然接近正常时期观察到的基线。与以前的分类方案相比,我们的方法特别考虑了厄尔尼诺的全球影响。我们确认了1951年至2014年最近的厄尔尼诺分类,并为这些案例分配了类型,这些案例是以前的工作产生了模糊的结果。最后,我们研究了拉尼娜事件,并证明我们的指数提供了类似的歧视分为两种类型。
2016-04-15 physics.ao-ph physics.data-an
Computation of extreme heat waves in climate models using a large deviation algorithm
研究极端事件及其在气候变化中的演变是当前最重要的科学挑战之一。从复杂的气候模式开始,一个关键的困难是能够运行足够长的模拟,以观察这些极其罕见的事件。在物理学、化学和生物学中,最近开发了稀有事件算法来计算在直接数值模拟中无法观察到的事件的概率。在这里,我们提出了这样一个算法,专为极端高温或寒潮,统计物理方法的基础上。这使得采样效率提高了两个数量级以上。我们描述的动态事件,否则将无法观察到。我们表明,欧洲极端热浪与涉及北美和亚洲的全球遥相关模式有关。这一工具开启了迄今为止不可能进行的旨在定量评估气候变化影响的全面研究。
2017-12-24 nlin.CD physics.ao-ph physics.comp-ph
Rare event algorithm study of extreme warm summers and heat waves over Europe
气候模式中的极端情况分析由于缺乏统计数据而受到阻碍,这是由于运行模拟所需的计算成本足够长,以便对罕见事件进行采样。我们展示了罕见事件算法如何改善最先进的气候模式中极端事件的统计。我们研究极端温暖的夏季和热浪在法国和斯堪的纳维亚半岛与CESM1.2.2在当今的气候。该算法将模拟集中在重要事件上,并改变区域温度的概率分布,使温暖的夏季变得常见。我们估计返回时间的极端数量级大于什么可行的直接采样,我们计算统计上显着的复合地图的动态量的极端事件的发生条件。我们表明,极端温暖的夏天与波数3半球遥相关模式,最极端的夏天是罕见的亚季节热浪的继承。
2020-10-17 physics.ao-ph
Nonlocal, Pattern-aware Response and Feedback Framework for Regional Climate Change
本研究提出模式感知反馈框架,通过格林函数实验学习综合线性响应函数,分解为强迫-响应模式对构建降阶模型,可捕捉气候非局部效应与区域特征,实现强迫预测与响应重构。
2024-10-29 physics.ao-ph
Climate network characterization of the AMOC edge state
University of Geneva(日内瓦大学);Centre pour la Vie dans l’Univers (CVU)(宇宙生命中心);Institute for Marine and Atmospheric research Utrecht(乌得勒支海洋与大气研究所);Utrecht University(乌得勒支大学);School of Computing and Mathematical Sciences, University of Leicester(莱斯特大学计算与数学科学学院);Schools of Sciences, Great Bay University(大湾区大学理学院)
利用气候网络分析,通过瞬时时间相关性定义网络链接,表征AMOC边缘状态,并显示网络测度(归一化度中心性)可检测AMOC接近边缘状态时的跨赤道遥相关,为ESM中AMOC临界事件检测提供方法。
2026-06-07 physics.ao-ph
Agnostic detection of large-scale weather patterns in the northern hemisphere: from blockings to teleconnections
本研究采用受 Markov State Modelling 启发的无监督流程分析北半球中纬度天气模式,从转移概率矩阵识别衰减最慢的动力学模式,发现其与阻塞、纬向流及遥相关模式的转换相关,揭示了大气变率缺乏时间尺度分离。
2024-05-07 cond-mat.stat-mech physics.ao-ph physics.data-an
Eurasian Cooling Patterns in the CMIP5 Climate Models
与过去几十年的全球平均水平相比,北极已经大幅变暖。在同一时期,在冬季观察到欧亚大陆中部近地面气温有强烈的冷却趋势,这种现象被称为欧亚大陆冷却。许多研究表明,海冰的减少,特别是在巴伦支海和喀拉海,与欧亚大陆上空的冷却有关,尽管这种联系及其可能的机制仍然是一个激烈辩论的来源。观测和再分析表明,北极海冰和欧亚冬季温度之间存在明显的协变模式。然而,关于这一遥相关模式在当前一代气候模式中的再现能力有多强,还有一个悬而未决的问题。这项研究已经研究了欧亚大陆的冷却在20个模型从耦合模式相互比较项目第5阶段(CMIP 5),无论是在温度趋势和使用奇异值分解,以确定模式的北极海冰浓度和近地面温度欧亚大陆之间的协变。将这些与ERA中期再分析中发现的协变趋势和模式进行比较。虽然大多数CMIP5模型具有与再分析中发现的相似的稳健的协变模式,但许多模型未能再现已观察到的冬季冷却。对模型中北极海冰范围的研究表明,一种可能的解释是,模型无法准确模拟巴伦支海和喀拉海等关键地点的冬季海冰变化。
2019-11-19 physics.ao-ph
Predictability of Storms in an Idealized Climate Revealed by Machine Learning
Weizmann Institute of Science(魏茨曼科学研究所);Institute of Atmospheric Physics, Chinese Academy of Sciences(中国科学院大气物理研究所);University of Chinese Academy of Sciences(中国科学院大学)
本研究利用CNN预测水行星GCM模拟的20万余风暴的强度与轨迹不确定性,发现风暴强度可预测性低于轨迹,强斜压性和急流弯曲增强会降低可预测性,凸显机器学习在风暴可预测性研究中的潜力。
2025-10-29 physics.ao-ph
Network-based Approach and Climate Change Benefits for Forecasting the Amount of Indian Monsoon Rainfall
印度夏季风降水对印度农业产量和经济有着决定性的影响。与正常季节降雨量的极端偏差可能导致严重的干旱或洪水,影响印度的粮食生产和安全。尽管发展了复杂的统计和动力气候模式,长期和可靠的预测ISMR仍然是一个具有挑战性的问题。为了实现这一目标,本文以全球近地面气温场为基础,构建了一系列动力气候和物理气候网络。我们发现,有向和加权气候网络的一些特性可以作为有效的长期预测ISMR预测。所开发的预测方法通过使用上一个日历年的数据,提前5个月的提前期产生0.5的预测技能。我们的ISMR预测技巧与目前最先进的模型相当,然而,有相当短的时间(即,一个月内)。我们讨论了潜在的机制,我们的预测,并将其与网络延迟ENSO和ENSO季风连接。此外,我们的方法可以预测全印度的降雨量,以及预测不同的印度同质区域的降雨量,这是至关重要的农业在印度。我们发现,全球变暖影响气候网络,通过加强跨赤道遥相关西南大西洋,西部的印度洋,北亚太地区的降水在印度的显着影响。我们在中纬度南大西洋发现了一个热点区域,这是我们预测的基础。值得注意的是,该地区显著的变暖趋势提高了预测能力。
2020-04-14 cond-mat.stat-mech physics.ao-ph physics.geo-ph
Global teleconnectivity structures of the El Niño-Southern Oscillation and large volcanic eruptions -- An evolving network perspective
最近的工作提供了充分的证据,表明在多星期和几年之间的时间尺度上的全球气候动态会受到内部(气候)和外部(非气候)扰动的偶发性的严重影响。在这里,我们的目标是提高我们的理解,如何区域到本地中断的“正常”状态的全球表面空气温度场影响相应的全球遥相关性结构。具体而言,我们提出了一种方法来量化遥相关性的基础上的功能气候网络分析的不同特点。随后,我们应用这一框架来研究厄尔尼诺-南方涛动(ENSO)的不同阶段,以及自20世纪中叶以来的三个最大的火山爆发的影响占主导地位的时空协同变化模式的日常地面气温。我们的研究结果证实了ENSO的全球效应的存在,导致全球温度场的层次组织的阶段性崩溃。这与强遥相关的出现有关。在更大的区域范围内,在大规模火山爆发后也发现了类似的影响。两者合计,由此产生的网络连接的时间依赖性模式允许跟踪两种类型的气候破坏的主导影响的空间范围。我们讨论这些意见和一般方面的大气环流之间可能的联系。
2017-11-10 physics.ao-ph physics.data-an
Climate Trends of Tropical Cyclone Intensity and Energy Extremes Revealed by Deep Learning
National Taiwan University(台湾大学);The University of Tokyo(东京大学);Central Weather Bureau(台湾中央气象局)
针对热带气旋结构与能量趋势观测不足的问题,研究利用深度学习生成1981-2020年全球TC风廓线数据集,发现强TC及高能量TC占比显著上升,为气候变化下的TC研究提供新支撑。
2024-02-01 cs.AI physics.ao-ph
Wavelet regression: An approach for undertaking multi-time scale analyses of hydro-climate relationships
以往的研究表明,水文气候过程是一个随机的复杂系统,很难发现隐藏在所有非平稳数据中的模式,也很难彻底理解水文气候关系。为了揭示水文变量对气候变化的多时间尺度响应,将小波分析与回归方法相结合,提出了一种综合的方法--小波回归(wavelet regression,WR)。与现有方法相比,该方法具有以下特点:(1)小波分析揭示了水文变量及其相关气候因子在不同时间尺度上的变化规律。(2)在小波分析结果的基础上,采用回归分析方法揭示了各型的水文气候关系。(3)与现有方法相比,该方法的优点在于,该方法提供了一种发现随机和非平稳数据中隐藏模式的途径,并定量描述了不同时间尺度上的水文气候关系。
2018-06-16 nlin.PS physics.ao-ph physics.geo-ph
Climate Model Driven Seasonal Forecasting Approach with Deep Learning
Istanbul Technical University(伊斯坦布尔技术大学)
了解季节性气候条件对于更好地管理水、能源和农业等资源至关重要。最近,人们对在气候研究中利用人工智能方法的力量产生了极大的兴趣。本文介绍了一种先进的深度学习模型(UNet++),该模型由最先进的全球CMIP 6模型训练,使用ERA 5再分析数据集预测未来一个月的全球气温。ERA 5数据集还用于微调以及验证数据集中的性能分析。三种不同的设置(CMIP 6; CMIP 6 + elevation; CMIP 6 + elevation + ERA 5微调)与UNet和UNet++算法一起使用,产生六种不同的模型。对于每个模型,使用了14种不同的顺序和非顺序时间设置。平均绝对误差(MAE)分析显示,UNet++与CMIP 6(高程)和ERA 5微调模型(“3年2月”时间病例)提供了最佳结局,MAE为0.7。对ERA 5数据值和相应AI模型预测值之间的验证数据集进行回归分析,结果显示斜率和$R^2$值接近1,表明一致性非常好。AI模型预测的结果明显好于2016年至2021年期间CMIP 6的平均集合。这两个模型预测夏季比冬季更准确。
2023-02-21 cs.AI cs.CV cs.LG
Convolutional GRU Network for Seasonal Prediction of the El Niño-Southern Oscillation
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
提出一种改进的卷积门控循环单元(ConvGRU)网络,利用编码器-解码器结构预测ENSO区域海表温度,显著提升Niño 3.4指数预测性能,优于现有统计和循环神经网络方法。
2023-06-18 cs.LG physics.ao-ph physics.data-an
Impacts of extreme weather events on terrestrial carbon sequestration revealed by weather stations in the Northern Hemisphere
本研究利用北半球气象站数据及机器学习估算,揭示干旱和热浪等极端天气对陆地碳汇影响最显著,复合事件关联性强,极端降水与寒冷事件影响或被低估,提供更精准的站点级分析。
2024-05-25 physics.ao-ph physics.geo-ph
Compound event metrics detect and explain ten-fold increase of extreme heat over Europe
本文提出一类新的超阈值-量值指标,追踪复合事件的总极端性(TEX),揭示了欧洲及奥地利极端高温相比过去增幅约8-10倍,为人为气候变化提供确凿证据并支持气候行动。
2025-04-26 physics.ao-ph
How to reduce long-term drift in present-day and deep-time simulations?
气候模式经常受到长期漂移的影响,这种漂移是由海洋温度或地表气温等全球变量的演变所揭示的。这种虚假的趋势降低了对初始条件的保真度,并在长时间模拟后对平衡气候产生很大影响。使用两个全球性指标,即大气层顶部和海洋表面的能量不平衡,可以获得对气候漂移性质的有用见解。前者是一个给定的气候模式内的限制,在数值实现和物理参数化的水平,而后者是一个指标的调整程序的良好性。使用麻省理工学院的大气环流模式,我们构建了不同的配置与不同程度的复杂性(即不同的参数化的散装云COMBIDO,包括或不包括摩擦加热,不同的水深配置),我们应用相同的调整程序,以获得控制运行固定的外部强迫的气候漂移最小化。我们发现,调整程序和不同的配置相同的气候模式之间的相互作用提供了至关重要的信息控制运行的稳定性和一个给定的参数化的好处。这种方法是特别相关的建设质量良好的控制运行的地质过去,在初始和边界条件下发现了巨大的不确定性。我们将集中在稳健的结果,可以普遍适用于其他气候模式。
2017-08-28 physics.ao-ph