복잡한 네트워크로서의 기후

Climate as complex networks

복잡한 네트워크의 분야는 복잡한 시스템의[1] 본질에 대한 새로운 통찰력을 창출하기 위한 과학의 중요한 영역으로 부상했다.기후과학에 네트워크 이론을 적용하는 것은 젊고 떠오르는 분야다.[3][4][5][6] 지구 기후의 패턴을 파악하고 분석하기 위해 과학자들은 기후 데이터를 복잡한 네트워크로 모델링한다.

노드와 가장자리가 잘 정의되어 있는 대부분의 실제 네트워크와 달리, 기후 네트워크에서는 노드가 다양한 해상도로 나타낼 수 있는 지구 기후 데이터 세트의 공간 그리드에 있는 사이트로 식별된다. 기후 기록에서 가져온 해당 시계열 쌍 사이의 통계 유사성(의존성과 관련될 수 있는) 정도에 따라 두 개의 노드가 에지로 연결된다.[4][5][7][8] 기후 네트워크 접근법은 다른 공간적 규모와 시간적 규모에 대한 기후 시스템의 역학 관계를 새로운 시각으로 통찰할 수 있게 한다.[5] [9][10]

기후 네트워크 구축

노드 및/또는 가장자리 선택에 따라 기후 네트워크는 다양한 형태, 형태, 크기 및 복잡성을 가질 수 있다. Tsonis 등은 기후에 복잡한 네트워크 분야를 소개했다. 그들의 모델에서, 네트워크에 대한 노드는 NCEP/NCAR 재분석 데이터셋의 단일 변수(500 hPa)로 구성되었다. 노드 사이의 가장자리를 추정하기 위해, 가능한 모든 노드 쌍 간의 시간 차이가 0인 상관 계수를 추정했다. 한 쌍의 노드는 상관 계수가 0.5 임계값을 초과하는 경우 연결된 것으로 간주되었다.[1]

Havlin 팀은 (i) 링크의 시간 지연, (ii) 시간 지연에서의 교차 상관 최대, (iii) 교차 상관 함수의 소음 수준을 고려하는 가중 링크 방법을 도입했다. [4] [8] [9] [10] [11]

스타인해이저와 팀은 여러 기후변수로부터 네트워크를 별도로 구성하고 이들의 상호작용을 다변량 예측모델로 포착해 기후에 다변량 네트워크의 새로운 기법을 소개했다. 기후의 맥락에서, 클러스터 속성에 기초하여 예측 변수를 추출하면 예측 능력을 향상시키는 유용한 전구체가 된다는 것이 그들의 연구에서 입증되었다.[7]

카와일 외 연구진은 압력 데이터에서 두중점을 찾기 위한 그래프 기반 접근법을 제시했다. 원격 연결의 중요성을 고려할 때, 이 방법론은 상당한 통찰력을 제공할 수 있는 잠재력을 가지고 있다.[12]

임메 외는 시간적 확률론적 그래픽 모델을 바탕으로 기후에 새로운 형태의 네트워크 구축을 도입했는데, 이는 시간이 지남에 따라 네트워크 내의 정보 흐름에 초점을 맞추면서 대안적인 관점을 제공한다.[13]

실내 온도 조절 네트워크의 응용 프로그램

기후 네트워크는 많은 공간적 규모에 걸쳐 기후 시스템의 역동성에 대한 통찰력을 가능하게 한다. 국부적 수준의 중심성과 관련 조치는 초노드를 식별하고 이를 원격연결 패턴이라고 불리는 대기 중 알려진 동적 상호관계에 연결하기 위해 사용되어 왔다. 기후 네트워크는 장거리 공간 연결로 인해 "작은 세계" 특성을 가지고 있는 것으로 관찰되었다.[3]

태평양의 제한구역에서 측정했을 때를 제외하고는 세계 각 지역의 온도는 엘니뇨로 인해 큰 변화를 보이지 않는다. 야마사키 외 연구진은 이와는 대조적으로 세계 여러 지리적 영역에서 동일한 온도 기록을 바탕으로 한 기후 네트워크의 역학 관계가 엘니뇨의 영향을 크게 받는다는 사실을 발견했다. 엘니뇨 기간 동안 많은 네트워크 링크가 끊어지며, 생존 링크 수는 엘니뇨 사건에 대한 구체적이고 민감한 조치로 구성된다. 엘니뇨가 아닌 기간에는 서로 다른 현장의 온도 간 상관관계를 나타내는 이러한 링크가 더 안정적이지만, 엘니뇨 기간 동안 관찰된 상관관계의 빠른 변동으로 인해 링크가 끊어진다.[4]

더욱이 고졸치아니 등은 서로 다른 지리적 영역에서 기후 네트워크의 구조와 진화를 제시했고, 그 네트워크가 엘니뇨 사건에 독특한 방식으로 반응한다는 것을 발견하였다. 그들은 엘니뇨 사건이 시작되면 엘니뇨 분지는 주변 환경에 대한 거의 모든 의존도를 잃고 자율적으로 된다는 것을 발견했다. 자율 분지의 형성은 엘니뇨 기간 동안 기후 네트워크의 상호의존성 약화의 겉보기에 모순되는 현상과 엘니뇨 분지 내부의 이상이 지구 기후 시스템에 미치는 알려진 영향을 이해할 수 있는 누락된 연결고리다.[9]

스타인해이저 등은 복합 네트워크를 적용해 기후 데이터의 다변량 및 다단계 의존성을 탐색했다. 집단의 연구 결과는 다중 시간 및 공간 척도에 걸쳐 다중 변수에서 관찰된 의존성 패턴의 밀접한 유사성을 시사했다. [6]

Tsonis와 Roeber는 기후 네트워크의 커플링 구조를 조사했다. 전체 네트워크는 서로 얽혀 있는 하위 네트워크에서 나온다는 것이 밝혀졌다. 한 하위 네트워크는 더 높은 고도에서 작동하고 다른 하위 네트워크는 열대 지역에서 작동하고 있는 반면, 적도 하위 네트워크는 두 반구를 연결하는 에이전트 역할을 한다. 비록 두 네트워크 모두 소세계적 속성을 가지고 있지만, 두 하위 네트워크는 정도 분포와 같은 네트워크 속성에 있어서 서로 현저하게 다르다.[14]

동즈 등은 기후의 물리학과 비선형 동적 해석에 기후 네트워크를 적용했다. 연구팀은 월간 평균 재분석과 대기-해양 결합 일반순환모형(AOGCM) 지표면 대기온도(SAT) 데이터로 구성된 기후 네트워크의 BC분야에서 파동 같은 구조를 입증하기 위해 노드 중심성, 중간중간중심성(BC)을 측정했다.[15]

기온과 지오포텐셜 높이 등 기후장의 국지적인 일별 변동 패턴은 안정적이지 못하고 예측하기 어렵다. 놀랍게도, 베레진 외 연구진은 서로 다른 지리적 지역에서 그러한 변동들 사이의 관찰된 관계가 시간 동안 매우 안정적인 네트워크 패턴을 산출한다는 것을 발견했다. [8]

루데셔 외 연구진은 엘니뇨 유역(동일한 태평양 복도)과 나머지 해양을 연결하는 대규모 협력 모드가 온난화 사건 발생 전 약 1년 내에 구축된다는 증거를 발견했다. 이를 바탕으로 그들은 엘니뇨 사건에 대한 12개월의 효율적인 예측 계획을 개발했다. [16] EN의 전지구적 영향은 징팡 팬 등의 기후 네트워크를 사용하여 연구되었다. [17] 기후 네트워크를 기반으로 엘니뇨의 규모와 발병을 뜯어내는 방법이 J. 멍 외 연구진에 의해 개발되었다.[18]

지상 온도 기록에 기초한 네트워크의 접속 패턴은 남반구의 여분의 열대지방에 밀집한 고리의 줄무늬를 보여준다. 왕 외 연구진은 이러한 연계의 통계적 분류가 기상 시스템과 행성 규모 에너지 운송과 관련된 주요 메커니즘 중 하나인 대기 로스비 파동의 패턴과 명확한 연관성을 산출한다는 것을 보여주었다. 음극 링크와 양의 링크의 교대 밀도는 3500, 7000, 10,000km 부근의 로스비 파동 거리에 배치되어 있으며 에너지 흐름의 예상 방향, 시간 지연의 분포 및 이러한 파동의 계절성에 맞춰져 있음을 보여준다. 또한, 로스비 파동과 관련된 장거리 연계는 기후 네트워크에서 가장 우세한 연계가 된다. 네트워크 분석 결과 로스비 파도가 중국 대기오염에 미치는 영향이 큰 것으로 확인됐다.[19]

기후 네트워크에서 링크에 대한 다른 정의는 상당히 다른 네트워크 토폴로지를 초래할 수 있다. 게즈 외 연구진은 뒤틀린 변동 분석, 뒤틀린 대리점, 해양 및 대륙 기록의 분리 분석을 활용하여 기후 네트워크 구조에 미치는 주요 영향 중 하나가 기록에서 강한 자기 상관관계의 존재라는 것을 밝혀냈는데, 이는 가짜 연계를 도입할 수도 있다. 이것은 왜 다른 방법들이 다른 기후 네트워크 토폴로지로 이어질 수 있는지를 설명해준다.[20] 기후 네트워크 적용에 대한 최근 리뷰가 징팡 팬 외 에 의해 발표되었다.[21]

텔레커넥션 경로

원격 연결은 기후 역학에서 중요한 역할을 한다. 원격 접속의 지구상에서 직접 경로를 식별하기 위해 기후 네트워크 방법이 개발되었다.[22]

원격 연결은 지구 전역의 먼 거리에서 날씨와 기후 이상을 연결하는 대기 중의 공간 패턴이다. 텔레커넥션은 지속적이고, 1~2주 정도 지속되며, 종종 훨씬 더 오래 지속되며, 유사한 패턴이 반복적으로 발생하는 경향이 있기 때문에 반복된다는 특징이 있다. 원격 연결의 존재는 사회적 관심이 가장 큰 온도, 바람, 강수량, 대기 변수의 변화와 관련이 있다.[23]

컴퓨팅 문제 및 과제

기후 네트워크 분야에서는 네트워크 구축 및 분석 프로세스의 다양한 단계에서 발생하는 수많은 컴퓨팅 과제가 있다.[24]

  1. 모든 격자점 간의 쌍방향 상관관계를 계산하는 것은 비교가 안 되는 작업이다.
  2. 공간 그리드의 해결에 따라 달라지는 네트워크 구축의 계산적 요구.
  3. 데이터로부터 예측 모델을 생성하는 것은 추가적인 문제를 야기한다.
  4. 공간과 시간에 걸쳐 지연과 납 효과를 포함하는 것은 비교가 안 되는 일이다.

참고 항목

참조

  1. ^ a b Albert, Réka; Barabási, Albert-László (2002). "Statistical mechanics of complex networks". Reviews of Modern Physics. 74 (1): 47–97. arXiv:cond-mat/0106096. Bibcode:2002RvMP...74...47A. doi:10.1103/RevModPhys.74.47. ISSN 0034-6861. S2CID 60545.
  2. ^ Cohen, Reuven; Havlin, Shlomo (2010). Complex Networks: Structure, Robustness and Function. doi:10.1017/CBO9780511780356. ISBN 9780511780356.
  3. ^ a b Tsonis, Anastasios A.; Swanson, Kyle L.; Roebber, Paul J. (2006). "What Do Networks Have to Do with Climate?". Bulletin of the American Meteorological Society. 87 (5): 585–595. Bibcode:2006BAMS...87..585T. doi:10.1175/BAMS-87-5-585. ISSN 0003-0007.
  4. ^ a b c d Yamasaki, K.; Gozolchiani, A.; Havlin, S. (2008). "Climate Networks around the Globe are Significantly Affected by El Niño". Physical Review Letters. 100 (22): 228501. Bibcode:2008PhRvL.100v8501Y. doi:10.1103/PhysRevLett.100.228501. ISSN 0031-9007. PMID 18643467. S2CID 9268697.
  5. ^ a b c Donges, J. F.; Zou, Y.; Marwan, N.; Kurths, J. (2009). "Complex Networks in Climate Dynamics". The European Physical Journal Special Topics. Springer-Verlag. 174 (1): 157–179. arXiv:0907.4359. Bibcode:2009EPJST.174..157D. doi:10.1140/epjst/e2009-01098-2. S2CID 2375970.
  6. ^ a b Steinhaeuser, Karsten; Ganguly, Auroop R.; Chawla, Nitesh V. (2011). "Multivariate and multiscale dependence in the global climate system revealed through complex networks". Climate Dynamics. 39 (3–4): 889–895. Bibcode:2012ClDy...39..889S. doi:10.1007/s00382-011-1135-9. ISSN 0930-7575. S2CID 12086088.
  7. ^ a b Steinhaeuser, K.; Chawla, N.V.; Ganguly, A.R. (2010). "Complex Networks as a Unified Framework for Descriptive Analysis and Predictive Modeling in climate science". Statistical Analysis and Data Mining. 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). "Stability of Climate Networks with Time". Scientific Reports. 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). "Emergence of El Niño as an Autonomous Component in the Climate Network". Physical Review Letters. 107 (14): 148501. arXiv:1010.2605. Bibcode:2011PhRvL.107n8501G. doi:10.1103/PhysRevLett.107.148501. ISSN 0031-9007. PMID 22107243. S2CID 1062870.
  10. ^ a b c Wang, Yang; Gozolchiani, Avi; Ashkenazy, Yosef; Berezin, Yehiel; Guez, Oded; Havlin, Shlomo (2013). "Dominant Imprint of Rossby Waves in the Climate Network". Physical Review Letters. 111 (13): 138501. arXiv:1304.0946. Bibcode:2013PhRvL.111m8501W. doi:10.1103/PhysRevLett.111.138501. ISSN 0031-9007. PMID 24116820. S2CID 17774072.
  11. ^ Guez, O.; Gozolchiani, A.; Berezin, Y.; Wang, Y.; Havlin, S. (2013). "Global climate network evolves with North Atlantic Oscillation phases: Coupling to Southern Pacific Ocean". EPL. 103 (6): 68006. arXiv:1309.1905. Bibcode:2013EL....10368006G. doi:10.1209/0295-5075/103/68006. ISSN 0295-5075. S2CID 16972833.
  12. ^ Kawale J.; Liess S.; Kumar A.; Steinbach M.; Ganguly A.R.; Samatova F.; Semazzi F.; Snyder K.; Kumar V. (2011). "Data Guided Discovery of Dynamic Climate Dipoles" (PDF). Proceedings of the 2011 Conference on Intelligent Data Understanding, CIDU 2011, October 19–21, 2011, Mountain View, California: 30–44.
  13. ^ Imme, Ebert-Uphoff; Deng, Yi (2012). "A new type of climate network based on probabilistic graphical models: Results of boreal winter versus summer". Geophysical Research Letters. Springer-Verlag. 39 (19): 157–179. Bibcode:2012GeoRL..3919701E. doi:10.1029/2012GL053269.
  14. ^ Tsonis, A.A.; Roebber, P.J. (2004). "The architecture of the climate network". Physica A: Statistical Mechanics and Its Applications. 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). "The backbone of the climate network". EPL. 87 (4): 48007. arXiv:1002.2100. Bibcode:2009EL.....8748007D. doi:10.1209/0295-5075/87/48007. ISSN 0295-5075. S2CID 11225385.
  16. ^ Ludescher, J.; Gozolchiani, A.; Bogachev, M. I.; Bunde, A.; Havlin, S.; Schellnhuber, H. J. (2014). "Very early warning of next El Nino". Proceedings of the National Academy of Sciences. 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, Mikhail I.; Bunde, Armin; Havlin, Shlomo; Schellnhuber, Hans Joachim (2013-07-16). "Improved El Nino forecasting by cooperativity detection". Proceedings of the National Academy of Sciences of the United States of America. 110 (29): 11742–11745. arXiv:1304.8039. Bibcode:2013PNAS..11011742L. doi:10.1073/pnas.1309353110. PMC 3718177. PMID 23818627.
  17. ^ Fan, Jingfang; Meng, Jun; Ashkenazy, Yosef; Havlin, Shlomo (2017-07-18). "Network analysis reveals strongly localized impacts of El Niño". Proceedings of the National Academy of Sciences. 114 (29): 7543–7548. Bibcode:2017PNAS..114.7543F. doi:10.1073/pnas.1701214114. ISSN 0027-8424. PMC 5530664. PMID 28674008.
  18. ^ Meng, J; Fan, J; Ashkenazy, Y; Bunde, A; Havlin, S (2018). "Forecasting the magnitude and onset of El Niño based on climate network". New Journal of Physics. 20 (4): 043036. arXiv:1703.09138. doi:10.1088/1367-2630/aabb25. S2CID 53062574.
  19. ^ Yongwen Zhang, Jingfang Fan, Xiaosong Chen, Yosef Ashkenazy, Shlomo Havlin (2019). "Significant Impact of Rossby Waves on Air Pollution Detected by Network Analysis". Geophysical Research Letters. 46 (21): 12476–12485. arXiv:1903.02256. doi:10.1029/2019GL084649. S2CID 119060513.{{cite journal}}: CS1 maint : 복수이름 : 작성자 목록(링크)
  20. ^ Guez, Oded C.; Gozolchiani, Avi; Havlin, Shlomo (2014). "Influence of autocorrelation on the topology of the climate network". Physical Review E. 90 (6): 062814. arXiv:1407.6243. Bibcode:2014PhRvE..90f2814G. doi:10.1103/PhysRevE.90.062814. ISSN 1539-3755. PMID 25615155. S2CID 34181445.
  21. ^ Fan, Jing-fang; Meng, Jun; Ludescher, Josef; Chen, Xiaosong; Ashkenazy, Yosef; Kurths, Jürgen; Havlin, Shlomo; Schellnhuber, Hans Joachim (2021). "Statistical physics approaches to the complex Earth system". Physics Reports. 896: 1–84. arXiv:2009.04918. doi:10.1016/j.physrep.2020.09.005. PMC 7532523. PMID 33041465.
  22. ^ Zhou, Dong; Gozolchiani, Avi; Ashkenazy, Yosef; Havlin, Shlomo (2015). "Teleconnection Paths via Climate Network Direct Link Detection". Physical Review Letters. 115 (26): 268501. Bibcode:2015PhRvL.115z8501Z. doi:10.1103/PhysRevLett.115.268501. ISSN 0031-9007. PMID 26765033.
  23. ^ Feldstein, Steven B.; Franzke, Christian L. E. (January 2017). "Atmospheric Teleconnection Patterns". In Franzke, Christian L. E.; Okane, Terence J. (eds.). Nonlinear and Stochastic Climate Dynamics. pp. 54–104. doi:10.1017/9781316339251.004. ISBN 9781316339251. Retrieved 2019-12-07.
  24. ^ Steinhaeuser K.; Chawla N.V.; Ganguly A.R. (2010). "Complex Network in Climate Science". Conference on Intelligent Data Understanding: 16–26.