Comment entendre le rythme saisonnier du climat dans le bruit des données ✛ ✎

Original: "On the Cyclostationary Linear Inverse Models: A Mathematical Insight and Implication"
· Justin Lien, Yan-Ning Kuo, Hiroyasu Ando
arXiv:2407.10931 · 2024-07-15 · arXiv non-exclusive · analyse indépendante · 1 min
Un nouveau modèle mathématique aide à extraire le rythme annuel répétitif des données climatiques.

Chaque hiver, l'océan Pacifique au large du Pérou se réchauffe, et chaque été, il se refroidit. Ce rythme ressemble à une horloge dont les engrenages tournent à des vitesses différentes selon la saison. Les anciens modèles ignoraient cette différence : ils supposaient que l'horloge avançait de manière uniforme toute l'année. Les nouveaux travaux intègrent un calendrier dans le mécanisme de l'horloge afin de visualiser comment le mouvement change d'un mois à l'autre.

Les scientifiques proposent deux approches. La première divise l'année en segments et mesure dans chacun la vitesse de rotation des engrenages, comme si un horloger vérifiait l'avance de l'horloge toutes les heures plutôt qu'une fois par jour. La seconde dérive une formule qui relie la vitesse de rotation à un instant donné à la rapidité avec laquelle les oscillations dues à une secousse aléatoire s'amortissent.

La première approche décrit plus précisément le mouvement, la seconde estime mieux la force des secousses aléatoires qui perturbent la marche.

Les tests sur les données d'El Niño montrent que le modèle capture le rythme saisonnier : la dynamique évolue de manière régulière, et la force des secousses aléatoires présente deux pics, au printemps et à l'automne. Cela explique pourquoi El Niño naît plus souvent durant ces saisons. Désormais, les scientifiques peuvent choisir l'outil adapté à leur objectif : soit pour une description précise du mouvement, soit pour l'estimation des perturbations aléatoires. Auparavant, il était difficile de séparer ces contributions dans les données saisonnières ; maintenant, on peut démonter le mécanisme de l'horloge climatique pièce par pièce.

Le CS-LIM original présentait un décalage de phase systématique, que les auteurs ont éliminé en décalant simplement la coordonnée temporelle d'un demi-pas.

Scientifiques
Ludwig BoltzmannHenri PoincaréJohn von NeumannJosiah Willard Gibbs
Notions
linear inverse model modélisation stochastique systèmes dynamiques mécanique des fluides numérique stochastic dynamical system nonlinear laplacian spectral analysis simulation informatique Dynamique non linéaire Jin-Timmermann model données simulées régression linéaire ordinateur classique seasonal cycle apprentissage contrastif écrêtage sigma méthode CLs moindres carrés simulation sur réseau chronométrie cosmique imagerie en temps réel