Климатические телесвязи, такие как влияние Эль-Ниньо на осадки в далёких регионах, долго искали с помощью корреляций между временными рядами. Однако корреляция не различает причину и следствие, а её значимость сильно зависит от длины ряда и автокорреляций. Работа стоит рядом с исследованиями, которые используют сетевые методы и статистические тесты для выявления связей в климате, но большинство из них опираются на корреляцию. Авторы предлагают альтернативу, которая явно проверяет предсказательную силу одной переменной для другой.
Использованы данные реанализа MERRA-2 о приземной температуре и осадках с 1980 по 2018 год, усреднённые до суточных значений на сетке 1°×1.25°. Аномалии очищены от сезонного цикла и долгосрочного тренда, затем сглажены недельными средними. Для каждой ячейки суши рассчитаны два показателя связи с температурой в регионе Niño 3.4: максимальная запаздывающая корреляция Пирсона и бивариатная причинность Грейнджера с лагами до 90 или 180 дней. Значимость корреляции оценивалась через суррогатные данные (метод AAFT), а для причинности использовался F-тест с аппроксимацией хи-квадрат. Введена метрика персистентности: число временных разрешений (от 7 до 30 дней), при которых связь значима.
Оба метода хорошо воспроизводят известные регионы телесвязей Эль-Ниньо: экваториальную часть Тихого океана, Австралию, Амазонию, юг Африки и Африканский Рог. Однако причинность Грейнджера выявила значимую связь с осадками в центральной Индии, где корреляция слаба и нестабильна. Для западной части Северной Америки метод Грейнджера обнаружил сигнал в южной Калифорнии, который корреляция пропустила. При этом причинность Грейнджера чувствительна к максимальному лагу, тогда как корреляция почти не меняется. Глобальные метрики (AUC, F1) показывают, что у причинности Грейнджера выше точность и полнота при строгих порогах значимости.
Работа показывает, что причинность Грейнджера может служить дополнением к корреляционным методам, особенно в случаях слабого отношения сигнал/шум. В отличие от соседних исследований, которые часто ограничиваются корреляционными сетями, здесь явно проверяется направленность влияния и учитывается информация со всех лагов. Это позволяет не только находить связи, но и оценивать их временной масштаб. Новые регионы, выявленные только причинностью, требуют физического объяснения, что может стимулировать поиск механизмов.
Метод можно расширить на многомерную причинность Грейнджера, чтобы различать прямые и косвенные влияния и строить причинные графы. Это поможет проследить цепочки распространения сигналов через атмосферу и океан. Также стоит исследовать влияние максимального лага и методов фильтрации на устойчивость результатов.
Работа может повлиять на климатическое моделирование, сезонное прогнозирование и атрибуцию экстремальных явлений.
Проверить выявленные новые телесвязи на независимых данных и с помощью климатических моделей. Разработать многомерную версию метода для анализа косвенных связей.
В климатологии остаётся открытым вопрос о том, как отличить истинные телесвязи от ложных корреляций, вызванных общими трендами или автокорреляцией. Данный метод напрямую решает эту проблему, проверяя предсказательную силу, а не только синхронную связь.
Корреляция между осадками в Индии и Эль-Ниньо ослабевает в последние десятилетия, но причинность Грейнджера всё ещё находит значимую связь.