Работа стоит на отшибе среди наших соседей: рядом почти никого нет, ближайший сосед на расстоянии 0.53, и только одна работа из восьми касается тематики космических телескопов и атмосфер экзопланет. Вокруг лежат исследования пустынь, погоды на одиноких планетах, бактерий в порах почвы, границ жидкостей, ИИ-моделей погоды, молекулярного движения и подземных структур. Эта статья идёт в другом русле: она берёт глобальные спутниковые данные о влажности почвы и применяет новый метод разложения, чтобы увидеть скрытые закономерности.
Авторы строят метод ROCK PCA. Сначала к временным рядам влажности применяют преобразование Гильберта, получая комплексные данные. Затем переходят от ковариационной матрицы к матрице Грама, что снижает вычислительную сложность с квадратичной до линейной по числу пикселей. Это позволяет напрямую ввести ядро — используется комплексное RBF-ядро с параметром σ. Наконец, применяют косоугольное вращение promax, которое находит физически интерпретируемые компоненты, оптимизируя критерий varimax. Метод проверяют на игрушечном примере с известной функцией, а затем применяют к данным SMOS.
Первые четыре компоненты объясняют 98.2% общей дисперсии: PC1 — 70.6%, PC2 — 13.5%, PC3 — 10.2%, PC4 — 4.3%. PC1 показывает годовой цикл с периодом 12 месяцев и глобальным пространственным распределением. PC2 и PC4 — резонансы годового цикла с периодами 6 и 4 месяца, связанные с колебаниями внутритропической зоны конвергенции и сезонными переходами. PC3 имеет несезонное колебание с периодом около 4.5 лет, что попадает в диапазон аномалий Эль-Ниньо (3–7 лет). Корреляция Спирмена между PC3 и индексом ENSO4 достигает 0.8 с p-значением менее 10⁻¹⁶. Пространственная карта корреляции выявляет влажные и сухие паттерны: рост влажности в восточной Европе, юго-восточной Южной Америке и на юге США, снижение — на восточном побережье Австралии, севере Южной Америки и в северной части Гвинейского залива.
В отличие от соседних работ, которые используют стандартные методы или модели для конкретных регионов, эта статья предлагает быстрый нелинейный метод, который разделяет пространственные и временные компоненты и делает их физически интерпретируемыми. Это первая проверка такого подхода на глобальных данных влажности почвы. Метод может быть применён к любым пространственно-временным данным дистанционного зондирования.
Метод можно расширить на другие спутниковые продукты, например, температуру поверхности океана или вегетационные индексы. Возможно изучение более тонких нелинейных взаимодействий и телеконнекций. Также перспективно применение к более длинным временным рядам, когда накопятся данные за десятилетия.
Метод полезен для климатологии, гидрологии, агрометеорологии и мониторинга засух. Он позволяет лучше понять глобальные паттерны влажности и их связь с климатическими явлениями.
Применить метод к данным других спутниковых миссий, например SMAP, и сравнить результаты. Исследовать связь выделенных мод с другими климатическими индексами, такими как Тихоокеанское декадное колебание.
Для наук о Земле остаётся открытым вопрос о нелинейных взаимодействиях между океаном, атмосферой и сушей. Данный метод предлагает инструмент для выявления таких связей в данных наблюдений, что может помочь в понимании механизмов телеконнекций.
Период наблюдений включает событие Эль-Ниньо 2015–2016 годов, которое получило прозвище «Годзилла» из-за своей силы.