Океан помнит случайности: как память шума усиливает климатические связи ✛ ✎

Оригинал: "A Liang-Kleeman Causality Analysis based on Linear Inverse Modeling"
· Justin Lien
arXiv:2409.06797 · 2024-09-10 · arXiv non-exclusive · собственный разбор · 1 мин
Случайные возмущения в океане не исчезают сразу, а помнят себя месяцами, и это усиливает влияние Эль-Ниньо на диполь Индийского океана.

Океанские течения переплетаются, как липкая паутина: каждое возмущение оставляет след, который не исчезает мгновенно. Раньше учёные думали, что случайные толчки в этой паутине забываются сразу, но новое исследование показывает: в районе Niño 3 шум помнит себя больше двух месяцев. Эта память усиливает связь между Эль-Ниньо в Тихом океане и диполем Индийского океана.

Сравнили две модели: одна считает случайные воздействия беспамятными, другая даёт им память. Вторая модель точнее совпадает с реальными данными за 1958–2010 годы.

Метод работает так: строят простую линейную модель, в которой случайное воздействие может быть с памятью или без. Потом подбирают параметры так, чтобы модель повторяла наблюдаемые корреляции. Затем вычисляют поток информации между переменными: он показывает, кто на кого влияет. Оказалось, что Тихий океан стабилизирует диполь, а диполь возбуждает Тихий океан. Учёт памяти шума делает эти потоки сильнее, особенно в районе Niño 3.

Липкая паутина океанских связей оказалась ещё более цепкой, чем думали: возмущение, попавшее в узел Niño 3, держится в нём дольше сезонного цикла. Память шума, как вязкая нить, растягивает влияние Эль-Ниньо на диполь Индийского океана и обратно. Теперь климатологи могут видеть, где именно паутина не рвётся, а лишь слегка провисает под тяжестью случайности.

Память шума в районе Niño 3 превышает два месяца, то есть случайное возмущение океана «помнит» себя дольше, чем длится средний сезонный цикл.

T_{j\to i} = A_{ij} \frac{C_{ij}}{C_{ii}}
Причинность пропорциональна динамической связи и корреляции, нормированной на дисперсию.
K_w(s) = e^{sA_w} C
Корреляция экспоненциально затухает со временем, темп задаёт матрица динамики.
K_c(s) = e^{sA_c} C + e^{sA_c} \int_0^s e^{-s'(A_c + \frac{1}{\tau})} ds' Q_c B^T
Добавляется вклад от памяти шума, который зависит от времени корреляции τ.
Учёные
Jascha Sohl-Dickstein
Понятия
линейная инверсная модель причинность нелинейный спектральный анализ Лапласиана многомерный индекс ЭНСО причинность по Грейнджеру модель Джина–Тиммермана энсо теория причинных множеств линейная регрессия теория хаоса буйковые станции TAO/TRITON индекс Эль-Ниньо обратная задача межгодовая изменчивость анализ независимых компонент естественная изменчивость шумоподавление южная осцилляция диполь индийского океана информационный критерий