[논문 리뷰] Data-Driven Koopman Analysis of Tropical Climate Space-Time Variability

Joanna Sławińska, Enikő Székely외 1명|arXiv (Cornell University)|2017. 11. 05.

Model Reduction and Neural Networks참고 문헌 24인용 수 6

한 줄 요약

이 논문은 사전 처리 없이 열대 기후 데이터에서 다중스케일 시공간 패턴을 추출하기 위한 데이터 기반 쿠프만 연산자 프레임워크를 제안한다. 이는 내부계절에서 일일 스케일의 전파되는 대류 모드, 특히 MJO와 CCEWs를 성공적으로 식별하며, 이들이 ENSO와 어떻게 동적 연관되어 있는지를 드러내어 비모수 기법을 통해 예측 가능성을 향상시킨다.

ABSTRACT

We study nonlinear dynamics of the Earth's tropical climate system. For that, we apply a recently developed technique for feature extraction and mode decomposition of spatiotemporal data generated by ergodic dynamical systems. The method relies on constructing low-dimensional representations (temporal patterns) of signals using eigenfunctions of Koopman operators governing the evolution of observables in ergodic dynamical systems. We apply this technique to a variety of tropical climate datasets and extract a multiscale hierarchy of spatiotemporal patterns on diurnal to interannual timescales. In particular, we detect without prefiltering the input data modes operating on intraseasonal and shorter timescales that correspond to propagation of organized convection. We discuss the salient properties of these propagating features and in particular we focus on how the activity of certain types of these traveling patterns is related to lower-frequency dynamics. As an extension of this work, we discuss their potential predictability based on a range of nonparametric techniques and potential advances related to understanding the deterministic and stochastic aspects of the variability of these modes.

연구 동기 및 목표

• 데이터 기반 동역학 시스템 프레임워크를 사용하여 열대 기후 시스템의 비선형 시공간 변동성을 분석하기 위해.
• 임의의 데이터 필터링이나 추세 제거 없이 일일에서 연간 스케일까지의 일관된 패턴을 추출하기 위해.
• 빠르게 전파되는 모드(예: MJO, CCEWs)와 저주파 변동성(예: ENSO) 간의 동적 관계를 조사하기 위해.
• 에르고딕 이론과 커널 방법에 기반한 비모수 기법을 사용하여 이러한 모드의 예측 가능성을 평가하기 위해.
• 기후 시공간 스케일 간의 비선형 상호작용을 이해하기 위한 새로운 프레임워크를 제공하기 위해.

제안 방법

• 이 방법은 에르고딕 동역학 시스템에서 관측량의 진화를 기술하기 위해 쿠프만 연산자를 사용하며, 고차원 시계열의 스펙트럼 분해를 가능하게 한다.
• 쿠프만 고유함수는 커널 기반 기계학습 기법, 예를 들어 커널을 사용한 확장된 동적 모드 분해(EDMD)를 통해 계산된다.
• 입력으로는 열대 지역의 구름 상층 온도 시간 순서 관측값을 사용하며, 이는 에르고딕 흐름에 의해 지배되는 상태 공간 위의 관측량 샘플로 간주된다.
• 이 프레임워크는 기저 상태 공간이나 동역학을 명시적으로 모델링하지 않으며, 대신 데이터로부터 경험적으로 쿠프만 고유함수를 추정한다.
• 정보 이론적 측도(예: 상호정보량, 상대 엔트로피)를 포함한 비모수 예측 기법이 제도 예측 가능성 평가에 적용된다.
• 이 방법은 MJO-해수온도(SST) 결합과 서쪽으로 전파되는 혼합 로즈비-그라비티 파동과 같은 알려진 물리적 패턴을 회복함으로써 검증된다.

실험 결과

연구 질문

• RQ1 사전 처리나 시간스케일 필터링 없이 열대 기후 데이터의 비선형 시공간 패턴을 어떻게 추출할 수 있는가?
• RQ2 전파되는 대류 모드(예: MJO, CCEWs)는 ENSO와 같은 저주파 기후 변동성에 어떤 역할을 하는가?
• RQ3 쿠프만 기반 방법이 MJO-SST 상호작용과 같은 알려진 물리적 결합을 높은 정밀도로 복원할 수 있는가?
• RQ4 MJO 제도의 예측 가능성은 계절에 따라 어떻게 변화하며, ENSO는 이 예측 가능성에 어떤 역할을 하는가?
• RQ5 데이터 기반 쿠프만 분석이 열대 기후 시스템에서 다중스케일 간 숨겨진 동적 상호작용을 어느 정도 드러낼 수 있는가?

주요 결과

• 이 방법은 사전 필터링 없이 내부계절 및 그 이하 스케일의 전파되는 대류 모드를 성공적으로 추출하였으며, 매든-줄리안 진동(MJO)과 일치하는 특징도 포함한다.
• 쿠프만 고유함수는 이론적으로 예상되는 바로 그 바람직한 MJO-SST 결합을 복원하였으며, 따뜻한 SST 이상이 MJO 대류 중심보다 앞서 나타난다.
• 이 방법은 5일 스케일의 서쪽으로 전파되는 혼합 로즈비-그라비티 파동을 식별하였으며, 이는 이де알리제이션된 대기역학과 이전 관측 결과와 일치한다.
• 이 방법은 CCEWs를 별개의 빠르게 전파되는 패턴으로 포착하여, 이들이 MJO의 구조를 뒷받침할 수 있음을 시사한다.
• MJO는 11월과 12월에 가장 높은 예측 가능성을 보였으며, 이는 엘니뇨 연도와 관련된 예측 가능성 향상과 1월~2월의 예측 가능성 재발현과 관련이 있다.
• 이 방법은 ENSO 단계 변화가 MJO 활동에 의해 유도된 해양파에 의해 동적으로 연관되어 있을 수 있음을 드러내어, MJO에 의해 유도되는 ENSO 종료 이론을 지지한다.