[논문 리뷰] Definition, detection, and tracking of persistent structures in atmospheric flows

Johannes von Lindheim, Abhishek Harikrishnan외 9명|arXiv (Cornell University)|2021. 11. 09.

Meteorological Phenomena and Simulations인용 수 6

한 줄 요약

이 논문은 에어로졸 기반의 유동에서 지속적인 구조를 정의하고 탐지하며 추적하기 위한 통합 프레임워크를 제안한다. 여기에는 유라시안 및 라그랑주 방법이 모두 포함되어 있으며, 특징을 나타내는 지도, 워셔스타인 거리에 기반한 최적 운반 이론, 체적 겹침을 통한 영상 정렬 기법을 도입하여 응집된 순환, front, 시스템을 식별한다. 이는 기상 데이터 세트에서 빠르게 움직이거나 잘 해결되지 않은 특징을 더 잘 탐지할 수 있음을 입증한다.

ABSTRACT

Long-lived flow patterns in the atmosphere such as weather fronts, mid-latitude blockings or tropical cyclones often induce extreme weather conditions. As a consequence, their description, detection, and tracking has received increasing attention in recent years. Similar objectives also arise in diverse fields such as turbulence and combustion research, image analysis, and medical diagnostics under the headlines of "feature tracking", "coherent structure detection" or "image registration" - to name just a few. A host of different approaches to addressing the underlying, often very similar, tasks have been developed and successfully used. Here, several typical examples of such approaches are summarized, further developed and applied to meteorological data sets. Common abstract operational steps form the basis for a unifying framework for the specification of "persistent structures" involving the definition of the physical state of a system, the features of interest, and means of measuring their persistence.

연구 동기 및 목표

• 대기 유동에서 순환, front, 시스템과 같은 지속적인 구조를 식별하기 위한 일반적이고 통합적인 프레임워크를 개발하는 것.
• 강한 비라그랑주 동역학을 보이는 지구물리학적 유동에서 엄격히 물질적이거나 라그랑주적이지 않은 응집된 구조를 탐지하는 데 도전하는 것.
• 복잡하거나 난류적이거나 급격히 변화하는 기상 시스템에서 지속적인 특징을 더 잘 탐지하기 위해 유라시안 및 라그랑주 추적 방법을 비교하고 통합하는 것.
• 실제 및 합성 기상 데이터에 프레임워크를 적용하여 외부 열대 시스템과 열대 시스템을 포함한 그들의 강건성과 상보성을 검증하는 것.
• 다양한 특징을 나타내는 지도(예: 코리올스의 세기와 물질 지표)가 같은 스톰 시스템의 동역학과 환경 간 상호작용에 대해 상보적인 통찰을 제공할 수 있음을 보여주는 것.

제안 방법

• 물리적 성질(예: 코리올스의 세기, 온도 기울기, Q-기준)을 코딩하는 특징을 나타내는 지도를 통해 지속적인 구조를 정의한다.
• 특히 대기 척도의 front에 대해 시간에 걸쳐 지속성을 측정하기 위해 워셔스타인 거리에 기반한 최적 운반 이론을 사용한다.
• 유한 시간 리아플로프 지수(FTLE) 필드를 통해 라그랑주 응집 집합(LCS)을 이용해 유동 궤적 내의 물질 응집 집합을 식별한다.
• 특히 저시간 해상도 또는 빠르게 움직이는 시스템에서 시간 단계 간 특징을 추적하기 위해 체적 겹침과 영상 정렬을 활용한다.
• 유라시안 및 라그랑주 방법을 통합하여 스톰 코어(코리올스 기반)와 그 주변 대기 질량의 동역학(물질 지표 기반)을 모두 탐지한다.
• 시간 간격이 희박한 합성 열대 시스템 데이터셋을 사용하여 스펙트럼 클러스터링과 영상 정렬이 고립된 지속적인 특징을 탐지하는 데 있어 강건성을 시험한다.

실험 결과

연구 질문

• RQ1 순환, front, 대류 세포와 같은 다양한 현상을 통합적으로 정의할 수 있는 방법으로서, 지속적인 대기 구조를 어떻게 형식적으로 정의할 수 있는가?
• RQ2 복잡하고 비라그랑주적인 대기 유동에서 지속적인 특징을 탐지하고 추적하는 데 있어 유라시안과 라그랑주 방법이 얼마나 상호보완적인가?
• RQ3 워셔스타인 거리와 같은 최적 운반 기반의 지속성 측정법이 대기 척도의 front와 국소적이고 일시적인 front를 효과적으로 구분할 수 있는가?
• RQ4 기본 겹침 기법이 실패하는 저시간 해상도 또는 강한 이동 속도를 가진 경우, 특징 탐지 방법을 어떻게 향상시킬 수 있는가?
• RQ5 다른 특징을 나타내는 지도(예: 코리올스의 세기 대비 물질 지표)는 동일한 스톰 시스템에 대해 어떤 통찰을 제공하는가?

주요 결과

• 워셔스타인 거리 기반의 지속성 측정법은 대기 척도의 front(높은 지속성)를 국소적 front(낮은 지속성)와 효과적으로 구분하여, 더 지속적인 구조일수록 높은 값을 할당하였다.
• 시간 스플릿이 8개뿐인 합성 열대 시스템 데이터셋에서, 라그랑주 응집 집합 방법과 체적 겹침을 통한 영상 정렬 모두 하나 또는 두 개의 고립된 지속적인 순환을 정확히 식별하였다.
• 허리케인 플로렌스의 사례에서, 수평 단면 기반의 응집 집합과 체적 겹침 모두 순환핵을 지속적인 구조로 식별하였다. 다만, 2차원 단면에서 라그랑주 방법의 지속성 측정은 더 정량화하기 어려웠다.
• 외부 열대 시스템 로타르와 마르틴의 경우, 체적 겹침과 영상 정렬은 양 스톰 모두를 탐지하였고, 라그랑주 응집 집합 접근법은 스톰에 공급되는 대규모 대기 질량과 그 반대 방향의 질량 이동을 드러내었지만, 스톰 중심 자체를 국소화하지는 못했다.
• 역학적 스펙트럼 클러스터링 방법은 표준 겹침 기법이 실패하는 낮은 시간 해상도의 시뮬레이션에서도 지속적인 구조를 탐지하는 데 성공하였다.
• 코리올스 기반 탐지와 물질 지표 함수의 조합은 상보적인 동역학을 드러내었다: 코리올스는 스톰 코어를 국소화하였고, 물질 지표는 환경과의 장거리 대기 질량 교환을 폭 드러내었다.