[논문 리뷰] Partial wavelet coherence analysis for understanding the standalone relationship between Indian Precipitation and Teleconnection patterns

Maheswaran Rathinasamy, Ankit Agarwal외 3명|arXiv (Cornell University)|2017. 02. 16.

Climate variability and models참고 문헌 31인용 수 6

한 줄 요약

이 연구는 네 가지 기후 지수(Niño 3.4, PDO, SOI, IOD)가 인도 강수에 미치는 독립적 영향을 상호의존성의 영향을 고려하여 분리하기 위해 부분 웨이브릿 공존 분석을 적용한다. 결과적으로, 강수와 유의미하고 비정상적인 관계를 가지는 것은 오직 Niño 3.4와 IOD뿐이며, SOI와 PDO는 Niño 3.4와의 강한 결합으로 인해 직접적인 영향을 미치지 못한다.

ABSTRACT

Hydro-meteorological variables, like precipitation, streamflow are significantly influenced by various climatic factors and large-scale atmospheric circulation patterns. Efficient water resources management requires an understanding of the effects of climate indices on the accurate predictability of precipitation. This study aims at understanding the standalone teleconnection between precipitation across India and the four climate indices, namely, Niño 3.4, PDO, SOI, and IOD using partial wavelet analysis. The analysis considers the cross correlation between the climate indices while estimating the relationship with precipitation. Previous studies have overlooked the interdependence between these climate indices while analysing their effect on precipitation. The results of the study reveal that precipitation is only affected by Niño 3.4 and IOD and a non-stationary relationship exists between precipitation and these two climate indices. Further, partial wavelet analysis revealed that SOI and PDO do not significantly affect precipitation, but seems the other way because of their interdependence on Niño 3.4. It was observed that partial wavelet analysis strongly revealed the standalone relationship of climatic factors with precipitation after eliminating other potential factors. Keywords: Indian Precipitation, wavelet coherency, partial wavelet coherence, teleconnections patterns.

연구 동기 및 목표

• 기후 지수 상호 간의 상호의존성을 고려하지 않은 채로, 주요 기후 지수들이 인도 강수에 미치는 진정한 독립적 영향을 규명하는 것.
• 이전 연구들이 강수에 미치는 영향을 분석할 때 기후 지수 간의 상관관계를 고려하지 못한 한계를 해결하는 것.
• 혼란 요인으로부터 직접적인 원격연결 신호를 분리함으로써 강수 예측 정확도를 향상시키는 것.
• Niño 3.4, PDO, SOI, IOD가 인도 monsoon 변동성의 독립적 주도자인지 평가하는 것.
• 부분 웨이브릿 공존 분석이 기후 시계열에서 비정상적이고 스케일별 관계를 탐지하는 데 효과적임을 입증하는 것.

제안 방법

• 연구는 다른 세 개의 지수의 영향을 통제함으로써 인도 강수와 각 기후 지수 간의 독립적 관계를 평가하기 위해 부분 웨이브릿 공존(PWC)을 사용한다.
• PWC는 인도 전역의 월간 강수 데이터 및 네 가지 기후 지수(Niño 3.4, PDO, SOI, IOD)의 시계열에 적용된다.
• 이 방법은 신호를 시간-주파수 공간으로 분해하여, 다른 지수에서 기인한 공유 분산을 제거한 국소적이고 스케일별 상관관계를 탐지할 수 있도록 한다.
• 강수와 각 지수 간의 웨이브릿 공존을 계산하며, 다른 세 지수의 영향은 웨이브릿 도메인에서의 부분 상관계수를 통해 통계적으로 제거된다.
• 분석은 시간-주파수 분해에 모레트 웨이브릿 기반을 사용하고, 통계적으로 신뢰할 수 있는 관계를 식별하기 위해 유의성 검정을 적용한다.
• 결과는 파형 공존도 플롯과 유의성 윤곽선, 위상 화살표를 사용하여 시간과 스케일에 따른 앞서서 가속도 및 공존 패턴을 해석하는 데 활용된다.

실험 결과

연구 질문

• RQ1 PDO, SOI, IOD의 영향을 제거한 후 Niño 3.4가 인도 강수에 미치는 독립적 영향은 무엇인가?
• RQ2 Niño 3.4와의 상호의존성이 고려된 상태에서 PDO와 SOI가 인도 강수에 독립적으로 미치는 영향은 무엇인가?
• RQ3 IOD는 인도 monsoon 강수에 직접적인, 혼란 요인 없이 영향을 미치는가?
• RQ4 강수와 기후 지수 간의 관계는 시간과 주파수 스케일에 따라 정적(정상)인가?
• RQ5 기후 지수 간의 상호의존성이 인도 강수에 대한 진정한 영향을 얼마나 많이 가로막거나 왜곡하는가?

주요 결과

• 부분 웨이브릿 공존 분석을 통해 오직 Niño 3.4와 인도양 델타(IOD)만이 인도 강수와 통계적으로 유의미하고 독립적인 관계를 보이고 있다.
• 강수와 Niño 3.4 간의 관계는 비정상적이며, 특히 2–8년 주기대역에서 강한 공존성이 관찰된다.
• IOD는 2–4년 주기에서 인도 강수와 유의미한 공존성을 보이며, monsoon 변동성에 직접적인 영향을 미친다.
• PDO와 SOI는 인도 강수에 유의미한 독립적 영향을 보이지 않으며, 그들의 명백한 상관관계는 주로 Niño 3.4와의 강한 결합에 기인한다.
• 부분 웨이브릿 공존은 지수 간 상호의존성으로 인한 오락성 상관관계를 제거함으로써 직접적인 원격연결 신호를 효과적으로 분리하여 더 명확한 기후 신호를 드러낸다.
• 이 연구는 기후 지수 간 상호의존성을 忽시할 경우 monsoon 강수에 대한 영향에 대한 잘못된 결론을 이끌 수 있음을 입증한다.