[논문 리뷰] The Influence of Time Series Distance Functions on Climate Networks

Leonardo N. Ferreira, Nicole Costa Resende외 3명|arXiv (Cornell University)|2019. 02. 08.

Complex Systems and Time Series Analysis참고 문헌 33인용 수 3

한 줄 요약

이 논문은 글로벌 기온 데이터에서 기후 네트워크를 구축하기 위해 29개의 시계열 거리 함수를 평가하며, 일반적으로 사용되는 피어슨 상관계수와 같은 메트릭이 유사한 네트워크를 생성하지만, 다른 거리 함수들은 기후 역학과 에너지 이동을 이해하는 데 핵심적인 장거리 연결 패턴(텔레커넥션)을 드러낸다는 것을 입증한다. 본 연구는 다양한 거리 함수의 광범위한 사용을 통해 다양한 기후 역학을 포착할 것을 주장한다.

ABSTRACT

Network theory has established itself as an important tool for the analysis of complex systems such as the climate. In this context, climate networks are constructed using a spatiotemporal climate dataset and a time series distance function. It consists of representing each spatial area by a node and connecting nodes that present similar time series. One fundamental concern when building climate network is the definition of a metric that captures similarity between time series. The majority of papers in the literature use Pearson correlation with or without lag. Here we study the influence of 29 time series distance functions on climate network construction using global temperature data. We observed that the distance functions used in the literature generate similar networks in general while alternative ones generate distinct networks and exhibit different long-distance connection patterns (teleconnections). These patterns are highly important for the study of climate dynamics since they generally represent long-distance transportation of energy and can be used to forecast climatological events. Therefore, we consider that the measures here studied represent an alternative for the analysis of climate systems due to their capability of capturing different underlying dynamics, what may provide a better understanding of global climate.

연구 동기 및 목표

• 다양한 시계열 거리 함수가 기후 네트워크의 위상에 미치는 영향을 평가하는 것.
• 피어슨 상관계수와 같이 일반적으로 사용되는 메트릭이 기후 역학을 최적화하여 포착하는지 확인하는 것.
• 대체 거리 함수가 기후 네트워크에서 장거리 연결(텔레커넥션) 탐지에 어떻게 영향을 미치는지 탐구하는 것.
• 다양한 거리 함수가 기후 시스템의 다양한 기반 동역학을 드러내는지 평가하는 것.
• 미래의 기후 네트워크 분석에서 더 정보적인 거리 함수 선택을 위한 기초를 제공하는 것.

제안 방법

• 연구는 공간 격자 점들에 걸쳐 글로벌 기온 시계열 데이터에 29개의 시계열 거리 함수를 적용한다.
• 각 거리 함수는 인접하거나 먼 격자 점의 시계열 간 유사도를 계산하여 네트워크 엣지를 정의한다.
• 거리 임계값 또는 고정된 k개의 최근접 이웃을 기반으로 노드(공간 위치)를 연결하여 기후 네트워크를 구축한다.
• 클러스터링, 경로 길이, 장거리 연결성 등의 네트워크 특성을 분석하고 거리 함수 간에 비교한다.
• 네트워크 구조의 시각화 및 통계적 비교를 통해 각 거리 함수가 텔레커넥션 패턴에 미치는 영향을 평가한다.
• 분석은 주로 29개의 함수 간 네트워크 위상, 특히 장거리 연결에서의 차이를 식별하는 데 집중한다.

실험 결과

연구 질문

• RQ1 다양한 시계열 거리 함수는 기후 네트워크의 구조에 어떻게 영향을 미치는가?
• RQ2 표준 메트릭인 피어슨 상관계수와 다른 거리 함수는 기후 역학을 포착하는 데 얼마나 다를까?
• RQ3 대체 거리 함수는 기존 방법으로는 포착되지 않는 고유한 장거리 연결 패턴(텔레커넥션)을 드러내는가?
• RQ4 거리 함수의 변동은 기후 시스템 내 에너지 이동 경로 탐지에 어떻게 영향을 미치는가?
• RQ5 대체 거리 함수는 글로벌 기후 연결성의 더 정보적인 표현을 제공할 수 있는가?

주요 결과

• 일반적으로 사용되는 거리 함수, 예를 들어 피어슨 상관계수 등은 매우 유사한 기후 네트워크 구조를 생성한다.
• 대체 거리 함수는 고유한 장거리 연결 패턴을 가진 별개의 네트워크 위상을 생성한다.
• 이러한 대체 함수들은 특히 원거리 공간 연결에서 다른 텔레커넥션 구조를 드러낸다.
• 장거리 연결 패턴의 변동은 서로 다른 거리 함수가 서로 다른 기반 기후 역학을 포착한다는 것을 시사한다.
• 결과는 거리 함수 선택이 기후 네트워크 연결성과 역학의 해석에 상당한 영향을 미친다는 것을 시사한다.
• 연구는 대체 거리 함수가 표준 상관계수 기반 접근법을 초월해 기후 시스템 행동에 가치 있는 보완적 통찰을 제공한다는 결론을 내린다.