[论文解读] A Large Deviation Theory-based Analysis of Heat Waves and Cold Spells in a Simplified Model of the General Circulation of the Atmosphere

Vera Melinda Gálfi, Valerio Lucarini+1 more|MPG.PuRe (Max Planck Society)|Jul 22, 2018

Climate variability and models被引用 6

一句话总结

本文应用大偏差理论（LDT）分析简化的大气环流模型中的持续热浪和寒潮。通过估计近地表温度的大偏差率函数，揭示了温度极端事件的尺度不变普适性，并识别出中等空间尺度最有利于大偏差发生，暗示其与低频大气变化存在关联。

ABSTRACT

We study temporally persistent and spatially extended extreme events of temperature anomalies, i.e. heat waves and cold spells, using large deviation theory. To this end, we consider a simplified yet Earth-like general circulation model of the atmosphere and numerically estimate large deviation rate functions of near-surface temperature in the mid-latitudes. We find that, after a re-normalisation based on the integrated auto-correlation, the rate function one obtains at a given latitude by looking, locally in space, at long time averages agrees with what is obtained, instead, by looking, locally in time, at large spatial averages along the latitude. This is a result of scale symmetry in the spatial-temporal turbulence and of the fact that advection is primarily zonal. This agreement hints at the universality of large deviations of the temperature field. Furthermore, we discover that the obtained rate function is able to describe spatially extended and temporally persistent heat waves or cold spells, if we consider temporal averages of spatial averages over intermediate spatial scales. Finally, we find out that large deviations are relatively more likely to occur when looking at these spatial averages performed over intermediate scales, thus pointing to the existence of weather patterns associated to the low-frequency variability of the atmosphere. Extreme value theory is used to benchmark our results.

研究动机与目标

• 使用大偏差理论（LDT）研究持久、空间扩展型温度异常（如热浪和寒潮）的统计特性。
• 确定LDT是否能够捕捉简化但类地球大气模型中极端气候事件发生概率。
• 探索大偏差率函数在中纬度大气动力学不同空间和时间尺度下的普适性。
• 评估LDT作为估计气候系统中罕见事件概率的工具的潜力，特别是涉及长期持续性和大空间范围的事件。
• 通过识别非平稳性和多尺度相关性等关键挑战，为将LDT应用于真实气候数据和先进气候模型奠定基础。

提出的方法

• 对大气的简化一般环流模型（GCM）进行数值模拟，生成近地表温度的长时间序列。
• 基于固定纬度上温度的时间平均，利用长时间段内的时间平均统计量估计大偏差率函数（LDRF）。
• 将来自局部空间、长时间平均的LDRF与沿纬圈的局部时间、大空间平均统计量所得的LDRF进行比较。
• 基于积分自相关性的重归一化方法，检验不同平均方案下LDRF的尺度对称性和普适性。
• 使用极值理论（EVT）作为基准，验证基于LDT的罕见事件概率估计。
• 分析中等尺度的空间平均，以识别检测与持久极端事件相关的大偏差的最优配置。

实验结果

研究问题

• RQ1 大偏差理论能否有效描述持久且空间扩展型温度异常（如热浪和寒潮）的发生概率？
• RQ2 是否存在一个适用于不同空间和时间平均方案的温度大偏差率函数的普适形式？
• RQ3 中等空间尺度是否使大偏差的概率最大化，表明其与低频大气变化存在关联？
• RQ4 时间和空间相关性的存在如何影响地球物理系统中大偏差定律的收敛性和普适性？
• RQ5 在存在季节循环和气候变化趋势等非平稳性的情况下，LDT在多大程度上可适应真实气候数据？

主要发现

• 通过使用积分自相关性进行重归一化后，从中等空间尺度的局部空间平均得到的大偏差率函数，与长时间局部时间平均所得函数一致，表明存在尺度对称性和普适性。
• 当应用于中等空间尺度的时间平均空间平均时，大偏差率函数成功描述了热浪和寒潮。
• 在中等空间尺度上分析温度场时，大偏差最可能发生，提示其与阻塞事件等低频大气型态存在物理关联。
• 在理想化模型中，估计的率函数是对称的，意味着极端暖和冷异常的发生概率相等，但真实数据中由于水汽效应预期会出现不对称性。
• LDT与极值理论基准结果的一致性，证实了LDT在估计时空混沌系统中罕见事件概率方面的稳健性。
• 本研究为将LDT扩展至真实气候数据提供了基础，并提出了处理非平稳性和多尺度相关性的实用改进方法。