[论文解读] Partial wavelet coherence analysis for understanding the standalone relationship between Indian Precipitation and Teleconnection patterns

Maheswaran Rathinasamy, Ankit Agarwal+3 more|arXiv (Cornell University)|Feb 16, 2017

Climate variability and models参考文献 31被引用 6

一句话总结

本研究应用偏小波相干分析，以分离四个气候指数——Niño 3.4、PDO、SOI 和 IOD——对印度降水的独立影响，同时考虑各指数之间的相互依赖性。结果表明，仅有 Niño 3.4 和 IOD 与降水存在显著的非平稳关系，而 SOI 和 PDO 由于与 Niño 3.4 的强耦合，对降水无直接影响。

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.

研究动机与目标

• 识别主要气候指数对印度降水的真实、独立影响，排除其相互依赖性的影响。
• 解决以往研究在分析气候指数对降水的影响时，未能考虑指数之间交叉相关性的局限性。
• 通过隔离直接遥相关信号与干扰因素，提高降水可预测性的准确性。
• 评估 Niño 3.4、PDO、SOI 和 IOD 作为印度季风变异性独立驱动因子的重要性。
• 展示偏小波相干在检测气候时间序列中非平稳、尺度特定关系方面的有效性。

提出的方法

• 本研究采用偏小波相干（PWC）方法，评估印度降水与每个气候指数之间的独立关系，同时控制其他三个指数的影响。
• PWC 被应用于印度各地的月度降水数据以及四个气候指数（Niño 3.4、PDO、SOI 和 IOD）的时间序列。
• 该方法将信号分解至时频空间，能够检测局部化、尺度特定的相关性，同时通过偏相关在小波域中去除其他指数带来的共享方差。
• 计算降水与每个指数之间的小波相干性，通过小波域中的偏相关统计方法去除其他三个指数的影响。
• 分析采用 Morlet 小波基进行时频分解，并应用显著性检验以识别统计上稳健的关系。
• 结果通过小波相干图（含相位箭头和显著性轮廓）进行可视化，以解释不同尺度和时间上的领先-滞后关系与相干性模式。

实验结果

研究问题

• RQ1 在去除 PDO、SOI 和 IOD 的影响后，Niño 3.4 对印度降水的独立影响是什么？
• RQ2 当考虑 Niño 3.4 的相互依赖性时，PDO 和 SOI 如何独立影响印度降水？
• RQ3 IOD 是否与印度季风降雨存在直接的、无干扰的关系？
• RQ4 降水与气候指数之间的关系在时间和频率尺度上是否具有平稳性？
• RQ5 气候指数之间的相互依赖性在多大程度上掩盖或扭曲了其对印度降水的真实影响？

主要发现

• 仅 Niño 3.4 和印度洋偶极子（IOD）通过偏小波相干分析证实与印度降水存在显著的独立关系。
• 降水与 Niño 3.4 之间的关系是非平稳的，在多个时间尺度上表现出强相干性，尤其在 2–8 年带宽内。
• IOD 在 2–4 年周期内与印度降水表现出显著相干性，表明其对季风变异性具有直接影响。
• PDO 和 SOI 对印度降水无显著独立影响；其表面相关性主要源于与 Niño 3.4 的强耦合。
• 偏小波相干能有效隔离直接遥相关信号，通过去除因指数相互依赖带来的虚假相关性，揭示更清晰的气候信号。
• 本研究表明，忽略气候指数之间的相互依赖性会导致对其对季风降雨影响的误导性结论。