Loading article…
複雑ネットワークの分野は、複雑系の性質に関する新たな洞察を生み出す重要な科学領域として浮上しています。 [1]ネットワーク理論の気候科学への応用は、新しい分野です。[2] [3] [4]地球規模の気候のパターンを特定して分析するために、科学者は気候データを複雑ネットワークとしてモデル化します。
ノードとエッジが明確に定義されている現実世界のネットワークのほとんどとは異なり、気候ネットワークでは、ノードは、さまざまな解像度で表現できる基礎となる地球規模の気候データセットの空間グリッド内のサイトとして識別されます。2つのノードは、気候記録から取得された対応する時系列のペア間の統計的類似性の程度（依存関係に関連する可能性があります）に応じてエッジで接続されます。[3] [5]気候ネットワークアプローチにより、さまざまな空間および時間スケールでの気候システム のダイナミクスに関する新しい洞察が可能になります。[3]
気候ネットワークの構築
ノードやエッジの選択に応じて、気候ネットワークはさまざまな形式、形状、サイズ、複雑さをとることができます。Tsonis らは、複雑ネットワークの分野を気候に導入しました。彼らのモデルでは、ネットワークのノードは、NCEP/NCAR 再解析データセットからの単一の変数 (500 hPa) で構成されていました。ノード間のエッジを推定するために、すべての可能なノードのペア間のゼロタイムラグでの相関係数が推定されました。相関係数が 0.5 のしきい値を超える場合、ノードのペアは接続されていると見なされました。[1]
スタインハウザーとチームは、複数の気候変数から別々にネットワークを構築し、多変量予測モデルでそれらの相互作用を捉えることにより、気候における多変量ネットワークという新しい手法を導入しました。彼らの研究では、気候の文脈において、クラスター属性に基づいて予測因子を抽出すると、予測スキルを向上させるための有益な前兆が得られることが実証されました。[5]
Kawaleらは、圧力データ内の双極子を見つけるためのグラフベースのアプローチを提示した。テレコネクションの重要性を考えると、この方法論は重要な洞察を提供する可能性がある。[6]
Immeらは、時間的確率的グラフィカルモデルに基づく気候における新しいタイプのネットワーク構築を導入し、時間の経過に伴うネットワーク内の情報の流れに焦点を当てることで代替的な視点を提供している。[7]
アガルワルらは、異なる時間スケールで気候ネットワークを構築し調査するための高度な線形[8]および非線形[9]手法を提案した。異なる時間スケールのSSTデータセットを使用して構築された気候ネットワークは、気候プロセスのマルチスケール分析が、プロセスを1つの時間スケールでのみ分析した場合に見逃される可能性のある システムダイナミクスをよりよく理解できる可能性を秘めていると主張した[10]。
気候ネットワークの応用
気候ネットワークは、多くの空間スケールにわたる気候システムのダイナミクスについての洞察を可能にします。局所次数中心性および関連する尺度は、スーパーノードを識別し、テレコネクションパターンと呼ばれる大気中の既知の動的相互関係に関連付けるために使用されています。気候ネットワークは、長距離空間接続により「スモールワールド」特性を持つことが観察されました。 [2]
スタインハウザーらは、複雑ネットワークを適用して、気候データにおける多変量および多スケールの依存性を調査しました。このグループの調査結果では、複数の変数において、複数の時間および空間スケールにわたって観測された依存性パターンが非常に類似していることが示唆されました。 [4]
ツォニスとローバーは気候ネットワークの結合構造を調査した。ネットワーク全体は絡み合ったサブネットワークから生じていることが判明した。1つのサブネットワークは高高度で動作し、もう1つは熱帯で動作し、赤道サブネットワークは2つの半球をリンクするエージェントとして機能します。両方のネットワークはスモールワールド特性を備えていますが、2つのサブネットワークは次数分布などのネットワーク特性の点で互いに大きく異なります 。[11]
ドンゲスらは気候ネットワークを気候の物理学と非線形力学の解釈に応用した。研究チームはノード中心性の尺度である媒介中心性（BC）を用いて、月平均再解析と大気海洋結合一般循環モデル（AOGCM）の地表気温（SAT）データから構築された気候ネットワークのBCフィールドにおける波のような構造を示した。[12]
テレコネクションパス
テレコネクションとは、地球上の広範囲にわたる気象や気候の異常を結びつける大気中の空間パターンである。テレコネクションの特徴は、持続性があり、1～2週間、多くの場合はもっと長く続くこと、また、同様のパターンが繰り返し発生する傾向があるため再発性があるということである。テレコネクションの存在は、気温、風、降水量、社会的に最も関心の高い大気変数の変化と関連している。[13]
計算上の問題と課題
気候ネットワークの分野では、ネットワーク構築と分析プロセスのさまざまな段階で数多くの計算上の課題が発生します。[14]
- すべてのグリッド ポイント間のペアワイズ相関を計算するのは簡単な作業ではありません。
- 空間グリッドの解像度に依存するネットワーク構築の計算要件。
- データから予測モデルを生成すると、さらなる課題が生じます。
- 空間と時間にわたるラグ効果とリード効果を考慮することは簡単な作業ではありません。
参照
参考文献
- ^ ab アルバート、レカ;バラバシ、アルバート＝ラズロ (2002)。 「複雑なネットワークの統計力学」。現代物理学のレビュー。74 (1): 47–97。arXiv : cond-mat/0106096。Bibcode :2002RvMP...74...47A。土井：10.1103/RevModPhys.74.47。ISSN 0034-6861。S2CID 60545。
- ^ ab Tsonis, Anastasios A.; Swanson, Kyle L.; Roebber, Paul J. (2006). 「ネットワークは気候とどう関係するのか?」アメリカ気象学会誌. 87 (5): 585–595. Bibcode :2006BAMS...87..585T. doi : 10.1175/BAMS-87-5-585 . ISSN 0003-0007.
- ^ abc Donges, JF; Zou, Y.; Marwan, N.; Kurths, J. (2009). 「気候ダイナミクスにおける複雑ネットワーク」.ヨーロッパ物理学ジャーナル特別トピックス. 174 (1). Springer-Verlag: 157–179. arXiv : 0907.4359 . Bibcode :2009EPJST.174..157D. doi :10.1140/epjst/e2009-01098-2. S2CID 2375970.
- ^ ab Steinhaeuser, Karsten; Ganguly, Auroop R.; Chawla, Nitesh V. (2011). 「複雑なネットワークを通して明らかになった地球気候システムにおける多変量および多スケールの依存性」。Climate Dynamics . 39 (3–4): 889–895. Bibcode :2012ClDy...39..889S. doi :10.1007/s00382-011-1135-9. ISSN 0930-7575. S2CID 12086088.
- ^ ab Steinhaeuser, K.; Chawla, NV; Ganguly, AR (2010). 「気候科学における記述分析と予測モデリングのための統一フレームワークとしての複雑ネットワーク」.統計分析とデータマイニング. 4 (5). John Wiley & Sons, Inc.: 497–511. doi :10.1002/sam.10100. S2CID 6035317.
- ^ Kawale J.; Liess S.; Kumar A.; Steinbach M.; Ganguly AR; Samatova F.; Semazzi F.; Snyder K.; Kumar V. (2011). 「データによる動的気候双極子の発見」(PDF)。2011年インテリジェント データ理解に関する会議の議事録、CIDU 2011、2011 年 10 月 19 ～ 21 日、カリフォルニア州マウンテン ビュー: 30 ～ 44 ページ。
- ^ Imme, Ebert-Uphoff; Deng, Yi (2012). 「確率的グラフィカルモデルに基づく新しいタイプの気候ネットワーク：北半球の冬と夏の結果」。Geophysical Research Letters。39 ( 19) 。Springer -Verlag: 157–179。Bibcode :2012GeoRL..3919701E。doi : 10.1029 /2012GL053269。
- ^ Agarwal, Ankit; Maheswaran, Rathinasamy; Marwan, Norbert; Caesar, Levke; Kurths, Jürgen (2018年11月). 「複雑ネットワークのウェーブレットベースのマルチスケール類似度測定」(PDF) . The European Physical Journal B . 91 (11). doi :10.1140/epjb/e2018-90460-6. eISSN 1434-6036. ISSN 1434-6028. S2CID 254116434.
- ^ Agarwal, Ankit; Marwan, Norbert; Rathinasamy, Maheswaran; Merz, Bruno; Kurths, Jürgen (2017年10月13日). 「気候プロセスを解明するためのマルチスケールイベント同期分析：ウェーブレットベースのアプローチ」.地球物理学における非線形プロセス. 24 (4): 599–611. doi : 10.5194/npg-24-599-2017 . eISSN 1607-7946. S2CID 28114574.
- ^ Agarwal, Ankit; Caesar, Levke; Marwan, Norbert; Maheswaran, Rathinasamy; Merz, Bruno; Kurths, Jürgen (2019年6月19日). 「異なるスケールでのテレコネクションのネットワークベースの識別と特徴付け」. Scientific Reports . 9 (1): 8808. doi :10.1038/s41598-019-45423-5. eISSN 2045-2322. PMC 6584743. PMID 31217490 .
- ^ Tsonis, AA; Roebber, PJ (2004). 「気候ネットワークのアーキテクチャ」. Physica A: 統計力学とその応用. 333 : 497–504. Bibcode :2004PhyA..333..497T. doi :10.1016/j.physa.2003.10.045. ISSN 0378-4371.
- ^ Donges, JF; Zou, Y.; Marwan, N.; Kurths, J. (2009). 「気候ネットワークのバックボーン」. EPL . 87 (4): 48007. arXiv : 1002.2100 . Bibcode :2009EL.....8748007D. doi :10.1209/0295-5075/87/48007. ISSN 0295-5075. S2CID 11225385.
- ^ Feldstein, Steven B.; Franzke, Christian LE (2017 年 1 月)。「大気テレコネクションパターン」。Franzke, Christian LE、Okane, Terence J. (編)。非線形および確率的気候ダイナミクス。pp. 54–104。doi :10.1017 / 9781316339251.004。ISBN 9781316339251. 2019年12月7日閲覧。
- ^ Steinhaeuser K.; Chawla NV; Ganguly AR (2010). 「気候科学における複雑ネットワーク」。インテリジェントデータ理解に関する会議: 16–26。