A carregar...
Publicação
Análise de componentes independentes da variabilidade mensal do campo da pressão ao nível do mar na região Euro-Atlântica
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 18.68 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
The climate system is a dynamic system characterized by its high complexity and dimensionality, governed by non-linear interactions. Over the last few decades, the redefinition of the system’s dimensionality and the extraction of co-related patterns from measurements of atmospheric variables, present challenging tasks. An example is the monthly variability of the pressure field at sea level (SLP) which allows for evidence of certain weather time patterns, characterized by some recurrence (or repetition) and temporal persistence. In this regard, the positive and negative phases of the North Atlantic Oscillation, shows the multimodality of the field’s joint probability distribution. This multivariate variability, whether forced or internally induced, can be separated, using certain multivariate statistical techniques into scalar random components, with as much statistical independence as possible, called independent components. In case of fields having multivariate Gaussian distributions, Independent Component Analysis (ICA) corresponds to Principal Component Analysis (PCA), which is then performed sub-optimally in the non-Gaussian case as it occurs with the geopotential field at the
sea level.In this dissertation we intend to apply the SLP field research carried out by NCAR (National
Center for Atmospheric Research) reanalysis, wich was provided in a regular grid with a resolution of
2,5º x 2,5º (latitude, longitude) covering the period between January 1948 to December 2017 (70 years).
In this dissertation one aims to apply the ICA to the SLP field, obtained from the NCAR reanalysis, thus contributing to the search for independent components within the atmospheric and oceanic phenomena, so that it is possible to deepen the understanding of the fundamental processes behind its variability.As such, a geographic analysis covering the North Atlantic (Atl) and Euro-Atlantic (Eur-Atl)areas was carried out, including a temporal analysis (for both areas), each one including two main climatological seasons: winter (consisting of December, January and February) and summer (consisting of June, July and August). The applied method consists of two phases, in wich the PCA (Principal Component Analysis) is applied in the first and the ICA (Independent Components Analysis) is applied to the PCA result in the second. ICA has proven to be an effective way of extracting significant characteristics from climate data, particularly from monthly pressure field variability data at sea level. By the total negentropy and mutual information it was proved that the HOSVD method worked for the geographic analysis (Atl and Eur-Atl) and for the temporal analysis in winter (in both regions) and for summer only in the Eur-Atl region. The total negentropy is greater in the larger domain (Eur-Atl) than in the smaller domain (Atl), regardless of period. This is intuitive, as a larger domain allows to cover a greater amplitude of the ends of the SLP field. The total negentropy in winter is slightly higher than in summer, this is due to higher extreme values of PCs (in terms of skewness and e-Kurtosis), and therefore to more extreme situations in winter than in summer, in which concerns the SLP anomaly field.
O sistema climático é um sistema dinâmico caraterizado pela sua alta complexidade e dimensionalidade, com muitos modos de interações não lineares. Consequentemente, uma tarefa desafiadora ao longo das últimas décadas tem sido de encontrar maneira de redefinir a dimensionalidade do sistema e de extrair padrões importantes de medições de variáveis atmosféricas. Um exemplo é a variabilidade mensal do campo da pressão ao nível do mar (Sea Level Pressure: SLP) que permite evidenciar certos regimes ou padrões de tempo, caraterizados por alguma recorrência (ou repetição) e persistência temporal. As fases positiva e negativa da Oscilação do Atlântico Norte entre outros, mostram a multimodalidade da distribuição de probabilidade conjunta do campo. Essa variabilidade multivariada, quer de origem interna ou forçada, pode decompor-se através do uso de certas técnicas estatísticas multivariadas em componentes aleatórios escalares, com o máximo possível de independência estatística, denominadas por componentes independentes. No caso de os campos terem distribuições multivariadas Gaussianas, a Análise de Componentes Independentes (ICA) corresponde à Análise de Componentes Principais (PCA), que é então executada de forma sub-optimizada no caso não-Gaussiano como acontece com o campo de pressão ao nível do mar. Nesta dissertação pretende-se aplicar a ICA ao campo SLP obtido por reanálises de NCAR (National Center for Atmospheric Research), que foi fornecido numa grelha regular com resolução de 2,5º x 2,5º (latitude, longitude) que compreende o período entre janeiro de 1948 a dezembro de 2017 (70 anos). Sendo o seu propósito contribuir para a procura de componentes independentes dentro dos fenómenos atmosféricos e oceânicos, de modo que seja possível aprofundar a compreensão dos processos fundamentais que estão por trás da sua variabilidade. Como tal, realizou-se uma análise geográfica que abrange as áreas Atlântico Norte (Atl) e Euro Atlântica (Eur-Atl). E uma análise temporal (para ambas as áreas) para as duas principais estações climatológicas: inverno (constituído por dezembro, janeiro e fevereiro) e verão (constituído por junho, julho e agosto). O método aplicado é constituído por duas fases, em que na primeira se faz a aplicação da PCA (Análise de Componentes Principais) e na segunda aplica-se a ICA (Análise de Componentes Independentes) ao resultado da PCA. A ICA provou ser uma maneira eficaz de extrair caraterísticas significativas de dados climáticos, particularmente de dados da variabilidade mensal do campo de pressão ao nível do mar. Pela neguentropia total e informação mútua comprovou-se que o método HOSVD funcionou para a análise geográfica (Atl e Eur-Atl) e para a análise temporal no inverno (em ambas as regiões) e para o verão apenas na região Eur-Atl. A neguentropia total é maior no domínio maior (Eur-Atl) que no domínio menor (Atl), independentemente do período. Tal é intuitivo, dado que um maior domínio permite abranger uma maior amplitude dos extremos do campo de SLP. A neguentropia total no inverno é ligeiramente maior que no verão, tal deve-se a maiores valores dos extremos das PCs (em termos de skewness e e-Kurtosis), e por tanto, a situações mais extremas no inverno do que no verão, no que respeita ao campo de anomalias de pressão ao nível do mar.
O sistema climático é um sistema dinâmico caraterizado pela sua alta complexidade e dimensionalidade, com muitos modos de interações não lineares. Consequentemente, uma tarefa desafiadora ao longo das últimas décadas tem sido de encontrar maneira de redefinir a dimensionalidade do sistema e de extrair padrões importantes de medições de variáveis atmosféricas. Um exemplo é a variabilidade mensal do campo da pressão ao nível do mar (Sea Level Pressure: SLP) que permite evidenciar certos regimes ou padrões de tempo, caraterizados por alguma recorrência (ou repetição) e persistência temporal. As fases positiva e negativa da Oscilação do Atlântico Norte entre outros, mostram a multimodalidade da distribuição de probabilidade conjunta do campo. Essa variabilidade multivariada, quer de origem interna ou forçada, pode decompor-se através do uso de certas técnicas estatísticas multivariadas em componentes aleatórios escalares, com o máximo possível de independência estatística, denominadas por componentes independentes. No caso de os campos terem distribuições multivariadas Gaussianas, a Análise de Componentes Independentes (ICA) corresponde à Análise de Componentes Principais (PCA), que é então executada de forma sub-optimizada no caso não-Gaussiano como acontece com o campo de pressão ao nível do mar. Nesta dissertação pretende-se aplicar a ICA ao campo SLP obtido por reanálises de NCAR (National Center for Atmospheric Research), que foi fornecido numa grelha regular com resolução de 2,5º x 2,5º (latitude, longitude) que compreende o período entre janeiro de 1948 a dezembro de 2017 (70 anos). Sendo o seu propósito contribuir para a procura de componentes independentes dentro dos fenómenos atmosféricos e oceânicos, de modo que seja possível aprofundar a compreensão dos processos fundamentais que estão por trás da sua variabilidade. Como tal, realizou-se uma análise geográfica que abrange as áreas Atlântico Norte (Atl) e Euro Atlântica (Eur-Atl). E uma análise temporal (para ambas as áreas) para as duas principais estações climatológicas: inverno (constituído por dezembro, janeiro e fevereiro) e verão (constituído por junho, julho e agosto). O método aplicado é constituído por duas fases, em que na primeira se faz a aplicação da PCA (Análise de Componentes Principais) e na segunda aplica-se a ICA (Análise de Componentes Independentes) ao resultado da PCA. A ICA provou ser uma maneira eficaz de extrair caraterísticas significativas de dados climáticos, particularmente de dados da variabilidade mensal do campo de pressão ao nível do mar. Pela neguentropia total e informação mútua comprovou-se que o método HOSVD funcionou para a análise geográfica (Atl e Eur-Atl) e para a análise temporal no inverno (em ambas as regiões) e para o verão apenas na região Eur-Atl. A neguentropia total é maior no domínio maior (Eur-Atl) que no domínio menor (Atl), independentemente do período. Tal é intuitivo, dado que um maior domínio permite abranger uma maior amplitude dos extremos do campo de SLP. A neguentropia total no inverno é ligeiramente maior que no verão, tal deve-se a maiores valores dos extremos das PCs (em termos de skewness e e-Kurtosis), e por tanto, a situações mais extremas no inverno do que no verão, no que respeita ao campo de anomalias de pressão ao nível do mar.
Descrição
Tese de mestrado, Ciências Geofísicas (Meteorologia e Oceanografia), Universidade de Lisboa, Faculdade de Ciências, 2022
Palavras-chave
Pressão ao nível do mar Análise de Componentes Principais Análise de Componentes Independentes Tese de mestrado - 2022