利用机器学习理解澳大利亚西南地区气候变化的复杂动态
摘要：利用机器学习方法研究SPI与SST、NINO 3.4和印度洋偶极子(IOD)的复杂动力学。我们的研究发现：(i)IOD与SPI呈负相关直到2008年；(ii)至2004年，SST与SPI呈负相关；(iii)2005年至2014年，SST在正负相关之间摆动；(iv)自2014年以来，与SST对应的回归系数($\delta$)始终为正；(v)SST呈上升趋势，$\delta$的正向趋势意味着SPI近年来与SST呈正相关；最后，(vi)当前SPI值与约为7.5年的过去SPI值呈显著正相关。通过建立气候变量之间的推断网络，我们发现SST和NINO 3.4直接与SPI相关，而IOD通过SST和NINO 3.4间接与SPI相关。系统还指出，Nino 3.4对SPI有明显的负效应。有趣的是，复杂动力学中的四个气候变量似乎在2008年发生了结构性变化。尽管SPI的简单12个月移动平均呈干旱的负趋势，但与其他气候变量的复杂动力学表明西澳大利亚有一个雨季。
作者：Alka Yadav and Sourish Das and K Shuvo Bakar and Anirban Chakraborti
论文ID：2302.11465
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2023-02-23