Unraveling spatio-temporal climatic patterns via multi-scale complex networks

Aufklärung raumzeitlicher Klimamuster über komplexe Netzwerke mit mehreren Maßstäben

  • The climate is a complex dynamical system involving interactions and feedbacks among different processes at multiple temporal and spatial scales. Although numerous studies have attempted to understand the climate system, nonetheless, the studies investigating the multiscale characteristics of the climate are scarce. Further, the present set of techniques are limited in their ability to unravel the multi-scale variability of the climate system. It is completely plausible that extreme events and abrupt transitions, which are of great interest to climate community, are resultant of interactions among processes operating at multi-scale. For instance, storms, weather patterns, seasonal irregularities such as El Niño, floods and droughts, and decades-long climate variations can be better understood and even predicted by quantifying their multi-scale dynamics. This makes a strong argument to unravel the interaction and patterns of climatic processes at different scales. With this background, the thesis aims at developing measures toThe climate is a complex dynamical system involving interactions and feedbacks among different processes at multiple temporal and spatial scales. Although numerous studies have attempted to understand the climate system, nonetheless, the studies investigating the multiscale characteristics of the climate are scarce. Further, the present set of techniques are limited in their ability to unravel the multi-scale variability of the climate system. It is completely plausible that extreme events and abrupt transitions, which are of great interest to climate community, are resultant of interactions among processes operating at multi-scale. For instance, storms, weather patterns, seasonal irregularities such as El Niño, floods and droughts, and decades-long climate variations can be better understood and even predicted by quantifying their multi-scale dynamics. This makes a strong argument to unravel the interaction and patterns of climatic processes at different scales. With this background, the thesis aims at developing measures to understand and quantify multi-scale interactions within the climate system. In the first part of the thesis, I proposed two new methods, viz, multi-scale event synchronization (MSES) and wavelet multi-scale correlation (WMC) to capture the scale-specific features present in the climatic processes. The proposed methods were tested on various synthetic and real-world time series in order to check their applicability and replicability. The results indicate that both methods (WMC and MSES) are able to capture scale-specific associations that exist between processes at different time scales in a more detailed manner as compared to the traditional single scale counterparts. In the second part of the thesis, the proposed multi-scale similarity measures were used in constructing climate networks to investigate the evolution of spatial connections within climatic processes at multiple timescales. The proposed methods WMC and MSES, together with complex network were applied to two different datasets. In the first application, climate networks based on WMC were constructed for the univariate global sea surface temperature (SST) data to identify and visualize the SSTs patterns that develop very similarly over time and distinguish them from those that have long-range teleconnections to other ocean regions. Further investigations of climate networks on different timescales revealed (i) various high variability and co-variability regions, and (ii) short and long-range teleconnection regions with varying spatial distance. The outcomes of the study not only re-confirmed the existing knowledge on the link between SST patterns like El Niño Southern Oscillation and the Pacific Decadal Oscillation, but also suggested new insights into the characteristics and origins of long-range teleconnections. In the second application, I used the developed non-linear MSES similarity measure to quantify the multivariate teleconnections between extreme Indian precipitation and climatic patterns with the highest relevance for Indian sub-continent. The results confirmed significant non-linear influences that were not well captured by the traditional methods. Further, there was a substantial variation in the strength and nature of teleconnection across India, and across time scales. Overall, the results from investigations conducted in the thesis strongly highlight the need for considering the multi-scale aspects in climatic processes, and the proposed methods provide robust framework for quantifying the multi-scale characteristics.show moreshow less
  • Das Klima ist ein komplexes Zusammenspiel verschiedener Mechanismen und Rückkopplungen auf mehreren zeitlichen und räumlichen Skalen. Viele Studien beschäftigten sich mit dem diesem System, nur wenige jedoch konzentrierten sich auf das Multiskalenverhalten des Klimas. Vor allem die bis dato verfügbaren Techniken schränkten eine vertiefte Analyse der Klimavariabilität auf unterschiedlichen Skalen ein. Von großen Interesse in der aktuellen Klimaforschung sind Extremereignisse und plötzliche Veränderungen, welche höchstwahrscheinlich aus dem Zusammenwirken von Prozessen auf unterschiedlichen Skalen hervorgehen. Um Stürme, wiederkehrende Wetterlagen, jahreszeitliche Phänomene wie El Niño, Fluten, Dürren oder Klimaschwankungen über Jahrzehnte besser zu verstehen oder sogar vorhersagen zu können, müssen wir deren Dynamik auf unterschiedlichen Skalen quantifizieren. In der vorliegenden Arbeit werden Mittel und Wege präsentiert um das Zusammenwirken auf verschiedenen Skalen im Klimasystem besser zu verstehen und zu quantifizieren. Im erstenDas Klima ist ein komplexes Zusammenspiel verschiedener Mechanismen und Rückkopplungen auf mehreren zeitlichen und räumlichen Skalen. Viele Studien beschäftigten sich mit dem diesem System, nur wenige jedoch konzentrierten sich auf das Multiskalenverhalten des Klimas. Vor allem die bis dato verfügbaren Techniken schränkten eine vertiefte Analyse der Klimavariabilität auf unterschiedlichen Skalen ein. Von großen Interesse in der aktuellen Klimaforschung sind Extremereignisse und plötzliche Veränderungen, welche höchstwahrscheinlich aus dem Zusammenwirken von Prozessen auf unterschiedlichen Skalen hervorgehen. Um Stürme, wiederkehrende Wetterlagen, jahreszeitliche Phänomene wie El Niño, Fluten, Dürren oder Klimaschwankungen über Jahrzehnte besser zu verstehen oder sogar vorhersagen zu können, müssen wir deren Dynamik auf unterschiedlichen Skalen quantifizieren. In der vorliegenden Arbeit werden Mittel und Wege präsentiert um das Zusammenwirken auf verschiedenen Skalen im Klimasystem besser zu verstehen und zu quantifizieren. Im ersten Teil dieser Arbeit stelle ich zwei Methoden, multi-scale event synchronization (MSES) und wavelet multi-scale correlation (WMC) vor, welche skalenspezifischen Eigenschaften in klimatischen Prozessen abbilden. Die vorgestellte Methode wurde mit mehreren synthetischen und realen Zeitreihen getestet um ihre Anwendbarkeit und Reproduzierbarkeit zu überprüfen. Die Ergebnisse zeigen, dass beide Methoden Beziehungen auf unterschiedlichen zeitlichen Skalen detaillierter als traditionelle Ansätze abbilden können. Im zweiten Teil dieser Arbeit bilde ich klimatische Netzwerke mithilfe eines Maßes zur Ähnlichkeit auf Multiskalen. Dabei untersuche ich die Entwicklung von räumlichen Beziehungen um klimatische Prozesse auf mehreren Zeitskalen zu verstehen. Die Methoden WMC und MSES werden zusammen mit komplexen Netzwerken auf zwei Datensätze angewendet. In der ersten Anwendung werden klimatische Netzwerke mit WMC für univariate globale Meeresoberflächentemperaturen gebildet. Auf unterschiedlichen Zeitskalen sollen dabei kurze und lange Fernwirkungen, welche andernfalls auf einer einzigen Zeitskale unerkannt blieben, entdeckt werden. In diesem Klimanetzwerk ließ sich eine starke Variabilität über die Zeit feststellen, was auf eine skalenfreie und kleinräumige Netzstruktur auf großem, beziehungsweise kleinem Maßstab schließen lässt. Weitere Untersuchungen von Klimanetzwerken auf unterschiedlichen Zeitskalen zeigte (i) hohe Variabilität und Co-Variabilität in Regionen, und (ii) Fernbeziehungen auf kurzen und langen Entfernungen mit variabler räumlicher Distanz. Die Ergebnisse bestätigen bekannte physikalischen Wechselwirkungen und daher auch die Stärken meines Ansatzes. Dadurch ergeben sich neue Einblicke in die Klimatologie von Ozeanen, sodass beispielsweise konvektive Prozesse in der Atmosphäre eine Abhängigkeit über weite Entfernungen aufweisen können. In der zweiten Anwendung verwendeten wir das von mir entwickelte, nicht-lineare MSES Ähnlichkeitsmaß um multivariate Fernbeziehungen zwischen Starkniederschlägen und klimatischen Mustern über Indien zu quantifizieren. Unsere Ergebnisse bestätigen signifikante, nicht-lineare Einflüsse, welche von traditionellen Methoden bisher unzureichend abgebildet wurden. Des Weiteren fanden wir deutliche Schwankungen in der Stärke und in der Ausprägung von Fernbeziehungen über Indien und über Zeitskalen. Zusammenfassend zeigen die Ergebnisse dieser Fallstudien, dass Multiskalen in Klimaprozessen entschieden berücksichtigt werden müssen und dass der entwickelte methodische Rahmen adäquat die charakteristischen Prozesse quantifizieren kann.show moreshow less

Download full text files

Export metadata

Metadaten
Author:Ankit AgarwalORCiDGND
URN:urn:nbn:de:kobv:517-opus4-423956
DOI:https://doi.org/10.25932/publishup-42395
Advisor:Jürgen Kurths, Bruno Merz, Norbert Marwan
Document Type:Doctoral Thesis
Language:English
Year of first Publication:2019
Year of Completion:2019
Publishing Institution:Universität Potsdam
Granting Institution:Universität Potsdam
Date of final exam:2019/01/29
Release Date:2019/02/13
Tag:Ereignissynchronisation; Multiskalen Netzwerk; Wavelet; extreme Ereignisse; globale und lokale Muster des Klimas; komplexes Netzwerk
climate global and local patterns; complex network; event synchronization; extreme events; multiscale network; wavelet
Pagenumber:xxix, 153
Organizational units:Mathematisch-Naturwissenschaftliche Fakultät / Institut für Erd- und Umweltwissenschaften
Dewey Decimal Classification:5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften
Licence (German):License LogoCreative Commons - Namensnennung, 4.0 International