Data-adaptive harmonic decomposition and prediction of Arctic sea ice extent
Data-adaptive harmonic decomposition and prediction of Arctic sea ice extent
复制标题
北极海冰范围的数据自适应调和分解与预测
DOI：
10.1093/climsys/dzy001
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Ghil, Michael
中科院分区：
文献类型：
--
作者：
Kondrashov, Dmitri;Chekroun, Mickaël D;Ghil, Michael
北极海冰范围的减少是一个具有深远社会经济影响的活跃科学研究领域。特别令人感兴趣的是在亚季节时间尺度上，特别是从初夏到秋季，当北极海冰覆盖达到最低限度时，SIE预测的可靠方法。在这里，我们应用最近的数据自适应谐波（DAH）技术，混沌，27多传感器分析海冰范围（MASIE，2006-2016）数据集的描述，建模和预测。MASIE的DAH分解确定了四个关键北极地区的窄带时空数据自适应模式。这些模式的DAH系数的时间演化可以通过使用一组耦合的Stuart-Landau随机微分方程来建模和预测，所述耦合的Stuart-Landau随机微分方程及时捕获模式的频率和振幅调制。回顾性预测表明，我们得到的多层Stuart-Landau模型（MSLM）在预测9月SIE方面相当熟练，与逐年持续性相比;此外，DAH-MSLM方法提供了准确的实时预测，对于2016-2017年海冰展望具有很强的竞争力。
Decline in the Arctic sea ice extent (SIE) is an area of active scientific research with profound socio-economic implications. Of particular interest are reliable methods for SIE forecasting on subseasonal time scales, in particular from early summer into fall, when sea ice coverage in the Arctic reaches its minimum. Here, we apply the recent data-adaptive harmonic (DAH) technique of ,Chaos,27for the description, modeling and prediction of the Multisensor Analyzed Sea Ice Extent (MASIE, 2006–2016) data set. The DAH decomposition of MASIE identifies narrowband, spatio-temporal data-adaptive modes over four key Arctic regions. The time evolution of the DAH coefficients of these modes can be modelled and predicted by using a set of coupled Stuart–Landau stochastic differential equations that capture the modes’ frequencies and amplitude modulation in time. Retrospective forecasts show that our resulting multilayer Stuart–Landau model (MSLM) is quite skilful in predicting September SIE compared to year-to-year persistence; moreover, the DAH–MSLM approach provided accurate real-time prediction that was highly competitive for the 2016–2017 Sea Ice Outlook.
登录
查看更多内容
DOI：
10.3934/dcds.2016.36.4133
发表时间：
2015
期刊：
arXiv: Chaotic Dynamics
影响因子：
--
作者：
M. Chekroun;M. Ghil;Honghu Liu;Shouhong Wang
通讯作者：
Shouhong Wang
在动态预报系统中对北极海冰退缩和提前日期进行熟练的季节性预报
影响因子：
5.2
作者：
M. Sigmond;M. C. Reader;G. Flato;W. Merryfield;A. Tivy
通讯作者：
A. Tivy
北极海冰的数据自适应谐波分解和随机建模
DOI：
10.1007/978-3-319-58895-7_10
发表时间：
2018
期刊：
SIAM J. Appl. Dyn. Syst.
影响因子：
--
作者：
D. Kondrashov;M. Chekroun;X. Yuan;M. Ghil
通讯作者：
M. Ghil
数学和科学中的随机工具
影响因子：
2.4
作者：
A. Chorin;O. Hald
通讯作者：
O. Hald
影响因子：
5.2
作者：
Day, J. J.;Hawkins, E.;Tietsche, S.
通讯作者：
Tietsche, S.