Robust og realistisk generel metode til at håndtere vinddrevne fænomener

Ved at tilpasse en flow-følgende fysisk ramme til den statistiske modellering af store rumlige-tidsmæssige datasæt, har KAUST-forskere udviklet en mere robust og realistisk generel metode til at håndtere vinddrevne fænomener. Tilgangen lover i høj grad at forbedre nøjagtigheden af ​​forudsigelse af forureningsspredning ved at inkorporere mere fysisk realistiske processer i geostatistisk modellering.

Geostatistiske analyser involverer statistisk behandling af meget store datasæt, såsom målinger af vindhastighed på mange steder og højder over tid, for at udtrække en underliggende model af, hvordan visse parametre opfører sig og er korreleret rumligt og tidsmæssigt i den virkelige verden. Imidlertid afhænger sådanne modellers evne til præcist at karakterisere den adfærd og forudsige, hvad der sker, i høj grad af den modelramme, der bruges til analyse. Et hold af KAUST-forskere ledet af Marc Genton har udviklet mere fysisk meningsfulde analytiske rammer, der bedre kan modellere sådanne naturfænomener.

"Mange rum-tid geostatistiske modeller afspejler ikke nødvendigvis grundlæggende videnskabelige sammenhænge," forklarer Mary Salvaña, der arbejdede med Genton og Amanda Lenzi om forskningen. "Der er efterspørgsel efter rum-tid geostatistiske modeller med et fysik grundlag, da de fleste miljødata adlyder forskellige grundlæggende naturlove. I denne undersøgelse tog vi et modelleringskoncept i fysik kaldet den lagrangske ramme og formulerede det i rummets sprog - tid multivariat geostatistik for at udvikle en række datadrevne rum-tidsmodeller, der er mere passende til datasæt, der involverer transport med medier, såsom vind."

Vind er et kompliceret kørefænomen at indarbejde i en praktisk statistisk model. Det er asymmetrisk i sin korrelation, flyder fra et sted til et andet, og varierer også efter højde. Den lagrangske ramme blev udviklet inden for væskedynamik for at modellere strømninger på en måde, der er analog med den underliggende fysik ved at følge en væskepakke, når den bevæger sig gennem rum og tid. For Salvaña og hendes kolleger var udfordringen at sikre, at denne ramme kunne bruges gyldigt med en rum-tid geostatistisk model på tværs af flere variabler.

"Vores resultater, som bekræftede modellens gyldighed, viste, at undladelse af at tage højde for flere advektioner eller transportfænomener kan føre til dårlige forudsigelser," siger Salvaña.

Holdet demonstrerede deres model ved at anvende den på et bivariat forurenende datasæt af partikler i hele Saudi-Arabien. Resultaterne viste, at sort kulstoffordeling er meget mere præcist modelleret under hensyntagen til højdeafhængig vindadfærd.

"Vores modelleringsramme kan også anvendes til studiet af rum-tid-korrelation af havvariabler, da vand er et andet transportmedium, som kan være vigtigt for at forstå havmønstre før og efter en tropisk cyklon," siger Salvaña.

Undersøgelsen er offentliggjort i Journal of the American Statistical Association . + Udforsk yderligere

En model for millioner af steder muliggør bedre forudsigelse af klima- og miljøforhold