Complex systems perspectives on large-scale weather and climate variability patterns

Abstract

[eng] Understanding and predicting extreme weather events is essential for effective hazard prevention and risk management. However, achieving these objectives is challenging, as such events are often driven by nonlinear and/or multiscale processes, and involve multiple interactions within the climate system. In this thesis we employ complex network-based techniques and stochastic modeling to examine three large-scale weather and climate phenomena recognized for their association with extreme weather conditions: atmospheric blocking events, the El Niño-Southern Oscillation (ENSO), and the Madden-Julian Oscillation (MJO). The first part of the thesis makes use of so-called Lagrangian flow networks to explore the dynamical properties of persistent atmospheric blocking situations, i.e. nearly stationary spatial patterns of air pressure. The networks are constructed by associating nodes to regions of the atmosphere and establishing links based on the material (air) flux between them, resulting in a network representation of the atmospheric circulation. We study the spatial patterns of selected node properties prior to, during and after various Northern Hemisphere summer blocking events. Our results demonstrate the ability of the node degree, entropy and harmonic closeness centrality to trace important spatio-temporal characteristics of these events. In particular, all three measures capture the effective separation of the stationary blocking high from the normal westerly flow and the deviation of the main atmospheric currents around it. While Lagrangian flow networks connect fluid regions based on material transport between them, another approach consists of building the network’s links based on the statistical interdependency between variable time series at different locations. The second study in this thesis explores the application of such functional networks and their percolation properties. We investigate the potential of percolation measures from correlation-based networks for the anticipation of different types of sudden shifts in the state of coupled irregularly oscillating systems. As a paradigmatic model system, with a dynamical behavior which is also present in climatic systems, we choose a ring of diffusively coupled noisy FitzHugh--Nagumo oscillators. We show that percolation measures provide early warnings of the rapid switches between the two states of the system. We clarify the mechanisms behind the percolation transitions in this system. This leads to a better understanding of the factors that make percolation precursors effective as early warning indicators of real-world oscillations and especially of El Niño and La Niña events. Finally, the third study centers on the numerical modeling and theoretical understanding of the Madden--Julian Oscillation. Specifically, we implement and analyze solutions to the stochastic skeleton model, a minimal nonlinear oscillator model for the MJO. This model has been recognized for its ability to reproduce several large-scale features of the MJO. In previous studies, the model's forcing functions were predominantly chosen to be mathematically simple and time-independent. Here, we present solutions to the model with observation-based, time-dependent forcing functions. Our results show that the model, with these more realistic forcing functions, successfully replicates key characteristics of MJO events, such as their lifetime, extent, and amplitude, whose statistics agree well with observations. However, we find that the seasonality of MJO events and the spatial variations in the MJO properties are not well reproduced. Additionally, we study the model's capacity to reflect changes in MJO characteristics under the different phases of ENSO. We find that the model does not capture differences in studied characteristics of MJO events in response to changes in conditions during El Niño, La Niña, and Neutral ENSO.

[cat] Entendre i predir esdeveniments meteorològics extrems és essencial per a una prevenció i gestió de riscos efectives. No obstant això, aconseguir aquests objectius és un desafiament, ja que aquests esdeveniments sovint són impulsats per processos no lineals i/o multiescala, i involucren múltiples interaccions dins del sistema climàtic. En aquesta tesi emprem tècniques basades en xarxes complexes i models estocàstics per examinar tres fenòmens climàtics i meteorològics de gran escala reconeguts per la seva associació amb condicions meteorològiques extremes: esdeveniments de bloqueig atmosfèric, la Oscil·lació del Sud El Niño (ENSO) i la Oscil·lació de Madden Julian (MJO). La primera part de la tesi fa ús de xarxes de flux lagrangià per explorar bloquejos atmosfèrics (configuracions persistents i quasi estacionàries de pressió atmosfèrica). Les xarxes es construeixen associant nodes a regions de l'atmosfera i establint enllaços basats en el flux de material entre ells, resultant en una representació en xarxa de la circulació atmosfèrica. Estudiem propietats específiques dels nodes abans, durant i després de diversos esdeveniments de bloqueig a l'hemisferi nord durant l'estiu. Els nostres resultats demostren la capacitat del grau del node, l'entropia i la centralitat de proximitat harmònica per rastrejar característiques espacials i temporals importants d'aquests esdeveniments. En particular, aquestes tres mesures capturen la separació de la regió d'alta pressió al centre del bloqueig, de la resta de la circulació atmosfèrica, i ressalten la desviació de les corrents atmosfèriques principals al voltant d'aquesta regió. El segon estudi d'aquesta tesi explora l'aplicació i les propietats de percolació de xarxes funcionals, els enllaços de les quals es basen en la correlació entre sèries temporals. Investiguem el potencial de les mesures de percolació de xarxes basades en la correlació per a l'anticipació de diferents tipus de canvis bruscos en l'estat de sistemes acoblats que oscil·len de manera irregular. Com a model paradigmàtic amb un comportament dinàmic que també està present en els sistemes climàtics, triem un sistema d'oscil·ladors de FitzHugh-Nagumo estocàstics acoblats difusivament. Mostrem que les mesures de percolació proporcionen amb èxit advertències primerenques dels ràpids canvis entre els dos estats del sistema. Aclarem els mecanismes darrere de les transicions de percolació en aquest sistema. Això condueix a una millor comprensió dels factors que fan que els precursors de percolació siguin efectius com a indicadors d'advertència temprana de l'oscil·lació en el món real i especialment dels esdeveniments d'El Niño i La Niña. Finalment, el tercer estudi se centra en la modelització numèrica i la comprensió teòrica de la Oscil·lació de Madden-Julian. Específicament, implementem i analitzem solucions al model estocàstic d'esquelet (stochastic skeleton model en anglès), un model d'oscil·lador no lineal minimalista per al MJO. Aquest model ha estat reconegut per la seva capacitat per reproduir diverses característiques a gran escala del MJO. En estudis anteriors, les funcions de forçament del model s'han triat predominantment per ser matemàticament simples i independents del temps. Aquí, presentem solucions al model amb funcions de forçament basades en observacions i dependents del temps. Els nostres resultats mostren que el model, amb aquestes funcions de forçament més realistes, replica amb èxit característiques clau dels esdeveniments del MJO, com la seva durada, extensió i amplitud, les estadístiques de les quals concorden bé amb les observacions. No obstant això, trobem que la estacionalitat dels esdeveniments del MJO i les variacions espacials en les propietats del MJO no es reprodueixen bé. A més, estudiem la capacitat del model per reflectir canvis en les característiques del MJO sota les diferents fases de l'ENSO. Trobem que el model no captura diferències en les característiques estudiades dels esdeveniments del MJO en resposta a canvis en les condicions durant El Niño, La Niña i l'ENSO neutre.

[spa] Comprender y predecir eventos meteorológicos extremos es esencial para una prevención y gestión de riesgos efectivas. Sin embargo, lograr estos objetivos es un desafío, ya que dichos eventos a menudo son impulsados por procesos no lineales y/o multiescala, e involucran múltiples interacciones dentro del sistema climático. En esta tesis empleamos técnicas basadas en redes complejas y modelos estocásticos para examinar tres fenómenos climáticos y meteorológicos de gran escala reconocidos por su asociación con condiciones meteorológicas extremas: eventos de bloqueo atmosférico, la Oscilación del Sur El Niño (ENSO) y la Oscilación de Madden Julian (MJO).

La primera parte de la tesis hace uso de redes de flujo lagrangiano para explorar bloqueos atmosféricos (configuraciones persistentes y casi estacionarias de presión atmosférica). Las redes se construyen asociando nodos a regiones de la atmósfera y estableciendo enlaces basados en el flujo de material entre ellos, resultando en una representación en red de la circulación atmosférica. Estudiamos propiedades específicas de los nodos antes, durante y después de varios eventos de bloqueo en el hemisferio norte durante el verano. Nuestros resultados demuestran la capacidad del grado del nodo, la entropía y la centralidad de cercanía armónica para rastrear características espaciales y temporales importantes de estos eventos. En particular, estas tres medidas capturan la separación de la región de alta presión en el centro del bloqueo, del resto de la circulación atmosférica, y resaltan la desviación de las corrientes atmosféricas principales alrededor de esta región.

El segundo estudio de esta tesis explora la aplicación y propiedades de percolación de redes funcionales, cuyos enlaces se basan en la correlación entre series temporales. Investigamos el potencial de las medidas de percolación de tales redes para anticipar diferentes tipos de cambios bruscos en el estado de sistemas acoplados que oscilan de manera irregular. Como modelo paradigmático con un comportamiento dinámico que también está presente en los sistemas climáticos, elegimos un sistema de osciladores de FitzHugh-Nagumo estocásticos acoplados difusivamente. Mostramos que las medidas de percolación proporcionan con éxito advertencias tempranas de los rápidos cambios entre los dos estados del sistema. Aclaramos los mecanismos detrás de las transiciones de percolación en este sistema. Esto conduce a una mejor comprensión de los factores que hacen que los precursores de percolación sean efectivos como indicadores de advertencia temprana de la oscilación en el mundo real y especialmente de los eventos de El Niño y La Niña.

Finalmente, el tercer estudio se centra en la modelización numérica y la comprensión teórica de la Oscilación de Madden-Julian. Específicamente, implementamos y analizamos soluciones al modelo estocástico de esqueleto (stochastic skeleton model en inglés), un modelo de oscilador non linear mínimalista para el MJO, reconocido por reproducir varias características a gran escala del MJO. En estudios anteriores, las funciones de forzamiento del modelo se eligieron predominantemente por ser matemáticamente simples e independientes del tiempo. Aquí, presentamos soluciones al modelo con funciones de forzamiento basadas en observaciones y dependientes del tiempo. Nuestros resultados muestran que el modelo, con estas funciones de forzamiento más realistas, replica con éxito características clave de los eventos del MJO, como su duración, extensión y amplitud, cuyas estadísticas concuerdan bien con las observaciones. Sin embargo, encontramos que la estacionalidad de los eventos del MJO y las variaciones espaciales en las propiedades del MJO no se reproducen bien. Además, estudiamos la capacidad del modelo para reflejar cambios en las características del MJO bajo las diferentes fases del ENSO. Encontramos que el modelo no captura diferencias en las características estudiadas de los eventos del MJO en respuesta a cambios en las condiciones durante El Niño, La Niña y el ENSO neutral.