Метод на основе уравнения Ланжевена оценивает устойчивость нестационарных систем без сложной подготовки данных
Авторы описали регрессионный метод на основе уравнения Ланжевена: он учитывает сезонность, нерегулярную выборку и пропуски; проверен на синтетических и реальных данных.
В журнале Nature Communications опубликован метод оценки устойчивости систем с нестационарной динамикой, например глобальной растительности при сильном сезонном воздействии. Авторы выражают устойчивость через скорость восстановления λ и оценивают её напрямую с помощью регрессионной формулировки уравнения Ланжевена. Метод проверен на синтетических временных рядах и на реальных данных: динамике растительности, палеоклиматических прокси и подвижках ледников. nature.com
Nature Communicationsnature.comОткрыть источник ↗
По данным авторов, метод не требует сложной предварительной обработки данных, устойчив к пропускам в записи и не нуждается в регулярной дискретизации по времени. Он позволяет учитывать меняющуюся во времени неопределённость данных, давать границы неопределённости оценок устойчивости и распространяется на пространственные системы. Авторы называют его прямой заменой широко используемых оценок устойчивости на основе автокорреляции.
Ограничения метрик критического замедления
Многие работы оценивают устойчивость компонентов земной системы через критическое замедление: динамика системы замедляется по мере приближения критического перехода. Самые распространённые индикаторы раннего предупреждения — автокорреляция с лагом 1 (AC1) и дисперсия. Большинство таких метрик требуют равномерно дискретизированных рядов и стационарности, то есть отсутствия тренда и сезонности в окне анализа.
Равномерная дискретизация есть не всегда, например в палеоклиматических прокси или в композитах из нескольких наборов данных. Стационарности обычно добиваются удалением сезонности и тренда; авторы называют эти шаги источником ошибок. Изменения отношения сигнал/шум датчика, не связанные с потерей устойчивости, тоже могут сдвигать AC1 и дисперсию, а существующие методы плохо учитывают неопределённость данных. nature.com
Nature Communicationsnature.comОткрыть источник ↗
Как устроен регрессионный подход
Состояние системы рассматривается как стохастический марковский процесс вокруг зависящего от времени аттрактора, который может быть неподвижным, дрейфующим или колебательным. Вблизи аттрактора восстанавливающая сила приближается линейной, а её градиент равен λ; снижение λ к нулю сигнализирует о потере устойчивости.
Вместо удаления движения аттрактора детрендингом метод берёт за исходную точку его функциональную форму. Изменение состояния системы разделяется на часть, линейно зависящую от состояния, и часть, вызванную внешним воздействием и являющуюся функцией времени. Параметр λ оценивается в скользящих временных окнах, внутри которых устойчивость и интенсивность шума считаются постоянными; размер окна нужно выбирать по скорости динамики системы. Внешние возмущения, например осадки над регионом, считаются однородными, поэтому пространственные различия относят к шуму и внутренним обратным связям.
