利用稀疏促进动态模式分解从短期天气模拟中提取瞬态Koopman模式

对流特征，在此表示为暖气泡状模式，揭示了关于短期天气动力学如何在高维状态空间中演化的基本高层信息。在本文中，我们介绍了一个数据驱动框架，该框架揭示了由负责这些结构的Koopman模式捕获的瞬态动力学，并追踪它们的出现、增长和衰减。我们的方法将稀疏促进动态模式分解应用于天气模拟，产生少量选定的模式，其稀疏振幅突出了主要的瞬态结构。通过调整稀疏权重，我们平衡了重建精度和模型复杂度。我们以天气模拟为例，使用速度场和涡量场的大小作为不同的可观测数据集。由此产生的稀疏主导Koopman模式捕获了气泡状模式的瞬态演化，并且可以降低天气系统模型的维度，为诊断和预报任务提供有效的替代模型。