稀疏促进动态模态分解在海表温度场中的应用

在本文中，我们利用Koopman模态分解来分析作用于观测数据空间的非线性和高维气候系统。大气系统的动力学被假定为无方程的，通过从测量的历史长期时间序列数据快照（例如月平均海表温度记录）中推导出的可观测量的线性演化，来构建一个纯粹数据驱动的气候动力学。特别地，利用稀疏促进动态模态分解来提取主导的空间和时间模态，这些模态是气候变率背后最重要的相干结构之一，从而能够更高效、可解释且低维地表示系统动力学。我们希望Koopman模态与稀疏促进技术的结合使用，能够为重要的气候模态提供见解，实现气候系统的降阶建模，并为预测和控制天气与气候变率提供一个潜在框架。