Door een stroomvolgend fysiek raamwerk aan te passen aan de statistische modellering van grote ruimtelijk-temporele datasets, hebben KAUST-onderzoekers een robuustere en realistischere algemene methode ontwikkeld voor het omgaan met door wind aangedreven fenomenen. De aanpak belooft de nauwkeurigheid van de voorspelling van de verspreiding van verontreinigende stoffen aanzienlijk te verbeteren door meer fysiek realistische processen op te nemen in geostatistische modellering.

Geostatistische analyses omvatten de statistische verwerking van zeer grote datasets, zoals metingen van windsnelheid op vele locaties en hoogten in de tijd, om een ​​onderliggend model te extraheren van hoe bepaalde parameters zich gedragen en ruimtelijk en temporeel gecorreleerd zijn in de echte wereld. Het vermogen van dergelijke modellen om dat gedrag nauwkeurig te karakteriseren en te voorspellen wat er daarna gebeurt, hangt echter grotendeels af van het modelkader dat voor analyse wordt gebruikt. Een team van KAUST-wetenschappers onder leiding van Marc Genton heeft meer fysiek betekenisvolle analytische kaders ontwikkeld die dergelijke natuurlijke fenomenen beter kunnen modelleren.

"Veel ruimte-tijd geostatistische modellen weerspiegelen niet noodzakelijk fundamentele wetenschappelijke relaties", legt Mary Salvaña uit, die met Genton en Amanda Lenzi aan het onderzoek werkte. "Er is vraag naar ruimte-tijd geostatistische modellen met een fysica-basis, aangezien de meeste omgevingsgegevens verschillende fundamentele natuurwetten gehoorzamen. In deze studie hebben we een modelleringsconcept in de natuurkunde gebruikt, het Lagrangiaanse raamwerk, en dit geformuleerd in de taal van de ruimte- time multivariate geostatistieken om een ​​reeks datagestuurde ruimte-tijdmodellen te ontwikkelen die meer geschikt zijn voor datasets met betrekking tot transport door media, zoals wind."

Wind is een ingewikkeld aandrijfverschijnsel om op te nemen in een praktisch statistisch model. Het is asymmetrisch in zijn correlatie, stroomt van de ene plaats naar de andere, en varieert ook per hoogte. Het Lagrangiaanse raamwerk is ontwikkeld op het gebied van vloeistofdynamica om stromingen te modelleren op een manier die analoog is aan de onderliggende fysica door een vloeistofpakket te volgen terwijl het door ruimte en tijd beweegt. Voor Salvaña en haar collega's was de uitdaging om ervoor te zorgen dat dit raamwerk op geldige wijze kon worden gebruikt met een ruimte-tijd-geostatistisch model voor meerdere variabelen.

"Onze resultaten, die de validiteit van het model bevestigden, toonden aan dat het niet in aanmerking nemen van meerdere advecties of transportverschijnselen kan leiden tot slechte voorspellingen", zegt Salvaña.

Het team demonstreerde hun model door het toe te passen op een bivariate dataset van vervuilende deeltjes in heel Saoedi-Arabië. De resultaten toonden aan dat zwarte koolstofverdelingen veel nauwkeuriger worden gemodelleerd, rekening houdend met hoogteafhankelijk windgedrag.

"Ons modelleringskader zou ook kunnen worden toegepast op de studie van ruimte-tijdcorrelatie van oceaanvariabelen, aangezien water een ander transportmedium is, wat belangrijk kan zijn voor het begrijpen van oceaanpatronen voor en na een tropische cycloon", zegt Salvaña.

De studie is gepubliceerd in het Journal of the American Statistical Association . + Verder verkennen

Een model voor miljoenen locaties maakt een betere voorspelling van klimaat- en omgevingsomstandigheden mogelijk