Characterizing climate pathways using feature importance on echo state networks

要約

米国の2022年国防戦略では、気候変動を国家安全保障に対する深刻な脅威として挙げている。
成層圏エアロゾル注入などの気候介入手法が緩和戦略として提案されているが、そのような措置が複雑な気候システムに及ぼす下流への影響は十分に理解されていない。
気候事象に関連する原因変数と影響変数の間の関係（つまり、気候経路）を定量化するためのアルゴリズム技術の開発は、政策決定に情報を提供するのに役立つでしょう。
データ駆動型の深層学習モデルは、高度に非線形な関係をモデル化するための強力なツールとなっており、気候変動の関係を特徴付ける手段を提供する可能性があります。
この論文では、気候経路を特徴付けるためのエコー状態ネットワーク (ESN) の使用について検討します。
ESN は、時間データ用に設計された計算効率の高いニューラル ネットワークのバリエーションであり、最近の研究では、時空間気候データを予測するための有用なツールとして ESN が提案されています。
他のニューラル ネットワークと同様、ESN は解釈不可能なブラック ボックス モデルであるため、変数の関係を理解するのにハードルが生じます。
私たちは、時空間データのコンテキストで ESN の特徴重要度手法を開発し、モデルによってキャプチャされた変数の関係を定量化することで、この問題に対処します。
私たちは、特徴の重要性手法を評価および比較するためにシミュレーション研究を実施し、気候データの再解析に関するアプローチを実証します。
気候の適用では、1991 年のピナツボ山の火山噴火を含む期間を選択します。
このイベントは重要な成層圏エアロゾル注入であり、私たちはこれを人工成層圏エアロゾル注入の代用として使用します。
提案されたアプローチを使用すると、このイベントに関連するパスウェイ変数間の関係を特徴付けることができます。

要約(オリジナル)

The 2022 National Defense Strategy of the United States listed climate change as a serious threat to national security. Climate intervention methods, such as stratospheric aerosol injection, have been proposed as mitigation strategies, but the downstream effects of such actions on a complex climate system are not well understood. The development of algorithmic techniques for quantifying relationships between source and impact variables related to a climate event (i.e., a climate pathway) would help inform policy decisions. Data-driven deep learning models have become powerful tools for modeling highly nonlinear relationships and may provide a route to characterize climate variable relationships. In this paper, we explore the use of an echo state network (ESN) for characterizing climate pathways. ESNs are a computationally efficient neural network variation designed for temporal data, and recent work proposes ESNs as a useful tool for forecasting spatio-temporal climate data. Like other neural networks, ESNs are non-interpretable black-box models, which poses a hurdle for understanding variable relationships. We address this issue by developing feature importance methods for ESNs in the context of spatio-temporal data to quantify variable relationships captured by the model. We conduct a simulation study to assess and compare the feature importance techniques, and we demonstrate the approach on reanalysis climate data. In the climate application, we select a time period that includes the 1991 volcanic eruption of Mount Pinatubo. This event was a significant stratospheric aerosol injection, which we use as a proxy for an artificial stratospheric aerosol injection. Using the proposed approach, we are able to characterize relationships between pathway variables associated with this event.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google