Nelinearita dálkových vazeb v klimatickém systému
Nonlinearity of teleconnections in the climate system
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/203052Identifikátory
SIS: 276199
Kolekce
- Kvalifikační práce [11978]
Autor
Vedoucí práce
Oponent práce
Bednář, Hynek
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Fyzika
Katedra / ústav / klinika
Katedra fyziky atmosféry
Datum obhajoby
9. 9. 2025
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Výborně
Klíčová slova (česky)
nelinearita|klimatický systém|dálkové vazby|analýza časových řadKlíčová slova (anglicky)
nonlinearity|climate system|teleconnections|time series analysisDálkové vazby jsou prostorové struktury vzájemně souvisejících klimatických veličin. Na poli statistické klimatologie se často využívá předpokladu, že tyto vazby jsou lineární. Tato práce vyšetřuje platnost takového předpokladu aplikací ověřené techniky z oboru analýzy časových řad - tzv. metody surrogate dat. V naší práci analyzujeme dálkové vazby související s třemi významnými módy klimatické variability: El Niño - Jižní oscilaci, Pacifickou dekadální oscilaci a Severoatlantickou oscilaci v časovém rozsahu 1880-2024. Naše výsledky ukazují na přítomnost statisticky významných lokálních nelinearit ve všech třech případech, což naznačuje, že lineární modely nemusejí plně postihnout komplexitu těchto fenoménů.
A teleconnection is large-scale spatial link connecting distant climate variability sys- tems. In the field of statistical climatology, it is often assumed that the relationships underlying these patterns are linear. This thesis investigates the validity of such an as- sumption by applying a well-established technique from the field of time series analysis, the method of surrogate data. We apply it to teleconnections related to three major climate variability modes: El Niño-Southern Oscillation, Pacific Decadal Oscillation and the North Atlantic Oscillation, analysed over the 1880-2024 period. Our results reveal statistically significant local nonlinearities in all three cases, suggesting that linear models may not fully capture the complexity of these patterns.
