Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Detecting Climate Teleconnections With Granger Causality

Texto completo
Autor(es):
Silva, Filipi N. [1] ; Vega-Oliveros, Didier A. [2, 3] ; Yan, Xiaoran [4] ; Flammini, Alessandro [3] ; Menczer, Filippo [1, 3] ; Radicchi, Filippo [3] ; Kravitz, Ben [5, 6] ; Fortunato, Santo [1, 3]
Número total de Autores: 8
Afiliação do(s) autor(es):
[1] Indiana Univ, Network Sci Inst IUNI, Bloomington, IN 47401 - USA
[2] Univ Estadual Campinas, Inst Comp, Campinas, SP - Brazil
[3] Indiana Univ, Luddy Sch Informat Comp & Engn, Ctr Complex Networks & Syst Res, Bloomington, IN 47401 - USA
[4] Zhejiang Lab, Artificial Intelligence Res Inst, Hangzhou, Zhejiang - Peoples R China
[5] Pacific Northwest Natl Lab, Atmospher Sci & Global Change Div, Richland, WA 99352 - USA
[6] Indiana Univ, Dept Earth & Atmospher Sci, Bloomington, IN 47401 - USA
Número total de Afiliações: 6
Tipo de documento: Artigo Científico
Fonte: Geophysical Research Letters; v. 48, n. 18 SEP 28 2021.
Citações Web of Science: 0
Resumo

Climate system teleconnections are crucial for improving climate predictability, but difficult to quantify. Standard approaches to identify teleconnections are often based on correlations between time series. Here we present a novel method leveraging Granger causality, which can infer/detect relationships between any two fields. We compare teleconnections identified by correlation and Granger causality at different timescales. We find that both Granger causality and correlation consistently recover known seasonal precipitation responses to the sea surface temperature pattern associated with the El Nino Southern Oscillation. Such findings are robust across multiple time resolutions. In addition, we identify candidates for unexplored teleconnection responses. (AU)

Processo FAPESP: 18/24260-5 - Análise de dados espaço-temporais baseado em redes complexas
Beneficiário:Didier Augusto Vega Oliveros
Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:Francisco Louzada Neto
Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 19/26283-5 - Aprendendo pistas visuais da passagem do tempo
Beneficiário:Didier Augusto Vega Oliveros
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 16/23698-1 - Processos Dinâmicos em Aprendizado de Máquina baseados em Redes Complexas
Beneficiário:Didier Augusto Vega Oliveros
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado