Výkyvy počasí, epileptické záchvaty, geomagnetické bouře nebo krachy na finančních trzích zajímají vědce po celém světě. Popisují mechanismy vzniku těchto extrémních událostí a navrhují metody včasného varování. Vědci z Ústavu informatiky AV ČR v nové studii představili metodu detekce kauzality pro data s extrémními hodnotami, která odhaluje třeba příčinu jarních mrazů, jež zasáhly francouzské vinaře.
Extrémní jevy ovlivňují přírodu, průmysl, zemědělství, zdraví i lidské společenství jako celek. Určení kauzálních vztahů, tj. rozlišení příčiny a následků, je intenzivně se rozvíjejícím odvětvím vědy. Matematici, fyzici, informatici a specialisté dalších oborů navrhují výpočetní metody a vyvíjejí počítačové algoritmy, jež z experimentálních dat extrahují vědomosti o příčinných, kauzálních vztazích. Vědci tak určují, která ze sledovaných veličin představuje příčinu zkoumaných jevů a procesů.
Obecnější otázka přinesla konkrétnější odpovědi
Navzdory zvýšenému zájmu o tyto oblasti překvapivě málo výzkumných týmů kombinuje studium kauzality a extrémních jevů. Existují práce, které zjišťují, zda extrémy v jedné proměnné způsobují extrémy v jiné proměnné. Vědci z Ústavu informatiky AV ČR si položili obecnější otázku: Která ze dvou nebo více potenciálních kauzálních proměnných způsobuje extrémy v ovlivněné proměnné, bez ohledu na to, jestli kauzální proměnná extrémní hodnoty obsahuje.
Neboli: v konkrétním případě jarních mrazů ve Francii je ovlivněnou proměnnou přízemní teplota vzduchu, denní průměr nebo minimum. Kauzální proměnné jsou v tomto případě tři: severoatlantická oscilace (NAO, North Atlantic Oscillation), Blocking Index (BI) a sibiřská tlaková výše (SH, Siberian High). Otázka, kterou si vědci kladli, tedy zněla: Způsobuje extrémy v teplotě severoatlantická oscilace, blocking index, nebo sibiřská tlaková výše bez ohledu na to, jestli samy dosahují extrémních hodnot?
Za mrazem spálenými vinicemi stojí dvě události
Odpověď poskytuje matematická a výpočetní metoda, kterou tým vedený Milanem Palušem z Ústavu informatiky AV ČR představil v prestižním časopise Science Advances. Tato informatická metoda využívá konceptu Rényiho entropie, jenž překonává standardní Shannonovu teorii informace. Vyvinuté algoritmy jsou testovány v řadě numerických simulací extrémních jevů.
„Simulace vždy obsahuje tři proměnné: jednu ovlivněnou, effect variable, a dvě kauzální, cause variables. Jedna cause variable způsobuje posun průměru, resp. všech hodnot v effect variable, druhá specificky vyvolává extrémy v effect variable,“ nastiňuje Milan Paluš.
Zpět k příkladu mrazů, které zasáhly zejména francouzské vinaře.
„NAO a BI typicky posouvají všechny hodnoty. Vysoká sibiřská tlaková výše (SH) vede k chladným extrémům, ale vyžaduje, aby severoatlantická oscilace (NAO) nebyla pozitivní. Právě ve francouzských jarních datech je vidět význam sibiřské tlakové výše nejlépe – pokud je vysoká a NAO negativní, vedou k jarním mrazům, sama negativní NAO nestačí. To ale neplatí v případě zimních měsíců ve střední Evropě, kde negativní severoatlantická oscilace vysvětluje část chladných extrémů podobně jako pozitivní blocking index,“ popisuje Milan Paluš.
Tento výzkum podpořila Akademická prémie, kterou Akademie věd ČR udělila Milanu Palušovi v roce 2019. Jeho výsledky nyní zveřejnil časopis Science Advances.
Zdroj: Akademie věd ČR
- Autor článku: ne
- Zdroj: Akademie věd ČR
