Zoeken
Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.
Boekenmand
Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).
RSS
Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.
nieuwe zoekopdracht
Exploring the long-term changes in the Madden Julian Oscillation using machine learning
Dasgupta, P.; Metya, A.; Naidu, C.V.; Singh, M.; Roxy, M.K. (2020). Exploring the long-term changes in the Madden Julian Oscillation using machine learning. NPG Scientific Reports 10(1): 13 pp. https://dx.doi.org/10.1038/s41598-020-75508-5
In: Scientific Reports (Nature Publishing Group). Nature Publishing Group: London. ISSN 2045-2322; e-ISSN 2045-2322
|   |
| Auteurs | | Top |
- Dasgupta, P.
- Metya, A.
- Naidu, C.V.
|
|
|
| Abstract |
The Madden Julian Oscillation (MJO), the dominant subseasonal variability in the tropics, is widely represented using the Real-time Multivariate MJO (RMM) index. The index is limited to the satellite era (post-1974) as its calculation relies on satellite-based observations. Oliver and Thompson (J Clim 25:1996–2019, 2012) extended the RMM index for the twentieth century, employing a multilinear regression on the sea level pressure (SLP) from the NOAA twentieth century reanalysis. They obtained an 82.5% correspondence with the index in the satellite era. In this study, we show that the historical MJO index can be successfully reconstructed using machine learning techniques and improved upon. We obtain a significant improvement of up to 4%, using the support vector regressor (SVR) and convolutional neural network (CNN) methods on the same set of predictors used by Oliver and Thompson. Based on the improved RMM indices, we explore the long-term changes in the intensity, phase occurrences, and frequency of the winter MJO events during 1905–2015. We show an increasing trend in MJO intensity (22–27%) during this period. We also find a multidecadal change in MJO phase occurrence and periodicity corresponding to the Pacific Decadal Oscillation (PDO), while the role of anthropogenic warming cannot be ignored. |
IMIS is ontwikkeld en wordt gehost door het VLIZ.
