Im folgenden wird ein Verfahren dargestellt welches die Möglichkeit bietet komplexe räumliche Zusammenhänge zwischen Niederschlagsereignissen quantitativ in Klimanetzwerke zu fassen und diese auf vielfältige Arten und Weisen zu analysieren. In dem Maße wie synchronisiert Niederschlagsereignisse zwischen Raumpunkten auftreten, in dem Maße sind diese Raumpunkte in Event Synchronization Klimanetzwerken verbunden. Zum einen wird das bestehende Ähnlichkeitsmaß der Ereignissynchronisation verbessert und erweitert, und zum anderen werden verschiedene, zum Teil neue, statistische Methoden zur Netzwerkanalyse vorgestellt und erläutert. Klimanetzwerke sind räumlich eingebettete Netzwerke und die statistisch zu zeigende Abhängigkeit der Ähnlichkeit vom räumlichen Abstand führt zu einer vom Raum nicht unabängigen Netzwerkstruktur. Dies ist in einer Vielzahl von Fällen ein ungewünschter Effekt und es wird eine Methodik entwickelt wie dieser statistisch quantifiziert werden kann. Des weiteren werden zwei weitere neue Netzwerkstatistiken vorgestellt. Einerseits das neue Netzwerkmaß Directionality und andererseits eine Netzwerkreduktion welche Klimanetzwerke auf Klimanetzwerke mit weitreichenden Verbindungen reduziert. Dieser neue Ansatz steht gewissermaßen im Gegensatz zur klassischen Klimanetzwerkkonstruktion die vor allem zu kurzreichweitigen Verbindungen führt. Das neue Netzwerkmaß Directionality gibt für jeden Raumpunkt des Netzwerks eine dominante Raumrichtung der Netzwerkverbindungen an und kann dadurch z.B. für bestimmte Event Synchronization Klimanetzwerke Isochronen abbilden. / In the following an approach to the analysis of spatial structures of precipitation event synchronizations is presented. By estimating the synchronicity of precipitation events between points in space, a spatial similarity network is constructed. These Climate Networks can be analyzed statistically in various ways. However, the similarity measure Event Synchronization that will be presented, as well as the concept of Climate Networks, is more general. Climate Network precipitation analyses are done in the applications part in order to present improvements to existing methodologies, as well as novel ones. On one hand, the existing similarity measure Event Synchronization will be refined and extended to a weighted and continuous version, and on the other hand, new methods for statistical analyses of Climate Networks will be presented. Climate Networks are spatially embedded networks and the probability of a link between two nodes decreases with the distance between these nodes. In other words, Climate Network topologies depend on the spatial embedding. Often this effect is distracting and should be considered as a bias in Climate Network statistics. This thesis provides a methodology to estimate this bias and to correct network measures for it. Furthermore, two novel graph statistics are introduced. First, the novel network measure Directionality, and second, a network coarse-graining approach that reduces Climate Networks to Climate Networks of teleconnections, i.e., long-ranged interrelations. This new approach is in contrast to existing Climate Network construction schemes, since commonly most links are short. The novel network measure Directionality provides a dominant direction of links in the embedding space. For undirected Event Synchronization networks this measure is applied for the estimation of Isochrones, i.e., lines of synchronous event occurrences.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/18101 |
| Date | 08 February 2016 |
| Creators | Rheinwalt, Aljoscha |
| Contributors | Kurths, J., Ebert-Uphoff, I., Feigin, A. |
| Publisher | Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | English |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | Namensnennung - Keine kommerzielle Nutzung - Weitergabe unter gleichen Bedingungen, http://creativecommons.org/licenses/by-nc-sa/3.0/de/ |
Page generated in 0.0195 seconds