Phân tích địa lý thống kê liên quan đến việc xử lý các bộ dữ liệu rất lớn, chẳng hạn như các phép đo tốc độ gió tại nhiều địa điểm và độ cao theo thời gian, để trích xuất mô hình cơ bản về cách các thông số nhất định hoạt động và tương quan theo không gian và thời gian trong thế giới thực. Tuy nhiên, khả năng của các mô hình như vậy để mô tả chính xác hành vi đó và dự đoán điều gì xảy ra tiếp theo phần lớn phụ thuộc vào khung mô hình được sử dụng để phân tích. Một nhóm các nhà khoa học KAUST do Marc Genton dẫn đầu đã và đang phát triển các khung phân tích có ý nghĩa vật lý hơn để có thể mô hình hóa các hiện tượng tự nhiên một cách tốt hơn.
Mary Salvaña, người đã làm việc với Genton và Amanda Lenzi trong nghiên cứu, giải thích : “Nhiều mô hình thống kê không gian – thời gian không nhất thiết phản ánh các mối quan hệ khoa học cơ bản. Nhu cầu về các mô hình thống kê không gian – thời gian có cơ sở vật lý, vì hầu hết dữ liệu môi trường tuân theo các quy luật cơ bản khác nhau của tự nhiên. Trong nghiên cứu này, chúng tôi đã lấy một khái niệm mô hình hóa trong vật lý gọi là khung Lagrangian và xây dựng nó bằng ngôn ngữ của thống kê đa biến không gian – thời gian để phát triển một bộ mô hình không gian – thời gian theo hướng dữ liệu phù hợp hơn cho các tập dữ liệu liên quan đến vận chuyển bằng phương tiện, chẳng hạn như gió.”
Gió là một hiện tượng phức tạp để đưa vào một mô hình thống kê thực tế. Nó không đối xứng trong tương quan của nó, chảy từ nơi này sang nơi khác, và cũng thay đổi theo độ cao. Khung Lagrangian được phát triển trong lĩnh vực động lực học chất lỏng để mô hình hóa các dòng chảy theo cách tương tự với vật lý cơ bản bằng cách đi theo một lô chất lỏng khi nó di chuyển trong không gian và thời gian. Đối với Salvaña và các đồng nghiệp của cô, thách thức là đảm bảo rằng khung này có thể được sử dụng hợp lệ với mô hình thống kê không gian – thời gian trên nhiều biến.
Nhóm nghiên cứu đã chứng minh mô hình của họ bằng cách áp dụng nó vào tập dữ liệu chất ô nhiễm lưỡng biến của các hạt vật chất trên khắp Ả Rập Xê Út. Kết quả cho thấy sự phân bố carbon đen được mô hình hóa chính xác hơn nhiều khi tính đến hành vi gió phụ thuộc vào độ cao.
“Khung mô hình của chúng tôi cũng có thể được áp dụng để nghiên cứu mối tương quan không gian – thời gian của các biến số đại dương, vì nước là một phương tiện vận chuyển khác, có thể rất quan trọng để hiểu các mô hình đại dương trước và sau một cơn bão nhiệt đới,” Salvaña nói.
Nghiên cứu được công bố trên Tạp chí của Hiệp hội Thống kê Hoa Kỳ .
Ngọc Bích (lược dịch)
Nguồn: https://phys.org/news/2022-09-robust-realistic-method-wind-driven-phenomena.html