Wetterregime: Wiederkehr und quasi-stationäre Zustände

Zwei verschiedene Definitionen von Wetterregimen der mittleren Breiten werden verglichen. Die erste sucht nach wiederkehrenden atmosphärischen Mustern. Die zweite sucht nach quasi-stationären Mustern, deren durchschnittliche Tendenz verschwindet. Wiederkehrende Muster werden durch Clusteranalyse identifiziert, und quasi-stationäre Muster werden durch die Lösung einer nichtlinearen Gleichgewichtsgleichung identifiziert. Beide Methoden werden auf denselben Datensatz angewendet: die NMC-Endanalysen der 700-hPa-Geopotentialhöhen, die 44 Winter abdecken. Die Analyse erfolgt getrennt über den Atlantik- und den Pazifiksektor. Die beiden Methoden ergeben die gleiche Anzahl von Wetterregimen – vier im Atlantiksektor und drei im Pazifiksektor. Die Muster unterscheiden sich jedoch signifikant. Die Untersuchung der Tendenz oder Drift der Cluster zeigt, dass wiederkehrende Strömungen eine systematische langsame Entwicklung aufweisen, was diesen Unterschied erklärt. Die Muster stimmen mit denen aus früheren Studien überein, aber ihre Anzahl unterscheidet sich. Der hier verwendete Clusteranalyse-Algorithmus ist ein Partitionierungsalgorithmus, der Daten um zufällig gewählte Startpunkte agglomeriert und iterativ die Partition sucht, die die Varianz innerhalb der Cluster minimiert, gegeben einer vorgegebenen Anzahl von Clustern. Die Autoren entwickeln einen Klassifizierbarkeitsindex, der auf der Korrelation zwischen den Cluster-Zentroiden aus verschiedenen initialen Ziehungen basiert. Durch den Vergleich des Klassifizierbarkeitsindex der Beobachtungen mit dem von einem multivariaten Rauschmodell wird eine objektive Definition der Anzahl der in den Daten vorhandenen Cluster gegeben. Obwohl der Klassifizierbarkeitsindex maximal ist, wenn in beiden Sektoren zwei Cluster vorgegeben werden, unterscheidet er sich nur signifikant von dem, der mit dem Rauschmodell unter Verwendung von vier Atlantik-Clustern und drei Pazifik-Clustern erhalten wurde. Die partitionierende Clusterungsmethode erweist sich als statistisch stabiler als hierarchische Clusterungsschemata.