NON-LINEAR, INTRASEASONAL PHASES OF THE EAST ASIAN SUMMER MONSOON : EXTRACTION AND ANALYSIS USING SELF-ORGANIZING MAP :EXTRACTION AND ANALYSIS USING SELF-ORGANIZING MAP

Q: 이 논문에서 정의한 자가조직화지도(SOM)란 무엇인가?

자가조직화지도(SOM)는 비선형 다변량 데이터 분류 알고리즘으로, 동아시아 여름 몬순(EASM)의 일변동성을 분석하는 데 사용된다. 이 방법은 복잡한 기상 데이터를 비선형적으로 분류하여 몬순의 다양한 단계와 그 특성을 식별하고 이해하는 데 기여한다. 이를 통해 몬순 시스템의 비선형적 특성을 효과적으로 파악할 수 있다.

Q: 동아시아 여름 몬순의 예측 가능성 핵심은 무엇인가?

연구 결과, 동아시아 여름 몬순의 연간 예측 가능성은 그 비선형적 특성 분석과 활용에 달려있다고 할 수 있다. 특히 엘니뇨와 라니냐 기간 동안 장마 및 건조기 단계의 강한 변조가 나타나며, 이는 몬순의 복잡한 비선형적 상호작용이 예측에 중요함을 시사한다.

JUNG-EUN CHU; SAJI N. HAMEED; KYUNG-JA HA

학술대회자료

저자정보: JUNG-EUN CHU (Pusan National University) SAJI N. HAMEED (University of Aizu) KYUNG-JA HA (Pusan National University)

저널정보: 한국기상학회 한국기상학회 학술대회 논문집 The Fifth Korea-Japan-China Joint Conference on Meteorology

오류 신고하기

피인용 0

검색

초록·키워드

We advance the hypothesis that regional characteristics of the East Asian Summer Monsoon (EASM) result from the presence of non-linear coupled features that modulate the seasonal circulation and rainfall at the intraseasonal timescale. To examine this hypothesis, we undertake the analysis of daily EASM variability using a non-linear multivariate data classifying algorithm known as self-organizing maps (SOM). Based on an analysis of the various SOM nodes, we identify 4 major intraseasonal phases of the EASM. The first node describes a circulation state corresponding to weak tropical and subtropical pressure systems, weakened monsoonal winds, and cyclonic upper level vorticity. This mode that is related with large rainfall anomalies in South East China and Southern Japan is identified as the Meiyu-Baiu phase. ... 전체 초록 보기

#East Asian summer monsoon #intraseasonal #self-organizing map

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2013-453-000979626

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료