导语


从加拿大极端热浪，到德国的洪灾，从澳大利亚的森林大火，到中国河南的特大暴雨，极端天气已经成为新常态。气候变化正以我们所能感知的态势发生着。2021年诺贝尔物理学奖的一半被授予气象学家真锅淑郎和气象学家克劳斯·哈塞尔曼，“以表彰对地球气候的物理建模、量化变化和可靠地预测全球变暖”。表达了对人类命运的关切。不仅如此，空气污染与排放等因素也作为影响人类生活和生态环境的重要一环而一直备受关注。我们统一将这些放在地球系统科学研究的范畴中。近年来，系统科学、人工智能等学科的发展，为地球系统的研究提供了一系列有力的研究手段。


为了推进地球系统科学研究，集智俱乐部特联合气象学家和气象汇公众号联合发起筹备地球系统科学的主题读书会，系统地研究统计物理、深度学习等方法在地球系统科学中应用的相关文献，开展“地球系统科学因果推断”、“地球系统中的归因、临界问题”、“极端事件的同步和记忆效应 ”、“时空图神经网络”等等主题的报告分享，读书会于每周二晚上 7:00-9:00 进行讨论和分享，欢迎对地球系统科学领域感兴趣的朋友报名参加，可以获取回放，进入社群交流！





内容简介




内容背景


因果推断在地球系统科学研究中有相当明确的作用，它一方面可以帮助我们发现地球系统的物理规律，另一方面也提高了对系统的预报能力。与其他诸多领域一样，基于相关性和单变量回归的方法仍然是分析地球系统科学中最常见的基于数据的工具，但这种方法对系统动态的因果机制提供的见解很少，而因果推断可以克服这些方法的一些关键缺陷。


内容简介


在本次报告中，我们将对目前地球系统科学中常用的因果推断方法进行概述，然后讨论通过这些方法产生重要见解的应用实例。


本次报告将会介绍：
1. 气候科学中的因果推断方法介绍；
2. 格兰杰因果检验（GC）和收敛交叉映射（CCM）在气候科学中的实际应用；

3. 传统方法+机器学习，对方法的改进；





主讲人




王明钊，北京大学物理学院大气科学系博士生，研究方向为气候系统时间序列分析与预测以及因果推断。

参考文献（包括书籍、论文 MLA格式）

  1. Runge, J., Bathiany, S., Bollt, E. et al. Inferring causation from time series in Earth system sciences. Nat Commun 10, 2553 (2019).

  2. van Nes, E., Scheffer, M., Brovkin, V. et al. Causal feedbacks in climate change. Nature Clim Change 5, 445–448 (2015).

  3. Tsonis AA, Deyle ER, May RM, Sugihara G, Swanson K, Verbeten JD, Wang G. Dynamical evidence for causality between galactic cosmic rays and interannual variation in global temperature. Proc Natl Acad Sci U S A. 2015 Mar 17;112(11):3253-6.

  4. Detecting Causality in Complex Ecosystems. Science, 338.6016, 496-500 (2012).

  5. Ebert-Uphoff, I., & Deng, Y. (2012). Causal Discovery for Climate Research Using Graphical Models, Journal of Climate, 25(17), 5648-5665.

  6. McGraw, M. C., & Barnes, E. A. (2018). Memory Matters: A Case for Granger Causality in Climate Variability Studies, Journal of Climate, 31(8), 3289-3300.

  7. Ye, H., Deyle, E., Gilarranz, L. et al. Distinguishing time-delayed causal interactions using convergent cross mapping. Sci Rep 5, 14750 (2015).

  8. Jakob Runge, Peer Nowack, Marlene Kretschmer, Seth Flaxman, Dino Sejdinovic, Detecting and quantifying causal associations in large nonlinear time series datasets, Science Advances 5, eaau4996 (2019).

  9. Zhixin Lu, Jaideep Pathak, Brian Hunt, Michelle Girvan, Roger Brockett, and Edward Ott , “Reservoir observers: Model-free inference of unmeasured variables in chaotic systems”, Chaos 27, 041102 (2017)

  10. Yu Huang, Zuntao Fu, and Christian L. E. Franzke , “Detecting causality from time series in a machine learning framework”, Chaos 30, 063116 (2020).

  11. Mingzhao Wang, Zuntao Fu,A new method of nonlinear causality detection: Reservoir computing Granger causality, Chaos, Solitons & Fractals, Volume 154 (2022).





直播信息




时间

2022年2月8日（周二）晚上19:00-21:00


参与方式

  • 文末扫码参加地球系统科学读书会，加入群聊，获取系列读书会回看权限，成为地球系统科学社区种子用户，与其他的科研工作者沟通交流，共同推动地球系统科学的发展。
  • 集智俱乐部 B 站免费直播，扫码可预约。

扫码报名


地球系统科学读书会招募中


地球科学是研究相互作用的大气圈、水圈、岩石圈和生物圈等组成的地球系统的形成、演化机制的学科。随着地球系统科学的不断发展，许多新方法被广泛地应用于分析和解决许多的地球系统科学问题。为了推进地球系统科学研究，集智俱乐部特联合气象学家和气象汇公众号联合发起筹备地球系统科学的主题读书会。

本读书会由邓琪敏、张钢锋、王硕、许菁等一线研究者共同发起的「地球系统科学」系列读书会，将组织大家系统地研究这些以统计物理方法、深度学习方法为核心在地球系统科学中应用的相关文献，深入研读相关文献，激发科研灵感。在每周二晚在线进行论文分享与讨论，共读共享。欢迎对地球系统科学感兴趣的朋友报名参与读书会，一起研读硬核内容！欢迎大家报名参加呀！

读书会大纲：

地球系统科学概览介绍——陈德亮院士
  1. 统计物理部分
  • 气候网络和渗流相变研究地球系统
  • 统计物理和本征微观态在地球系统的中应用

  • 由多个子系统耦合的地球系统

  • 极端天气的同步现象

  • 地球系统中的归因

  • 地球系统的临界问题

  1. 深度学习部分

  • 综述

  • 时空卷积网络

  • 时空图神经网络

  • 神经微分/偏微分方程

  • 地球系统科学因果推断


「地球系统科学」系列读书会参与方式


本次读书会适合的参与对象：

  • 基于复杂系统相关学科研究，对地球系统科学相关研究有浓厚兴趣的科研工作者；

  • 能熟练阅读英文文献，并对复杂科学充满激情，对世界的本质充满好奇的探索者；

  • 欢迎基于读书会所列文本和文献的具体探讨，提供适合的文献和主题的朋友；


运行模式

每 1 周由 1-2 名读书会成员领读相关论文，进行线上会议，与会者可以广泛参与讨论（以 PPT 讲解的形式，直播间互动交流）。


时间：

从2021年12月14日开始，每周二晚上19:00-21:00，持续时间预计 7-8 周。


方式：

此次读书会为线上闭门读书会，采用的会议软件是腾讯会议（请提前下载安装）。在扫码完成报名并添加负责人微信后，负责人将其拉入群聊，入群后告知具体的会议号码。


费用：

为了过滤一些非专业人士，甄选出真正对地球系统科学研究感兴趣、有相关研究经验的专业人士，保证读书会研讨质量，也为了激励大家学习、分享、总结，本期读书会将采取收费 – 退款的保证金模式。

报名步骤

扫码报名

第一步：扫码填写报名信息。

第二步：填写信息后，进入付款流程，提交保证金299元。（符合退费条件后可退费）

第三步：添加负责人微信，拉入对应的读书会讨论群。

（我们也会对每次分享的内容进行录制，剪辑后发布在集智学园官网上，供读书会成员回看）


推荐阅读



点击“阅读原文”，报名直播