Self-organized Criticality and Predictability in Atmospheric Flows: The Quantum World of Clouds and Rain

این کتاب مفهوم جدیدی از نظریه سیستم های عمومی و کاربرد آن در فیزیک اتمسفر را ارائه می دهد. این نشان می‌دهد که انرژی ورودی به پیوستار گردابی اتمسفر، چه طبیعی و چه ساخته دست انسان، منجر به افزایش نوسانات در تمام مقیاس‌ها می‌شود که بلافاصله در تشدید نوسانات با فرکانس بالا مانند نوسان شبه دوسالانه و نوسان ال-نینو-جنوبی آشکار می‌شود. چرخه ها جریان‌های جوی بحرانی خودسازمان‌دهی را نشان می‌دهند، یعنی همبستگی‌های دوربرد در فضا و زمان که به صورت هندسه فراکتال با الگوی فضایی همراه با یک فرم قانون توان معکوس برای نوسانات پارامترهای هواشناسی مانند دما، فشار و غیره آشکار می‌شود. نظریه هواشناسی سنتی نمی‌تواند رضایت‌بخش باشد. ساختار فضای زمانی خود مشابه مشاهده شده جریان های جوی. یک نظریه سیستم های کلی که اخیراً برای نوسانات فضا-زمان فراکتال توسعه یافته است نشان می دهد که نوسانات در مقیاس بزرگتر را می توان برای خروج از میانگین مکان-زمان نوسانات در مقیاس کوچک محصور شده تجسم کرد، در نتیجه سلسله مراتبی از نوسانات خود مشابه را ایجاد کرد که به صورت مشاهده شده آشکار می شود. پیوستار گردابی در تحلیل‌های طیفی توان نوسانات فراکتال شبکه به هم پیوسته گردش های گردابی به عنوان یک کل واحد به آشفتگی های محلی مانند پاسخ در مقیاس جهانی به رویدادهای ال نینو پاسخ می دهد.

مدل تئوری سیستم‌های عمومی یک فرم قانون توان معکوس را پیش‌بینی می‌کند که میانگین طلایی τ را برای توزیع الگوهای نوسانات فضا-زمان و برای طیف توان (واریانس) نوسانات در خود جای داده است. از آنجایی که توزیع احتمال دامنه و واریانس یکسان است، جریان های جوی آشوب کوانتومی را نشان می دهند. همبستگی های دوربرد ذاتی توزیع قانون توان نوسانات به عنوان اتصال یا درهم تنیدگی غیرمحلی که توسط سیستم های کوانتومی مانند الکترون ها یا فوتون ها نشان داده می شود، شناسایی می شوند. توزیع پیش‌بینی‌شده نزدیک به توزیع گاوسی برای نوسانات در مقیاس کوچک است، اما یک دم بلند چاق برای نوسانات در مقیاس بزرگ نشان می‌دهد. قانون توان معکوس جهانی برای نوسانات فراکتال، روندهای سکولار خطی روشن و واضح در پارامترهای آب و هوا را رد می کند.

This book presents a new concept of General Systems Theory and its application to atmospheric physics. It reveals that energy input into the atmospheric eddy continuum, whether natural or manmade, results in enhancement of fluctuations of all scales, manifested immediately in the intensification of high-frequency fluctuations such as the Quasi-Biennial Oscillation and the El-Nino–Southern Oscillation cycles. Atmospheric flows exhibit self-organised criticality, i.e. long-range correlations in space and time manifested as fractal geometry to the spatial pattern concomitant with an inverse power law form for fluctuations of meteorological parameters such as temperature, pressure etc. Traditional meteorological theory cannot satisfactorily explain the observed self-similar space time structure of atmospheric flows. A recently developed general systems theory for fractal space-time fluctuations shows that the larger-scale fluctuation can be visualised to emerge from the space-time averaging of enclosed small-scale fluctuations, thereby generating a hierarchy of self-similar fluctuations manifested as the observed eddy continuum in power spectral analyses of fractal fluctuations. The interconnected network of eddy circulations responds as a unified whole to local perturbations such as global-scale response to El-Nino events.

The general systems theory model predicts an inverse power law form incorporating the golden mean τ for the distribution of space-time fluctuation patterns and for the power (variance) spectra of the fluctuations. Since the probability distributions of amplitude and variance are the same, atmospheric flows exhibit quantumlike chaos. Long-range correlations inherent to power law distributions of fluctuations are identified as nonlocal connection or entanglement exhibited by quantum systems such as electrons or photons. The predicted distribution is close to the Gaussian distribution for small-scale fluctuations, but exhibits a fat long tail for large-scale fluctuations. Universal inverse power law for fractal fluctuations rules out unambiguously linear secular trends in climate parameters.