المناخ يشبه أوركسترا بلا قائد: كل عازف يسمع الآخرين مع تأخير، والنوتة الموسيقية تتغير أثناء الحفل نفسه. المحيط والغلاف الجوي والجليد واليابسة يتبادلون الطاقة باستمرار، وأي خلل بسيط في آلة واحدة قد يتطور إلى تغيير اللحن بأكمله. النماذج المناخية التقليدية، المبنية على المعادلات الفيزيائية، أصبحت أكثر تفصيلاً، لكن تعقيدها الحسابي يتزايد، بينما يظل فهم العلاقات السببية محدوداً.

يقترح مؤلفو المراجعة عدم بناء نموذج ضخم آخر، بل النظر إلى البيانات بطريقة مختلفة. فبدلاً من محاولة إعادة إنتاج كل ترس في النظام، يبحثون عن أنماط في السجلات طويلة الأمد: كيف تغيرت الأمطار، ودرجة حرارة سطح المحيط، ومؤشرات النينو والتذبذب الشمالي الأطلسي. أولاً، باستخدام دالة الارتباط الذاتي (autocorrelation function)، يتم استخراج الدوريات المهمة، والتي تُنمذج بعد ذلك بسلاسل فورييه (Fourier series). ولاختيار التوافقيات الأكثر أهمية، تُستخدم طريقة لاسو (LASSO). أما الذاكرة قصيرة المدى للنظام فتُوصف بنموذج السببية بمعنى غرانجر، الذي يختبر ما إذا كانت القيم السابقة لمتغير تساعد في التنبؤ بالقيمة الحالية لمتغير آخر. ويؤخذ الارتباط المكاني بين المحطات في الاعتبار من خلال عملية غاوسية (Gaussian process). هذا النهج الهجين يسمح بفصل الاتجاهات طويلة المدى، والدورات الموسمية، والتفاعلات السريعة.

في الدراسة الأولى، التي تناولت الجفاف في جنوب غرب أستراليا، كشف تحليل 194 محطة أرصاد جوية على مدى 58 عاماً عن دورة للأمطار تبلغ حوالي 5.5 سنوات. البنية الارتباطية بين مؤشر الأمطار، ودرجة حرارة المحيط، وثنائي قطب المحيط الهندي (Indian Ocean Dipole)، والنينو، تغيرت بمرور الوقت: قبل عام 2008، كان لثنائي القطب تأثير مباشر على الأمطار، بينما بعد عام 2009 ضعف هذا التأثير، وأصبح ثنائي القطب يعمل بشكل غير مباشر عبر درجة حرارة المحيط والنينو. النماذج التي تضمنت درجة حرارة المحيط والتصحيح المكاني أظهرت أقل خطأ في التنبؤ: 0.34 لمؤشر الأمطار على مدى 12 شهراً.

في الدراسة الثانية، التي غطت شمال الأطلسي من 1982 إلى 2019، تم اكتشاف حلقة تغذية راجعة بين التذبذب الشمالي الأطلسي، ودرجة حرارة سطح المحيط، ومساحة الجليد البحري. أكدت اختبارات غرانجر السببية المتبادلة بين جميع أزواج المتغيرات. ويشير الالتواء السلبي (negative skewness) لتوزيع مؤشر التذبذب إلى اقتراب النظام من عدم استقرار حرج، مما قد ينذر بموجات برد شديدة أكثر تواتراً في المنطقة.

يُظهر العمل أن أساليب التعلم الإحصائي وتحليل السلاسل الزمنية يمكن أن تكمل النماذج المناخية الفيزيائية، من خلال كشف التبعيات الخفية والمؤشرات المبكرة للتغيرات المفاجئة. على عكس الدراسات المجاورة التي تركز غالباً على التنبؤ بظاهرة معينة، يُقترح هنا إطار منهجي عام قابل للتطبيق على أنظمة فرعية مناخية مختلفة. اكتشاف حلقات التغذية الراجعة وعلامات عدم الاستقرار مهم لتقييم المخاطر: مثل هذه الأنظمة يمكن أن تنتقل إلى حالات جديدة أسرع مما تتنبأ به النماذج التقليدية.

الأوركسترا بلا قائد تواصل العزف، لكننا الآن نستطيع أن نميز أي الآلات تعزف بنشاز، ومتى قد يتغير اللحن. يمكن توسيع المنهجية لتشمل مناطق أخرى ومجموعات متغيرات أخرى، بما في ذلك بيانات الغازات الدفيئة، والغطاء النباتي، والعوامل البشرية. من الواعد دمج الأساليب الإحصائية مع النماذج الفيزيائية لتحسين التوقعات لعقود قادمة. كما يمكن تطبيق أساليب التعلم الآلي للكشف التلقائي عن حالات عدم الاستقرار في الوقت الفعلي.