راصدان يراقبان المحيط الهادئ. الأول يتأمل الخرائط الحرارية للسطح، والثاني يُصغي إلى إيقاع درجة الحرارة ومخزون الحرارة في عمق الماء. كلٌّ منهما على انفراد لا يلحظ سوى جزء من الصورة، لكنهما معًا قادران على رصد اقتراب ظاهرة النينيو قبل أشهر من أن يُحدث التيار الدافئ تغييرًا في طقس الكوكب بأكمله.
النينيو، الطور الدافئ للتذبذب المناخي في المنطقة الاستوائية من المحيط الهادئ، يجلب الجفاف إلى أستراليا والفيضانات إلى بيرو، ويؤثر في مصائد الأسماك والمحاصيل. التنبؤ الدقيق قبل ستة أشهر يمنح وقتًا للاستعداد. النماذج المناخية التقليدية لا تحل العمليات صغيرة النطاق بشكل جيد، بينما النماذج الإقليمية محدودة بالتداخل أحادي الاتجاه. التعلم الآلي يفتح الطريق لتحليل أكثر مرونة لكميات ضخمة من البيانات الأوقيانوغرافية، لكن النماذج الحالية غالبًا ما تعاني من نقص التحقق على البيانات الفعلية ولا تلتقط دائمًا الأحداث المتطرفة.
باحثون من الجامعة الوطنية الفيتنامية بنوا نموذج ConvLSTM-XT الذي يجمع الراصدين في بنية واحدة. الشبكة العصبية الالتفافية (CNN) تعالج الخرائط الحرارية لدرجة حرارة سطح المحيط (SST) من بيانات NOAA ERSST v5، بينما الذاكرة طويلة قصيرة المدى (LSTM) تحلل السلاسل الزمنية لدرجة الحرارة والمحتوى الحراري للمحيط (OHC) من مركز البيانات الأوقيانوغرافية التابع للأكاديمية الصينية للعلوم. تغطي البيانات الفترة من يناير 2000 إلى سبتمبر 2023، والمنطقة محصورة في نطاق نينيو 3.4 (5° جنوبًا – 5° شمالًا، 120°–170° غربًا). بدلًا من الضربات المصفوفية المعتادة في كتل LSTM، تُستخدم التفافات ثنائية الأبعاد، مما يسمح بالتقاط الأنماط المكانية والزمانية في آن واحد.
بلغت دقة التنبؤ 90.57% للتكوينات التي استخدم فيها ربع واحد على الأقل من الأرباع الخمسة ملاحظات فعلية، بينما كانت الأرباع المتبقية تنبؤية. وعندما تنبأ النموذج بجميع الأرباع الخمسة دون الاعتماد على الملاحظات، انخفضت الدقة إلى 83.02%. أظهر التحليل النوعي للخرائط الحرارية لشهري مارس–سبتمبر 2023 أن النموذج التقط الانتقال من الشذوذ البارد إلى الدافئ، وهو ما يميز تطور ظاهرة النينيو، وإن لم يتجاوز دائمًا عتبة 0.5°م في جميع الفترات الخمس.
تؤكد النتائج أن الشبكات العصبية الهجينة المكانية-الزمانية يمكنها منافسة النماذج التقليدية في مهمة التنبؤ بالنينيو. الدقة العالية عند الاستخدام الجزئي للملاحظات تشير إلى قيمة عملية للمراقبة التشغيلية. الانخفاض في الدقة عند التنبؤ الذاتي الكامل يبرز الحاجة إلى متغيرات إدخال إضافية أو تحسين البنية. الراصدان، بتوحيد جهودهما، يمنحان الآن بضعة أشهر من السبق في مواجهة الشذوذ المناخي.
ظاهرة النينيو في 1982–1983 كادت تقضي على مخزون الأنشوفة البيروفية، الذي كان يعتمد عليه أكبر مصايد للأسماك في العالم. انخفضت المصيدات من 12 مليون طن إلى أقل من مليون طن.
في رواية كيم ستانلي روبنسون «أربعون علامة مطر»، تلعب النماذج المناخية دورًا محوريًا في التنبؤ بالظواهر الجوية المتطرفة، ويناضل العلماء من أجل أن تُسمَع توقعاتهم من قبل السياسيين. تطوير نماذج أكثر دقة للنينيو يتردد صداه مع هذا الموضوع: كلما كان الإنذار أبكر وأدق، زادت فرص التكيف.