El Niño et l'oscillation australe associée réorganisent la circulation atmosphérique à l'échelle du globe, affectant les sécheresses, les récoltes, les écosystèmes et les réseaux électriques. L'événement de 2023-2024 a montré à quel point ces conséquences peuvent être dévastatrices : sécheresse et famine en Afrique du Sud, stress thermique pour les récifs coralliens. Pourtant, la structure dynamique qui organise la variabilité du Pacifique tropical et limite la prévisibilité d'El Niño n'est toujours pas entièrement claire. Les données d'observation deviennent de plus en plus longues et détaillées, mais en extraire des motifs physiquement significatifs et stables est entravé par la densité spectrale : des centaines de composantes sensibles au choix des données et à la période d'apprentissage. Il faut un moyen de séparer les modes climatiques fiables des artefacts numériques, sans recourir à des heuristiques comme l'amplitude ou la part de variance expliquée.
Le travail s'appuie sur la théorie de l'opérateur de Koopman, qui décrit la dynamique non linéaire via une action linéaire sur les fonctions d'état du système. Pour approcher cet opérateur, ils ont utilisé une version à noyau de la décomposition modale dynamique étendue (k-EDMD) avec un noyau gaussien, appliquée aux anomalies mensuelles de température de surface du Pacifique tropical provenant de deux produits indépendants : la réanalyse ERA5 et la reconstruction HadISST. Les données de 1940 à 2010 ont servi d'ensemble d'apprentissage, et les quinze années suivantes d'ensemble de validation. Pour évaluer dans quelle mesure chaque paire valeur propre-fonction propre calculée satisfait l'équation de Koopman, ils ont calculé les résidus selon la méthode ResDMD. Ensuite, le long du cercle unité, ils ont construit une fonction pseudospectrale du résidu, dont les minima locaux indiquent les fréquences stables aux perturbations. Les modes spatiaux pour ces fréquences ont été reconstruits directement à partir des séries temporelles par filtrage spectral, indépendamment du dictionnaire à noyau. Enfin, ils ont cherché dans le spectre des puissances entières et des produits non linéaires des composantes fondamentales, en vérifiant la coïncidence des périodes avec une tolérance de 10 % et une corrélation des fonctions propres supérieure à 0.7.
L'analyse pseudospectrale a révélé dix-neuf fréquences stables dans une gamme de périodes allant d'environ un an et demi à une décennie. Ces fréquences coïncident dans ERA5 et HadISST, bien que les nuages de valeurs propres eux-mêmes diffèrent considérablement entre les produits et même lors d'un décalage d'un an de la fenêtre d'apprentissage. Parmi les modes trouvés, il y a une composante avec une période d'environ 3.6 ans, dont la structure spatiale reproduit le El Niño canonique avec des anomalies dans le Pacifique équatorial central et oriental. Les modes plus longs, autour de 12.6 ans, ont une structure de bassin large avec une asymétrie méridionale marquée, tandis que les modes courts, autour de 2.1 à 2.4 ans, sont concentrés plus près de la partie centrale de l'équateur. La reconstruction de l'indice Niño-3.4 basée sur ces dix-neuf modes explique 92 % de la variance de la période d'apprentissage. En comparaison, les modes de plus grande amplitude n'expliquent que 18 % avec les fonctions propres standard de k-EDMD et 81 % avec les pseudofonctions propres. Les prévisions basées sur le cadre de Koopman maintiennent leur habileté à des horizons de 8 à 18 mois, surpassant un modèle inverse linéaire et des modèles utilisant tout le spectre ou seulement les modes d'amplitude. Les autres centaines de paires propres forment une hiérarchie : beaucoup d'entre elles coïncident avec des puissances entières des modes fondamentaux, le résidu augmentant avec l'ordre de la puissance, indiquant des composantes de moins en moins fiables.
La conclusion principale de ce travail est que la redondance spectrale n'est pas un chaos mais reflète la structure algébrique de l'opérateur de Koopman. Cela change l'approche de l'interprétation des spectres denses : au lieu de sélectionner des modes individuels par heuristiques, il est proposé de rechercher les minima stables du résidu pseudospectral et de considérer le reste du spectre comme généré par les puissances et les produits de ces composantes de base. Pour la science du climat, cela signifie que l'on peut extraire de longues séries temporelles des représentations compactes et prédictives, à la fois physiquement interprétables et robustes au choix des données. Une telle approche pourrait devenir un outil général pour l'apprentissage automatique physiquement informé dans les sciences de la Terre, où l'interaction des échelles et la densité spectrale entravent souvent l'identification de l'essentiel.
Une suite naturelle est de vérifier si une telle organisation pseudospectrale apparaît dans d'autres champs : température sous-surface, tension du vent, niveau de la mer, précipitations ou variables océan-atmosphère associées. Un intérêt particulier concerne la signification physique de la hiérarchie de Koopman : dans une décomposition de Fourier, les harmoniques sont générées par des sinusoïdes fixes, alors qu'ici les puissances et les produits correspondent à des fonctions propres dépendant de l'état. Une mesure quantitative de cette hiérarchie pourrait devenir une empreinte de l'organisation non linéaire de la dynamique et aider à comparer les régimes climatiques, à attribuer les modes et à construire des modèles prédictifs. Des intégrations plus longues de modèles climatiques seront également nécessaires pour comprendre si le cadre trouvé est une propriété du système lui-même ou un artefact de la période d'observation finie.
La méthode affecte directement la prévision saisonnière et interannuelle d'El Niño, améliorant l'habileté à des horizons de 8 à 18 mois. Elle est également utile pour toutes les sciences de la Terre où les données sont de grande dimension et contiennent des échelles de temps en interaction, par exemple en océanographie, en paléoclimatologie ou dans l'analyse de la couverture de glace.
La prochaine étape est d'appliquer le même schéma à des champs climatiques multidimensionnels et de vérifier la reproductibilité du cadre de Koopman sur de longues simulations de modèles. En parallèle, il convient de développer des métriques formelles pour quantifier la hiérarchie des puissances et des combinaisons non linéaires.
En climatologie, la question de savoir quelles structures dynamiques assurent la prévisibilité d'El Niño au-delà de quelques mois reste non résolue. Ce travail montre que les modes de Koopman stables, sélectionnés par un critère résiduel, portent la mémoire prédictive, tandis que les représentations spectrales d'amplitude ou complètes la perdent. Cela relie le problème de l'interprétabilité des spectres à la question fondamentale de l'identification des sources de prévisibilité à long terme dans le système climatique non linéaire.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Les auteurs ont appliqué la EDMD nucléaire avec un noyau gaussien aux anomalies mensuelles de température de surface du Pacifique tropical issues d'ERA5 et de HadISST, en utilisant ResDMD pour estimer les résidus et une analyse pseudospectrale pour sélectionner les fréquences stables. Le cadre de Koopman obtenu, composé de dix-neuf fréquences, explique environ 92 % de la variabilité de l'indice Niño-3.4 et améliore les prévisions à des horizons de 8 à 18 mois, tandis que le reste du spectre est interprété comme des combinaisons non linéaires des modes fondamentaux.
Où est sa force
Le choix méthodologique consistant à utiliser les pseudospectres et les résidus pour distinguer les modes physiquement stables du bruit numérique aboutit à un cadre compact et interprétable, qui ne dépend pas du choix du dictionnaire de noyaux et reste robuste lors d'un changement de jeu de données.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si la méthode proposée s'avère transférable à d'autres indices climatiques et à d'autres régions, elle pourrait fournir un outil général pour extraire des modes physiquement stables à partir de données d'observation bruitées, ce qui est important pour comprendre la prévisibilité du climat aux échelles saisonnières et décennales.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.52, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
Sur environ 800 paires propres que k-EDMD produit pour chaque ensemble de données, seulement 19 modes fondamentaux suffisent à expliquer 92 % de la variabilité de l'indice principal d'El Niño. Pourtant, les modes de plus grande amplitude, généralement choisis dans les modèles réduits, n'expliquent que 18 % de la même variabilité si l'on utilise les fonctions propres standard.
L'idée d'un cadre caché de basse dimension derrière un spectre dense rappelle l'intrigue de la nouvelle de Ted Chiang « L'histoire de ta vie », où un signal non linéaire complexe s'avère être généré par un petit ensemble de motifs de base, dont la compréhension change la perception du temps et la prédiction de l'avenir.