Эль-Ниньо/Южное колебание (ENSO) традиционно описывается через месячные средние, которые сглаживают быстрые процессы. Однако в последние годы стало ясно, что высокочастотные компоненты могут нести важную информацию о динамике системы. Работа стоит рядом с исследованиями, которые ищут скрытые периодичности в климатических рядах и изучают долговременные корреляции, но отличается использованием ежедневных данных вместо месячных и фокусом на внутригодовых модах. Это позволяет увидеть более тонкую структуру сигнала и проверить, насколько короткие колебания предсказуемы.
Авторы взяли ежедневные значения SOI с января 1999 по март 2007 года (3006 точек). Для выделения периодичностей использовали мультитейперный метод оценки спектра мощности с пятью тейперами, который снижает дисперсию оценок. Значимость пиков проверялась относительно нулевой гипотезы красного шума и локально белого шума. Затем сигнал моделировался как сумма гармоник с найденными периодами плюс шум, причем амплитуды гармоник считались линейными функциями времени. Параметры подбирались методом наименьших квадратов. После удаления реконструированного сигнала остаток анализировался с помощью метода флуктуационного анализа с исключением тренда (DFA) и распределения времен первого возврата.
В спектре мощности обнаружены пики на периодах 24, 27, 37, 76, 100 и 365 дней, превышающие 99% доверительный интервал. Период 24 дня связывается с волной Бранстатора-Кушнира, 27 дней — с лунным циклом, 37 дней — с осцилляцией Маддена-Джулиана, 76 дней — с внутрисезонными колебаниями тропической атмосферы, 100 дней может быть биением между 37 и 27 или 76 и 365 днями. Реконструкция сигнала с этими периодами позволила построить прогноз на девять месяцев. Качество прогноза оценено площадью под ROC-кривой: AUC = 0.73, что считается хорошим для бинарной классификации знака SOI. После удаления периодичностей DFA не показал линейного поведения на всем диапазоне масштабов, что говорит об отсутствии простого самоподобия. Распределение времен возврата для очищенного сигнала лучше описывается растянутой экспонентой, а не распределением Пуассона, что указывает на коррелированность экстремальных событий.
Работа показывает, что ежедневные данные SOI содержат значимые высокочастотные компоненты, которые можно использовать для среднесрочного прогнозирования. Это отличает её от соседних исследований, которые опираются на месячные средние и упускают быстрые осцилляции. Кроме того, анализ остатка после удаления периодичностей демонстрирует, что стохастическая составляющая не является простым белым шумом, а имеет сложную корреляционную структуру. Это ставит под сомнение модели, предполагающие некоррелированность флуктуаций, и подчеркивает необходимость учета памяти в климатических рядах.
В будущем можно уточнить периоды, отказавшись от целочисленных значений, и использовать более длинные ряды для проверки устойчивости найденных мод. Также перспективно применить аналогичный подход к другим климатическим индексам, таким как индекс Северо-Атлантического колебания или тихоокеанский декадный осцилляционный индекс. Развитие методов нелинейного прогнозирования на основе выявленных периодичностей может улучшить качество предсказаний.
Результаты могут быть полезны для метеорологов и климатологов, занимающихся прогнозом Эль-Ниньо и связанных с ним аномалий осадков и температуры. Также они важны для понимания статистики экстремальных событий в климатической системе.
Следующим шагом может быть проверка найденных периодов на независимых данных и сравнение с результатами численных моделей. Также стоит исследовать, как эти высокочастотные моды взаимодействуют с низкочастотной составляющей ENSO.
Работа затрагивает фундаментальную проблему климатологии: как отделить детерминированные периодичности от стохастического шума в климатических рядах. Она также вносит вклад в понимание природы экстремальных событий, таких как сильные Эль-Ниньо, и их предсказуемости.
Период в 100 дней может возникать как биение между 37 и 27 днями: 1/(1/27 - 1/37) ≈ 100 дней. Это пример того, как взаимодействие двух колебаний порождает третье, более медленное.