Климатические сети стали стандартным инструментом для анализа сложных климатических явлений, таких как Эль-Ниньо — одно из самых сильных климатических явлений на десятилетних масштабах. Эль-Ниньо вызывает потепление восточной тропической части Тихого океана на несколько градусов, а последующее охлаждение называют Ла-Нинья. Это явление влияет на удалённые регионы, включая Северную Америку, Австралию, Европу, Южно-Китайское море, Индийский океан и тропическую Северную Атлантику, приводя к потеплению, усилению дождей в одних регионах и засухам в других, а также к упадку рыболовства, голоду, эпидемиям, политической нестабильности и экономическим изменениям. Работа стоит на отшибе архива: рядом исследования по солнечным циклам, старым летописям о погоде, предсказанию Эль-Ниньо за полтора года, нейросетям для анализа Земли и экосистемам под ритм природы. Эти работы лежат в русле применения сетевых и статистических методов к климатическим данным, но данное исследование отличается направленным подходом, фокусирующимся только на исходящих связях из бассейна Эль-Ниньо.
Климатическая сеть построена на основе глобальных ежедневных полей приземной температуры воздуха (1000 гПа) из набора данных реанализа NCEP/NCAR с пространственным разрешением 2.5°×2.5° (всего 10512 узлов сетки) за период с января 1948 по апрель 2016. Для устранения сезонности из каждого временного ряда вычли средний сезонный цикл и разделили на сезонное стандартное отклонение. Узлы разделены на два подмножества: 57 узлов внутри бассейна Эль-Ниньо (ENB, регион 5°N–5°S, 120°–170°W) и 10455 узлов вне его. Для каждой пары узлов из разных подмножеств вычислили кросс-корреляцию временных рядов длиной 365 дней с лагом до 200 дней. Нашли пик абсолютного значения кросс-корреляции и соответствующий временной лаг. Знак лага определяет направление связи: если лаг положительный, связь исходит из ENB. Рассматривали только исходящие из ENB связи с абсолютным лагом не более 150 дней. Вес связи определили как нормированную кросс-корреляцию. Для каждого узла вне ENB вычислили суммарный «входящий» вес от всех узлов ENB. События Эль-Ниньо и Ла-Нинья отбирали по индексу ONI (средняя за 3 месяца аномалия температуры поверхности моря в регионе Niño 3.4) с порогом |ONI|>1°C. Рассмотрели 11 событий Эль-Ниньо и 9 событий Ла-Нинья. Для каждого события использовали временной ряд с 1 июля предшествующего года по 30 июня следующего. Для сравнения событий строили тепловые карты кросс-корреляций между картами «входящих» весов и определяли значимость через перемешивание карт (разбиение на 18 равных областей и перестановку их порядка). Сообщества событий выделяли алгоритмом оптимизации модулярности.
Во время Эль-Ниньо и Ла-Нинья регионы с высокими «входящими» весами совпадают с областями известных температурных аномалий: Северная Америка, Южная Америка, Европа, Индия, Южная Африка, Австралия. Кросс-корреляция между картами «входящих» весов и картами средних зимних аномалий температуры составила 0.63 для Эль-Ниньо и -0.59 для Ла-Нинья (для меры на основе C), что указывает на согласованность. Ключевой результат: во время Эль-Ниньо/Ла-Нинья общая площадь, подверженная влиянию, уменьшается, но в этих локализованных областях воздействие усиливается. Это видно из сравнения распределений «входящих» степеней: в годы Эль-Ниньо больше чёрных областей (нет связей) и больше тёмно-красных областей (все 57 связей от ENB входящие), чем в нормальные годы. Количественно, число узлов с ненулевой «входящей» степенью резко падает во время событий, а средний «входящий» вес на узел значительно возрастает. Причина в том, что во время Эль-Ниньо/Ла-Нинья все 57 узлов ENB синхронизированы (тёплые или холодные одновременно), поэтому для каждого затронутого узла вне ENB все 57 связей имеют одинаковое направление. В нормальные годы часть ENB коррелирует, часть нет, что снижает общую корреляцию и расширяет области корреляции. Анализ сходства событий: 11 событий Эль-Ниньо разделились на три сообщества на основе значимых кросс-корреляций карт «входящих» весов. Тепловая карта для тропиков (20°S–20°N) наиболее похожа на глобальную, что указывает на доминирующий вклад тропических воздействий в классификацию событий.
Работа впервые использует только «входящие» направленные связи, исходящие из бассейна Эль-Ниньо, что позволяет получить карту глобальных воздействий конкретного события и изучать локальные эффекты. Это отличается от соседних работ, которые часто используют пороговые значения для значимых связей или анализируют всю сеть. Метод выявляет, что воздействие Эль-Ниньо не глобально однородно, а концентрируется в ограниченных областях, причём эти области меняются от события к событию. Сходство событий, оценённое через структуру сообществ сети, предлагает новый способ классификации типов Эль-Ниньо, дополняющий классификацию по местоположению максимума аномалий температуры поверхности моря.
Подход может быть применён к другим климатическим переменным, таким как осадки, давление или температура поверхности океана, для выявления их телесвязей. Дальнейшее развитие может включать использование более длинных рядов данных, более высокого разрешения и других реанализов для проверки устойчивости результатов. Возможно включение дополнительных узлов в бассейн Эль-Ниньо или учёт нелинейных взаимодействий. Также перспективно исследовать предсказательную силу «входящих» весов для прогноза региональных аномалий за несколько месяцев.
Результаты могут улучшить понимание и прогнозирование событий Эль-Ниньо и Ла-Нинья, а также их региональных последствий. Метод применим в климатологии, метеорологии и смежных областях, где важны телесвязи.
Проверить воспроизводимость на других наборах данных (например, ERA-Interim) и для других климатических переменных. Исследовать, можно ли использовать «входящие» веса для оперативного прогноза аномалий в конкретных регионах.
Работа связывает структуру климатической сети с известной проблемой неоднородности воздействия Эль-Ниньо: почему одни регионы сильно реагируют, а другие нет. Это помогает уточнить механизмы телесвязей и может способствовать решению проблемы предсказуемости региональных климатических аномалий.
Во время сильного Эль-Ниньо 2015–2016 годов, одного из самых сильных с 1948 года, исследователи смогли подтвердить большинство затронутых регионов, используя данные только предыдущих событий, что демонстрирует прогностический потенциал метода.
В романе Кима Стэнли Робинсона «Сорок знаков дождя» климатические сети и хаотическая динамика океана играют ключевую роль в понимании резких изменений климата, что перекликается с попытками уловить телесвязи Эль-Ниньо.