Эль-Ниньо: прогноз по памяти океана ✎

Оригинал: "Extended-range statistical ENSO prediction through operator-theoretic techniques for nonlinear dynamics"
arXiv:1906.09492 · 2019-06-22 · arXiv non-exclusive · собственный разбор · 2 мин
Новый статистический метод ищет в прошлом океана похожие ситуации и предсказывает Эль-Ниньо на 10 месяцев вперёд, обгоняя линейные модели.

Океан помнит свою погоду. Каждый месяц температура его поверхности складывается в огромную карту, и если найти в прошлом похожую карту, можно увидеть, что случилось дальше. Именно так работает новый метод прогноза Эль-Ниньо — тёплого течения, которое раз в несколько лет меняет климат половины планеты.

Раньше прогнозы строились на линейных моделях. Они хороши, когда всё меняется плавно и пропорционально: чуть теплее вода — чуть сильнее ветер. Но Эль-Ниньо так не работает. В его рождении участвуют нелинейные взаимодействия, которые линейная модель в принципе не видит. Поэтому её точность падает после шести месяцев, а дальше прогноз становится бесполезным.

Метод ядрового аналогового прогнозирования ищет в прошлом не просто похожие карты температуры, а похожие последовательности из 12 месяцев подряд. Это позволяет учесть скрытые переменные, например тепло, накопленное в верхнем слое океана.

Новый метод относится к семейству непараметрических: он не пытается угадать формулу, по которой океан меняется. Вместо этого он использует историю наблюдений с 1870 по 1997 год, а затем проверяет себя на следующих двадцати годах. Результат: полезный прогноз (корреляция выше 0.5) сохраняется до 9–14 месяцев в зависимости от десятилетия, тогда как линейная модель теряет силу уже к 6–7 месяцам. На данных климатической модели CCSM4 преимущество ещё заметнее: 24 месяца против 18.

Особенно важен «весенний барьер» — традиционное падение точности прогнозов при переходе через весну. Новый метод смягчает этот барьер: в июне–сентябре его корреляция остаётся около 0.5–0.6, а у линейной модели падает до 0–0.3. Для исторического Эль-Ниньо 2015/16 прогноз, инициализированный в июне 2015 года, предсказал сильное событие с пиком в декабре, недооценив амплитуду лишь на 0.4°C.

Практическая польза: вероятностные прогнозы событий Эль-Ниньо и Ла-Нинья стали точнее по метрикам Бриера и относительной энтропии. Это значит, что фермеры, энергетики и страховщики получают более надёжные оценки рисков.

Прогноз по памяти океана — это не попытка заменить дорогие динамические модели, а способ выжать максимум из уже накопленных данных. Метод обучается на относительно коротком ряде наблюдений и даёт теоретически оптимальный прогноз как условное математическое ожидание. Его можно распространить на другие геофизические явления с нелинейной динамикой, например на прогноз муссонов или колебаний Северной Атлантики. Океан помнит, и теперь мы умеем читать его память лучше.

Эль-Ниньо 2015/16 было настолько сильным, что повысило глобальную температуру на 0.1°C, а коралловые рифы по всему миру пережили третье глобальное обесцвечивание.

В романе Кима Стэнли Робинсона «Сорок знаков дождя» климатологи борются с последствиями Эль-Ниньо, усиленного изменением климата. Метод KAF мог бы дать им более раннее предупреждение о надвигающейся катастрофе.

Понятия
энсо южная осцилляция эль-ниньо весенний барьер предсказуемости индекс Эль-Ниньо модель Джина–Тиммермана многомерный индекс ЭНСО распространение экваториальных волн ERSST ла-нинья буйковые станции TAO/TRITON модель осциллятора с подзарядкой южная осцилляция NOAA CPC регрессия нейронной сети нелинейный спектральный анализ Лапласиана оператор Купмана относительный они прогноз аналоговый прогноз NOAA PMEL TAO