Проблема долгосрочного прогноза индийского муссона стоит остро: официальные оперативные прогнозы часто промахиваются, а связь Эль-Ниньо с муссоном ослабла в последние десятилетия. Рядом с этой работой в архиве лежат исследования, которые тоже ищут предвестники в климатических данных: одни предсказывают Эль-Ниньо за полтора года, другие анализируют изменения режима осадков или предупреждают о засухе с помощью нейросетей. Данная статья продолжает эту линию, но использует сетевой подход к глобальному полю температуры, чтобы напрямую предсказать количество осадков, а не только наступление или отступление муссона.
Авторы взяли данные реанализа NCEP/NCAR о приземной температуре с 1948 по 2019 год и разместили 726 узлов, равномерно покрывающих земной шар. Для каждой пары узлов вычислили временную корреляцию температурных аномалий с задержками до 200 дней. Связи с наибольшей положительной силой (верхние 5%) образовали направленную сеть. Для каждого узла посчитали число входящих связей (входящую степень) за каждый календарный год. Затем нашли узел, чья входящая степень сильнее всего коррелирует с индексом осадков всей Индии в следующем году. Этот узел оказался в Южной Атлантике около 30° ю.ш., 30° з.д. Прогноз строился с помощью линейной регрессии, обученной на периоде 1950–1988 годов, и проверялся на 1989–2018 годах.
Ключевой узел в Южной Атлантике показал корреляцию 0.49 с индексом осадков всей Индии на обучающем периоде. Независимая проверка на 1989–2018 годах дала корреляцию 0.50 между прогнозом и наблюдениями, что значительно выше официальных оперативных прогнозов и сопоставимо с лучшими моделями, но при пятимесячном упреждении вместо одного месяца. Метод также работает для отдельных регионов: для Центральной Индии корреляция составила 0.43, а для Восточной и Северо-Восточной Индии после перенастройки сети на отрицательные связи — 0.46. Прогноз на 2019 год отличался от факти value менее чем на 2%. Для 2020 года предсказано 842.85 мм, что на 5% ниже долгосрочной нормы.
Работа показывает, что сетевая структура глобальной температуры содержит информацию о будущем муссоне, которую не улавливают традиционные индексы. В отличие от соседних исследований, которые предсказывают наступление муссона или отдельные экстремальные явления, здесь напрямую прогнозируется количество осадков за сезон с большой заблаговременностью. Это заполняет пробел между предсказуемостью и реальным прогнозом для сельского хозяйства. Кроме того, обнаружена связь с потеплением: усиление трансэкваториальных связей улучшает предсказательную способность, что указывает на изменение самой динамики климатической системы.
Метод можно распространить на другие муссонные регионы и на прогноз экстремальных сезонов. Дальнейший анализ физического механизма, особенно роли волн Россби и трансэкваториальных потоков, поможет укрепить доверие к предиктору. Также перспективно объединить сетевой подход с динамическими моделями для гибридных прогнозов. Потепление продолжит менять структуру связей, поэтому потребуется регулярная перекалибровка предикторов.
Улучшение долгосрочного прогноза муссона напрямую повлияет на планирование в сельском хозяйстве, управление водными ресурсами и предотвращение последствий засух и наводнений в Индии. Метод также может быть применён к другим регионам с сезонными осадками, зависящими от удалённых связей.
Проверить устойчивость предиктора на независимых данных и в других климатических моделях. Исследовать физический механизм связи между узлом в Южной Атлантике и муссоном с помощью модельных экспериментов.
Работа касается фундаментальной проблемы предсказуемости климатической системы: как извлечь сигнал о будущем состоянии из сложной сети взаимодействий. Она также связана с вопросом о влиянии глобального потепления на предсказуемость и на изменчивость муссонных систем. Сетевая методология открывает путь к поиску новых предикторов в нелинейных климатических данных, где традиционные линейные индексы теряют силу.
Ключевой узел в Южной Атлантике потеплел на 2.5°C за 70 лет, и за это же время число его входящих связей выросло с 17 до 32, что улучшило прогноз.