Эль-Ниньо—Южное колебание (ЭНСО) остаётся одной из самых мощных климатических систем на планете: его тёплая фаза Эль-Ниньо и холодная Ла-Нинья вызывают засухи в Австралии, Индии и Африке, наводнения в Южной Америке и серьёзный ущерб рыболовству и сельскому хозяйству. Несмотря на десятилетия исследований, нерегулярность и амплитудная модуляция ЭНСО плохо поддаются прогнозу, особенно редкие экстремальные события. Работа стоит в русле исследований нелинейной динамики климата, где соседние работы изучают критические переходы в клеточных системах, стохастические фоновые сигналы от чёрных дыр и обучение нейросетей на модели Изинга. Однако данная статья фокусируется на конкретном механизме рождения экстремальных явлений в низкоразмерной модели океан-атмосферы, что отличает её от более общих подходов к сложным системам.
Авторы используют трёхмерную медленно-быструю модель, предложенную Тиммерманном и коллегами, где глубина термоклина западной части Тихого океана меняется медленно, а температуры поверхности восточной и западной частей — быстро. Они численно интегрируют систему методом Рунге—Кутты четвёртого порядка с шагом 0.01 и варьируют параметр силы зональной адвекции (переноса тепла вдоль экватора) в диапазоне от 0.0961 до 0.17. Для выявления механизма строят бифуркационные диаграммы максимальных значений температуры восточной части океана, вычисляют критическое многообразие (поверхность, к которой притягивается быстрая динамика) и анализируют устойчивость через собственные значения Якобиана. Экстремальные события идентифицируют с помощью функции среднего превышения, которая задаёт порог, выше которого событие считается экстремальным. Статистические свойства оценивают по длинным временным рядам (до $10^{12}$ итераций), подгоняя распределения Вейбулла, Гамма и логнормальное к интервалам между событиями.
При изменении параметра от 0.0961 до 0.17 система проходит путь от малой предельной циклы через ограниченный хаос к внезапному расширению аттрактора при критическом значении около 0.09848. Это расширение происходит из-за внутреннего кризиса, когда каскад удвоения периода сливается с каскадом добавления периода. После кризиса возникают редкие большие всплески температуры с изменчивой амплитудой и временем возврата, которые авторы классифицируют как экстремальные события. В отличие от них, при больших значениях параметра наблюдаются хаотические смешанные колебания (Эль-Ниньо) с почти одинаковой высотой и более частым появлением. Ключевую роль играет каналоподобная структура в фазовом пространстве: узкий канал заставляет траекторию дольше задерживаться и создаёт большую изменчивость, а широкий канал ускоряет прохождение и делает события более регулярными. Распределение высот событий мультимодально и имеет ограниченный сверху хвост (оценка параметра формы обобщённого распределения Парето отрицательна). Интервалы между событиями лучше всего описываются логнормальным распределением, а автокорреляционная функция показывает кратковременную зависимость, что указывает на возможность частичного прогноза.
Работа уточняет картину возникновения экстремальных явлений в ЭНСО, показывая, что они не являются просто хаотическими смешанными колебаниями, а рождаются через специфический внутренний кризис с участием каналоподобной структуры. Это отличает её от соседних исследований, которые либо рассматривают более общие критические переходы в других системах, либо не выделяют отдельный класс экстремальных событий с изменчивой амплитудой. Полученный механизм объясняет, почему редкие гигантские Эль-Ниньо могут быть принципиально менее предсказуемы, чем обычные, и подчёркивает важность медленно-быстрого масштаба времени. Для науки о климате это означает, что простые низкоразмерные модели способны воспроизводить сложную статистику экстремальных явлений, что открывает путь к более целенаправленному анализу наблюдательных данных.
Тема может развиваться в нескольких направлениях. Во-первых, стоит проверить, проявляется ли обнаруженный каналоподобный механизм в более реалистичных моделях ЭНСО с большим числом переменных и в данных наблюдений. Во-вторых, можно исследовать, как внешнее воздействие (например, антропогенное потепление) смещает критический параметр и меняет частоту экстремальных событий. В-третьих, методы анализа внутреннего кризиса и каналов в фазовом пространстве могут быть перенесены на другие климатические системы, такие как муссоны или североатлантическое колебание. Наконец, улучшение статистических моделей прогноза времени возврата экстремальных событий на основе выявленной структуры зависимости интервалов может повысить практическую ценность.
Результаты повлияют на климатологию, особенно на понимание и прогнозирование Эль-Ниньо, а также на нелинейную динамику, где механизм внутреннего кризиса с каналом может быть универсальным для многих систем с редкими катастрофическими событиями.
Следующим шагом будет сравнение предсказаний модели с реальными временными рядами температуры поверхности океана в тропической части Тихого океана, чтобы найти следы каналоподобной структуры и внутреннего кризиса. Также важно оценить, как изменение медленного параметра (скорости релаксации термоклина) влияет на порог возникновения экстремальных событий в более широком диапазоне климатических условий.
Работа напрямую связана с нерешённой проблемой предсказуемости экстремальных климатических явлений: несмотря на успехи в моделировании ЭНСО, редкие сильные события остаются труднопрогнозируемыми. Механизм внутреннего кризиса и каналоподобной структуры даёт новое объяснение этой непредсказуемости, связывая её с глобальной нестабильностью в фазовом пространстве, а не только с локальной хаотичностью. Это перекликается с общей проблемой в нелинейной динамике: как отличить истинно случайные флуктуации от детерминированного хаоса с редкими выбросами. Кроме того, вопрос о том, насколько низкоразмерные модели могут воспроизводить статистику сложных климатических систем, остаётся открытым и важным для всей области.
Порог для экстремального события в модели составляет около 25.5°C для температуры поверхности восточной части Тихого океана, что близко к реальным значениям, при которых Эль-Ниньо считается сильным. Временной ряд для статистики генерировался на протяжении $10^{12}$ итераций, что соответствует тысячам лет модельного времени.