Три ритма Эль-Ниньо: модель сложности
Контекст
Эль-Ниньо — Южное колебание (ЭНСО) — самое заметное межгодовое климатическое явление на планете: тёплые и холодные аномалии температуры поверхности океана в экваториальной части Тихого океана влияют на погоду, экосистемы и экономику по всему миру. Классическая картина цикличности уступила место пониманию разнообразия: есть как минимум два типа Эль-Ниньо — восточно-тихоокеанский (ЭП) и центрально-тихоокеанский (ЦП), различающиеся положением максимума аномалии. Сдвиг зоны нагрева меняет атмосферные отклики и сильно затрудняет прогноз. Вокруг этой работы в архиве лежат исследования крупномасштабной структуры Вселенной, случайности в эволюции, предсказания Эль-Ниньо за полтора года, карты атомных ядер, обучения нейросетей на модели Изинга, гравитационных карт галактик, качания напряжения поездов и рецептов нейрочипов. Данная работа стоит на отшибе: ближайший сосед на расстоянии 0.516, вплотную работ нет. Тематическая группа — крупномасштабная структура, крупномасштабная структура Вселенной, свёрточные нейросети, машинное обучение. Среди соседей есть работы по моделированию сложности и машинному обучению, но прямого пересечения с ЭНСО нет.
Методы
Авторы взяли за основу детерминированную трёхрегионную концептуальную модель с зональной адвективной обратной связью — расширение классической модели перезаряжаемого осциллятора, описывающее взаимодействие океана и атмосферы в западной, центральной и восточной частях Тихого океана. В неё добавили два стохастических процесса. Первый — внутрисезонные порывы ветра (западные и восточные, а также конвективная оболочка Маддена–Джулиана) с мультипликативным шумом, зависящим от температуры центральной части океана. Второй — декадная изменчивость фоновой циркуляции Уокера, описываемая простым стохастическим дифференциальным уравнением с положительной нижней границей. Сезонная фазовая привязка учтена через периодические коэффициенты затухания и амплитуды порывов. Параметры модели определены по данным наблюдений за 1980–2020 годы: GODAS для океана, NCEP–NCAR для ветра. Для воспроизведения не-гауссовой статистики в центральном регионе ввели кубическое затухание, обоснованное анализом бюджета тепла перемешанного слоя.
Результаты
Модель воспроизводит ключевые статистики наблюдаемого ЭНСО: спектры мощности температуры в регионах Ниньо-3 и Ниньо-4, не-гауссовы распределения (положительная асимметрия и тяжёлый хвост в Ниньо-3, отрицательная асимметрия и лёгкий хвост в Ниньо-4), сезонную фазовую привязку с более поздним началом центрально-тихоокеанских событий. За 2000 лет симуляции модель дала 660 Эль-Ниньо и 852 Ла-Нинья; среди Эль-Ниньо 60% восточно-тихоокеанских и 40% центрально-тихоокеанских, что совпадает с наблюдениями (58% и 42%). Экстремальные Эль-Ниньо возникают в среднем каждые 16 лет, как в реальности (10–20 лет). Многолетних Ла-Нинья получилось 209 против 100 многолетних Эль-Ниньо, что отражает наблюдаемую асимметрию. Модель также воспроизводит отложенные экстремальные Эль-Ниньо, изолированные и последовательные центрально-тихоокеанские события, смешанные типы и многолетние Ла-Нинья.
Значение
Работа показывает, что наблюдаемая сложность ЭНСО объясняется взаимодействием трёх временных масштабов: внутрисезонного, межгодового и декадного. В отличие от соседних работ по машинному обучению и крупномасштабной структуре, здесь предложен физически мотивированный концептуальный каркас, который не просто предсказывает, а раскрывает механизмы. Модель демонстрирует, что восточно-тихоокеанские события в основном стохастически возбуждаются порывами ветра, а центрально-тихоокеанские — нелинейной динамикой с зональной адвекцией. Декадная изменчивость фоновой циркуляции Уокера модулирует частоту обоих типов. Это первая стохастическая модель такого рода, воспроизводящая полный набор наблюдаемых характеристик сложности.
Развитие
Модель можно расширять, добавляя более детальные физические процессы, например субтропическое атмосферное воздействие, которое сейчас параметризовано шумом. Возможно включение дополнительных обратных связей или более реалистичного описания декадной изменчивости. Другое направление — использование модели как генератора синтетических данных для обучения нейросетей прогноза ЭНСО с помощью трансферного обучения, что особенно ценно при ограниченном объёме наблюдений.
Влияние
Результаты повлияют на прогнозирование ЭНСО, климатическое моделирование и понимание экстремальных явлений. Модель может служить тестовым стендом для оценки влияния глобального потепления на характер Эль-Ниньо.
Следующие шаги
Провести ансамблевые прогнозы с ассимиляцией данных в модель. Использовать модель для генерации тысячелетних временных рядов и обучить на них алгоритмы машинного обучения с последующей тонкой настройкой на реальных данных.
Ключевые проблемы
Связь с нерешёнными проблемами климатологии: почему многолетние Ла-Нинья чаще многолетних Эль-Ниньо и как декадная изменчивость фонового состояния управляет сменой режимов ЭП и ЦП. Модель даёт инструмент для проверки гипотез о причинах асимметрии и изменений частоты событий в XXI веке.
В симуляции модели за 2000 лет экстремальные Эль-Ниньо случаются в среднем каждые 16 лет, а в наблюдениях с 1950 года — каждые 10–20 лет. Модель воспроизвела даже отложенный экстремальный Эль-Ниньо 2015–2016 годов, когда первый порыв западного ветра запустил событие, но восточный порыв его убил, и лишь следующая серия порывов довела до экстремума.
Ключевые числа
- частота экстремальных Эль-Ниньо: каждые 16 лет в модели, 10–20 лет в наблюдениях
- доля восточно-тихоокеанских Эль-Ниньо: 60% в модели, 58% в наблюдениях
- доля центрально-тихоокеанских Эль-Ниньо: 40% в модели, 42% в наблюдениях
- число многолетних Ла-Нинья против Эль-Ниньо: 209 против 100 за 2000 лет
- период симуляции: 2000 лет