Как Эль-Ниньо растягивает грозовые фронты
Контекст
Суровые грозы наносят значительный экономический и человеческий ущерб в США, поэтому понимание их пространственной структуры критично для оценки рисков. Традиционные исследования изучали либо временную эволюцию маргинальных экстремумов, либо пространственную зависимость без учёта временных ковариат. Данная работа заполняет пробел, вводя модель, где пространственная зависимость экстремумов меняется во времени под действием сезонности и Эль-Ниньо. Она стоит особняком: соседние работы по тёмной энергии или нейтринной томографии далеки тематически, но в архиве есть исследования пульса цивилизации и экзопланетных гор, которые также касаются изменчивости климатических параметров.
Методы
Авторы используют данные реанализа NARR за 1979–2015 годы, рассчитывая месячные максимумы CAPE, SRH и PROD на сетке 1°×1° над регионом, включающим Аллею торнадо. Для моделирования применяется дробное поле Брауна–Резника, где параметр дальнодействия зависит от ENSO и месяца через тензорное произведение радиальных кубических сплайнов и циклических P-сплайнов. Оценка параметров выполняется попарным правдоподобием, а маргинальные распределения сначала подгоняются отдельно в каждой точке сетки. Для проверки адекватности max-стабильности разработан бутстреп-тест на основе статистики Андерсона–Дарлинга, а для выбора модели предложен критерий CLICb, учитывающий неопределённость маргинальных оценок.
Результаты
Модель демонстрирует хорошую вневыборочную эффективность. Параметр дальнодействия (range) минимален летом для всех переменных и регионов, а максимален зимой и весной. Во время Эль-Ниньо range увеличивается для PROD в северо-восточном и юго-восточном регионах, для CAPE в восточных регионах, для SRH в северных регионах. Во время Ла-Нинья рост range наблюдается для PROD в северо-восточном регионе и для CAPE в восточных регионах. Например, для SRH в регионе 2 (север) range возрастает примерно на 20–30% при Эль-Ниньо по сравнению с нейтральной фазой. Это означает, что экстремальные грозовые среды становятся более пространственно протяжёнными, то есть охватывают большую площадь.
Значение
Работа впервые показывает, что пространственная зависимость экстремумов грозовых сред не статична, а управляется крупномасштабными атмосферными сигналами. Это отличается от предыдущих исследований, которые фокусировались на маргинальных распределениях или предполагали постоянную зависимость. Предложенный метод может быть распространён на другие климатические переменные и регионы, а также на учёт дополнительных ковариат, таких как Северо-Атлантическое колебание.
Развитие
Дальнейшее развитие может включать пространственно-нестационарные модели зависимости, позволяющие плавно менять параметры в пределах региона, а не делить его на однородные зоны. Также перспективно изучение влияния других атмосферных сигналов, например, Маддена–Джулиана, и включение времени как ковариаты для выявления климатических трендов. Возможно применение локального правдоподобия для более гибкой подгонки.
Влияние
Результаты могут улучшить оценку рисков от суровых гроз в США, особенно при сезонном прогнозировании с учётом фазы Эль-Ниньо. Методология полезна для анализа пространственных экстремумов в гидрологии, финансах и экологии.
Следующие шаги
Следующим шагом может быть применение модели к другим регионам мира и включение дополнительных атмосферных индексов. Также важно проверить устойчивость выводов на более длинных рядах данных и с использованием других реанализов.
Ключевые проблемы
Работа связывает нерешённую проблему нестационарной пространственной зависимости экстремумов с крупномасштабной климатической изменчивостью. Это открывает путь к более точному моделированию редких событий в условиях меняющегося климата, где классические предположения о стационарности могут нарушаться.
Параметр дальнодействия для PROD в северо-восточном регионе США при сильном Эль-Ниньо может увеличиваться почти вдвое по сравнению с нейтральной фазой, что означает, что грозовые системы могут охватывать площадь, сравнимую с территорией нескольких штатов.
В романе Кима Стэнли Робинсона «Сорок знаков дождя» климатические модели предсказывают экстремальные погодные явления, и точность таких предсказаний зависит от учёта глобальных осцилляций, подобных Эль-Ниньо.
Ключевые числа
- период данных: 1979–2015
- разрешение сетки: 1° × 1°
- количество узлов сетки: 651
- число месяцев: 444
- рост range при Эль-Ниньо для SRH в регионе 2: 20–30%