Эль-Ниньо носит пять масок

Оригинал: "Contributions of El Niño Southern Oscillation (ENSO) Diversity to Low-Frequency Changes in ENSO Variance"
arXiv:2307.11552 · 2023-07-21 · CC BY 4.0 · 1 мин
Учёные нашли пять типов Эль-Ниньо и Ла-Нинья и поняли, почему после 1970 года климат стал более изменчивым.

Тихий океан — как большая кастрюля с водой. Иногда тёплая вода собирается у берегов Южной Америки, и это называют Эль-Ниньо. Раньше думали, что Эль-Ниньо бывает только двух видов: сильный у берега и слабый в середине океана. Но новое исследование показало, что на самом деле у Эль-Ниньо пять масок, то есть пять разных типов.

Учёные взяли данные о температуре океана за 122 года и применили умный метод, который не заставляет каждое событие быть только одним типом. Например, Эль-Ниньо 2015 года на 80% экстремальный, на 15% сильный и на 5% слабый. Это как если бы вы смотрели на человека в полумаске и не могли сказать точно, кто он, но могли оценить шансы. Оказалось, что после 1970 года стали чаще случаться экстремальные Эль-Ниньо и сильные Ла-Нинья (это обратное явление, когда вода холоднее обычного). Из-за этого климат стал прыгать сильнее.

Климатическая модель CESM2, которую используют для прогнозов, не умеет показывать экстремальный тип Эль-Ниньо. Значит, она может недооценивать будущие засухи и наводнения.

Теперь, когда мы знаем все пять масок, можно проверять, насколько хорошо модели предсказывают погоду. Если модель не видит экстремальный тип, она ошибается. А это важно для всех, кто живёт в местах, куда приходит Эль-Ниньо: он приносит засуху в Австралию, дожди в Перу и тёплые зимы в Сибирь.

Событие Эль-Ниньо 2015-16, одно из самых сильных за историю наблюдений, не вызвало ожидаемой засухи в Калифорнии и не привело к сильной Ла-Нинья, что указывает на его смешанную природу. Это подчёркивает ограниченность бинарных классификаций.

p(z) = \sum_{k=1}^{K} \pi_k \mathcal{N}(z | \mu_k, \Sigma_k)
Распределение данных в пространстве главных компонент описывается смесью K гауссовых колоколов, каждый со своим средним и ковариацией; веса π_k — вероятности принадлежности к кластеру.
y(t) = \sum_{k} p(c_k | z(t)) \cdot y(t) := \sum_{k} y_k(t)
Любую величину (например, индекс Niño3.4) можно представить как сумму её частей, взвешенных по вероятности принадлежности каждого момента времени к каждой категории.
\langle y^2 \rangle = \sum_{k} \langle y_k^2 \rangle + \sum_{l \neq m} \langle y_l, y_m \rangle
Общая дисперсия складывается из суммы дисперсий каждой категории и суммы ковариаций между разными категориями, что позволяет оценить их относительный вклад.
Понятия
энсо индекс Эль-Ниньо южная осцилляция южная осцилляция эль-ниньо многомерный индекс ЭНСО ла-нинья весенний барьер предсказуемости ERSST модель Джина–Тиммермана модель осциллятора с подзарядкой вспышка западных ветров NOAA CPC буйковые станции TAO/TRITON распространение экваториальных волн естественная изменчивость относительный они северное экваториальное противотечение объём тёплой воды межгодовая изменчивость смешанные моды колебаний