Климат похож на оркестр без дирижёра: каждый музыкант слышит остальных с задержкой, а партитура меняется прямо во время концерта. Океан, атмосфера, лёд и суша непрерывно обмениваются энергией, и малейший сбой в одном инструменте может перерасти в смену всей мелодии. Традиционные климатические модели, основанные на физических уравнениях, становятся всё детальнее, но их вычислительная сложность растёт, а понимание причинно-следственных связей остаётся ограниченным.

Авторы обзора предлагают не строить очередную гигантскую модель, а взглянуть на данные иначе. Вместо того чтобы пытаться воспроизвести каждый винтик системы, они ищут закономерности в многолетних записях: как менялись осадки, температура поверхности океана, индексы Эль-Ниньо и Северо-Атлантического колебания. Сначала с помощью автокорреляционной функции выделяются значимые периодичности, которые затем моделируются рядами Фурье. Для отбора наиболее важных гармоник применяется метод LASSO. Краткосрочная память системы описывается моделью причинности по Грэнджеру, которая проверяет, помогают ли прошлые значения одной переменной предсказать текущее значение другой. Пространственная корреляция между станциями учитывается через гауссовский процесс. Такой гибридный подход позволяет разделить долговременные тренды, сезонные циклы и быстрые взаимодействия.

В первом исследовании, посвящённом засухам в Юго-Западной Австралии, анализ 194 метеостанций за 58 лет выявил периодичность осадков около 5,5 лет. Корреляционная структура между индексом осадков, температурой океана, диполем Индийского океана и Эль-Ниньо менялась во времени: до 2008 года диполь напрямую влиял на осадки, а после 2009 года это влияние ослабло, и диполь стал действовать косвенно через температуру океана и Эль-Ниньо. Модели с учётом температуры океана и пространственной коррекцией показали наименьшую ошибку прогноза: 0,34 для 12-месячного индекса осадков.

Во втором исследовании, охватившем Северную Атлантику с 1982 по 2019 год, обнаружена петля обратной связи между Северо-Атлантическим колебанием, температурой поверхности океана и площадью морского льда. Тесты Грэнджера подтвердили взаимную причинность между всеми парами переменных. Отрицательная асимметрия распределения индекса колебания указывает на приближение системы к критической нестабильности, что может предвещать более частые экстремальные похолодания в регионе.

Работа показывает, что методы статистического обучения и анализа временных рядов могут дополнять физические климатические модели, выявляя скрытые зависимости и предвестники резких изменений. В отличие от соседних исследований, которые часто фокусируются на прогнозе конкретного явления, здесь предложен общий методологический каркас, применимый к разным климатическим подсистемам. Обнаружение петель обратной связи и признаков нестабильности важно для оценки рисков: такие системы могут переходить в новые состояния быстрее, чем предсказывают традиционные модели.

Оркестр без дирижёра продолжает играть, но теперь мы можем расслышать, какие инструменты фальшивят и когда мелодия может смениться. Методологию можно расширить на другие регионы и наборы переменных, включая данные о парниковых газах, растительности и антропогенных факторах. Перспективно объединение статистических подходов с физическими моделями для улучшения прогнозов на десятилетия вперёд. Также возможно применение методов машинного обучения для автоматического обнаружения нестабильностей в реальном времени.