Палитра океана: почему Эль-Ниньо бывает разным ✛

Оригинал: "On the archetypal `flavours', indices and teleconnections of ENSO revealed by global sea surface temperatures"
arXiv:2406.08694 · 2024-06-12 · CC BY 4.0 · 1 мин
У Эль-Ниньо есть разные оттенки, и новый метод помогает их различать.

Художник, рисующий океан, не обходится одной синей краской. У него есть ультрамарин, лазурь, бирюза — много оттенков. Так и Эль-Ниньо, тёплое течение у берегов Перу, не всегда одинаково. Иногда тёплая вода собирается в центре Тихого океана, иногда на востоке, и от этого зависят дожди и засухи в разных странах.

Раньше учёные часто делили Эль-Ниньо на два типа: восточный и центральный. Но этого мало. В новой работе применили метод, который ищет не средние состояния, а самые крайние, как чистые краски на палитре. Эти крайние состояния называют архетипами. Взяв карты температуры океана за 41 год, алгоритм нашёл четыре основных архетипа: тёплые и холодные варианты в центре и на востоке.

Когда число архетипов увеличили до восьми, проявились дополнительные оттенки, например, зарождение и затухание Эль-Ниньо. А уровень моря оказался даже лучшим индикатором, чем температура поверхности.

Теперь вместо простого «Эль-Ниньо или Ла-Нинья» можно говорить о вероятностях: насколько текущее состояние похоже на тот или иной тип. Это помогает лучше предсказывать погоду и готовиться к последствиям. Палитра океана стала богаче, и художник может точнее писать картину климата.

Одно из крупнейших восточно-тихоокеанских Эль-Ниньо 1982–1983 годов было настолько необычным, что поначалу его не заметили традиционные системы мониторинга, поскольку тёплые аномалии возникли не там, где ожидалось.

\arg\min_{C,S} \|X - XCS\|_F^2
Ищутся такие матрицы C и S с неотрицательными элементами и суммами строк, равными единице, чтобы произведение XCS наилучшим образом приближало данные X.
\Delta_{i_{max}}^p(t) = 1 - \frac{1}{p-1} \left( \frac{1}{S_{i_{max} t}} - 1 \right)
Балл равен 1, если в данный момент времени один архетип имеет вероятность 1 (чистое состояние), и 0, если все p архетипов равновероятны (нейтральное или смешанное состояние).
F^S_{s \times p} = \frac{\sum_t F_{st} S^T_{pt}}{\sum_t S_{pt}}
Средневзвешенное по времени значение поля F, где веса — вероятности принадлежности каждого момента времени к архетипу p, из матрицы S.
Учёные
Emile ClapeyronDavid CharbonneauR. A. RossiterD. B. McLaughlinMichel MayorDidier Queloz
Понятия
энсо индекс Эль-Ниньо модель Джина–Тиммермана эль-ниньо многомерный индекс ЭНСО ла-нинья ERSST относительный они южная осцилляция NOAA CPC телеконнекция NOAA PMEL TAO буйковые станции TAO/TRITON весенний барьер предсказуемости модель Зебиака–Кейна распространение экваториальных волн OISST v2.1 тихоокеанская декадная осцилляция аномалия температуры поверхности моря спутниковый рекорд UAH