Два наблюдателя следят за Тихим океаном. Один разглядывает тепловые карты поверхности, другой вслушивается в ритм температуры и запаса тепла в толще воды. По отдельности каждый замечает лишь часть картины, но вместе они способны уловить приближение Эль-Ниньо за несколько месяцев до того, как тёплое течение изменит погоду на всей планете.
Эль-Ниньо, тёплая фаза климатического колебания в экваториальной части Тихого океана, приносит засухи в Австралию и наводнения в Перу, влияет на рыболовство и урожаи. Точный прогноз за полгода даёт время на подготовку. Классические климатические модели плохо разрешают мелкомасштабные процессы, а региональные ограничены односторонней вложенностью. Машинное обучение открывает путь к более гибкому анализу больших объёмов океанографических данных, но существующие модели часто страдают от недостатка проверки на реальных данных и не всегда улавливают экстремальные события.
Исследователи из Вьетнамского национального университета построили модель ConvLSTM-XT, которая объединяет двух наблюдателей в одной архитектуре. Свёрточная нейросеть (CNN) обрабатывает тепловые карты температуры поверхности океана (SST) из NOAA ERSST v5, а долгая краткосрочная память (LSTM) анализирует временные ряды температуры и теплосодержания океана (OHC) из Центра океанографических данных Китайской академии наук. Данные охватывают период с января 2000 по сентябрь 2023 года, регион ограничен зоной Ниньо 3.4 (5° ю.ш. – 5° с.ш., 120°–170° з.д.). Вместо обычных матричных умножений в блоках LSTM используются двумерные свёртки, что позволяет улавливать и пространственные, и временные закономерности одновременно.
Точность прогноза составила 90,57% для конфигураций, где хотя бы один из пяти кварталов использовал реальные наблюдения, а остальные — прогноз. Когда все пять кварталов прогнозировались без опоры на наблюдения, точность упала до 83,02%. Качественный анализ тепловых карт за март–сентябрь 2023 года показал, что модель уловила переход от холодных аномалий к тёплым, характерный для развития Эль-Ниньо, хотя и не всегда превышала порог 0.5°C во всех пяти периодах.
Результаты подтверждают, что гибридные пространственно-временные нейросети могут конкурировать с традиционными моделями в задаче прогноза Эль-Ниньо. Высокая точность при частичном использовании наблюдений говорит о практической ценности для оперативного мониторинга. Снижение точности при полностью автономном прогнозе указывает на необходимость дополнительных входных переменных или улучшения архитектуры. Два наблюдателя, объединив усилия, уже сейчас дают несколько месяцев форы перед лицом климатической аномалии.
Эль-Ниньо 1982–1983 годов почти уничтожил популяцию перуанского анчоуса, на которой держался крупнейший в мире рыбный промысел. Уловы упали с 12 миллионов тонн до менее чем 1 миллиона тонн.
В романе Кима Стэнли Робинсона «Сорок знаков дождя» климатические модели играют ключевую роль в предсказании экстремальных погодных явлений, а учёные борются за то, чтобы их прогнозы были услышаны политиками. Разработка более точных моделей Эль-Ниньо перекликается с этой темой: чем раньше и точнее предупреждение, тем больше шансов на адаптацию.