Эль-Ниньо — Южное колебание (ЭНСО) — это наиболее сильный сигнал межгодовой изменчивости в климатической системе Земли. Переходы между его тёплыми и холодными фазами оказывают глубокое влияние на глобальные экстремальные погодные явления, экосистемы и экономическое развитие. Однако современные климатические модели демонстрируют значительные расхождения в своих прогнозах будущей изменчивости температуры поверхности моря (ТПМ) в рамках ЭНСО.
Для решения этой проблемы исследовательская группа под руководством профессора Ван Фан из Института океанологии Китайской академии наук (IOCAS) указала, что глубокое обучение может снизить неопределённость прогнозов ЭНСО и обеспечить более надёжные прогнозы будущего климата. Их выводы недавно были опубликованы в журнале Nature Communications.
Исследователи разработали подход глубокого обучения на основе наблюдений, обучив 11 независимых моделей искусственных нейронных сетей (ИНС). Эти модели использовали как исторические данные, так и данные будущих сценариев из различных климатических моделей, участвующих в Проекте сравнения связанных моделей 6 (CMIP6), чтобы уловить сложную взаимосвязь между изменчивостью ЭНСО и средним состоянием ТПМ в тропической части Тихого океана в рамках каждой модели.
Кроме того, исследователи включили реальные данные наблюдений для проверки ИНС, отдавая приоритет моделям, которые точно отражали наблюдаемую реакцию ЭНСО на изменения ТПМ. В результате анализа интерпретируемости и изучения физических механизмов ЭНСО исследователи обнаружили, что наиболее эффективные ИНС эффективно усвоили реалистичную динамику ЭНСО. Эти модели продемонстрировали высокую чувствительность к изменениям ТПМ в центральной экваториальной и дальней западной частях Тихого океана, что соответствует установленным ключевым областям обратной связи для ЭНСО.
Используя ИНС для ограниченных прогнозов изменчивости ТПМ ЭНСО в XXI веке в условиях сценария с высокими выбросами, команда обнаружила, что диапазон неопределённости прогнозов был снижен на 54% по сравнению с необработанными прогнозами модели CMIP.
Более того, хотя традиционные анализы указывают на значительные различия между наблюдениями и моделями с точки зрения модели потепления тропической части Тихого океана в XX веке, акцент на ключевых регионах, контролирующих изменчивость ЭНСО, выявленных с помощью глубокого обучения, показывает, что как данные наблюдений, так и климатические модели последовательно демонстрируют сходный «Эль-Ниньо-подобный» характер потепления.
«Это исследование предоставляет количественную физическую основу для будущих прогнозов ЭНСО», — сказал профессор Чжу Ючао, первый автор исследования.
Предоставлено:
[Китайская академия наук](https://phys.org/partners/chinese-academy-of-sciences/)