Федеральный исследовательский центр Институт прикладной физики Российской академии наук (ИПФ РАН)

0 комментариев 898

В Нижнем Новгороде создана модель для прогноза динамики явления Эль-Ниньо

В Нижнем Новгороде создана модель для прогноза динамики явления Эль-Ниньо
Сотрудники ИПФ РАН создали модель, которая может предсказывать индексы, характеризующие динамику климатических явлений Эль-Ниньо и Ла-Нинья, используя данные измерений температуры поверхности океана за предыдущие десятилетия  

Сотрудники Лаборатории моделирования климатических систем ИПФ РАН при поддержке гранта Правительства РФ создали модель, которая может предсказывать индексы, характеризующие динамику климатических явлений Эль-Ниньо и Ла-Нинья, используя данные измерений температуры поверхности океана за предыдущие десятилетия. 

Явления Эль-Ниньо и Ла-Нинья представляют собой противоположные фазы так называемого “Южного Колебания Эль-Ниньо” – одной из главных составляющих изменчивости глобального климата Земли на межгодовых масштабах. Проявляясь в виде теплой (Эль-Ниньо) или холодной (Ла-Нинья) аномалии температуры поверхности океана (ТПО) в тропической зоне Тихого океана и повторяясь с нерегулярным временным интервалом продолжительностью от 2 до 7 лет, Эль-Ниньо и Ла-Нинья существенно влияют на погодные режимы (в частности, на вероятность возникновения экстремальных погодных условий) как в тропических странах, так и во многих других частях земного шара. В последнее время изучению Эль-Ниньо уделяется большое внимание, достигнуто понимание основных механизмов, лежащих в основе этого явления, однако важные особенности взаимодействия этих механизмов и методы моделирования явления в целом до сих пор остаются предметом исследований. Неудивительно, что задача прогноза динамики Эль-Ниньо является крайне актуальной; при этом дальность такого прогноза у существующих на данный момент моделей ограничена лишь несколькими месяцами.

В работе нижегородского коллектива, опубликованной в журнале Climate Dynamics, для прогноза Эль-Ниньо применяется разработанная в ИПФ РАН стохастическая модель на основе искусственных нейронных сетей, которая сначала “учится” воспроизводить эволюцию ТПО в тропиках за прошлые десятилетия (начиная с 1960 года), а затем используется для прогноза. В этой процедуре изменяющиеся во времени пространственно распределенные данные ТПО представляются в виде комбинации всего лишь нескольких “скрытых” пространственно-временных структур, выявление которых является ключевым элементом разработанного алгоритма. Алгоритм осуществляет новый метод поиска таких структур, который учитывает причинно-следственные связи, присутствующие в анализируемых данных измерений ТПО, что приводит к лучшему воспроизведению эволюции ТПО обученной по данным моделью (рис. 1, 2).

Как показывается в работе, созданная модель способна конкурировать с ведущими мировыми моделями (представленными на сайте Международного института исследования климата и общества: http://iri.columbia.edu/our-expertise/climate/forecasts/enso/current/), предсказывающими динамику Эль-Ниньо. На сайте Лаборатории моделирования климатических систем ИПФ РАН создана специальная страница, на которой каждый месяц выкладывается актуальный прогноз климатического индекса Nino 3.4 – одного из основных индикаторов Эль-Ниньо: http://lab243.ipfran.ru/enso.html.

1. Gavrilov, A., Seleznev, A., Mukhin, D., Loskutov, E., Feigin, A., & Kurths, J. (2019). Linear dynamical modes as new variables for data-driven ENSO forecast. Climate Dynamics, 52(3–4), 2199–2216. http://doi.org/10.1007/s00382-018-4255-7

2. Gavrilov, A., Loskutov, E., & Mukhin, D. (2017). Bayesian optimization of empirical model with state-dependent stochastic forcing. Chaos, Solitons & Fractals, 104, 327–337. http://doi.org/10.1016/j.chaos.2017.08.032

Название изображения

Рис. 1. Среднеквадратичная ошибка прогноза ТПО в различных регионах тропического пояса, вычисленная для созданной модели на интервале ее обучения при дальностях прогноза от 1 до 6 месяцев (см. заголовки рисунков). Красный цвет соответствует небольшой ошибке (хорошей точности прогноза),  синий цвет соответствует большой ошибке (худшей точности прогноза). Наиболее хорошо, с дальностью более 6 месяцев, модель может предсказывать ТПО в центральном и восточном Тихом океане – это области, в которых развивается явление Эль-Ниньо.

Название изображения

Рис. 2. Зависимость среднеквадратичной ошибки прогноза (вверху) различных климатических индексов, характеризующих динамику Эль-Ниньо, и корреляции прогнозируемых значений индексов с их истинными значениями (внизу) в зависимости от дальности прогноза, отложенной по горизонтальной оси. И ошибка прогноза, и корреляции вычислены на интервале обучения модели. Красным цветом показаны результаты на основе разработанного в ИПФ РАН метода поиска пространственных структур (метода LDM), синим – на основе традиционно используемого многими моделями Эль-Ниньо метода эмпирических ортогональных функций (ЭОФ), пунктиром – результаты наиболее простой авторегрессионной модели для каждого индекса. Первые три колонки соответствуют индексам Nino 4, Nino 3 и Nino 3.4, правая колонка характеризует прогноз непосредственно событий Эль-Ниньо и Ла-Нинья, согласно определению, принятому  Национальным управлением океанических и атмосферных исследований США (NOAA). Как видно из всех рисунков, модель на основе нового метода LDM имеет лучшую прогностическую способность.

ипф ран климат ран явление ла-нинья явление эль-ниньо

Назад

Социальные сети

Комментарии

Авторизуйтесь, чтобы оставить комментарий

Информация предоставлена Информационным агентством "Научная Россия". Свидетельство о регистрации СМИ: ИА № ФС77-62580, выдано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций 31 июля 2015 года.