利用基于物理的模型将厄尔尼诺预报延长至 18 个月

Josiah02

厄尔尼诺南方涛动 (ENSO) 横跨亚洲、太平洋和美洲，导致风、天气和海洋温度发生变化，从而导致干旱、洪水、农作物减产和粮食短缺。最近，世界在 2023-2024 年经历了一次重大厄尔尼诺事件，对全球天气、气候、生态系统和经济产生了巨大影响。
通过开发一种创新的建模方法，夏威夷大学马诺阿分校海洋与地球科学与技术学院 (SOEST) 的研究人员现在能够提前 18 个月预测 ENSO 事件，从而显著改善传统气候模型预测。
他们的研究成果将对海洋和大气物理学的洞察与预测精度融为一体，研究结果发表在《自然》杂志上。
“我们开发了一种新的概念模型，即所谓的扩展非线性补给振荡器 (XRO) 模型，该模型显著提高了提前一年以上预测 ENSO 事件的能力，优于全球气候模型，可与最熟练的人工智能预测相媲美，”该研究的主要作者、SOEST 助理研究员 Sen Zhao 说道。
“我们的模型有效地结合了厄尔尼诺-南方涛动 (ENSO) 的基本物理原理以及厄尔尼诺-南方涛动 (ENSO) 与全球海洋中其他随季节变化的气候模式的相互作用。”
鉴于厄尔尼诺-南方涛动 (ENSO) 对全球环境和社会经济的影响，科学家几十年来一直致力于改进厄尔尼诺-南方涛动的预测。传统的操作预测模型很难成功预测厄尔尼诺-南方涛动，预测周期超过一年。
人工智能助力新预测
人工智能 (AI) 的最新进展突破了这些界限，实现了提前 16-18 个月的准确预测。然而，AI 模型的“黑箱”性质使得这种准确性无法归因于特定的物理过程。
由于无法解释人工智能模型可预测性的来源，因此人们对这些预测能否成功预测未来事件的信心不足，因为地球将继续变暖，改变海洋和大气中的洋流。
“与 AI 模型的‘黑匣子’性质不同，我们的 XRO 模型提供了对赤道太平洋补给-排放物理机制及其与热带太平洋以外其他气候模式相互作用的透明视图，”通讯作者、SOEST 大气科学教授金飞飞解释道。
“热带太平洋、热带印度洋和大西洋的初始状态增强了不同季节的 ENSO 可预测性。我们首次能够稳健地量化它们对 ENSO 可预测性的影响，从而加深了我们对 ENSO 物理及其可预测性来源的了解。”
气候模型的缺点和改进
“我们的研究结果还发现最新一代气候模型存在缺陷，导致它们无法准确预测厄尔尼诺-南方涛动 (ENSO)，”SOEST 海洋学助理教授、研究报告共同作者马尔特·斯图克 (Malte Stuecker) 说。
“为了改进对厄尔尼诺-南方涛动 (ENSO) 的预测，气候模型必须正确捕捉厄尔尼诺-南方涛动 (ENSO) 的关键物理原理，此外还要捕捉全球海洋中其他气候模式的三个复合方面：准确了解厄尔尼诺-南方涛动 (ENSO) 预测开始时每种气候模式的状态，正确了解每种气候模式随季节变化的‘海洋记忆’，以及正确表示每种其他气候模式在不同季节如何影响厄尔尼诺-南方涛动 (ENSO)。”
“不同的可预测性来源导致不同的厄尔尼诺-南方涛动 (ENSO) 事件演变，”SOEST 海洋学副教授、该研究的合著者菲利普·汤普森 (Philip Thompson) 表示。“我们现在能够对这种‘厄尔尼诺-南方涛动多样性’提供熟练的长期预测，这一点至关重要，因为不同类型的厄尔尼诺-南方涛动 (ENSO) 对全球气候和各个社区的影响截然不同。”
赵补充说：“除了厄尔尼诺现象之外，新的XRO模型还提高了热带印度洋和大西洋其他气候变化的可预测性，比如印度洋偶极子，它可以显著改变厄尔尼诺现象以外的当地和全球天气模式。”
未来发展方向
这项研究的影响是深远的，为更准确、更长时间内的厄尔尼诺-南方涛动（ENSO）预测和全球气候模型改进提供了前景。
尽管厄尔尼诺-南方涛动 (ENSO) 起源于热带太平洋，但无论从建模和预测角度还是从观测角度，我们都不能再将其视为热带太平洋问题。全球热带地区和高纬度地区对于改善季节性气候预报至关重要。
Stuecker 表示：“通过追踪模型缺陷并了解这些气候模式与我们的新概念 XRO 模型的相互作用，我们可以大幅改进我们的全球气候模型。”
“这为下一代全球气候模型纳入这些发现铺平了道路，改善了我们预测和减轻气候变化影响的方法。这些进步对于社会为应对气候相关灾害做好准备和适应至关重要。”
休斯顿大学的研究团队由来自哥伦比亚大学、美国国家海洋和大气管理局、韩国和中国的作者组成。