IRI afslører sin nye generation af klimaprognoser

Dette forår, IRI implementerede en ny metode til vores sæsonbestemte temperatur- og nedbørsprognoser rundt om i verden. Vi spurgte Simon Mason, Andrew Robertson og Tony Barnston, tre af vores ledende klimaforskere, der leder udviklingen og skræddersyelsen af ​​IRIs prognoser, at besvare nogle grundlæggende spørgsmål om den nye prognose.

Hvorfor er der en ny prognose?

Simon Mason:Da IRI begyndte at lave prognoser i 1990'erne brugte den klimamodeller, der kun repræsenterede atmosfæren. Mere sofistikerede modeller, der omfattede havene, var tilgængelige, men disse modeller kunne ikke let generere mere end en kort prognose (kaldet "hindcasts" - se sidebjælke) på grund af dårlig datatilgængelighed for havene. Vi havde brug for data fra disse hindcasts for at dække en længere periode for at udvikle en nøjagtig vurdering af, hvor godt disse modeller fungerer, og hvilke rettelser der kan være nødvendige for at producere en pålidelig prognose. To årtier senere, disse "koblede modeller" - dem, der omfatter hav og atmosfære - kan nu generere en tilstrækkelig historie med hindcasts. Modellerne har også gennemgået forbedringer, og bruges nu rutinemæssigt i drift af de fleste globale prognosecentre, herunder NOAA's North American Multi-Model Ensemble (NMME) projekt.

Andrew Robertson:Indtil for et par år siden, data fra et ensemble af koblede prognosemodeller var ikke let og frit tilgængelige i realtid, både på grund af datapolitiske begrænsninger på de forskellige globale prognosecentre, samt manglen på koordineret datainfrastruktur til at dele dataene. For første gang, NOAAs NMME-projekt har lavet real-time og hindcasts fra op til ni koblede modeller fra amerikanske institutioner (NCEP, NASA, GFDL, NCAR, COLA/University of Miami) og Environment and Climate Change Canada frit tilgængeligt via IRI Data Library. Dette gør det ligetil for os nu at basere vores prognose på output fra disse NMME -modeller. Og, på grund af faldende finansiering, IRI var ikke længere i stand til at køre de ældre atmosfæriske globale klimamodeller internt, som det tidligere kunne.

SM:Selvom IRI ikke længere har midler til at køre klimamodeller internt, vi er i stand til at oprette et fuldt automatiseret prognosesystem, der drager fordel af de koblede modelprognoser fra NMME -projektet, samt de to årtiers erfaring IRI har med at generere prognoser fra sådanne systemer.

Har metoden til oprettelse af prognosen ændret sig, og ville det påvirke, hvordan prognosen kan eller skal bruges?

SM:Der er to kategorier af ændringer i metodikken for de nye prognoser - vi bruger nye klimamodeller, og vi bruger nye metoder til at forvandle disse modeloutput til pålidelige prognoser.

De nye klimamodeller repræsenterer klimasystemerne bedre end de gamle gjorde, men de grundlæggende principper for, hvordan disse modeller fungerer, er uændrede - eller, hvis du foretrækker det, det fysiske grundlag for at lave sæsonprognoserne er det samme. Den nye prognosemetode er designet til at foretage korrektioner af klimamodellerne baseret på deres evne til at forudsige tidligere år præcist. Vi producerer også oplysninger med mere rumlige detaljer end tidligere.

I princippet bør der ikke være nogen grund til at ændre, hvordan eller hvornår de nye prognoser bruges, fordi både i den nye metode og i den gamle, prognoserne blev lavet til at blive taget til pålydende værdi - dvs. sandsynlighederne formodes at give en pålidelig indikation af, hvordan sæsonen bliver.

AR:For dem, der gerne vil have mere information om vores nye metode, vi har sammensat en side her.

Kan vi sammenligne med gamle prognoser? For eksempel at sammenligne prognoser fra moderate El Niño -hændelsesår med årets prognose?

SM:For at være klar, der har ikke været nogen ændring i den måde El Niño og La Niña (eller ENSO) prognoseprodukter har ændret sig, det er kun vores regn- og temperaturprognoser, der er blevet ændret. Men, hvad angår sammenligning af nedbørs- og temperaturprognoser - som jeg nævnte i det tidligere spørgsmål om, hvorvidt prognosen stadig kan bruges på samme måde, prognoserne er beregnet til at blive taget til pålydende værdi. Så hvis prognosen i år indikerer en større sandsynlighed end tidligere år, så afspejler det større tillid.

Men hvad vi ikke kan konkludere er, at virkningen sandsynligvis vil være stærkere. For eksempel, hvis der er en 60% sandsynlighed for overnormal nedbør under moderate El Nino-forhold i vores nye system, og kun 50% sandsynlighed under lignende forhold med det gamle system, så er vi i sandhed mere sikre på, at der vil forekomme overnormale nedbørsmængder; men det er ugyldigt at konkludere, at vi tror, ​​der vil komme mere nedbør end i tidligere år med moderate El Nino -forhold.

Tony Barnston:Det er rigtigt, at vores ENSO -prognosematerialer ikke er ændret. Men ENSO -prognoserne (faktisk prognoser for hele havoverfladetemperaturfeltet), der blev brugt i processen med at lave klimaprognoser, er nu ændret, og sandsynligvis til det bedre, da de er baseret på de otte state-of-the-art koblede modeller i stedet for på kun tre modeller, hvoraf den ene var statistisk, og den ene var en forenklet dynamisk model, der kun dækkede det tropiske Stillehav. Så, kun en af ​​havoverfladens temperaturprognosemodeller plejede at være topmoderne, mens de nu alle er.

Hvorfor ser prognosen anderledes ud?

AR:De nye modeller kører med en højere rumlig opløsning. De har en opløsning på ca. 1 grad breddegrad-længdegrad (dvs. ca. 100 km), sammenlignet med ca. 2,8 grader for de gamle (dvs. ca. 300 km), så vi leverer prognoserne i 1-graders opløsning, sammenlignet med 2,5 grader før.

Hvad er konsekvenserne af den højere opløsning for en bruger?

AR:Den forbedrede opløsning kan måske udmønte sig i flere færdigheder på mindre skalaer. Vi har bemærket, at prognosekortene nogle gange ser mere støjende ud i lille skala, og brugeren skal være opmærksom på det. Vi undersøger, hvordan vi kan forbedre vores kalibreringsmetode efter behandling for at reducere støj.

Påvirker dette andre IRI -produkter end standarden, tercile-baserede sæsonprognoser?

SM:Ja. Den nye prognosemetodologi indgår i nogle af vores nedbørs- og temperaturprognose produkter. Disse inkluderer sæsonprognoser i IFRC Maproom og Flexible Forecast Maproom.

Er det mere præcist end den gamle prognose?

AR:Svaret på dette spørgsmål er ikke så enkelt, som det kan lyde. Der er mange mål for forudsigelsesfærdigheder, og de gamle og nye systemer er forskellige, hvilket gør dem svære at sammenligne direkte. Vi forventer, at det nye system bliver mindst lige så godt, fordi det er baseret på en nyere generation af modeller og prognosticerede initialiseringsmetoder. Vi er i fuld gang med at verificere det nye system for at give et så fuldstændigt svar på dette spørgsmål som muligt.

TB:Med undtagelse af ovennævnte normale temperaturer, den nye prognoseproduktion har flere områder, der ikke er klimatologiprognosen (dvs. mere farvede områder på kortene; modellerne "har mere at sige") end den gamle prognoseproduktion, og denne større følsomhed afspejler formodentlig højere nøjagtighed, men bekræftelse af dette vil komme med vores verifikation i gang. Med hensyn til sandsynlighederne for over-normal temperatur, vi undersøger, om de nye prognoser undervurderer hældningen mod over normalen på grund af modellernes muligvis utilstrækkelige følsomhed over for CO2-stigninger.

Da du udviklede de nye prognoser, spillede behov/input fra brugerne en rolle?

SM:Det vigtigste og det sværeste spørgsmål!

Der er mange grunde til, at IRI begyndte at lave sæsonprognoser i slutningen af ​​1990'erne. Dels var det et svar på El Niño 1997/98, som forventedes at få store konsekvenser over hele kloden. Selvom det kun er 20 år siden, der var meget få lande og centre, der producerede oplysninger om sæsonprognoser på det tidspunkt - hvilket måske viser, hvor langt vi er nået i de sidste to årtier. På det tidspunkt havde klimasamfundet en meget dårlig bevidsthed om potentielle brugere af sæsonprognoser, men vi kunne i det mindste rådgive mange af de nationale meteorologiske tjenester, som kan have deres egne kommunikationskanaler. Så, i slutningen af ​​1990'erne og begyndelsen af ​​2000'erne var vores vigtigste formidlingskanal at forsøge at informere regeringer via disse meteorologiske tjenester. Ud over, Da lande og regionale og globale klimacentre begyndte at lave deres egne prognoser, ønskede vi at give et godt eksempel, der kunne efterlignes og tilpasses efter behov.

Imidlertid, som IRIs afdeling for applikationsforskning (som det dengang blev kaldt) og det bredere klimaservicesamfund begyndte at udvikle erfaring med at identificere og arbejde med brugerfællesskaber, vores prognoser er blevet af interesse for et voksende udvalg af brugere. I nogle tilfælde har vi arbejdet direkte med sådanne fællesskaber for at co-udvikle skræddersyede sæsonprognoseoplysninger. Disse skræddersyede oplysninger præsenteres i specialdesignede kortlokaler, eksempler herpå inkluderer dem for International Federation of the Red Cross and Red Crescent Societies (IFRC) og World Food Program (WFP).

Da de nye prognoser blev redesignet, vi tog hensyn til input fra nogle af vores hovedpartnere, f.eks. IFRC og WFP, og også fra nogle af de mange meteorologiske tjenester rundt om i verden, der konsulterer vores produkter. Selvfølgelig, alle har anmodet om større grad af sikkerhed i prognoserne (hvilket betyder mere og dybere farver på kortene), og brug af de state-of-the-science klimamodeller burde hjælpe med dette mål. Mange brugere har også anmodet om mere detaljerede rumlige oplysninger, som vi også har behandlet i den nye prognose, selvom for nogle applikationer - især dem, der beskæftiger sig med oversvømmelser - kan mindre rumlig information give oplysninger af bedre kvalitet. I sådanne tilfælde, prognose skræddersyning er påkrævet - udvikling af tilpassede produkter som dem i nogle af vores kortlokaler. Vi håber at samarbejde med vores partnere og andre potentielle brugere om at undersøge, hvad der fungerer bedst for dem.

Hver gang vi laver en prognose, tænker vi ikke over, hvordan specifikke brugere vil reagere på oplysningerne. Faktisk, det er vigtigt ikke at fordi vi ellers ender med at afdække prognosen. Det er vigtigt for forecasteren at kommunikere, hvad han tror, ​​vil ske, frem for at tænke på, hvordan det påvirker brugernes svar. Med sådan en løsrevet holdning, imidlertid, er et meget andet spørgsmål end spørgsmålet om, hvordan man sender en prognose, så det letter brugernes beslutninger. Denne interaktion er vigtig for at sikre, at prognosen er klart forstået og giver relevant information.

Denne historie er genudgivet med tilladelse fra Earth Institute, Columbia University:blogs.ei.columbia.edu/.