Satellitbillede, der viser El Niño havoverfladetemperaturens afvigelse fra normen for oktober 2015, hvor orange-røde farver er over normalen og indikerer El Niño. Kredit:NOAA
Et team af forskere har fundet ud af en genvej til at producere dygtige sæsonbestemte klimaprognoser med en brøkdel af den computerkraft, der normalt er brug for. Teknikken går ud på at søge i eksisterende globale klimamodeller for at finde ud af, hvad der skete, da havet atmosfære og landforhold lignede, hvad de er i dag. Disse "model-analoger" til i dag ender med at producere en bemærkelsesværdig god prognose, holdet fandt - og resultatet kunne hjælpe forskere med at forbedre nye klimamodeller og prognoser for sæsonbestemte begivenheder såsom El Niño.
"Det er et big data-projekt. Vi fandt ud af, at vi kan hente meget nyttig information fra eksisterende klimamodeller for at efterligne, hvordan de ville lave en prognose med de nuværende startforhold, " sagde Matt Newman, en CIRES-forsker, der arbejder i NOAA's Physical Sciences Division og medforfatter til undersøgelsen offentliggjort i dag i AGU-tidsskriftet Geofysiske forskningsbreve .
Forskere laver typisk sæsonbestemte prognoser ved at observere de nuværende globale forhold, at sætte dette skøn ind i en klimamodel, og derefter køre modellens ligninger frem i tiden flere måneder ved hjælp af supercomputere. Disse beregningstunge beregninger kan kun udføres på få nationale prognosecentre og store forskningsinstitutioner.
Imidlertid, forskere bruger lignende computermodeller til lange simuleringer af Jordens præindustrielle klima. Disse modelsimuleringer - og der er mange - eksisterer allerede og er frit tilgængelige for alle, der laver undersøgelser af klimaændringer. Newman og hans kolleger besluttede, at de ville prøve at udvikle sæsonbestemte prognoser fra disse eksisterende klimamodelsimuleringer, i stedet for at lave nye modelberegninger.
Hui Ding, avisens hovedforfatter og også en CIRES-forsker, der arbejder i NOAA's Physical Sciences Division, skrev et computerprogram, der søgte i den enorme database med klimamodelsimuleringer for at finde de bedste matcher til de aktuelle observerede havoverfladeforhold i et givet område af interesse. For at få sæsonprognosen, forskerne sporede, hvordan disse modelanaloger udviklede sig inden for simuleringen i løbet af de næste mange måneder.
De fandt ud af, at den model-analoge teknik var lige så dygtig som mere traditionelle prognosemetoder. Dette betyder, at længe eksisterende klimamodelsimuleringer er nyttige som en uafhængig måde at producere sæsonbestemte klimaprognoser på, herunder sæsonbestemte El Niño-relaterede prognoser. "I stedet for kun at stole på sofistikerede prognosesystemer til at forudsige El Niño, vi kan mine disse modelkørsler og finde gode nok analoger til at udvikle en aktuel prognose, " han sagde.
Forskere kan også bruge denne teknik til at teste modeller i udviklingsfasen. "De kan se på, hvor godt prognoser fra disse nye modeller kan sammenlignes med prognoser fra allerede eksisterende klimamodeller, der er matchet til de nuværende forhold. Det er en hurtig test for at se, om de nye modeller er forbedret, " sagde Newman.
Denne historie er genudgivet med tilladelse fra AGU Blogs (http://blogs.agu.org), et fællesskab af blogs om jord- og rumvidenskab, vært af American Geophysical Union. Læs den originale historie her.