NASA-undersøgelse tilføjer en knivspids salt til El Niño-modeller

Ved modellering af El Niño-Southern Oscillation (ENSO) havklimacyklus, tilføjelse af satellit-havoverfladesaltholdighed - eller saltholdighed - data forbedrer modellens nøjagtighed markant, ifølge en ny NASA-undersøgelse.

ENSO er en uregelmæssig cyklus af varme og kolde klimabegivenheder kaldet El Niño og La Niña. I normale år, stærke østlige passatvinde blæser fra Amerika mod Sydøstasien, men i et El Niño-år, disse vinde er reduceret og nogle gange endda vendt. Varmt vand, der blev "stablet op" i det vestlige Stillehav, strømmer tilbage mod Amerika, skiftende atmosfærisk tryk og fugt til at producere tørke i Asien og hyppigere storme og oversvømmelser i Amerika. Det omvendte mønster kaldes en La Niña, hvor havet i det østlige Stillehav er køligere end normalt.

Holdet brugte NASA's Global Modeling and Assimilation Office (GMAO) Sub-seasonal-To-Seasonal (S2S) koblet hav/atmosfære prognosesystem (GEOS-S2S-2) til at modellere tre tidligere ENSO-begivenheder:Den stærke 2015 El Niño, den 2017 La Niña og den svage 2018 El Niño.

Træk fra NASA's Soil Moisture Active Passive (SMAP) mission, den tidligere NASA-CONAE (Argentinian Space Agency) Aquarius-mission og European Space Agency's Soil Moisture Ocean Salinity (SMOS)-mission, de sammenlignede prognosemodellens nøjagtighed for hver af de tre hændelser med og uden at assimilere SSS-data i modellernes initialisering. Med andre ord:En modelkørsels startbetingelser inkluderede SSS-data, og det gjorde den anden ikke.

Tilføjelse af assimilering af SSS-data til GEOS-modellen hjalp den med at afbilde dybden og tætheden af ​​havets øverste lag mere nøjagtigt, hvilket førte til bedre repræsentationer af storstilet cirkulation som svar på ENSO. Som resultat, modellernes forudsigelser for de tre casestudier afspejlede i højere grad faktiske observationer, sammenlignet med, hvad prognosemodeller forudsagde på det tidspunkt.

"I vores tre casestudier, vi undersøgte forskellige faser af ENSO, " sagde Eric Hackert, en forsker ved NASAs Goddard Space Flight Center i Greenbelt, Maryland og undersøgelsens hovedforfatter. "Til den store El Niño i 2015, Assimilering af saltholdighedsdata dæmpede signalet - vores originale model overvurderede hændelsens amplitude. For de to andre ENSO-begivenheder, prognoserne forudsagde oprindeligt det forkerte tegn:F.eks. i 2017, modellen uden saltholdighedsdata forudsagde en El Niño, mens det rigtige hav producerede en La Niña. Imidlertid, for hver sag, vi undersøgte, tilføjelse af satellitsalinitet til initialiseringen forbedrede prognoserne."

Undersøgelsen er en af ​​de første til at inkorporere SSS-data i prognoseinitialisering for en global koblet model for interaktioner mellem havet, atmosfære, jord, aerosoler og havis. GEOS og andre modeller, der bruges til at hjælpe med at forudsige ENSO-hændelser, inkluderer typisk ikke SSS. Imidlertid, havets overfladesaltholdighed spiller en vigtig rolle i havstrømme, fordampning og interaktion med atmosfæren, og varmeoverførsel fra troperne til polerne. Koldere, saltere vand er tættere og tungere end varmere, friskere vand, og de store temperatur- og nedbørsforskydninger af ENSO-begivenheder ændrer havcirkulationen og samspillet mellem vandet og atmosfæren.

Begge faser af ENSO-cyklussen påvirker økosystemer, økonomier, menneskets sundhed, og risiko for naturbrande – hvilket gør ENSO-prognoser afgørende for mange mennesker rundt om i verden, sagde Hackert.

"For eksempel, prognoser og observationer gav en stærk indikation af, at der ville være en stor El Niño i 1997, som ville føre til tørke i det nordøstlige Brasilien, " sagde han. "Dette gjorde det muligt for Brasiliens regering at udsende en erklæring til subsistensbønder, opmuntre dem til at plante tørke-resistente majs i stedet for højudbytte sorter. I dette tilfælde, gode ENSO-prognoser sammen med regeringens handling kan have reddet mange liv. Dette er blot et eksempel på mange socioøkonomiske fordele ved at udvide nyttige El Niño-forudsigelser."

At inkludere satellit-SSS-data gør også modeller nyttige i længere perioder - nøjagtige ENSO-prognoser uden saltholdighedsdata strækker sig kun over 4 måneder, mens dem med SSS-data dækker 7 måneder, sagde Hackert.

"I stedet for at have en sæson med tillid til din prognose, du har to sæsoner, " sagde Hackert. "Hvis din vækstsæson er seks måneder senere, en længere kvalitetsprognose giver dig en forbedret forståelse af, om du skal plante højudbytte- eller tørkebestandige sorter. Et andet eksempel ville være, at du har masser af tid til at reparere dit tag, hvis du bor i det sydlige Californien (da El Niño typisk bringer regnfulde forhold til det sydlige USA)."

At have adgang til en løbende registrering af satellit SSS-data er afgørende for at gøre prognoser nøjagtige og pålidelige, sagde Hackert.

"I de nuværende prognosesystemer, satellit- og havobservationer kombineres optimalt ved hjælp af modeller og dataassimileringsteknikker for at hjælpe med at definere havets tilstand, " sagde han. "Denne undersøgelse viser, at tilføjelse af satellit-SSS til rækken af ​​aktuelle observationer hjælper med at karakterisere havtilstanden nær overfladen, fører til forbedrede sæsonprognoser. Vi anbefaler, at andre prognosemodelsystemer rundt om i verden anvender SSS i deres systemer."