Een team van wetenschappers heeft een kortere manier bedacht om bekwame seizoensgebonden klimaatvoorspellingen te maken met een fractie van de rekenkracht die normaal nodig is. De techniek omvat het zoeken in bestaande wereldwijde klimaatmodellen om te leren wat er gebeurde toen de oceaan, atmosfeer en landomstandigheden waren vergelijkbaar met wat ze nu zijn. Deze "model-analogen" tot vandaag leveren een opmerkelijk goede voorspelling op, het team vond - en de bevinding zou onderzoekers kunnen helpen bij het verbeteren van nieuwe klimaatmodellen en voorspellingen van seizoensgebeurtenissen zoals El Niño.

"Het is een big data-project. We ontdekten dat we zeer nuttige informatie uit bestaande klimaatmodellen kunnen halen om na te bootsen hoe ze een voorspelling zouden maken met de huidige initiële omstandigheden, " zei Matt Newman, een CIRES-wetenschapper die werkt in de Physical Sciences Division van NOAA en co-auteur van de studie die vandaag in het AGU-tijdschrift is gepubliceerd Geofysische onderzoeksbrieven .

Wetenschappers maken meestal seizoensvoorspellingen door de huidige wereldwijde omstandigheden te observeren, die schatting inpluggen in een klimaatmodel, en vervolgens de vergelijkingen van het model enkele maanden vooruit in de tijd laten lopen met behulp van supercomputers. Deze rekenintensieve berekeningen kunnen alleen worden gedaan bij enkele nationale voorspellingscentra en grote onderzoeksinstellingen.

Echter, wetenschappers gebruiken vergelijkbare computermodellen voor lange simulaties van het pre-industriële klimaat op aarde. Die modelsimulaties - en er zijn er veel - bestaan ​​al en zijn vrij beschikbaar voor iedereen die onderzoek doet naar klimaatverandering. Newman en zijn collega's besloten dat ze zouden proberen seizoensvoorspellingen te ontwikkelen op basis van deze bestaande klimaatmodelsimulaties, in plaats van nieuwe modelberekeningen te maken.

Hui Ding, de hoofdauteur van het artikel en ook een CIRES-wetenschapper die werkt in de Physical Sciences Division van NOAA, schreef een computerprogramma dat de enorme database van klimaatmodelsimulaties doorzocht om de beste overeenkomsten te vinden met de huidige waargenomen oceaanoppervlakcondities in een bepaald interessegebied. Om de seizoensvoorspelling te krijgen, de onderzoekers volgden hoe deze model-analogen zich in de simulatie in de komende maanden evolueerden.

Ze ontdekten dat de model-analoge techniek net zo bekwaam was als de meer traditionele voorspellingsmethoden. Dit betekent dat reeds lang bestaande klimaatmodelsimulaties nuttig zijn als een onafhankelijke manier om seizoensgebonden klimaatvoorspellingen te produceren, inclusief seizoensgebonden El Niño-gerelateerde voorspellingen. "In plaats van alleen te vertrouwen op geavanceerde voorspellingssystemen om El Niño te voorspellen, we kunnen deze modelruns ontginnen en goed genoeg analogen vinden om een ​​huidige voorspelling te ontwikkelen, " hij zei.

Onderzoekers kunnen deze techniek ook gebruiken om modellen te testen tijdens de ontwikkelingsfase. "Ze kunnen kijken hoe goed voorspellingen van deze nieuwe modellen zich verhouden tot voorspellingen van reeds bestaande klimaatmodellen die zijn afgestemd op de huidige omstandigheden. Dat is een snelle test om te zien of de nieuwe modellen zijn verbeterd, ' zei Nieuwman.

Dit verhaal is opnieuw gepubliceerd met dank aan AGU Blogs (http://blogs.agu.org), een gemeenschap van blogs over aarde en ruimtewetenschap, georganiseerd door de American Geophysical Union. Lees hier het originele verhaal.