Bij het modelleren van de El Niño-Southern Oscillation (ENSO) oceaanklimaatcyclus, het toevoegen van gegevens over het saliniteits- of zoutgehalte van het zeeoppervlak van de satelliet verbetert de nauwkeurigheid van het model aanzienlijk, volgens een nieuwe NASA-studie.

ENSO is een onregelmatige cyclus van warme en koude klimaatgebeurtenissen genaamd El Niño en La Niña. In normale jaren, sterke oostelijke passaatwinden waaien vanuit Amerika richting Zuidoost-Azië, maar in een El Niño-jaar, die winden worden verminderd en soms zelfs omgekeerd. Warm water dat werd "opgestapeld" in de westelijke Stille Oceaan, stroomt terug naar Amerika, veranderende atmosferische druk en vochtigheid om droogtes te veroorzaken in Azië en frequentere stormen en overstromingen in Amerika. Het omgekeerde patroon wordt een La Niña genoemd, waarin de oceaan in de oostelijke Stille Oceaan koeler is dan normaal.

Het team gebruikte NASA's Global Modeling and Assimilation Office (GMAO) Sub-seasonal-To-Seasonal (S2S) gekoppeld oceaan/atmosfeer voorspellingssysteem (GEOS-S2S-2) om drie eerdere ENSO-gebeurtenissen te modelleren:de sterke 2015 El Niño, de 2017 La Niña en de zwakke 2018 El Niño.

Trekken van NASA's Soil Moisture Active Passive (SMAP) -missie, de afgelopen NASA-CONAE (Argentinian Space Agency) Aquarius-missie en de Soil Moisture Ocean Salinity (SMOS)-missie van de European Space Agency, ze vergeleken de nauwkeurigheid van het voorspellingsmodel voor elk van de drie gebeurtenissen met en zonder SSS-gegevens te assimileren in de initialisatie van de modellen. Met andere woorden:de beginvoorwaarden van één modelrun omvatten SSS-gegevens, en de ander niet.

Door assimilatie van SSS-gegevens aan het GEOS-model toe te voegen, kon het de diepte en dichtheid van de bovenste laag van de oceaan nauwkeuriger weergeven, wat leidde tot een betere weergave van grootschalige circulatie in reactie op ENSO. Als resultaat, de voorspellingen van de modellen voor de drie casestudies waren een betere afspiegeling van de feitelijke waarnemingen, vergeleken met wat voorspellingsmodellen destijds voorspelden.

"In onze drie casestudies we hebben verschillende fasen van ENSO onderzocht, " zei Eric Hackert, een onderzoekswetenschapper bij NASA's Goddard Space Flight Center in Greenbelt, Maryland en de hoofdauteur van de studie. "Voor de grote El Niño in 2015, het assimileren van de zoutgehaltegegevens dempte het signaal - ons oorspronkelijke model overschatte de amplitude van de gebeurtenis. Voor de andere twee ENSO-evenementen, de voorspellingen voorspelden oorspronkelijk het verkeerde teken:bijvoorbeeld in 2017, het model zonder zoutgehalte voorspelde een El Niño, terwijl de echte oceaan een La Niña voortbracht. Echter, voor elk geval dat we hebben onderzocht, het toevoegen van het zoutgehalte van de satelliet aan de initialisatie verbeterde de voorspellingen."

De studie is een van de eerste die SSS-gegevens incorporeert in de initialisatie van voorspellingen voor een wereldwijd gekoppeld model van interacties tussen de oceaan, atmosfeer, land, aerosolen en zee-ijs. GEOS en andere modellen die worden gebruikt om ENSO-gebeurtenissen te helpen voorspellen, bevatten doorgaans geen SSS. Echter, Het zoutgehalte van het oceaanoppervlak speelt een belangrijke rol bij oceaanstromingen, verdamping en interactie met de atmosfeer, en warmteoverdracht van de tropen naar de polen. Kouder, zouter water is dichter en zwaarder dan warmer, zoeter water, en de grootschalige temperatuur- en neerslagverschuivingen van ENSO-gebeurtenissen veranderen de oceaancirculatie en interacties tussen het water en de atmosfeer.

Beide fasen van de ENSO-cyclus beïnvloeden ecosystemen, economieën, menselijke gezondheid, en natuurbrandrisico's, waardoor ENSO-voorspellingen van vitaal belang zijn voor veel mensen over de hele wereld, aldus Hackert.

"Bijvoorbeeld, voorspellingen en waarnemingen gaven een sterke aanwijzing dat er in 1997 een grote El Niño zou komen, die zou leiden tot droogte in het noordoosten van Brazilië, ", zei hij. "Hierdoor kon de regering van Brazilië een verklaring afgeven om boeren in hun eigen levensonderhoud te voorzien, hen aanmoedigen om droogteresistente maïs te planten in plaats van variëteiten met een hoge opbrengst. In dit geval, goede ENSO-voorspellingen samen met maatregelen van de overheid hebben mogelijk veel levens gered. Dit is slechts één voorbeeld van de vele sociaal-economische voordelen voor het uitbreiden van bruikbare El Niño-voorspellingen."

Het opnemen van satelliet-SSS-gegevens maakt modellen ook bruikbaar voor langere perioden - nauwkeurige ENSO-voorspellingen zonder zoutgehaltegegevens duren slechts 4 maanden, terwijl degenen met SSS-gegevens 7 maanden beslaan, aldus Hackert.

"In plaats van één seizoen vertrouwen te hebben in uw voorspelling, je hebt twee seizoenen, Hackert zei. "Als je groeiseizoen zes maanden later is, een langere kwaliteitsprognose geeft u een beter inzicht in de vraag of u rassen met een hoge opbrengst of droogteresistente rassen moet planten. Een ander voorbeeld zou zijn dat je genoeg tijd hebt om je dak te repareren als je in Zuid-Californië woont (aangezien El Niño meestal regenachtige omstandigheden naar het zuiden van de VS brengt)."

Toegang hebben tot een doorlopend overzicht van satelliet-SSS-gegevens is essentieel om voorspellingen nauwkeurig en betrouwbaar te maken, aldus Hackert.

"In de huidige voorspellingssystemen, satelliet- en oceaanobservaties worden optimaal gecombineerd met behulp van modellen en data-assimilatietechnieken om de toestand van de oceaan te helpen bepalen, " zei hij. "Deze studie toont aan dat het toevoegen van satelliet-SSS aan de reeks huidige waarnemingen helpt om de staat van de oceaan nabij het oppervlak te karakteriseren, wat leidt tot verbeterde seizoensvoorspellingen. We raden aan dat andere voorspellingsmodelsystemen over de hele wereld SSS in hun systemen opnemen."