Een team van onderzoekers aan de universiteiten van Lincoln, Sheffield en Reading heeft een nieuwe methode ontwikkeld om de voorspelling van seizoensweersomstandigheden in het Verenigd Koninkrijk en Noordwest-Europa te verbeteren.

Het model biedt een krachtig hulpmiddel bij de zoektocht om veranderingen in de atmosferische circulatie beter te begrijpen en om nauwkeurigere seizoensweervoorspellingen te doen. Het zou ook veel sectoren ten goede kunnen komen, waaronder de agrovoedings-, energie-, vrijetijds- en toeristische sector.

Het onderzoek resulteerde in twee gepubliceerde artikelen, één in Meteorological Applications en een andere in het International Journal of Climatology .

Om het seizoensweer in Noordwest-Europa te voorspellen, vertrouwen grote weersvoorspellingscentra momenteel op dure supercomputermodellen. Als aanvulling op deze conventionele methoden gebruikte de groep een AI- en machine learning-methode bekend als NARMAX (Nonlinear AutoRegressive Moving Average-modellen met eXogenous inputs) om de toestand van de Noord-Atlantische jetstream en de atmosferische circulatie te voorspellen, die beide sterk verbonden zijn met het oppervlak. luchttemperatuur en neerslagafwijkingen.

NARMAX is met succes gebruikt in veel andere onderzoeksgebieden, en in dit geval zijn er vroege voorspellingen gedaan voor zowel de zomer als de winter, voor verschillende luchtcirculatiepatronen die vaak van invloed zijn op de Noord-Atlantische regio en het daaropvolgende Noordwest-Europese seizoensweer.

De onderzoeksresultaten lieten een hoge nauwkeurigheid zien voor beide seizoenen en voor alle drie de onderzochte circulatiepatronen. Dit is belangrijk omdat de conventionele en duurdere supercomputermodellen moeite hebben om de seizoensgebonden atmosferische omstandigheden in dit gebied in de zomer nauwkeurig te voorspellen, waardoor ze de neiging hebben de jaarlijkse variaties voor beide seizoenen te onderschatten.

Bovendien is de NARMAX-methode gebruikt om mogelijke oorzaken van veranderingen in de atmosferische circulatie te analyseren. Deze informatie zou kunnen worden gebruikt voor interpretatie en om de resultaten van het supercomputermodel te helpen verbeteren.

Deze doorbraak zou een cruciale rol kunnen spelen bij het verbeteren van seizoensvoorspellingen, maar ook als informatiebron voor de ontwikkeling van toekomstige weersvoorspellingsmodellen, vooral tijdens de zomermaanden.

Dr. Ian Simpson, postdoctoraal onderzoeksmedewerker aan de Universiteit van Lincoln, merkte op:"We hebben sterke verbanden aangetoond tussen circulatie- en jetstreampatronen en seizoensgebonden oppervlakteweersomstandigheden in Noordwest-Europa.

“Door NARMAX-modellen te gebruiken om seizoensvoorspellingen van circulatiepatronen te maken, kunnen we deze vertalen in voorspellingen van seizoensweerpatronen, bijvoorbeeld temperatuur- en neerslagafwijkingen, in Noordwest-Europa, die van belang zullen zijn voor een breed scala aan belanghebbenden.” P>

"Het verstrekken van nauwkeurigere seizoensvoorspellingen zal bijvoorbeeld de agrovoedingsindustrie helpen, boeren een idee geven van de waarschijnlijke opbrengsten voor het seizoen, en hoe ze de gewassystemen het beste kunnen optimaliseren en de oogst kunnen plannen."

Edward Hanna, hoogleraar klimaatwetenschappen en meteorologie aan de Universiteit van Lincoln, voegde hieraan toe:“Dit is een spannend project dat diverse disciplines en experts op het gebied van meteorologische wetenschap en machinaal leren heeft samengebracht met als doel het verbeteren van seizoensweervoorspellingen en het toepassen van de resultaten op eindgebruikers.

"Onze gepubliceerde artikelen tonen een groot potentieel aan voor NARMAX-modellering om een ​​belangrijke rol te spelen bij het helpen verfijnen van de volgende generatie voorspellingsmodellen voor supercomputers, die historisch gezien hongerig zijn geweest, en bij het verbeteren van seizoensvoorspellingen."

Dr. Yiming Sun, onderzoeksmedewerker aan de Universiteit van Sheffield, zei:"We hebben een NARMAX machine learning-methode ontwikkeld en toegepast om de seizoenstoestand van de Noord-Atlantische atmosferische circulatie en jetstream te voorspellen.

"Het model heeft een hoge mate van voorspellende nauwkeurigheid laten zien in vergelijking met de dynamische modellen. Daarom kan NARMAX worden gebruikt om de vaardigheden op het gebied van seizoensvoorspellingen te helpen verbeteren en de ontwikkeling van dynamische supercomputermodellen te informeren."

Meer informatie: Yiming Sun et al., Probabilistische seizoensvoorspellingen van de Noord-Atlantische atmosferische circulatie met behulp van complexe systeemmodellering en vergelijking met dynamische modellen, Meteorologische toepassingen (2024). DOI:10,1002/met.2178

Ian Simpson et al, Noord-Atlantische atmosferische circulatie-indices:koppelingen met zomer- en wintertemperatuur en neerslag in Noordwest-Europa, inclusief persistentie en variabiliteit, International Journal of Climatology (2024). DOI:10.1002/joc.8364

Aangeboden door Universiteit van Lincoln