Укрощение неопределенности в климатическом прогнозировании

Исследователи из Тихоокеанской северо-западной национальной лаборатории (PNNL) применили новый научный подход — «количественную оценку неопределенности» (UQ). Это позволило им улучшить моделирование осадков в рамках региональной модели прогнозирования и исследования погоды (WRF). Их исследование впервые применило стохастический метод выборки для отбора входных параметров модели, что значительно продвинуло моделирование осадков — одного из самых сложных климатических компонентов.

Работа с неопределенностью в численных моделях атмосферных систем открывает путь для создания более точных инструментов прогнозирования текущей погоды и будущих климатических изменений. Это, в свою очередь, даст планировщикам возможность оценивать вероятность экстремальных погодных и климатических явлений.

Команда использовала наблюдательные данные с Южных Великих равнин (SGP), собранные объектом исследования климата «Измерение атмосферного излучения» (ARM) Министерства энергетики США. Для улучшения расчетов осадков они применили стохастический алгоритм Multiple Very Fast Simulated Annealing (MVFSA), который случайным образом выбирает числа в пределах распределений для минимизации ошибок модели. «Методология UQ позволяет оценить ключевые параметры, критически важные для расчета осадков в региональных и глобальных климатических моделях», — отметил климатолог PNNL доктор Юнь Цянь.

MVFSA идентифицировал пять оптимальных параметров, снижающих систематическую ошибку модели осадков на климатической сетке в 25 км. Улучшения также были достигнуты в моделировании на сетке 12 км, а также в результатах по температуре и ветру. Тестирование в другом климатическом регионе подтвердило эффективность подхода. Результаты процесса UQ показывают улучшенную модель с лучшей предсказуемостью, что делает ее более надежной для проекции будущих изменений климата.