Previsões do El Niño estendidas para 18 meses com modelo baseado em física

Em toda a Ásia, no Oceano Pacífico e nas Américas, o El Niño Oscilação Sul (ENOS) traz variações nos ventos, no clima e na temperatura dos oceanos que podem causar secas, inundações, quebras de colheitas e escassez de alimentos. Recentemente, o mundo assistiu a um grande evento El Niño em 2023-2024, com um impacto dramático no clima, no clima, nos ecossistemas e nas economias a nível global.

Ao desenvolver uma abordagem de modelagem inovadora, pesquisadores da Escola de Ciências e Tecnologia Oceânica e da Terra (SOEST) da Universidade do Havaí em Mānoa agora são capazes de prever eventos ENSO com até 18 meses de antecedência, melhorando significativamente a previsão de modelos climáticos convencionais.

Suas descobertas, que combinam insights sobre a física do oceano e da atmosfera com precisão preditiva, foram publicadas em Natureza.

“Desenvolvemos um novo modelo conceitual – o chamado modelo de oscilador de recarga não linear estendido (XRO) – que melhora significativamente a capacidade de previsão de eventos ENSO com mais de um ano de antecedência, melhor do que os modelos climáticos globais e comparável às previsões de IA mais hábeis ”, disse Sen Zhao, principal autor do estudo e pesquisador assistente do SOEST.

“Nosso modelo incorpora efetivamente a física fundamental do ENSO e das interações do ENSO com outros padrões climáticos nos oceanos globais que variam de estação para estação.”

Os cientistas têm trabalhado durante décadas para melhorar as previsões do ENSO, dados os seus impactos ambientais e socioeconómicos globais. Os modelos tradicionais de previsão operacional têm lutado para prever com sucesso o ENSO com prazos superiores a um ano.

IA ajuda a impulsionar novas previsões

Os avanços recentes na inteligência artificial (IA) ultrapassaram esses limites, alcançando previsões precisas com até 16 a 18 meses de antecedência. No entanto, a natureza de “caixa preta” dos modelos de IA impediu a atribuição desta precisão a processos físicos específicos.

Não ser capaz de explicar a fonte da previsibilidade nos modelos de IA resulta em baixa confiança de que essas previsões serão bem-sucedidas para eventos futuros à medida que a Terra continua a aquecer, alterando as correntes nos oceanos e na atmosfera.

“Ao contrário da natureza de ‘caixa preta’ dos modelos de IA, nosso modelo XRO oferece uma visão transparente dos mecanismos da física de recarga-descarga do Pacífico equatorial e suas interações com outros padrões climáticos fora do Pacífico tropical”, explicou Fei-Fei Jin, o autor correspondente e professor de ciências atmosféricas na SOEST.

“Os estados iniciais do Pacífico extratropical, do Oceano Índico tropical e do Atlântico melhoram a previsibilidade do ENSO em estações distintas. Pela primeira vez, somos capazes de quantificar de forma robusta o seu impacto na previsibilidade do ENSO, aprofundando assim o nosso conhecimento da física do ENSO e das suas fontes de previsibilidade.”

Deficiências e melhorias do modelo climático

“Nossas descobertas também identificam deficiências na última geração de modelos climáticos que levam à falha em prever o ENSO com precisão”, disse Malte Stuecker, professor assistente de oceanografia no SOEST e coautor do estudo.

“Para melhorar as previsões do ENSO, os modelos climáticos devem capturar corretamente a física chave do ENSO e, adicionalmente, três aspectos compostos de outros padrões climáticos nos oceanos globais: conhecimento preciso do estado de cada um desses padrões climáticos quando as previsões do ENSO começam, o conhecimento correto ‘memória oceânica’ sazonalmente variável de cada um desses padrões climáticos, e representações corretas de como cada um desses outros padrões climáticos afetam o ENSO em diferentes estações.”

“Diferentes fontes de previsibilidade levam a evoluções distintas de eventos ENSO”, disse Philip Thompson, professor associado de oceanografia na SOEST e coautor do estudo. “Agora somos capazes de fornecer previsões hábeis e de longo prazo dessa ‘diversidade ENSO’, o que é crítico, pois diferentes sabores de ENSO têm impactos muito diferentes no clima global e nas comunidades individuais.”

“Além do El Niño, o novo modelo XRO também melhora a previsibilidade de outras variabilidades climáticas nos oceanos tropicais Índico e Atlântico, como o Dipolo do Oceano Índico, que pode alterar significativamente os padrões climáticos locais e globais além dos impactos do El Niño,” acrescentou Zhao.

Direções futuras

As implicações desta pesquisa são de longo alcance, oferecendo perspectivas para previsões ENSO mais precisas e com prazos de entrega mais longos e melhorias no modelo climático global.

Embora o ENSO tenha origem no Pacífico tropical, já não podemos pensar nele apenas como um problema tropical do Oceano Pacífico, quer de uma perspectiva de modelização e previsão, quer de uma perspectiva observacional. Os trópicos globais e as latitudes mais elevadas são essenciais para melhorar as previsões climáticas sazonais.

“Ao rastrear as deficiências do modelo e compreender essas interações dos padrões climáticos com nosso novo modelo conceitual XRO, podemos refinar substancialmente nossos modelos climáticos globais”, observou Stuecker.

“Isto abre caminho para que a próxima geração de modelos climáticos globais incorpore estas descobertas, melhorando a nossa abordagem para prever e mitigar os efeitos da variabilidade e das alterações climáticas. Tais avanços são cruciais para a preparação e adaptação da sociedade aos perigos relacionados com o clima.”

A equipe de pesquisadores do UH foi completada com autores colaboradores da Universidade de Columbia, NOAA, Coreia e China.