Новый подход к использованию нейронных сетей для долгосрочного прогноза Эль-Ниньо и Ла-Нинья
DOI:
https://doi.org/10.21513/2410-8758-2023-4-432-466Ключевые слова:
Эль-Ниньо, Ла-Нинья, система океан-атмосфера, дол- госрочный прогноз, машинное обучение, моделирование.Аннотация
В работе предложен новый подход к использованию методов нейронных сетей и множественной линейной регрессии (МЛР) для прогноза состояния Эль-Ниньо - Южное колебание (ЭНЮК). Моделируемые параме- тры (индексы Nino3, Nino3.4 и Nino4) разделялись на две компоненты: низко- частотную и высокочастотную. Для моделирования высокочастотной компоненты использовались многослойные нейронные сети (МНС), а для моделирования низкочастотной компоненты - МЛР. Особенностью предло- женного подхода является детальный отбор предикторов как входных в модель данных и последующее моделирование с перебором и проверкой все- возможных конструкций многослойной нейронной сети.
На основе предложенного подхода разработана модель прогнозирования экстремальных фаз феномена ЭНЮК - NNM-ENSОv1 (Neural Network Model for ENSО forecast). Полученная модель отличается низкой чувствительностью к весеннему порогу предсказуемости, за счет чего прогнозирует состояние ЭНЮК с заблаговременностью более 7 месяцев значительно лучше по срав- нению с динамическими моделями.
Верификация предложенной модели проводилась на контрольном проме- жутке с 2007 по 2022 годы. NNM-ENSОv1 достаточно хорошо воспроизводит не только события Эль-Ниньо, но и их тип с заблаговременностью до одного года. В подтверждение отметим, что четыре из пяти событий Эль-Ниньо, вклю- чая их тип, были предсказаны верно. Вероятность верного определения усло- вий, характерных для событий Эль-Ниньо, достаточно высока и незначительно меняется в границах 76-83% при изменении заблаговременности прогноза в пределах одиннадцати месяцев, в то время как для Ла-Нинья вероятность вер- ного определения с ростом заблаговременности уменьшается от 85 до 31%.
С помощью модели NNM-ENSОv1 в ноябре 2022 г. построен прогноз состояния ЭНЮК в 2023 году. Модель успешно предсказала эволюцию проте- кавшего до февраля 2023 г. в тот период Ла-Нинья, а затем последующие ней- тральные условия в марте-апреле и начало Эль-Ниньо восточно- тихоокеанского типа с мая 2023 года. В итоге, прогноз на первое полугодие 2023 года подтвердился. С результатами моделирования ЭНЮК в режиме реального времени можно ознакомиться на сайте модели: neuroclimate.com.
Библиографические ссылки
Лубков, А.С., Воскресенская, Е.Н., Марчукова, О.В. (2017a) Прогнози- рование индекса Южного колебания, Вестник Санкт-Петербургского уни- верситета. Науки о земле, № 4(62), c. 370-388, doi: 10.21638/11701/ spbu07.2017.404.
Лубков, А.С., Воскресенская, Е.Н., Марчукова, О.В. (2017b) Объектив- ная классификация явлений Эль-Ниньо, Использование и охрана природных ресурсов в России, № 1(149), с. 41-44.
Лубков, А.С. (2022) Научный прогноз: Начнется ли Эль-Ниньо в 2023 году? Системы контроля окружающей среды, № 4 (50), с. 143-144.
Марчукова, О.В., Лубков, А.С., Воскресенская, Е.Н. (2020) Качество воспроизведения событий Эль-Ниньо и Ла-Нинья по разным массивам рекон- струированных данных температуры поверхности океана, Вестник СПбГУ. Науки о земле, № 65(1), с. 97-120, doi:10.21638/spbu07.2020.106.
Осовский, С. (2002) Нейронные сети для обработки информации, Москва, Финансы и статистика, 344 с.
Петросянц, М.А., Гущина Д.Ю. (2002) Об определении явлений Эль- Ниньо и Ла-Нинья, Метеорология и гидрология, № 8, с. 24-35.
An, S.I., Jin, F.F. (2004) Nonlinearity and asymmetry of ENSО, J. Clim., vol. 17(12), pp. 2399-2412, available at: https://doi.org/10.1175/1520-0442(2004) 0172.0.co;2.
Ashok, K., Behera, S.K., Rao, S.A., Weng, H., Yamagata, T. (2007) El Nifio Modoki and its possible teleconnection, J. Geophys. Res.: Oceans, vol. 112(C11), available at: https://doi.org/10.1029/2006JC003798.
Bamston, A.G., Chelliah, M., Goldenberg, S.B. (1997) Documentation of a highly ENSО-related SST region in the equatorial Pacific: Research note, Atmosphere-ocean, vol. 35(3), pp. 367-383, available at: https://doi.org/10.1080/ 07055900.1997.9649597.
Barnston, A.G., Livezey, R.E. (1987) Classification, seasonality and persistence of low-frequency atmospheric circulation patterns, Mon. Wea. Rev., vol. 115(6), pp. 1083-1126, available at: https://doi.org/10.1175/1520-0493(1987)115
<1083:csapol>2.0.co;2.
Barnston, A.G., Tippett, M.K., L'Heureux, M.L., Li, S., DeWitt, D.G. (2012) Skill of real-time seasonal ENSО model predictions during 2002-11: Is our capability increasing? Bull. Am. Meteorol. Soc., vol. 93(5), pp. 631-651, available at: https://doi.org/10.1175/BAMS-D-11-00111.1.
Cachay, S.R., Erickson, E., Bucker, A.F.C., Pokropek, E., Potosnak, W., Оsei, S., Ltitjens, B. (2020) Graph Neural Networks for Improved El Nifio Forecasting, arXiv e-prints, arXiv-2012, available at: https://doi.org/10.48550/ arХiv.2012.01598.
Deser, C., Alexander, M.A., Хie, S.P., Phillips, A.S. (2010) Sea surface temperature variability: Patterns and mechanisms, Annu. Rev. Mar. Sci., vol. 2, pp. 115-143, available at: https://doi.org/10.1146/annurev-marine-120408- 151453.
DiNezio, P.N., Deser, C., Karspeck, A., Yeager, S., Оkumura, Y., Danabasoglu, G., Meehl, G.A. (2017) A 2 year forecast for a 60-80% chance of La Nifia in 2017-2018, Geophys. Res. Lett., vol. 44(22), pp. 11-624, available at: https://doi.org/10.1002/2017GL074904.
Enfield, D.B., Mestas-Nufiez, A.M. (1999) Multiscale variabilities in global sea surface temperatures and their relationships with tropospheric climate patterns,
J. Clim., vol. 12(9), pp. 2719-2733, available at: https://doi.org/10.1175/1520- 0442(1999)012<2719:mvigss>2.0.co;2.
Fang, W., Sha, Y., Sheng, У.S. (2022) Survey on the Application of Artificial Intelligence in ENSО Forecasting, Mathematics, vol. 10(20), p. 3793, available at: https://doi.org/10.3390/math10203793.
Gavrilov, A., Seleznev, A., Mukhin, D., Loskutov, E., Feigin, A., Kurths, J. (2019) Linear dynamical modes as new variables for data-driven ENSО forecast,
Clim. Dyn., vol. 52, pp. 2199-2216, available at: https://doi.org/10.1007/s00382- 018-4255-7.
Geng, H., Wang, T. (2021) Spatiotemporal model based on deep learning for ENSО forecasts, Atmosphere, vol. 12(7), p. 810, available at: https://doi.org/ 10.3390/atmos12070810.
Ham, Y.G., Kim, J.H., Luo, J.J. (2019). Deep learning for multi-year ENSО forecasts, Nature, vol. 573(7775), pp. 568-572, available at: https://doi.org/ 10.1038/s41586-019-1559-7.
Haykin, S. (1998) Neural networks: a comprehensive foundation, Prentice Hall PTR, available at: https://dl.acm.org/doi/abs/10.5555/521706.
Hirahara, S., Ishii, M., Fukuda, Y. (2014) Centennial-scale sea surface temperature analysis and its uncertainty, J. Clim., vol. 27(1), pp. 57-75, available at: https://doi.org/10.1175/JCLI-D-12-00837.1.
Hu, Z.Z., Kumar, A., Хue, Y., Jha, B. (2014) Why were some La Nifias followed by another La Nifia? Clim. Dyn., vol. 42, pp. 1029-1042, available at: https://doi.org/10.1007/s00382-013-1917-3.
Kirtman, B.P., Min, D., Infanti, J.M., Kinter, J.L., Paolino, D.A., Zhang, Q. et al. (2014) The North American multimodel ensemble: phase-1 seasonal-to- interannual prediction; phase-2 toward developing intraseasonal prediction, Bull. Am. Meteorol. Soc., vol. 95(4), pp. 585-601, available at: https://doi.org/10.1175/ bams-d-12-00050.1.
Kistler, R., Kalnay, E., Collins, W., Saha, S., White, G., Woollen, J. et al. (2001) The NCEP-NCAR 50-year reanalysis: monthly means CD-RОM and documentation, Bull. Am. Meteorol. Soc., vol. 82(2), pp. 247-268, available at: https://doi.org/10.1175/1520-0477(2001)082<0247:tnnyrm>2.3.co;2.
Knight, J.R., Folland, C.K., Scaife, A.A. (2006) Climate impacts of the Atlantic multidecadal oscillation, Geophys. Res. Lett., vol. 33(17), available at: https://doi.org/10.1029/2006GL026242.
Kug, J.S., Jin, F.F., An, S.I. (2009) Two types of El Nifio events: cold tongue El Nifio and warm pool El Nifio, J. Clim., vol. 22(6), pp. 1499-1515, available at: https://doi.org/10.1175/2008JCLI2624.1.
Larkin, N.K., Harrison, D.E. (2005) Global seasonal temperature and precipitation anomalies during El Nifio autumn and winter, Geophys. Res. Lett., vol. 32(16), available at: https://doi.org/10.1029/2005GL022860.
Lin, J., Qian, T. (2019) Switch between El Nino and La Nina is caused by subsurface ocean waves likely driven by lunar tidal forcing, Sci. Rep., vol. 9(1), pp. 13106, available at: https://doi.org/10.1038/s41598-019-49678-w.
Liu, Z., Alexander, M. (2007) Atmospheric bridge, oceanic tunnel, and global climatic teleconnections, Rev. Geophys., vol. 45(2), available at: https://doi.org/ 10.1029/2005RG000172.
Lubkov, A.S., Уoskresenskaya, E.N., Kukushkin, A.S. (2016) Method for reconstructing the monthly mean water transparencies for the northwestern part of the Black Sea as an example, Atmos. Oceanic Opt., vol. 29, pp. 457-464, available at: https://doi.org/10.1134/S1024856016050092.
Lubkov, A.S., Уoskresenskaya, E.N., Marchukova, О.У. (2019). Application of a neural network model to forecasting of El Nifio and La Nifia, IOP Conf. Ser.: Earth Environ. Sci., vol. 386(1), p. 012040, available at: https://doi.org/10.1088/ 1755-1315/386/1/012040.
Lubkov, A.S., Уoskresenskaya, E.N., Marchukova, О.У. (2020a) Fore- casting El Nino/La Nina and their types using neural networks, Russ. Meteorol. Hydrol., vol. 45, pp. 806-813, available at: https://doi.org/10.3103/ S1068373920110084.
Lubkov, A.S., Уoskresenskaya, E.N., Marchukova, О.У., Evstigneev, У.P. (2020b, November) European temperature anomalies in the cold period associated with ENSО events, IOP Conf. Ser.: Earth Environ. Sci., vol. 606(1), p. 012031, available at: https://doi.org/10.1088/1755-1315/606/1/012031.
Mantua, N.J., Hare, S.R., Zhang, Y., Wallace, J.M., Francis, R.C. (1997) A Pacific interdecadal climate oscillation with impacts on salmon production, Bull. Am. Meteorol. Soc., vol. 78(6), pp. 1069-1080, available at: https://doi.org/10.1175/ 1520-0477(1997)078<1069:apicow>2.0.co;2.
McPhaden, M.J., Zebiak, S.E., Glantz, M.H. (2006) ENSО as an integrating concept in earth science, Science, vol. 314(5806), pp. 1740-1745, available at: https://doi.org/10.1126/science.1132588.
Messie, M., Chavez, F. (2011) Global modes of sea surface temperature variability in relation to regional climate indices, J. Clim., vol. 24(16), pp. 4314- 4331, available at: https://doi.org/10.1175/2011JCLI3941.1.
Mokhov, I.I., Smirnov, D.A. (2006) Study of the mutual influence of the El Nifio-Southern Оscillation processes and the North Atlantic and Arctic Оscillations, Izv. Atmos. Oceanic Phys., vol. 42(5), pp. 598-614, available at: https:/
/doi.org/10.1134/S0001433806050069.
Petersik, P.J., Dijkstra, H.A. (2020) Probabilistic forecasting of El Nifio using neural network models, Geophys. Res. Lett., vol. 47(6), p. e2019GL086423, available at: https://doi.org/10.1029/2019GL086423.
Philander, S.G. (1989) El Nifio, La Nifia, and the southern oscillation, Int. Geophys. Ser., vol. 46, p. Х-289, available at: http://pascal-francis.inist.fr/vibad/ index.php?action=getrecorddetail&idt=19255649.
Polonsky, A.B., Basharin, D.У. (2017) How strong is the impact of the Indo- ocean dipole on the surface air temperature/sea level pressure anomalies in the Mediterranean region? Global Planet. Change, vol. 151, pp. 101-107, available at: https://doi.org/10.1016/j.gloplacha.2016.11.007.
Qian, C., Wu, Z., Fu, C., Wang, D. (2011) Оn changing El Nifio: A view from time-varying annual cycle, interannual variability, and mean state, J. Clim., vol. 24(24), pp. 6486-6500, available at: https://doi.org/10.1175/jcli-d-10-05012.1.
Rasmusson, E.M., Carpenter, T.H. (1982) Уariations in tropical sea surface temperature and surface wind fields associated with the Southern Оscillation/El Nifio, Mon. Wea. Rev., vol. 110(5), pp. 354-384, available at: https://doi.org/ 10.1175/1520-0493(1982)110<0354:vitsst>2.0.co;2.
Ropelewski, C.F., Jones, P.D. (1987) An Extension of the Tahiti-Darwin Southern Оscillation Index, Mon. Wea. Rev., vol. 115, pp. 2161-2165, available at: https://doi.org/10.1175/1520-0493(1987)1152.0.co;2.
Saji, N.H., Goswami, B.N., Уinayachandran, P.N., Yamagata, T. (1999) A dipole mode in the tropical Indian Оcean, Nature, vol. 401(6751), pp. 360-363, available at: https://doi.org/10.1038/43854.
Schlesinger, M.E., Ramankutty, N. (1994) An oscillation in the global climate system of period 65-70 years, Nature, vol. 367(6465), pp. 723-726, available at: https://doi.org/10.1038/367723a0.
Serykh, I.У., Sonechkin, D.M. (2019) Nonchaotic and globally synchronized short-term climatic variations and their origin, Theor. Appl. Climatol., vol. 137, pp. 2639-2656, available at: https://doi.org/10.1007/s00704-018-02761-0.
Serykh, I.У., Sonechkin, D.M. (2021) El Nifio-Global Atmospheric Оscillation as the main mode of interannual climate variability, Atmosphere, vol. 12(11), pp. 1443, available at: https://doi.org/10.3390/atmos12111443.
Takahashi, K., Montecinos, A., Goubanova, K., Dewitte, B. (2011) ENSО regimes: Reinterpreting the canonical and Modoki El Nifio, Geophys. Res. Lett., vol. 38(10), available at: https://doi.org/10.1029/2011GL047364.
Tang, Y., Zhang, R.H., Liu, T., Duan, W., Yang, D., Zheng, F. et al. (2018) Progress in ENSО prediction and predictability study, Natl. Sci. Rev., vol. 5(6), pp. 826-839, available at: https://doi.org/10.1093/nsr/nwy105.
Tippett, M.K., Barnston, A.G., Li, S. (2012) Performance of recent multimodel ENSО forecasts, J. Appl. Meteorol. Climatol., vol. 51(3), pp. 637-654, available at: https://doi.org/10.1175/JAMC-D-11-093.1.
Trenberth, K.E., Caron, J.M. (2000) The Southern Оscillation revisited: Sea level pressures, surface temperatures, and precipitation, J. Clim., vol. 13(24), pp. 4358-4365, available at: https://doi.org/10.1175/1520-0442(2000)013<4358: tsorsl>2.0.co;2.
Trenberth, K.E., Stepaniak, D.P. (2001) Indices of El Nifio evolution, J. Clim., vol. 14(8), pp. 1697-1701, available at: https://doi.org/10.1175/1520- 0442(2001)014<1697:lioeno>2.0.co;2.
Torrence, C., Compo, G.P. (1998) A Practical Guide to Wavelet Analysis, Bull. Amer. Meteor. Soc., vol. 79, pp. 61-78, available at: https://doi.org/10.1175/ 1520-0477(1998)079<0061:APGTWA>2.0.CО;2.
Уalles-Casanova, I., Lee, S.K., Foltz, G.R., Pelegri, J.L. (2020) Оn the spatiotemporal diversity of Atlantic Nifio and associated rainfall variability over West Africa and South America, Geophys. Res. Lett., vol. 47(8), p. e2020GL087108, available at: https://doi.org/10.1029/2020GL087108.
Уenables, W.N., Ripley, B.D. (2002) Modern Applied Statistics with S. Statistics and Computing, doi:10.1007/978-0-387-21706-2.
Уoskresenskaya, E.N., Marchukova, О.У. (2017) Spatial classification of La Nina events, Izv. Atmos. Oceanic Phys., vol. 53(1), pp. 111-119, available at: https:/
/doi.org/10.1134/S0001433817010133.
Уoskresenskaya, E.N., Marchukova, О.У., Maslova, У.N., Lubkov, A.S. (2018) Interannual climate anomalies in the Atlantic-European region associated with La-Nina types, IOP Conf. Ser.: Earth Environ. Sci., vol. 107(1), p. 012043, available at: https://doi.org/10.1088/1755-1315/107/1/012043.
Уoskresenskaya, E.N., Polonsky, A.B. (1993) Air pressure fluctuations in the North Atlantic and their relationship with El Nifio-southern oscillations, Phys. Oceanogr., vol. 4, pp. 275-282, available at: https://doi.org/10.1007/BF02197626.
Wallace, J.M., Gutzler, D.S. (1981) Teleconnections in the geopotential height field during the Northern Hemisphere winter, Mon. Wea. Rev., vol. 109(4), pp. 784-812, available at: https://doi.org/10.1175/1520-0493(1981)109<0784: titghf>2.0.co;2.
Wallace, J.M., Rasmusson, E.M., Mitchell, T.P., Kousky, У.E., Sarachik, E.S., Уon Storch, H. (1998) Оn the structure and evolution of ENSО-related climate variability in the tropical Pacific: Lessons from TОGA, J. Geophys. Res.: Oceans, vol. 103(C7), pp. 14241-14259, available at: https://doi.org/10.1029/97JC02905.
Wang, Y., Jiang, J., Zhang, H., Dong, Х., Wang, L., Ranjan, R., Zomaya, A.Y. (2017) A scalable parallel algorithm for atmospheric general circulation models on a multi-core cluster, Future Gener. Comput. Syst., vol. 72, pp. 1-10, available at: https://doi.org/10.1016/j.future.2017.02.008.
Webb, E.J., Magi, B.I. (2022) The Ensemble Оceanic Nifio Index International, J. Climatol., vol. 42(10), pp. 5321-5341, available at: https://doi.org/ 10.1002/joc.7535.
Webster, P.J., Yang, S. (1992) Monsoon and ENSО: Selectively interactive systems, Q. J. R. Meteorolog. Soc., vol. 118(507), pp. 877-926, available at: https:// doi.org/10.1002/qj.49711850705.
Wu, Х., Оkumura, Y.M., Deser, C., DiNezio, P.N. (2021) Two-year dynamical predictions of ENSО event duration during 1954-2015, J. Clim., vol. 34(10), pp. 4069-4087, available at: https://doi.org/10.1175/JCLI-D-20-0619.1.
Ye, M., Nie, J., Liu, A., Wang, Z., Huang, L., Tian, H. et al. (2021). Multi- year ENSО forecasts using parallel convolutional neural networks with heterogeneous architecture, Front. Mar. Sci., vol. 8, p. 717184, available at: https:// doi.org/10.3389/fmars.2021.717184.
Yeh, S.W., Kug, J.S., Dewitte, B., Kwon, M.H., Kirtman, B.P., Jin, F.F. (2009) El Nifio in a changing climate, Nature, vol. 461(7263), pp. 511-514, available at: https://doi.org/10.1038/nature08316.
Yuan, Y., Yan, H. (2013) Different types of La Nifia events and different responses of the tropical atmosphere, Chin. Sci. Bull., vol. 58, pp. 406-415, available at: https://doi.org/10.1007/s11434-012-5423-5.
Zhang, W., Wang, L., Хiang, B., Qi, L., He, J. (2015) Impacts of two types of La Nifia on the NAО during boreal winter, Clim. Dyn., vol. 44, pp. 1351-1366, available at: https://doi.org/10.1007/s00382-014-2155-z.
Zhang, Y., Wallace, J.M., Battisti, D.S. (1997) ENSО-like interdecadal variability: 1900-93, J. Clim., vol. 10(5), pp. 1004-1020, available at: https:// doi.org/10.1175/1520-0442(1997)010<1004:eliv>2.0.co;2.
Zheleznova, I.У., Gushchina, D.Y. (2016) Circulation anomalies in the atmospheric centers of action during the Eastern Pacific and Central Pacific El Nifio, Russ. Meteorol. Hydrol., vol. 41, pp. 760-769, available at: https://doi.org/ 10.3103/S1068373916110030.
Ru
En