Aprendizaje profundo para las previsiones plurianuales de ENSO

Área de la Ciencia:

• Ciencias del clima
• Inteligencia artificial
• La oceanografía

Sus antecedentes:

• Las variaciones de El Niño / Oscilación Sur (ENSO) causan importantes extremos climáticos globales e impactos en los ecosistemas.
• Las previsiones precisas a largo plazo de ENSO son cruciales para una gestión eficaz de las políticas y los recursos.
• Los modelos de pronóstico actuales tienen dificultades con plazos de entrega superiores a un año.

Objetivo del estudio:

• Desarrollar un modelo de pronóstico ENSO altamente hábil con plazos de entrega prolongados.
• Aprovechar el aprendizaje profundo para mejorar la precisión de la predicción y el análisis del mecanismo.
• Para superar las limitaciones de los sistemas de pronóstico dinámicos existentes.

Principales métodos:

• Utilizó una red neuronal convolucional (CNN) con aprendizaje de transferencia para el entrenamiento de modelos.
• Entrenó a la CNN en simulaciones climáticas históricas y datos de nuevo análisis (1871-1973).
• Validación del rendimiento del modelo utilizando el índice Nino3.4 y los datos de temperatura de la superficie del mar (1984-2017).

Principales resultados:

• El modelo CNN logró pronósticos hábiles de ENSO con hasta 1,5 años de anticipación.
• Demostró una habilidad de correlación significativamente mayor para el índice Nino3.4 en comparación con los modelos dinámicos de última generación.
• Previó con precisión la distribución zonal de las temperaturas de la superficie del mar, una característica clave de ENSO.
• El análisis del mapa de calor confirmó el uso de precursores físicamente plausibles para la predicción de ENSO.

Conclusiones:

• El aprendizaje profundo, específicamente las CNN, ofrece un nuevo y poderoso enfoque para las previsiones de ENSO.
• El modelo de CNN desarrollado supera a los sistemas existentes en precisión de predicción y tiempo de entrega.
• Este modelo proporciona una herramienta valiosa para comprender los mecanismos de ENSO y mejorar las predicciones climáticas.