Article
気候科学：気候モード相互作用から説明可能なエルニーニョの予測可能性
Nature 630, 8018 doi: 10.1038/s41586-024-07534-6
エルニーニョ/南方振動（ENSO）は、全球の季節気候予測スキルの大部分を占めるが、スキルの高い予測のソースを定量化することは積年の課題となっている。予測可能性に対する異なったソースがENSO変動に影響を及ぼしており、際立った全球的な効果をもたらしている。人工知能による予測は有望な進歩をもたらしているが、そのスキルを特定の物理過程と結び付けることはまだ可能ではなく、その進歩の確証となるダイナミクスを理解することが制限されている。今回我々は、拡張非線形再充填振動子（XRO）モデルが、最大16〜18カ月のリードタイムを持って、全球気候モデルより高いスキルで、最もスキルの高い人工知能予測と同等のENSO予測を行えることを示す。XROは、核心となるENSOダイナミクスと、全球海洋の他の変動モードとの季節変調を受けたENSOの相互作用を極めて限定的に取り込んでいる。ENSOの長期予測スキルのこの本質的な強化は、他の気候モードの記録とENSOとの相互作用を通して初期条件に起因しており、これらのモードのENSO振幅に対する寄与によって定量化できる。気候モデルの出力で訓練されたXROを用いた再予測によって、モデル化されたENSOのダイナミクスと気候モードの相互作用の両方での偏差の減少が、よりスキルの高いENSO予測をもたらし得ることを示している。XROの枠組みをENSOの全球の複数時間スケールでの相互作用に全体として扱うことで、ENSOのシミュレーションと予測を改善するための有望な標的が明らかになった。
