Research press release





今回、Yoo-Geun Hamたちの研究グループは、エルニーニョ現象の予報ができる深層学習の手法を発表した。この研究グループが開発した統計的予報モデルは、過去(1871~1973年)の気候データとエルニーニョ現象のシミュレーションを使ってトレーニングが行われ、1984~2017年のデータを使って検証が行われた。この深層学習アルゴリズムを使うと、現在の気候予報よりも精度が高く、これまでよりも長い最長1年半のリードタイムでエルニーニョ現象の予報ができるようになった。また、この予報モデルを用いて、エルニーニョ現象の発生場所(東部太平洋か中部太平洋か)の予報をでき、エルニーニョ現象に先行する海面水温の変化も特定できた。


A deep learning method that can predict El Nino events up to one and a half years before they happen is described in Nature. The approach overcomes a long-standing challenge in the field of El Nino forecasting.

El Nino events originate in the eastern and central Pacific and can cause climate extremes and substantial damage to local ecosystems. Predicting these events has been difficult because conventional forecasting methods cannot provide an accurate prediction for lead times longer than one year.

Yoo-Geun Ham and colleagues present a deep learning approach that is able to predict El Nino events. The model was trained using historical climate data from 1871 to 1973 and simulations of El Nino events, and tested with data from 1984 to 2017. The deep learning algorithm was able to predict El Nino events with greater accuracy than current climate forecasts and with a longer lead time of up to one and a half years. The authors were also able to use their forecasting model to predict whether the event originated in the central or eastern Pacific, and identified sea surface temperature changes that precede an El Nino event.

The authors propose that the forecasts provided by this approach could also be used for future climate projections and to help inform policy responses to the impacts of El Nino.

doi: 10.1038/s41586-019-1559-7

「Nature 関連誌注目のハイライト」は、ネイチャー広報部門が報道関係者向けに作成したリリースを翻訳したものです。より正確かつ詳細な情報が必要な場合には、必ず原著論文をご覧ください。

メールマガジンリストの「Nature 関連誌今週のハイライト」にチェックをいれていただきますと、毎週最新のNature 関連誌のハイライトを皆様にお届けいたします。