När man modellerar El Niño-Southern Oscillation (ENSO) havsklimatcykeln, lägga till satellitvattensalthalt – eller salthalt – data förbättrar modellens noggrannhet avsevärt, enligt en ny NASA-studie.

ENSO är en oregelbunden cykel av varma och kalla klimathändelser som kallas El Niño och La Niña. Under normala år, starka östliga passadvindar blåser från Amerika mot Sydostasien, men i ett El Niño-år, dessa vindar minskar och ibland till och med vända. Varmt vatten som "höglades upp" i västra Stilla havet rinner tillbaka mot Amerika, förändrat atmosfärstryck och fuktighet för att producera torka i Asien och mer frekventa stormar och översvämningar i Amerika. Det omvända mönstret kallas en La Niña, där havet i östra Stilla havet är svalare än normalt.

Teamet använde NASA:s Global Modeling and Assimilation Office (GMAO) Sub-seasonal-To-Seasonal (S2S) kopplat hav/atmosfär-prognossystem (GEOS-S2S-2) för att modellera tre tidigare ENSO-händelser:Den starka 2015 El Niño, 2017 års La Niña och svaga 2018 El Niño.

Dra från NASA:s Soil Moisture Active Passive (SMAP) uppdrag, det tidigare NASA-CONAE (Argentinian Space Agency) Aquarius-uppdraget och European Space Agencys Soil Moisture Ocean Salinity-uppdrag (SMOS), de jämförde prognosmodellens noggrannhet för var och en av de tre händelserna med och utan att assimilera SSS-data i modellernas initialisering. Med andra ord:En modellkörnings initiala villkor inkluderade SSS-data, och det gjorde inte den andra.

Att lägga till assimilering av SSS-data till GEOS-modellen hjälpte den att skildra djupet och densiteten av havets översta lager mer exakt, vilket ledde till bättre representationer av storskalig cirkulation som svar på ENSO. Som ett resultat, modellernas förutsägelser för de tre fallstudierna återspeglade närmare faktiska observationer, jämfört med vad prognosmodeller förutspådde vid den tiden.

"I våra tre fallstudier, vi undersökte olika faser av ENSO, sa Eric Hackert, en forskare vid NASA:s Goddard Space Flight Center i Greenbelt, Maryland och studiens huvudförfattare. "För den stora El Niño 2015, Assimilering av salthaltsdata dämpade signalen – vår ursprungliga modell överskattade händelsens amplitud. För de andra två ENSO-evenemangen, prognoserna förutspådde ursprungligen fel tecken:Till exempel, under 2017, modellen utan salthaltsdata förutspådde en El Niño, medan det verkliga havet producerade en La Niña. Dock, för varje fall vi undersökte, att lägga till satellitsalthalt till initieringen förbättrade prognoserna."

Studien är en av de första som införlivar SSS-data i prognosinitiering för en global kopplad modell av interaktioner mellan havet, atmosfär, landa, aerosoler och havsis. GEOS och andra modeller som används för att förutsäga ENSO-händelser inkluderar vanligtvis inte SSS. Dock, havsytans salthalt spelar en viktig roll i havsströmmar, avdunstning och interaktion med atmosfären, och värmeöverföring från tropikerna till polerna. kallare, saltare vatten är tätare och tyngre än varmare, färskare vatten, och de storskaliga temperatur- och nederbördsförskjutningarna av ENSO-händelser förändrar havscirkulationen och interaktionerna mellan vattnet och atmosfären.

Båda faserna av ENSO-cykeln påverkar ekosystemen, ekonomier, Mänsklig hälsa, och risk för skogsbränder – vilket gör ENSO:s prognoser avgörande för många människor runt om i världen, sa Hackert.

"Till exempel, prognoser och observationer gav en stark indikation på att det skulle bli en stor El Niño 1997, som skulle leda till torka i nordöstra Brasilien, ", sade han. "Detta gjorde det möjligt för Brasiliens regering att utfärda ett uttalande till försörjningsbönder, uppmuntra dem att plantera torka-resistent majs istället för högavkastande sorter. I detta fall, bra ENSO-prognoser tillsammans med statliga åtgärder kan ha räddat många liv. Detta är bara ett exempel på många socioekonomiska fördelar för att utöka användbara El Niño-förutsägelser."

Att inkludera satellit-SSS-data gör också modeller användbara för längre perioder – exakta ENSO-prognoser utan salthaltsdata sträcker sig bara över 4 månader, medan de med SSS-data täcker 7 månader, sa Hackert.

"Istället för att ha en säsong av förtroende för din prognos, du har två säsonger, " sa Hackert. "Om din växtsäsong är sex månader senare, en längre kvalitetsprognos ger dig en förbättrad förståelse för om du behöver plantera högavkastande eller torkatåliga sorter. Ett annat exempel skulle vara att du har gott om tid att fixa ditt tak om du bor i södra Kalifornien (eftersom El Niño vanligtvis ger regniga förhållanden till södra USA)."

Att ha tillgång till en pågående registrering av satellit SSS-data är avgörande för att göra prognoser korrekta och tillförlitliga, sa Hackert.

"I nuvarande prognossystem, satellit- och havsobservationer kombineras optimalt med hjälp av modeller och dataassimileringstekniker för att hjälpa till att definiera havets tillstånd, " sade han. "Denna studie visar att lägga till satellit-SSS till sviten av aktuella observationer hjälper till att karakterisera havsnära tillstånd, leder till förbättrade säsongsprognoser. Vi rekommenderar att andra prognosmodellsystem runt om i världen använder SSS i sina system."