I vår, IRI implementerade en ny metod för våra säsongsbetonade temperatur- och nederbördsprognoser runt om i världen. Vi frågade Simon Mason, Andrew Robertson och Tony Barnston, tre av våra ledande klimatforskare som leder utvecklingen och skräddarsy av IRI:s prognoser, att svara på några grundläggande frågor om den nya prognosen.

Varför kommer det en ny prognos?

Simon Mason:När IRI började göra prognoser på 1990 -talet använde den klimatmodeller som endast representerade atmosfären. Mer sofistikerade modeller som inkluderade haven fanns tillgängliga, men dessa modeller kunde inte enkelt generera mer än en kort historik av prognoser (kallade "hindcasts" - se sidofältet) på grund av dålig datatillgänglighet för haven. Vi behövde data från dessa hindcasts för att täcka en längre tid för att utveckla en exakt bedömning av hur bra dessa modeller fungerar och vilka korrigeringar som kan behövas för att skapa en tillförlitlig prognos. Två decennier senare, dessa "kopplade modeller" - de som inkluderar hav och atmosfär - kan nu generera en tillräcklig historia av hindcasts. Modellerna har också genomgått förbättringar, och används nu rutinmässigt i drift av de flesta globala prognoscentra, inklusive NOAA:s projekt i Nordamerika Multi-Model Ensemble (NMME).

Andrew Robertson:Fram till för några år sedan, data från en ensemble av kopplade prognosmodeller var inte lätt och fritt tillgängliga i realtid, både på grund av datapolicybegränsningar vid de olika globala prognoscentra, liksom bristen på samordnad datainfrastruktur för att dela data. För första gången, NOAA:s NMME-projekt har gjort realtid och hindcasts från upp till nio kopplade modeller från amerikanska institutioner (NCEP, NASA, GFDL, NCAR, COLA/University of Miami) och Miljö- och klimatförändringar Kanada fritt tillgängliga via IRI -databiblioteket. Detta gör det enkelt för oss att nu basera vår prognos på resultatet från dessa NMME -modeller. Och, på grund av minskad finansiering, IRI kunde inte längre köra de äldre atmosfäriska globala klimatmodellerna internt som tidigare.

SM:Medan IRI inte längre har finansiering för att driva klimatmodeller internt, vi kan skapa ett helautomatiserat prognossystem som drar nytta av de kopplade modellprognoserna från NMME -projektet, liksom de två decennier av erfarenhet IRI har med att generera prognoser från sådana system.

Har metoden för att skapa prognosen ändrats, och skulle det påverka hur prognosen kan eller bör användas?

SM:Det finns två kategorier av förändringar i metodiken för de nya prognoserna - vi använder nya klimatmodeller, och vi använder nya metoder för att förvandla dessa modellutgångar till pålitliga prognoser.

De nya klimatmodellerna representerar klimatsystemen bättre än de gamla, men de grundläggande principerna för hur dessa modeller fungerar är oförändrade - eller, om du föredrar, den fysiska grunden för att göra säsongsprognoser är densamma. Den nya prognosmetoden är utformad för att korrigera klimatmodellerna baserat på deras förmåga att exakt förutsäga tidigare år. Vi producerar också information med mer rumsliga detaljer än tidigare.

I princip bör det inte finnas någon anledning att ändra hur eller när de nya prognoserna används, för både i den nya metoden och i den gamla, prognoserna gjordes för att tas till nominellt värde - dvs. sannolikheterna ska ge en tillförlitlig indikation på hur säsongen kommer att se ut.

AR:För dem som vill ha mer information om vår nya metodik, vi har satt ihop en sida här.

Kan vi göra jämförelser med gamla prognoser? Till exempel att jämföra prognoser från måttliga El Niño -händelseår med årets prognos?

SM:För att vara tydlig, det har inte skett någon förändring i hur El Niño och La Niña (eller ENSO) prognosprodukter har förändrats, Det är bara våra regn- och temperaturprognoser som har ändrats. Men, när det gäller att jämföra regn- och temperaturprognoser - som jag nämnde i den tidigare frågan om huruvida prognosen fortfarande kan användas på samma sätt, prognoserna är avsedda att tas till nominellt värde. Så om i år prognosen indikerar en starkare sannolikhet än tidigare år, då återspeglar det ett större förtroende.

Men vad vi inte kan dra slutsatsen är att effekten sannolikt kommer att bli starkare. Till exempel, om det finns en 60% sannolikhet för ovan normala nederbörd under måttliga El Nino-förhållanden i vårt nya system, och endast 50% sannolikhet under liknande förhållanden med det gamla systemet, då är vi verkligen mer övertygade om att det kommer att hända mer än normalt regn; men det är ogiltigt att dra slutsatsen att vi tror att det kommer att komma mer nederbörd än tidigare år med måttliga El Nino -förhållanden.

Tony Barnston:Det är sant att våra ENSO -prognosmaterial inte har ändrats. Men ENSO -prognoserna (i själva verket prognoser för hela havsytemperaturfältet) som används för att göra klimatprognoserna nu har ändrats, och troligen till det bättre, eftersom de är baserade på de åtta eller så toppmoderna kopplade modellerna istället för på bara tre modeller, varav en var statistisk och en var en förenklad dynamisk modell som endast täckte det tropiska Stilla havet. Så, endast en av havsytans temperaturprognosmodeller var tidigare toppmodern, medan nu alla är det.

Varför ser prognosen annorlunda ut?

AR:De nya modellerna körs med en högre rumslig upplösning. De har ungefär 1 graders latitud-longitudupplösning (dvs. cirka 100 km), jämfört med cirka 2,8 grader för de gamla (dvs. cirka 300 km), så vi levererar prognoserna med 1-graders upplösning, jämfört med 2,5 grader tidigare.

Vad är konsekvenserna av den högre upplösningen för en användare?

AR:Den förbättrade upplösningen kan eller inte översättas till mer skicklighet på mindre skalor. Vi har märkt att prognoskartorna ibland ser mer bullriga ut i liten skala, och användaren bör vara medveten om det. Vi försöker förbättra vår kalibreringsmetod efter bearbetning för att minska bullret.

Påverkar detta andra IRI -produkter än standarden, tercilebaserade säsongsprognoser?

SM:Ja. Den nya prognosmetoden matar in några av våra regn- och temperaturprognosprodukter. Dessa inkluderar säsongsprognoser i IFRC Maproom och Flexible Forecast Maproom.

Är det mer exakt än den gamla prognosen?

AR:Svaret på denna fråga är inte så enkelt som det kan låta. Det finns många mått på prognosförmåga, och de gamla och nya systemen är olika vilket gör det svårt att jämföra direkt. Vi förväntar oss att det nya systemet blir minst lika bra eftersom det är baserat på en nyare generation av modeller och prognosinitialiseringsmetoder. Vi håller på att verifiera det nya systemet för att ge ett så fullständigt svar på denna fråga som möjligt.

TB:Med undantag för de ovan normala temperaturerna, den nya prognosproduktionen har fler områden som inte är klimatprognosen (dvs. mer färgade områden på kartorna; modellerna "har mer att säga") än den gamla prognosutgången, och denna större känslighet återspeglar förmodligen högre noggrannhet, men bekräftelse på detta kommer med vår verifiering som pågår. När det gäller sannolikheterna för ovan normala temperatur, vi undersöker om de nya prognoserna underskattar lutningen mot ovan normalt på grund av modellernas möjligen otillräckliga känslighet för CO2-ökningar.

När du utvecklade de nya prognoserna, spelade behov/input från användare en roll?

SM:Den viktigaste och svåraste frågan!

Det finns många anledningar till att IRI började göra säsongsprognoser i slutet av 1990 -talet. Dels var det ett svar på El Niño 1997/98, som förväntades få stora effekter runt om i världen. Även om det bara är 20 år sedan, det var väldigt få länder och centra som producerade säsongsberättigad information vid den tiden - vilket kanske visar hur långt vi har kommit de senaste två decennierna. Då hade klimatsamhället en mycket dålig medvetenhet om potentiella användare av säsongsprognoser, men vi kan åtminstone ge råd till många av de nationella meteorologiska tjänsterna, som kan ha sina egna kommunikationskanaler. Så, under slutet av 1990-talet och början av 2000-talet var vår huvudsakliga spridningskanal att försöka informera regeringar via dessa meteorologiska tjänster. Dessutom, när länder och regionala och globala klimatcentra började producera egna prognoser ville vi ge ett bra exempel som kan efterliknas och anpassas efter behov.

Dock, som IRI:s applikationsforskningsavdelning (som det kallades då) och det bredare klimatservicegemenskapen började utveckla erfarenhet av att identifiera och arbeta med användargrupper, våra prognoser har blivit av intresse för ett växande användarutbud. I vissa fall har vi arbetat direkt med sådana samhällen för att samutveckla skräddarsydd säsongsprognosinformation. Denna skräddarsydda information presenteras i specialdesignade kartrum, exempel på dem inkluderar Internationella Röda Kors- och Röda Halvmåneföreningarna (IFRC) och World Food Program (WFP).

När de nya prognoserna gjordes om, vi tog hänsyn till insatser från några av våra huvudpartners, t.ex. IFRC och WFP, och även från några av de många meteorologiska tjänster runt om i världen som konsulterar våra produkter. Självklart, alla har begärt högre säkerhetsnivåer i prognoserna (vilket innebär fler och djupare färger på kartorna), och att använda de senaste klimatmodellerna bör hjälpa till med det målet. Många användare har också begärt mer detaljerad rumslig information, som vi också har behandlat i den nya prognosen, även om för vissa applikationer - särskilt de som handlar om översvämningar - kan mindre rumslig information ge information av bättre kvalitet. I sådana fall, prognosanpassning krävs - utveckling av skräddarsydda produkter som de som finns i några av våra kartrum. Vi hoppas kunna arbeta med våra partners och andra potentiella användare för att utforska vad som fungerar bäst för dem.

Varje gång vi gör en prognos tänker vi inte på hur specifika användare kommer att svara på informationen. Faktiskt, det är viktigt att inte, för annars slutar vi med att säkra prognosen. Det är viktigt för prognosmannen att kommunicera vad han tror kommer att hända, snarare än att tänka på hur man påverkar användarnas svar. Håller en sådan fristående attityd, dock, är en helt annan fråga än hur man kommunicerar en prognos så att det underlättar användarnas beslut. Den interaktionen är viktig för att säkerställa att prognosen är klart förstådd och ger relevant information.

Denna berättelse publiceras på nytt med tillstånd av Earth Institute, Columbia University:blogs.ei.columbia.edu/.