Klimatologer och statistiker vid Ca 'Foscari University of Venice har utarbetat en metod för att exakt uppskatta systematiska fel som påverkar dekadala klimatprognoser. Den föreslagna metoden lovar stora framsteg mot att nå tillförlitliga klimatprognoser på kort sikt. Resultatet publicerades i går på den prestigefyllda tidskriften Vetenskapliga rapporter av Natur förlagsgrupp.

Dekadal klimatprognos utforskar klimatutvecklingen med en prognoshorisont på ungefär ett decennium, och representerar en av de mest intressanta gränserna för klimatforskning på grund av dess potentiellt stora ekonomiska, politiska och sociala konsekvenser.

De numeriska modeller som för närvarande används i dekadala klimatprognossystem påverkas av allvarliga systematiska fel (eller fördomar) i viktiga områden i havet och atmosfären, på grund av deras ofullkomliga representation av grundläggande fysiska processer. På grund av dessa fördomar, det simulerade medelvärdet för klimatet kan skilja sig väsentligt från det observerade över stora regioner.

Som i fallet med väderprognoser, dessa modeller initieras - de assimilerar observerade data så att den simulerade klimatutvecklingen är så nära den observerade som möjligt. För att förutsäga den framtida utvecklingen, modellen är "fri". I den första fasen tvingas alltså modellen att följa observationerna; sedan, från det ögonblick det är "frigjort" avgår det gradvis från det observerade medelklimatet och slappnar av mot sitt eget, specifikt medelklimat. Som om dessa vore två separata parallella världar:observerade och simulerade verkligheter. När modellen utvecklas fritt utan observationsbegränsningar, modellen driver, med en progressiv "övergång" från den första till den andra (partisk) verkligheten.

Frågan är komplex, och driftens utveckling uppskattas därför oftast bara med hjälp av enkla empiriska metoder, och kvantifiering av dess osäkerhet försummad:Med andra ord, driften brukar betraktas som ett rent fel som ska korrigeras.

Denna forskning, i kontrast, fokuserar på driften, som för första gången betraktas som en statistisk process med sin egen tidsdynamik. Den statistiska modellen gjorde det möjligt att separera de olika komponenterna som överensstämmer med att bestämma drift och förspänning, inklusive långsiktiga feldrender och säsongsmässigheter. Ytterligare, det gjorde det möjligt att etablera orsakssamband mellan drift och andra klimatprocesser.

Artikeln som publicerades igår är medförfattare av Davide Zanchettin, Carlo Gaetan, Angelo Rubino och Maeregu Arisido från DAIS tillsammans med forskare från Max Planck Institute i Hamburg, Bjerknes Center for Climate Research och Geophysical Institute of Bergen University, som en del av det stora europeiska projektet FÖRORD (förord.b.uib.no/).

Den föreslagna metoden - baserad på en linjär dynamisk modell - är resultatet av synergier mellan forskargrupper om statistik, numerisk modellering och klimatdynamik koordinerad av professorerna Gaetan och Rubino (arbetspaketledare i projektet FÖRORD).

"Vår representerar en innovativ applikation, inom klimatforskning, av en statistisk metod som är väl etablerad på andra områden, som ekonomi. Vårt resultat kan förhoppningsvis främja samarbetet mellan europeiska forskare inom statistik och klimatologi, efter en trend som förväntas av kollegor i USA ", förklarar Davide Zanchettin.

"Vi siktade på att föra mer sofistikerade statistiska metoder till klimatforskning. Vi uppnådde detta mål tack vare DAIS engagemang för att bygga en" bro mellan två världar " - dynamisk klimatologi och statistik - som ofta använder olika språk", säger Angelo Rubino.

"FÖRORD innebar ett utmärkt tillfälle att visa hur komplex statistisk teori inte bara är en teoretisk övning, men ett potentiellt stöd på andra områden ”avslutar Carlo Gaetan.