En analys av satellitdata har avslöjat globala mönster av extrem nederbörd, vilket skulle kunna leda till bättre prognoser och mer exakta klimatmodeller.

Extrema nederbörd – definierat som de fem procenten av regniga dagar – bildar ofta ett mönster på lokal nivå, till exempel spårning över hela Europa. Men ny forskning, publiceras idag i Natur , avslöjar att det också finns större globala mönster för extrema nederbördshändelser.

Dessa mönster ansluter genom atmosfären snarare än över land – till exempel, extrema regn i Europa kan föregå extrema regn i Indien med cirka fem dagar, utan extremt regn i länderna däremellan.

Forskningen, ledd av ett team vid Imperial College London och Potsdam Institute for Climate Impact Research i Tyskland, skulle kunna hjälpa till att bättre förutsäga när och var extrema regnhändelser kommer att inträffa runt om i världen. Insikterna kan användas för att testa och förbättra globala klimatmodeller, leder till bättre förutsägelser.

Studien ger dessutom en "baslinje" för studier av klimatförändringar. Genom att veta hur atmosfären beter sig för att skapa mönster av extrema regnhändelser, forskare kommer att kunna få nya insikter om förändringar som kan orsakas av den globala uppvärmningen.

Huvudförfattare Dr Niklas Boers, från Potsdam Institute for Climate Impact Research och Grantham Institute—Climate Change and Environment at Imperial, sa:"Att avslöja detta globala mönster av samband i data kan förbättra väder- och klimatmodeller.

Detta gäller särskilt för den framväxande bilden av kopplingar mellan tropikerna och de europeiska och nordamerikanska regionerna och deras konsekvenser för extrema regn.

"Det här fyndet kan också hjälpa oss att förstå sambanden mellan olika monsunsystem och extrema händelser inom dem. Jag hoppas att våra resultat kommer, i längden, hjälpa till att förutsäga extrema regn och tillhörande översvämningar och jordskred i nordöstra Pakistan, norra Indien och Nepal. Det har förekommit flera sådana faror de senaste åren, med förödande konsekvenser i dessa regioner, såsom översvämningen i Pakistan 2010."

För att hitta mönster i extrema regnhändelser, teamet utvecklade en ny metod med rötter i komplex systemteori för att studera högupplösta satellitdata om nederbörd. Uppgifterna kommer från Tropical Rainfall Measuring Mission och täcker regionen mellan 50? Nord och Syd sedan 1998.

Genom att bryta jordklotet i ett rutnät, teamet kunde se var händelser inträffade och avgöra hur "synkrona" de var – ett statistiskt mått som bedömer samband även om händelserna inte inträffade exakt samtidigt.

Resultaten från denna "komplexa nätverksmodell", analyseras med hjälp av vår förståelse av atmosfärens rörelse, avslöjade en möjlig mekanism för hur händelserna hängde ihop. Mönstren verkar skapas av Rossby-vågor - vickar i snabbt strömmande luftströmmar högt uppe i atmosfären, känd som jetströmmar.

Rossby-vågor har kopplats till regelbunden nederbörd, men den här studien är den första som kopplar dem till extrema regnmönster. Medförfattare professor Brian Hoskins, Ordförande för Grantham Institute vid Imperial, sa:"Den nya tekniken som tillämpas på satellitdata visar mycket överraskande samband mellan extrema nederbördshändelser i olika regioner runt om i världen.

"Till exempel, extrema händelser i den sydasiatiska sommarmonsunen är, i genomsnitt, kopplat till händelser i Östasien, afrikanska, europeiska och nordamerikanska regioner. Även om regn i Europa inte orsakar regnet i Pakistan och Indien, de tillhör samma atmosfäriska vågmönster, med de europeiska regnen som utlöstes först.

"Detta borde ge ett starkt test för väder- och klimatmodeller och ger löften om bättre förutsägelser."

Medförfattare Jürgen Kurths, från Potsdam Institute for Climate Impact Research, sa:"Denna verkligt tvärvetenskapliga studie, som kombinerar komplex nätverksvetenskap med atmosfärisk vetenskap, är ett enastående exempel på den stora potentialen hos det ganska unga området komplexitetsstudier. Förutom att ge insikt i spridningen av epidemier eller informationsflöde över nätverk, det kan också användas för att förbättra vår förståelse för extrema händelser i klimatsystemet."