Mer frekventa extrema klimathändelser har blivit en stor global utmaning. För att mildra de mänskliga och ekonomiska kostnaderna för dessa händelser skapar klimatologer konsekvent framtida klimatförutsägelser. Dessa prognoser hjälper beslutsfattare att utveckla handlingsbar klimatpolitik för att undvika de farligaste effekterna av klimatförändringen. På grund av den höga datamängden som krävs för korrekta prognoser, förlitar sig forskare på superdatordrivna klimatmodeller för att göra förutsägelser och för att projicera förändringar i klimatsystemet. En ofullständig fysisk förståelse av jordens dynamiska klimatprocesser förblir dock en stor begränsning vad gäller användbarheten av klimatmodeller.

Chibuike Ibebuchi från Institute of Physical Geography, University of Würzburg, genomförde en nyligen genomförd studie, publicerad i Advances in Atmospheric Sciences, som tillämpade en synoptisk klimatologisk statistisk modelleringsmetod som kallas "cirkulationstypning med fuzzy rotated principal component analysis."

Den här nya tekniken är utformad för att förbättra den fysiska förståelsen av de mekanismer genom vilka teleförbindelser, såsom den subtropiska indiska oceanens dipol, påverkar säsongsbetonade nederbördsvariationer i södra Afrika, en region som är känslig för extrema klimat. Cirkulationstypning tar hänsyn till både utrymme och tid för regnavvikelser.

Ibebuchi tror att klimatmodellering och projektionsförbättringar kan gå framåt med fler forskningsstudier som syftar till att få en bättre fysisk förståelse av klimatprocesser på synoptisk och global skala. Vidare bör forskningen analysera hur de synoptiska och storskaliga klimatprocesserna samverkar med regionala klimat. Forskare kan uppnå detta genom att förbättra tekniker för att effektivt bryta ned klimatdatauppsättningar genom rum och tid för att reda ut den distinkta (kontinuerliga) variationen som är förknippad med klimatsystemet.

Mer specifikt, för dessa efterföljande studier, syftar Ibebuchi mot att utveckla och optimera befintliga statistiska metoder för att sönderdela, eller bryta ner datamängder för att reda ut fysiskt meningsfulla klimatprognossignaler. Detta inkluderar att diagnostisera felaktiga framställningar i klimatmodelleringsprocesser. + Utforska vidare

Observations- och modelleringsdata hjälper till att bättre förstå den tredje polen