Experts van de Universiteit van Leicester (VK), SISSA (Italië) en de Vrije Universiteit Amsterdam (klimaatwetenschapper Vera Melinda Galfi) gebruikten statistische mechanica en machinaal leren technieken om atmosferische gegevens zoals druk- en temperatuursvelden te onderzoeken en patronen te identificeren die wijzen op specifieke modi die weersvariaties weerspiegelen. Hun conclusies zijn gepubliceerd in het tijdschrift NPJ Climate and Atmospheric Science en kunnen wetenschappers helpen beter te begrijpen hoe weersvoorspellingen verbeterd kunnen worden en hoe de impact van klimaatverandering voorspeld kan worden.
Een bijzondere uitdaging bij het maken van weersvoorspellingen is dat het anticiperen op atmosferische processen moeilijker wordt naarmate de tijdschaal toeneemt. Voorspellingen die verder dan een week reiken, worden zeer uitdagend, deels omdat grootschalige atmosferische kenmerken geassocieerd met langzame variaties in de atmosfeer prominenter worden.
Blokkades
De meest relevante kenmerken staan bekend als blokkades, dit zijn aanhoudende anomalieën die zich uitstrekken over duizenden kilometers en enkele weken kunnen duren. Blokkades worden geassocieerd met aanhoudende hogedruksystemen, die de typische west-naar-oost stroom van de middenbreedtejet verstoren, de ongeveer zonale wind die waait in de bovenste troposfeer van de middenbreedtes. Blokkadegebeurtenissen kunnen enkele dagen tot enkele weken duren en worden vaak geassocieerd met weersverschijnselen zoals hittegolven, koudegolven, uitgebreide droogtes die leiden tot bosbranden, en overstromingen. Er wordt ook vaak voorgesteld dat klimaatverandering zich ook zal manifesteren als een verandering in de aard en frequentie van het optreden van dergelijke weerpatronen.
Om een nieuwe aanpak voor dit probleem te vinden, pasten de wetenschappers algoritmen toe die ontwikkeld zijn voor het bestuderen van moleculaire dynamica, gebruikt in de gecondenseerde materie fysica, op atmosferische dynamica. Zo waren zij in staat rigoureuze fundamenten te bieden voor het begrijpen van atmosferische dynamica als de afwisseling van weerpatronen. In het bijzonder biedt het een duidelijker beeld van die patronen die overeenkomen met geblokkeerde stromen en zonale stroom. Met deze techniek konden zij niet alleen identificeren wanneer de atmosfeer een 'blokkade' of een 'stroom' ervoer, maar ook uitleggen hoe de overgang tussen dergelijke omstandigheden plaatsvindt.
Ook maakt de gebruikte methode het beter begrijpen van de wisselwerking van planetaire schaalpatronen zoals het Pacific-North American teleconnectiepatroon (PNA) en de North Atlantic Oscillation (NAO) mogelijk. Professor Valerio Lucarini van de School of Computing and Mathematical Sciences van de Universiteit van Leicester, zei: “Het is spannend dat we in staat zijn geweest om veel bestudeerde en extreem relevante kenmerken van de atmosfeer te identificeren als een soort 'quasi-deeltjes', met behulp van algoritmen die oorspronkelijk ontwikkeld zijn voor het bestuderen van problemen in de moleculaire dynamica. Dit is een belangrijke stap voor het bevorderen van ons begrip van de fundamentele wiskundige en fysische eigenschappen van het klimaatsysteem en ons vermogen om weers- en klimaatriscio’s te anticiperen.”