算法可提前九个月预测北极海冰

一种更简单的长期预测方法

阿布扎比纽约大学Mubadala阿拉伯气候与环境科学中心的研究人员开发了一种算法，旨在提前最多九个月预测北极海冰范围。该方法称为随机类比预测器（RAP），使用海冰范围的历史记录，而不是模拟大气、海洋和冰层的完整物理行为。

这项发表在Scientific Reports上的研究，针对的是一个困难的季节性预测问题。海冰不仅是区域指标，其明亮表面会将太阳能反射回太空，而较暗的开阔海洋会吸收更多能量。冰况变化还可能影响北极以外的大气和海洋模式。

研究人员强调，RAP并不会消除不确定性，而是把不确定性纳入预测结果。

随机类比预测器如何工作

RAP会在历史海冰数据中寻找与当前情况相似的早期状态，然后观察这些历史状态之后发生了什么，并据此生成一组可能的未来预测。不同结果之间的范围为每次预测提供不确定性估计。

这与物理模型不同。物理模型试图描述大气、海洋和海冰之间的相互作用，而RAP只使用北极海冰范围的历史记录。其前提是，历史中相似的起始条件可以为后续变化提供有用的类比。

具有竞争力的季节性表现

研究人员发现，RAP的预测能力与海冰预测网络使用的模型相当。对于9月海冰范围，研究报告称，其预测误差可与季节性预测中使用的34个模型相当。

RAP的一个实际优势是透明度。通过从相似的历史状态生成多种结果，算法展示了结果分布，而不是脱离背景地给出一个数字。

为什么不确定性重要

季节性海冰预测涉及相互关联且不断变化的过程。因此，有用的预测不仅要说明中心预期，还要说明该预期有多大不确定性。RAP的历史类比集合正是为了同时提供这两点。

研究将该方法定位为未来预测工作的透明基准。更简单但表现具有竞争力的模型，可以提供清晰比较点：更复杂的模型应证明其复杂性能够提高预测能力或提供其他有用信息。

应对变化中的北极环境

RAP被视为预测北极海冰变化的补充工具：它依赖过去的海冰模式，生成多个可能未来，并说明相关不确定性。

研究并未表明单一算法能够解决北极变化的所有问题。它显示，历史数据方法在报告的比较中可以达到成熟季节性预测的水平，并同时提供清晰的不确定性信号。

本文根据Phys.org报道编写。阅读原文。