Les événements climatiques extrêmes de plus en plus fréquents sont devenus un défi mondial majeur. Pour atténuer les coûts humains et économiques de ces événements, les climatologues créent systématiquement des prévisions climatiques futures. Ces projections aident les décideurs politiques à élaborer des politiques climatiques concrètes pour éviter les effets les plus dangereux du changement climatique. En raison du volume élevé de données nécessaires pour des prévisions précises, les scientifiques s'appuient sur des modèles climatiques gérés par des superordinateurs pour faire des prévisions et prévoir les changements dans le système climatique. Cependant, une compréhension physique incomplète des processus climatiques dynamiques de la Terre reste une limitation majeure concernant l'utilisabilité des modèles climatiques.

Chibuike Ibebuchi de l'Institut de géographie physique de l'Université de Würzburg a mené une étude récente, publiée dans Advances in Atmospheric Sciences, qui a appliqué une approche de modélisation statistique climatologique synoptique appelée "typage de la circulation avec analyse en composantes principales à rotation floue".

Cette nouvelle technique est conçue pour améliorer la compréhension physique des mécanismes par lesquels les téléconnexions, telles que le dipôle subtropical de l'océan Indien, ont un impact sur la variabilité saisonnière des précipitations en Afrique australe, une région vulnérable aux extrêmes climatiques. Le typage de la circulation tient compte à la fois de l'espace et du temps pour les anomalies de précipitations.

Ibebuchi pense que les améliorations de la modélisation et des projections climatiques peuvent progresser avec davantage d'études de recherche visant à acquérir une meilleure compréhension physique des processus climatiques à l'échelle synoptique et globale. De plus, la recherche devrait analyser comment les processus climatiques synoptiques et à grande échelle interagissent avec les climats régionaux. Les chercheurs peuvent y parvenir en améliorant les techniques permettant de décomposer efficacement les ensembles de données climatiques dans l'espace et dans le temps afin de démêler la variabilité distincte (continue) associée au système climatique.

Plus précisément, pour ces études ultérieures, Ibebuchi vise à développer et à optimiser les méthodes statistiques existantes pour décomposer ou décomposer des ensembles de données afin de démêler des signaux de prévision climatique physiquement significatifs. Cela comprend le diagnostic des fausses représentations dans les processus de modélisation climatique. + Explorer plus loin

Les données d'observation et de modélisation aident à mieux comprendre le troisième pôle