📄 earth_science

Deep-learning climate emulator ACE2 reveals a global decrease in tropical cyclone frequency in the 15th Century under an El Niño-like sea surface temperature pattern

Met behulp van de op deep learning gebaseerde ACE2-emulator onthult deze studie dat een El Niño-achtige zeeoppervlaktetemperatuurpatroon in de 15e eeuw een wereldwijde afname in de frequentie van tropische cyclonen veroorzaakte door verhoogde verticale windschering en een drogere midden-troposfeer, waarmee de bruikbaarheid van deep learning in paleoklimatologische analyse wordt aangetoond om toekomstige projecties te verbeteren.

Oorspronkelijke auteurs: Mu-Ting Chien, Wenchang Yang, Eric D. Maloney, Gabriel A Vecchi, Elizabeth A. Barnes

Gepubliceerd 2026-07-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mu-Ting Chien, Wenchang Yang, Eric D. Maloney, Gabriel A Vecchi, Elizabeth A. Barnes

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de aarde voor als een gigantische, kolkende badkuip van lucht en water, waarbij de temperatuur van het oceanoppervlak fungeert als de thermostaat voor een enorme, chaotische weer machine. Wanneer het water op specifieke patronen warmer of koeler wordt, verandert dit niet alleen de temperatuur; het verandert de manier waarop de atmosfeer ademt, rekt en draait. Een van de meest dramatische dingen die deze machine produceert, zijn tropische cyclonen—die kolkende stormen die wij hurricanes of tyfoons noemen. Al een lange tijd proberen wetenschappers precies te begrijpen hoe de temperatuurpatronen van de oceaan het aantal van deze stormen beheersen. Het probleem is dat we slechts een zeer korte "video-opname" van moderne stormen hebben, misschien wel zo'n 80 jaar, wat niet lang genoeg is om het volledige verhaal te zien van hoe het klimaat en stormen samen dansen. Om dit mysterie op te lossen, gebruiken onderzoekers een nieuw soort instrument: kunstmatige intelligentie. Denk aan deze AI-tools niet als robots die denken, maar als ongelooflijk snelle, superintelligente studenten die het weer van de afgelopen decennia zo grondig hebben bestudeerd dat ze kunnen voorspellen hoe het weer eruit zou zien als de regels van het spel (de oceantemperaturen) iets anders waren. Deze paper gebruikt die AI om terug in de tijd te kijken, door een periode te simuleren die lang voor de tijd dat we weersatellieten hadden, om te zien wat er met wereldwijde stormen gebeurde toen de oceaan een beetje leek op een "El Niño"-jaar.

Het verhaal begint met een team van wetenschappers die wilden weten wat er in de 15e eeuw gebeurde met tropische cyclonen, specifiek tussen de jaren 1351 en 1550. Dit was een tijd waarin de aarde afkoelde, een periode die vaak de "Kleine IJstijd" wordt genoemd. Hoewel de planeet als geheel kouder werd, koelde de oceaan niet gelijkmatig af. In plaats daarvan ontwikkelde de Stille Oceaan een patroon dat veel leek op een "El Niño", waarbij het water nabij de evenaar warmer was dan normaal, terwijl andere delen van de oceaan koeler waren. De onderzoekers gebruikten een deep-learning klimaatemulator genaamd ACE2 (wat een soort super-snelle weersimulator is die getraind is op moderne data) om een virtueel experiment uit te voeren. Ze voedden de AI met de oceantemperaturen uit die tijd en keken wat er met de stormen gebeurde.

De resultaten waren duidelijk en verrassend. In deze simulaties daalde het totale aantal tropische cyclonen rond de hele wereld aanzienlijk. Specifiek nam het aantal stormen met ongeveer 13,1% af wanneer de meest actieve 20-jarige periode (1401–1420) werd vergeleken met de minst actieve 20-jarige periode (1461–1480). Deze daling was geen toevalstreffer; het kwam overeen met wat een zeer krachtig, traditioneel computermodel (HiRAM) voorspelde en sloot zelfs aan bij aanwijzingen gevonden in oceaan sedimenten langs de Atlantische kust, die fungeren als een fossiel record van eerdere stormen. De paper suggereert dat deze afname plaatsvond omdat het "El Niño-achtige" patroon van de oceaan de manier waarop de atmosfeer bewoog, veranderde.

Om te begrijpen waarom de stormen verdwenen, gebruikten de wetenschappers een slimme truc. Ze braken het proces van stormvorming af in twee stappen: eerst de geboorte van een "kiem" (een kleine verstoring in de lucht die een storm zou kunnen worden), en ten tweede de "waarschijnlijkheid" dat die kiem uitgroeit tot een volwaardige hurricane. Ze ontdekten dat het aantal kiemen niet veel veranderde; de lucht maakte nog steeds voldoende kleine verstoringen aan. Echter, de "waarschijnlijkheid" dat deze kiemen zouden overleven en uitgroeien tot grote stormen, kelderde. Het was alsof de kraamkamer vol baby's zat, maar de omstandigheden om groot te worden verschrikkelijk waren.

De boosdoener was het "El Niño-achtige" oceaanpatroon. Omdat de evenaariale Stille Oceaan warmer was, zorgde dit ervoor dat de lucht daar sterker opsteeg. Dit versterkte een gigantische atmosferische transportband genaamd de Hadley-circulatie. Naarmate deze band sterker werd, drukte hij droge lucht naar beneden en verhoogde het de windschering (de verandering in windsnelheid en windrichting met de hoogte in) in de regio's waar stormen gewoonlijk ontstaan. Stel je voor dat je een zandkasteel probeert te bouwen terwijl een sterke wind zijwaarts blaast en het zand kurkdroog is; dat is wat de atmosfeer voor deze stormen werd. De drogere lucht en de sterkere winden scheurden de stormen uit elkaar voordat ze sterk konden worden. De paper merkt expliciet op dat dit niet alleen kwam doordat de hele wereld kouder werd; in feite, toen ze een apart experiment uitvoerden waarbij de oceaan gelijkmatig afkoelde zonder het "El Niño"-patroon, daalde het aantal stormen niet zo sterk. Het was de specifieke vorm van de temperatuurverandering die het belangrijkst was.

De onderzoekers testten ook het tegenovergestelde scenario: een "La Niña-achtig" patroon, waarbij de evenaar koeler is. In die simulatie nam het aantal stormen juist toe. Dit suggereert dat het patroon van de oceantemperatuur een hoofdschakelaar is voor de wereldwijde stormactiviteit. Hoewel de studie steunt op computersimulaties en niet op directe observaties uit de jaren 1400, geeft het feit dat de AI-emulator, het traditionele model en de sedimentrecords allemaal hetzelfde verhaal vertellen, de bevindingen veel gewicht. De paper concludeert dat om te voorspellen hoeveel stormen we in de toekomst te kampen krijgen, we niet alleen kunnen kijken naar hoe warm de planeet wordt; we moeten precies begrijpen hoe de temperatuurpatronen van de oceaan zullen verschuiven, omdat dat patroon bepaalt of de atmosfeer een stormenfabriek of een stormengraafplaats wordt.

Technische Samenvatting: Deep-learning klimaatemulator ACE2 onthult een wereldwijde afname in de frequentie van tropische cyclonen in de 15e eeuw onder een El Niño-achtig zeetemperatuurpatroon

Probleemstelling
Nauwkeurige voorspelling van de jaarlijkse frequentie van tropische cyclonen (TC) is cruciaal voor het beperken van maatschappelijke schade, maar blijft uitdagend vanwege de complexiteit van interacties op meerdere schalen en de beknoptheid van de moderne instrumentele registratie (~80 jaar). Huidige wereldwijde klimaatmodellen (GCM's) bieden tegenstrijdige projecties voor toekomstige TC-frequentie onder opwarmingsscenario's, waarbij sommige een wereldwijde afname voorspellen en andere een toename. Deze onzekerheid komt grotendeels voort uit een gebrek aan consensus over hoe grootschalige patronen van zeetemperatuur (SST) zullen evolueren onder door broeikasgassen veroorzaakte opwarming, en hoe deze patronen de wereldwijde TC-frequentie aansturen. Hoewel paleoproxy-data (bijv. sedimenten, koralen) een langer temporeel perspectief bieden, zijn ze ruimtelijk schaars, waardoor wereldwijde simulaties nodig zijn om ruimtelijk consistente en temporeel continue data te leveren. Traditionele hogeresolutie dynamische modellen die in staat zijn om TC's te resolveren, zijn computationeel te kostbaar voor langdurige paleoklimaat-simulaties.

Methodologie
Deze studie maakt gebruik van de Ai2 Climate Emulator versie 2 (ACE2), een op deep learning gebaseerde klimaatemulator getraind op ERA5-reanalysegegevens (1940–2000, 2010–2020) met behulp van sferische Fourier Neural Operators. ACE2 biedt een computationeel efficiënt alternatief voor dynamische modellen en is in staat tot stabiele integraties van meerdere millennia terwijl de wereldwijde luchtmassa en vochtigheid behouden blijven.

Het onderzoeksontwerp omvat drie primaire componenten:

Paleo-simulatie (1351–1550 n.Chr.): ACE2 en een hogeresolutie dynamisch model (HiRAM, 50-km resolutie) werden gedreven door gereconstrueerde SST's en zeeijs uit het laatste millennium (LMR 2.1) om TC's te simuleren tijdens de overgang naar de Kleine IJstijd. De studie richt zich op de periode van 1351 tot 1550 n.Chr., waarbij specifiek een periode van "Hoge" activiteit (1401–1420 n.Chr.) en een periode van "Lage" activiteit (1461–1480 n.Chr.) worden vergeleken.
Validatie: Gesimuleerde Atlantische TC-frequentie werd gevalideerd tegen sediment-overwash proxy-data van 12 locaties langs de Amerikaanse oostkust en het Caribisch gebied, die dienen als de beste beschikbare schatting van de bekkenbrede Atlantische TC-activiteit over het afgelopen millennium.
Geïdealiseerde experimenten: Door gebruik te maken van de computationele snelheid van ACE2 voerden de auteurs tijd-slice experimenten uit met aangepaste SST-patronen om de effecten van wereldwijde gemiddelde SST-afkoeling versus specifieke SST-patronen te isoleren. Deze omvatten:
- CTL: Climatologische gemiddelde SST (1401–1420 n.Chr.).
- EXP1: Gemiddelde SST (1461–1480 n.Chr.), vertoont een El Niño-achtig evenwicht (opwarming in de equatoriale koude tong, afkoeling elders).
- EXP2–EXP4: Variaties die de equatoriale koude tong-opwarming isoleren (EXP2), deze verwijderen (EXP3), of het patroon omkeren naar een La Niña-achtige staat (EXP4), terwijl hetzelfde wereldwijde gemiddelde SST-afkoeling wordt gehandhaafd als bij EXP1.

De studie maakt gebruik van een "seed-waarschijnlijkheidsraamwerk" om veranderingen in TC-frequentie te diagnosticeren. Dit raamwerk benadert het aantal TC's ( $N_{TC}$ ) als het product van precursor-verstoringen ("seeds", $N_{Seed}$ ) en de waarschijnlijkheid van intensivering ( $P$ ). De waarschijnlijkheid wordt afgeleid van drie omgevingsfactoren: potentiële intensiteit (PI), verticale windschering en een vochtdeficit in de midden-troposfeer (droogte in de midden-troposfeer).

Belangrijkste Resultaten

15e-eeuwse TC-afname: Zowel ACE2 als HiRAM-simulaties onthullen een significante afname in de wereldwijde TC-frequentie tijdens de 15e eeuw (specifiek 1461–1480 n.Chr. vergeleken met 1401–1420 n.Chr.). Het ACE2-ensemblegemiddelde laat een afname van 13,1% zien in de wereldwijde TC-frequentie, met een daling van 13,2% in de jaarlijkse aantallen (van 37,8 naar 32,8 per jaar). Deze afname is consistent in de meeste bekens, behalve in de Westelijke Pacific, en komt overeen met de sediment-proxy-gegevens die wijzen op een grote daling in de Atlantische TC-activiteit tijdens deze periode.
Rol van SST-patronen: De wereldwijde afname wordt primair toegeschreven aan het specifieke SST-patroon in plaats van alleen de wereldwijde gemiddelde SST-afkoeling. De SST-anomalie tussen de Hoge en Lage perioden lijkt op een El Niño-achtig patroon, gekenmerkt door opwarming in de equatoriale Pacific koude tong en afkoeling elders.
Uitkomsten van geïdealiseerde experimenten:
- Onder het El Niño-achtige patroon (EXP1) nam de wereldwijde TC-frequentie met 7,5% af met een statistische significantie van 99,9%.
- Experimenten die de equatoriale koude tong-opwarming isoleerden (EXP2) toonden ook een significante afname (-3,5%), wat suggereert dat dit kenmerk een primaire drijfveer is.
- Het verwijderen van de koude tong-opwarming (EXP3) resulteerde in een minder robuuste afname, met een hoge variabiliteit tussen de leden.
- Een La Niña-achtig patroon (EXP4, koude tong-afkoeling) resulteerde in een 2,9% toename van de wereldwijde TC-frequentie met >99,5% significantie.
Mechanismen van verandering: Met behulp van het seed-waarschijnlijkheidsraamwerk vond de studie dat de wereldwijde TC-afname in het El Niño-achtige scenario voor 80,6% werd gedreven door een vermindering van de transitiewaarheid van seed naar TC, en slechts voor 19,2% door een vermindering in het aantal seeds. De afname in waarschijnlijkheid werd primair veroorzaakt door toegenomen verticale windschering en een drogere midden-troposfeer (hoger verzadigingsvochttekort) in de niet-equatoriale regio's. Deze omgevingsveranderingen zijn gekoppeld aan een versterking van de Hadley-circulatie, gedreven door de verhoogde meridionale SST-gradiënt die gepaard gaat met het El Niño-achtige patroon.

Betekenis en Claims
Het artikel beweert aan te tonen dat het gebruik van deep-learning klimaatemulators levensvatbaar is voor paleoklimaat TC-onderzoek, wat een uniek, hoog-efficiënt venster biedt om TC-klimaatinteracties over het afgelopen millennium te bestuderen. De studie legt een sterke link tussen de wereldwijde TC-frequentie en SST-patronen, specif kind de meridionale SST-gradiënt en de variabiliteit van de equatoriale koude tong, in plaats van alleen de wereldwijde gemiddelde temperatuur.

De auteurs stellen dat deze bevindingen de noodzaak onderstrepen om projecties van toekomstige SST-patronen te beperken om de toekomstige TC-frequentie nauwkeurig te kunnen schatten, waarbij zij wijzen op de huidige divergentie tussen modelvoorspellingen (vaak El Niño-achtig) en observationele records (vaak La Niña-achtig). Verder benadrukken zij dat het preindustriële klimaat dient als een natuurlijk laboratorium voor het begrijpen van TC-variabiliteit, mits er TC-resolverende simulaties beschikbaar zijn. De auteurs suggereren bescheiden dat hoewel ACE2 effectief is gebleken, toekomstig werk de ontwikkeling vereist van next-generation emulators met meer verticale niveaus voor een betere representatie van de bovenste troposfeer en de uitbreiding van TC-proxy-data naar andere bekens (bijv. de Westelijke Pacific) om het potentieel van deze simulatiecapaciteiten volledig te benutten.

Meer zoals dit