Ao modelar o ciclo climático oceânico El Niño-Oscilação Sul (ENSO), adicionar dados de salinidade da superfície do mar de satélite - ou salinidade - melhora significativamente a precisão do modelo, de acordo com um novo estudo da NASA.

ENSO é um ciclo irregular de eventos de clima quente e frio denominado El Niño e La Niña. Em anos normais, fortes ventos alísios de leste sopram das Américas em direção ao sudeste da Ásia, mas em um ano de El Niño, esses ventos são reduzidos e às vezes até revertidos. A água quente que foi "acumulada" no oeste do Pacífico flui de volta para as Américas, mudar a pressão atmosférica e a umidade para produzir secas na Ásia e tempestades e inundações mais frequentes nas Américas. O padrão inverso é chamado de La Niña, em que o oceano no Pacífico oriental é mais frio do que o normal.

A equipe usou o sistema de previsão sub-sazonal-a-sazonal (S2S) acoplado oceano / atmosfera (GEOS-S2S-2) da NASA Global Modeling and Assimilation Office (GMAO) para modelar três eventos ENSO anteriores:The strong 2015 El Niño, o La Niña de 2017 e o fraco El Niño de 2018.

Puxando da missão Soil Moisture Active Passive (SMAP) da NASA, a anterior missão Aquarius da NASA-CONAE (Agência Espacial Argentina) e a missão Soil Moisture Ocean Salinity (SMOS) da Agência Espacial Europeia, eles compararam a precisão do modelo de previsão para cada um dos três eventos com e sem assimilar os dados SSS na inicialização dos modelos. Em outras palavras:as condições iniciais de um modelo de execução incluíam dados SSS, e o outro não.

Adicionar a assimilação de dados SSS ao modelo GEOS ajudou a descrever a profundidade e a densidade da camada superior do oceano com mais precisão, o que levou a melhores representações da circulação em grande escala em resposta ao ENSO. Como resultado, as previsões dos modelos para os três estudos de caso refletiram mais de perto as observações reais, em comparação com o que os modelos de previsão previram na época.

"Em nossos três estudos de caso, examinamos diferentes fases do ENSO, "disse Eric Hackert, um cientista pesquisador do Goddard Space Flight Center da NASA em Greenbelt, Maryland e o principal autor do estudo. “Para o grande El Niño em 2015, assimilar os dados de salinidade amorteceu o sinal - nosso modelo original estava superestimando a amplitude do evento. Para os outros dois eventos ENSO, as previsões originalmente previam o sinal errado:por exemplo, em 2017, o modelo sem dados de salinidade previu um El Niño, enquanto o oceano real produziu um La Niña. Contudo, para cada caso que examinamos, adicionar salinidade do satélite à inicialização melhorou as previsões. "

O estudo é um dos primeiros a incorporar dados SSS na inicialização de previsões para um modelo global acoplado de interações entre os oceanos, atmosfera, terra, aerossóis e gelo marinho. GEOS e outros modelos usados ​​para ajudar a prever eventos ENSO normalmente não incluem SSS. Contudo, a salinidade da superfície do oceano desempenha um papel importante nas correntes oceânicas, evaporação e interação com a atmosfera, e transferência de calor dos trópicos para os pólos. Mais frio, água mais salgada é mais densa e mais pesada do que mais quente, água mais fresca, e as mudanças em grande escala de temperatura e precipitação de eventos ENSO mudam a circulação oceânica e as interações entre a água e a atmosfera.

Ambas as fases do ciclo ENSO afetam os ecossistemas, economias, saúde humana, e risco de incêndio florestal - tornando as previsões ENSO vitais para muitas pessoas ao redor do mundo, Disse Hackert.

"Por exemplo, previsões e observações deram uma forte indicação de que haveria um grande El Niño em 1997, que levaria à seca no nordeste do Brasil, "disse ele." Isso permitiu ao governo do Brasil emitir um comunicado aos agricultores de subsistência, encorajando-os a plantar milho resistente à seca em vez de variedades de alto rendimento. Nesse caso, boas previsões do ENSO, juntamente com a ação do governo, podem ter salvado muitas vidas. Este é apenas um exemplo de muitos benefícios socioeconômicos para estender as previsões úteis do El Niño. "

Incluir dados de SSS de satélite também torna os modelos úteis para períodos mais longos - previsões ENSO precisas sem dados de salinidade estendem-se apenas por 4 meses, enquanto aqueles com dados SSS cobrem 7 meses, Disse Hackert.

"Em vez de ter uma temporada de confiança em sua previsão, voce tem duas temporadas, "Disse Hackert." Se a sua estação de cultivo for daqui a seis meses, uma previsão de qualidade mais longa dá a você uma compreensão melhor se você precisa plantar variedades de alto rendimento ou resistentes à seca. Outro exemplo seria que você tem muito tempo para consertar seu telhado se você mora no sul da Califórnia (já que o El Niño normalmente traz chuvas para o sul dos EUA). "

Ter acesso a um registro contínuo de dados de SSS de satélite é essencial para fazer previsões precisas e confiáveis, Disse Hackert.

"Nos sistemas de previsão atuais, observações de satélite e oceano são combinadas de forma otimizada usando modelos e técnicas de assimilação de dados para ajudar a definir o estado do oceano, "disse ele." Este estudo mostra que adicionar o SSS do satélite ao conjunto de observações atuais ajuda a caracterizar o estado do oceano próximo à superfície, levando a melhores previsões sazonais. Recomendamos que outros sistemas de modelo de previsão em todo o mundo adotem o SSS em seus sistemas. "