Tiefe Lernmethode offenbart Feuchtigkeit als primäre Vorhersagequelle des MJO – npj Klima- und Atmosphärenwissenschaften

Tiefe Lernmethode offenbart Feuchtigkeit als primäre Vorhersagequelle des MJO – npj Klima- und Atmosphärenwissenschaften

Die vorliegende Zusammenfassung befasst sich mit verschiedenen wissenschaftlichen Artikeln, die die Madden-Julian-Oszillation in der Troposphäre des Pazifiks untersuchen. Madden und Julian beschreiben in ihren Artikeln aus den Jahren 1971 und 1972 eine Oszillation in den zonalen Winden der Tropen mit einem Zeitraum von 40-50 Tagen. Domeisen et al. diskutieren in ihrer Arbeit von 2022 Fortschritte in der subseasonalen Vorhersage extremer Ereignisse, während Schreck in einer Studie von 2021 einen globalen Überblick über die MJO und extreme Niederschläge präsentiert.

Des Weiteren befassen sich verschiedene Autoren mit der Vorhersage der Madden-Julian-Oszillation und deren Auswirkungen. Kim et al. untersuchen in mehreren Artikeln aus den Jahren 2008, 2013, 2018 und 2019 die Vorhersagefähigkeit der MJO und die Rolle der Ozean-Atmosphäre-Kopplung. Andere Studien beschäftigen sich mit der MJO-Propagationsprozessen, Vorhersagemodellen und Langzeitvorhersagen.

Einige der neueren Arbeiten befassen sich auch mit dem Einsatz von Deep Learning und künstlicher Intelligenz in der Vorhersage von atmosphärischen Phänomenen. Sie untersuchen die Anwendung von Deep Learning zur Bias-Korrektur von Vorhersagen, zur Interpretation der modellphysikalischen Prozesse der MJO und zur Entwicklung von modellgestützten Wettervorhersagemodellen. Weitere Studien befassen sich mit der Beziehung zwischen dem Wasser-Dampf-Pfad und den Niederschlägen über den tropischen Ozeanen sowie mit den Auswirkungen des Ozeans auf die MJO-Propagationsmuster in der Nähe des maritimen Kontinents.