با نزدیک شدن نیمکره شمالی به فصل زمستان، پژوهشگران علوم اقلیم به‌دنبال نشانه‌هایی هستند که بتوانند الگوهای آب‌وهوایی ماه‌های آینده را پیش‌بینی کنند. در این میان، «جودا کوهن» (Judah Cohen)، پژوهشگر ارشد دپارتمان مهندسی عمران و محیط‌زیست MIT، بیش از دو دهه است که بر نقش قطب شمال در شکل‌دهی زمستان‌های اروپا، آسیا و آمریکای شمالی تمرکز دارد. تحقیقات او نشان می‌دهد که سرنخ‌های مهم پیش‌بینی زمستان، نه فقط در مناطق گرمسیری، بلکه در عرض‌های جغرافیایی بالا پنهان شده‌اند.

فراتر از ال‌نینو؛ چرا امسال قطب شمال مهم‌تر است؟

پیش‌بینی‌های زمستانی معمولاً بر پدیده ال‌نینو–نوسان جنوبی (ENSO) متکی هستند؛ اما به گفته کوهن، ENSO در سال جاری ضعیف است. همین موضوع باعث می‌شود که شاخص‌های اقلیمی قطب شمال اهمیت بیشتری پیدا کنند.
کوهن در پیش‌بینی‌های میان‌مدت خود (Subseasonal Forecasting) به داده‌هایی مانند:

• میزان پوشش برف سیبری در ماه اکتبر
• تغییرات دمایی اولیه فصل
• وسعت یخ دریای قطب شمال
• پایداری یا تضعیف گردباد قطبی (Polar Vortex)

توجه ویژه دارد. به گفته او، این شاخص‌ها می‌توانند تصویری دقیق از رفتار زمستان آینده ارائه دهند.

سیبری؛ کلید طلایی پیش‌بینی زمستان

یکی از قابل‌اعتمادترین شاخص‌ها برای کوهن، وضعیت آب‌وهوایی سیبری در ماه اکتبر است. امسال، در حالی که بسیاری از مناطق نیمکره شمالی اکتبری گرم‌تر از حد معمول را تجربه کردند، سیبری شاهد دماهای پایین‌تر از نرمال و بارش زودهنگام برف بود. این ترکیب معمولاً باعث تقویت توده‌های هوای سرد می‌شود؛ توده‌هایی که در ادامه زمستان می‌توانند به اروپا و آمریکای شمالی نفوذ کرده و موج‌های سرمای شدید ایجاد کنند. همچنین دمای بالاتر آب در دریای بارنتس–کارا و فاز شرقی نوسان دوساله استوایی (QBO) نشانه‌هایی از تضعیف گردباد قطبی در ابتدای زمستان هستند؛ پدیده‌ای که اغلب با سرمای زودرس در اوراسیا و آمریکای شمالی همراه است.

هوش مصنوعی و انقلاب در پیش‌بینی‌های میان‌مدت

اگرچه مدل‌های هوش مصنوعی در پیش‌بینی کوتاه‌مدت هوا (۱ تا ۱۰ روزه) پیشرفت چشمگیری داشته‌اند، اما بازه دو تا شش هفته‌ای همواره یکی از سخت‌ترین چالش‌های هواشناسی بوده است. سال ۲۰۲۵ می‌تواند نقطه عطفی در این زمینه باشد. تیمی از پژوهشگران به رهبری کوهن موفق شد در مسابقه AI WeatherQuest که توسط مرکز ECMWF برگزار شد، رتبه اول پیش‌بینی فصل پاییز را کسب کند. این مدل هوش مصنوعی با ترکیب الگوشناسی یادگیری ماشین و شاخص‌های قطب شمال، عملکردی بهتر از مدل‌های آماری و هوش مصنوعی مرسوم ارائه داد. نکته قابل‌توجه این است که این سیستم توانست احتمال موج سرمای شدید در اواسط دسامبر در ساحل شرقی آمریکا را چند هفته زودتر از معمول شناسایی کند؛ موضوعی که در رسانه‌ها بازتاب گسترده‌ای داشت.

زمستان پیش رو چه تصویری دارد؟

بر اساس مدل کوهن، احتمال سرمای شدیدتر از نرمال در بخش‌هایی از اوراسیا و مرکز آمریکای شمالی، به‌ویژه در میانه زمستان، افزایش یافته است. هرچند الگوهای جوی هنوز می‌توانند تغییر کنند، اما «مواد اولیه یک زمستان سرد» وجود دارد. با شتاب گرفتن گرم‌شدن قطب شمال، تأثیر آن بر رفتار زمستان‌ها پررنگ‌تر می‌شود. تحقیقات کوهن نشان می‌دهد که ترکیب داده‌های اقلیمی قطب شمال و هوش مصنوعی می‌تواند آینده پیش‌بینی‌های میان‌مدت را متحول کند و زمان آماده‌سازی زیرساخت‌ها، سیستم‌های انرژی و خدمات عمومی را به‌طور چشمگیری افزایش دهد.

منبع خبر: news.mit