محققان یک الگوی آب و هوایی شبیه ال نینو را در اقیانوس آرام شبیه‌سازی کرده‌اند و دریافتند که بر بادها و دمای دریاها در سراسر نیمکره جنوبی تأثیر می‌گذارد.
این الگو با گرم شدن دریاها در نزدیکی نیوزلند و استرالیا آغاز می شود که موجی از تغییرات دما را در جنوب استوا ایجاد می کند.
دانشمندان علوم اقلیمی از الگویی که بر نوسانات دمای سطح دریا در این منطقه تأثیر می گذارد از سال ۲۰۲۱ اطلاع داشتند، اما متوجه نشدند که چگونه کار می کند. در مطالعه جدیدی که در ۶ ژوئیه در مجله تحقیقات ژئوفیزیکی: اقیانوس ها منتشر شد، محققان با موفقیت این الگو را برای اولین بار شبیه سازی کردند. آنها نام این پدیده اقلیمی را «الگوی عدد موجی دایره‌ای نیمکره جنوبی» (SST-W4) گذاشتند.
بالاجی سناپاتی، محقق ارشد این مطالعه، محقق فوق دکتری دینامیک آب و هوا در دانشگاه ریدینگ در بریتانیا، در بیانیه ای گفت: این کشف مانند یافتن یک تغییر جدید در آب و هوای زمین است. این نشان می دهد که یک منطقه نسبتا کوچک از اقیانوس می تواند اثرات گسترده ای بر آب و هوای جهانی و الگوهای آب و هوایی داشته باشد.
این الگوی SST-W4 برخی از ویژگی‌های ال نینو را دارد، چرخه آب و هوایی در اقیانوس آرام که بر الگوهای آب و هوا در سراسر جهان تأثیر می‌گذارد و اثر گرمایشی دارد. با این حال، الگوی SST-W4 مستقل از ال نینو و سایر سیستم های آب و هوایی شناخته شده رخ می دهد.
بر اساس این مطالعه، برای ردیابی این الگو، محققان از یک شبیه ساز آب و هوا به نام SINTEX-F2 برای شبیه سازی ۳۰۰ سال شرایط آب و هوایی استفاده کردند. این مدل‌سازی نوسانات سال به سال دمای سطح دریا را بین دسامبر و فوریه نشان داد که ناشی از یک الگوی چرخشی از چهار منطقه متناوب گرم و سرد است.
بر اساس این بیانیه، الگوی موج مانند از نقطه شروع خود در جنوب غربی اقیانوس آرام نیمه گرمسیری موج می زند و با بادهای شدید در نیمکره جنوبی حرکت می کند.
اکنون که محققان الگوی SST-W4 را شبیه سازی کرده اند، می توانند رویدادهای آب و هوایی در جنوب استوا را بهتر پیش بینی کنند.
سناپاتی گفت: درک این سیستم جدید آب و هوا می تواند پیش بینی آب و هوا را به ویژه در نیمکره جنوبی تا حد زیادی بهبود بخشد. ممکن است به توضیح تغییرات آب و هوایی که قبلاً مرموز بودند کمک کند و می‌تواند توانایی ما را برای پیش‌بینی آب و هوای شدید و رویدادهای اقلیمی بهبود بخشد.
![import numpy as np import h5py data='/content/drive/MyDrive/SILIXA_iDAS015_181219184621_fieldID000212.h5' data1=h5py.File(data,'r') print(data1.keys()) display(data1) display(data) raw_data = data1['DasRawData']['RawData'] x_axis = np.arange(raw_data.shape[1]) t_axis = np.arange(raw_data.shape[0]) print(x_axis.shape) print(t_axis.shape) import matplotlib.pyplot as plt import numpy as np ns = 30000 fs = 1000 dx = 1.021 nx = 3136 GL = 10 x = np.arange(nx) * dx def u(x, t): return np.exp(-(x - t)**2) def calculate_result(x): return 1/10 * (u(x - 5, t) - u(x + 5, t)) traces = [] for t in range(0,30000): tr = [calculate_result(x_val) for x_val in x] traces.append(tr) traces_array = np.array(traces) print(f"traces_array : {traces_array.shape}")](https://spacenota.ir/wp-content/uploads/2025/05/big-ring-body-420x280.webp)
