Nature Scientific Reports: Новый подход к прогнозированию содержания арктического стратосферного озона на основе динамики стратосферных полярных вихрей с использованием объяснимого машинного обучения
С 2019 года наблюдается значительная тенденция к снижению содержания арктического стратосферного озона, а в 2020 году была зарегистрирована первая озоновая дыра в Арктическом стратосферном полярном вихре, что вызывает обеспокоенность. Это подчёркивает важность разработки алгоритма, способного прогнозировать уровни содержания арктического озона, желательно с минимальными вычислительными ресурсами. В данном исследовании представлен новый подход к прогнозированию содержания озона, основанный на морфологических и динамических свойствах стратосферного полярного вихря с использованием объяснимого машинного обучения. XGBoost демонстрирует хорошее согласие с наблюдениями, достигая показателя коэффициентов детерминации R2 0,80 и корреляции 0,91. Алгоритм точно предсказывает суточные и сезонные закономерности изменений содержания озона. Он успешно фиксирует закономерности самых низких зарегистрированных уровней озона в 2020 году, хотя и завышает значения содержания озона примерно на 20 единиц Добсона. Более того, в некоторые годы прогнозируемые значения содержания озона также демонстрируют хорошее соответствие наблюдениям. Примечательно, что алгоритм опирается исключительно на физические характеристики стратосферного полярного вихря для прогнозирования химической потери озона, демонстрируя потенциал динамических параметров в прогнозировании изменчивости содержания озона. Он может служить инструментом для прогнозирования будущей изменчивости содержания арктического озона, используя данные климатических моделей, не учитывающих интерактивную химию.