近日，我校方克艳研究员课题组以“Identifying key convection sensitive oceanic regions to weaken the ENSO spring predictability barrier”为题，在国际顶级综合性期刊《美国国家科学院院刊》（Proceedings of the National Academy of Sciences of the United States of America, PNAS）上发表了关于ENSO预测的重要研究成果。
厄尔尼诺-南方涛动，简称ENSO，是热带太平洋海气作用最强的年际信号，对全球气候具有重要的影响，然而其预测能力在北半球春季显著下降，这一现象被称为“春季预报障碍”。这种现象主要源于春季较弱的海气耦合作用，限制了ENSO信号的持续发展。已知海表温度的变化能够显著调节大气对流，并进一步影响沃克环流及ENSO演变，因此识别春季最有利于对流发展的海域可能是削弱春季预报障碍的有效方法。然而，以往ENSO预测指标主要关注固定海域的海温异常，例如太平洋Niño指数等，难以捕捉关键海域的空间范围的变化。
针对这一不足，研究提出了一种新的海温范围指数，即SST Range Index，简称SRI，用于刻画春季热带海洋中对流对海温扰动敏感的海域的空间范围变化。研究表明，春季中东太平洋海表温度超过26°C和东大西洋海表温度超过28.5°C的海域是触发持续强对流的关键海域。这些对流对海温扰动敏感海域的扩张可通过调制沃克环流增强Bjerknes反馈，从而为ENSO演变提供有效预测信号。基于这一发现，研究团队将SRI和传统ENSO预测因子作为输入变量，建立了深度学习模型用于ENSO预测。结果显示，深度学习模型的预测能力优于动力和统计模型的平均水平，特别是对多年拉尼娜事件的预测效果更为突出。该研究为削弱春季预报障碍提供了一条新的途径。
我校为第一作者单位，地理科学学院、碳中和未来技术学院博士研究生梅泽鹏和博士后林书恒为论文的共同第一作者，方克艳研究员为通讯作者。论文合作者包括我校周非飞、唐婉儒、吴昊、赵正、谢小训，中山大学的刘飞教授、夏威夷大学的赵森研究员、香港大学的李金豹副教授、哥德堡大学的欧廷海高级工程师以及清华大学的陈德亮院士。该研究得到了国家自然科学基金杰出青年项目（42425101）、国家自然科学基金（41988101, 42505021, 42301058）、中国博士后科学基金（GZC20250218）和福建省海峡两岸一体化发展研究院（LARH24JBO7）等项目支持。
图1春季SRI与传统的ENSO预测指标预测能力的对比。
（A）春季太平洋26°C SRI与后续季节Niño 3.4指数的相关性。（B）春季大西洋28.5°C SRI及大西洋尼诺指数与后续季节Niño 3.4指数的相关性。（C）春季所有基于海表温度异常的ENSO预测指标与冬季Niño 3.4指数的相关性。
图2 春季太平洋和大西洋对流敏感海域范围变化影响对流并促进拉尼娜事件发展的机制示意图。
西太平洋和大西洋的上升对流与东太平洋的下沉对流共同形成跨越太平洋和大西洋的沃克环流。这一过程显著增强赤道东风，推动暖水向西输送，并增大赤道温跃层坡度，从而在太平洋和大西洋的共同作用下促进拉尼娜事件发展。
（科学技术处、地理科学学院、碳中和未来技术学院）