气候变化领域集成服务门户

2019年12月24日，《美国国家科学院院刊》（PNAS）发表题为《在春季可预报性障碍前基于复杂度的厄尔尼诺量级预测方法》（Complexity-based Approach for El Niño Magnitude Forecasting Before the Spring Predictability Barrier）的文章，构建了新的预测方法，将预测厄尔尼诺量级的时间翻了一番。

目前，对厄尔尼诺的常规预测能力限制在提前6个月对其量级做出可靠预测。预警时间的显著延长将有助于减轻厄尔尼诺带来的严重损害。德国波茨坦气候影响研究所（PIK）的研究团队建立了一种新的方法，利用大气和海表温度序列数据来改进厄尔尼诺的量级预测，成功地将这一预测时间翻了一番，可提前1年对厄尔尼诺现象进行预报，并且还可以高精度地提供有关其强度的信息。

新方法利用诊断方法，依赖于量化赤道东太平洋多个海表温度时间序列的复杂性。研究人员将从时空温度变化中得出的复杂性指标称为“系统样本熵”（System Sample Entropy，SysSampEn）。研究发现，给定年份的SysSampEn与次年厄尔尼诺事件的严重程度呈正相关关系。利用这种相关性，研究人员构建了一个预测指数，成功预测了1984—2018年10次厄尔尼诺事件中的9次。该方法使研究人员能够以提前1年的预测范围和高精度（即预测的均方根误差为0.23 ℃）来预测厄尔尼诺现象的量级。

对于2018年的厄尔尼诺事件，该方法预测其为强度1.11±0.23 ℃的弱厄尔尼诺现象。预测结果还显示，2020年底发生中等强度厄尔尼诺事件的概率很高，其幅值为1.48±0.25 ℃。在对厄尔尼诺现象的预测中，新方法可能有助于减少厄尔尼诺对全球数百万人的破坏性影响。