2026年初开始，多家气候机构预警年底可能迎来较强的厄尔尼诺事件，部分媒体更是将其夸大为“百年一遇”的超强厄尔尼诺，这使发生在赤道东太平洋的厄尔尼诺-南方涛动（ENSO）成为大众关注的焦点。ENSO是地球气候系统中最强的年际变率信号，它的发生会引起全球天气和气候异常，对其机制和预测研究一直是气候研究的重大课题。但是气候模式自北半球春季起对ENSO的预报能力会显著衰减，这一现象被称为ENSO的“春季预报障碍（SPB）”，这也是限制ENSO业务化预测的重大难题。

根据经典的Bjerknes理论，ENSO的演变涉及海表风场、海表温度(SST)和温跃层之间的相互作用和反馈。因此，GL-Geoformer以月平均的经纬向风场和上层200米的11层海温异常场作为输入，以类似于动力模式的滚动预测的方式预测未来2年的相同变量场演变。其中，逐月滚动预测的方式使海气耦合过程在每个预测步中得到显式表征，而非仅依赖初始条件进行一次性映射。综合来看，模型的整体ENSO预测性能显著优于动力模式，可达到一年半左右（图1A）；当模型纳入跨洋盆信息后，SPB被显著削弱，印度洋和大西洋的协同贡献可在中长期预测中达35%以上（图1D）。为了验证模型是否能够合理表征印度洋和大西洋对太平洋的影响，本文开展了包括观测风场强迫、观测海温区域强迫等一系列Pacemaker试验（图2），证实了GL-Geoformer可以准确表征三大洋主要气候模态之间的相互作用关系，这为后续具体科学问题的探究奠定了物理基础。

针对近年来罕见的多重拉尼娜现象，研究还基于GL-Geoformer对2020-2021年强拉尼娜的成因进行分析。此次事件是2020-2022年三重拉尼娜现象的开端，强度位列1990年以来的第五。不同寻常的是其前期的2019年热带太平洋仅为弱增暖状态且暖水体积偏低，按照充放电理论，这样的气候状况难以满足强拉尼娜现象的发展，多数气候模式在2020年初的预测中也大幅低估了其强度（详见：https://iri.columbia.edu/our-expertise/climate/forecasts/enso/2020-March-quick-look/?enso_tab=enso-sst_table）。为量化跨洋盆过程对此次事件的贡献，研究设计了一组敏感性实验：将通过三大洋变量训练得到的模型为基准模型，在测试阶段分别从模型初始场和滚动预测场中去除印度洋和/或大西洋的信息后分析其对本次事件预测的影响。结果显示，只有同时考虑三大洋信息模型才可准确预测此次事件（图3A-C）；同时剔除印度洋和大西洋信息后，模型仅预测中性事件（图3D-F）；分别加入印度洋和大西洋后，预测强度可达控制试验的60%和30%左右（图3G-L）。

本研究在数据驱动框架下，从三大洋相互作用的角度定量估计了跨洋盆过程对ENSO发展的贡献，进一步证实了印度洋和大西洋对ENSO春季预测的重要性。在当今气候变化不断加剧的背景下，本研究所提出的GL-Geoformer可为极端气候机制和预测研究提供了重要支撑。

图1. GL-Geoformer的ENSO预测性能。（A）GL-Geoformer和NMME气候模式的Niño3.4预测相关系数随预测时长的分布。（B）为均方根误差随预测时长的分布。（C）同时包含三大洋信息（黑色虚线）、仅包含太平洋信息（红线）、包含太平洋和印度洋信息（蓝线）以及包含太平洋和大西洋信息（绿色）的情况下，模型的Niño3.4预测相关系数分布。（D）从春季（2月）起报时，不同洋盆对ENSO预测准确性的贡献百分比随预测时长的分布。

图2. (A)将GODAS再分析数据的SST异常回归到冬季（DJF）的Niño3.4指数得到的回归场；(B) GL-Geoformer模型在观测风应力强迫下运行海洋模块，将模拟得到的SST异常回归到DJF Niño3.4指数得到的回归场。(C-D)对比再分析资料与Pacemaker试验中，印度洋偶极子指数(DMI; C)/大西洋的ATL3指数(D)与DJF Niño3.4指数的超前相关关系。其中黑色为观测数据分析结果，橙色为印度洋或大西洋海温被固定为观测值的试验结果。

图3. 2020-2021年拉尼娜现象的预测分析。（A-C）当GL-Geoformer同时包含三大洋信息时，预测得到的热带太平洋风场和三维海温异常场演变。后三行分别为模型（D-F）仅使用热带太平洋信息、（G-I）使用太平洋和印度洋信息以及（J-L）使用太平洋和大西洋信息预测得到的多变量异常场演变。

论文信息：

Zhou, L., & Zhang, R.-H. (2026). Tropical basin interactions reduce spring predictability barrier of ENSO in a deep learning model. Science Advances, 12(21), eaeb0901.

作者信息：

第一作者：周路，南京信息工程大学博士后，物理海洋学专业。2024年获中国科学院大学理学博士学位，学位论文入选中国科学院优秀博士学位论文；同年入选中国博士后创新人才支持计划（“博新计划”）。主要从事厄尔尼诺-南方涛动（ENSO）智能表征与预测、热带海气相互作用等研究。近5年以第一作者身份在Science Advances（2篇）、Geophysical Research Letters、npj Climate and Atmospheric Science等国际知名期刊发表论文10篇，相关成果入选2025年度中国气候研究重大进展（排2）、中国科学院海洋研究所2023年度重大成果等。主持国家自然科学基金青年科学基金C类、江苏省自然科学基金青年基金，以及国家重点研发计划子课题等项目。

通讯作者：张荣华教授，国家特聘专家、江苏双创团队领军科学家。1983年毕业于杭州大学（现浙江大学）气象学专业，1989年在中国科学院大气物理研究所获得博士学位；之后分别在中国科学院大气物理研究所、日本气象厅气象研究所、美国国家海洋资料中心及罗德岛大学及哥伦比亚大学、马里兰大学等工作；2013年全职回国在中国科学院海洋研究所工作；2022年6月调动至南京信息工程大学工作。主要研究方向包括海洋数值模拟和海气相互作用、ENSO和气候预测、地球系统多圈层相互作用、人工智能海洋学等。已发表高水平研究论文250多篇（包括以第一作者在《Nature》发表封面亮点论文）；由科学出版社出版ENSO模拟和预测专著一部。1993年国务院政府特殊津贴专家；1994年获“赵九章优秀中青年科学工作奖”唯一特等奖；1997年获中国科学院自然科学奖一等奖；2021年入选气候变化研究领域全球最具国际影响力的千位科学家名单录；获2025年度中国气候研究重大进展奖、中国海洋与湖沼十大科技进展奖等；多年入选爱思唯尔“中国高被引学者”等榜单；三次获中国科学院优秀导师奖，所培养的博士研究生有三人次荣获中国科学院优秀博士学位论文奖、一人次入选中国博士后创新人才支持计划（“博新计划”）。现任《Journal of Oceanology and Limnology》副主编、《Acta Oceanologica Sinica》主编助理、《Atmospheric and Oceanic Science Letters》编委、《海洋学报》主编助理等。