编辑推荐：
为提升 ENSO 预测精度，研究人员针对南非开发的多模型系统（含 GFDL 物理模型与 CCA 统计模型）开展 Ni?o3.4 SST 预测验证。发现冬季预测技巧高、春季低，El Ni?o 可精准辨别但概率预测存偏差，为优化预测系统提供依据。
在气候变化研究领域，enso（厄尔尼诺 - 南方涛动）现象因其对全球气候模式和极端天气事件的显著影响，一直是科学家们关注的焦点。准确预测 enso 状态，尤其是关键区域的海表温度（sst）变化，对于农业生产、水资源管理和灾害预警等具有重要意义。然而，目前 enso 预测在不同季节和事件类型中仍存在技巧差异，且概率预测的可靠性和分辨率有待提升。为了深入评估南非开发的 enso 预测系统性能，南非科学与工业研究委员会（csir）和比勒陀利亚大学（up）的研究人员开展了一项针对 ni?o3.4 区域（5°n–5°s，170°w–120°w）海表温度预测的验证研究，相关成果发表在《environmental development》。
研究人员采用多模型系统，结合美国管理的完全耦合海洋 - 大气物理模型（如 gfdl-cm2p5-flor-b01、gfdl-spear）和本地开发的统计模型（典范相关分析 cca），对 2015 年至 2024 年期间的实时预测数据进行分析。研究覆盖了 2015/16 和 2023/24 年强厄尔尼诺事件，以及 2020/21 至 2022/23 年连续拉尼娜事件，验证了确定性预测（如皮尔逊相关、肯德尔 tau 相关）和概率预测（区分 el ni?o、neutral、la ni?a 三阶段）的表现。
研究结果
4.1 确定性技巧 - 相关性和方差
通过皮尔逊相关分析发现，ni?o3.4 sst 异常预测在北半球冬季（尤其是初冬到晚冬）技巧最高，春季则因 enso 春季可预测性障碍导致技巧显著下降。多模型预测表现优于持续性预测，但预测方差普遍低于观测值，表明系统在捕捉极端 enso 事件强度方面存在不足。
4.2 概率预测技巧
概率预测在区分 enso 阶段方面表现出一定能力，其中厄尔尼诺事件的预测技巧最高，中性阶段最低。接收者操作特征曲线（roc）分析显示，厄尔尼诺预测的 roc 分数接近 0.99，但概率设计（25%–50%–25% 的气候频率）导致中性阶段概率被高估，厄尔尼诺和拉尼娜阶段概率信心不足。可靠性图显示，中性阶段概率存在正偏差，而极端阶段存在负偏差，与观测频率不匹配。
结论与讨论
研究表明，南非开发的多模型系统在 ni?o3.4 sst 预测中展现出季节性差异，冬季预测优化且能辨别 enso 阶段，但概率预测因气候频率设置问题存在偏差。通过调整预测类别定义（基于 ±0.5°c 阈值）可改善概率预测的可靠性，同时引入更多物理模型（如 nmme 模型）或优化统计模型权重可能进一步提升预测技巧。该研究为 enso 预测系统的改进提供了实证依据，有助于提升全球气候变化应对能力。
