大西洋多年代际振荡的外部强迫与可预测性：一种模型置信集方法

《INTERNATIONAL JOURNAL OF FORECASTING》：External forcings and predictability of the Atlantic multidecadal oscillation: A model confidence set approach

　　

大西洋多年代际振荡（AMO）是北大西洋海表温度变率的一个关键模态，与降水、飓风活动和温度异常相关。本文研究了人为强迫（CO₂、CH₄、硫酸盐气溶胶）和自然强迫（火山、太阳）在长期AMO预测中的作用。研究人员采用模型置信集（MCS）比较来自向量自回归（VAR）规格的预报，考虑了5年、10年、15年和20年时间跨度上的所有变量组合。分析表明，包含来自CO₂、CH₄和硫酸盐气溶胶的人为强迫的模型表现更好，表明外部强迫（人为）成分在很大程度上驱动了AMO变率。另一项贡献涉及2020–2100年期间AMO的样本外预测。研究人员使用各种VAR规格，基于不同情景构建了预测。然后将这些条件预测与从无条件VAR获得的预测以及从耦合模式比较计划第六阶段（CMIP6）的海表温度预估重建的AMO进行比较。总体而言，结果表明北大西洋海表温度变率上存在清晰的人为印记。这表明AMO的可预测性应根据外部强迫重新考虑，因为这些因素显著影响长期变率。

论文解读文章

研究背景与问题

大西洋多年代际振荡（Atlantic Multidecadal Oscillation，AMO）是北大西洋海表温度（Sea Surface Temperature，SST）变率的一种关键模态，表现为持续20–40年的暖冷相位交替，与降水模式、飓风活动及温度异常密切相关。然而，学术界对AMO的本质存在长期争议：它究竟是纯粹的内部气候变率（如海洋环流内在振荡），还是越来越多地受外部强迫（尤其是人为强迫）驱动？支持内部变率假说的研究（如Andronova和Schlesinger，2000；Terray，2012；Ting等，2009）认为AMO主要由海洋-大气耦合系统内部过程主导；而另一派观点（如Otter?等，2010；Booth等，2012；Pasini等，2022）则强调火山喷发、人为硫酸盐气溶胶及CO₂增加等外部强迫的作用。此外，还有研究探讨太阳与火山活动的联合效应（Knudsen等，2014）。为厘清这一争议，Alessandro Giovannelli和Umberto Triacca开展了本文的研究。

研究内容与意义

研究人员采用非结构化的预测框架，基于向量自回归（Vector Autoregressive，VAR）模型，运用模型置信集（Model Confidence Set，MCS）方法（Hansen等，2011），系统比较了包含不同人为与自然强迫变量的预测模型表现。研究使用了5年、10年、15年和20年四个预测跨度，生成了256种模型规格的预测，并进一步生成了2020–2100年基于IPCC第六次评估报告（IPCC AR6）共享社会经济路径（Shared Socioeconomic Pathway，SSP）的样本外条件预测。结果显示，包含CO₂（RFCO）、CH₄（RFCH）和硫酸盐气溶胶（RFA）的人为强迫模型显著优于仅含自然强迫或无强迫的模型，表明外部（尤其是人为）强迫在很大程度上驱动了AMO变率。这一发现对全球气候预测、气候适应与减缓政策制定具有重要科学意义。论文发表在《INTERNATIONAL JOURNAL OF FORECASTING》。

关键技术方法（不超过250字）

研究人员主要采用了以下方法：（1）向量自回归（VAR）模型，用于构建AMO指数与辐射强迫变量之间的多变量预测系统；（2）模型置信集（MCS）方法，用于在大量候选模型中识别统计上“优越”的模型子集，避免多重比较偏差；（3）迭代与直接两种多步预测策略；（4）滚动（固定窗口）与扩展（递归累积）两种估计窗口方案；（5）贝叶斯信息准则（Bayesian Information Criterion，BIC）用于VAR滞后阶数选择（1–10阶）；（6）等权重集成预测（Ensemble），包括仅含CO₂、仅含CH₄及全部模型三种集成；（7）条件预测，基于IPCC AR6的SSP情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）设定的外部辐射强迫轨迹。数据来源：AMO基于NOAA Extended Reconstructed SST V5（ERSST v5）数据（1854–2019）；辐射强迫数据来自IPCC WGI AR6 Annex III Extended Data Table A3.1（1850–2100）。

研究结果

**5. Is the AMO a true internal oscillation or is it related to external forcings?**
通过MCS方法对256种VAR模型进行筛选，并在5、10、15、20年四个跨度上比较均方根误差（Root Mean Square Error，RMSE）和平均绝对误差（Mean Absolute Error，MAE），得出以下结论：在5–15年短至中期跨度，包含CH₄（RFCH）的模型表现最优，其中10年跨度还加入了太阳强迫（RFSOL）；在20年长跨度，仅含CO₂（RFCO）的集成模型（Ensemble RFCO）表现最佳。气溶胶强迫（RFA）在15–20年跨度与RFCH结合时能提升预测精度，但在RFCO模型中信息冗余。方法学上，迭代预测优于直接预测在短跨度，直接预测在长跨度更优；滚动窗口优于扩展窗口；加入确定性趋势反而降低精度。这些结果基于41个样本外预测（1959+h至1999+h）的评价得出。

**6. Out-of-sample projections**
研究人员使用32种VAR模型（无趋势、滚动窗口、BIC选阶），基于IPCC AR6的四种SSP情景，生成2020–2100年条件预测，并与CMIP6多模型集成预估进行比较。结果显示：在低排放情景（SSP1-2.6）下，两种方法均预测AMO指数在2020–2100年上升约0.50 °C，且多年代际振荡特征仍然可见；在中排放情景（SSP2-4.5）下，CMIP6预测线性升温至约1 °C，仅Ensemble RFCO与之接近，而Ensemble RFCH和Ensemble ALL更为保守；在高排放情景（SSP3-7.0和SSP5-8.5）下，CMIP6到2100年升温超过2 °C，Ensemble RFCO轨迹类似，但Ensemble RFCH仅达0.81 °C。无条件VAR预测（无情景约束）显示长期变暖幅度与SSP5-8.5相当。在所有情景下，CO₂主导长期变暖，CH₄主导短期（2020–2040年）演变。预测不确定性随辐射强迫强度增加而扩大，且VAR模型的不确定性普遍大于CMIP6。

总结讨论与结论翻译

讨论部分（隐含在第5、6节中）指出：实证证据明确支持人为强迫对AMO变率的支配作用，传统认为AMO是纯粹内部振荡的观点需要修正。基于MCS的预测评估强有力地表明，CH₄和CO₂是Granger意义上的关键预测因子，且其作用随时间尺度而异。样本外预测进一步显示，在持续高排放路径下，内部多年代际振荡将被强迫增温趋势所掩盖；而低排放路径可以保留AMO的自然振荡特征。研究还指出，所采用的VAR模型属于简化形式，仅能捕捉Granger可预测性，不能进行结构因果推断（如Hendry和Pretis，2023所述），这为未来研究留下了空间。

**翻译研究结论部分：**
本研究使用一种应用于VAR模型的模型置信集方法，考察了大西洋多年代际振荡的预测驱动因素。研究结果提供了强有力的证据，表明人为强迫在塑造AMO变率中起主导作用。预测练习确定CH₄是短至中期（5–15年）的主要驱动因素。相比之下，CO₂在较长时期（20年）表现出更优的性能，特别是当基于CO₂的模型被组合时。在各种情景下，研究人员观察到北大西洋海表温度异常的显著长期变化，其特征是温度升高和振荡模式改变。在缓解路径（SSP1-2.6）下，AMO的多年代际行为仍然可见。随着辐射强迫因温室气体排放增加而增强，这些振荡逐渐减弱。在SSP3-7.0和SSP5-8.5中，CMIP6和VAR模型都显示越来越暖的轨迹，表明内部多年代际变率逐渐被强迫增温趋势所掩盖。包含人为强迫（特别是CH₄和CO₂）的模型的强预测性能，强化了AMO受外部强迫驱动而不是纯粹的内生海洋振荡的观点。