2019年12月24日，《美國國家科學院院刊》（PNAS）發表題為《在春季可預報性障礙前基於複雜度的厄爾尼諾量級預測方法》（Complexity-based Approach for El Niño Magnitude Forecasting Before the Spring Predictability Barrier）的文章，構建了新的預測方法，將預測厄爾尼諾量級的時間翻了一番。
目前，對厄爾尼諾的常規預測能力限制在提前6個月對其量級做出可靠預測。預警時間的顯著延長將有助於減輕厄爾尼諾帶來的嚴重損害。德國波茨坦氣候影響研究所（PIK）的研究團隊建立了一種新的方法，利用大氣和海表溫度序列數據來改進厄爾尼諾的量級預測，成功地將這一預測時間翻了一番，可提前1年對厄爾尼諾現象進行預報，並且還可以高精度地提供有關其強度的信息。
新方法利用診斷方法，依賴於量化赤道東太平洋多個海表溫度時間序列的複雜性。研究人員將從時空溫度變化中得出的複雜性指標稱為“系統樣本熵”（System Sample Entropy，SysSampEn）。研究發現，給定年份的SysSampEn與次年厄爾尼諾事件的嚴重程度呈正相關關係。利用這種相關性，研究人員構建了一個預測指數，成功預測了1984—2018年10次厄爾尼諾事件中的9次。該方法使研究人員能夠以提前1年的預測範圍和高精度（即預測的均方根誤差為0.23 ℃）來預測厄爾尼諾現象的量級。
對於2018年的厄爾尼諾事件，該方法預測其為強度1.11±0.23 ℃的弱厄爾尼諾現象。預測結果還顯示，2020年底發生中等強度厄爾尼諾事件的概率很高，其幅值為1.48±0.25 ℃。在對厄爾尼諾現象的預測中，新方法可能有助於減少厄爾尼諾對全球數百萬人的破壞性影響。
轉載本文請註明來源及作者：中國科學院蘭州文獻情報中心《氣候變化科學動態監測快報》2020年第02期，劉燕飛 編譯。
閱讀更多 環境與發展智庫 的文章
