1121 / 2026-03-27 18:50:20

全球变暖背景下两类厄尔尼诺季节预报障碍特征的变异

ENSO,可预报性,两类厄尔尼诺,初始误差,条件非线性最优扰动（CNOP）

主题1 天气、气候、全球变化、行星大气 > 专题1.4 高影响天气气候事件可预报性及AI算法的应用

探究高浓度二氧化碳引起的全球变暖背景下两类厄尔尼诺季节预报障碍（SPB）特性的变异，对于提升未来ENSO事件的预测能力具有重要意义。本研究基于CMIP6多模式的piControl和abrupt-4xCO2试验资料，利用耦合条件非线性最优扰动（C-CNOP）方法从初始误差角度对比了变暖前后中部型（CP）和东部型（EP）厄尔尼诺预报障碍特征的差异。结果表明，增暖导致CP型厄尔尼诺的预报误差增长率最大值由7月推迟至8月，SPB发生季节由JJA推迟至JAS；而EP型厄尔尼诺的误差增长峰值及SPB发生季节无显著偏移。合成分析揭示，增暖背景下ENSO周期的缩短改变了触发SPB的初始误差逐月演变特征。此外，与低浓度二氧化碳背景相比，增暖情境下北太平洋区域的初始误差显著增大，突显了该区域初始状态准确性在两类厄尔尼诺预测中的重要性。本研究可为未来全球变暖背景下ENSO预报模式的初始化提供一定科学依据与理论支撑。