全球平均地表温度（Global Mean Surface Temperature, GMST）综合反映了全球海表温度与陆（冰）面气温状态，是评估气候变率与气候变化的关键指标。近年来，受全球变暖及极端事件增多的驱动，超前精确预测GMST季节变化对农业、能源、公共卫生等气候敏感行业具有重要意义。然而，由于对GMST秋冬季变率的关键驱动过程缺乏系统认识，当前从秋季起始的GMST预测准确度仍需进一步提高。

为深化对秋冬季GMST变幅影响机制的理解、提升其季节预测能力，中国科学院大气物理研究所李柯欣博士后与郑飞研究员，基于自主研发的大气所GMST集合预测系统（简称IAP GMST SEPS V1），在实现GMST超前2个月精准预测（预测误差小于0.02oC为标准）的基础上，进一步分析了该系统秋季起始的预测误差的全球影响源，揭示了该误差与ENSO主导的泛热带海盆相互作用的紧密联系，并结合大气所ENSO预测系统的实时预测结果进一步提升GMST的预测时效，将GMST精准预测提前至4个月。

图1. 1850~2024年，大气所全球平均地表温度统计集合预测系统（IAP GMST SEPS V1）秋季起报的GMST预测误差与全球地表温度(a)、Niño3.4指数观测值(b)及Niño3.4指数预测值(c)显著相关

研究系统评估了IAP GMST SEPS预测误差的时空分布规律，并分析其与全球地表温度空间分布的关系，发现秋季起报的GMST误差与热带中东太平洋、热带印度洋、热带北大西洋及部分热带陆地区域的温度异常存在显著相关（图 1）。这一误差相关的空间模态呈现出典型的ENSO驱动下泛热带海气相互作用结构，表明ENSO能够在秋冬季通过调制热带三大洋的海温异常，并经由热带—热带外遥相关过程，持续影响全球地表气温变化。该过程是GMST秋冬季变化的重要可预测性来源，而原IAP GMST SEPS 对物理过程和变化表征不足，是造成GMST秋季起始预测不准的主要原因。

图2. 引入ENSO实时预测后，大气所GMST集合预测系统（IAP GMST SEPS V2）秋季起报误差的改进，及与北美多模态集合（NMME）季节预测动力模式的对比

基于对这一物理机制的识别，研究进一步探索了借助ENSO及其驱动的热带三大洋指数来改进GMST预测的方法，通过引入ENSO实时预测信息，构建了改进GMST预测的动力—统计融合框架。1980—2024年9月起报的回报试验表明，引入ENSO实时预测后，GMST预测能力显著提升：在64%的年份中，预测误差平均降低41%；在ENSO发展年，热带过程表征不足导致的系统偏差明显减弱，其中86%的厄尔尼诺年和65%的拉尼娜年均得到明显改进（图2 a-d）。改进后的预测系统（IAP GMST SEPS V2）秋季预测能力达到北美多模式集合（NMME）动力模式的领先水平（图2e），并将GMST精准预测时效从2个月提前至4个月，为气候敏感行业提供更长前置期、更可靠的季节预测预警信息。

相关研究成果近期发表于期刊《npj Climate and Atmospheric Science》在线发表，得到京津冀环境综合治理国家科技重大专项（2025ZD1201700）、国家自然科学基金（42430114、42505145）、中国博士后基金会（2025M770300）, 以及中国科学院大气物理研究所基本科研业务费项目共同资助。

论文信息：

Li, K.-X., and F. Zheng*, 2026: Improving seasonal prediction of global mean surface temperature by incorporating dynamic ENSO realistic forecasts. npj Clim. Atmos. Sci. 10.1038/s41612-026-01386-9