全球平均表面温度（GMST）是评估气候变化和气候变率的核心指标。在气候变化影响加剧的背景下，准确预测GMST的季节内-年际波动能够为农业生产、能源规划、防灾减灾等领域提供关键预警信息。然而，现有研究对全球表面温度变化机制的理解尚不充分，加之预测方法的局限性，导致Met Office、NOAA、Carbon Brief等气候预测国际前沿机构对年际GMST量值预测误差达0.2~0.3℃，WMO也仅能提前2周给出较为精确的全年GMST估计值。因此，GMST的季节内-年际预测仍面临挑战，其提前时效、预测精度均有待提高。
针对如上需求，中国科学院大气物理研究所博士后李柯欣、郑飞研究员、朱江研究员与合作者们深入探究了GMST的季节内-年际尺度可预测性来源，基于GMST不同周期分量的月际变化特性，实现超前2个月对当年GMST量值的精准预测。
团队最新研究表明，GMST变化存在多时间尺度特征。缓变的多年代际分量（MDV）和长期趋势分量（SCT）在月际尺度波动较小、具有强持续性，因此易于提前捕捉其季节内演变信号。而快变的年际分量（ANV）受到北半球大陆区域气温的季节内波动影响，难以提前进行准确预测，是GMST预测误差的主要来源。本研究进一步揭示ANV在每年11~12月份的月尺度变化具有明显规律性：其在海洋区域持续性强，在北半球中高纬陆地区域则会频繁呈现三种时间或空间上的反转型态（历史统计占比~80%）。高频出现的反转型态，使得可以通过对11~12月ANV进行季节内平均的方式，有效过滤北半球中高纬大陆地表气温的季节内噪声干扰，并显著增强其可预测信号的清晰度，与稳变的海表温度共同为ANV提供可靠预测依据。
图1 1850~2022年11~12月，北半球中高纬ANV的三种时空反转型态和季节内平均揭示的ANV可预测性源。（a）东亚-北美偶极型模态，（b）中高纬陆地跷跷板型模态，（c）季节内反转模态（单位：°C）。（d）11月和12月ANV分量的31年滑动信噪比（SNR），其中信号为11~12月平均ANV，噪声为11月（或12月）ANV与11~12月平均ANV之差。（e）SNR的空间分布。
研究进一步综合MDV和SCT的缓变特性、以及季节内平均所提高的ANV可预测性，团队构建了大气所GMST统计集合预测系统（IAP GMST SEPS），实现在1980~2022年的回报试验中超前2个月（即11月起报），精确预测GMST的年际变幅，误差控制在±0.02℃以内。
图2 IAP GMST SEPS从11月起报的集合预测水平。（a）1980~2022年的回报技巧，包括预测异常相关系数（ACC）和均方根误差（RMSE，单位：°C），X轴代表获取历史回归关系的时间窗口。（b）回报误差的概率密度函数（PDF，单位：%），黑色框线代表集合平均。（c）IAP GMST SEPS与6个来自不同机构的S2S模式对当年GMST超前2个月回报技巧对比的泰勒图。（d）IAP GMST SEPS从2023年5月至12月起报的2023年GMST实时预测，其中彩色圆点和误差棒则分别表示预测的集合平均值和集合离散度，黑色实线和灰色阴影分别表示观测的平均值和不确定性。
目前，该系统已于2023年末在地球系统数值模拟大科学装置数据中心正式上线（https://earthlab-data.iap.ac.cn/GMST/），每年5~12月将定期实时更新当年GMST的预测结果。相关研究成果近期发表于期刊《npj Climate and Atmospheric Science》，得到国家重点研发计划（2023YFF0805202）、国家自然科学基金（42175045）以及中国科学院战略性先导科技专项资助（XDB42000000）共同资助。
图3 IAP GMST SEPS展示平台
相关论文信息：
- Li, K. X., Zheng F.*, Zhu J., et al., 2024: Advancing annual global mean surface temperature prediction to 2 months lead using physics based strategy. npj Clim. Atmos. Sci., 7, 219. https://doi.org/10.1038/s41612-024-00736-9
- Li, K. X., Zheng F.*, Zhu J., Zeng Q., 2024: El Niño and the AMO sparked the astonishingly large margin of warming in the global mean surface temperature in 2023. Adv. Atmos. Sci., 41, 1017−1022. https://doi.org/10.1007/s00376-023-3371-4.
- Zheng, F.*, et al., 2023: Will the globe encounter the warmest winter after the hottest summer in 2023? Adv. Atmos. Sci., 41, 581–586. https://doi.org/10.1007/s00376-023-3330-0.
- Li, K. X., Zheng F.*, Cheng L., et al., 2023: Record-breaking global temperature and crises with strong El Niño in 2023-2024. The Innovation Geoscience, 1, 100030. https://doi.org/10.59717/j.xinn-geo.2023.100030.
- Li, K. X., Zheng F.*, et al., 2022: Key regions in the modulation of seasonal GMST variability by analyzing the two hottest years: 2016 vs. 2020. Environ. Res. Lett., 17, 094034. 10.1088/1748-9326/ac8dab
