来自波茨坦气候影响研究所、北京师范大学和JUSTUS-LIEBIG-University Giessen的一组研究人员已经找到了一种方法，可以在厄尔尼诺事件发生前一年预测它们。其研究发表在《美国国家科学院院刊》上，该小组描述了他们基于复杂性的方法，以更好地预测看似随机的天气事件。厄尔尼诺现象是一种天气事件，太平洋西部一些地区的水面温度比正常情况下变暖，然后向东渗漏。
科学家们急于了解更多关于这类事件的信息，因为它们可能会导致世界某些地区的过度降雨，以及其他地区的干旱状况。知道它们什么时候会发生，会让生活在这两个地区的人们有时间为它们做计划。到目前为止，天气专家所能做的最好的事情就是提前六个月提供预测。在这项新研究中，研究人员提前一年发现了他们认为相当准确的预测。新方法采用了一种新的，基于复杂性理论的海面温度数据分析方法。
它包括将太平洋东部划分成正方形的单元，并将每个单元的温度与其附近其他单元和距离更远的其他单元进行比较。这样的比较能测量温度数据中的无序程度。然后，通过比较每年的无序程度，发现了一种模式：高度无序的年份往往紧随其后的是第二年厄尔尼诺事件。一旦发现了这种模式，研究人员就分析了1984年至2018年的年度地表温度数据，以预测过去的厄尔尼诺事件。该方法正确预测了10个厄尔尼诺事件中的9个(有3个假阳性)。
此外还发现，前一年的紊乱程度越高，随后的厄尔尼诺事件就越强烈。研究人员得出结论：现在可以相当准确地提前一年预测厄尔尼诺现象。尽管以赤道东太平洋异常间歇性变暖为特征的厄尔尼诺事件可能在全球各地引发灾难，但对其规模的可靠预测仍限于提前约6个月。这一预警时间的显著延长将有助于减轻一些最严重损害。新研究是一种依赖信息熵的方法，它使预警时间翻了一番。
这一方法是基于本研究发现，即一历年的熵与次年开始的厄尔尼诺事件的强度有很强相关性。从而能够提前1年预测厄尔尼诺事件的开始和强度。厄尔尼诺南方涛动(ENSO)是最突出的年际气候现象之一。由于ENSO对经济、社会和生态系统的严重影响，早期和可靠的ENSO预测仍然是一个重要目标。尽管近几十年来发展了各种动力和统计预报模式，但“春季可预报性障碍”仍然是长期(6个月以上)预报的一大挑战。
为了克服这一障碍，新研究开发的这个分析工具：系统样本熵(SysSampEn)，用来度量由尼诺3.4区域温度异常时间序列组成的系统复杂性(无序性)。当将该工具应用于几个近地表气温和海面温度数据集时，发现在所有数据集中，厄尔尼诺现象的大小与上一历年的SysSampEn(复杂性)之间存在很强的正相关关系。研究表明，这种相关性使我们能够以1年的预测水平和高精度（即，单个数据集预测的平均值的均方根误差=0.23°C）来预测厄尔尼诺的强度。
博科园｜Copyright Science X Network/Bob Yirka,Phys
参考期刊《美国国家科学院院刊》
DOI: 10.1073/pnas.1917007117
博科园｜科学、科技、科研、科普
