Nature 子刊收录！清华李勇团队用 AI 解码全球气候耦合，ENSO 预测提前期延长至 19 个月
Quick Answer
Tsinghua University's Li Yong team developed UniCM, an AI model that extends ENSO prediction lead time to 19 months by integrating multiple climate modes, significantly improving overall predictive accuracy compared to traditional methods.
Key Points
- UniCM outperforms baseline models like XRO and CNN in multi-climate mode predictions.
- Successfully captures extreme El Niño and La Niña events from 1997-1998 and 2020-2023.
- Improves predictability of non-ENSO modes like IOD and TNA, enhancing climate risk assessments.
- Utilizes a dual-branch Transformer architecture for effective climate mode interaction learning.
- Offers earlier climate anomaly detection, benefiting agriculture, water management, and disaster preparedness.
Source Excerpt
UniCM：揭示极端 El Niño 和 La Niña 背后的跨洋盆信号。 作者丨郑佳美 编辑丨马晓宁 在全球气候风险越来越难以用单一事件解释的今天，气候预测行业正面临一个明显转向：预测对象不再只是某一次 El Niño 或某一个海温指数，而是整个海洋和大气系统中多个气候模态的联动变化。 过去，很多预测方法更擅长处理 ENSO 这样的核心模态，却较难同时理解印度洋、大西洋和太平洋副热带区域之间的连锁反应。 现实中的气候异常也往往不是单点发生的，例如一次太平洋海温异常，可能会改变远洋航线沿途的风浪条件，影响跨洋货运的时间安排；一个印度洋或大西洋信号的变化，也可能影响大型赛事、旅游旺季、保险定价和公共卫生部门对热带疾病传播风险的预判。 也就是说，气候预测已经不只是科学问题，更关系到交通、商业、保险、旅游、公共服务等许多普通人能感受到的生活场景。 在这种背景下，来自清华大学李勇教授研究团队提出了题为《Learning the coupled dynamics of global climate modes》的研究，尝试用统一模型 UniCM 学习全球气候模态之间的耦合动力学。
研究的核心并不是把 ENSO、IOD、TNA、NPMM、SPMM、IOB、SIOD 分别预测一遍，而是把它们放进同一个相互牵动的系统中，让模型同时理解海表温度、风应力、温跃层等物理场如何生成气候模态，也理解这些气候模态形成后如何反过来影响全球海气系统的未来变化。 …
Want this in your inbox every morning?
Daily brief at your local 8am — bilingual EN/中文, free.
More from 雷峰网 AI
See more →
刚刚，GPT 5.6 发布会上，OpenAI 暴露了哪些 Agent 技术路线？
OpenAI's GPT 5.6 integrates ChatGPT and Codex, introducing a for complex task execution, with models Soul, Terra, and Luna for efficient workflow management. The release emphasizes task orchestration, contextual understanding, and robust security measures for enterprise applications.
