近日，中国科学院海洋研究所研究员王凡团队结合南京信息工程年夜学传授张荣华、崂山试验室研究员蔡文炬等，于《天然 通信》发表研究论文。该研究借助不雅测数据约束的深度进修要领，年夜幅降低了对于全世界要害天气征象厄尔尼诺-南边涛动（ENSO）将来变化预估的不确定性。
ENSO作为地球天气体系中最强的年际变率旌旗灯号，其冷暖位相转换会经由过程年夜气遥相干，对于全世界极度气候、生态体系及经济成长孕育发生深刻影响。然而，当前国际主流耦合天气模式（CMIP）对于ENSO海表温度变率的将来预估存于巨年夜差异，这重要是由于模式对于ENSO物理历程模仿存于误差。
为冲破这一困境，研究团队设计出“基在不雅测信息”的深度进修要领。研究职员应用多个CMIP6天气模式的汗青及将来情景数据，练习了11个自力的人工神经收集模子，旨于进修每一个模式中ENSO变率与热带承平洋平均海温状况间的繁杂瓜葛。
以后，团队引入真实不雅测数据对于人工神经收集举行验证及筛选，重点存眷能正确捕获不雅测到的ENSO对于海温变化相应的人工神经收集，如基在GISS-E2-1-H模子练习的人工神经收集。
经由过程可注三木SEO-释性阐发及ENSO物理机制查验，证明体现优秀的人工神经收集乐成内化了真正的ENSO物理历程，特别对于赤道中承平洋及远东承平洋的海温变化高度敏感，与已经知的ENSO要害反馈区域一致。
使用人工神经收集对于高排放情景下21世纪ENSO海温变率举行约束性预估，成果显示，相较在原始CMIP模式猜测成果，经人工神经收集约束的猜测不确定性规模降低了54%。
研究还有发明，只管传统阐发认为不雅测与模式于20世纪热带承平洋变暖模态上存于显著差异，但当聚焦在呆板进修辨认出的调控ENSO变率的要害区域时，不雅测数据及天气模式模仿均一致显示出近似“厄尔尼诺型”的变暖特性，展现了此前被纰漏的物理一致性。这不仅弥合了不雅测与模式的差异，还有经由过程呆板进修挖掘出隐蔽的要害物理机制，为ENSO将来预估提供了可量化的物理依据。
该研究获国度重点研发规划、国度天然科学基金项目等结合资助。
相干论文信息：
https://doi.org/10.1038/s41467-025-63157-z
版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请于正文上方注明来历及作者，且不患上对于内容作本色性改动；微信公家号、头条号等新媒体平台，转载请接洽授权。邮箱：shouquan@stimes.cn。-bevictor伟德官网
